[發明專利]工藝參數調整模型的訓練方法、工藝參數調整方法及裝置

有效

• 申請號: 202110344365.6
• 申請日: 2021-03-30
• 公開（公告）號: CN112950071B
• 公開（公告）日: 2022-07-08
• 發明（設計）人: 不公告發明人
• 申請（專利權）人: 北京瑞萊智慧科技有限公司
• 主分類號: G06Q10/06
• 分類號: G06Q10/06;G06Q50/04;G06N20/00
• 代理公司: 北京超凡宏宇專利代理事務所(特殊普通合伙) 11463
• 代理人: 張萌

1.一種工藝參數調整模型的訓練方法，其特征在于，包括：

獲取訓練樣本數據；其中，所述訓練樣本數據包括加工樣本產品的多項工藝參數以及所述樣本產品的缺陷信息；

將所述訓練樣本數據輸入至初始的網絡模型中，得到所述樣本產品基于所述缺陷信息的多項工藝參數的預測調整數值；

基于所述預測調整數值以及預先獲取的真實調整數值計算損失值，并通過最小化所述損失值，對所述初始的網絡模型進行更新，生成工藝參數調整模型；

所述將所述訓練樣本數據輸入至初始的網絡模型中，得到所述樣本產品基于所述缺陷信息的多項工藝參數的預測調整數值，包括：

將所述訓練樣本數據輸入至所述初始的網絡模型中的數值調整參數模塊，得到所述樣本產品基于所述缺陷信息的部分工藝參數的預測數值調整參數；

將所述訓練樣本數據輸入至所述初始的網絡模型中的模式調整參數模塊，得到所述樣本產品基于所述缺陷信息的另一部分工藝參數的預測模式調整參數；其中，所述預測模式調整參數表征與所述樣本產品的工藝參數對應的設備的運行狀態；所述預測調整數值包括所述預測數值調整參數以及所述預測模式調整參數；

相應的，所述基于所述預測調整數值以及預先獲取的真實調整數值計算損失值，并通過最小化所述損失值，對所述初始的網絡模型進行更新，生成工藝參數調整模型，包括：

基于所述預測數值調整參數以及預先獲取的真實數值調整參數計算第一損失值；

基于所述預測模式調整參數以及預先獲取的真實模式調整參數計算第二損失值；其中，所述真實調整數值包括所述真實數值調整參數以及所述真實模式調整參數；

通過最小化所述第一損失值與所述第二損失值的和，對所述初始的網絡模型進行更新，生成所述工藝參數調整模型。

2.根據權利要求1所述的工藝參數調整模型的訓練方法，其特征在于，所述將所述訓練樣本數據輸入至所述初始的網絡模型中的數值調整參數模塊包括：

將所述樣本產品的多項工藝參數進行特征信息的提取；

將所述樣本產品的缺陷信息進行編碼；

將提取特征信息后的多項工藝參數以及編碼后的缺陷信息輸入至所述初始的網絡模型中的數值調整參數模塊。

3.根據權利要求1所述的工藝參數調整模型的訓練方法，其特征在于，將所述訓練樣本數據輸入至所述初始的網絡模型中的模式調整參數模塊包括：

將所述樣本產品的多項工藝參數進行特征信息的提取；

將所述樣本產品的缺陷信息進行編碼；

將提取特征信息后的多項工藝參數以及編碼后的缺陷信息輸入至所述初始的網絡模型中的模式調整參數模塊。

4.根據權利要求1所述的工藝參數調整模型的訓練方法，其特征在于，所述缺陷信息以及所述預先獲取的真實調整數值來源于專家系統；所述專家系統包含預先構建的用于消除所述樣本產品的缺陷的規則；所述規則中包括基礎的缺陷信息以及與所述基礎的缺陷信息對應的多項工藝參數的真實調整數值。

5.根據權利要求4所述的工藝參數調整模型的訓練方法，其特征在于，所述樣本產品的多項工藝參數包括所述樣本產品的多項工藝參數的類型和實際數值；所述將所述訓練樣本數據輸入至初始的網絡模型中，得到所述樣本產品基于所述缺陷信息的多項工藝參數的預測調整數值，包括：

將所述樣本產品的多項工藝參數的類型以及所述樣本產品的缺陷信息輸入至初始的網絡模型中，得到所述樣本產品基于所述缺陷信息的多項工藝參數的預測調整數值；

相應的，所述基于所述預測調整數值以及預先獲取的真實調整數值計算損失值，并通過最小化所述損失值，對所述初始的網絡模型進行更新，生成工藝參數調整模型，包括：

基于所述預測調整數值以及預先獲取的真實調整數值計算損失值，并通過最小化所述損失值，對所述初始的網絡模型進行更新，生成初始的工藝參數調整模型；

將所述樣本產品的多項工藝參數的實際數值輸入至所述初始的工藝參數調整模型中進行訓練，生成所述工藝參數調整模型。