[发明专利]工艺参数优化方法、装置、设备以及存储介质

说明书

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。

技术领域

本公开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，尤其涉及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。

背景技术

目前在钢铁镀锌工艺中，通常是基于行业经验及历史产出进行镀锌工艺优化，没有建模分析。

发明内容

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，提高了工艺参数选择的准确性。

根据本公开的一方面，提供了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，并将当前迭代次数累加一次；响应于当前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。

根据本公开的另一方面，提供了一种模型训练方法，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，得到数值范围对应的训练后的仿真模型。

根据本公开的又一方面，提供了一种工艺参数优化装置，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；交叉变异模块，被配置为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，并将当前迭代次数累加一次；迭代模块，被配置为响应于当前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。

根据本公开的又一方面，提供了一种模型训练装置，包括：第二确定模块，被配置为确定工艺参数、待加工物料的特性参数和目标力学参数的数值范围；第二获取模块，被配置为从数值范围中，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；训练模块，被配置为将多组工艺参数数据、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，得到数值范围对应的训练后的仿真模型。

根据本公开的又一方面，提供了一种电子设备，包括：至少一个处理器；以及与至少一个处理器通信连接的存储器；其中，存储器存储有可被至少一个处理器执行的指令，指令被上述至少一个处理器执行，以使上述至少一个处理器能够执行上述工艺参数优化方法及模型训练方法。

根据本公开的又一方面，提供了一种存储有计算机指令的非瞬时计算机可读存储介质，其中，上述计算机指令用于使上述计算机执行上述工艺参数优化方法及模型训练方法。

根据本公开的再一方面，提供了一种计算机程序产品，包括计算机程序，上述计算机程序在被处理器执行时实现上述工艺参数优化方法及模型训练方法。

应当理解，本部分所描述的内容并非旨在标识本公开的实施例的关键或重要特征，也不用于限制本公开的范围。本公开的其它特征将通过以下的说明书而变得容易理解。

附图说明