调控参数确定方法、计算机设备及机器可读存储介质与流程

本发明涉及工业生产，具体地涉及一种调控参数确定方法、计算机设备及机器可读存储介质。

背景技术：

1、工业互联网是新一代信息通信技术与工业经济深度融合的新型基础设施、应用模式和工业生态，通过对人、机、物、系统等的全面连接，构建起覆盖全产业链、全价值链的全新制造和服务系统。

2、但是在现有技术中，很多工业设备生产企业依旧是按照传统的技术，通过专家经验、人工判断的方式对企业内部设备进行监测管理，例如，在传统的机械设备生产过程是通过人工来调控设备的参数，机械设备根据人工固定设定的调控参数运行，使机械设备在该生产过程中得到的零部件符合规定。而不同的生产原材料所需要的最佳调控参数并不一样，人工设置设备调控参数的方式对操作人员的专业能力和经验水平要求较高，极易因为人工判断的误差而影响最终产品的合格率，如何更好地确定各个设备的调控参数仍有待解决。

技术实现思路

1、针对现有技术中的上述不足，本发明实施例的目的是提供一种调控参数确定方法、计算机设备及机器可读存储介质。

2、为了实现上述目的，本发明第一方面提供一种调控参数确定方法，包括：

3、确定用于遗传算法的初始种群，通过执行基于预设的优化目标的遗传算法对初始种群进行择优迭代；

4、在迭代次数等于预设的最大遗传次数的情况下，获取执行遗传算法得到的第一最优解，作为当前最优解；

5、在当前最优解不满足优化目标的情况下，基于择优迭代中被淘汰的染色体确定重生染色体，基于重生染色体和当前最优解更新初始种群，并重新执行基于优化目标的遗传算法对初始种群进行择优迭代，在迭代次数等于最大遗传次数的情况下，获取重新执行遗传算法得到的第二最优解，基于第二最优解更新当前最优解；

6、在当前最优解满足优化目标的情况下，将当前最优解作为目标调控参数。

7、本发明实施例中，基于择优迭代中被淘汰的染色体确定重生染色体，包括：

8、基于预设的染色体选取范围从择优迭代中所有被淘汰的染色体中选取目标染色体，目标染色体包括预设迭代次数中至少部分被淘汰的染色体；

9、将目标染色体的所有基因位全部反转，生成重生染色体。

10、本发明实施例中，确定用于遗传算法的初始种群，包括：

11、获取所有历史调控参数；

12、基于所有历史调控参数确定关键指标；

13、将关键指标进行数据预处理，得到标准化数据；

14、基于预设的种群选举规则从标准化数据中确定初始种群，或者，在各关键指标的数据区间中随机生成初始染色体以构成并确定初始种群。

15、本发明实施例中，优化目标包括：

16、当前最优解对应的产品合格率达到第一预设合格率；

17、或者，当前最优解对应的产品合格率达到第一预设合格率，以及当前最优解处于各关键指标的数据区间内和/或当前最优解满足预设的机理规则；

18、其中，关键指标基于所有历史调控参数确定得到，机理规则包括预先设置的符合实际生产需求的或者符合实际生产情况的标准。

19、本发明实施例中，关键指标通过以下方式确定：

20、基于粗糙集属性约简算法和预设的机理规则确定所有历史调控参数的权重；

21、基于权重确定所有历史调控参数中的关键指标。

22、本发明实施例中，各关键指标的数据区间通过以第二预设合格率为目标的聚类算法和线性回归算法，对各关键指标的标准化数据进行区间筛选所确定得到。

23、本发明实施例中，当前最优解对应的产品合格率通过以下方式得到：

24、将当前最优解中输入参数评估模型，得到参数评估模型的输出的当前最优解对应的产品合格率。

25、本发明实施例中，参数评估模型通过以下方式训练得到：

26、基于所有历史调控参数对应的产品合格率对各个历史调控参数进行标签设置；

27、将标签设置后的历史调控参数输入至初始xgboost算法模型中，对初始xgboost算法模型进行模型训练，得到预设的参数评估模型。

28、本发明第二方面提供了一种计算机设备，计算机设备包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的程序，所述程序被配置为实现如上述实施例所述的调控参数确定方法的步骤。

29、本发明第三方面提供了一种机器可读存储介质，该机器可读存储介质上存储有指令，该指令用于使得机器执行如上述实施例所述的调控参数确定方法的步骤。

30、通过上述技术方案，确定用于遗传算法的初始种群，通过执行基于预设的优化目标的遗传算法对初始种群进行择优迭代；在迭代次数等于预设的最大遗传次数的情况下，获取执行遗传算法得到的第一最优解，作为当前最优解；在当前最优解不满足优化目标的情况下，基于择优迭代中被淘汰的染色体确定重生染色体，基于重生染色体和当前最优解更新初始种群，并重新执行基于优化目标的遗传算法对初始种群进行择优迭代，在迭代次数等于最大遗传次数的情况下，获取重新执行遗传算法得到的第二最优解，基于第二最优解更新当前最优解；在当前最优解满足优化目标的情况下，将当前最优解作为目标调控参数。相较于目前的人工控制调节系统，提升了对生产设备的调控参数确定的智能性和精确性，且自动化确定调控参数的方式无需人工介入，节约人力资源同时克服了人工检测时间长和误差大等缺点，有效提高产品合格率，且通过确定调控参数，为缺少丰富经验的工作者提供可靠的信息依据和整体决策的指导性数据，加快了生产速度，确保生产质量。

31、本发明实施例的其它特征和优点将在随后的具体实施方式部分予以详细说明。

技术特征：

1.一种调控参数确定方法，其特征在于，包括：

2.根据权利要求1所述的调控参数确定方法，其特征在于，所述基于择优迭代中被淘汰的染色体确定重生染色体，包括：

3.根据权利要求1所述的调控参数确定方法，其特征在于，所述确定用于遗传算法的初始种群，包括：

4.根据权利要求1所述的调控参数确定方法，其特征在于，所述优化目标包括：

5.根据权利要求3或4所述的调控参数确定方法，其特征在于，所述关键指标通过以下方式确定：

6.根据权利要求3或4所述的调控参数确定方法，其特征在于，所述各关键指标的数据区间通过以第二预设合格率为目标的聚类算法和线性回归算法，对所述各关键指标的标准化数据进行区间筛选所确定得到。

7.根据权利要求4所述的调控参数确定方法，其特征在于，所述当前最优解对应的产品合格率通过以下方式得到：

8.根据权利要求7所述的调控参数确定方法，其特征在于，所述参数评估模型通过以下方式训练得到：

9.一种计算机设备，其特征在于，所述计算机设备包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的程序，所述程序被配置为实现如权利要求1至8中任意一项所述调控参数确定方法的步骤。

10.一种机器可读存储介质，该机器可读存储介质上存储有指令，该指令用于使得机器执行如权利要求1至8中任意一项所述的调控参数确定方法的步骤。

技术总结
本发明实施例提供一种调控参数确定方法、计算机设备及机器可读存储介质，属于工业生产技术领域。方法包括确定用于遗传算法的初始种群，通过执行基于预设的优化目标的遗传算法对初始种群进行择优迭代；在迭代次数等于预设的最大遗传次数的情况下，获取执行遗传算法得到的第一最优解，作为当前最优解；当前最优解不满足优化目标时，基于择优迭代中被淘汰的染色体确定重生染色体，更新初始种群，并重新执行基于优化目标的遗传算法对初始种群进行择优迭代，在迭代次数等于最大遗传次数的情况下，获取重新执行遗传算法得到的第二最优解，基于第二最优解更新当前最优解；否则将当前最优解作为目标调控参数。提升了调控参数确定的智能性和精确性。

技术研发人员：李涛,虢彦,曹杰,范海涛,王可佳,郭宗辉,杨帆
受保护的技术使用者：中科云谷科技有限公司
技术研发日：
技术公布日：2024/1/15