[发明专利]一种基于过程参数的结果反馈方法及装置

说明书

本发明公开了一种基于过程参数的结果反馈方法及装置，所述反馈方法包括：接收结果反馈请求，所述反馈请求包括中间体结果类型；获取与所述反馈请求对应的过程参数，所述过程参数为多维参数，组成过程参数集；将所述过程参数集输入结果反馈神经网络模型，所述结果反馈神经网络模型由过程参数样本训练得到；获取所述结果反馈神经网络模型的输出结果。本发明通过建立结果反馈神经网络模型，对PKS制造过程中的输入参数进行分类，看反应物是否合格，实现智能反馈。

技术领域

本发明涉及过程知识系统领域，特别涉及一种基于过程参数的结果反馈方法及装置。

背景技术

在过程知识系统(Process Knowledge System，简称PKS)中，参数的智能反馈主要包括对参数数据进行实时监控，如果超出范围预警，则发出警告，也就是说，现有技术中仅对参数进行反馈和监控，而没有对其相应的结果进行反馈。

现有技术中，KPS能够采集制造过程中的数据，依据经验值进行参数分析反馈，反馈面比较狭隘，且分析结果往往不够准确，难以精准地全面反映系统中存在的问题，导致系统预警效率低下，影响制造效率和品质。

发明内容

为了解决现有技术的问题，本发明提供了一种基于过程参数的结果反馈方法及装置，所述技术方案如下：

一方面，本发明提供了一种基于过程参数的结果反馈方法，包括：

接收结果反馈请求，所述反馈请求包括中间体结果类型；

获取与所述反馈请求对应的过程参数，所述过程参数为多维参数，组成过程参数集；

将所述过程参数集输入结果反馈神经网络模型，所述结果反馈神经网络模型由过程参数样本训练得到；

获取所述结果反馈神经网络模型的输出结果。

进一步地，在将所述过程参数集输入结果反馈神经网络模型之前还包括训练结果反馈神经网络模型，包括：

获取待训练的过程参数样本数据，所述过程参数样本包括多个过程参数集及对应的已知目标值；

建立初始网络模型，所述初始网络模型包括输入层、隐藏层、输出层、初始权重和初始偏置；

利用后向传播法，对所述初始权重和初始偏置进行更新，直至实现权重收敛，得到结果反馈神经网络模型。

进一步地，对所述初始权重进行更新包括：

获取权重误差系数，得到权重改变量；

根据权重改变量，更新权重；

通过以下公式实现权重更新：

Δw_ij＝l(Err_jO_i)，

w_ij＝w_ij+Δw_ij，其中，w_ij为上一层单元i与本层单元j的连接的权重，Δw_ij为上一层单元i与本层单元j的连接的权重改变量，Err_j为单元j的权重误差系数，l为学习率，O_i为上一层的单元i的输出。

进一步地，所述误差系数包括输出层权重误差系数，所述输出层权重误差系数通过以下公式获取：