[发明专利]基于案例推理和模型推理的激光切割工艺参数优化方法

权利要求书

1.一种基于案例推理和模型推理的激光切割工艺参数优化方法，其特征在于，包括以下步骤：

S1：输入当前切割任务；

S2：利用案例推理模块判断当前切割任务是否存在现有工艺参数案例库中，如果存在，则按照当前切割任务所对应的现有工艺参数执行激光切割控制，如不存在，则进入步骤S3；

S3：根据现有工艺参数案例库和当前切割任务，利用模型推理模块预测出与当前切割任务相匹配的工艺参数；

S4：根据实际切割情况微调步骤S3所得工艺参数，并将满足切割效果的工艺参数新增至现有工艺参数案例库中。

2.根据权利要求1所述的基于案例推理和模型推理的激光切割工艺参数优化方法，其特征在于，步骤S1输入的当前切割任务为材料厚度，针对当前切割任务所对应的工艺参数包括切割速度、辅助气体压力、焦点位置和切割高度。

3.根据权利要求1或2所述的基于案例推理和模型推理的激光切割工艺参数优化方法，其特征在于，所述模型推理模块中设置有生成对抗网络和参数预测神经网络；

所述生成对抗网络用于根据现有工艺参数案例库中的数据扩充数据样本，并将现有工艺参数案例库中的原始数据和生成对抗网络生成的新数据联合形成训练数据集；

所述参数预测神经网络利用所述训练数据集训练而得，且通过输入当前切割任务，由所述参数预测神经网络输出与当前切割任务相相匹配的工艺参数。

4.根据权利要求3所述的基于案例推理和模型推理的激光切割工艺参数优化方法，其特征在于，所述参数预测神经网络为BP神经网络。

5.根据权利要求3所述的基于案例推理和模型推理的激光切割工艺参数优化方法，其特征在于，所述生成对抗网络预设有扩充数据有效分布区间，且生成的新数据数量为现有工艺参数案例库中的原始数据数量的40％～50％。

6.根据权利要求5所述的基于案例推理和模型推理的激光切割工艺参数优化方法，其特征在于，所述生成对抗网络中设置有生成模型和判别模型，真实样本数据添加有标签“1”，生成样本数据添加有标签“0”，将真实的样本数据和生成模型生成的样本数据进行混合，并作为判别模型的输入，判别模型以两个标量数据的形式输出当前数据为真实样本和生成样本的概率；若概率值与0.5的偏差在允许范围之内，则表示生成模型产生的样本质量很高，可以将此样本作为合理的扩充数据；若概率值与0.5的偏差在允许范围之外，则表示生成模型还未训练到理想程度，将损失反向传递给生成模型，对生成模型进行优化。