(19)中华 人民共和国 国家知识产权局 (12)发明 专利 (10)授权公告 号 (45)授权公告日 (21)申请 号 202111399282.3 (22)申请日 2021.11.24 (65)同一申请的已公布的文献号 申请公布号 CN 113822388 A (43)申请公布日 2021.12.21 (73)专利权人 深圳市裕 展精密科技有限公司 地址 518109 广东省深圳市观澜富士康鸿 观科技园B区厂房5栋C09 栋4层、 C07栋 2层、 C08栋3层4层、 C 04栋1层 (72)发明人 吴振廷　雷新娣　张洪伟　田登奎　 聂颖颖　李丞伦　王青玉　 (74)专利代理 机构 深圳市赛恩倍吉知识产权代 理有限公司 4 4334 代理人 刘龄霞(51)Int.Cl. G06K 9/62(2022.01) G06N 3/04(2006.01) G06N 3/08(2006.01) G06N 20/00(2019.01) (56)对比文件 CN 111209609 A,2020.0 5.29 CN 113255216 A,2021.08.13 CN 104573864 A,2015.04.2 9 审查员 邱立英 (54)发明名称 参数设定方法、 装置、 电子装置及存 储介质 (57)摘要 本申请公开了一种参数设定方法， 该方法包 括： 获取历史加工数据， 历史加工数据包括物料 的历史目标参数和多种历史参考参数； 预处理历 史加工数据， 以得到样本数据； 对样本数据进行 训练， 得到回归模型； 依据回归模型， 得到初步加 工数据； 对初步目标参数进行调整， 得到中间目 标参数， 初步参考参数和中间目标参数形成中间 加工数据； 依据历史加工数据、 中间加工数据和 强化学习算法， 构建强化学习模型； 获取实际参 考参数； 依据实际参考参数和强化学习模型确定 需要设定的实际目标参数。 本申请通过构建回归 模型以增大加工数据量， 并通过增加的数据量训 练强化学习模型， 以提升学习模型的准确性， 本 申请同时提供一种参数设定装置、 电子装置及存 储介质。 权利要求书3页 说明书10页 附图3页 CN 113822388 B 2022.04.12 CN 113822388 B 1.一种参数设定方法， 所述方法包括： 获取历史加工数据， 所述历史加工数据包括物料的历史目标参数和多种历史参考参 数； 预处理所述历史加工数据， 以得到样本数据； 对所述样本数据进行训练， 得到回归 模型； 依据所述回归模型， 得到初步加工数据， 所述初步加工数据包括初步目标参数和初步 参考参数； 对所述初步目标参数进行调整， 得到中间目标参数， 所述初步参考参数和所述中间目 标参数形成中间加工数据； 依据所述历史加工数据、 中间加工数据和强化学习算法， 构建强化学习模型； 获取实际参 考参数； 依据所述实际参 考参数和所述强化学习模型确定需要设定的实际目标参数； 其中， 所述历史参考参数、 初步参考参数均包括制程参数和结果参数， 所述构建所述强 化学习模型包括： 依据所述历史参 考参数、 初步 参考参数的制程 参数确定状态空间； 依据所述历史目标参数、 中间目标参数确定动作空间； 依据所述历史参 考参数、 初步 参考参数的结果 参数确定多个阈值范围； 确定每个阈值范围的权值， 依据所述每 个阈值范围的权值确定奖惩空间； 依据所述状态空间、 动作空间及奖惩空间确定强化学习模型。 2.如权利要求1所述的方法， 其特征在于， 所述依据所述回归模型， 得到初步加工数据 包括： 依据所述回归模型和所述历史参考参数， 得到初步目标参数， 将历史参考参数设置为 初步参考参数。 3.如权利要求1所述的方法， 其特征在于， 所述依据所述回归模型， 得到初步加工数据 包括： 获取新的参考参数， 依据 所述回归模型和所述新的参考参数， 得到初步目标参数， 将新 的参考参数设置为初步 参考参数。 4.如权利要求1所述的方法， 其特征在于， 所述依据所述回归模型， 得到初步加工数据 包括： 依据所述回归模型和所述历史参考参数， 得到第一初步目标参数， 将历史参考参数设 置为第一初步 参考参数； 获取新的参考参数， 依据 所述回归模型和所述新的参考参数， 得到第 二初步目标参数， 所述第一初步参考参数和所述新的参考参数设置为所述初步参考参数， 所述第一初步目标 参数和第二初步目标参数设置为所述初步目标参数。 5.如权利要求1所述的方法， 其特征在于， 所述对所述样本数据进行训练， 得到回归模 型包括： 依据非监 督式聚类算法对所述样本数据进行分类， 以得到多个子样本数据； 依据监督式算法和所述多个子样本数据， 构建每 个所述子样本数据对应的回归 模型。 6.如权利要求5所述的方法， 其特征在于， 所述依据所述回归模型， 得到初步加工数据权　利　要　求　书 1/3 页 2 CN 113822388 B 2包括： 获取初步加工数据的初步参考参数， 计算所述初步参考参数与 所述多个子样本数据的 相似度； 根据所述相似度选择部分的子样本数据对应的回归 模型； 依据所述初步参考参数和所述部分的子样本数据对应的回归模型， 得到初步目标参 数， 所述初步 参考参数和所述初步目标参数 形成初步加工数据。 7.如权利要求1所述的方法， 所述预处理包括低方差滤波筛选、 高相关滤波筛选及F_ regrssion筛选中的至少一种。 8.如权利要求1所述的方法， 所述对所述初步目标参数进行调 整， 得到中间目标参数包 括： 接收用户输入的推荐目标参数； 依据所述推荐目标参数调整所述初步目标参数， 以得到中间目标参数。 9.如权利要求8所述的方法， 所述依据所述推荐目标参数调整所述初步目标参数， 以得到中间目标参数包括： 获取所述初步目标参数对应的初步加工结果； 获取所述推荐目标参数对应的推荐加工结果； 依据公式a＝(推荐目标参数*初步加工结果)/(初步目标参数*推荐加工结果)， 确定修 正参数a； 依据中间目标参数＝a*初步目标参数， 以获得中间目标参数。 10.如权利要求1所述的方法， 其特征在于， 所述历史加工数据、 初步加工数据、 中间加 工数据为物料的阳极染色数据， 所述历史参考参数、 初步参考参数、 实际参考参数为阳极染 色参数数据， 所述历史目标参数、 初步目标参数、 中间目标参数及实际目标参数为阳极染色 时间数据。 11.如权利要求10所述的方法， 其特征在于， 阳极染色参数数据包括阳极染色槽的浓 度、 PH值、 温度和良率 值。 12.一种参数设定装置， 其特 征在于， 所述 参数设定装置包括： 通信器， 所述通信器用于获取历史加工数据， 所述历史加工数据包括物料的历史目标 参数和多种历史参 考参数； 处理器， 所述处 理器耦合于所述 通信器， 所述处 理器用于： 预处理所述历史加工数据， 以得到样本数据； 对所述样本数据进行训练， 得到回归 模型； 依据所述回归模型， 得到初步加工数据， 所述初步加工数据包括初步目标参数和初步 参考参数； 对所述初步目标参数进行调整， 得到中间目标参数， 所述初步参考参数和所述中间目 标参数形成中间加工数据； 依据所述历史加工数据、 中间加工数据和强化学习算法， 构建强化学习模型； 获取实际参 考参数； 依据所述实际参 考参数和所述强化学习模型确定需要设定的实际目标参数； 其中， 所述历史参考参数、 初步参考参数均包括制程参数和结果参数， 所述处理器还用权　利　要　求　书 2/3 页 3 CN 113822388 B 3