刘诗敬， 郗欣甫， 侯 曦， 孙以泽

(1.东华大学 机械工程学院，上海 201620; 2.中国纺织机械协会，北京 100028)

纺织企业是典型的面向订单生产的流程型制造企业，所以针对订单的预先排产是非常重要的[1]。经编机作为生产效率最高的织造机械，是国家“数控一代”项目重点发展的纺织装备之一[2]。目前，传统经编车间对织造工序的排产是由管理人员根据经验安排生产的，而不是根据科学的算法进行调度安排的，这导致生产过程出现织造时间过长、生产效率低、资源利用率低和生产成本高等问题。构建经编数字化车间是解决这些问题的有效途径，而在经编数字化车间实现科学调度属于无关并行机调度问题[3]。Garey等[4]证实这种调度问题是NP-hard完全问题。解决此类问题的前提和关键在于准确预测经编机的产能，可靠的产能预测可有效缩短加工时间，实现物料流、资金流和能量流平衡。但是，实际经编车间的经编机的构造和剩余使用寿命等均不同，操作工人在处理断纱、换针和急停等停机事件时的水平不同，这造成了经编机的异构性，以及存在各种非计划停机等模糊的影响因素，因此经编机产能的预测具有高度非线性和不确定性等特点。

虽然目前应用神经网络实现预测的相关研究已经相对成熟，但是国内外鲜有针对纺织行业产能预测的相关研究。Tedesco-Oliveira等[5]使用卷积神经网络预测棉田的产量，平均相对误差仅为8.84%，有效提高了棉花机械化收割的质量。Huynh[6]使用BP(back propogation)神经网络对纺织产品的缺陷进行有效预测，从而减少材料浪费。……