工艺参数优化方法、装置、设备以及存储介质.pdf

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号CN113987938A(43)申请公布日2022.01.28(21)申请号202111258196.0(22)申请日2021.10.27(71)申请人北京百度网讯科技有限公司地址100085北京市海淀区上地十街10号百度大厦2层(72)发明人石逸轩戴明洋刘子祥(74)专利代理机构北京英赛嘉华知识产权代理有限责任公司11204代理人王达佐马晓亚(51)Int.Cl.G06F30/27(2020.01)G06N20/00(2019.01)权利要求书3页说明书11页附图6页(54)发明名称工艺参数优化方法、装置、设备以及存储介质(57)摘要本公开提供了一种工艺参数优化方法、模型训练方法、装置、设备、存储介质以及计算机程序产品，涉及人工智能技术领域，具体为深度学习、工业大数据技术领域，可应用于工艺参数优化等场景。具体实现方案为：获取多组初始工艺参数，并对当前迭代次数进行初始化；基于预先训练的仿真模型，对多组初始工艺参数执行选择操作，得到至少两组候选工艺参数；对至少两组候选工艺参数执行交叉操作和变异操作，得到多组更新工艺参数，并将迭代次数累加一次；响应于迭代次数小于预设迭代次数，将多组更新工艺参数确定为多组初始工艺参数，再次执行选择操作。根据预先训练的仿真模型执行选择、交叉、变异操作，确定出目标工艺参数，提高了工艺参数选择的准确性。CN113987938ACN113987938A权利要求书1/3页1.一种工艺参数优化方法，包括：获取多组初始工艺参数，并对当前迭代次数进行初始化；基于预先训练的仿真模型，对所述多组初始工艺参数执行选择操作，得到至少两组候选工艺参数；对所述至少两组候选工艺参数执行交叉操作和变异操作，得到多组更新工艺参数，并将所述当前迭代次数累加一次；响应于所述当前迭代次数小于预设迭代次数，将所述多组更新工艺参数确定为所述多组初始工艺参数，再次执行所述选择操作。2.根据权利要求1所述的方法，还包括：响应于所述当前迭代次数等于所述预设迭代次数，从所述至少两组候选工艺参数中确定出目标工艺参数。3.根据权利要求1或2所述的方法，其中，所述预先训练的仿真模型通过以下步骤获取：确定所述初始工艺参数的数值范围、待加工物料的特性参数和目标力学参数；从多个预先训练的仿真模型中，选出与所述初始工艺参数的数值范围、待加工物料的特性参数和目标力学参数，相对应的预先训练的仿真模型。4.根据权利要求3所述的方法，其中，所述待加工物料的特性参数包括：待镀锌的钢铁物料的材料类型和物理尺寸。5.根据权利要求4所述的方法，其中，所述基于预先训练的仿真模型，对所述多组初始工艺参数执行选择操作，得到至少两组候选工艺参数包括：基于所述预先训练的仿真模型，计算所述多组初始工艺参数对应的合格率指标；基于所述合格率指标，计算所述多组初始工艺参数对应的适应度值；基于所述适应度值，从所述多组初始工艺参数中选出所述至少两组候选工艺参数。6.根据权利要求1‑5任一项所述的方法，其中，所述对所述至少两组候选工艺参数执行交叉操作和变异操作，得到多组更新工艺参数包括：对所述至少两组候选工艺参数进行交叉，得到至少两组交叉工艺参数；对所述至少两组候选工艺参数进行变异，得到至少两组变异工艺参数；将所述至少两组交叉工艺参数和所述至少两组变异工艺参数，确定为所述多组更新工艺参数。7.根据权利要求3所述的方法，其中，所述获取多组初始工艺参数包括：在所述初始工艺参数的数值范围内随机取值多次，得到所述多组初始工艺参数。8.一种模型训练方法，包括：确定工艺参数、待加工物料的特性参数和目标力学参数的数值范围；从所述数值范围中，获取多组工艺参数数据、待加工物料的特性参数数据和目标力学参数数据；将所述多组工艺参数数据、待加工物料的特性参数数据和目标力学参数数据作为样本数据，训练初始仿真模型，得到所述数值范围对应的训练后的仿真模型。9.一种工艺参数优化装置，所述装置包括：第一获取模块，被配置为获取多组初始工艺参数，并对当前迭代次数进行初始化；选择模块，被配置为基于预先训练的仿真模型，对所述多组初始工艺参数执行选择操2CN113987938A权利要求书2/3页作，得到至少两组候选工艺参数；交叉变异模块，被配置为对所述至少两组候选工艺参数执行交叉操作和变异操作，得到多组更新工艺参数，并将所述当前迭代次数累加一次；迭代模块，被配置为响应于所述当前迭代次数小于预设迭代次数，将所述多组更新工艺参数确定为所述多组初始工艺参数，再次执行所述选择操作。10.根据权利要求9所述的装置，还包括：第一确定模块，被配置为响应于所述当前迭代次数等于所述预设迭代次数，从所述至少两组候选工艺参数中确定出目标工艺参数。11.根据权利要求9或10所述的装置，其中，所述选