基于神经网络计算试验的制造系统行为预测理论与方法

预测是控制和决策的基础。为了更好地实施虚拟制造，或通过执行决策来优化车间的生产过程，企业就必须先建立稳定可靠的数学模型，并获得关于制造系统未来状态行为的准确可信的预测结果。由于制造系统的复杂性，进行有限次观察试验并通过数据挖掘和统计分析的手段来建立经验预测模型通常是最佳选择。本项目以数据驱动的制造系统中预测问题为研究对象，以神经网络预测方法为研究途径，以析因试验设计为研究手段，建立预测建模和分析的完整流程，对神经网络的结构设计、样本预处理、交叉训练和验证方法、模型选择与集成以及预测结果分析等关键理论开展研究，开发原型系统，并选取车间制造执行过程中的时间和资源性能预测问题以及制造系统可靠性预测问题作为典型实例进行应用验证。本项目研究旨在为如何设计一种既简单又高质量的神经网络预测模型提供通用的理论和方法，因而它既可以用在制造系统和制造过程的各类预测问题中，也可以推广到其它工程应用领域。