[發明專利]模型訓練和預測方法、裝置、電子設備以及存儲介質

在審

• 申請號: 202210320819.0
• 申請日: 2022-03-29
• 公開（公告）號: CN114647943A
• 公開（公告）日: 2022-06-21
• 發明（設計）人: 姚鐵;張家懷
• 申請（專利權）人: 西門子(中國)有限公司
• 主分類號: G06F30/20
• 分類號: G06F30/20;G06F119/08;G06F119/14;G06F119/18
• 代理公司: 北京康信知識產權代理有限責任公司 11240
• 代理人: 李慧

1.一種模型訓練方法，包括：

獲取歷史玻璃成型控制參數和歷史玻璃成型厚度數據，所述歷史玻璃成型控制參數至少包括加工環境控制參數、投料控制參數和加工原料控制參數；

基于所述歷史玻璃成型控制參數和所述歷史玻璃成型厚度數據進行關聯，得到訓練樣本數據；

基于所述訓練樣本數據進行模型訓練，得到預測模型，所述預測模型用于對玻璃成型厚度進行預測。

2.根據權利要求1所述的模型訓練方法，所述基于所述歷史玻璃成型控制參數和所述歷史玻璃成型厚度數據進行關聯，得到訓練樣本數據，包括：

獲取預設的關聯標簽，所述關聯標簽指示所述歷史玻璃成型控制參數與所述歷史玻璃成型厚度數據之間的關聯程度；

基于所述關聯標簽，對所述歷史玻璃成型控制參數和所述歷史玻璃成型厚度數據進行關聯，得到訓練樣本數據。

3.根據權利要求2所述的模型訓練方法，所述基于所述關聯標簽，對所述歷史玻璃成型控制參數和所述歷史玻璃成型厚度數據進行關聯，得到訓練樣本數據，包括：

基于所述關聯標簽，對所述歷史玻璃成型控制參數和所述歷史玻璃成型厚度數據進行關聯，得到關聯數據；

對所述關聯數據進行樣本數據增強處理，得到訓練樣本數據。

4.根據權利要求1所述的模型訓練方法，所述獲取歷史玻璃成型厚度數據，包括：

建立與測厚設備的通信連接，所述測厚設備用于冷端玻璃測量并保存所述歷史玻璃成型厚度數據；

基于所述通信連接，從所述測厚設備獲取所述歷史玻璃成型厚度數據，

或者，通道導入測量記錄文件，獲取歷史玻璃成型厚度數據。

5.根據權利要求1所述的模型訓練方法，所述獲取歷史玻璃成型控制參數，包括：

建立與玻璃成型控制應用程序的通信連接；

基于所述通信連接，從所述玻璃成型控制應用程序，獲取歷史玻璃成型控制參數，其中，包括所述加工環境控制參數和投料控制參數，加工原料控制參數在玻璃成型控制過程中輸入到所述玻璃成型控制應用程序中，

或者，通過物料化驗分析系統、訂單管理系統等處在線獲得加工原料控制參數。

6.根據權利要求1所述的模型訓練方法，所述加工環境控制參數包括設定的加工控制壓力參數、加工控制溫度、加工控制液位參數中的至少一者，

所述加工原料控制參數包括原料成分數據、原料數量數據、原料編碼數據中的至少一者。

7.根據權利要求1所述的模型訓練方法，所述基于所述訓練樣本數據進行模型訓練，得到預測模型，包括：

構建基于卷積神經網絡的分類網絡；

將關聯后的玻璃成型控制參數作為輸入，將關聯后的歷史玻璃成型厚度數據作為輸出，訓練所述分類網絡，得到所述預測模型。

8.一種預測方法，包括：

獲取待加工玻璃的控制參數；

將所述控制參數輸入到預測模型中，得到預測厚度，所述預測模型為根據權利要求1-7中任一項所述的預測模型；

基于所述預測厚度，對所述待加工玻璃的控制參數進行控制調整。

9.一種模型訓練裝置，包括：

獲取模塊、關聯模塊和訓練模塊；

其中，所述獲取模塊用于獲取歷史玻璃成型控制參數和歷史玻璃成型厚度數據，所述歷史玻璃成型控制參數至少包括加工環境控制參數、投料控制參數和加工原料控制參數；

所述關聯模塊用于基于所述歷史玻璃成型控制參數和所述歷史玻璃成型厚度數據進行關聯，得到訓練樣本數據；

所述訓練模塊用于基于所述訓練樣本數據進行模型訓練，得到預測模型，所述預測模型用于對玻璃成型厚度進行預測。