对工业产物格地的厉苛请求促进了质地预测步骤的成长。产物格地与缔造工艺的相干影响模子拥有强耦合、时序联系和非线性的特色。古板的检测步骤因为检测时刻长，无法正在线反应，正在使用上存正在控造性。因为历程数据中包罗了工艺调剂以及处境震动音讯，也许填塞响应临盆历程，是以基于历程数据的质地预测模子取得了越来越广博的使用。然而常见的预测模子一样是基于满堂的历程数据征战全体模子，而打针成形、压铸成形等工业临盆历程是典范的多时段历程，分歧临盆时段中的历程变量拥有分歧的手脚特点，对产物格地有分歧的影响。同时，分歧的历程变量和时刻点一样对产物格地存正在不行水平的影响，而正在以往的钻探中，各历程变量以及各时刻点一样被平等的处罚，导致合头变量以实时刻音讯的失落。可见，目前研究繁杂工业临盆历程中产物格地的精准预测步骤仍是摆正在钻探职员眼前的困难。

　　针对上述困难，赵朋熏陶团队报道了一种用于工业产物格地预测的多时段双戒备力LSTM神经搜集。使用轮回神经搜集和双戒备力机造完成繁杂工业历程产物格地的精准预测，兼具工艺时段智能划分与合头工艺特点提取，填塞映现了该步骤正在工业智能化、大数据处罚等方面的使用潜力。该任务以“A Multiphase Dual Attention-Based LSTM Neural Network for Industrial Product Quality Prediction” 为题宣布正在《IEEE Transactions on Industrial Informatics》(IF=)上，著作第一作家是浙江大学机器工程学院博士生董正阳、博士生潘毅峰为合伙第一作家。通信作家为赵朋熏陶，论文作家团队成员均来自浙江大学流体动力根底件与机电体系寰宇重心尝试室。

　　该任务提出了一种基于多时段划分与双戒备力的预测模子，称为PDA-LSTM。该任务提出的步骤由两个首要模块构成：工艺时段划分模块（图1(a)）和质地预测模块（图1(b)）。工艺时段划分模块将扫数输入数据遵从本质操作时段实行对应的划分。质地预测模块中采用输入戒备力和时刻戒备力机造来提取最联系的工艺参数和时刻步长。满堂道理图如图1所示。

　　为了从表面上声明该步骤正在预测精度、时段划分与合头参数提取方面的有用性，起初征战了数值模子并实行了验证据验。该步骤预先对时段实行划分，以构修针对特依时段的特定模子。如图2所示，时段划分的精度可达100%。是以，能够构修一系列的工艺时段模子，而且能够更扫数地提取每个时段内的特点。

　　。图3（a）映现了三个分歧时段中的输入戒备力权重分散，以提取合头变量。此中，9号、10号和12号变量，对扫数时段的结果都有较大的影响。而变量4和16仅正在第偶然段与结果联系。其他变量对结果影响较幼。预测的戒备力权重与表面值有昭彰的对应联系，对结果影响较大的变量也被分拨了更大的戒备力权重。分歧时段的时刻戒备力权重如图3（b）所示。图3. 正在数值模子上的戒备力权重。蓝色示意从PDA-LSTM模子中得回的戒备力权重，血色是按照数值模子表达式估计的表面值。（a）三个分歧时段的输入戒备权重;（b）三个分歧时段的时刻戒备力权重。

　　为了进一步声明该步骤正在本质临盆中的有用性，对实正在的打针成形临盆试验实行的产物格地预检验证。如图4所示，尝试搜集了由模内传感器和呆板传感器衡量的10个历程变量，搜罗螺杆身分、螺杆转速、型腔压力、熔体温度等。要预测的质地目标是产物重量，这是注塑产物最常用的质地目标。产物重量是工艺类似性的目标，能够响应尺寸精度和机器本能等。

　　图5映现了该步骤与三种基准步骤正在实正在打针成形预测尝试中精度的对比。所提出的PDA-LSTM步骤的均方根差错为0.1993g,正在四种步骤中最低，精度相对付SVR提拔了37.3%，能够取得更确切的产物重量预测结果。

　　该任务是团队近期合于工业临盆历程工艺智能优化与统造联系钻探的最新转机之一，取得了国度重心研发安排、浙江省‘哨兵’“领雁”研发攻合安排以及宁波市科技改进2025宏大专项等项方针大举维持。近年来，工业4.0促进了工业规模的数字化转型和智能化升级，人为智能步骤的使用受到了广博合怀。团队针对工业临盆中厚壁零件的繁杂温度场精准统造，使用广义预测统造步骤完成了高效、精准升温统造（International Journal Of Heat And Mass Transfer, 2024, 218.），并正正在发展多状况传热历程中的动态温度预测联系任务。同时，团队使用产物温度场音讯，钻探基于红表图像识其余产物缺陷检测步骤，为高质地、高不变临盆供给了改进性的处分计划。