买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：华中科技大学

摘要：本发明属于智能制造领域，具体涉及一种工艺参数概率模型优化方法，包括：采用仿真模型生成样本，构建输入为工艺参数、输出为工件性能的低精度神经网络模型，在该模型上执行参数概率模型优化，估计该模型最优解，多次利用该最优解，进行实际生产得到多个实际工件性能的同时基于低精度神经网络模型得到多个工件性能，构建输入为工艺参数和低精度神经网络模型输出的工件性能、输出为工件性能的高精度神经网络模型；在由当前低精度和高精度神经网络模型组成的多保真度模型上执行参数概率模型优化，估计该多保真度模型最优解，用于实际生产并更新多保真度模型，闭环迭代直至工艺过程结束。本发明能充分利用小样本数据，提升制造环节的参数优化效率。

主权项：1.一种工艺参数概率模型优化方法，其特征在于，包括：S1、采用工艺过程仿真模型生成训练样本，以构建输入为工艺参数、输出为工件性能的低精度神经网络模型；在低精度神经网络模型上执行工艺参数概率模型优化，估计该模型最优解；多次利用该最优解所对应的最优工艺参数，进行实际生产得到对应的多个实际工件性能的同时基于低精度神经网络模型得到对应的多个工件性能，以构建输入为工艺参数和低精度神经网络模型输出的工件性能、输出为工件性能的高精度神经网络模型；S2、在当前的多保真度神经网络模型上执行工艺参数概率模型优化，估计该多保真度神经网络模型的最优解；其中，所述多保真度神经网络模型由当前的低精度神经网络模型和高精度神经网络模型组成；S3、基于S2得到的最优解所对应的最优工艺参数，采用所述仿真模型，得到仿真工件性能，以更新当前多保真度神经网络模型中的低精度神经网络模型；将S2得到的最优解所对应的最优工艺参数用于实际工艺生产，并获取对应的实际工件性能的同时基于当前更新后的低精度神经网络模型得到对应的工件性能，以更新当前多保真度神经网络模型中的高精度神经网络模型；重复执行S2，直至工艺过程结束；所述S1和所述S2中，执行工艺参数概率模型优化的实现方式为：S11、采用相应的神经网络模型，随机确定多个观测点，以构建概率模型，其中，每个观测点包含工艺参数和工件性能两个维度的数据；S12、采用采集函数，采集所述概率模型中的潜在查询点并评估各潜在查询点的价值，将价值最高的潜在查询点选定为当前最有潜在价值的查询点，其中，每个查询点包含工艺参数数据；结合所述低精度神经网络模型，确定当前最有潜在价值的查询点所对应的工件性能，构建当前的观测点；S13、合并当前的观测点和历史迭代过程中的观测点，更新所述概率模型，重复所述S12，直至达到终止条件，将当前最有潜在价值的查询点所对应的工艺参数作为模型的最优解。

全文数据：

权利要求：

百度查询： 华中科技大学 一种工艺参数概率模型优化方法