龙图腾网&IPTOP
- 微信扫码登录
- 账号密码登录
- 短信登录/注册
买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！
申请/专利权人：天津大学
摘要：本发明涉及一种融合机理信息与神经网络的制造装备工艺质量预测方法，包括下列步骤：按照“四层级”梳理制造装备工艺质量预测的机理分析架构；基于特征词过滤专家知识库相关内容，填充“四层级”结构的机理分析架构；基于工艺质量分析机理模型的层级结构构建工艺质量预测神经网络；采用仿真获得的机理数据与实际采集数据混合训练方式对所建立的神经网络进行训练；进行包括边界约束、交叉验证、参数调整在内的多种方法进行模型优化。
主权项：1.一种融合机理信息与神经网络的制造装备工艺质量预测方法，包括下列步骤：步骤1：按照“四层级”梳理制造装备工艺质量预测的机理分析架构按照“四层级”方法梳理制造装备工艺质量预测的机理分析架构，将工艺质量预测输出按照模块层M层、动作层A层、影响因素层F层和数据层D层四个层级划分。步骤2：基于特征词过滤专家知识库相关内容，填充“四层级”结构的机理分析架构基于包括制造装备工艺名词、制造装备业界统一名称在内的特征词，进行筛选与过滤，寻得填充机理分析模型所需的关于制造装备的采集数据与信息知识；梳理出制造装备的模块划分、动作环节、工艺质量影响因素与对应的可采集或计算的指标数据，并将其一一对应填入步骤1中“四层级”机理分析架构，得到一个具有层级结构的制造装备工艺质量预测的机理模型。步骤3：基于工艺质量分析机理模型的层级结构构建工艺质量预测神经网络机理模型中每一个影响因素就对应神经网络中的一个神经元，机理模型中影响因素的层级关系与相互作用关系迁移至神经网络结构中表达；机理模型中的层级结构即为神经网络的层级结构，机理模型最下层也就是数据层D层即为输入层，数据由此输入层一一对应传入；机理模型最终的工艺质量即为输出层，其余层级即为神经网络的隐藏层，包括模块层M层、动作层A层和影响因素层F层；机理模型的相互作用关系在神经网络中以连线间的权值体现；在完成训练后，通过神经元之间的权重大小，反推机理模型中相关关系的大小，使得机理模型更加完善。步骤4：采用仿真获得的机理数据与实际采集数据混合训练方式对所建立的神经网络进行训练；步骤5：进行包括边界约束、交叉验证、参数调整在内的多种方法进行模型优化。
全文数据：
权利要求：
百度查询： 天津大学 融合机理信息与神经网络的制造装备工艺质量预测方法
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。
主营中国专利交易买卖与专利转让许可,高校科技成果推广与科技成果转化,知识产权运营管理与平台开发,科技人才专家库与科技猎头等科技服务
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号