机器学习方法、机器学习装置、机器学习程序、通信方法以及控制装置制造方法及图纸

基于包括与被处理物相关的至少一个物理量、和至少一个各向同性加压处理条件的状态变量，计算对各向同性加压处理条件的决定结果的奖励，并基于奖励，对用于根据状态变量决定至少一个各向同性加压处理条件的函数进行更新，通过反复对函数进行更新，决定获得奖励最多的各向同性加压处理条件。各向同性加压处理条件是与被处理物相关的第一参数、与各向同性加压处理的前期工序相关的第二参数、及与各向同性加压装置的运转条件相关的第三参数中的至少一个，至少一个物理量是与被处理物的致密化及压粉体化相关的物理量中的至少一个。

【技术实现步骤摘要】
【国外来华专利技术】

本专利技术涉及对各向同性加压装置的各向同性加压条件进行机器学习的技术。

技术介绍

1、以往，已知有如下加压装置(cip装置：各向同性加压装置)，该加压装置为了对由超硬陶瓷等粉体形成的被处理物进行加压而使其压缩成形，使用cip法(cold isostaticpressing法：冷各向同性加压方法)或wip法(warm isostatic pressing法：温各向同性加压方法)，对被处理物实施加压处理(例如，专利文献1)。此种加压装置通过在筒状的压力容器内容纳被处理物，并在所述压力容器内封入水等压力介质，实施加压处理。为了在此种加压处理中获得高品质的cip处理品，要求适当地决定加压条件等cip处理条件。

2、现有技术文献

3、专利文献

4、专利文献1：日本专利公开公报特开平8-252695号

5、但是，以往，因为根据已积累的实验数据来决定cip处理条件，所以难以容易地决定对被处理物的适当的cip处理条件。

技术实现思路

1、本专利技术的目的在于提供能够高效地得出对本文档来自技高网...

【技术保护点】

1.一种机器学习方法，其特征是机器学习装置决定各向同性加压系统的各向同性加压处理条件的方法，所述各向同性加压系统使用压力介质对被处理物进行各向同性加压处理，

2.根据权利要求1所述的机器学习方法，其特征在于，

3.根据权利要求1或2所述的机器学习方法，其特征在于，

4.根据权利要求1或2所述的机器学习方法，其特征在于，

5.根据权利要求1或2所述的机器学习方法，其特征在于，

6.根据权利要求1或2所述的机器学习方法，其特征在于，

7.根据权利要求1或2所述的机器学习方法，其特征在于，

8.根据权利要求1或...

【技术特征摘要】
【国外来华专利技术】

1.一种机器学习方法，其特征是机器学习装置决定各向同性加压系统的各向同性加压处理条件的方法，所述各向同性加压系统使用压力介质对被处理物进行各向同性加压处理，

2.根据权利要求1所述的机器学习方法，其特征在于，

3.根据权利要求1或2所述的机器学习方法，其特征在于，

4.根据权利要求1或2所述的机器学习方法，其特征在于，

5.根据权利要求1或2所述的机器学习方法，其特征在于，

6.根据权利要求1或2所述的机器学习方法，其特征在于，

7.根据权利要求1或2所述的机器学习方法，其特征在于，

8.根据权利要求1或2所述的机器学习方法，其特征在于，

<...

【专利技术属性】
技术研发人员：伊藤洋行，南野友哉，白樫浩，岸新和，沟上忠孝，宫下泰秀，
申请(专利权)人：株式会社神户制钢所，
类型：发明
国别省市：