加工设备工艺参数优化方法及系统技术方案

本发明专利技术公开了一种加工设备工艺参数优化方法及系统，该方法包括：实时采集生产线数据并获取质量指标的目标值；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。利用本发明专利技术，可以提高工艺参数优化结果的准确性和稳定性。

【技术实现步骤摘要】
加工设备工艺参数优化方法及系统
本专利技术涉及设备控制领域，具体涉及一种加工设备工艺参数优化方法及系统。
技术介绍
工艺参数优化是提高产品质量、实现生产“零”次品的重要技术手段，在烟草、化工、先进制造等行业领域存在工艺参数优化的旺盛需求。一道工序可以简单地分为三个阶段：加工前、加工中和加工后，加工前需要获取来料的信息和当前环境参数，如形状、尺寸、温度、湿度等；加工中则会调整加工设备的工艺参数，如加工时间、温度、压力、速度等；加工后则需要检测产品的质量指标，如良率、温度、湿度、导电性等。工艺参数优化需要根据当前环境参数和来料信息，动态优化调整加工设备的工艺参数，以达到产品质量指标最优的目的。在现有技术中，数据驱动的工艺参数优化方法通常是利用预测模型建立工艺相关变量与质量指标之间的关系，对质量指标进行预测，并寻求在当前环境参数、来料信息的情况下，使质量指标最优的工艺参数组合，从而实现工艺参数的优化。但是在实践中发现，预测模型的精准度往往不尽如人意，预测结果的偏差将直接影响工艺参数优化的优化目标，进而带来控制建议的失误。而且，模型精度达到一定程度后，进一步提升模型精度的空间有限，甚至于几无可能，并且花费的成本也会非常巨大。因此，在预测模型存在不确定性的情况下，如何进一步提高工艺参数优化的准确性是目前亟需解决的问题。
技术实现思路
本专利技术实施例提供一种加工设备工艺参数优化方法及系统，以降低质量指标预测结果的偏差对工艺参数优化的影响，提高工艺参数优化结果的准确性和稳定性。为此，本专利技术提供如下技术方案：一种加工设备工艺参数优化方法，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。可选地，所述方法还包括按照以下方式训练所述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，所述生产线数据包括：来料信息和环境参数；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；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。可选地，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。可选地，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。可选地，所述确定所述偏差小于所述预设偏差值的概率包括：利用蒙特卡洛随机模拟方法确定所述偏差小于所述预设偏差值的概率。可选地，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。可选地，所述终止条件包括：迭代次数达到设定次数；或者一定次数的迭代结果未发生变化。可选地，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。一种加工设备工艺参数优化系统，所述系统包括：数据获取模块，用于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；设置模块，用于设定工艺参数的初始值、以及所述质量指标的预设偏差值；预测模块，用于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；优化控制模块，用于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；输出模块，用于在迭代优化完成后，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。可选地，所述系统还包括：模型建立模块，用于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，所述模型建立模块包括：数据采集单元，用于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，所述生产线数据包括：来料信息和环境参数；统计单元，用于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；样本生成单元，用于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；第一模型建立单元，用于利用所述数据样本训练得到质量指标预测模型；第二模型建立单元，用于利用所述数据样本训练得到质量指标上下限预测模型；所述预测模块包括：质量指标预测单元，用于将包括当前时刻本文档来自技高网...

【技术保护点】
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：/n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；/n设定工艺参数的初始值、以及所述质量指标的预设偏差值；/n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；/n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；/n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。/n

【技术特征摘要】
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。


2.根据权利要求1所述的方法，其特征在于，所述方法还包括按照以下方式训练所述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，所述生产线数据包括：来料信息和环境参数；
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；
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。


3.根据权利要求2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。


4.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。


5.根据权利要求4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。


6.根据权利要求1至5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。


7.一种加工设备工艺参数优化系统，其特征在于，所述系统包括：
数据获取模块，用于实时采集生产线数据并获取质量指标的目...

【专利技术属性】
技术研发人员：周霄天，刘姝君，路瑶，金超，
申请(专利权)人：北京天泽智云科技有限公司，
类型：发明
国别省市：北京;11