[发明专利]一种改进的小样本数据下产品关键工艺质量预测方法

权利要求书

1.一种基于多目标群体协同进化算法的小样本数据下产品关键工艺质量参数全局优化方法，其特征在于，包括残差连接网络下的小样本数据产品关键工艺质量学习元预测模型、产品质量预测关键工艺参数下的多目标质量因素优化设计、以及产品质量预测的多目标协同进化全局快速梯度优化求解算法设计。

2.根据权利要求1所述的小样本数据下产品关键工艺质量学习元预测模型，其特征在于利用基于灰色关联分析法的产品关键工艺质量参数获取，通过产品关键工艺质量的残差网络元学习预测模型，将与产品质量关联的关键工艺参数的数据作为模型的训练输入，采用并行、多批次、多任务的残差网络学习，从而解决小样本数据下产品质量预测模型的精确获取。

3.根据权利要求1所述的基于灰色关联分析法的产品关键工艺质量参数获取，其特征在于利用灰色关联分析方法，获取产品装配过程中质量工艺参数的关联度，利用关联性阈值对产品质量工艺关联度进行分级，从而将关联度较高的作为质量预测优化待定关键工艺参数。

4.根据权利要求1所述的产品质量预测关键工艺参数下的多目标质量因素优化设计，其特征在于，将与产品质量关联的关键工艺参数作为目标优化参数，建立相应的产品质量多因素优化目标函数，并结合小样本数据下产品关键工艺质量学习元预测模型以及关键工艺参数的物理特性约束，构建小样本数据下产品关键工艺质量参数的优化问题。

5.根据权利要求1所述的产品质量预测的多目标协同进化全局快速梯度优化求解算法设计，其特征在于，基于多目标群体协同进化算法，通过精英反向策略生成反向优化工艺参数数据，获取关键工艺参数的初始值。融合列维飞行策略，通过其随机步长优化工艺参数数值的更新方式，提高了收敛速度；进一步地，全局梯度优化策略与多目标群体协同进化算法的结合可以避免工艺参数陷入局部最优解，实现小样本数据下产品关键工艺质量参数的全局优化。