基于ODCGWO-Elman的生产线设备软测量模型

简介

由于设备本身的复杂多样性以及传感器应用范围和成本的限制,导致部分故障检测信息无法完整、准确获得。为解决上述问题,提出一种基于改进灰狼算法的Elman神经网络(ODCGWO-Elman)软测量模型,用于预测故障时间。该模型以Elman网络作为基础结构,将灰狼算法(GWO)与Elman网络结合,以克服网络因随机选取的权值和阈值不恰当对预测精度的影响,提高模型的学习能力和泛化性。同时,在灰狼算法中引入反向学习策略、基于余弦函数自适应的收敛因子和正则函数对其进行改进,提高灰狼算法的求解精度。实验结果表明ODCGWO-Elman预测准确率为94.8%,相较于GWO-Elman和传统Elman网络,预测准确率分别提升了11.5%和22.3%,有效提升了设备故障预测的准确性。