基于人工智能的板材干燥设备控制系统的优化方法及系统与流程

文档序号:35670744发布日期:2023-10-07 18:05阅读:47来源:国知局
基于人工智能的板材干燥设备控制系统的优化方法及系统与流程

本发明涉及人工智能,特别涉及一种基于人工智能的板材干燥设备控制系统的优化方法及系统。


背景技术:

1、人工智能(artificial intelligence,ai)是计算机科学的一个分支,它企图了解智能的实质,并生产出一种新的能以人类智能相似的方式做出反应的智能机器,该领域的研究包括机器人、语言识别、图像识别、自然语言处理和专家系统等。

2、随着人工智能的发展进步,其应用领域越来越广,以图像识别为例,现阶段的图像识别可以下沉到系统控制等细分领域。比如,在针对板材干燥设备的控制处理过程中,引入人工智能进行辅助分析是现在的热点。即便如此,如何高质量地实现板材干燥设备控制系统的控制优化处理仍然是现目前需要攻克的技术问题。


技术实现思路

1、为改善相关技术中存在的技术问题,本发明提供了一种基于人工智能的板材干燥设备控制系统的优化方法及系统。

2、第一方面,本发明实施例提供了一种基于人工智能的板材干燥设备控制系统的优化方法,应用于ai控制平台系统,所述方法包括:

3、获取板材干燥设备控制系统的当前界面状态图像信息,以及所述当前界面状态图像信息对应的关联界面状态图像信息;

4、对所述当前界面状态图像信息和所述关联界面状态图像信息进行可视化控制要素向量挖掘处理,获取可视化控制要素向量数据;其中,所述可视化控制要素向量数据中包括最少一个可视化控制要素向量;

5、利用局部特征强化策略对所述可视化控制要素向量数据进行处理,获取各所述可视化控制要素向量分别对应的局部特征聚焦因子,所述局部特征聚焦因子用于反映所述可视化控制要素向量针对所述当前界面状态图像信息和所述关联界面状态图像信息的参考价值度;

6、依据所述可视化控制要素向量数据和所述局部特征聚焦因子,获取所述当前界面状态图像信息对应的联动控制优化建议标签和观点标签推理数据;其中,所述联动控制优化建议标签包括所述当前界面状态图像信息对应的联动控制优化观点评分,所述观点标签推理数据用于表征各所述可视化控制要素向量针对所述联动控制优化建议标签的依赖性。

7、在一些示例下,所述依据所述可视化控制要素向量数据和所述局部特征聚焦因子,获取所述当前界面状态图像信息对应的观点标签推理数据,包括:

8、获取所述可视化控制要素向量对应的局部场景特征聚焦因子和局部特征簇聚焦因子;其中,所述局部场景特征聚焦因子用于反映单一所述可视化控制要素向量的参考价值度,所述局部特征簇聚焦因子用于反映所述可视化控制要素向量所处可视化控制要素向量簇的参考价值度,所述可视化控制要素向量簇中包括源于相同界面状态图像信息的可视化控制要素向量;

9、基于所述局部场景特征聚焦因子和所述局部特征簇聚焦因子,确定所述可视化控制要素向量对应的当前局部特征聚焦因子;

10、依据所述当前局部特征聚焦因子和所述可视化控制要素向量对应的控制要素选择特征,确定所述可视化控制要素向量对应的影响力因子;其中,所述观点标签推理数据中包括各个可视化控制要素向量分别对应的影响力因子。

11、在一些示例下,所述利用局部特征强化策略对所述可视化控制要素向量数据进行处理,获取各所述可视化控制要素向量分别对应的局部特征聚焦因子,包括:

12、利用局部场景特征强化策略,对所述可视化控制要素向量数据中的各所述可视化控制要素向量进行处理,获取各所述可视化控制要素向量分别对应的局部场景特征聚焦因子;

13、基于各所述可视化控制要素向量的归属关系,将源于相同界面状态图像信息的所述可视化控制要素向量进行特征分簇处理,获取多组可视化控制要素向量簇;其中,不同可视化控制要素向量簇中包括源于不同界面状态图像信息的可视化控制要素向量;

14、利用特征簇的局部特征强化策略,对所述多组可视化控制要素向量簇进行处理,获取各所述可视化控制要素向量簇分别对应的局部特征簇聚焦因子。

15、在一些示例下,所述联动控制优化建议标签是控制系统优化建议判别网络通过所述可视化控制要素向量数据所得的;

16、其中,所述控制系统优化建议判别网络利用不同的神经网络变量对所述可视化控制要素向量数据进行若干轮处理,所述联动控制优化建议标签中包括x组联动控制优化建议子标签,所述观点标签推理数据中包括所述x组联动控制优化建议子标签对应的x个观点子标签推理数据,所述联动控制优化建议子标签与所述观点子标签推理数据为一对一匹配关系,x为正整数。

17、在一些示例下,所述依据所述可视化控制要素向量数据和所述局部特征聚焦因子,获取所述当前界面状态图像信息对应的联动控制优化建议标签之后,还包括:

18、从所述x组联动控制优化建议子标签中分别获取目标联动控制优化建议对应的可能性评分;

19、对所述目标联动控制优化建议的可能性评分进行均值化处理,获取所述目标联动控制优化建议对应的全局可能性评分;

20、生成所述当前界面状态图像信息对应的当前联动控制优化建议标签,所述当前联动控制优化建议标签中包括各个联动控制优化建议分别对应的全局可能性评分。

21、在一些示例下,所述生成所述当前界面状态图像信息对应的当前联动控制优化建议标签之后,还包括:

22、基于各个所述联动控制优化建议分别对应的全局可能性评分,获取所述当前联动控制优化建议标签的判别决策权重;其中,所述判别决策权重用于分析所述当前联动控制优化建议标签的不确定性;

23、基于所述判别决策权重,确定所述控制系统优化建议判别网络针对所述当前界面状态图像信息的逆向质疑权重;

24、响应于所述逆向质疑权重符合要求,确定所述当前联动控制优化建议标签为合格优化建议;

25、响应于所述逆向质疑权重不符合要求,生成控制优化预警数据,所述控制优化预警数据用于指示对所述当前界面状态图像信息进行控制优化校对。

26、在一些示例下,所述依据所述可视化控制要素向量数据和所述局部特征聚焦因子,获取所述当前界面状态图像信息对应的观点标签推理数据之后,还包括:

27、从所述x个观点子标签推理数据中分别获取目标可视化控制要素向量对应的影响力因子;

28、对所述目标可视化控制要素向量对应的影响力因子进行均值化处理,获取所述目标可视化控制要素向量对应的当前影响力因子;

29、生成所述当前界面状态图像信息对应的当前观点标签推理数据,所述当前观点标签推理数据中包括各所述可视化控制要素向量分别对应的当前影响力因子。

30、在一些示例下,所述不同的神经网络变量是基于若干轮任意抽样所得的。

31、在一些示例下,所述控制系统优化建议判别网络的调试步骤包括:

32、获取多个界面状态图像信息学习数据,以及各个所述界面状态图像信息学习数据对应的联动控制优化学习标签;

33、从各个所述界面状态图像信息学习数据中分别提取可视化控制要素向量学习数据;

34、利用所述可视化控制要素向量学习数据和所述联动控制优化建议信息对所述控制系统优化建议判别网络进行调试;

35、其中,所述控制系统优化建议判别网络中引入局部特征强化策略,所述局部特征强化策略用于确定所述可视化控制要素向量学习数据中的各个可视化控制要素向量学习数据针对所述界面状态图像信息学习数据中的参考价值度,所述参考价值度用于确定各个所述可视化控制要素向量学习数据对网络生成信息的依赖性。

36、在一些示例下,所述利用所述可视化控制要素向量学习数据和所述联动控制优化建议信息对所述控制系统优化建议判别网络进行调试,包括:

37、利用多组神经网络变量,对所述可视化控制要素向量学习数据进行若干轮处理,获取多组网络生成信息;

38、依据所述多组网络生成信息,以及所述联动控制优化建议信息,确定所述控制系统优化建议判别网络的网络质量评估指标值;其中,网络质量评估指标用于反映所述控制系统优化建议判别网络的生成信息的精度;

39、依据所述网络质量评估指标值对所述控制系统优化建议判别网络的神经网络变量进行改进,直到所述网络质量评估指标趋于稳定。

40、在一些示例下,所述局部特征强化策略包括局部场景特征强化策略和特征簇的局部特征强化策略;

41、其中,所述局部场景特征强化策略用于分析单一可视化控制要素向量的参考价值度,所述特征簇的局部特征强化策略用于分析可视化控制要素向量簇的参考价值度,所述可视化控制要素向量簇中包括源于相同界面状态图像信息的可视化控制要素向量。

42、在一些可独立的实施例中,所述方法还包括:依据所述联动控制优化建议标签,对所述板材干燥设备控制系统进行控制优化升级处理。

43、在一些可独立的实施例中,所述依据所述联动控制优化建议标签,对所述板材干燥设备控制系统进行控制优化升级处理,包括:

44、依据所述联动控制优化建议标签获取限位监测控制优化方案集,其中,所述限位监测控制优化方案集包括存在关联的p个限位监测控制优化方案,所述p为大于或等于1的整数;

45、依据所述限位监测控制优化方案集获取温控优化方案集,其中,所述温控优化方案集包括存在关联的p个温控优化方案;

46、基于所述限位监测控制优化方案集,通过文本分析算法所包含的第一语义挖掘组件获取限位监测控制优化向量集,其中,所述限位监测控制优化向量集包括p个限位监测控制优化向量;

47、基于所述温控优化方案集,通过所述文本分析算法所包含的第二语义挖掘组件获取温控优化向量集,其中,所述温控优化向量集包括p个温控优化向量;

48、基于所述限位监测控制优化向量集以及所述温控优化向量集,通过所述文本分析算法所包含的优化策略判别组件获取所述限位监测控制优化方案集所对应的联动策略判别评分;

49、依据所述联动策略判别评分确定所述限位监测控制优化方案集的联动控制优化升级策略;

50、利用所述联动控制优化升级策略对所述板材干燥设备控制系统进行控制优化升级处理。

51、在一些可独立的实施例中,所述基于所述限位监测控制优化向量集以及所述温控优化向量集,通过所述文本分析算法所包含的优化策略判别组件获取所述限位监测控制优化方案集所对应的联动策略判别评分,包括:

52、基于所述限位监测控制优化向量集,通过所述文本分析算法所包含的第一局部聚焦模型获取p个第一可逆频繁项,其中,每个第一可逆频繁项对应于一个限位监测控制优化向量;

53、基于所述温控优化向量集,通过所述文本分析算法所包含的第二局部聚焦模型获取p个第二可逆频繁项,其中,每个第二可逆频繁项对应于一个温控优化向量;

54、对所述p个第一可逆频繁项以及所述p个第二可逆频繁项进行组合处理,得到p个目标可逆频繁项,其中,每个目标可逆频繁项包括一个第一可逆频繁项以及一个第二可逆频繁项;

55、基于所述p个目标可逆频繁项,通过所述文本分析算法所包含的所述优化策略判别组件获取所述限位监测控制优化方案集所对应的联动策略判别评分。

56、在一些可独立的实施例中,所述基于所述限位监测控制优化向量集,通过所述文本分析算法所包含的第一局部聚焦模型获取p个第一可逆频繁项,包括:

57、对于所述限位监测控制优化向量集中的每个限位监测控制优化向量,通过所述第一局部聚焦模型所包含的局部降采样层获取第一局部降采样优化向量,其中,所述第一局部聚焦模型属于所述文本分析算法;

58、对于所述限位监测控制优化向量集中的每个限位监测控制优化向量,通过所述第一局部聚焦模型所包含的全局降采样层获取第一全局降采样优化向量;

59、对于所述限位监测控制优化向量集中的每个限位监测控制优化向量,基于所述第一局部降采样优化向量以及所述第一全局降采样优化向量,通过所述第一局部聚焦模型所包含的滑动平均层获取第一聚合优化向量;

60、对于所述限位监测控制优化向量集中的每个限位监测控制优化向量,基于所述第一聚合优化向量以及所述限位监测控制优化向量,通过所述第一局部聚焦模型所包含的第一全局降采样层获取第一可逆频繁项。

61、第二方面,本发明还提供了一种ai控制平台系统,包括处理器和存储器;所述处理器和所述存储器通信连接,所述处理器用于从所述存储器中读取计算机程序并执行,以实现上述的方法。

62、第三方面,本发明还提供了一种计算机可读存储介质,其上存储有程序,该程序被处理器执行时实现上述的方法。

63、应用本发明实施例,通过局部特征强化策略对可视化控制要素向量数据进行处理,确定用于反映各个可视化控制要素向量针对界面状态图像信息的参考价值度的局部特征聚焦因子,进而依据可视化控制要素向量数据和局部特征聚焦因子获取联动控制优化建议标签和观点标签推理数据。如此一来,联动控制优化建议标签中包括联动控制优化观点评分,可以确保联动控制优化建议标签的丰富程度,避免联动控制优化建议标签的信息承载量过低。此外,观点标签推理数据用于表征各个可视化控制要素向量针对联动控制优化建议标签的依赖性,确保了联动控制优化建议标签的合理性和推导性,有理有据地提高了联动控制优化建议标签的说服力,这样可以通过观点标签推理数据确定联动控制优化建议标签的确定思路,确保联动控制优化建议标签的可读性和可理解性,以便高质量地实现板材干燥设备控制系统的控制优化处理。

当前第1页1 2 
网友询问留言 已有0条留言
  • 还没有人留言评论。精彩留言会获得点赞!
1