[发明专利]加工设备工艺参数优化方法及系统

权利要求书

1.一种加工设备工艺参数优化方法，其特征在于，所述方法包括：

实时采集生产线数据并获取质量指标的目标值，所述生产线数据包括：来料信息和环境参数；

设定工艺参数的初始值、以及所述质量指标的预设偏差值；

利用包括当前时刻在内的一段历史生产线数据及所述工艺参数，分别预测得到所述质量指标的预测值及所述质量指标的不确定性范围；

根据所述质量指标的预设偏差值和预测值、以及所述质量指标的不确定性范围确定优化目标，优化更新所述工艺参数和所述预设偏差值；利用更新后的工艺参数和所述预设偏差值进行迭代优化过程，直至满足终止条件；

迭代优化完成后，输出当前工艺参数的值作为当前来料信息和环境参数下的最优工艺参数；

其中，所述方法还包括按照以下方式训练得到质量指标预测模型和质量指标上下限预测模型：

按照设定频次采集生产线数据、工艺参数、以及质量指标的历史数据，得到对应待预测工况时段的数据集；

对所述数据集进行时间维度的滑窗处理，并对滑窗内的生产线数据进行统计，得到统计性特征；

根据所述统计性特征、工艺参数、以及质量指标，生成输入输出数据对，每个输入输出数据对作为一个数据样本；

利用所述数据样本分别训练得到质量指标预测模型和质量指标上下限预测模型；

其中，所述利用包括当前时刻在内的一段历史生产线数据及所述工艺参数分别预测得到所述质量指标的预测值及所述质量指标的不确定性范围包括：

将包括当前时刻在内的一段历史生产线数据的统计性特征及所述工艺参数输入所述质量指标预测模型，得到所述质量指标的预测值；

将包括当前时刻在内的一段历史生产线数据的统计性特征及所述工艺参数输入所述质量指标上下限预测模型，得到所述质量指标的不确定性范围。

2.根据权利要求1所述的方法，其特征在于，训练所述质量指标预测模型和质量指标上下限预测模型的过程还包括：将所有数据样本划分为训练数据集和测试数据集；

所述利用所述数据样本训练得到质量指标预测模型包括：

选择至少两个用于质量指标预测的回归模型，并利用所述训练数据集分别训练得到各回归模型的参数；

利用所述测试数据集对各回归模型进行测试，并根据测试结果选择其中最优回归模型作为质量指标预测模型；

所述利用所述数据样本训练得到质量指标上下限预测模型包括：

选择至少两个用于质量指标上下限预测的分位数回归模型，并利用所述训练数据集分别训练得到各分位数回归模型的参数；

利用所述测试数据集对各分位数回归模型进行测试，并根据测试结果选择其中最优分位数回归模型作为质量指标上下限预测模型。

3.根据权利要求1所述的方法，其特征在于，所述根据所述质量指标的预设偏差值和预测值、以及所述质量指标的不确定性范围确定优化目标，优化更新所述工艺参数和所述预设偏差值包括：

计算所述预测值和所述目标值的偏差，并根据所述不确定性范围计算所述偏差小于所述预设偏差值的概率；根据所述概率确定是否满足约束条件；

如果是，则根据所述预设偏差值确定优化目标函数值；

否则，根据所述预设偏差值及惩罚项确定优化目标函数值，所述惩罚项与所述概率成反比；

以所述优化目标函数值最小为优化目标，更新所述预设偏差值和所述工艺参数。

4.根据权利要求3所述的方法，其特征在于，所述根据所述概率确定是否满足约束条件包括：

如果所述概率大于设定的概率阈值，则确定满足约束条件；否则确定不满足约束条件。

5.根据权利要求1至4任一项所述的方法，其特征在于，所述方法还包括：

按照所述最优工艺参数控制所述加工设备在当前来料信息和环境参数下运行。