融合机器学习的极端制造过程工艺参数优化方法及系统

本申请涉及智能制造技术领域，公开了一种融合机器学习的极端制造过程工艺参数优化方法及系统。方法包括：从制造设备传感器获取多源数据，融合生成材料状态向量；输入预训练模型获取材料系数过渡趋势；判断趋势波动幅度是否超预设阈值，若超则标记关键节点并提取特征参数；针对关键节点，根据其特征参数和实时数据，采用控制算法计算参数调整量；基于参数调整量优化控制参数，生成控制指令序列并传输至执行器；获取调节后反馈数据，与过渡趋势对比，若偏差超容许范围则更新预训练模型。本发明通过预测性监控与智能控制的深度融合，实现了工艺参数精准优化与自适应控制，提升了极端制造过程稳定性与产品质量，降低了能耗与缺陷率。