关键词:
改进型贝叶斯优化
边缘智能
实时磨损预测
能耗优化
智能光缆剥皮系统
摘要:
智能光缆剥皮系统的高效运行对实时磨损预测和能耗优化的严峻挑战。本文提出一种基于改进型贝叶斯优化(Improved Bayesian Optimization,IBO)的边缘智能增强方法,旨在提高系统的性能和能效。首先,设计一种轻量级边缘计算架构,实现复杂算法在边缘设备上的高效运行。其次,通过将模糊逻辑理论引入传统贝叶斯优化,开发IBO算法,以更好地处理光缆剥皮过程中的不确定性和模糊性。基于IBO算法,本文构建了实时磨损预测模型,融合多源数据和历史信息,显著提高刀具磨损状态预测的准确性和及时性。此外,本文提出一种综合考虑能耗、效率和刀具磨损的多目标能耗优化策略并利用NSGA-Ⅲ算法进行优化求解。实验结果表明,与传统方法相比,本文所提方法在显著提高实时磨损预测准确率的同时,降低了系统整体能耗。所提出的实时磨损预测与能耗优化相结合的闭环优化机制,为智能制造系统的性能提升和能效管理提供了新的思路。