金膜厚度预测方法及装置、电子设备和存储介质制造方法及图纸

本申请公开了一金膜厚度预测方法及装置、电子设备和存储介质，涉及人工智能技术的技术领域，预测方法包括：获取金膜厚度的影响因子；对影响因子标注标签以得到训练集；基于训练集和最小二乘支持向量机构建金膜厚度预测模型，获取金膜厚度的影响因子后，将这些影响因子标注标签形成训练集，基于训练集和最小二乘支持向量机构建成金膜厚度预测模型。利用金膜厚度预测模型可以预测出在制品的金膜厚度，方便后续将金膜厚度实时控制在合理范围从而使制品的金膜厚度达标，且减少人力物力和金属材料的浪费。浪费。浪费。

【技术实现步骤摘要】
金膜厚度预测方法及装置、电子设备和存储介质


[0001]本申请涉及人工智能技术的
，更具体而言，涉及一种金膜厚度预测方法、金膜厚度预测装置、电子设备和计算机可读存储介质。

技术介绍

[0002]对在制品电镀金膜的过程中，调整在制品的金膜厚度时，需要人工对电镀药水的浓度进行抽样量测，耗费人力物力。同时，人工抽样的数量少，导致抽样率低且测量结果具有滞后性，使得调整后的金膜厚度容易不达标从而影响制品的质量，或者金膜厚度超标浪费金属原料。

技术实现思路

[0003]鉴于以上内容，本申请提供一种金膜厚度预测方法、金膜厚度预测装置、服务器和计算机可读存储介质，用于预测在制品的金膜厚度，方便后续将金膜厚度实时控制在合理范围从而使制品的金膜厚度达标，且减少人力物力和金属材料的浪费。
[0004]本申请第一方面提供一种金膜厚度预测方法，包括：获取金膜厚度的影响因子；对所述影响因子标注标签以得到训练集；基于所述训练集和最小二乘支持向量机构建所述金膜厚度预测模型。
[0005]如此，获取金膜厚度的影响因子后，将这些影响因子标注标签形成训练集，基于训练集和最小二乘支持向量机构建成金膜厚度预测模型。利用金膜厚度预测模型可以预测出在制品的金膜厚度，方便后续将金膜厚度实时控制在合理范围从而使制品的金膜厚度达标，且减少人力物力和金属材料的浪费。
[0006]作为第一方面的一种可选的实施方式，所述获取金膜厚度的影响因子包括：获取生产数据，其中，生产数据是指电镀金膜过程中存在的数据；通过主成分分析算法对所述生产数据计算，以得到所述金膜厚度的所述影响因子。
[0007]如此，通过主成分分析法可以在获得的生产数据中筛选出对金膜厚度有影响的数据。以便后续利用这些影响因子构造出金膜厚度预测模型。
[0008]作为第一方面的一种可选的实施方式，所述基于所述训练集和最小二乘支持向量机构建所述金膜厚度预测模型之后还包括：对所述金膜厚度预测模型引入核函数；通过粒子群算法得到所述核函数的参数的最优值，以提高所述金膜厚度预测模型的泛化拟合度。
[0009]如此，对金膜厚度预测模型引入核函数，并通过粒子群算法得到核函数的参数的最优值，提高所述金膜厚度预测模型的泛化拟合度，从而优化金膜厚度预测模型，在后续模型中接收生产数据后，可以输出更准确的金膜预测厚度。
[0010]作为第一方面的一种可选的实施方式，所述影响因子包括电镀金膜的电压、电流、温度、时长、药水浓度和药水与在制品的接触面积。
[0011]作为第一方面的一种可选的实施方式，所述基于所述训练集和最小二乘支持向量机构建所述金膜厚度预测模型之后包括：获取生产数据；将所述生产数据输入金膜厚度预测模型，得到在制品的金膜预测厚度。
[0012]如此，将生产数据输入金膜厚度预测模型，可以得到在制品的金膜预测厚度，方便后续将金膜厚度实时控制在合理范围从而使制品的金膜厚度达标，且减少人力物力和金属材料的浪费。
[0013]本申请第二方面提供一种金膜厚度预测装置，所述金膜厚度预测装置包括金膜厚度预测模块，所述金膜厚度预测模块用于获取金膜厚度的影响因子；对所述影响因子标注标签以得到训练集；基于所述训练集和最小二乘支持向量机构建所述金膜厚度预测模型。
[0014]如此，金膜厚度预测模块获取金膜厚度的影响因子后，将这些影响因子标注标签形成训练集，基于训练集和最小二乘支持向量机构建成金膜厚度预测模型。利用金膜厚度预测模型可以预测出在制品的金膜厚度，方便后续将金膜厚度实时控制在合理范围从而使制品的金膜厚度达标，且减少人力物力和金属材料的浪费。
[0015]本申请第二方面提供一种金膜厚度预测装置，所述金膜厚度预测模块还用于获取生产数据，其中，生产数据是指电镀金膜过程中存在的数据；通过主成分分析算法对所述生产数据计算，以得到所述金膜厚度的所述影响因子。
[0016]如此，金膜厚度预测模块通过主成分分析法可以在获得的生产数据中筛选出对金膜厚度有影响的数据。以便后续利用这些影响因子构造出金膜厚度预测模型本申请第二方面提供一种金膜厚度预测装置，所述金膜厚度预测模块还用于对所述金膜厚度预测模型引入核函数；通过粒子群算法得到所述核函数的参数的最优值，以提高所述金膜厚度预测模型的泛化拟合度。
[0017]如此，金膜厚度预测模块对金膜厚度预测模型引入核函数，并通过粒子群算法得到核函数的参数的最优值，提高所述金膜厚度预测模型的泛化拟合度，从而优化金膜厚度预测模型，在后续模型中接收生产数据后，可以输出更准确的金膜预测厚度。
[0018]本申请第二方面提供一种金膜厚度预测装置，所述金膜厚度预测模块还用于获取生产数据；将所述生产数据输入金膜厚度预测模型，得到在制品的金膜预测厚度。
[0019]如此，金膜厚度预测模块将生产数据输入金膜厚度预测模型，可以得到在制品的金膜预测厚度，方便后续将金膜厚度实时控制在合理范围从而使制品的金膜厚度达标，且减少人力物力和金属材料的浪费。
[0020]本申请第三方面提供一种电子设备，所述电子设备包括处理器和存储器，所述存储器中存储有计算机程序，所述计算机程序被所述处理器执行时，实现上述的金膜厚度预
测方法。
[0021]本申请第四方面提供一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现上述的金膜厚度预测方法。
[0022]本申请的金膜厚度预测方法、金膜厚度预测装置、服务器和计算机可读存储介质，获取金膜厚度的影响因子后，将这些影响因子标注标签形成训练集，基于训练集和最小二乘支持向量机构建成金膜厚度预测模型。利用金膜厚度预测模型可以预测出在制品的金膜厚度，方便后续将金膜厚度实时控制在合理范围从而使制品的金膜厚度达标，且减少人力物力和金属材料的浪费。
[0023]本申请的实施方式的附加方面和优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本申请的实施方式的实践了解到。
附图说明
[0024]本申请的上述和/或附加的方面和优点从结合下面附图对实施方式的描述中将变得明显和容易理解，其中：图1是本申请实施方式的金膜厚度预测方法的流程示意图；图2是本申请实施方式的金膜厚度预测方法的流程示意图；图3是本申请实施方式的金膜厚度预测方法的流程示意图；图4是本申请实施方式的金膜厚度预测装置的结构示意图；图5是本申请实施方式的电子设备的结构示意图。
具体实施方式
[0025]说明书和权利要求书中的词语第一、第二、第三等类似用语，仅用于区别类似的对象，不代表针对对象的特定排序，可以理解地，在允许的情况下可以互换特定的顺序或先后次序，以使这里描述的本申请实施方式能够以除了在这里图示或描述的以外的顺序实施。在以下的描述中，所涉及的表示步骤的标号，如S301、S302
……
等，并不表示一定会按此步骤执行，在允许的情况下可以互换前后步骤的顺序，或同时执行。说明书和权利要求书中使用的术语“包括”不应解释为限制于其后列出的内容；本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种金膜厚度预测方法，其特征在于，包括：获取金膜厚度的影响因子；对所述影响因子标注标签以得到训练集；基于所述训练集和最小二乘支持向量机构建所述金膜厚度预测模型。2.根据权利要求1所述的预测方法，其特征在于，所述获取金膜厚度的影响因子包括：获取生产数据，其中，生产数据是指电镀金膜过程中存在的数据；通过主成分分析算法对所述生产数据计算，以得到所述金膜厚度的所述影响因子。3.根据权利要求1所述的预测方法，其特征在于，所述基于所述训练集和最小二乘支持向量机构建所述金膜厚度预测模型之后还包括：对所述金膜厚度预测模型引入核函数；通过粒子群算法得到所述核函数的参数的最优值，以提高所述金膜厚度预测模型的泛化拟合度。4.根据权利要求1所述的预测方法，其特征在于，所述影响因子包括电镀金膜的电压、电流、温度、时长、药水浓度和药水与在制品的接触面积。5.根据权利要求1所述的预测方法，其特征在于，所述基于所述训练集和最小二乘支持向量机构建所述金膜厚度预测模型之后包括：获取生产数据；将所述生产数据输入所述金膜厚度预测模型，得到在制品的金膜预测厚度。6.一种金膜厚度预测装置，其特征在于，所述金膜厚度预测装置包括金膜厚度预测模块，所述金膜厚度预测...

【专利技术属性】
技术研发人员：何永杰，蒋抱阳，甘涛，
申请(专利权)人：工业富联杭州数据科技有限公司，
类型：发明
国别省市：