WO2021051356A1 - 设计参数值生成方法、装置和计算机可读介质 - Google Patents

设计参数值生成方法、装置和计算机可读介质 Download PDF

Info

Publication number
WO2021051356A1
WO2021051356A1 PCT/CN2019/106769 CN2019106769W WO2021051356A1 WO 2021051356 A1 WO2021051356 A1 WO 2021051356A1 CN 2019106769 W CN2019106769 W CN 2019106769W WO 2021051356 A1 WO2021051356 A1 WO 2021051356A1
Authority
WO
WIPO (PCT)
Prior art keywords
training data
design parameter
parameter
parameter value
data
Prior art date
Application number
PCT/CN2019/106769
Other languages
English (en)
French (fr)
Inventor
曹佃松
Original Assignee
西门子股份公司
西门子（中国）有限公司
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by 西门子股份公司, 西门子（中国）有限公司 filed Critical 西门子股份公司
Priority to CN201980096787.7A priority Critical patent/CN113874856A/zh
Priority to PCT/CN2019/106769 priority patent/WO2021051356A1/zh
Publication of WO2021051356A1 publication Critical patent/WO2021051356A1/zh

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/40—Data acquisition and logging

Definitions

  • the present invention relates to the field of data processing, and in particular to a method, device and computer readable medium for generating design parameter values.
  • the design process of process flow, production line, etc. usually involves a large number of design parameters.
  • the engineer needs to determine the design parameter value corresponding to each design parameter. For example, in the process of manufacturing process design and design, the engineer needs to determine the completion of a certain machine and equipment. The time required for a certain manufacturing step. For each design parameter in the design process, engineers need to spend a long time to determine the design parameter value corresponding to the design parameter. In order to improve the efficiency of determining the design parameter value, the design parameter can be recommended to the engineer based on the historical parameter design data. value.
  • a historical design parameter similar to the design parameter is determined from the reference historical parameter design data, and then determined according to the determined design parameter.
  • the similar historical design parameters are used to recommend the design parameter values of the design parameters.
  • design parameter values for a design parameter whose design parameter value is to be recommended, there may be multiple historical design parameters similar to the design parameter in the historical parameter design data, and refer to the recommended design parameters of different historical design parameters
  • the design parameter values may be different, but the existing design parameter value recommendation method only selects one of the similar historical design parameters to recommend the design parameter value, which leads to poor accuracy of the recommended design parameter value.
  • the design parameter value generation method, device and computer readable medium provided by the present invention can improve the accuracy of recommended design parameter values.
  • an embodiment of the present invention provides a method for generating design parameter values, including:
  • the first training data includes a first design parameter value corresponding to the target design parameter
  • a first parameter identifier for identifying the first design parameter value is generated, wherein, if the absolute value of the difference between the two first parameter identifiers is less than the first predetermined parameter value, If a threshold is set, the absolute value of the difference between the two first design parameter values identified by the two first parameter identifiers is smaller than a second preset threshold;
  • a second parameter identifier for identifying the target design parameter in the data to be processed is generated, wherein the semantic information is For describing the attributes of the data, if the similarity between the semantic information of the first training data and the semantic information of the data to be processed is greater than the third preset threshold, it is used for the first training data in the first training data.
  • the absolute value of the difference between the first parameter identifier and the second parameter identifier identified by a design parameter value is less than a fourth preset threshold;
  • the second parameter identifier is input into the parameter value generation model to obtain a second design parameter value corresponding to the target design parameter in the to-be-processed data.
  • the acquiring at least two pieces of first training data includes:
  • the second training data includes the target design parameter, determining whether the second training data includes the first design parameter value corresponding to the target design parameter;
  • the second training data includes the first design parameter value corresponding to the target design parameter, determining the second training data as one of the first training data
  • the second training data is discarded.
  • the second training data in combination with the above-mentioned first possible implementation manner, it further includes:
  • the second training data does not include the first design parameter value corresponding to the target design parameter, it is determined whether there is third training data in each of the first training data, wherein the third training The semantic information of the data is similar to the semantic information of the second training data;
  • the second training data is generated according to the first design parameter value corresponding to the target design parameter in the third training data The first design parameter value corresponding to the target design parameter, and determining the second training data as one of the first training data;
  • the second training data is discarded.
  • the first design parameter value corresponding to the target design parameter in the third training data is generated to generate the The first design parameter value corresponding to the target design parameter in the second training data includes:
  • the first design parameter value corresponding to the target design parameter in the third training data is used as the first design parameter value corresponding to the target design parameter in the second training data.
  • the For each of the first design parameter values, generating a first parameter identifier for identifying the first design parameter value includes:
  • Parameter identification wherein if the similarity of the semantic information of the two first training data is greater than the third preset threshold, and the two first design parameters included in the two first training data If the absolute value of the difference between the values is less than the second preset threshold, then the absolute value of the difference between the two first parameter identifiers mapped for the two first training data is less than the first Preset threshold.
  • an embodiment of the present invention also provides a device for generating design parameter values, including:
  • a parameter determination module for determining target design parameters with design parameter value generation requirements
  • a data acquisition module for acquiring at least two first training data, wherein the first training data includes a first design parameter value corresponding to the target design parameter determined by the parameter determination module ;
  • a first identification mapping module for generating a first design parameter value for identifying the first design parameter value for each of the first design parameter values included in the training data acquired by the data acquisition module Parameter identification, wherein if the absolute value of the difference between the two first parameter identifications is less than a first preset threshold, then the two first design parameter values identified by the two first parameter identifications The absolute value of the difference is smaller than the second preset threshold;
  • a model training module configured to use the first design parameter value included in each of the first training data acquired by the data acquisition module and the corresponding one determined by the first identification mapping module
  • the first parameter identification training parameter value generation model wherein the parameter value generation model is used to generate corresponding design parameter values according to the input parameter identification;
  • a second identification mapping module is used to generate a design for the target in the data to be processed based on the semantic information of the data to be processed and the semantic information of the first training data acquired by the data acquisition module
  • the second parameter identification for identifying the parameters, wherein the semantic information is used to describe the attributes of the data, if the semantic information of one of the first training data and the semantic information of the data to be processed are more similar than the third preset Threshold, the absolute value of the difference between the first parameter identifier and the second parameter identifier used to identify the first design parameter value in the first training data is smaller than a fourth preset threshold;
  • a parameter value generation module configured to input the second parameter identifier generated by the second identifier mapping module into the parameter value generation model trained by the model training module to obtain all the parameters in the to-be-processed data The second design parameter value corresponding to the target design parameter.
  • the data acquisition module includes:
  • a first judging unit for judging whether the target design parameter is included in the second training data for each input second training data
  • a second judgment unit is used to judge whether the second training data includes the target design parameter when the first judgment unit determines that the target design parameter is included in the second training data.
  • the first design parameter value corresponds to the first design parameter value
  • a first execution unit configured to use the second training data when the second judgment unit determines that the second training data includes the first design parameter value corresponding to the target design parameter Determined to be one of the first training data;
  • a second execution unit is configured to discard the second training data when the first judgment unit determines that the target design parameter is not included in the second training data.
  • the data acquisition module further includes:
  • a third judging unit is used to judge each of the first design parameter values corresponding to the target design parameter when the second judging unit determines that one of the second training data does not include the first design parameter value corresponding to the target design parameter Whether there is third training data in the training data, wherein the semantic information of the third training data is similar to the semantic information of the second training data;
  • a third execution unit is configured to, when the third judgment unit determines that the third training data exists in each of the first training data, according to the third training data corresponding to the target design parameter The first design parameter value, the first design parameter value corresponding to the target design parameter in the second training data is generated, and the second training data is determined as one of the first training data;
  • a fourth execution unit is configured to discard the second training data when the third judgment unit determines that the third training data does not exist in each of the first training data.
  • the third execution unit is configured to use the first design parameter value corresponding to the target design parameter in the third training data as the value corresponding to the target design parameter in the second training data The first design parameter value.
  • the first identification mapping module includes:
  • An identification acquiring unit for acquiring a third parameter identification included in the first training data, wherein the third parameter identification is a field in the semantic information;
  • An identification mapping unit is configured to map, for each of the first training data, the third parameter identification acquired by the identification acquisition unit in the first training data to be used in the first training data The first parameter identification of the first design parameter value, wherein, if the similarity of the semantic information of the two first training data is greater than the third preset threshold, and the two If the absolute value of the difference between the two first design parameter values included in the first training data is smaller than the second preset threshold value, then the two first training data mapped to the two The absolute value of the difference identified by the first parameter is smaller than the first preset threshold.
  • an embodiment of the present invention also provides another design parameter value generation device, including: at least one memory and at least one processor;
  • the at least one memory is used to store a machine-readable program
  • the at least one processor is configured to invoke the machine-readable program to execute the foregoing first aspect or the method provided by any possible implementation manner of the first aspect.
  • an embodiment of the present invention also provides a computer-readable medium on which computer instructions are stored.
  • the processor executes the first aspect or the first aspect described above. The method provided by any possible implementation.
  • a plurality of first training data including the first design parameter value corresponding to the target design parameter value is obtained, and then for each first training data
  • a first design parameter value in the training data is generated, a first parameter identifier for identifying the first design parameter value is generated, and it is ensured that the absolute value of the difference between the two first parameter identifiers is less than the first preset threshold value , The absolute value of the difference between the two first design parameter values identified by the two first parameter identifiers is less than the second preset threshold, and then use each first design parameter value and the corresponding first parameter identifier to train the parameters Value generation model.
  • a second parameter for identifying the target design parameters in the data to be processed is generated according to the semantic information of the data to be processed and the semantic information of each first training data And ensure that when the similarity between the semantic information of a first training data and the semantic information of the data to be processed is greater than the second preset threshold, the first used to identify the first design parameter value in the first training data The absolute value of the difference between the parameter identifier and the second parameter identifier is less than the fourth preset threshold, and then the generated second parameter identifier is input into the parameter value generation model to obtain the second design corresponding to the target design parameter in the data to be processed The parameter value.
  • the parameter value generation model is trained based on multiple first design parameter values, and the parameter value generation model is used to generate the second design parameter value recommended to the engineer. Because the generated second design parameter value comprehensively considers each first design parameter value. A design parameter value. When a single first design parameter value has an error, it will not cause a large error in the generated second design parameter value, so that the accuracy of the recommended design parameter value can be improved.
  • FIG. 1 is a flowchart of a method for generating design parameter values according to an embodiment of the present invention
  • FIG. 2A is a schematic diagram of a semantic mapping design parameter identification provided by an embodiment of the present invention.
  • 2B is a flowchart of a first training data acquisition method provided by an embodiment of the present invention.
  • FIG. 3 is a flowchart of another method for acquiring first training data according to an embodiment of the present invention.
  • FIG. 4 is a flowchart of a method for generating a first parameter identifier according to an embodiment of the present invention
  • FIG. 5 is a flowchart of another method for generating design parameter values according to an embodiment of the present invention.
  • FIG. 6 is a schematic diagram of a device for generating design parameter values according to an embodiment of the present invention.
  • FIG. 7 is a schematic diagram of another design parameter value generating device provided by an embodiment of the present invention.
  • FIG. 8 is a schematic diagram of yet another design parameter value generating device provided by an embodiment of the present invention.
  • FIG. 9 is a schematic diagram of yet another design parameter value generating device provided by an embodiment of the present invention.
  • Fig. 10 is a schematic diagram of a design parameter value generating device including a memory and a processor provided by an embodiment of the present invention.
  • Parameter determination module 602 Data acquisition module 603: First identification mapping module
  • Model training module 605 Second identification mapping module 606: Parameter value generation module
  • 6027 Fourth Execution Unit 6031: Identity Acquisition Unit 6032: Identity Mapping Unit
  • a plurality of first training data is acquired for a target design parameter with a design parameter value generation requirement, and each first training data includes a first design parameter value corresponding to the target design parameter , And then respectively generate first parameter identifiers for identifying each first design parameter value, and ensure that when the absolute value of the difference between the two first parameter identifiers is less than the first preset threshold, the two first parameters The absolute value of the difference between the two first design parameter values identified by the identifier is smaller than the second preset threshold, and then each first design parameter value and the corresponding first parameter identifier are used to train the parameter value generation model.
  • a second method for identifying the target design parameter in the data to be processed is generated according to the semantic information of the data to be processed and the semantic information of each first training data.
  • Two parameter identification and it is used to identify the first design parameter value in the first training data when the similarity between the semantic information of a first training data and the semantic information of the data to be processed is greater than the second preset threshold
  • the absolute value of the difference between the first parameter identifier and the second parameter identifier is less than the fourth preset threshold, and then the second parameter identifier is input into the parameter value generation model to obtain the second design corresponding to the target design parameter in the data to be processed Parameter value, the second design parameter value is used as the design parameter value recommended to the engineer.
  • the semantic information of the data to be processed is compared with The semantic information of the first training data generates the second parameter identifier, and the second parameter identifier is input into the parameter value generation model to obtain the recommended second design parameter value, because the parameter value generation model is trained based on each first design parameter value Therefore, the generated second design parameter value comprehensively refers to each first design parameter value, avoiding the contingency when only referring to the recommended design parameter value of one historical design parameter, and thus can improve the accuracy of the recommended design parameter value.
  • the first preset threshold, the second preset threshold, the third preset threshold, and the fourth preset threshold are all preset numerical values, and the specific numerical values can be based on the type of target design parameter and the target.
  • the value range of the design parameter value is determined. For example, when the target design parameter is the processing time required by the wire cutting equipment to process a certain workpiece, the first preset threshold can be set to 5, the second preset threshold is 3, the third preset threshold is 90%, and the fourth The preset threshold is 5.
  • the two first parameter identifiers identified by the two first parameter identifiers if the absolute value of the difference between the two first parameter identifiers is less than the first preset threshold, then the two first parameter identifiers identified by the two first parameter identifiers The absolute value of the difference between a design parameter value is less than the second preset threshold.
  • the absolute value of the difference between the two first parameter identifiers is positively correlated with the absolute value of the difference between the corresponding two first design parameter values, that is, any two The smaller the absolute value of the difference between the first parameter identifiers, the smaller the absolute value of the difference between the two first design parameter values identified by the two first parameter identifiers.
  • the similar first design parameter value has the similar first parameter identifier, and each first design parameter value and the corresponding first parameter can be used.
  • the identifier is used to train the parameter value generation model, so that the training parameter value generation model can generate the design parameter value according to the input parameter identifier.
  • any piece of first training data if the similarity between the semantic information of the first training data and the semantic information of the data to be processed is greater than the third preset threshold, it is used for the first training data.
  • the absolute value of the difference between the first parameter identifier and the second parameter identifier identified by the first design parameter value in is smaller than the fourth preset threshold, that is, the higher the similarity of semantic information between a first training data and the data to be processed ,
  • the difference between the first parameter identifier used to identify the first design parameter value in the first training data and the second parameter identifier used to identify the target design parameter in the data to be processed is smaller.
  • the value of the target design parameter in the data to be processed should be the same as that in the first training data.
  • the value of the first design parameter is close to each other. Therefore, when determining the second parameter identifier used to identify the target design parameter in the data to be processed, it is necessary to make the value of the second parameter identifier and the value used in the first training data
  • the first parameter identifier identified by the first design parameter value is close, so that after the second parameter identifier is input to the parameter value generation model, the parameter value generation model can output the first design parameter value in the first training data. Close to the second design parameter value, thereby further ensuring the accuracy of the recommended design parameter value.
  • first parameter identification and the second parameter identification may be pure numerical values, or a combination of numerical values and letters or symbols.
  • first parameter identifier and the second parameter identifier are pure values
  • the difference between the two first parameter identifiers and the difference between the first parameter identifier and the second parameter identifier can be directly calculated, for example, the first parameter identifier is 100, The second parameter identifier is 101, and the absolute value of the difference between the first parameter identifier and the second parameter identifier is equal to 1.
  • the first parameter identifier and the second parameter identifier are a combination of a numeric value and a letter or symbol
  • the letters and symbols in the first parameter identifier and the second parameter identifier can be ignored, and only those in the first parameter identifier and the second parameter identifier can be ignored.
  • the numerical part is calculated.
  • the first parameter identifier is S100
  • the second parameter identifier is S102
  • the absolute value of the difference between the first parameter identifier and the second parameter identifier is equal to 2.
  • an embodiment of the present invention provides a method for generating design parameter values.
  • the method may include the following steps:
  • Step 101 Determine the target design parameters with design parameter value generation requirements
  • Step 102 Obtain at least two first training data, where the first training data includes a first design parameter value corresponding to the target design parameter;
  • Step 103 For each first design parameter value, generate a first parameter identifier for identifying the first design parameter value, where if the absolute value of the difference between the two first parameter identifiers is less than the first preset Threshold, the absolute value of the difference between the two first design parameter values identified by the two first parameter identifiers is smaller than the second preset threshold;
  • Step 104 Use each first design parameter value and the corresponding first parameter identifier to train the parameter value generation model, where the parameter value generation model is used to generate the corresponding design parameter value according to the input parameter identifier;
  • Step 105 According to the semantic information of the data to be processed and the semantic information of the first training data, generate a second parameter identifier for identifying the target design parameter in the data to be processed, wherein the semantic information is used to describe the attributes of the data, if If the similarity between the semantic information of the first training data and the semantic information of the data to be processed is greater than the third preset threshold, the first parameter identifier and the first parameter identifier used to identify the first design parameter value in the first training data The absolute value of the difference identified by the second parameter is less than the fourth preset threshold;
  • Step 106 Input the second parameter identifier into the parameter value generation model, and obtain the second design parameter value corresponding to the target design parameter in the data to be processed.
  • the design parameter value generation method obtaineds a plurality of first training data including the first design parameter value corresponding to the target design parameter value after determining a target design parameter with a design parameter value generation requirement , And then for each first design parameter value in the first training data, generate a first parameter identifier for identifying the first design parameter value, and ensure that the absolute value of the difference between the two first parameter identifiers is less than When the first preset threshold value, the absolute value of the difference between the two first design parameter values identified by the two first parameter identifiers is less than the second preset threshold value. After that, each first design parameter value and the corresponding first design parameter value are used. The parameter identification is used to train the parameter value generation model.
  • a second parameter for identifying the target design parameters in the data to be processed is generated according to the semantic information of the data to be processed and the semantic information of each first training data And ensure that when the similarity between the semantic information of a first training data and the semantic information of the data to be processed is greater than the second preset threshold, the first used to identify the first design parameter value in the first training data The absolute value of the difference between the parameter identifier and the second parameter identifier is less than the fourth preset threshold, and then the generated second parameter identifier is input into the parameter value generation model to obtain the second design corresponding to the target design parameter in the data to be processed The parameter value.
  • the parameter value generation model is trained based on multiple first design parameter values, and the parameter value generation model is used to generate the second design parameter value recommended to the engineer. Because the generated second design parameter value comprehensively considers each first design parameter value. A design parameter value. When a single first design parameter value has an error, it will not cause a large error in the generated second design parameter value, so that the accuracy of the recommended design parameter value can be improved.
  • the similarity between the data to be processed and the first training data is determined according to the semantic information.
  • the semantic information is used to describe the attributes of the data.
  • the semantic information can include multiple fields, such as a first training data in the process of designing a product.
  • the semantic information of the first training data is the machine type, the machine name, and the stage involved in the product processing. .
  • the trained parameter value generation model is used to generate corresponding design parameter values according to the input parameter identification, in order to enable the parameter value generation model to generate design parameters for the target design parameters in the data to be processed Value, it is first necessary to generate a second parameter identifier for identifying the target design parameter in the data to be processed. Specifically, when generating the second parameter identifier, according to the semantic information of the data to be processed and the semantic information of each first training data, the first training data that is closest to the data to be processed in the semantic space can be found from each first training data.
  • Training data that is, find a first training data that is most similar to the data to be processed from each first training data, and then determine the second training data according to the first parameter identification of the first design parameter value in the found first training data
  • the parameter identifier so that the determined second parameter identifier is the same as or similar to the first parameter identifier of the first design parameter value in the found first training data.
  • the second parameter is determined based on the first parameter identifier of the first design parameter value in the first training data similar to the data to be processed
  • the parameter value generation model can input the second design parameter value, and the first design parameter value in the first training data similar to the data to be processed is the same as The second design parameter values are similar.
  • the target design parameter is a field
  • the first design parameter value and the second design parameter value are specific parameter values of the target design parameter.
  • the first design parameter value may be 20 seconds
  • the second design parameter value may be 56 seconds.
  • step 103 when step 103 generates the first parameter identifier for identifying the first design parameter value, it is to make the value of the generated first parameter identifier It is correlated with the value of the first design parameter value, so that the parameter value generation model can be trained according to each first design parameter value and the corresponding first parameter identifier, so that the trained parameter value generation model can be based on the input
  • the parameter identification generates the corresponding design parameter value.
  • the first design parameter value in the training data generates a first parameter identifier that is correlated with the value of the first design parameter value.
  • the five first design parameters are the first design parameter 1, the first design parameter 2, the first design parameter 3, the first design parameter 4, and the first design parameter 5.
  • the original identification of 1 is A
  • the original identification of the first design parameter 2 is B
  • the original identification of the first design parameter 3 is C
  • the original identification of the first design parameter 4 is D
  • the original identification of the first design parameter 5 The original logo is E.
  • the values of the first design parameter 1 and the first design parameter 3 are similar, and the values of the first design parameter 2 and the first design parameter 5 are similar, but there is no correlation between the original logo A and the original logo C, and the original logo B There is also no correlation with the original logo E, so it is impossible to generate a model based on the five first design parameters and the corresponding original logo training parameter values.
  • the original identifier A is mapped to S11
  • the original identifier B is mapped to S31
  • the original identifier C is mapped to S12
  • the original identifier D is mapped to S21
  • the original identifier E is mapped to S32.
  • the first design parameter 1 is marked as S11
  • the first design parameter 2 is marked as S31
  • the first design parameter 3 is marked as S12
  • the first design parameter 4 is marked as S21
  • the first design parameter is marked as S21.
  • the identification of 5 is S32. It can be seen that the values of the first design parameter 1 and the first design parameter 3 are similar, and the corresponding identification S11 of the first design parameter 1 is also similar to the identification S12 of the first design parameter 3.
  • the values of parameter 2 and the first design parameter 5 are similar, and the corresponding first design parameter 2’s identifier S31 is also similar to the first design parameter 5’s identifier S32, so that the first design parameter’s identifier and the first design parameter’s value have Correlation, so that the first design parameter and the semantically mapped identifier (first parameter identifier) can be used to train the parameter value generation model.
  • the training data including the first design parameter value may be directly determined as the first training data.
  • the method for obtaining the first training data may include the following steps:
  • Step 201 For each input second training data, determine whether the second training data includes target design parameters, if it is Y, go to step 202, if not N, go to step 204;
  • Step 202 Determine whether the second training data includes the first design parameter value corresponding to the target design parameter
  • Step 203 When the second training data includes the first design parameter value corresponding to the target design parameter, determine the second training data as a first training data, and end the current process;
  • Step 204 discard the second training data.
  • the first training data since the first design parameter value in the first training data needs to be used to train the parameter value generation model, and the first design parameter value is the specific value of the target design parameter, the first training data first needs to include There are target design parameters. After determining that a second training data includes target design parameters, it is also necessary to determine whether the second training data includes the first design parameter value corresponding to the target design parameter, that is, determine whether the second training data includes The specific value of the target design parameter.
  • the second training data includes the first design parameter value corresponding to the target design parameter, it means that the target design parameter in the second training data has prior knowledge, and the second training can be used
  • the first design parameter value corresponding to the target design parameter in the data is used to train the parameter value generation model, and then the second training data is determined as a first training data. If it is determined that a second training data does not include the target design parameter, the second training data is useless for the training parameter value generation model, and the second training data is discarded.
  • the second training data with a priori knowledge for the target design parameter is determined as the first training data, and then after the first design parameter value in the first training data is used to train the parameter value generation model, It is ensured that the trained parameter value generation model can generate the second design parameter value more accurately, thereby further improving the accuracy of the recommended design parameter value.
  • the method for acquiring the first training data may include the following steps:
  • Step 201 For each input second training data, determine whether the second training data includes target design parameters, if it is Y, go to step 202, if not N, go to step 204;
  • Step 202 Determine whether the second training data includes the first design parameter value corresponding to the target design parameter, if it is Y, go to step 203, if not N, go to step 205;
  • Step 203 Determine the second training data as one training data, and end the current process
  • Step 205 According to the semantic information of the second training data and the determined semantic information of each first training data, it is judged whether there is third training data in each first training data.
  • the semantic information of the training data is similar, if it is Y, go to step 206, if not, go to step 204;
  • Step 206 According to the first design parameter value corresponding to the target design parameter in the third training data, generate the first design parameter value corresponding to the target design parameter in the second training data, and determine the second training data as One first training data, and end the current process;
  • Step 204 discard the second training data.
  • the semantic information and the second training data can be searched from the determined first training data.
  • the second training data is similar to the third training data, and then according to the first design parameter value in the third training data, the first design parameter value corresponding to the target design parameter in the second training data is generated, and then the first design parameter value corresponding to the target design parameter in the second training data is generated.
  • the second training data of the generated first design parameter value is determined as a first training data to participate in the training of the parameter value generation model.
  • the first training data whose semantic information is similar to the second training data can be searched.
  • the amount of the first training data used to train the parameter value generation model can be increased, so that accurate training data can be generated for a smaller training set.
  • Parameter value generation model by generating the first design parameter value for the second training data that does not include the first design parameter value, the training data without prior knowledge can also participate in the model training process, which improves the applicability of the design parameter value generation method.
  • step 206 according to the first design parameter value corresponding to the target design parameter in the third training data, the second training data and the target design parameter are generated.
  • the first design parameter value corresponding to the target design parameter in the third training data can be directly used as the first design parameter value corresponding to the target design parameter in the second training data.
  • the value of the target design parameter in the second training data should be the same as the value of the target design parameter in the third training data.
  • the first design parameter value in the third training data can be directly determined as the first design parameter value corresponding to the target design parameter in the second training data, that is, the target design parameter in the second training data and the first design parameter value can be directly determined.
  • the target design parameters in the three training data have the same first design parameter value. Make the target design parameter in the second training data have the same value as the target design parameter in the third training data, and quickly generate the corresponding first design parameter value for the target design parameter in the second training data, thereby improving the acquisition The efficiency of the first training data.
  • the first design parameter value in the third training data in addition to directly determining the first design parameter value in the third training data as the first design parameter value corresponding to the target design parameter in the second training data in the above embodiment, it can also be based on the second training data.
  • the difference between the semantic information in the third training data and the first design parameter value in the third training data determines the value of the target design parameter in the second training data. For example, first calculate the matching coefficient between the semantic information in the second training data and the semantic information in the third training data, and then modify the value of the first design parameter in the third training data according to the calculated matching coefficient, and use the modified first design parameter value.
  • the first design parameter value in the training data is used as the first design parameter value corresponding to the target design parameter in the second training data.
  • the third parameter in the first training data may be identified
  • the mapping is the first parameter identifier.
  • the method for generating the first parameter identifier may include the following steps:
  • Step 401 Obtain a third parameter identifier included in the first training data, where the third parameter identifier is a field in semantic information;
  • Step 402 For each first training data, map the third parameter identifier in the first training data to a first parameter identifier for identifying the first design parameter value in the first training data, where: If the similarity of the semantic information of the two first training data is greater than the third preset threshold, and the absolute value of the difference between the two first design parameter values included in the two first training data is less than the second preset threshold , The absolute value of the difference between the two first parameter identifiers mapped for the two first training data is smaller than the first preset threshold.
  • the first training data originally includes a third parameter identifier for identifying the first design parameter value, but the third parameter identifier is usually not related to the size of the first design parameter value identified by it. Therefore, the parameter value generation model cannot be trained based on the third parameter identifier and the first design parameter value identified by the third parameter identifier. To this end, it is necessary to map the third parameter identifier to the first parameter identifier according to the semantic information of the first training data, so that the first parameter identifier is associated with the size of the first device parameter value identified by it, and only then can it be based on the first parameter identifier. A parameter identifier and its identified first design parameter value are used to train the parameter value generation model, so that the corresponding design parameter value can be obtained after the parameter identifier is input to the parameter value generation model.
  • the value of the third parameter identifier does not affect the size of the first parameter identifier, and the size of the first parameter identifier is determined by the size of the corresponding first training data. Semantic information decision. Specifically, for any two first training data, the similarity of the semantic information of the two first training data is higher, and the difference between the two first design parameter values in the two first training data is smaller , The difference between the two first parameter identifiers mapped for the two first training data is smaller.
  • the third parameter identifier is mapped to the first parameter identifier according to the semantic information of the first training data and the size of the first design parameter value in the first training data, so that the first parameter identifier and the size of the first design parameter value identified by it are mapped Correlation, so that when the parameter value generation model is trained, the first parameter identifier and the first design parameter value can be clustered, and the corresponding design parameter value can be generated according to the input parameter identifier.
  • the corresponding first parameter identifier is generated for the first design parameter value based on semantic mapping, so that the size of the first parameter identifier is associated with the size of the first design parameter value, so that two first parameter identifiers
  • the distance between may reflect the similarity of the two first design parameter values identified by the two first parameter identifiers, so as to recommend the design parameter values to the engineer based on the historical design parameter data.
  • the design parameter value generation method may include the following steps:
  • Step 501 Determine a target design parameter that has a design parameter value generation requirement.
  • the design parameter for which the design parameter value needs to be recommended to the engineer is determined as the target design parameter according to the design requirement of the engineer.
  • the processing time is determined as the target design parameter.
  • Step 502 Obtain second training data including target design parameters.
  • the second training data including the target design parameters is obtained from the historical parameter design data.
  • the obtained second training data is shown in Table 1 below.
  • each second training data includes a product, step, process, machine name, machine model, and processing time for a total of six
  • the values of these six fields are the semantic information of the corresponding second training data, and the processing time field included in the semantic information is the target design parameter.
  • Step 503 Generate a first design parameter value for the second training data, and obtain the first training data.
  • the second training data after acquiring the second training data including the target design parameters, for each second training data, if the second training data includes the first design parameters corresponding to the target design parameters Value, the second training data is directly used as the first training data. If the second training data does not include the first design parameter value corresponding to the target design parameter, then according to the semantic information of the second training data, A first design parameter value in the first training data similar to the second training data is used as the first design parameter value corresponding to the target design parameter in the second training data.
  • the 5 second training data corresponding to the machine names of S502, T232, S377, S391 and S733 include specific values of processing time.
  • the second training data serves as 5 first training data.
  • the product, steps, processes, and machine model of the second training data are the same as the second training data with a corresponding machine name of S502. Therefore, the processing time of the second training data is configured Is 20, and then use the second training data as a first training data.
  • Step 504 Map the third parameter identifier in the first training data to the first parameter identifier.
  • the third parameter identifier originally used to identify the first design parameter value in the first training data is mapped to the first parameter identifier, and the mapped The first parameter identifier is associated with the size of the corresponding first design parameter value. The smaller the difference between the two first parameter identifiers, the smaller the difference between the two first design parameter values identified by the two first parameter identifiers. The smaller.
  • the machine name in the first training data is determined as the third parameter identifier, and the third parameter identifier in each first training data is mapped to the first parameter identifier as shown in Table 3.
  • the third parameter identification (machine name) First parameter identification
  • Step 505 Generate a model according to each first design parameter value and the corresponding first parameter identification training parameter value.
  • each first parameter identifier and the first design parameter value identified by it are used as training data to train the parameter value generation model, and the parameter value generation model that can generate the corresponding design parameter value according to the input parameter identifier is obtained. model.
  • the last two columns of data in Table 3 above are used as training data to train the parameter value generation model.
  • the recommended design parameter values output by the parameter value generation model can be obtained, as shown in Table 4 below. According to the data in Table 4, the recommended design parameter value output by the parameter value generation model according to the first parameter identification value is similar to the first design parameter value identified by the first parameter identification, indicating that the parameter value generation model can be generated according to the parameter identification More accurate design parameter values.
  • Step 506 Generate a second parameter identifier for identifying the target design parameter in the data to be processed.
  • the present invention when it is necessary to recommend the design parameter value of the target design parameter in the data to be processed, according to the semantic information of the data to be processed and each first training data, search for the semantic space and the to-be-processed data from each first training data. Process a first training data with similar data, and then determine the second parameter identifier corresponding to the data to be processed according to the first parameter identifier corresponding to the found first training data, so that the second parameter identifier is the same as the first parameter identifier found.
  • the first parameter identifiers corresponding to the training data are similar.
  • step 10 of manufacturing product P01 a new machine for completing step 10 is added, the machine name of the newly added machine is S300, and the machine type of the newly added machine is type A, because the newly added machine
  • the corresponding products, steps, processes and machine models of the machine are the same as the machine with the machine name of S502, so the second parameter identifier of the newly added machine can be mapped to 102, and the first parameter identifier corresponding to the machine with the machine name of S502 similar.
  • Step 507 Input the second parameter identifier into the parameter value generation model to obtain the second design parameter value.
  • the acquired second parameter identifier is input into the parameter value generation model, and the output value of the parameter value generation model is obtained.
  • the second design parameter value which is the recommended design parameter value for the target design parameter in the data to be processed.
  • the second design parameter value input by the parameter value generation model is 18.8147, that is, the time required for the machine with the recommended machine name S300 to complete the process 20 is 18.8147 seconds.
  • an embodiment of the present invention provides a device for generating design parameter values, including:
  • a data acquisition module 602 configured to acquire at least two first training data, where the first training data includes a first design parameter value corresponding to the target design parameter determined by the parameter determination module 601;
  • a first identification mapping module 603 is configured to generate a first parameter identification for identifying the first design parameter value for the first design parameter value included in each training data acquired by the data acquisition module 602, where If the absolute value of the difference between the two first parameter identifiers is less than the first preset threshold, the absolute value of the difference between the two first design parameter values identified by the two first parameter identifiers is less than the second preset Threshold
  • a model training module 604 for using the first design parameter value included in each first training data acquired by the data acquisition module 602 and the corresponding first parameter identification training parameter value determined by the first identification mapping module 603 Generate a model, where the parameter value generation model is used to generate corresponding design parameter values according to the input parameter identifiers;
  • a second identification mapping module 605 for generating second parameters for identifying target design parameters in the data to be processed based on the semantic information of the data to be processed and the semantic information of the first training data acquired by the data acquisition module 602 Identification, where the semantic information is used to describe the attributes of the data. If the similarity between the semantic information of a first training data and the semantic information of the data to be processed is greater than the third preset threshold, it is used for the The absolute value of the difference between the first parameter identifier and the second parameter identifier identified by the first design parameter value is less than the fourth preset threshold;
  • a parameter value generating module 606 is used to input the second parameter identifier generated by the second identifier mapping module 605 into the parameter value generating model trained by the model training module 604 to obtain the second parameter corresponding to the target design parameter in the data to be processed Design parameter value.
  • the parameter determination module 601 can be used to perform step 101 in the above method embodiment
  • the data acquisition module 602 can be used to perform step 102 in the above method embodiment
  • the first identification mapping module 603 can be used to perform the above method.
  • the model training module 604 can be used to perform step 104 in the above method embodiment
  • the second identification mapping module 605 can be used to perform step 105 in the above method embodiment
  • the parameter value generation module 606 can be used to perform the above Step 106 in the method embodiment.
  • the data acquisition module 602 includes:
  • a first judging unit 6021 is used for judging whether the second training data includes target design parameters for each input second training data
  • a second judging unit 6022 is used for judging whether the second training data includes the first design parameter corresponding to the target design parameter when the first judging unit 6021 determines that a target design parameter is included in the second training data value;
  • a first execution unit 6023 is used to determine the second training data as a first training when the second judgment unit 6022 determines that a second training data includes a first design parameter value corresponding to a target design parameter data;
  • a second execution unit 6024 is used to discard the second training data when the first judgment unit 6021 determines that the target design parameter is not included in the second training data.
  • the first judgment unit 6021 can be used to execute step 201 in the above method embodiment
  • the second judgment unit 6022 can be used to execute step 202 in the above method embodiment
  • the first execution unit 6023 can be used to execute the above In step 203 in the method embodiment
  • the second execution unit 6024 may be used to execute step 204 in the above method embodiment.
  • the data acquisition module 602 further includes:
  • a third judging unit 6025 is used for judging whether there is a third training in each first training data when the second judging unit 6022 determines that a second training data does not include the first design parameter value corresponding to the target design parameter Data, where the semantic information of the third training data is similar to the semantic information of the second training data;
  • a third execution unit 6026 is configured to generate the third training data according to the first design parameter value corresponding to the target design parameter in the third training data when the third judgment unit 6025 determines that the third training data exists in each first training data The first design parameter value corresponding to the target design parameter in the second training data, and determining the second training data as a first training data;
  • a fourth execution unit 6027 is used to discard the second training data when the third judgment unit 6025 determines that the third training data does not exist in each first training data.
  • the third judgment unit 6025 can be used to execute step 205 in the above method embodiment
  • the third execution unit 6026 can be used to execute step 206 in the above method embodiment
  • the fourth execution unit 6027 can be used to execute step 206 in the above method embodiment. Step 204 in the method embodiment.
  • the third execution unit 6026 is configured to use the first design parameter value corresponding to the target design parameter in the third training data as the second training data The first design parameter value corresponding to the target design parameter value.
  • the first identification mapping module 603 includes:
  • An identification acquiring unit 6031 configured to acquire a third parameter identification included in the first training data, where the third parameter identification is a field in semantic information;
  • An identification mapping unit 6032 is configured to map the third parameter identification obtained by the identification acquisition unit 6031 in the first training data to the first design for the first training data for each first training data
  • the first parameter is identified by the parameter value, wherein, if the similarity of the semantic information of the two first training data is greater than the third preset threshold, and the two first training data included in the two If the absolute value of the difference between the first design parameter values is less than the second preset threshold, the difference between the two first parameter identifiers mapped by the two first training data The absolute value is less than the first preset threshold.
  • the identification acquisition unit 6031 may be used to execute step 401 in the foregoing method embodiment, and the identification mapping unit 6032 may be used to execute step 402 in the foregoing method embodiment.
  • an embodiment of the present invention provides another design parameter value generating device, including:
  • At least one processor 1002 coupled with the at least one memory 1001, when executing the executable instructions, is configured to:
  • the first training data includes a first design parameter value corresponding to the target design parameter
  • a first parameter identifier for identifying the first design parameter value is generated, wherein, if the absolute value of the difference between the two first parameter identifiers is less than the first predetermined parameter value, If a threshold is set, the absolute value of the difference between the two first design parameter values identified by the two first parameter identifiers is smaller than a second preset threshold;
  • a second parameter identifier for identifying the target design parameter in the data to be processed is generated, wherein the semantic information is For describing the attributes of the data, if the similarity between the semantic information of the first training data and the semantic information of the data to be processed is greater than the third preset threshold, it is used for the first training data in the first training data.
  • the absolute value of the difference between the first parameter identifier and the second parameter identifier identified by a design parameter value is less than a fourth preset threshold;
  • the second parameter identifier is input into the parameter value generation model to obtain a second design parameter value corresponding to the target design parameter in the to-be-processed data.
  • the at least one processor 1002 is further configured to: when executing the executable instruction:
  • the second training data includes the target design parameter, determining whether the second training data includes the first design parameter value corresponding to the target design parameter;
  • the second training data includes the first design parameter value corresponding to the target design parameter, determining the second training data as one of the first training data
  • the second training data is discarded.
  • the at least one processor 1002 is further configured to: when executing the executable instruction:
  • the second training data does not include the first design parameter value corresponding to the target design parameter, it is determined whether there is third training data in each of the first training data, wherein the third training The semantic information of the data is similar to the semantic information of the second training data;
  • the second training data is generated according to the first design parameter value corresponding to the target design parameter in the third training data The first design parameter value corresponding to the target design parameter, and determining the second training data as one of the first training data;
  • the second training data is discarded.
  • the at least one processor 1002 is further configured to: when executing the executable instruction:
  • the first design parameter value corresponding to the target design parameter in the third training data is used as the first design parameter value corresponding to the target design parameter in the second training data.
  • the at least one processor 1002 is further configured to: when executing the executable instruction:
  • Parameter identification wherein if the similarity of the semantic information of the two first training data is greater than the third preset threshold, and the two first design parameters included in the two first training data If the absolute value of the difference between the values is less than the second preset threshold, then the absolute value of the difference between the two first parameter identifiers mapped for the two first training data is less than the first Preset threshold.
  • the present invention also provides a computer-readable medium that stores instructions for making a computer execute the method for generating design parameter values as described herein.
  • a system or device equipped with a storage medium may be provided, and the software program code for realizing the function of any one of the above-mentioned embodiments is stored on the storage medium, and the computer (or CPU or MPU of the system or device) ) Read and execute the program code stored in the storage medium.
  • the program code itself read from the storage medium can implement the function of any one of the above-mentioned embodiments, so the program code and the storage medium storing the program code constitute a part of the present invention.
  • Examples of storage media used to provide program codes include floppy disks, hard disks, magneto-optical disks, optical disks (such as CD-ROM, CD-R, CD-RW, DVD-ROM, DVD-RAM, DVD-RW, DVD+RW), Magnetic tape, non-volatile memory card and ROM.
  • the program code can be downloaded from the server computer via a communication network.
  • the program code read from the storage medium is written to the memory provided in the expansion board inserted into the computer or to the memory provided in the expansion unit connected to the computer, and then the program code is based on The instructions cause the CPU installed on the expansion board or the expansion unit to perform part or all of the actual operations, so as to realize the function of any one of the above-mentioned embodiments.
  • system structure described in the foregoing embodiments may be a physical structure or a logical structure. That is, some modules may be implemented by the same physical entity, or some modules may be implemented by multiple physical entities, or may be implemented by multiple physical entities. Some components in independent devices are implemented together.
  • the hardware unit can be implemented mechanically or electrically.
  • a hardware unit may include a permanent dedicated circuit or logic (such as a dedicated processor, FPGA or ASIC) to complete the corresponding operation.
  • the hardware unit may also include programmable logic or circuits (such as general-purpose processors or other programmable processors), which may be temporarily set by software to complete corresponding operations.
  • the specific implementation method mechanical method, or dedicated permanent circuit, or temporarily set circuit

Landscapes

  • Engineering & Computer Science (AREA)
  • General Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Hardware Design (AREA)
  • Data Mining & Analysis (AREA)
  • Databases & Information Systems (AREA)
  • Mathematical Physics (AREA)
  • Software Systems (AREA)
  • General Physics & Mathematics (AREA)
  • Machine Translation (AREA)

Abstract

一种设计参数值生成方法、装置和计算机可读介质，该设计参数值生成方法包括：确定具有设计参数值生成需求的目标设计参数（101）；获取至少两个包括有与目标设计参数相对应的第一设计参数值的第一训练数据（102）；针对每一个第一设计参数值，生成用于对该第一设计参数值进行标识的第一参数标识（103）；利用各个第一设计参数值和相对应的第一参数标识训练参数值生成模型（104）；根据待处理数据的语义信息和第一训练数据的语义信息，生成用于对待处理数据中的目标设计参数进行标识的第二参数标识（105）；将第二参数标识输入参数值生成模型，获得与待处理数据中的目标设计参数相对应的第二设计参数值（106）。所述方法能够提高所推荐设计参数值的准确性。

Description

设计参数值生成方法、装置和计算机可读介质 技术领域
本发明涉及数据处理领域，尤其涉及设计参数值生成方法、装置和计算机可读介质。
背景技术
工艺流程、生产线等的设计过程通常会涉及到大量的设计参数，工程师需要分别确定每一个设计参数所对应的设计参数值，比如在生产制造工艺设计设计过程中，工程师需要确定某一机器设备完成某一制造步骤所需的时间。针对设计过程中的每一个设计参数，工程师均需要耗费较长的时间来确定该设计参数所对应的设计参数值，为了提高确定设计参数值的效率，可以基于历史参数设计数据向工程师推荐设计参数值。
目前，在基于历史参数设计数据向工程师推荐设计参数值时，针对一个待推荐设计参数值的设计参数，从参考历史参数设计数据确定一个与该设计参数相似的历史设计参数，进而根据所确定出的相似的历史设计参数来推荐该设计参数的设计参数值。
针对目前推荐设计参数值的方法，针对一个待推荐设计参数值的设计参数，由于历史参数设计数据中可能会存在多个与该设计参数相似的历史设计参数，而且参考不同历史设计参数所推荐的设计参数值可能不同，但现有设计参数值推荐方法仅选择其中一个相似的历史设计参数来推荐设计参数值，这就导致所推荐设计参数值的准确性较差。
发明内容
有鉴于此，本发明提供的设计参数值生成方法、装置和计算机可读介质，能够提高所推荐设计参数值的准确性。
第一方面，本发明实施例提供了一种设计参数值生成方法，包括：
确定具有设计参数值生成需求的目标设计参数；
获取至少两个第一训练数据，其中，所述第一训练数据中包括有一个与所述目标设计参数相对应的第一设计参数值；
针对每一个所述第一设计参数值，生成用于对该第一设计参数值进行标识的第一参数标识，其中，如果两个所述第一参数标识的差值的绝对值小于第一预设阈值，则该两 个所述第一参数标识所标识的两个所述第一设计参数值的差值的绝对值小于第二预设阈值；
利用各个所述第一设计参数值和相对应的所述第一参数标识训练参数值生成模型，其中，所述参数值生成模型用于根据输入的参数标识生成相对应的设计参数值；
根据待处理数据的语义信息和各个所述第一训练数据的语义信息，生成用于对所述待处理数据中的所述目标设计参数进行标识的第二参数标识，其中，所述语义信息用于描述数据的属性，如果一个所述第一训练数据的语义信息与所述待处理数据的语义信息的相似度大于第三预设阈值，则用于对该第一训练数据中的所述第一设计参数值进行标识的所述第一参数标识与所述第二参数标识的差值的绝对值小于第四预设阈值；
将所述第二参数标识输入所述参数值生成模型，获得与所述待处理数据中的所述目标设计参数相对应的第二设计参数值。
在第一种可能的实现方式中，结合上述的第一方面，所述获取至少两个第一训练数据，包括：
针对输入的每一个第二训练数据，判断该第二训练数据中是否包括有所述目标设计参数；
如果该第二训练数据中包括有所述目标设计参数，则判断该第二训练数据中是否包括有与所述目标设计参数相对应的所述第一设计参数值；
如果该第二训练数据中包括有与所述目标设计参数相对应的所述第一设计参数值，则将该第二训练数据确定为一个所述第一训练数据；
如果该第二训练数据中不包括所述目标设计参数，则将该第二训练数据舍弃。
在第二种可能的实现方式中，结合上述的第一种可能的实现方式，在所述判断该第二训练数据中是否包括有与所述目标设计参数相对应的所述第一设计参数值之后，进一步包括：
如果该第二训练数据中不包括与所述目标设计参数相对应的所述第一设计参数值，则判断各个所述第一训练数据中是否存在第三训练数据，其中，所述第三训练数据的语义信息与该第二训练数据的语义信息相似；
如果各个所述第一训练数据中存在所述第三训练数据，则根据所述第三训练数据中与所述目标设计参数相对应的所述第一设计参数值，生成该第二训练数据中与所述目标设计参数相对应的所述第一设计参数值，并将该第二训练数据确定为一个所述第一训练数据；
如果各个所述第一训练数据中不存在所述第三训练数据，则将该第二训练数据舍弃。
在第三种可能的实现方式中，结合上述的第二种可能的实现方式，所述根据所述第三训练数据中与所述目标设计参数相对应的所述第一设计参数值，生成该第二训练数据中与所述目标设计参数相对应的所述第一设计参数值，包括：
将所述第三训练数据中与所述目标设计参数相对应的所述第一设计参数值作为该第二训练数据中与所述目标设计参数相对应的所述第一设计参数值。
在第四种可能的实现方式中，结合上述第一方面以及第一方面的第一种可能的实现方式、第二种可能的实现方式和第三种可能的实现方式中的任意一个，所述针对每一个所述第一设计参数值，生成用于对该第一设计参数值进行标识的第一参数标识，包括：
获取所述第一训练数据所包括的第三参数标识，其中，所述第三参数标识为所述语义信息中的一个字段；
针对每一个所述第一训练数据，将该第一训练数据中的所述第三参数标识映射为用于对该第一训练数据中的所述第一设计参数值进行标识的所述第一参数标识，其中，如果两个所述第一训练数据的语义信息的相似度大于所述第三预设阈值，且该两个所述第一训练数据所包括的两个所述第一设计参数值的差值的绝对值小于所述第二预设阈值，则针对该两个所述第一训练数据所映射出的两个所述第一参数标识的差值的绝对值小于所述第一预设阈值。
第二方面，本发明实施例还提供了一种设计参数值生成装置，包括：
一个参数确定模块，用于确定具有设计参数值生成需求的目标设计参数；
一个数据获取模块，用于获取至少两个第一训练数据，其中，所述第一训练数据中包括有一个与所述参数确定模块确定出的所述目标设计参数相对应的第一设计参数值；
一个第一标识映射模块，用于针对所述数据获取模块获取到的每一个所述训练数据中包括的所述第一设计参数值，生成用于对该第一设计参数值进行标识的第一参数标识，其中，如果两个所述第一参数标识的差值的绝对值小于第一预设阈值，则该两个所述第一参数标识所标识的两个所述第一设计参数值的差值的绝对值小于第二预设阈值；
一个模型训练模块，用于利用所述数据获取模块获取到的各个所述第一训练数据所包括的所述第一设计参数值和由所述第一标识映射模块确定出的相对应的所述第一参数标识训练参数值生成模型，其中，所述参数值生成模型用于根据输入的参数标识生成相对应的设计参数值；
一个第二标识映射模块，用于根据待处理数据的语义信息和所述数据获取模块获取到的所述第一训练数据的语义信息，生成用于对所述待处理数据中的所述目标设计参数 进行标识的第二参数标识，其中，所述语义信息用于描述数据的属性，如果一个所述第一训练数据的语义信息与所述待处理数据的语义信息的相似度大于第三预设阈值，则用于对该第一训练数据中的所述第一设计参数值进行标识的所述第一参数标识与所述第二参数标识的差值的绝对值小于第四预设阈值；
一个参数值生成模块，用于将所述第二标识映射模块生成的所述第二参数标识输入所述模型训练模块训练出的所述参数值生成模型，获得与所述待处理数据中的所述目标设计参数相对应的第二设计参数值。
在第一种可能的实现方式中，结合上述的第二方面，所述数据获取模块包括：
一个第一判断单元，用于针对输入的每一个第二训练数据，判断该第二训练数据中是否包括有所述目标设计参数；
一个第二判断单元，用于在所述第一判断单元确定一个所述第二训练数据中包括有所述目标设计参数时，判断该第二训练数据中是否包括有与所述目标设计参数相对应的所述第一设计参数值；
一个第一执行单元，用于在所述第二判断单元确定一个所述第二训练数据中包括有与所述目标设计参数相对应的所述第一设计参数值时，将该第二训练数据确定为一个所述第一训练数据；
一个第二执行单元，用于在所述第一判断单元确定一个所述第二训练数据中不包括所述目标设计参数时，将该第二训练数据舍弃。
在第二种可能的实现方式中，结合上述的第一种可能的实现方式，所述数据获取模块进一步包括：
一个第三判断单元，用于在所述第二判断单元确定一个所述第二训练数据中不包括与所述目标设计参数相对应的所述第一设计参数值时，判断各个所述第一训练数据中是否存在第三训练数据，其中，所述第三训练数据的语义信息与该第二训练数据的语义信息相似；
一个第三执行单元，用于在所述第三判断单元确定各个所述第一训练数据中存在所述第三训练数据时，根据所述第三训练数据中与所述目标设计参数相对应的所述第一设计参数值，生成该第二训练数据中与所述目标设计参数相对应的所述第一设计参数值，并将该第二训练数据确定为一个所述第一训练数据；
一个第四执行单元，用于在所述第三判断单元确定各个所述第一训练数据中不存在所述第三训练数据时，将该第二训练数据舍弃。
在第三种可能的实现方式中，结合上述的第二种可能的实现方式，
所述第三执行单元，用于将所述第三训练数据中与所述目标设计参数相对应的所述第一设计参数值作为该第二训练数据中与所述目标设计参数值相对应的所述第一设计参数值。
在第四种可能的实现方式中，结合上述的第二方面以及第二方面的第一种可能的实现方式、第二种可能的实现方式和第三种可能的实现方式中的任意一个，所述第一标识映射模块包括：
一个标识获取单元，用于获取所述第一训练数据所包括的第三参数标识，其中，所述第三参数标识为所述语义信息中的一个字段；
一个标识映射单元，用于针对每一个所述第一训练数据，将该第一训练数据中由所述标识获取单元获取到的所述第三参数标识映射为用于对该第一训练数据中的所述第一设计参数值进行标识的所述第一参数标识，其中，如果两个所述第一训练数据的语义信息的相似度大于所述第三预设阈值，且该两个所述第一训练数据所包括的两个所述第一设计参数值的差值的绝对值小于所述第二预设阈值，则针对该两个所述第一训练数据所映射出的两个所述第一参数标识的差值的绝对值小于所述第一预设阈值。
第三方面，本发明实施例还提供了另一种设计参数值生成装置，包括：至少一个存储器和至少一个处理器；
所述至少一个存储器，用于存储机器可读程序；
所述至少一个处理器，用于调用所述机器可读程序，执行上述第一方面或第一方面的任一可能实现方式提供的方法。
第四方面，本发明实施例还提供了一种计算机可读介质，计算机可读介质上存储有计算机指令，计算机指令在被处理器执行时，使处理器执行上述第一方面或第一方面的任一种可能的实现方式所提供的方法。
由上述技术方案可知，在确定一个具有设计参数值生成需求的目标设计参数后，获取多个包括有与目标设计参数值相对应的第一设计参数值的第一训练数据，之后针对每一个第一训练数据中的第一设计参数值，生成用于对该第一设计参数值进行标识的第一参数标识，并保证两个第一参数标识的差值的绝对值小于第一预设阈值时，这两个第一参数标识所标识的两个第一设计参数值的差值的绝对值小于第二预设阈值，之后利用各个第一设计参数值和相对应的第一参数标识来训练参数值生成模型。在需要针对待处理数据中的目标设计参数推荐设计参数值时，根据待处理数据的语义信息和各个第一训练 数据的语义信息生成用于对待处理数据中的目标设计参数进行标识的第二参数标识，并保证在一个第一训练数据的语义信息与待处理数据的语义信息的相似度大于第二预设阈值时，用于对第一训练数据中的第一设计参数值进行标识的第一参数标识与第二参数标识的差值的绝对值小于第四预设阈值，之后将生成的第二参数标识输入参数值生成模型，获得与待处理数据中的目标设计参数相对应的第二设计参数值。由此可见，基于多个第一设计参数值来训练参数值生成模型，利用参数值生成模型来生成推荐给工程师的第二设计参数值，由于所生成的第二设计参数值综合考虑了各个第一设计参数值，单个第一设计参数值存在错误时不会导致所生成的第二设计参数值存在较大误差，从而能够提高所推荐设计参数值的准确性。
附图说明
本发明的其它特征、特点、优点和益处通过以下结合附图的详细描述将变得更加显而易见。
图1是本发明一个实施例提供的一种设计参数值生成方法的流程图；
图2A是本发明一个实施例提供的一种语义映射设计参数标识的示意图；
图2B是本发明一个实施例提供的一种第一训练数据获取方法的流程图；
图3是本发明一个实施例提供的另一种第一训练数据获取方法的流程图；
图4是本发明一个实施例提供的一种第一参数标识生成方法的流程图；
图5是本发明一个实施例提供的另一种设计参数值生成方法的流程图；
图6是本发明一个实施例提供的一种设计参数值生成装置的示意图；
图7是本发明一个实施例提供的另一种设计参数值生成装置的示意图；
图8是本发明一个实施例提供的又一种设计参数值生成装置的示意图；
图9是本发明一个实施例提供的再一种设计参数值生成装置的示意图；
图10是本发明一个实施例提供的一种包括存储器和处理器的设计参数值生成装置的示意图。
附图标记列表：
101：确定具有设计参数值生成需求的目标设计参数
102：获取至少两个第一训练数据
103：生成用于对该第一设计参数值进行标识的第一参数标识
104：利用各个第一设计参数值和相对应的第一参数标识训练参数值生成模型
105：生成用于对待处理数据中的目标设计参数进行标识的第二参数标识
106：将第二参数标识输入参数值生成模型，获得第二设计参数值
201：判断输入的第二训练数据中是否包括有目标设计参数
202：判断第二训练数据中是否包括有与目标设计参数相对应的第一设计参数值
203：将该第二训练数据确定为一个第一训练数据
204：将第二训练数据舍弃
205：判断各个第一训练数据中是否存在第三训练数据
206：为该第二训练数据生成第一设计参数值，并将第二训练数据确定为第一训练数据
401：获取第一训练数据所包括的第三参数标识
402：将第一训练数据中的第三参数标识映射为第一参数标识
501：确定具有设计参数值生成需求的目标设计参数
502：获取包括有目标设计参数的第二训练数据
503：为第二训练数据生成第一设计参数值，获得第一训练数据
504：将第一训练数据中的第三参数标识映射为第一参数标识
505：根据各个第一设计参数值和相对应的第一参数标识训练参数值生成模型
506：生成用于对待处理数据中的目标设计参数进行标识的第二参数标识
507：将第二参数标识输入参数值生成模型，获得第二设计参数值
601：参数确定模块       602：数据获取模块      603：第一标识映射模块
604：模型训练模块       605：第二标识映射模块  606：参数值生成模块
6021：第一判断单元      6022：第二判断单元     6023：第一执行单元
6024：第二执行单元      6025：第三判断单元     6026：第三执行单元
6027：第四执行单元      6031：标识获取单元     6032：标识映射单元
1001：存储器            1002：处理器
具体实施方式
如前所述，基于历史参数设计数据向工程师推荐设计参数值时，针对一个待推荐设计参数值的设计参数，参考历史参数设计数据中与该设计参数相似的一个历史设计参数推荐设计参数值，但历史参数设计数据中可能存在多个与该设计参数相似的历史设计参数，而且不同历史设计参数可能不同，因此仅参考其中一个历史设计参数所推荐的设计参数值可能并不准确。
本发明实施例中，针对一个具有设计参数值生成需求的目标设计参数，获取多个第 一训练数据，而每个第一训练数据中均包括有与目标设计参数相对应的第一设计参数值，之后分别生成用于对每一个第一设计参数值进行标识的第一参数标识，并保证两个第一参数标识的差值的绝对值小于第一预设阈值时，这两个第一参数标识所标识的两个第一设计参数值的差值的绝对值小于第二预设阈值，之后利用各个第一设计参数值和相对应的第一参数标识来训练参数值生成模型。当需要针对一个待处理数据中的目标设计参数推荐设计参数值时，根据待处理数据的语义信息和各个第一训练数据的语义信息，生成用于对待处理数据中的目标设计参数进行标识的第二参数标识，并保证在一个第一训练数据的语义信息与待处理数据的语义信息的相似度大于第二预设阈值时，用于对第一训练数据中的第一设计参数值进行标识的第一参数标识与第二参数标识的差值的绝对值小于第四预设阈值，之后将第二参数标识输入参数值生成模型，获得与待处理数据中的目标设计参数相对应的第二设计参数值，将第二设计参数值作为推荐给工程师的设计参数值。由此可见，基于各个第一设计参数值和相对应的第一参数标识来训练参数值生成模型，需要针对待处理数据中的目标设计参数推荐设计参数值时，根据待处理数据的语义信息与第一训练数据的语义信息生成第二参数标识，将第二参数标识输入参数值生成模型便可以获得推荐的第二设计参数值，由于参数值生成模型是基于各个第一设计参数值训练而来的，从而所生成的第二设计参数值综合参考了各个第一设计参数值，避免仅参考一个历史设计参数推荐设计参数值时存在的偶然性，因此能够提高所推荐设计参数值的准确性。
在本发明实施例中，第一预设阈值、第二预设阈值、第三预设阈值和第四预设阈值均是预先设定的数值，具体数值大小可以根据目标设计参数的类型以及目标设计参数值的取值范围来确定。比如，当目标设计参数为线切割设备加工某一工件所需的加工时间时，可以设置第一预设阈值为5，第二预设阈值为3，第三预设阈值为90％，第四预设阈值为5。
在本发明实施例中，针对任意两个第一参数标识，如果这两个第一参数标识之差的绝对值小于第一预设阈值，则这两个第一参数标识所标识的两个第一设计参数值之差的绝对值小于第二预设阈值，此时两个第一参数标识之差的绝对值与相应两个第一设计参数值之差的绝对值成正相关，即任意两个第一参数标识之差的绝对值越小，则这两个第一参数标识所标识的两个第一设计参数值之差的绝对值越小。通过生成用于对第一设计参数值进行标识的第一参数标识，使得相近的第一设计参数值具有相近的第一参数标识，进而可以利用各个第一设计参数值和相对应的第一参数标识来训练参数值生成模型，使得训练参数值生成模型能够根据输入的参数标识生成设计参数值。
在本发明实施例中，针对任意一个第一训练数据，如果该第一训练数据的语义信息与待处理数据的语义信息的相似度大于第三预设阈值，则用于对该第一训练数据中的第一设计参数值进行标识的第一参数标识与第二参数标识之差的绝对值小于第四预设阈值，即一个第一训练数据与待处理数据之间语义信息的相似度越高，则用于对该第一训练数据中的第一设计参数值进行标识的第一参数标识与用于对待处理数据中的目标设计参数进行标识的第二参数标识之间的差值越小。由于语义信息用于描述数据的属性，如果一个第一训练数据的语义信息与待处理数据的语义信息具有较高的相似度，待处理数据中目标设计参数的数值应当与该第一训练数据中的第一设计参数值相接近，为此确定用于对待处理数据中的目标设计参数进行标识的第二参数标识时，需要使第二参数标识的数值与用于对该第一训练数据中的第一设计参数值进行标识的第一参数标识相接近，这样在将第二参数标识输入参数值生成模型后，参数值生成模型才能够输出与该第一训练数据中的第一设计参数值相接近的第二设计参数值，从而进一步保证所推荐设计参数值的准确性。
需要说明的是，第一参数标识和第二参数标识可以是纯数值，也可以是数值与字母或符号的组合。当第一参数标识和第二参数标识为纯数值时，可以直接计算两个第一参数标识的差值以及第一参数标识与第二参数标识的差值，比如，第一参数标识为100，第二参数标识为101，第一参数标识与第二参数标识的差值的绝对值等于1。当第一参数标识和第二参数标识为数值与字母或符号的组合时，可以忽略第一参数标识和第二参数标识中的字母和符号，仅对第一参数表示和第二参数标识中的数值部分进行运算，比如，第一参数标识为S100，第二参数标识为S102，第一参数标识与第二参数标识的差值的绝对值等于2。
下面结合附图对本发明实施例提供的设计参数值生成方法和装置进行详细说明。
如图1所示，本发明实施例提供了一种设计参数值生成方法，该方法可以包括如下步骤：
步骤101：确定具有设计参数值生成需求的目标设计参数；
步骤102：获取至少两个第一训练数据，其中，第一训练数据中包括有一个与目标设计参数相对应的第一设计参数值；
步骤103：针对每一个第一设计参数值，生成用于对该第一设计参数值进行标识的第一参数标识，其中，如果两个第一参数标识的差值的绝对值小于第一预设阈值，则该两 个第一参数标识所标识的两个第一设计参数值的差值的绝对值小于第二预设阈值；
步骤104：利用各个第一设计参数值和相对应的第一参数标识训练参数值生成模型，其中，参数值生成模型用于根据输入的参数标识生成相对应的设计参数值；
步骤105：根据待处理数据的语义信息和第一训练数据的语义信息，生成用于对待处理数据中的目标设计参数进行标识的第二参数标识，其中，语义信息用于描述数据的属性，如果一个第一训练数据的语义信息与待处理数据的语义信息的相似度大于第三预设阈值，则用于对该第一训练数据中的第一设计参数值进行标识的第一参数标识与第二参数标识的差值的绝对值小于第四预设阈值；
步骤106：将第二参数标识输入参数值生成模型，获得与待处理数据中的目标设计参数相对应的第二设计参数值。
本发明实施例提供的设计参数值生成方法，在确定一个具有设计参数值生成需求的目标设计参数后，获取多个包括有与目标设计参数值相对应的第一设计参数值的第一训练数据，之后针对每一个第一训练数据中的第一设计参数值，生成用于对该第一设计参数值进行标识的第一参数标识，并保证两个第一参数标识的差值的绝对值小于第一预设阈值时，这两个第一参数标识所标识的两个第一设计参数值的差值的绝对值小于第二预设阈值之后利用各个第一设计参数值和相对应的第一参数标识来训练参数值生成模型。在需要针对待处理数据中的目标设计参数推荐设计参数值时，根据待处理数据的语义信息和各个第一训练数据的语义信息生成用于对待处理数据中的目标设计参数进行标识的第二参数标识，并保证在一个第一训练数据的语义信息与待处理数据的语义信息的相似度大于第二预设阈值时，用于对第一训练数据中的第一设计参数值进行标识的第一参数标识与第二参数标识的差值的绝对值小于第四预设阈值，之后将生成的第二参数标识输入参数值生成模型，获得与待处理数据中的目标设计参数相对应的第二设计参数值。由此可见，基于多个第一设计参数值来训练参数值生成模型，利用参数值生成模型来生成推荐给工程师的第二设计参数值，由于所生成的第二设计参数值综合考虑了各个第一设计参数值，单个第一设计参数值存在错误时不会导致所生成的第二设计参数值存在较大误差，从而能够提高所推荐设计参数值的准确性。
在本发明实施例中，步骤105根据待处理数据的语义信息和各个第一训练数据的语义信息生成第二参数标识时，根据语义信息确定待处理数据与第一训练数据的相似性，如果一个第一训练数据与待处理数据的相似性越高，则该第一训练数据中第一设计参数值的第一参数标识与第二参数标识越接近。语义信息用于描述数据的属性，语义信息可以包括多个字段，比如设计产品加工过程中的一个第一训练数据，该第一训练数据的语 义信息为机器类型、机器名称以及参与产品加工的阶段。
在本发明实施例中，由于所训练出的参数值生成模型用于根据输入的参数标识生成相对应的设计参数值，为了使参数值生成模型能够生成针对待处理数据中目标设计参数的设计参数值，首先需要生成用于对待处理数据中的目标设计参数进行标识的第二参数标识。具体地，在生成第二参数标识时，可以根据待处理数据的语义信息和各个第一训练数据的语义信息，从各个第一训练数据中找到在语义空间与待处理数据最近接的一个第一训练数据，即从各个第一训练数据中找到一个与待处理数据最相似的第一训练数据，之后根据该被找到的第一训练数据中第一设计参数值的第一参数标识来确定第二参数标识，使得所确定出的第二参数标识与该被找到的第一训练数据中第一设计参数值的第一参数标识相同或相近。由于参数值生成模型通过对第一设计参数值和相对应的第一参数标识训练而获得，基于与待处理数据相似的第一训练数据中第一设计参数值的第一参数标识确定第二参数标识后，将所确定出的第二参数标识输入参数值生成模型后，参数值生成模型可以输入第二设计参数值，而且与待处理数据相似的第一训练数据中的第一设计参数值与所第二设计参数值相近。
需要说明的是，目标设计参数是一个字段，第一设计参数值和第二设计参数值为目标设计参数具体的参数值。比如，目标设计参数为一台机器完成一个工件加工步骤所需的时间，则第一设计参数值可以为20秒，第二设计参数值可以为56秒。
可选地，在图1所示设计参数值生成方法的基础上，步骤103生成用于对第一设计参数值进行标识的第一参数标识时，是为了使所生成的第一参数标识的数值与第一设计参数值的数值具有相关性，进而才能够根据各个第一设计参数值和相对应的第一参数标识来训练参数值生成模型，使得所训练出的参数值生成模型能够根据输入的参数标识生成相对应的设计参数值。但是，在通常情况下获取到的第一训练数据中，用于对第一设计参数值进行标识的参数标识的数值和第一设计参数值的数值之间并没有相关性，因此需要为第一训练数据中的第一设计参数值生成与第一设计参数值的数值具有相关性的第一参数标识。
如图2A所示，5个第一设计参数分别为第一设计参数1、第一设计参数2、第一设计参数3、第一设计参数4和第一设计参数5，其中，第一设计参数1的原有标识为A，第一设计参数2的原有标识为B，第一设计参数3的原有标识为C，第一设计参数4的原有标识为D，第一设计参数5的原有标识为E。
第一设计参数1和第一设计参数3的数值相近，第一设计参数2和第一设计参数5的数值相近，但是原有标识A与原有标识C之间没有相关性，原有标识B与原有标识E 之间也没有相关性，因此无法基于5个第一设计参数和相对应的原有标识训练参数值生成模型。
通过进行语义映射，将原有标识A为S11，将原有标识B映射为S31，将原有标识C映射为S12，将原有标识D映射为S21，将原有标识E映射为S32。
在进行语义映射之后，第一设计参数1的标识为S11，第一设计参数2的标识为S31，第一设计参数3的标识为S12，第一设计参数4的标识为S21，第一设计参数5的标识为S32，由此可见，第一设计参数1和第一设计参数3的数值相近，相应的第一设计参数1的标识S11与第一设计参数3的标识S12也相近，第一设计参数2和第一设计参数5的数值相近，相应的第一设计参数2的标识S31与第一设计参数5的标识S32也相近，从而使得第一设计参数的标识与第一设计参数的数值具有相关性，从而可以利用第一设计参数和语义映射出的标识(第一参数标识)来训练参数值生成模型。
可选地，在图1所示设计参数值生成方法的基础上，步骤102获取第一训练数据时，可以直接将包括有第一设计参数值的训练数据确定为第一训练数据。如图2B所示，获取第一训练数据的方法可以包括如下步骤：
步骤201：针对输入的每一个第二训练数据，判断该第二训练数据中是否包括有目标设计参数，如果是Y，执行步骤202，如果否N，执行步骤204；
步骤202：判断第二训练数据中是否包括有与目标设计参数相对应的第一设计参数值；
步骤203：当第二训练数据中包括有与目标设计参数相对应的第一设计参数值时，将该第二训练数据确定为一个第一训练数据，并结束当前流程；
步骤204：将第二训练数据舍弃。
在本发明实施例中，由于需要利用第一训练数据中的第一设计参数值来训练参数值生成模型，而第一设计参数值为目标设计参数的具体数值，因此第一训练数据首先需要包括有目标设计参数。在确定一个第二训练数据包括有目标设计参数后，还需要确定该第二训练数据中是否包括有与目标设计参数相对应的第一设计参数值，即确定该第二训练数据中是否包括有目标设计参数的具体数值，如果该第二训练数据中包括有与目标设计参数相对应的第一设计参数值，说明该第二训练数据中目标设计参数具有先验知识，可以利用该第二训练数据中与目标设计参数相对应的第一设计参数值来训练参数值生成模型，进而将该第二训练数据确定为一个第一训练数据。如果确定一个第二训练数据不包括目标设计参数，则该第二训练数据对于训练参数值生成模型并无用处，将该第二训练数据舍弃。
在本发明实施例中，将针对目标设计参数具有先验知识的第二训练数据确定为第一 训练数据，进而在利用第一训练数据中的第一设计参数值训练参数值生成模型后，可以保证训练出的参数值生成模型能够更加准确地生成第二设计参数值，进而进一步提高所推荐设计参数值的准确性。
可选地，在图2B所示第一训练数据获取方法的基础上，除了可以直接将包括有第一设计参数值的训练数据确定为第一训练数据外，还可以根据包括目标设计参数值但不包括第一设计参数值的训练数据生成为第一训练数据。如图3所示，第一训练数据的获取方法可以包括如下步骤：
步骤201：针对输入的每一个第二训练数据，判断该第二训练数据中是否包括有目标设计参数，如果是Y，执行步骤202，如果否N，执行步骤204；
步骤202：判断第二训练数据中是否包括有与目标设计参数相对应的第一设计参数值，如果是Y，执行步骤203，如果否N，执行步骤205；
步骤203：将该第二训练数据确定为一个训练数据，并结束当前流程；
步骤205：根据该第二训练数据的语义信息和已经确定出的各个第一训练数据的语义信息，判断各个第一训练数据中是否存在第三训练数据，其中，第三训练数据与该第二训练数据的语义信息相似，如果是Y，执行步骤206，如果否N，执行步骤204；
步骤206：根据第三训练数据中与目标设计参数相对应的第一设计参数值，生成该第二训练数据中与目标设计参数相对应的第一设计参数值，将该第二训练数据确定为一个第一训练数据，并结束当前流程；
步骤204：将该第二训练数据舍弃。
在本发明实施例中，对于包括目标设计参数但不包括与目标设计参数相对应的第一设计参数的第二训练数据，可以从已经确定出的各个第一训练数据中查找语义信息与该第二训练数据相似的第三训练数据，进而根据第三训练数据中的第一设计参数值来生成与该第二训练数据中的目标设计参数相对应的第一设计参数值，进而将包括有所生成的第一设计参数值的该第二训练数据确定为一个第一训练数据，以参与参数值生成模型的训练。
在本发明实施例中，对于包括有目标设计参数但不包括与目标设计参数相对应的第一设计参数值的第二训练数据，可以查找语义信息与该第二训练数据相似的第一训练数据，进而根据所查找到的第一训练数据中的第一设计参数值来为该第二训练数据生成第一设计参数值，从而增加可以参与参数值生成模型训练的第一训练数据的个数。通过为不包括第一设计参数值的第二训练数据生成第一设计参数值，可以增加用于训练参数值生成模型的第一训练数据的数量，从而对于较小的训练集也可以生成准确的参数值生成 模型。另外，通过为不包括第一设计参数值的第二训练数据生成第一设计参数值，使得没有先验知识的训练数据也可以参与模型训练过程，提高该设计参数值生成方法的适用性。
可选地，在图3所示第一训练数据获取方法的基础上，步骤206中根据第三训练数据中与目标设计参数相对应的第一设计参数值，生成第二训练数据中与目标设计参数相对应的第一设计参数值时，可以直接将第三训练数据中与目标设计参数相对应的第一设计参数值作为第二训练数据中与目标设计参数相对应的第一设计参数值。
在本发明实施例中，由于第三训练数据的语义信息与相应第二训练数据的语义信息相似，因此第二训练数据中与目标设计参数的值应当与第三训练数据中目标设计参数的值相接近，从而可以直接将第三训练数据中的第一设计参数值确定为第二训练数据中与目标设计参数相对应的第一设计参数值，即第二训练数据中的目标设计参数与第三训练数据中的目标设计参数具有相同的第一设计参数值。使第二训练数据中的目标设计参数与第三训练数据中的目标设计参数具有相同的数值，可以快速为第二训练数据中的目标设计参数生成相对应的第一设计参数值，从而提高获取第一训练数据的效率。
需要说明的是，除了上述实施例直接将第三训练数据中的第一设计参数值确定为第二训练数据中与目标设计参数相对应的第一设计参数值外，还可以根据第二训练数据与第三训练数据中语义信息的差异以及第三训练数据中的第一设计参数值来确定第二训练数据中目标设计参数的数值。比如，首先计算第二训练数据中语义信息与第三训练数据中语义信息的匹配系数，进而根据计算出的匹配系数对第三训练数据中的第一设计参数值进行修正，将经过修正的第三训练数据中的第一设计参数值作为第二训练数据中与目标设计参数相对应的第一设计参数值。
可选地，在图1所示设计参数值生成方法的基础上，步骤103生成用于对第一设计参数值进行标识的第一参数标识时，可以将第一训练数据中的第三参数标识映射为第一参数标识。如图4所示，生成第一参数标识的方法可以包括如下步骤：
步骤401：获取第一训练数据所包括的第三参数标识，其中，第三参数标识为语义信息中的一个字段；
步骤402：针对每一个第一训练数据，将该第一训练数据中的第三参数标识映射为用于对该第一训练数据中的第一设计参数值进行标识的第一参数标识，其中，如果两个第一训练数据的语义信息的相似度大于第三预设阈值，且该两个第一训练数据所包括的两个第一设计参数值的差值的绝对值小于第二预设阈值，则针对该两个第一训练数据所映射出的两个第一参数标识的差值的绝对值小于第一预设阈值。
在本发明实施例中，第一训练数据中原本包括有用于对第一设计参数值进行标识的第三参数标识，但第三参数标识与其所标识的第一设计参数值的大小通常没有关联，因此无法基于第三参数标识和其所标识的第一设计参数值来训练参数值生成模型。为此，需要根据第一训练数据的语义信息将第三参数标识映射为第一参数标识，使得第一参数标识和其所标识的第一设备参数值的大小相关联，此时才能够基于第一参数标识和其所标识的第一设计参数值来训练参数值生成模型，使得将参数标识输入参数值生成模型后可以获得相应的设计参数值。
在本发明实施例中，在将第三参数标识映射为第一参数标识时，第三参数标识的值不会影响第一参数标识的大小，第一参数标识的大小由相应第一训练数据的语义信息决定。具体地，针对任意两个第一训练数据，这两个第一训练数据的语义信息的相似度越高，且这两个第一训练数据中的两个第一设计参数值的差值越小，则针对这两个第一训练数据所映射出的两个第一参数标识的差值越小。根据第一训练数据的语义信息和第一训练数据中第一设计参数值的大小将第三参数标识映射为第一参数标识，使得第一参数标识和其所标识的第一设计参数值的大小相关联，从而在训练参数值生成模型时可以使第一参数标识和第一设计参数值聚类，获得能够根据输入的参数标识生成相应的设计参数值。
在本发明实施例中，基于语义映射为第一设计参数值生成相对应的第一参数标识，使得第一参数标识的大小与第一设计参数值的大小相关联，从而两个第一参数标识之间的距离可以反映这两个第一参数标识所标识的两个第一设计参数值的相似性，以此来基于历史设计参数数据向工程师推荐设计参数值。
下面以产品制造过程中推荐设计参数值为例，对本发明实施例提供的设计参数值生成方法作进一步详细说明，如图5所示，该方法可以包括如下步骤：
步骤501：确定具有设计参数值生成需求的目标设计参数。
在本发明实施例中，根据工程师的设计需求，将需要向工程师推荐设计参数值的设计参数确定为目标设计参数。
例如，工程师在设计过程中需要获得相应机器完成相应工序所需的处理时间，则将处理时间确定为目标设计参数。
步骤502：获取包括有目标设计参数的第二训练数据。
在本发明实施例中，从历史参数设计数据中获取包括有目标设计参数的第二训练数据。
例如，从历史参数设计数据中获取包括目标设计参数的第二训练数据，所获取到的第二训练数据如下表1所示。
表1
产品 步骤 工序 机器名称 机器型号 处理时间
P01 10 工序20 S502 A 20
P01 10 工序20 S109 A  
P01 20 工序30 T232 B 5
P01 30 工序50 S377 D 29
P01 30 工序50 S372 D  
P01 30 工序50 S375 D  
P01 30 工序50 S376 D  
P01 40 工序60 S391 E 9
P01 50 工序70 S733 F 56
P01 50 工序70 S730 F  
P01 50 工序70 S731 F  
P01 50 工序70 S732 F  
P01 50 工序70 S734 F  
在上述表1中，共计获取到13个第二训练数据，其中每一行为一个第二训练数据，每一个第二训练数据均包括产品、步骤、工序、机器名称、机器型号和处理时间共计六个字段，这六个字段的值即为相应第二训练数据的语义信息，其中语义信息所包括的处理时间字段即为目标设计参数。
步骤503：为第二训练数据生成第一设计参数值，获得第一训练数据。
在本发明实施例中，在获取到包括有目标设计参数的第二训练数据后，针对每一个第二训练数据，如果该第二训练数据中包括有与目标设计参数相对应的第一设计参数值，则直接将该第二训练数据作为一个第一训练数据，如果该第二训练数据中不包括与目标设计参数相对应的第一设计参数值，则根据该第二训练数据的语义信息，将一个与该第二训练数据相似的第一训练数据中的第一设计参数值作为与该第二训练数据中目标设计参数相对应的第一设计参数值。
例如，在表1所示的13个第二训练数据中，对应机器名称为S502、T232、S377、S391和S733的5个第二训练数据中包括有处理时间的具体数值，直接将该5个第二训练数据作为5个第一训练数据。对应机器名称为S109的第二训练数据，该第二训练数据 的产品、步骤、工序和机器型号均与对应机器名称为S502的第二训练数据相同，因此将该第二训练数据的处理时间配置为20，之后将该第二训练数据作为一个第一训练数据。同理，将对应机器名称为S372、S375和S376的三个第二训练数据的处理时间配置为29，之后将这三个第二训练数据作为三个第一训练数据；将对应机器名称为S730、S731、S732和S734的四个第二训练数据的处理时间配置为56，之后将这四个第二训练数据作为四个第一训练数据。所获得的各个第一训练数据如下表2所示。
表2
产品 步骤 工序 机器名称 机器型号 处理时间
P01 10 工序20 S502 A 20
P01 10 工序20 S109 A 20
P01 20 工序30 T232 B 5
P01 30 工序50 S377 D 29
P01 30 工序50 S372 D 29
P01 30 工序50 S375 D 29
P01 30 工序50 S376 D 29
P01 40 工序60 S391 E 9
P01 50 工序70 S733 F 56
P01 50 工序70 S730 F 56
P01 50 工序70 S731 F 56
P01 50 工序70 S732 F 56
P01 50 工序70 S734 F 56
步骤504：将第一训练数据中的第三参数标识映射为第一参数标识。
在本发明实施例中，针对每一个第一训练数据，在将第一训练数据中原本用于对第一设计参数值进行标识的第三参数标识映射为第一参数标识，并且所映射出的第一参数标识与相应的第一设计参数值的大小相关联，两个第一参数标识的差值越小则这两个第一参数标识所标识的两个第一设计参数值的差值也越小。
例如，将第一训练数据中的机器名称确定为第三参数标识，将各个第一训练数据中的第三参数标识映射为第一参数标识后如表3所示。
表3
第三参数标识(机器名称) 第一参数标识 第一设计参数值(处理时间)
S502 100 20
S109 101 20
T232 200 5
S377 300 29
S372 301 29
S375 302 29
S376 303 29
S391 400 9
S733 500 56
S730 501 56
S731 502 56
S732 503 56
S734 504 56
步骤505：根据各个第一设计参数值和相对应的第一参数标识训练参数值生成模型。
在本发明实施例中，将每一个第一参数标识和其所标识的第一设计参数值作为训练数据来训练参数值生成模型，获得能够根据输入的参数标识生成相应设计参数值的参数值生成模型。
例如，将上述表3中后两列数据作为训练数据来训练参数值生成模型。在获得参数值生成模型之后，分别将每一个第一参数标识值输入参数值生成模型后，可以获得参数值生成模型所输出的推荐设计参数值，具体如下表4所示。根据表4中的数据可知，参数值生成模型根据第一参数标识值所输出的推荐设计参数值与第一参数标识所标识的第一设计参数值相近，说明参数值生成模型可以根据参数标识生成较为准确的设计参数值。
表4
Figure PCTCN2019106769-appb-000001
Figure PCTCN2019106769-appb-000002
步骤506：生成用于对待处理数据中的目标设计参数进行标识的第二参数标识。
在本发明实施例中，当需要对待处理数据中的目标设计参数推荐设计参数值时，根据待处理数据和各个第一训练数据的语义信息，从各个第一训练数据中查找在语义空间与待处理数据相似的一个第一训练数据，进而根据查找到的第一训练数据所对应的第一参数标识来确定待处理数据所对应的第二参数标识，使得第二参数标识与查找到的第一训练数据所对应的第一参数标识相近。
例如，制造产品P01的步骤10中，新添加了一台用于完成该步骤10的机器，该新添加机器的机器名称为S300，该新添加机器的机器类型为类型A，由于该新添加机器的对应的产品、步骤、工序和机器型号均与机器名称为S502的机器相同，因此可以将该新添加机器的第二参数标识映射为102，与机器名称为S502的机器对应的第一参数标识相近。
步骤507：将第二参数标识输入参数值生成模型，获得第二设计参数值。
在本发明实施例中，在获取到用于对待处理数据中的目标设计参数进行标识的第二参数标识后，将获取到的第二参数标识输入参数值生成模型，获得参数值生成模型输出的第二设计参数值，该第二设计参数值即为针对待处理数据中的目标设计参数而推荐的设计参数值。
例如，将第二参数标识102输入到参数值生成模型后，参数值生成模型输入的第二设计参数值为18.8147，即推荐机器名称为S300的机器完成工序20所需的时间为18.8147秒。
如图6所示，本发明一个实施例提供了一种设计参数值生成装置，包括：
一个参数确定模块601，用于确定具有设计参数值生成需求的目标设计参数；
一个数据获取模块602，用于获取至少两个第一训练数据，其中，第一训练数据中包括有一个与参数确定模块601确定出的目标设计参数相对应的第一设计参数值；
一个第一标识映射模块603，用于针对数据获取模块602获取到的每一个训练数据中包括的第一设计参数值，生成用于对该第一设计参数值进行标识的第一参数标识，其中， 如果两个第一参数标识的差值的绝对值小于第一预设阈值，则该两个第一参数标识所标识的两个第一设计参数值的差值的绝对值小于第二预设阈值；
一个模型训练模块604，用于利用数据获取模块602获取到的各个第一训练数据所包括的第一设计参数值和由第一标识映射模块603确定出的相对应的第一参数标识训练参数值生成模型，其中，参数值生成模型用于根据输入的参数标识生成相对应的设计参数值；
一个第二标识映射模块605，用于根据待处理数据的语义信息和数据获取模块602获取到的第一训练数据的语义信息，生成用于对待处理数据中的目标设计参数进行标识的第二参数标识，其中，语义信息用于描述数据的属性，如果一个第一训练数据的语义信息与待处理数据的语义信息的相似度大于第三预设阈值，则用于对该第一训练数据中的第一设计参数值进行标识的第一参数标识与第二参数标识的差值的绝对值小于第四预设阈值；
一个参数值生成模块606，用于将第二标识映射模块605生成的第二参数标识输入模型训练模块604训练出的参数值生成模型，获得与待处理数据中的目标设计参数相对应的第二设计参数值。
在本发明实施例中，参数确定模块601可用于执行上述方法实施例中的步骤101，数据获取模块602可用于执行上述方法实施例中的步骤102，第一标识映射模块603可用于执行上述方法实施例中的步骤103，模型训练模块604可用于执行上述方法实施例中的步骤104，第二标识映射模块605可用于执行上述方法实施例中的步骤105，参数值生成模块606可用于执行上述方法实施例中的步骤106。
可选地，在图6所示设计参数值生成装置的基础上，如图7所示，数据获取模块602包括：
一个第一判断单元6021，用于针对输入的每一个第二训练数据，判断该第二训练数据中是否包括有目标设计参数；
一个第二判断单元6022，用于在第一判断单元6021确定一个第二训练数据中包括有目标设计参数时，判断该第二训练数据中是否包括有与目标设计参数相对应的第一设计参数值；
一个第一执行单元6023，用于在第二判断单元6022确定一个第二训练数据中包括有与目标设计参数相对应的第一设计参数值时，将该第二训练数据确定为一个第一训练数据；
一个第二执行单元6024，用于在第一判断单元6021确定一个第二训练数据中不包括 目标设计参数时，将该第二训练数据舍弃。
在本发明实施例中，第一判断单元6021可用于执行上述方法实施例中的步骤201，第二判断单元6022可用于执行上述方法实施例中的步骤202，第一执行单元6023可用于执行上述方法实施例中的步骤203，第二执行单元6024可用于执行上述方法实施例中的步骤204。
可选地，在图7所示设计参数值生成装置的基础上，如图8所示，数据获取模块602进一步包括：
一个第三判断单元6025，用于在第二判断单元6022确定一个第二训练数据中不包括与目标设计参数相对应的第一设计参数值时，判断各个第一训练数据中是否存在第三训练数据，其中，第三训练数据的语义信息与该第二训练数据的语义信息相似；
一个第三执行单元6026，用于在第三判断单元6025确定各个第一训练数据中存在第三训练数据时，根据第三训练数据中与目标设计参数相对应的第一设计参数值，生成该第二训练数据中与目标设计参数相对应的第一设计参数值，并将该第二训练数据确定为一个第一训练数据；
一个第四执行单元6027，用于在第三判断单元6025确定各个第一训练数据中不存在第三训练数据时，将该第二训练数据舍弃。
在本发明实施例中，第三判断单元6025可用于执行上述方法实施例中的步骤205，第三执行单元6026可用于执行上述方法实施例中的步骤206，第四执行单元6027可用于执行上述方法实施例中的步骤204。
可选地，在图8所示设计参数值生成装置的基础上，第三执行单元6026用于将第三训练数据中与目标设计参数相对应的第一设计参数值作为该第二训练数据中与目标设计参数值相对应的第一设计参数值。
可选地，在图6至图8中任一附图所示设计参数值生成装置的基础上，如图9所示，第一标识映射模块603包括：
一个标识获取单元6031，用于获取第一训练数据所包括的第三参数标识，其中，第三参数标识为语义信息中的一个字段；
一个标识映射单元6032，用于针对每一个第一训练数据，将该第一训练数据中由标识获取单元6031获取到的第三参数标识映射为用于对该第一训练数据中的第一设计参数值进行标识的第一参数标识，其中，如果两个所述第一训练数据的语义信息的相似度大于所述第三预设阈值，且该两个所述第一训练数据所包括的两个所述第一设计参数值的差值的绝对值小于所述第二预设阈值，则针对该两个所述第一训练数据所映射出的两个 所述第一参数标识的差值的绝对值小于所述第一预设阈值。
在本发明实施例中，标识获取单元6031可用于执行上述方法实施例中的步骤401，标识映射单元6032可用于执行上述方法实施例中的步骤402。
如图10所示，本发明一个实施例提供了另一种设计参数值生成装置，包括：
至少一个存储器1001，被配置为存储可执行指令；
至少一个处理器1002，与所述至少一个存储器1001耦合，当执行所述可执行指令时，被配置为：
确定具有设计参数值生成需求的目标设计参数；
获取至少两个第一训练数据，其中，所述第一训练数据中包括有一个与所述目标设计参数相对应的第一设计参数值；
针对每一个所述第一设计参数值，生成用于对该第一设计参数值进行标识的第一参数标识，其中，如果两个所述第一参数标识的差值的绝对值小于第一预设阈值，则该两个所述第一参数标识所标识的两个所述第一设计参数值的差值的绝对值小于第二预设阈值；
利用各个所述第一设计参数值和相对应的所述第一参数标识训练参数值生成模型，其中，所述参数值生成模型用于根据输入的参数标识生成相对应的设计参数值；
根据待处理数据的语义信息和各个所述第一训练数据的语义信息，生成用于对所述待处理数据中的所述目标设计参数进行标识的第二参数标识，其中，所述语义信息用于描述数据的属性，如果一个所述第一训练数据的语义信息与所述待处理数据的语义信息的相似度大于第三预设阈值，则用于对该第一训练数据中的所述第一设计参数值进行标识的所述第一参数标识与所述第二参数标识的差值的绝对值小于第四预设阈值；
将所述第二参数标识输入所述参数值生成模型，获得与所述待处理数据中的所述目标设计参数相对应的第二设计参数值。
可选地，在图10所示设计参数值生成装置的基础上，所述至少一个处理器1002进一步在执行所述可执行指令时，被配置为：
针对输入的每一个第二训练数据，判断该第二训练数据中是否包括有所述目标设计参数；
如果该第二训练数据中包括有所述目标设计参数，则判断该第二训练数据中是否包括有与所述目标设计参数相对应的所述第一设计参数值；
如果该第二训练数据中包括有与所述目标设计参数相对应的所述第一设计参数值， 则将该第二训练数据确定为一个所述第一训练数据；
如果该第二训练数据中不包括所述目标设计参数，则将该第二训练数据舍弃。
可选地，在图10所示设计参数值生成装置的基础上，所述至少一个处理器1002进一步在执行所述可执行指令时，被配置为：
如果该第二训练数据中不包括与所述目标设计参数相对应的所述第一设计参数值，则判断各个所述第一训练数据中是否存在第三训练数据，其中，所述第三训练数据的语义信息与该第二训练数据的语义信息相似；
如果各个所述第一训练数据中存在所述第三训练数据，则根据所述第三训练数据中与所述目标设计参数相对应的所述第一设计参数值，生成该第二训练数据中与所述目标设计参数相对应的所述第一设计参数值，并将该第二训练数据确定为一个所述第一训练数据；
如果各个所述第一训练数据中不存在所述第三训练数据，则将该第二训练数据舍弃。
可选地，在图10所示设计参数值生成装置的基础上，所述至少一个处理器1002进一步在执行所述可执行指令时，被配置为：
将所述第三训练数据中与所述目标设计参数相对应的所述第一设计参数值作为该第二训练数据中与所述目标设计参数相对应的所述第一设计参数值。
可选地，在图10所示设计参数值生成装置的基础上，所述至少一个处理器1002进一步在执行所述可执行指令时，被配置为：
获取所述第一训练数据所包括的第三参数标识，其中，所述第三参数标识为所述语义信息中的一个字段；
针对每一个所述第一训练数据，将该第一训练数据中的所述第三参数标识映射为用于对该第一训练数据中的所述第一设计参数值进行标识的所述第一参数标识，其中，如果两个所述第一训练数据的语义信息的相似度大于所述第三预设阈值，且该两个所述第一训练数据所包括的两个所述第一设计参数值的差值的绝对值小于所述第二预设阈值，则针对该两个所述第一训练数据所映射出的两个所述第一参数标识的差值的绝对值小于所述第一预设阈值。
本发明还提供了一种计算机可读介质，存储用于使一计算机执行如本文所述的设计参数值生成方法的指令。具体地，可以提供配有存储介质的系统或者装置，在该存储介质上存储着实现上述实施例中任一实施例的功能的软件程序代码，且使该系统或者装置的计算机(或CPU或MPU)读出并执行存储在存储介质中的程序代码。
在这种情况下，从存储介质读取的程序代码本身可实现上述实施例中任何一项实施例的功能，因此程序代码和存储程序代码的存储介质构成了本发明的一部分。
用于提供程序代码的存储介质实施例包括软盘、硬盘、磁光盘、光盘(如CD-ROM、CD-R、CD-RW、DVD-ROM、DVD-RAM、DVD-RW、DVD+RW)、磁带、非易失性存储卡和ROM。可选择地，可以由通信网络从服务器计算机上下载程序代码。
此外，应该清楚的是，不仅可以通过执行计算机所读出的程序代码，而且可以通过基于程序代码的指令使计算机上操作的操作系统等来完成部分或者全部的实际操作，从而实现上述实施例中任意一项实施例的功能。
此外，可以理解的是，将由存储介质读出的程序代码写到插入计算机内的扩展板中所设置的存储器中或者写到与计算机相连接的扩展单元中设置的存储器中，随后基于程序代码的指令使安装在扩展板或者扩展单元上的CPU等来执行部分和全部实际操作，从而实现上述实施例中任一实施例的功能。
需要说明的是，上述各流程和各系统结构图中不是所有的步骤和模块都是必须的，可以根据实际的需要忽略某些步骤或模块。各步骤的执行顺序不是固定的，可以根据需要进行调整。上述各实施例中描述的系统结构可以是物理结构，也可以是逻辑结构，即，有些模块可能由同一物理实体实现，或者，有些模块可能分由多个物理实体实现，或者，可以由多个独立设备中的某些部件共同实现。
以上各实施例中，硬件单元可以通过机械方式或电气方式实现。例如，一个硬件单元可以包括永久性专用的电路或逻辑(如专门的处理器，FPGA或ASIC)来完成相应操作。硬件单元还可以包括可编程逻辑或电路(如通用处理器或其它可编程处理器)，可以由软件进行临时的设置以完成相应操作。具体的实现方式(机械方式、或专用的永久性电路、或者临时设置的电路)可以基于成本和时间上的考虑来确定。
上文通过附图和优选实施例对本发明进行了详细展示和说明，然而本发明不限于这些已揭示的实施例，基与上述多个实施例本领域技术人员可以知晓，可以组合上述不同实施例中的代码审核手段得到本发明更多的实施例，这些实施例也在本发明的保护范围之内。

Claims (12)

  1. 设计参数值生成方法，其特征在于，包括：
    确定具有设计参数值生成需求的目标设计参数；
    获取至少两个第一训练数据，其中，所述第一训练数据中包括有一个与所述目标设计参数相对应的第一设计参数值；
    针对每一个所述第一设计参数值，生成用于对该第一设计参数值进行标识的第一参数标识，其中，如果两个所述第一参数标识的差值的绝对值小于第一预设阈值，则该两个所述第一参数标识所标识的两个所述第一设计参数值的差值的绝对值小于第二预设阈值；
    利用各个所述第一设计参数值和相对应的所述第一参数标识训练参数值生成模型，其中，所述参数值生成模型用于根据输入的参数标识生成相对应的设计参数值；
    根据待处理数据的语义信息和各个所述第一训练数据的语义信息，生成用于对所述待处理数据中的所述目标设计参数进行标识的第二参数标识，其中，所述语义信息用于描述数据的属性，如果一个所述第一训练数据的语义信息与所述待处理数据的语义信息的相似度大于第三预设阈值，则用于对该第一训练数据中的所述第一设计参数值进行标识的所述第一参数标识与所述第二参数标识的差值的绝对值小于第四预设阈值；
    将所述第二参数标识输入所述参数值生成模型，获得与所述待处理数据中的所述目标设计参数相对应的第二设计参数值。
  2. 根据权利要求1所述的方法，其特征在于，所述获取至少两个第一训练数据，包括：
    针对输入的每一个第二训练数据，判断该第二训练数据中是否包括有所述目标设计参数；
    如果该第二训练数据中包括有所述目标设计参数，则判断该第二训练数据中是否包括有与所述目标设计参数相对应的所述第一设计参数值；
    如果该第二训练数据中包括有与所述目标设计参数相对应的所述第一设计参数值，则将该第二训练数据确定为一个所述第一训练数据；
    如果该第二训练数据中不包括所述目标设计参数，则将该第二训练数据舍弃。
  3. 根据权利要求2所述的方法，其特征在于，在所述判断该第二训练数据中是否包括有与所述目标设计参数相对应的所述第一设计参数值之后，进一步包括：
    如果该第二训练数据中不包括与所述目标设计参数相对应的所述第一设计参数值，则判断各个所述第一训练数据中是否存在第三训练数据，其中，所述第三训练数据的语 义信息与该第二训练数据的语义信息相似；
    如果各个所述第一训练数据中存在所述第三训练数据，则根据所述第三训练数据中与所述目标设计参数相对应的所述第一设计参数值，生成该第二训练数据中与所述目标设计参数相对应的所述第一设计参数值，并将该第二训练数据确定为一个所述第一训练数据；
    如果各个所述第一训练数据中不存在所述第三训练数据，则将该第二训练数据舍弃。
  4. 根据权利要求3所述的方法，其特征在于，所述根据所述第三训练数据中与所述目标设计参数相对应的所述第一设计参数值，生成该第二训练数据中与所述目标设计参数相对应的所述第一设计参数值，包括：
    将所述第三训练数据中与所述目标设计参数相对应的所述第一设计参数值作为该第二训练数据中与所述目标设计参数相对应的所述第一设计参数值。
  5. 根据权利要求1至4中任一所述的方法，其特征在于，所述针对每一个所述第一设计参数值，生成用于对该第一设计参数值进行标识的第一参数标识，包括：
    获取所述第一训练数据所包括的第三参数标识，其中，所述第三参数标识为所述语义信息中的一个字段；
    针对每一个所述第一训练数据，将该第一训练数据中的所述第三参数标识映射为用于对该第一训练数据中的所述第一设计参数值进行标识的所述第一参数标识，其中，如果两个所述第一训练数据的语义信息的相似度大于所述第三预设阈值，且该两个所述第一训练数据所包括的两个所述第一设计参数值的差值的绝对值小于所述第二预设阈值，则针对该两个所述第一训练数据所映射出的两个所述第一参数标识的差值的绝对值小于所述第一预设阈值。
  6. 设计参数值生成装置，其特征在于，包括：
    一个参数确定模块(601)，用于确定具有设计参数值生成需求的目标设计参数；
    一个数据获取模块(602)，用于获取至少两个第一训练数据，其中，所述第一训练数据中包括有一个与所述参数确定模块(601)确定出的所述目标设计参数相对应的第一设计参数值；
    一个第一标识映射模块(603)，用于针对所述数据获取模块(602)获取到的每一个所述训练数据中包括的所述第一设计参数值，生成用于对该第一设计参数值进行标识的第一参数标识，其中，如果两个所述第一参数标识的差值的绝对值小于第一预设阈值， 则该两个所述第一参数标识所标识的两个所述第一设计参数值的差值的绝对值小于第二预设阈值；
    一个模型训练模块(604)，用于利用所述数据获取模块(602)获取到的各个所述第一训练数据所包括的所述第一设计参数值和由所述第一标识映射模块(603)确定出的相对应的所述第一参数标识训练参数值生成模型，其中，所述参数值生成模型用于根据输入的参数标识生成相对应的设计参数值；
    一个第二标识映射模块(605)，用于根据待处理数据的语义信息和所述数据获取模块(602)获取到的所述第一训练数据的语义信息，生成用于对所述待处理数据中的所述目标设计参数进行标识的第二参数标识，其中，所述语义信息用于描述数据的属性，如果一个所述第一训练数据的语义信息与所述待处理数据的语义信息的相似度大于第三预设阈值，则用于对该第一训练数据中的所述第一设计参数值进行标识的所述第一参数标识与所述第二参数标识的差值的绝对值小于第四预设阈值；
    一个参数值生成模块(606)，用于将所述第二标识映射模块(605)生成的所述第二参数标识输入所述模型训练模块(604)训练出的所述参数值生成模型，获得与所述待处理数据中的所述目标设计参数相对应的第二设计参数值。
  7. 根据权利要求6所述的装置，其特征在于，所述数据获取模块(602)包括：
    一个第一判断单元(6021)，用于针对输入的每一个第二训练数据，判断该第二训练数据中是否包括有所述目标设计参数；
    一个第二判断单元(6022)，用于在所述第一判断单元(6021)确定一个所述第二训练数据中包括有所述目标设计参数时，判断该第二训练数据中是否包括有与所述目标设计参数相对应的所述第一设计参数值；
    一个第一执行单元(6023)，用于在所述第二判断单元(6022)确定一个所述第二训练数据中包括有与所述目标设计参数相对应的所述第一设计参数值时，将该第二训练数据确定为一个所述第一训练数据；
    一个第二执行单元(6024)，用于在所述第一判断单元(6021)确定一个所述第二训练数据中不包括所述目标设计参数时，将该第二训练数据舍弃。
  8. 根据权利要求7所述的装置，其特征在于，所述数据获取模块(602)进一步包括：
    一个第三判断单元(6025)，用于在所述第二判断单元(6022)确定一个所述第二训练数据中不包括与所述目标设计参数相对应的所述第一设计参数值时，判断各个所述第一训练数据中是否存在第三训练数据，其中，所述第三训练数据的语义信息与该第二 训练数据的语义信息相似；
    一个第三执行单元(6026)，用于在所述第三判断单元(6025)确定各个所述第一训练数据中存在所述第三训练数据时，根据所述第三训练数据中与所述目标设计参数相对应的所述第一设计参数值，生成该第二训练数据中与所述目标设计参数相对应的所述第一设计参数值，并将该第二训练数据确定为一个所述第一训练数据；
    一个第四执行单元(6027)，用于在所述第三判断单元(6025)确定各个所述第一训练数据中不存在所述第三训练数据时，将该第二训练数据舍弃。
  9. 根据权利要求8所述的装置，其特征在于，
    所述第三执行单元(6026)，用于将所述第三训练数据中与所述目标设计参数相对应的所述第一设计参数值作为该第二训练数据中与所述目标设计参数值相对应的所述第一设计参数值。
  10. 根据权利要求6至9中任意所述的装置，其特征在于，所述第一标识映射模块(603)包括：
    一个标识获取单元(6031)，用于获取所述第一训练数据所包括的第三参数标识，其中，所述第三参数标识为所述语义信息中的一个字段；
    一个标识映射单元(6032)，用于针对每一个所述第一训练数据，将该第一训练数据中由所述标识获取单元(6031)获取到的所述第三参数标识映射为用于对该第一训练数据中的所述第一设计参数值进行标识的所述第一参数标识，其中，如果两个所述第一训练数据的语义信息的相似度大于所述第三预设阈值，且该两个所述第一训练数据所包括的两个所述第一设计参数值的差值的绝对值小于所述第二预设阈值，则针对该两个所述第一训练数据所映射出的两个所述第一参数标识的差值的绝对值小于所述第一预设阈值。
  11. 设计参数值生成装置，其特征在于，包括：至少一个存储器(1001)和至少一个处理器(1002)；
    所述至少一个存储器(1001)，用于存储机器可读程序；
    所述至少一个处理器(1002)，用于调用所述机器可读程序，执行权利要求1至5中任一所述的方法。
  12. 计算机可读介质，其特征在于，所述计算机可读介质上存储有计算机指令，所述计算机指令在被处理器执行时，使所述处理器执行权利要求1至5中任一所述的方法。
PCT/CN2019/106769 2019-09-19 2019-09-19 设计参数值生成方法、装置和计算机可读介质 WO2021051356A1 (zh)

Priority Applications (2)

Application Number Priority Date Filing Date Title
CN201980096787.7A CN113874856A (zh) 2019-09-19 2019-09-19 设计参数值生成方法、装置和计算机可读介质
PCT/CN2019/106769 WO2021051356A1 (zh) 2019-09-19 2019-09-19 设计参数值生成方法、装置和计算机可读介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
PCT/CN2019/106769 WO2021051356A1 (zh) 2019-09-19 2019-09-19 设计参数值生成方法、装置和计算机可读介质

Publications (1)

Publication Number Publication Date
WO2021051356A1 true WO2021051356A1 (zh) 2021-03-25

Family

ID=74883028

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/CN2019/106769 WO2021051356A1 (zh) 2019-09-19 2019-09-19 设计参数值生成方法、装置和计算机可读介质

Country Status (2)

Country Link
CN (1) CN113874856A (zh)
WO (1) WO2021051356A1 (zh)

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103106307A (zh) * 2013-02-02 2013-05-15 深圳市大族激光科技股份有限公司 激光切割机的横梁设计方法
CN106384384A (zh) * 2016-09-18 2017-02-08 上海理工大学 一种三维产品模型的形状优化算法
CN106407567A (zh) * 2016-09-21 2017-02-15 天津百利机械装备研究院有限公司 一种rv减速器参数化设计建模方法
US20180081328A1 (en) * 2016-09-16 2018-03-22 Honeywell Limited Model-plant mismatch detection using model parameter data clustering for paper machines or other systems
CN108319744A (zh) * 2017-12-14 2018-07-24 上海东润换热设备制造有限公司 产品参数化设计开发平台及方法
CN109707658A (zh) * 2019-02-28 2019-05-03 苏州尼昂科技有限公司 风机的性能参数的确定方法、装置和电子设备

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103106307A (zh) * 2013-02-02 2013-05-15 深圳市大族激光科技股份有限公司 激光切割机的横梁设计方法
US20180081328A1 (en) * 2016-09-16 2018-03-22 Honeywell Limited Model-plant mismatch detection using model parameter data clustering for paper machines or other systems
CN106384384A (zh) * 2016-09-18 2017-02-08 上海理工大学 一种三维产品模型的形状优化算法
CN106407567A (zh) * 2016-09-21 2017-02-15 天津百利机械装备研究院有限公司 一种rv减速器参数化设计建模方法
CN108319744A (zh) * 2017-12-14 2018-07-24 上海东润换热设备制造有限公司 产品参数化设计开发平台及方法
CN109707658A (zh) * 2019-02-28 2019-05-03 苏州尼昂科技有限公司 风机的性能参数的确定方法、装置和电子设备

Also Published As

Publication number Publication date
CN113874856A (zh) 2021-12-31

Similar Documents

Publication Publication Date Title
RU2617921C2 (ru) Способ и система распознания пути категории
CN111522989B (zh) 用于图像检索的方法、计算设备和计算机存储介质
JP5251623B2 (ja) フロー比較処理方法及び装置
JP6850806B2 (ja) 電子データ構造から属性を抽出するための注釈システム
CN107016018B (zh) 数据库索引创建方法及装置
US20160034269A1 (en) Updating Software based on Similarities between Endpoints
JPWO2017090475A1 (ja) 情報処理システム、関数作成方法および関数作成プログラム
CN104933214A (zh) 集成电路设计方法和装置
US9639808B2 (en) Non-transitory computer readable medium, information processing apparatus, and attribute estimation method
WO2021051356A1 (zh) 设计参数值生成方法、装置和计算机可读介质
WO2022051996A1 (zh) 知识图谱构建方法和装置
CN106095511A (zh) 一种服务器升级方法和装置
CN111784246B (zh) 物流路径的估测方法
US8510693B2 (en) Changing abstraction level of portion of circuit design during verification
US8249833B2 (en) Apparatus and method for verifying model-design, and program thereof
CN103080939B (zh) 用于自动验证半导体工艺制作方法的方法及设备
JPWO2009098766A1 (ja) 業務フロー処理プログラム、方法及び装置
CN116186286A (zh) 基于企业知识图谱的国际物流信息推荐方法、系统及介质
CN114579580A (zh) 存储数据的方法、查询数据的方法和装置
CN103761247B (zh) 一种出错文件的处理方法及装置
US20200401737A1 (en) Design assistance apparatus and design assistance method
US9582624B2 (en) Circuit component migration method and apparatus
WO2021072646A1 (zh) 使用生产数据快速建模的方法、系统、和存储介质
CN112015957A (zh) 基于es的数据查询方法及装置
JP6641456B2 (ja) 計算機システム及びデータの分類方法

Legal Events

Date Code Title Description
121 Ep: the epo has been informed by wipo that ep was designated in this application

Ref document number: 19946050

Country of ref document: EP

Kind code of ref document: A1

NENP Non-entry into the national phase

Ref country code: DE

122 Ep: pct application non-entry in european phase

Ref document number: 19946050

Country of ref document: EP

Kind code of ref document: A1