【技术实现步骤摘要】
本说明书实施例涉及数据处理，特别涉及一种质量预测模型训练方法、一种产品质量预测方法。
技术介绍
1、随着科学技术发展，工业生产制造领域对产品质量控制的实时性和准确性提出了更高的要求。
2、目前，为了确保生产过程中对产品的质量指标进行监测，通常使用预测模型来在线获取容易测量的数据来估计难以直接测量的质量特性。这些模型通过对在线获取到的容易测量的数据进行分析，得到关键质量指标的状态。同时，由于生产环境中存在各种不可预见的变化因素，如原材料成分波动、设备健康状态变化等，使得所构建的模型会存在一定误差，因此，通常还会采用输出校正法对构建的模型输出的结果进行修正。
3、然而，上述方法虽然对模型的结果进行了修正，但由于生产过程中取样时间的不确定性以及不同质量指标之间的时间滞后性存在差异，基于固定参数的模型容易出现预测结果与实际值不符的情况，从而导致预测精度较低，偏离较大。因此，亟须一种更合理高效的模型训练方法。
技术实现思路
1、有鉴于此，本说明书实施例提供了一种质量预测模型训练方法。本说明书一个或者多个实施例同时涉及一种产品质量预测方法，一种基于水泥生产场景的产品质量预测方法，一种质量预测模型训练装置，一种产品质量预测装置，一种基于水泥生产场景的产品质量预测装置，一种计算设备，一种计算机可读存储介质以及一种计算机程序产品，以解决现有技术中存在的技术缺陷。
2、根据本说明书实施例的第一方面，提供了一种质量预测模型训练方法，包括：
3、获取目标生产
4、基于参考质量参数的取样时间，通过时滞分析从历史测量数据中估计得到目标测量数据的分布信息，其中，目标测量数据是影响参考质量参数的测量数据；
5、将目标测量数据的分布信息输入质量预测模型，获得产品的质量预测结果；
6、基于质量预测结果和参考质量参数，对质量预测模型进行训练。
7、根据本说明书实施例的第二方面，提供了一种产品质量预测方法，包括：
8、获取目标生产场景中关键点位的当前测量数据；
9、将当前测量数据输入质量预测模型，获得目标生产场景下产品的质量预测结果，其中，质量预测模型根据上述的方法训练得到。
10、根据本说明书实施例的第三方面，提供了一种基于水泥生产场景的产品质量预测方法，包括：
11、获取水泥生产场景中关键点位的当前测量数据；
12、将当前测量数据输入质量预测模型，获得针对水泥烧熟料的游离钙含量的质量预测结果，其中，质量预测模型根据上述的方法训练得到。
13、根据本说明书实施例的第四方面，提供了一种质量预测模型训练装置，包括：
14、第一获取模块，被配置为获取目标生产场景中关键点位的历史测量数据、目标生产场景下产品的参考质量参数，其中，关键点位为影响产品质量的点位，参考质量参数为对产品进行质量检测得到；
15、估计模块，被配置为基于参考质量参数的取样时间，通过时滞分析从历史测量数据中估计得到目标测量数据的分布信息，其中，目标测量数据是影响参考质量参数的测量数据；
16、第一预测模块，被配置为将目标测量数据的分布信息输入质量预测模型，获得产品的质量预测结果；
17、训练模块，被配置为基于质量预测结果和参考质量参数，对质量预测模型进行训练。
18、根据本说明书实施例的第五方面，提供了一种产品质量预测装置，包括：
19、第二获取模块，被配置为获取目标生产场景中关键点位的当前测量数据；
20、第二预测模块，被配置为将当前测量数据输入质量预测模型，获得目标生产场景下产品的质量预测结果，其中，质量预测模型根据上述的方法训练得到。
21、根据本说明书实施例的第六方面，提供了一种基于水泥生产场景的产品质量预测装置，包括：
22、第三获取模块，被配置为获取水泥生产场景中关键点位的当前测量数据；
23、第三预测模块，被配置为将当前测量数据输入质量预测模型，获得针对水泥烧熟料的游离钙含量的质量预测结果，其中，质量预测模型根据上述的方法训练得到。
24、根据本说明书实施例的第七方面，提供了一种计算设备，包括：
25、存储器和处理器；
26、所述存储器用于存储计算机可执行指令，所述处理器用于执行所述计算机程序/指令，该计算机程序/指令被处理器执行时实现上述各方法的步骤。
27、根据本说明书实施例的第八方面，提供了一种计算机可读存储介质，其存储有计算机程序/指令，该程序/指令被处理器执行时实现上述各方法的步骤。
28、根据本说明书实施例的第九方面，提供了一种计算机程序产品，包括计算机程序/指令，该计算机程序/指令被处理器执行时实现上述各方法的步骤。
29、本说明书一个实施例实现了一种质量预测模型训练方法，包括：获取目标生产场景中关键点位的历史测量数据、目标生产场景下产品的参考质量参数，其中，关键点位为影响产品质量的点位，参考质量参数为对产品进行质量检测得到；基于参考质量参数的取样时间，通过时滞分析从历史测量数据中估计得到目标测量数据的分布信息，其中，目标测量数据是影响参考质量参数的测量数据；将目标测量数据的分布信息输入质量预测模型，获得产品的质量预测结果；基于质量预测结果和参考质量参数，对质量预测模型进行训练。通过引入时滞分析来处理关键点位的历史测量数据与产品参考质量参数之间的不确定性，使得基于此训练的质量预测模型能够更精确地捕捉到特征变量的时间维度特性，从而提升了质量预测模型的鲁棒性和准确性，同时基于质量预测结果和实际参考质量参数对质量预测模型进行调整，实现了质量预测模型的持续优化，确保了其在复杂多变的工业生产环境中依然能够提供高精度的质量预测，有助于提高生产效率、降低成本并优化资源分配。
本文档来自技高网...【技术保护点】
1.一种质量预测模型训练方法，包括：
2.根据权利要求1所述的方法，所述基于所述参考质量参数的取样时间，通过时滞分析从所述历史测量数据中估计得到目标测量数据的分布信息，包括：
3.根据权利要求2所述的方法，所述目标生产场景中包括至少两个关键点位；所述根据所述目标时间信息，从所述历史测量数据中确定所述目标时间信息对应的目标测量数据，包括：
4.根据权利要求1-3中任一项所述的方法，所述将所述目标测量数据的分布信息输入质量预测模型，获得所述产品的质量预测结果，包括：
5.根据权利要求1所述的方法，在所述将所述目标测量数据的分布信息输入质量预测模型，获得所述产品的质量预测结果之前，还包括：
6.根据权利要求5所述的方法，所述利用所述训练样本集，构建质量预测模型，包括：
7.根据权利要求5或6所述的方法，在所述利用所述训练样本集，构建质量预测模型之后，还包括：
8.一种产品质量预测方法，包括：
9.根据权利要求8所述方法，在所述将所述当前测量数据输入质量预测模型，获得所述目标生产场景下产品的质
10.一种基于水泥生产场景的产品质量预测方法，包括：
11.一种质量预测模型训练装置，包括：
12.一种产品质量预测装置，包括：
13.一种基于水泥生产场景的产品质量预测装置，包括：
14.一种计算设备，包括：
15.一种计算机可读存储介质，其存储有计算机程序/指令，该计算机程序/指令被处理器执行时实现权利要求1至10任意一项所述方法的步骤。
16.一种计算机程序产品，包括计算机程序/指令，该计算机程序/指令被处理器执行时实现权利要求1至10任意一项所述方法的步骤。
...【技术特征摘要】
1.一种质量预测模型训练方法，包括：
2.根据权利要求1所述的方法，所述基于所述参考质量参数的取样时间，通过时滞分析从所述历史测量数据中估计得到目标测量数据的分布信息，包括：
3.根据权利要求2所述的方法，所述目标生产场景中包括至少两个关键点位；所述根据所述目标时间信息，从所述历史测量数据中确定所述目标时间信息对应的目标测量数据，包括：
4.根据权利要求1-3中任一项所述的方法，所述将所述目标测量数据的分布信息输入质量预测模型，获得所述产品的质量预测结果，包括：
5.根据权利要求1所述的方法，在所述将所述目标测量数据的分布信息输入质量预测模型，获得所述产品的质量预测结果之前，还包括：
6.根据权利要求5所述的方法，所述利用所述训练样本集，构建质量预测模型，包括：
7.根据权利要求5或6所述的方法，在所述利用...
【专利技术属性】
技术研发人员：包垚垚，
申请(专利权)人：阿里云飞天杭州云计算技术有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。