镜片面型误差的虚拟量测方法、装置、设备及介质与流程

本申请涉及误差测量的，尤其涉及一种镜片面型误差的虚拟量测方法、镜片面型误差的虚拟量测装置、镜片面型误差的虚拟量测设备及计算机可读存储介质。

背景技术：

1、注塑成型作为镜片的首道生产工艺，其影响贯穿了整个生产流程，为了保证镜片质量，注塑成型之后必须检测镜片面型误差pv值是否符合要求。因此，镜片面型误差pv值的检测在整个生产流程中十分关键。

2、目前，往往采用ua3p等设备进行镜片面型误差pv值检测，但是，由于破坏性检测、检测过程产品受污等原因，只能使用抽样检测代替全量检测，存在批量漏检的风险；另外，精密量测设备价格高昂，企业实际采购数量有限，送检任务增加时难以做到并行检测，低下的检测效率极大的阻碍了制造工艺的及时改进。

技术实现思路

1、本申请的主要目的在于提供一种镜片面型误差的虚拟量测方法、镜片面型误差的虚拟量测装置、镜片面型误差的虚拟量测设备及计算机可读存储介质，旨在高效、低成本的检测镜片面型误差pv值。

2、为实现上述目的，本申请提供一种镜片面型误差的虚拟量测方法，所述方法包括：

3、获取镜片注塑参数以及参数值，作为训练样本集；

4、构建基于lightgbm模型的镜片面型误差的预测模型，并基于pso算法对所述预测模型进行超参数调节，确定所述预测模型的最佳调控参数，其中，在所述pso算法中，适应度函数为所述预测模型的损失函数，给定时刻的粒子为所述给定时刻的调控参数所组成的向量；

5、基于所述训练样本集，训练具有所述最佳调控参数的预测模型，并根据训练后得到的预测模型，预测得到镜片面型误差。

6、示例性的，所述基于pso算法对所述预测模型进行超参数调节，确定所述预测模型的最佳调控参数的步骤，包括：

7、自适应动态衰减pso算法中的惯性权重，得到改进后的pso算法，其中，所述惯性权重为粒子的上一步搜索速率对下一步搜索速率的影响程度；

8、基于所述改进后的pso算法对所述预测模型进行超参数调节，确定所述预测模型的最佳调控参数。

9、示例性的，所述自适应动态衰减pso算法中的惯性权重，得到改进后的pso算法的步骤，包括：

10、基于个体的适应度、所有个体中的最小适应度以及平均适应度，确定粒子在任意给定时刻的粒子变异能力；

11、基于相邻给定时刻的全局最优适应度，确定种群变异能力；

12、基于所述粒子变异能力、所述种群变异能力、惯性权重极大值、惯性权重极小值、最大搜索深度，确定在任意给定时刻的惯性权重；

13、根据在任意给定时刻的惯性权重，确定改进后的pso算法。

14、示例性的，所述获取镜片注塑参数以及参数值，作为训练样本集的步骤，包括：

15、根据参数极大值和参数极小值，剔除大于所述参数极大值以及小于所述参数极小值的异常数据；

16、根据四分位法检测并剔除超出四分位边界的异常数据，将剔除异常数据之后的参数和参数值作为训练样本集。

17、示例性的，所述根据四分位法检测并剔除超出四分位边界的异常数据的步骤之后，还包括：

18、基于参数之间的皮尔森相关系数，在剔除异常数据之后的参数中筛选并保留目标参数，将所述目标参数和目标参数值作为训练样本集。

19、示例性的，所述基于所述训练样本集，训练具有所述最佳调控参数的预测模型的步骤，包括：

20、将所述训练样本集划分为预设份数的子集；

21、依次将其中一子集用于验证，将其余子集用于训练，直至每份子集均被用于验证一次；

22、获取预设份数的损失函数的均值，并将所述均值作为最终的模型损失函数值。

23、示例性的，所述根据训练后得到的预测模型，预测得到镜片面型误差的步骤之后，包括：

24、获取镜片面型误差的真实值，根据所述镜片面型误差的真实值以及预测值，确定所述镜片面型误差的决定系数；

25、根据所述决定系数评价所述预测模型，确定所述预测模型的预测精度。

26、本申请还提供一种镜片面型误差的虚拟量测装置，所述镜片面型误差的虚拟量测装置包括：

27、获取模块，用于获取镜片注塑参数以及参数值，作为训练样本集；

28、构建模块，用于构建基于lightgbm模型的镜片面型误差的预测模型，并基于pso算法对所述预测模型进行超参数调节，确定所述预测模型的最佳调控参数，其中，在所述pso算法中，适应度函数为所述预测模型的损失函数，给定时刻的粒子为所述给定时刻的调控参数所组成的向量；

29、训练模块，用于基于所述训练样本集，训练具有所述最佳调控参数的预测模型，并根据训练后得到的预测模型，预测得到镜片面型误差。

30、本申请还提供一种镜片面型误差的虚拟量测设备，所述镜片面型误差的虚拟量测设备包括：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计算机程序，所述计算机程序被所述处理器执行时实现如上所述的镜片面型误差的虚拟量测方法的步骤。

31、本申请还提供一种计算机可读存储介质，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现如上所述的镜片面型误差的虚拟量测方法的步骤。

32、本申请实施例提出的一种镜片面型误差的虚拟量测方法、镜片面型误差的虚拟量测装置、镜片面型误差的虚拟量测设备及计算机可读存储介质,获取镜片注塑参数以及参数值，作为训练样本集；构建基于lightgbm模型的镜片面型误差的预测模型，并基于pso算法对所述预测模型进行超参数调节，确定所述预测模型的最佳调控参数，其中，在所述pso算法中，适应度函数为所述预测模型的损失函数，给定时刻的粒子为所述给定时刻的调控参数所组成的向量；基于所述训练样本集，训练具有所述最佳调控参数的预测模型，并根据训练后得到的预测模型，预测得到镜片面型误差。

33、在本申请中，提出了一种基于机器学习的镜片面型误差pv值的虚拟量测方法，可以高效、准确、全覆盖式地完成镜片面型误差pv值的预测。以镜片注塑参数为输入数据，镜片面型误差pv值为输出数据，训练基于lightgbm模型的预测模型，鉴于lightgbm模型的参数优化困难的问题，设计了改进pso算法来优化lightgbm模型的参数，得到具有最佳调控参数的预测模型。从而根据训练后得到的预测模型，预测得到镜片面型误差，实现对镜片面型误差的虚拟量测方法。

技术特征：

1.一种镜片面型误差的虚拟量测方法，其特征在于，所述方法包括：

2.如权利要求1所述的镜片面型误差的虚拟量测方法，其特征在于，所述基于pso算法对所述预测模型进行超参数调节，确定所述预测模型的最佳调控参数的步骤，包括：

3.如权利要求2所述的镜片面型误差的虚拟量测方法，其特征在于，所述自适应动态衰减pso算法中的惯性权重，得到改进后的pso算法的步骤，包括：

4.如权利要求1所述的镜片面型误差的虚拟量测方法，其特征在于，所述获取镜片注塑参数以及参数值，作为训练样本集的步骤，包括：

5.如权利要求4所述的镜片面型误差的虚拟量测方法，其特征在于，所述根据四分位法检测并剔除超出四分位边界的异常数据的步骤之后，还包括：

6.如权利要求1所述的镜片面型误差的虚拟量测方法，其特征在于，所述基于所述训练样本集，训练具有所述最佳调控参数的预测模型的步骤，包括：

7.如权利要求1所述的镜片面型误差的虚拟量测方法，其特征在于，所述根据训练后得到的预测模型，预测得到镜片面型误差的步骤之后，包括：

8.一种镜片面型误差的虚拟量测装置，其特征在于，所述镜片面型误差的虚拟量测装置包括：

9.一种镜片面型误差的虚拟量测设备，其特征在于，所述镜片面型误差的虚拟量测设备包括：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计算机程序，所述计算机程序被所述处理器执行时实现如权利要求1至7任一项所述的镜片面型误差的虚拟量测方法的步骤。

10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现如权利要求1至7中任一项所述的镜片面型误差的虚拟量测方法的步骤。

技术总结
本申请公开了一种镜片面型误差的虚拟量测方法、装置、设备及介质，属于误差测量的技术领域。在本申请中，提出了一种基于机器学习的镜片面型误差PV值的虚拟量测方法，可以高效、准确、全覆盖式地完成镜片面型误差PV值的预测。以镜片注塑参数为输入数据，镜片面型误差PV值为输出数据，训练基于Li ghtGBM模型的预测模型，鉴于Li ghtGBM模型的参数优化困难的问题，设计了改进PSO算法来优化Li ghtGBM模型的参数，得到具有最佳调控参数的预测模型。从而根据训练后得到的预测模型，预测得到镜片面型误差，实现对镜片面型误差的虚拟量测方法。

技术研发人员：姜滨,周亚磊,李会富,温旭晗
受保护的技术使用者：歌尔股份有限公司
技术研发日：
技术公布日：2024/1/15