基于集成學習和改進粒子群優(yōu)化算法的流程制造工藝參數(shù)優(yōu)化

摘要： 針對流程制造過程中工藝過程復雜、多工序耦合嚴重、工藝參數(shù)優(yōu)化困難等問題，提出一種基于長短期記憶(LSTM)神經(jīng)網(wǎng)絡、極限梯度提升(XGBoost)算法和改進粒子群優(yōu)化(IPSO)算法的多工序工藝參數(shù)融合優(yōu)化方法?；贚STM神經(jīng)網(wǎng)絡建立了數(shù)據(jù)預處理模型，通過LSTM神經(jīng)網(wǎng)絡提取流程工藝數(shù)據(jù)的時序特征，進而實現(xiàn)了對工藝數(shù)據(jù)中異常值的處理。在此基礎(chǔ)上，通過XGBoost算法擬合工藝...