使用 LSTM 学习生产线中的 PLC 自动机
机器学习
2025-03-04 v1 系统与控制
系统与控制
摘要
生产线和输送系统是现代制造过程的主流。制造效率直接与生产手段和输送效率相关。工业背景下的建模始终是一个挑战，因为现代制造标准带来了复杂性。Long Short-Term Memory 是一种用于模式识别的循环神经网络，被用于简单的气动输送系统中，该系统将木块输送around整个系统。循环神经网络(RNN)通过反馈环路捕捉时序依赖性，而 Long Short-Term Memory(LSTM)网络通过使用门控机制来有效学习长期依赖性。输送系统作为生产线的主要组成部分，被选为建模目标，以展示一种适用于大规模生产线的简单格式的方法。本文使用传感器数据训练 LSTM，以输出建模输送系统的自动机。由本文提出的 LSTM 方法获得的自动机与由 OTALA 方法获得的自动机进行比较。结果表明，由 LSTM 方法得到的自动机是输送系统更准确的表征，与由 OTALA 方法得到的自动机不同。
引用
@article{arxiv.2503.00631,
title = {Learning Automata of PLCs in Production Lines Using LSTM},
author = {Iyas AlTalafha and Yaprak Yalcin and Gulcihan Ozdemir},
journal= {arXiv preprint arXiv:2503.00631},
year = {2025}
}
备注
6 pages, 7 figures, 1 table, 15 references