机床与液压

作者：陈娴琦，赵巍，张雷，王太勇

单位：天津职业技术师范大学，天津市高速切削与精密加工重点实验室；天津职业技术师范大学机械工程学院；天津职业技术师范大学，天津市高速切削与精密加工重点实验室；天津职业技术师范大学机械工程学院；天津商业大学机械工程学院；天津大学机械工程学院

关键词：完工时间预测;关键影响因素识别;多阶段加工;神经网络

基金：天津市科技计划项目(24YDTPJC00320)；国家重点研发计划项目(2022YFB3303601)

在多阶段加工过程中，完工时间影响因素众多且因素间关联复杂、工序与设备耦合严重、加工数据价值低等，导致完工时间难以精准预测。针对这一问题，提出一种基于关键影响因素识别的多阶段加工完工时间预测方法。分析多阶段加工过程中的设备、工序等，得出完工时间的潜在影响因素。通过考虑影响因素与完工时间的相关性、影响因素之间的冗余性，提出基于相关性和冗余性的关键影响因素识别方法，得到完工时间的关键影响因素集。在此基础上，建立基于树结构的贝叶斯优化算法优化的反向传播神经网络模型TPE-BP，实现多阶段加工完工时间的准确预测。最后，设计并开展某工件多阶段加工试验对所提方法进行验证，并通过与其他预测模型进行对比证明所提方法的优势。结果表明：将关键影响因素作为输入，分别采用TPE-BP、PSO-SVR、XGBoost和KNN模型进行完工时间预测，相较于使用全部影响因素，各模型的预测精度均得到一定提升，证明关键影响因素识别方法的有效性；将关键影响因素作为输入，TPE-BP神经网络预测模型的MAPE为1.21%，RMSE为18.8，R2 为0.99，均优于PSO-SVR、XGBoost和KNN，证明了TPE-BP预测模型的优越性；在智能制造信息管理与执行系统中开发完工时间预测模块，实现预测结果的可视化呈现，进一步证明所提方法在多阶段加工的工程可行性，为企业生产管理提供一种可行的完工时间预测方法。

来源：2025年第21期

《机床与液压》期刊编辑部

查看机床与液压杂志2025年第21期