摘要
本发明提供一种基于能耗预测的智能工厂制造优化方法及系统,通过对工厂制造过程中连续采集的历史能耗记录数据进行时间序列结构化处理,通过时间窗口划分与数据关联性校验生成具有连续时间标记的能耗序列单元,基于能耗序列单元构建制造工序‑能耗关联知识图谱,通过识别工序执行节点与能耗波动特征之间的因果关联关系,建立包含节点属性与边关系权重的结构化知识表示;调用预训练的图神经网络模型对图谱进行时序演化预测处理,生成未来预设制造周期的能耗预测序列;根据能耗预测序列对当前制造工序的执行顺序与资源分配方案进行动态调度优化,生成能耗优化导向制造执行指令。本发明提高了智能工厂制造过程的能耗管理水平和资源利用效率。
技术关键词
能耗
波动特征
神经网络模型
时序特征
序列
智能工厂
节点特征
邻居
融合时序信息
资源分配
关系
矩阵
生成知识图谱
迭代优化算法
周期
融合特征
异常数据点
系统为您推荐了相关专利信息
身份识别方法
生物特征信息
面部
数据采集设备
牛耳标
客户
多层前馈神经网络
记忆单元
时间序列分析方法
LSTM神经网络
验签系统
审核算法
电子印章管理
关键词
权重特征
网络流量数据
入侵检测模型
网络流量检测
网络流量信息
节点特征