[發明專利]一種基于深度CNN的飛機總裝物料配送優先級分配方法

在審

• 申請號: 202110036751.9
• 申請日: 2021-01-12
• 公開（公告）號: CN112766687A
• 公開（公告）日: 2021-05-07
• 發明（設計）人: 史慧超;牛力;孫晉豪;沈懷明
• 申請（專利權）人: 北京化工大學
• 主分類號: G06Q10/06
• 分類號: G06Q10/06;G06Q10/08;G06N3/04;G06N3/08;G06Q50/04
• 代理公司: 北京化育知識產權代理有限公司 11833
• 代理人: 尹均利

1.一種基于深度CNN的飛機總裝物料配送優先級分配方法，其特征在于，包括以下步驟：

S1：數據提取與處理：提取物料信息中對配送優先級影響較大的因素并對其進行編碼，方便輸入計算機網絡中進行訓練；

S2：搭建神經網絡架構：采用卷積神經網絡，并搭建一維卷積序列模型，適用于處理時間序列數據；

S3：神經網絡模型訓練：將訓練樣本集輸入建立好的神經網絡模型中，輸出預測優先級，根據預測優先級和標定優先級的差異情況進行訓練；

S4：神經網絡模型測試：神經網絡模型訓練好之后，將測試樣本集輸入到訓練之后的網絡模型中進行檢驗。

2.根據權利要求1所述的基于深度CNN的飛機總裝物料配送優先級分配方法，其特征在于，所述步驟S1中采集到的不同站位物料信息數據流作為訓練單元的輸入，將每一條數據流進行配送優先級進行劃分，并將劃分好配送優先級的物料配送信息分別作為訓練和測試樣本對建立的神經網絡模型進行訓練和測試。

3.根據權利要求1所述的基于深度CNN的飛機總裝物料配送優先級分配方法，其特征在于，所述步驟S1中處理的數據包括：各個站位的當前物料信息，物料種類、數量、狀態；各個站位的物料需求信息，物料的種類、數量、配送時效；各個站位的退料信息，物料的種類、數量、退料原因；AGV物料車配送信息，物料種類、數量、位置信息；物料庫備料信息，物料種類、數量、狀態；其中，各站位的當前物料信息及AGV物料車前一時刻的物料信息存儲在系統內，各站位物料需求信息是由信息錄入設備新錄入信息。

4.根據權利要求1所述的基于深度CNN的飛機總裝物料配送優先級分配方法，其特征在于，所述S1中根據物料需求信息中機型、AO、批架次、制造架次、申請時間、需求時間和配送距離等將物料配送優先級劃分為1級、2級、3級、4級、5級五個級別，五個等級的優先級別依次降低；由于數據無法直接輸入計算機網絡中進行訓練，因此對其進行自定義編碼，選取部分數據類型轉化成相應的數字；根據驗證環境的實際站位情況，擬選取三個參量分別為申請時間、需求時間、站點距離作為卷積神經網絡輸入，并設定三個輸出優先級，進行訓練。

5.根據權利要求1所述的基于深度CNN的飛機總裝物料配送優先級分配方法，其特征在于，所述步驟S2中根據設計的數據格式，采用一維卷積神經網絡序列模型進行搭建網絡模型，卷積公式為：

其中，b為偏差量，Z^l和Z^l+1表示第l+1層的卷積輸入和輸出，L_l+1為Z_l+1的尺寸，K為特征圖的通道數，f、s₀和p是卷積層參數，對應卷積核大小、卷積步長和填充層數。

6.根據權利要求1所述的基于深度CNN的飛機總裝物料配送優先級分配方法，其特征在于，所述一維卷積序列模型具體包括：起始輸入為一個3×1的一維矩陣，經過多個卷積+最大池化后，得到一個64個3×1的矩陣，然后通過全連接層展開，得到64×1的矩陣后，通過添加一個softmax層，得到對應的優先級即3×1的矩陣。

7.根據權利要求1所述的基于深度CNN的飛機總裝物料配送優先級分配方法，其特征在于，所述步驟S3中根據數據生成規則生成1000組數據，按8:2的比例隨機生成訓練集和測試集，得到800組訓練集的數據和200組測試集的數據；首先，將訓練樣本集輸入建立好的神經網絡模型中，輸出預測優先級，根據預測優先級和標定優先級的差異情況進行訓練；訓練過程中，將conv1+conv2+max-pooling層作為一個單元，將conv3之后的層數凍結，作為后置單元；通過添加前置單元的個數來進行層數尋優，設置層數分別為1和2，激活函數均為Relu函數，進行對比試驗，epochs設置為60，batch_size設置為1；層數為1時候，訓練達到的精度為100％。

8.根據權利要求1所述的基于深度CNN的飛機總裝物料配送優先級分配方法，其特征在于，所述步驟S4中經過樣本數據的測試發現，測試結果精度達到100％，完全符合要求。