融合层次图构建的神经网络多工序质量预测方法

本申请涉及深度学习技术领域，尤其涉及一种融合层次图构建的神经网络多工序质量预测方法。针对多工序生产中工序内参数耦合复杂、工序间影响逐级传递及时序依赖显著等问题，通过构建层次图结构实现精准预测。其步骤包括：数据预处理，对历史工艺数据进行清洗、归一化与缺失值处理；特征筛选，基于互信息法选取与目标质量指标高度相关的关键工艺参数；层次图构建，将生产过程建模为微观参数网络与宏观工序有向链的双层图结构；模型构建，采用微观编码模块学习工序内耦合关系，宏观链式门控融合模块刻画工序间逐级传递影响，时序解码模块实现质量指标预测；模型训练与预测输出。旨在解决如何同时刻画工序内参数耦合与工序间逐级传递的问题。