首页|基于ESOINN的离散制造车间生产异常实时检测方法研究

基于ESOINN的离散制造车间生产异常实时检测方法研究

扫码查看
原文链接
  • NETL
  • NSTL
  • 万方数据
  • 维普
离散制造车间存在制造要素偏离生产计划导致的生产异常事件,准确的车间异常检测有助于实时监控生产过程,提高动态决策响应速度,保证订单按时交付.针对异常检测的准确性和实时性需求,提出一种增量式无监督学习的车间生产异常检测方法.首先,以在制品在车间的流转过程为主线定义生产异常种类,搭建离散制造车间生产异常检测框架;其次,使用增强自组织增量神经网络实时检测生产异常,并根据当前生产数据在线更新模型,以适应数据分布的动态变化,提高模型检测准确率;最后以某航天机加车间为例,将所提方法与两种增量式及两种非增量式聚类算法进行对比实验,并在离散制造车间应用生产异常检测系统,验证了该方法在生产异常检测问题上的有效性.
A Research on Real-Time Detection Method of Production Abnormalities in Discrete Manufacturing Workshop Based on ESOINN

Discrete Manufacturing WorkshopProduction Anomaly DetectionIncremental LearningThe En-hanced Self-Organizing Incremental Neural Network

崔世婷、郭宇、汪伟丽、梁睿君

展开 >

南京航空航天大学机电学院,江苏南京 210016

离散制造车间 生产异常检测 增量学习 增强自组织增量神经网络

国防基础科研项目国防基础科研项目

JCKY2018203A001JCKY2018605C003

2023

机械设计与制造
辽宁省机械研究院

机械设计与制造

CSTPCD北大核心
影响因子：0.511
ISSN：1001-3997
年,卷(期)：2023.(8)
  • 1
  • 5