CN106354015A - 对角递归神经网络控制系统的远程监控与在线调试方法 - Google Patents

对角递归神经网络控制系统的远程监控与在线调试方法 Download PDF

Info

Publication number
CN106354015A
CN106354015A CN201610955204.XA CN201610955204A CN106354015A CN 106354015 A CN106354015 A CN 106354015A CN 201610955204 A CN201610955204 A CN 201610955204A CN 106354015 A CN106354015 A CN 106354015A
Authority
CN
China
Prior art keywords
control system
recurrent neural
neural network
network control
diagonal recurrent
Prior art date
Legal status (The legal status 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 status listed.)
Granted
Application number
CN201610955204.XA
Other languages
English (en)
Other versions
CN106354015B (zh
Inventor
郑松
宋怡霖
刘朝儒
曾其鋆
何俊欣
郑蓉
王亮亮
李贝贝
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Fuzhou University
Original Assignee
Fuzhou University
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 Fuzhou University filed Critical Fuzhou University
Priority to CN201610955204.XA priority Critical patent/CN106354015B/zh
Publication of CN106354015A publication Critical patent/CN106354015A/zh
Application granted granted Critical
Publication of CN106354015B publication Critical patent/CN106354015B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B13/00—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion
    • G05B13/02—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric
    • G05B13/04—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric involving the use of models or simulators
    • G05B13/042—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric involving the use of models or simulators in which a parameter or coefficient is automatically adjusted to optimise the performance

Landscapes

  • Engineering & Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • Artificial Intelligence (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Evolutionary Computation (AREA)
  • Medical Informatics (AREA)
  • Software Systems (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Automation & Control Theory (AREA)
  • Debugging And Monitoring (AREA)
  • Computer And Data Communications (AREA)

Abstract

本发明涉及一种对角递归神经网络控制系统的远程监控与在线调试方法，包括以下步骤：设计对角递归神经网络控制系统的结构，包括服务器端、远程客户端和互联网；所述远程客户端构建对角递归神经网络控制系统的组态程序；通过互联网与一组通信服务网关组件实现本地的服务器端和远程客户端的通信连接；服务器端接收并执行对角递归神经网络控制系统的组态程序；远程客户端完成对对角递归神经网络控制系统的远程监控与在线调试。本发明解决了现有技术中对角递归神经网络控制系统运行、调试过程不透明，只能在停机状态下离线调试，系统局限于局域网之内的问题。

Description

对角递归神经网络控制系统的远程监控与在线调试方法
技术领域
本发明涉及一种对角递归神经网络控制系统的远程监控与在线调试方法。
背景技术
自动化领域的生产过程中，被控对象往往是复杂、耦合、非线性的。对于这类控制系统，采用先进控制技术可以得到比常规控制更好的控制效果。但目前先进控制技术的应用较少，主要是由于先进控制计算复杂，难以组态与调试。
综合国内外的先进控制技术应用现状来看，现如今先进控制技术的实现大多以计算机为载体，采用软件套件的方式，外挂于DCS系统之外。这种先进控制技术的实现方式存在以下弊端：
（1）各厂家推出的先进控制解决方案大多以软件套件或模块的方式呈现给用户，计算过程不透明，先进控制器内部数据无法读取，系统调试困难，应用效果不理想。
（2）不支持在线调试，当系统模型稍作修改，就需停止运行中的控制站，进入编程环境重新组态，增加了系统调试与后期维护的成本。
（3）目前工业领域中已应用的先进控制系统大多局限于局域网内，不能扩展到互联网范畴，导致控制资源难以共享，在时空限制方面具有极大的弊端，先进控制技术与信息技术难以有效融合。
发明内容
有鉴于此，本发明的目的在于提供一种对角递归神经网络控制系统的远程监控与在线调试方法，用于解决现有技术中对角递归神经网络控制系统运行、调试过程不透明，只能在停机状态下离线调试，系统局限于局域网之内的问题。
为实现上述目的，本发明采用如下技术方案：一种对角递归神经网络控制系统的远程监控与在线调试方法，其特征在于，包括以下步骤：
步骤S1：设计对角递归神经网络控制系统的结构，包括服务器端、远程客户端和互联网；
步骤S2：所述远程客户端构建对角递归神经网络控制系统的组态程序，具体包括以下四步：
步骤S21：构建对角递归神经网络控制系统的设备数据库；
步骤S22：编写对角递归神经网络控制系统的控制逻辑；
步骤S23：设计并开发可远程监控的对角递归神经网络控制系统的人机界面；
步骤S24：对各IO点与元件进行动态链接，实现设备数据库，控制逻辑与人机界面的数据同步；
步骤S3：通过互联网与一组通信服务网关组件实现本地的服务器端和远程客户端的通信连接；
步骤S4：服务器端接收并执行对角递归神经网络控制系统的组态程序；
步骤S5：远程客户端完成对对角递归神经网络控制系统的远程监控与在线调试。
进一步的，所述步骤S1中，服务器端和远程客户端分别拥有独立的PC处理器，根据工业生产应用需求，确定对角递归神经网络控制系统中的被控对象与参考模型的特性，设计出完整的对角递归神经网络控制系统的结构；所述对角递归神经网络控制系统中的控制器与辨识器结构由被控对象的输入输出个数决定。
进一步的，所述步骤S21中，根据对角递归神经网络控制系统的结构、系统IO点的类型和数量，构建由系统工艺设备与控制设备工程IO点构成的设备数据库。
进一步的，所述步骤S22中，根据对角递归神经网络控制系统的原理，采用基础的、颗粒度小的元件构建对角递归神经网络控制器的逻辑组态，所述元件颗粒度越小，运行计算的过程越透明；采用颗粒度小的元件，可以在人机界面中对应地观察对角递归神经网络控制器与辨识器内部的所有数据，包括各层神经元值、各种连接权值与学习率的实时值。
进一步的，所述步骤S23中，所述人机界面的主要功能包括：1）人机界面的设计可分为对角递归神经网络控制系统监控与调试主画面、控制器画面与辨识器画面三个部分，每个部分的功能根据对角递归神经网络控制系统的结构进行划分；2）设置过程数据显示模块，可以读取服务器端本地控制站中的实时数据，准确、实时、直观地显示出控制系统运行过程中的信息，包括对角递归神经网络控制系统内部各个过程数据的实时值与历史趋势图，方便系统调试；所述各个过程数据包括对角递归神经网络控制算法的输入层、隐含层与输出层的神经元值，和各种连接权值；3）设置在线切换模型、在线设置学习率的功能模块，可以对控制系统的内部算法进行在线调试与优化；4）设置操作信息查询功能模块，提供便捷的操作装置，显示报警信息，记录与查阅操作日志。
进一步的，所述步骤S24中，设备数据库、控制逻辑和人机界面的数据同步是利用IO点关联的方法，通过将人机界面各个功能模块的图形组件以及控制逻辑中对应的元件分别与设备数据库中相应的IO点进行动态链接来实现的。
进一步的，所述步骤S3中，一组通信服务网关组件分别运行在服务器端和远程客户端，两者通过互联网建立远程连接。所述通信服务网关组件的功能是实现服务器端的本地控制站与远程客户端的控制逻辑、人机界面、设备数据库之间的数据通信。
进一步的，所述步骤S4中，服务器端的本地控制站通过共享内存从通信缓冲区中，下载接收来自远程客户端的对角递归神经网络控制系统的组态程序，包括设备数据库、控制逻辑、人机界面的组态数据和操作指令，并对程序进行周期性计算。
进一步的，所述步骤S5中，远程客户端通过共享内存从通信缓冲区中读取来自服务器端本地控制站内的实时数据，然后利用控制逻辑和人机界面对对角递归神经网络控制系统进行实时监控和在线修改，并将在线修改后的组态数据通过互联网传送至服务器端，由服务器端的本地控制站更新计算后，将运算结果返回至远程客户端。远程客户端通过两种途径对控制系统的组态程序进行监控和在线修改，所述两种途径为：1）对控制系统中由元件构成的控制逻辑的运算过程进行监控以及在线、动态地修改和组态，有利于快速地寻求最佳的控制参数，极大地便利系统的调试过程；2）实时地监控和操作人机界面的各个功能模块，包括监控过程数据显示模块、在线设置学习率、在线修改模型、查询报警信息等，实现远程监控与在线调试。
本发明与现有技术相比具有以下有益效果：
1、本发明的对角递归神经网络控制系统的监控方法，可以动态地监控控制系统中所有数据的实时值，并生成各个数据的历史趋势图与报表，有助于分析对角递归神经网络控制器的性能，解决现有技术中对角递归神经网络控制系统运行、调试过程不透明等问题；
2、本发明实现了对角递归神经网络控制系统的在线调试方法，如在线切换模型、在线修改学习率，有助于调试控制系统以得到最好的控制效果，解决现有技术中控制系统只能在停机状态下离线调试的技术问题；
3、本发明提供了一种基于互联网的对角递归神经网络控制器的远程控制方法，有效地克服了现有先进控制系统局限于局域网之内的问题，使得用户可以远程、便捷地监控系统的实时运行状况，并对控制过程进行远程干预，避免其受到在时空方面的限制。还可以有效地扩展先进控制技术的应用范围，提高控制资源共享程度。
附图说明
图1是本发明的总步骤流程图。
图2是本发明的远程控制原理图。
图3是本发明一实施例的人机界面监控与调试的主画面。
图4是本发明一实施例的控制器画面。
图5是本发明一实施例的辨识器画面。
具体实施方式
下面结合附图及实施例对本发明做进一步说明。
请参照图1，本发明提供一种对角递归神经网络控制系统的远程监控与在线调试方法，其特征在于，包括以下步骤：
步骤S1：设计对角递归神经网络控制系统的结构，包括服务器端、远程客户端和互联网；服务器端和远程客户端分别拥有独立的PC处理器，根据工业生产应用需求，确定对角递归神经网络控制系统中的被控对象与参考模型的特性，设计出完整的对角递归神经网络控制系统的结构；所述对角递归神经网络控制系统中的控制器与辨识器结构由被控对象的输入输出个数决定。
步骤S2：所述远程客户端构建对角递归神经网络控制系统的组态程序，具体包括以下四步：
步骤S21：构建对角递归神经网络控制系统的设备数据库；根据对角递归神经网络控制系统的结构、系统IO点的类型和数量，构建由系统工艺设备与控制设备工程IO点构成的设备数据库。
步骤S22：编写对角递归神经网络控制系统的控制逻辑；根据对角递归神经网络控制系统的原理，采用基础的、颗粒度小的元件构建对角递归神经网络控制器的逻辑组态，所述元件颗粒度越小，运行计算的过程越透明；采用颗粒度小的元件，可以在人机界面中对应地观察对角递归神经网络控制器与辨识器内部的所有数据，包括各层神经元值、各种连接权值与学习率的实时值。
步骤S23：设计并开发可远程监控的对角递归神经网络控制系统的人机界面；设计符合工业现场应用的对角递归神经网络控制系统的人机界面，利用人机界面的图形组件完成人机界面组态程序的搭建。所述人机界面的主要功能包括：1）请参照图3至图5，人机界面的设计可分为对角递归神经网络控制系统监控与调试的主画面、控制器画面与辨识器画面三个部分，每个部分的功能根据对角递归神经网络控制系统的结构进行划分；2）设置过程数据显示模块，可以读取服务器端本地控制站中的实时数据，准确、实时、直观地显示出控制系统运行过程中的信息，包括对角递归神经网络控制系统内部各个过程数据的实时值与历史趋势图，方便系统调试；所述各个过程数据包括对角递归神经网络控制算法的输入层、隐含层与输出层的神经元值，和各种连接权值；3）设置在线切换模型、在线设置学习率的功能模块，可以对控制系统的内部算法进行在线调试与优化；4）设置操作信息查询功能模块，提供便捷的操作装置，显示报警信息，记录与查阅操作日志。
作为介绍，图3给出了对角递归神经网络控制系统人机界面监控与调试的主画面的一个实施例。在所示实施例中，对角递归神经网络控制系统中重要参数如参考输入、参考模型、参考输出、被控对象、实际输出、控制误差、辨识误差的实时数据均显示在人机界面软件的主画面中。主画面中可以设置学习率，在线调试对角递归神经网络控制系统的收敛速度，以得到更好的控制效果。通过按动“火力发电”、“机械制造”、“交通运输”、“冶金矿业”按钮，可以切换对角递归神经网络控制系统的参考模型、参考输入，以实现在不同被控对象之间的切换。通过按动主画面中“DRNC”和“DRNI”的按钮，即可分别联动到对角递归神经网络控制系统人机界面的控制器画面和辨识器画面。
另外，图4给出了对角递归神经网络控制系统人机界面的控制器画面的一个实施例。所述控制器画面显示了控制器中各个神经元的实时数据及网络内部所有权值的实时值，通过点击权值名称，还可以显示出相应的权值的历史趋势图。同时在画面的下方显示对角递归神经网络控制系统中所有数据的报表，以便对控制系统进行分析与调试。
另外，图5给出了 对角递归神经网络控制系统人机界面的辨识器画面的一个实施例。在所示实施例中，所述辨识器画面显示了辨识器中各个神经元的实时数据及网络内部所有权值的实时值与历史趋势图。
步骤S24：对各IO点与元件进行动态链接，实现设备数据库，控制逻辑与人机界面的数据同步；设备数据库、控制逻辑和人机界面的数据同步是利用IO点关联的方法，通过将人机界面各个功能模块的图形组件以及控制逻辑中对应的元件分别与设备数据库中相应的IO点进行动态链接来实现的。
步骤S3：通过互联网与一组通信服务网关组件实现本地的服务器端和远程客户端的通信连接；将一组通信服务网关组件分别运行在服务器端和远程客户端，两者通过互联网建立远程连接。所述通信服务网关组件的功能是实现服务器端的本地控制站与远程客户端的控制逻辑、人机界面、设备数据库之间的数据通信。
步骤S4：服务器端接收并执行对角递归神经网络控制系统的组态程序；服务器端的本地控制站通过共享内存从通信缓冲区中，下载接收来自远程客户端的对角递归神经网络控制系统的组态程序，包括设备数据库、控制逻辑、人机界面的组态数据和操作指令，并对程序进行周期性计算。
步骤S5：远程客户端完成对对角递归神经网络控制系统的远程监控与在线调试。
请参照图2，远程客户端通过共享内存从通信缓冲区中读取来自服务器端本地控制站内的实时数据，然后利用控制逻辑和人机界面对对角递归神经网络控制系统进行实时监控和在线修改，并将在线修改后的组态数据通过互联网传送至服务器端，由服务器端的本地控制站更新计算后，将运算结果返回至远程客户端。具体的，远程客户端可以通过两种途径对控制系统的组态程序进行监控和在线修改，所述两种途径为：1）对控制系统中由元件构成的控制逻辑的运算过程进行监控以及在线、动态地修改和组态，有利于快速地寻求最佳的控制参数，极大地便利系统的调试过程；2）实时地监控和操作人机界面的各个功能模块，包括监控过程数据显示模块、在线设置学习率、在线修改模型、查询报警信息等，实现远程监控与在线调试。
以上所述仅为本发明的较佳实施例，凡依本发明申请专利范围所做的均等变化与修饰，皆应属本发明的涵盖范围。

Claims (9)

1.一种对角递归神经网络控制系统的远程监控与在线调试方法，其特征在于，包括以下步骤：
步骤S1：设计对角递归神经网络控制系统的结构，包括服务器端、远程客户端和互联网；
步骤S2：所述远程客户端构建对角递归神经网络控制系统的组态程序，具体包括以下四步：
步骤S21：构建对角递归神经网络控制系统的设备数据库；
步骤S22：编写对角递归神经网络控制系统的控制逻辑；
步骤S23：设计并开发可远程监控的对角递归神经网络控制系统的人机界面；
步骤S24：对各IO点与元件进行动态链接，实现设备数据库，控制逻辑与人机界面的数据同步；
步骤S3：通过互联网与一组通信服务网关组件实现本地的服务器端和远程客户端的通信连接；
步骤S4：服务器端接收并执行对角递归神经网络控制系统的组态程序；
步骤S5：远程客户端完成对对角递归神经网络控制系统的远程监控与在线调试。
2.根据权利要求1所述的对角递归神经网络控制系统的远程监控与在线调试方法，其特征在于：所述步骤S1中，服务器端和远程客户端分别拥有独立的PC处理器，根据工业生产应用需求，确定对角递归神经网络控制系统中的被控对象与参考模型的特性，设计出完整的对角递归神经网络控制系统的结构；所述对角递归神经网络控制系统中的控制器与辨识器结构由被控对象的输入输出个数决定。
3.根据权利要求1所述的对角递归神经网络控制系统的远程监控与在线调试方法，其特征在于：所述步骤S21中，根据对角递归神经网络控制系统的结构、系统IO点的类型和数量，构建由系统工艺设备与控制设备工程IO点构成的设备数据库。
4.根据权利要求1所述的对角递归神经网络控制系统的远程监控与在线调试方法，其特征在于：所述步骤S22中，根据对角递归神经网络控制系统的原理，采用基础的、颗粒度小的元件构建对角递归神经网络控制器的逻辑组态，所述元件颗粒度越小，运行计算的过程越透明；采用颗粒度小的元件，可以在人机界面中对应地观察对角递归神经网络控制器与辨识器内部的所有数据，包括各层神经元值、各种连接权值与学习率的实时值。
5.根据权利要求1所述的对角递归神经网络控制系统的远程监控与在线调试方法，其特征在于：所述步骤S23中，所述人机界面的主要功能包括：1）人机界面的设计可分为对角递归神经网络控制系统监控与调试主画面、控制器画面与辨识器画面三个部分，每个部分的功能根据对角递归神经网络控制系统的结构进行划分；2）设置过程数据显示模块，可以读取服务器端本地控制站中的实时数据，准确、实时、直观地显示出控制系统运行过程中的信息，包括对角递归神经网络控制系统内部各个过程数据的实时值与历史趋势图，方便系统调试；所述各个过程数据包括对角递归神经网络控制算法的输入层、隐含层与输出层的神经元值，和各种连接权值；3）设置在线切换模型、在线设置学习率的功能模块，可以对控制系统的内部算法进行在线调试与优化；4）设置操作信息查询功能模块，提供便捷的操作装置，显示报警信息，记录与查阅操作日志。
6.根据权利要求1所述的对角递归神经网络控制系统的远程监控与在线调试方法，其特征在于：所述步骤S24中，设备数据库、控制逻辑和人机界面的数据同步是利用IO点关联的方法，通过将人机界面各个功能模块的图形组件以及控制逻辑中对应的元件分别与设备数据库中相应的IO点进行动态链接来实现的。
7.根据权利要求1所述的对角递归神经网络控制系统的远程监控与在线调试方法，其特征在于：所述步骤S3中，一组通信服务网关组件分别运行在服务器端和远程客户端，两者通过互联网建立远程连接，所述通信服务网关组件的功能是实现服务器端的本地控制站与远程客户端的控制逻辑、人机界面、设备数据库之间的数据通信。
8.根据权利要求1所述的对角递归神经网络控制系统的远程监控与在线调试方法，其特征在于：所述步骤S4中，服务器端的本地控制站通过共享内存从通信缓冲区中，下载接收来自远程客户端的对角递归神经网络控制系统的组态程序，包括设备数据库、控制逻辑、人机界面的组态数据和操作指令，并对程序进行周期性计算。
9.根据权利要求1所述的对角递归神经网络控制系统的远程监控与在线调试方法，其特征在于：所述步骤S5中，远程客户端通过共享内存从通信缓冲区中读取来自服务器端本地控制站内的实时数据，然后利用控制逻辑和人机界面对对角递归神经网络控制系统进行实时监控和在线修改，并将在线修改后的组态数据通过互联网传送至服务器端，由服务器端的本地控制站更新计算后，将运算结果返回至远程客户端；远程客户端通过两种途径对控制系统的组态程序进行监控和在线修改，所述两种途径为：1）对控制系统中由元件构成的控制逻辑的运算过程进行监控以及在线、动态地修改和组态，有利于快速地寻求最佳的控制参数，极大地便利系统的调试过程；2）实时地监控和操作人机界面的各个功能模块，包括监控过程数据显示模块、在线设置学习率、在线修改模型、查询报警信息等，实现远程监控与在线调试。
CN201610955204.XA 2016-10-27 2016-10-27 对角递归神经网络控制系统的远程监控与在线调试方法 Active CN106354015B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201610955204.XA CN106354015B (zh) 2016-10-27 2016-10-27 对角递归神经网络控制系统的远程监控与在线调试方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201610955204.XA CN106354015B (zh) 2016-10-27 2016-10-27 对角递归神经网络控制系统的远程监控与在线调试方法

Publications (2)

Publication Number Publication Date
CN106354015A true CN106354015A (zh) 2017-01-25
CN106354015B CN106354015B (zh) 2019-06-07

Family

ID=57863835

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201610955204.XA Active CN106354015B (zh) 2016-10-27 2016-10-27 对角递归神经网络控制系统的远程监控与在线调试方法

Country Status (1)

Country Link
CN (1) CN106354015B (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111381979A (zh) * 2018-12-29 2020-07-07 杭州海康威视数字技术股份有限公司 神经网络的开发验证方法、装置、系统及存储介质
CN112671803A (zh) * 2021-01-14 2021-04-16 哈尔滨工业大学 基于网络化控制系统的移动端监控系统
CN112989275A (zh) * 2021-03-10 2021-06-18 江南大学 一种用于网络大规模控制系统的多方向方法

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103605342A (zh) * 2013-11-21 2014-02-26 福州大学 基于互联网的远程分布式控制系统及方法
CN103968367A (zh) * 2013-01-30 2014-08-06 福州福大自动化科技有限公司 基于模糊神经网络pid控制的锅炉汽包水位控制的方法
CN103970077A (zh) * 2013-01-30 2014-08-06 福州福大自动化科技有限公司 先进控制技术在工控系统中的一体化实现方法及装置
US20140337663A1 (en) * 2013-05-08 2014-11-13 Commvault Systems, Inc. Information management cell with failover management capability
CN104834285A (zh) * 2015-03-30 2015-08-12 福州大学 对角递归神经网络控制器在多平台中的实现方法

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103968367A (zh) * 2013-01-30 2014-08-06 福州福大自动化科技有限公司 基于模糊神经网络pid控制的锅炉汽包水位控制的方法
CN103970077A (zh) * 2013-01-30 2014-08-06 福州福大自动化科技有限公司 先进控制技术在工控系统中的一体化实现方法及装置
US20140337663A1 (en) * 2013-05-08 2014-11-13 Commvault Systems, Inc. Information management cell with failover management capability
CN103605342A (zh) * 2013-11-21 2014-02-26 福州大学 基于互联网的远程分布式控制系统及方法
CN104834285A (zh) * 2015-03-30 2015-08-12 福州大学 对角递归神经网络控制器在多平台中的实现方法

Non-Patent Citations (6)

* Cited by examiner, † Cited by third party
Title
KU C C，LEE K Y: "Nonlinear system identification using diagonal recurrent neural networks", 《NEURAL NETWORKS》 *
THOMAS HOPE等: "Through Neural Stimulation to Behavior Manipulation：A Novel Method for Analyzing Dynamical Cognitive Models", 《COGNITIVE SCIENCE》 *
WANG,Q等: "Attentional Neural Network: Feature Selection Using Cognitive Feedback", 《ADVANCES IN NEURAL INFORMATION PROCESSING SYSTEMS》 *
宋怡霖，等: "对角递归神经网络在控制系统中的应用现状分析", 《电气传动和自动控制》 *
宋怡霖，等: "神经网络智能控制系统的研发", 《智能工业与信息安全》 *
张鑫，陈新楚，郑松: "基于组态方法的移动机器人控制研究和实现", 《研究与开发》 *

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111381979A (zh) * 2018-12-29 2020-07-07 杭州海康威视数字技术股份有限公司 神经网络的开发验证方法、装置、系统及存储介质
CN111381979B (zh) * 2018-12-29 2023-05-23 杭州海康威视数字技术股份有限公司 神经网络的开发验证方法、装置、系统及存储介质
CN112671803A (zh) * 2021-01-14 2021-04-16 哈尔滨工业大学 基于网络化控制系统的移动端监控系统
CN112989275A (zh) * 2021-03-10 2021-06-18 江南大学 一种用于网络大规模控制系统的多方向方法
CN112989275B (zh) * 2021-03-10 2022-03-25 江南大学 一种用于网络大规模控制系统的多方向方法

Also Published As

Publication number Publication date
CN106354015B (zh) 2019-06-07

Similar Documents

Publication Publication Date Title
US11403541B2 (en) AI extensions and intelligent model validation for an industrial digital twin
CN107276816B (zh) 一种基于云服务的远程监测与故障诊断系统及故障诊断方法
KR101935652B1 (ko) 빅데이터 플랫폼을 이용한 스마트 공장 운영 관리 솔루션 서비스 시스템 및 방법
CN109920295A (zh) 一种智能工业互联网教学实训系统及方法
CN109669406A (zh) 一种工业设备的远程在线监测系统及其工作流程
CN103973815A (zh) 一种跨数据中心存储环境统一监控方法
CN109326003A (zh) 一种基于虚拟仿真的工厂三维监控系统
CN108718345A (zh) 一种数字化车间工业数据网络化传输系统
CN105843182A (zh) 一种基于oms的电力调度事故预案系统及方法
CN107566528A (zh) 基于云端数据共享的污水处理厂监控系统
CN209170419U (zh) 一种基于数字化双胞胎的设备远程维护系统
TWI751387B (zh) 軟體定義驅動的ｉｃｔ服務端對端協作系統
CN105450654A (zh) 基于中间件技术的智能家居开发平台及其业务开发方法
CN106354015B (zh) 对角递归神经网络控制系统的远程监控与在线调试方法
CN105978738A (zh) 一种基于智慧物联网的分布式能耗监测单元及监测方法
CN109639756A (zh) 一种终端网络关联关系展示和设备接入实时监测系统
CN106027351A (zh) 一种嵌入式Web服务器现场总线故障诊断通信模块
CN107357272A (zh) 一种基于opc‑ua的dcs移动远程监控系统及方法
CN110275470A (zh) 一种适用多种工况的可配置远程数据采集系统
Ran et al. Development of computer intelligent control system based on Modbus and WEB technology
CN117633967A (zh) 一种数字化虚拟工厂构建系统
CN113158228A (zh) 一种工业智能合约系统及其运行的多数字孪生体同步互操作方法
CN219351760U (zh) 一种可编程智能工控网关
CN117331614A (zh) 航空制造业生产现场在线检测组态文件管理方法
CN116033375B (zh) 一种通信基站全站智能化管控方法和系统

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant