应用LSTM网络的缸体压铸质量预测

赵圆方，高 媛，钱 峰，亢欣欣

（大连理工大学机械工程学院，辽宁 大连 116024）

1 引言

汽车的发动机缸体是发动机里最重要的零件，采用铝合金压铸法制造。发动机缸体压铸工艺包括铝合金熔炼、铝合金熔融液贮存与运输、压力铸造等，具有数据高维非线性、生产过程不确定性、子过程相互耦合、控制要求性能指标要求高等复杂生产过程特点[1]。针对复杂生产过程，质量控制问题是普遍的又是难以解决的问题。传统上所使用的统计过程控制是一种滞后控制，质量预测能够提早发现问题，成为人们关注焦点。

产品质量预测通常有基于数学模型方法、基于知识方法和基于统计方法[2]。由于压铸生产过程复杂，难以对其进行数学建模或应用先验知识。随着智能制造的发展，基于数据统计的数据挖掘方法常常被用于生产过程的质量预测。文献[3]基于CART决策树对复杂生产过程构建质量预测模型，证明CART决策树方法能较为准确地预测陶瓷管生产质量。当生产数据量变大时，CART决策树和支持向量回归等数据挖掘方法，将面临较大的时间复杂度压力[4]，而复杂生产过程的连续性需要应用适应大数据的数据挖掘方法。文献[5]应用神经网络方法预测磨削力，并基于遗传算法对方法进行优化，克服传统BP算法进化速度慢等缺点，证明神经网络在预测任务中的有效性。

压铸过程中，很多工艺参数具有时序性，属于时间序列。前述方法没有考虑输入的时间序列特性。……