(19)中华 人民共和国 国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202111395411.1 (22)申请日 2021.11.23 (71)申请人 蚌埠凯盛工程 技术有限公司 地址 233000 安徽省蚌埠市嘉和路481号 (72)发明人 司文凯　叶坤　郑纤秀　卢佩庆　 丁蕾　李学武　 (74)专利代理 机构 合肥市浩智运专利代理事务 所(普通合伙) 34124 代理人 丁瑞瑞 (51)Int.Cl. G06F 30/17(2020.01) G06F 30/27(2020.01) G06N 3/04(2006.01) G06N 3/08(2006.01) G06N 20/00(2019.01) (54)发明名称 一种拉边机 机器自学习智能改板方法 (57)摘要 本发明公开了一种拉边机机器自学习智能 改板方法， 所述方法包括： 将多组样本输入机器 学习神经网络； 机器学习神经网络根据输入样本 数据进行正向计算， 从而进行模型训练； 调整输 入层到隐含层的权重以及隐含层到输出层的权 重； 更新模型训练次数， 判断是否达到目标训练 次数， 若否， 则返回上述步骤继续训练， 若是， 则 结束培训保存培训后的数据并且得到训练好的 模型； 实际生产中将生产要求的玻璃宽度和厚度 输入训练好的模型中得到需要调整的玻璃拉边 机的车位、 下压及摆角， 对玻璃拉边机进行调整， 从而得到生产要求的玻璃； 本发明的优点在于： 改善改板效率， 根据历史数据不断优化模型， 而 改板结果不依赖以前存储的数据， 改板数据误差 较小。 权利要求书2页 说明书6页 附图2页 CN 114117669 A 2022.03.01 CN 114117669 A 1.一种拉边机 机器自学习智能改板方法， 其特 征在于， 所述方法包括： 步骤一： 将多组样本输入机器学习神经网络， 每组样本包括输入神经网络输入层的玻 璃宽度和厚度以及期望 输出层输出的车位、 下压以及摆角； 步骤二： 机器学习神经网络根据输入样本数据进行正向计算， 从而 进行模型训练； 步骤三： 调整输入层到隐含层的权 重以及隐含层到 输出层的权 重； 步骤四： 更新模型训练次数， 判断是否达到目标训练次数， 若否， 则返回步骤二继续训 练， 若是， 则结束训练得到训练好的模型； 步骤五： 实际生产中将生产要求的玻璃宽度和厚度输入训练好的模型中得到需要调整 的玻璃拉边机的车位、 下压及摆角， 对玻璃拉边机进行调整， 从而得到生产要求的玻璃。 2.根据权利要求1所述的一种拉边机机器自学习智能改板方法， 其特征在于， 所述每组 样本为(A,B)， 其中， A＝[a1,a2,a3,...,am]’， B＝[b1,b2,b3,...,bn]’， am表示输入层第m个神 经元的输入值， bn表示输出层第n个神经 元的输出。 3.根据权利要求2所述的一种拉边机机器自学习智能改板方法， 其特征在于， 所述步骤 三包括： 步骤301： 根据机器学习神经网络的隐含层输出获取其输出层输出； 步骤302： 获取机器学习神经网络的输出层实际输出与期望 输出之间的误差 E； 步骤303： 对误差E相对于隐含层到输出层的权重进行求第一偏导， 对误差E相对于输入 层到隐含层的权 重进行求第二偏导； 步骤304： 根据第 一偏导及第二偏导获得机器学习神经网络的权值调整公式， 利用权值 调整公式对输入层到隐含层的权 重以及隐含层到 输出层的权 重进行调整。 4.根据权利要求3所述的一种拉边机机器自学习智能改板方法， 其特征在于， 所述步骤 301包括： 给定输入层到隐含层的权重的初始值 其中， l为输入层网络 数目， m为输入层神经 元个数； 给定隐含层到输出层的权重的初 始值 其中， n为输出层网络数 目； 通过公式 获取隐含层输出， 其中， f( )表示隐含层传递函数， 令 权　利　要　求　书 1/2 页 2 CN 114117669 A 2通过公式 获取输出层输出， 其中， g()表示输出层传递函数， k表示第k 个输出层神经 元。 5.根据权利要求4所述的一种拉边机机器自学习智能改板方法， 其特征在于， 所述步骤 302包括： 通过公式 获取输出层实际输出与期望输出之间的误差， 其中， bk表示 第k个输出层神经 元的期望 输出值， Yk表示第k个输出层神经 元的实际输出值。 6.根据权利要求5所述的一种拉边机机器自学习智能改板方法， 其特征在于， 所述步骤 303包括： 通过公式 对误差E相对于隐含层到输出 层的权重求第一偏导， 其中， δ为转换函数， g′()表示输出层传递函 数的一阶导数； 通过公式 对误差E 相对于输入层到隐含层的权 重求第二偏导， 其中， f′()表示隐含层传递函数的一阶导 数。 7.根据权利要求6所述的一种拉边机机器自学习智能改板方法， 其特征在于， 所述步骤 304包括： 通过机器学习神经网络的权值调整公式 对输入层到隐含层的权 重以及隐含层到 输出层的权 重进行调整； 其中， 表示更新后的输入层到隐含层的权重， 表示当前时刻输入层到隐 含层的权重， η1表示隐含层的学习步长， 表示更新后的隐含层到输出层的权重， 表示当前时刻隐含层到 输出层的权 重， η2表示输出层的学习步长 。 8.根据权利要求3所述的一种拉边机机器自学习智能改板方法， 其特征在于， 所述步骤 四包括： 通过公式r＝r1+r2获取模型训练次数， 其中， r1为固定训练次数， r2为调整训练次数且 Flo表示向下 取整， K2为设定的定值。权　利　要　求　书 2/2 页 3 CN 114117669 A 3