[发明专利]工艺参数调整模型的训练方法、工艺参数调整方法及装置

权利要求书

1.一种工艺参数调整模型的训练方法，其特征在于，包括：

获取训练样本数据；其中，所述训练样本数据包括加工样本产品的多项工艺参数以及所述样本产品的缺陷信息；

将所述训练样本数据输入至初始的网络模型中，得到所述样本产品基于所述缺陷信息的多项工艺参数的预测调整数值；

基于所述预测调整数值以及预先获取的真实调整数值计算损失值，并通过最小化所述损失值，对所述初始的网络模型进行更新，生成工艺参数调整模型；

所述将所述训练样本数据输入至初始的网络模型中，得到所述样本产品基于所述缺陷信息的多项工艺参数的预测调整数值，包括：

将所述训练样本数据输入至所述初始的网络模型中的数值调整参数模块，得到所述样本产品基于所述缺陷信息的部分工艺参数的预测数值调整参数；

将所述训练样本数据输入至所述初始的网络模型中的模式调整参数模块，得到所述样本产品基于所述缺陷信息的另一部分工艺参数的预测模式调整参数；其中，所述预测模式调整参数表征与所述样本产品的工艺参数对应的设备的运行状态；所述预测调整数值包括所述预测数值调整参数以及所述预测模式调整参数；

相应的，所述基于所述预测调整数值以及预先获取的真实调整数值计算损失值，并通过最小化所述损失值，对所述初始的网络模型进行更新，生成工艺参数调整模型，包括：

基于所述预测数值调整参数以及预先获取的真实数值调整参数计算第一损失值；

基于所述预测模式调整参数以及预先获取的真实模式调整参数计算第二损失值；其中，所述真实调整数值包括所述真实数值调整参数以及所述真实模式调整参数；

通过最小化所述第一损失值与所述第二损失值的和，对所述初始的网络模型进行更新，生成所述工艺参数调整模型。

2.根据权利要求1所述的工艺参数调整模型的训练方法，其特征在于，所述将所述训练样本数据输入至所述初始的网络模型中的数值调整参数模块包括：

将所述样本产品的多项工艺参数进行特征信息的提取；

将所述样本产品的缺陷信息进行编码；

将提取特征信息后的多项工艺参数以及编码后的缺陷信息输入至所述初始的网络模型中的数值调整参数模块。

3.根据权利要求1所述的工艺参数调整模型的训练方法，其特征在于，将所述训练样本数据输入至所述初始的网络模型中的模式调整参数模块包括：

将所述样本产品的多项工艺参数进行特征信息的提取；

将所述样本产品的缺陷信息进行编码；

将提取特征信息后的多项工艺参数以及编码后的缺陷信息输入至所述初始的网络模型中的模式调整参数模块。

4.根据权利要求1所述的工艺参数调整模型的训练方法，其特征在于，所述缺陷信息以及所述预先获取的真实调整数值来源于专家系统；所述专家系统包含预先构建的用于消除所述样本产品的缺陷的规则；所述规则中包括基础的缺陷信息以及与所述基础的缺陷信息对应的多项工艺参数的真实调整数值。

5.根据权利要求4所述的工艺参数调整模型的训练方法，其特征在于，所述样本产品的多项工艺参数包括所述样本产品的多项工艺参数的类型和实际数值；所述将所述训练样本数据输入至初始的网络模型中，得到所述样本产品基于所述缺陷信息的多项工艺参数的预测调整数值，包括：

将所述样本产品的多项工艺参数的类型以及所述样本产品的缺陷信息输入至初始的网络模型中，得到所述样本产品基于所述缺陷信息的多项工艺参数的预测调整数值；

相应的，所述基于所述预测调整数值以及预先获取的真实调整数值计算损失值，并通过最小化所述损失值，对所述初始的网络模型进行更新，生成工艺参数调整模型，包括：

基于所述预测调整数值以及预先获取的真实调整数值计算损失值，并通过最小化所述损失值，对所述初始的网络模型进行更新，生成初始的工艺参数调整模型；

将所述样本产品的多项工艺参数的实际数值输入至所述初始的工艺参数调整模型中进行训练，生成所述工艺参数调整模型。