一种基于深度学习的拧紧工具参数优化系统及方法

本发明公开了一种基于深度学习的拧紧工具参数优化系统及方法，涉及工具参数优化技术领域，本发明，首先通过边缘计算模块进行实时数据的清洗、标准化和特征提取，并利用RNN模型预测最佳拧紧参数，工艺参数优化模块结合实时工况动态调整参数，能够快速适应复杂环境变化；其次，云端通过Transformer模型分析多工具间的负载均衡与作业次序，优化任务分配策略，同时，IIoT平台实现了多工具间的优化参数共享，显著提升生产线的协同效率；此外，反馈模块采集拧紧作业性能与运行参数，并将数据上传至云端，利用深度学习模型对工具间协作和历史数据进行持续分析，动态更新优化算法，提升系统对动态工况的适应性和持续改进能力。