一种面向多工序生产过程的设定参数快速求解方法及系统

本发明涉及数据处理，特别是指一种面向多工序生产过程的设定参数快速求解方法及系统。

背景技术：

1、多工序生产过程是现代工业制造中的核心环节，涵盖从原材料加工到成品装配的多个关键步骤。此类生产过程广泛应用于诸多领域，包括机械制造、航空航天、汽车工业和电子设备制造。在多工序生产过程中，涉及多种复杂的工艺步骤，如熔炼、铸造、轧制、热处理和表面处理等。每个工序的参数设定(如温度、时间、压力等)都会对产品的最终性能和质量产生重要影响。例如，在熔炼过程中，温度控制不当可能导致合金成分的偏差；在铸造过程中，冷却速度的微小变化可能影响合金的晶粒大小和分布；在轧制和热处理过程中，参数设定不当会导致材料内部应力和硬度分布不均匀。因此，合理设定工序参数，成为提高产品质量和生产效率的关键。

2、然而，传统的工序参数设定方法通常依赖于经验，操作工人通过过去经验或逐步试验来调整工序参数，这种方法不仅准确性较低，还耗费了大量的人力和时间成本。此外，由于依赖操作工人的经验，在面对生产环境复杂多变的情况下，难以及时调整和优化参数，影响了生产的连续性和产品的一致性。

技术实现思路

1、为了解决传统的工序参数设定方法通常依赖于经验，操作工人通过过去经验或逐步试验来调整工序参数，这种方法不仅准确性较低，还耗费了大量的人力和时间成本。此外，由于依赖操作工人的经验，在面对生产环境复杂多变的情况下，难以及时调整和优化参数，影响了生产的连续性和产品的一致性的技术问题，本发明提供了一种面向多工序生产过程的设定参数快速求解方法及系统。

2、本发明实施例提供的技术方案如下：

3、第一方面：

4、本发明实施例提供的一种面向多工序生产过程的设定参数快速求解方法，包括：

5、s1：构建多工序描述数学模型，确定各个工序的基本信息；

6、s2：以最大化生产效率和生产效益为目标，构建多目标优化模型；

7、s3：通过nsga-ii算法，对所述多目标优化模型进行求解，确定最佳动态设定策略；

8、s4：将所述多目标优化模型转化为单目标优化模型，并确定转化过程中的约束条件；

9、s5：采用所述最佳动态设定策略，通过粒子群寻优算法，确定在不同输入参数下的最优设定参数；

10、s6：根据每种输入参数与所述输入参数相对应的最优设定参数，构建训练数据集；

11、s7：将转化过程中的约束条件作为物理信息融合到神经网络中，构建物理信息神经网络模型；

12、s8：通过所述训练数据集对所述物理信息神经网络模型进行训练；

13、s9：获取输入参数；

14、s10：通过训练完成的物理信息神经网络模型，确定所述输入参数的设定参数值。

15、第二方面：

16、本发明实施例提供的一种面向多工序生产过程的设定参数快速求解系统，包括：

17、处理器；

18、存储器，所述存储器上存储有计算机可读指令，所述计算机可读指令被所述处理器执行时，实现如第一方面所述的面向多工序生产过程的设定参数快速求解方法。

19、第三方面：

20、本发明实施例提供的一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现如第一方面所述的面向多工序生产过程的设定参数快速求解方法。

21、本发明实施例提供的技术方案带来的有益效果至少包括：

22、(1)在本发明中，以最大化生产效率和生产效益为目标，构建多目标优化模型，并通过nsga-ii算法，对所述多目标优化模型进行求解，以确定最佳动态设定策略，采用最佳动态设定策略，通过粒子群寻优算法，确定在不同输入参数下的最优设定参数。通过构建基于数学建模的多目标优化模型，显著减少对经验和试验的依赖，避免了大量的试错实验，提高了工序参数设定的准确性，降低了人工成本。

23、(2)在本发明中，将转化过程中的约束条件作为物理信息融合到神经网络中，构建物理信息神经网络模型，通过使用训练数据集对所述物理信息神经网络模型进行训练，通过训练完成的物理信息神经网络模型，确定输入参数的设定参数值。这一方法实现了参数的快速自动调整，确保了生产的连续性和产品的一致性，有效提高了生产效率并保障了产品质量的稳定性。

技术特征：

1.一种面向多工序生产过程的设定参数快速求解方法，其特征在于，包括：

2.根据权利要求1所述的面向多工序生产过程的设定参数快速求解方法，其特征在于，所述多工序描述数学模型具体为：

3.根据权利要求1所述的面向多工序生产过程的设定参数快速求解方法，其特征在于，所述多目标优化模型具体为：

4.根据权利要求1所述的面向多工序生产过程的设定参数快速求解方法，其特征在于，所述单目标优化模型具体为：

5.根据权利要求4所述的面向多工序生产过程的设定参数快速求解方法，其特征在于，所述s4中转化过程中的约束条件的确定方式具体为：

6.根据权利要求1所述的面向多工序生产过程的设定参数快速求解方法，其特征在于，所述单目标优化模型具体为：

7.根据权利要求6所述的面向多工序生产过程的设定参数快速求解方法，其特征在于，所述s4中转化过程中的约束条件的确定方式具体为：

8.根据权利要求1所述的面向多工序生产过程的设定参数快速求解方法，其特征在于，所述s8中对所述物理信息神经网络模型进行训练，具体包括：

9.根据权利要求8所述的面向多工序生产过程的设定参数快速求解方法，其特征在于，所述约束项损失函数具体为：

10.一种面向多工序生产过程的设定参数快速求解系统，其特征在于，包括：

技术总结
本发明提供一种面向多工序生产过程的设定参数快速求解方法及系统，涉及数据处理技术领域，方法包括：构建多工序描述数学模型，确定各个工序的基本信息；以最大化生产效率和生产效益为目标，构建多目标优化模型；通过NSGA‑II算法，求解多目标优化模型，确定最佳动态设定策略；将多目标优化模型转化为单目标优化模型，并确定转化过程中的约束条件；采用最佳动态设定策略，通过粒子群寻优算法，确定在不同输入参数下的最优设定参数，并构建训练集；将转化过程中的约束条件作为物理信息融合到神经网络中，构建物理信息神经网络模型；并通过训练集进行训练；通过训练完成的物理信息神经网络模型，确定输入参数的设定参数值。

技术研发人员：郭金,刘文可,张庆祥,宋勇
受保护的技术使用者：北京科技大学
技术研发日：
技术公布日：2025/2/27