基于深度学习的电子雾化产线调度仿真方法

本发明公开了基于深度学习的电子雾化产线调度仿真方法，包括：S1、采集电子雾化产线的历史生产数据并进行预处理，构建标准化数据集；S2、通过多维时空协同Transformer网络构建并训练电子雾化产线调度模型；S3、将实时产线状态信息输入到训练完成的电子雾化产线调度模型，并评估产线运行指标生成优化后的候选调度策略集；S4、构建电子雾化产线的多目标仿真环境，对优化后的候选调度策略集进行模拟执行；S5、采用改进的多目标蚁群优化算法筛选最优调度策略；S6、将最优调度策略应用于实际产线，并实时采集反馈信息；S7、结合反馈数据对调度模型进行持续迭代优化。本发明提升了产线运行效率、资源利用率与调度响应能力。