(19)中华 人民共和国 国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202111258196.0 (22)申请日 2021.10.27 (71)申请人 北京百度网讯科技有限公司 地址 100085 北京市海淀区上地十街10号 百度大厦2层 (72)发明人 石逸轩　戴明洋　刘子祥　 (74)专利代理 机构 北京英赛 嘉华知识产权代理 有限责任公司 1 1204 代理人 王达佐　马晓亚 (51)Int.Cl. G06F 30/27(2020.01) G06N 20/00(2019.01) (54)发明名称 工艺参数优化方法、 装置、 设备以及存储介 质 (57)摘要 本公开提供了一种工艺参数优化方法、 模 型 训练方法、 装置、 设备、 存储介质以及计算机程序 产品， 涉及人工智能技术领域， 具体为深度学习、 工业大数据技术领域， 可应用于工艺参数优化等 场景。 具体实现方案为： 获取多组初始工艺参数， 并对当前迭代次数进行初始化； 基于预先训练的 仿真模型， 对多组初始工艺参数执行选择操作， 得到至少两组候选工艺参数； 对至少两组候选工 艺参数执行交叉操作和变异操作， 得到多组更新 工艺参数， 并将迭代次数累加一次； 响应于迭代 次数小于 预设迭代次数， 将多组更新工艺参数确 定为多组初始工艺参数， 再次执行选择操作。 根 据预先训练的仿真模型执行选择、 交叉、 变异操 作， 确定出目标工艺参数， 提高了工艺参数选择 的准确性。 权利要求书3页 说明书11页 附图6页 CN 113987938 A 2022.01.28 CN 113987938 A 1.一种工艺 参数优化方法， 包括： 获取多组初始工艺 参数， 并对当前迭代次数进行初始化； 基于预先训练的仿真模型， 对所述多组初始工艺参数执行选择操作， 得到至少两组候 选工艺参数； 对所述至少两组候选工艺参数执行交叉操作和变异操作， 得到多组更新工艺参数， 并 将所述当前迭代次数累加一次； 响应于所述当前迭代次数小于预设迭代次数， 将所述多组更新工艺参数确定为所述多 组初始工艺 参数， 再次执 行所述选择操作。 2.根据权利要求1所述的方法， 还 包括： 响应于所述当前迭代次数等于所述预设迭代次数， 从所述至少两组候选工艺参数中确 定出目标工艺 参数。 3.根据权利要求1或2所述的方法， 其中， 所述预 先训练的仿真模型通过以下步骤获取： 确定所述初始工艺 参数的数值范围、 待加工物料的特性 参数和目标力学参数； 从多个预先训练的仿真模型中， 选出与所述初始工艺参数的数值范围、 待加工物料的 特性参数和目标力学参数， 相对应的预 先训练的仿真模型。 4.根据权利要求3所述的方法， 其中， 所述待加工物料的特性参数包括： 待镀锌的钢铁 物料的材 料类型和物理尺寸。 5.根据权利要求4所述的方法， 其中， 所述基于预先训练的仿真模型， 对所述多组初始 工艺参数执行选择操作， 得到 至少两组候选 工艺参数包括： 基于所述预 先训练的仿真模型， 计算所述多组初始工艺 参数对应的合格率指标； 基于所述 合格率指标， 计算所述多组初始工艺 参数对应的适应度值； 基于所述 适应度值， 从所述多组初始工艺 参数中选出 所述至少两组候选 工艺参数。 6.根据权利要求1 ‑5任一项所述的方法， 其中， 所述对所述至少两组候选工艺参数执行 交叉操作和变异操作， 得到多组更新工艺 参数包括： 对所述至少两组候选 工艺参数进行交叉， 得到 至少两组 交叉工艺 参数； 对所述至少两组候选 工艺参数进行变异， 得到 至少两组变异工艺 参数； 将所述至少两组交叉工艺参数和所述至少两组变异工艺参数， 确定为所述多组更新工 艺参数。 7.根据权利要求3所述的方法， 其中， 所述获取多组初始工艺 参数包括： 在所述初始工艺 参数的数值范围内随机取值多次， 得到所述多组初始工艺 参数。 8.一种模型训练方法， 包括： 确定工艺参数、 待加工物料的特性 参数和目标力学参数的数值范围； 从所述数值范围中， 获取多组工艺参数数据、 待加工物料的特性参数数据和目标力学 参数数据； 将所述多组工艺参数数据、 待加工物料的特性参数数据和目标力学参数数据作为样本 数据， 训练初始仿真模型， 得到所述数值范围对应的训练后的仿真模型。 9.一种工艺 参数优化装置， 所述装置包括： 第一获取模块， 被 配置为获取多组初始工艺 参数， 并对当前迭代次数进行初始化； 选择模块， 被配置为基于预先训练的仿真模型， 对所述多组初始工艺参数执行选择操权　利　要　求　书 1/3 页 2 CN 113987938 A 2作， 得到至少两组候选 工艺参数； 交叉变异模块， 被配置为对所述至少两组候选工艺参数执行交叉操作和变异操作， 得 到多组更新工艺 参数， 并将所述当前迭代次数累加一次； 迭代模块， 被配置为响应于所述当前迭代次数小于预设迭代次数， 将所述多组更新工 艺参数确定为所述多组初始工艺 参数， 再次执 行所述选择操作。 10.根据权利要求9所述的装置， 还 包括： 第一确定模块， 被配置为响应于所述当前迭代次数等于所述预设迭代次数， 从所述至 少两组候选 工艺参数中确定出目标工艺 参数。 11.根据权利要求9或10所述的装置， 其中， 所述选择模块包括： 确定子模块， 被配置为确定所述初始工艺参数的数值范围、 待加工物料的特性参数和 目标力学参数； 第一选择子模块， 被配置为从多个预先训练的仿真模型中， 选出与所述初始工艺参数 的数值范围、 待加工物料的特性 参数和目标力学参数， 相对应的预 先训练的仿真模型。 12.根据权利要求11所述的装置， 其中， 所述待加工物料的特性参数包括： 待镀锌的钢 铁物料的材 料类型和物理尺寸。 13.根据权利要求12所述的装置， 其中， 所述选择模块还 包括： 第一计算子模块， 被配置为基于所述预先训练的仿真模型， 计算所述多组初始工艺参 数对应的合格率指标； 第二计算子模块， 被配置为基于所述合格率指标， 计算所述多组初始工艺参数对应的 适应度值； 第二选择子模块， 被配置为基于所述适应度值， 从所述多组初始工艺参数中选出所述 至少两组候选 工艺参数。 14.根据权利要求9 ‑13任一项所述的装置， 其中， 所述交叉变异模块包括： 交叉子模块， 被配置为对所述至少两组候选工艺参数进行交叉， 得到至少两组交叉工 艺参数； 变异子模块， 被配置为对所述至少两组候选工艺参数进行变异， 得到至少两组变异工 艺参数； 组合子模块， 被配置为将所述至少两组交叉工艺参数和所述至少两组变异工艺参数， 确定为所述多组更新工艺 参数。 15.根据权利要求1 1所述的装置， 其中， 所述第一获取模块包括： 获取子模块， 被配置为在所述初始工艺参数的数值范围内随机取值多次， 得到所述多 组初始工艺 参数。 16.一种模型训练装置， 所述装置包括： 第二确定模块， 被配置为确定工艺参数、 待加工物料的特性参数和目标力学参数的数 值范围； 第二获取模块， 被配置为从所述数值范围中， 获取多组工艺参数数据、 待加工物料的特 性参数数据和目标力学参数 数据； 训练模块， 被配置为将所述多组工艺参数数据、 待加工物料的特性参数数据和目标力 学参数数据作为样本数据， 训练初始仿真模型， 得到所述数值范围对应的训练后的仿真模权　利　要　求　书 2/3 页 3 CN 113987938 A 3