日期:2025-06-26 08:56
法，通过随机采样与递归分割，构建多棵异常评分树，最终融合得到异常能耗事件的严重等级与根因提示。在能耗优化决策方面，应用层引入前馈神经网络（Feed-forward Neural Network，FNN）算法，输入铁心材料、冲裁工艺等12类特征变量，输出铁心单位重量的电耗预测值。FNN模型经过10,000张历史铁心数据的训练，最终收敛的均方误差（Mean Squared Error，MSE）小于0.15。应用层还部署了改进的遗传算法（Genetic Algorithm，GA），以最小化总能耗为优化目标，对冲裁次数、叠压温度等8个工艺参数进行编码，初始种群规模设置为50，变异概率取0.05