公开(公告)号：CN116048028B

公开(公告)日：2025-05-23

申请号：CN202310162833.7

申请日：2023-02-24

Applicant: 大连理工大学

Inventor： 张超 ,  于梦程 ,  王昊 ,  宋学官

IPC: G05B19/418

Abstract: 本发明提供一种基于强化学习的工艺参数优化方法，属于工业设计技术领域。为了降低生产过程中的产品缺陷，通常需要调整工艺参数，该方法通过强化学习训练出一个对工艺参数的优化策略。步骤：1)通过不确定性量化，计算置信区间，将训练样本划分为高不确定性数据与低不确定性数据；2)使用低不确定性数据作为训练集，用神经网络拟合缺陷水平‑工艺参数的函数；3)训练强化学习模型；4)根据训练好的强化学习模型生成策略。本发明利用基于强化学习的机器学习方法训练出一个调优策略，能够解决在生产中对工艺参数的调控过程中人工调参的不可靠性，直接推荐出合适的工艺参数，避免多次调参带来的较高的试错成本。

公开(公告)号：CN116048028A

公开(公告)日：2023-05-02

申请号：CN202310162833.7

申请日：2023-02-24

Applicant: 大连理工大学

Inventor： 张超 ,  于梦程 ,  王昊 ,  宋学官

IPC: G05B19/418

Abstract: 本发明提供一种基于强化学习的工艺参数优化方法，属于工业设计技术领域。为了降低生产过程中的产品缺陷，通常需要调整工艺参数，该方法通过强化学习训练出一个对工艺参数的优化策略。步骤：1)通过不确定性量化，计算置信区间，将训练样本划分为高不确定性数据与低不确定性数据；2)使用低不确定性数据作为训练集，用神经网络拟合缺陷水平‑工艺参数的函数；3)训练强化学习模型；4)根据训练好的强化学习模型生成策略。本发明利用基于强化学习的机器学习方法训练出一个调优策略，能够解决在生产中对工艺参数的调控过程中人工调参的不可靠性，直接推荐出合适的工艺参数，避免多次调参带来的较高的试错成本。