CN113535492A - 设备的开发方法、装置、设备及存储介质 - Google Patents
设备的开发方法、装置、设备及存储介质 Download PDFInfo
- Publication number
- CN113535492A CN113535492A CN202110820280.0A CN202110820280A CN113535492A CN 113535492 A CN113535492 A CN 113535492A CN 202110820280 A CN202110820280 A CN 202110820280A CN 113535492 A CN113535492 A CN 113535492A
- Authority
- CN
- China
- Prior art keywords
- parameter
- value
- functional component
- target
- training
- 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
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F11/00—Error detection; Error correction; Monitoring
- G06F11/22—Detection or location of defective computer hardware by testing during standby operation or during idle time, e.g. start-up testing
- G06F11/2289—Detection or location of defective computer hardware by testing during standby operation or during idle time, e.g. start-up testing by configuration test
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F11/00—Error detection; Error correction; Monitoring
- G06F11/22—Detection or location of defective computer hardware by testing during standby operation or during idle time, e.g. start-up testing
- G06F11/26—Functional testing
Abstract
本申请提供了一种设备的开发方法,包括:获取功能需求;确定每个功能需求对应的功能模块集以及对应的组装方式,根据组装方式进行组装,得到组装完成的功能组件;获取各个功能组件的待配置参数以及每个功能组件的目标值;将相应的待配置参数和目标值作为参数配置模型的输入,获取输出初始参数值;将初始参数值作为调试参数,基于调试参数驱动功能组件中的目标机构运动并采集反馈信息;当反馈信息满足功能组件的目标值时,则将初始参数值作为目标参数值;当反馈信息不满足功能组件的目标值时,则对初始参数值进行更新调整,将最后更新得到的更新参数值作为目标参数值。此外,还提出了一种设备的开发装置、设备和存储介质。
Description
技术领域
本申请涉及平台开发技术领域,特别涉及为一种设备的开发方法、装置、设备及存储介质。
背景技术
现有的体外诊断设备(IVD)的开发平台在进行产品开发时,逐渐朝着模块化的方向发展,通过把功能模块化,使得复杂的设备的开发变得像“搭积木”一样简单。
体外诊断设备的模块化开发的一般过程包括:(1)功能组件的硬件组装;(2)对完成硬件组装的功能组件进行参数配置;(3)建立上位机与各个功能组件的通信连接。
目前,在体外诊断设备模块化的开发方面还存在以下问题:
(1)功能组件的硬件组装方面需要依赖于专业人士、门槛高;
(2)目前对功能组件进行参数配置大部分还是采用人工调试的方法,效率低下,为了提高效率,有些方案提出了自适应进行参数的配置,但是目前的自适应参数配置也只是将人工的调试过程自动化而已,也是需要通过不断地试错才能得到一组合适的参数,所以调试的过程也只是一定程度上节约了人力,但是效率仍然没有得到大幅度提高。
(3)目前上位机中的控制程序是固化在里面的,不利于用户进行二次开发。
发明内容
针对上述功能组件化的硬件组装需要依赖专业人士以及参数配置效率低的问题,提出了一种设备的开发方法、装置、平台及存储介质。
一种设备的开发方法,包括:
获取待开发的设备的开发需求,所述开发需求包括:功能需求;
对每个所述功能需求进行分析,确定每个所述功能需求对应的功能模块集以及对应的组装方式,所述功能模块集中包括多个功能模块;
当根据所述组装方式对所述功能模块集中的功能模块进行组装,得到组装完成的功能组件后,获取各个所述功能组件的待配置参数以及每个所述功能组件的目标值;
针对每个所述功能组件,将相应的所述待配置参数和目标值作为参数配置模型的输入,获取所述参数配置模型输出的每个待配置参数对应的初始参数值;
将每个待配置参数对应的初始参数值作为调试参数,基于所述调试参数驱动所述功能组件中的目标机构运动并采集反馈信息;
当所述反馈信息满足所述功能组件的目标值时,则将所述待配置参数对应的初始参数值作为目标参数值保存到所述功能组件;
当所述反馈信息不满足所述功能组件的目标值时,根据所述反馈信息按照预设的算法对所述初始参数值进行调整,得到更新后的更新参数值,将所述更新参数值作为所述调试参数,进入基于所述调试参数驱动所述功能组件中的目标机构运动并采集反馈信息的步骤,直到得到反馈信息满足所述功能组件的目标值,将相应的更新参数值作为目标参数值保存到所述功能组件。
一种设备的开发装置,包括:
获取模块,用于获取待开发的设备的开发需求,对所述开发需求进行分析,确定与所述开发需求对应的功能需求;
分析模块,用于对每个所述功能需求进行分析,确定每个所述功能需求对应的功能模块集以及对应的组装方式,所述功能模块集中包括多个功能模块;
所述获取模块还用于当根据所述组装方式对所述功能模块集中的功能模块进行组装,得到组装完成的功能组件后,获取各个所述功能组件的待配置参数以及每个所述功能组件的目标值;
预测模块,用于针对每个所述功能组件,将相应的所述待配置参数和目标值作为参数配置模型的输入,获取所述参数配置模型输出的每个待配置参数对应的初始参数值;
采集模块,用于将每个待配置参数对应的初始参数值作为调试参数,基于所述调试参数驱动所述功能组件中的目标机构运动并采集反馈信息;
保存模块,用于当所述反馈信息满足所述功能组件的目标值时,则将所述待配置参数对应的初始参数值作为目标参数值保存到所述功能组件;
更新模块,用于当所述反馈信息不满足所述功能组件的目标值时,根据所述反馈信息按照预设的算法对所述初始参数值进行调整,得到更新后的更新参数值,将所述更新参数值作为所述调试参数,进入基于所述调试参数驱动所述功能组件中的目标机构运动并采集反馈信息的步骤,直到得到反馈信息满足所述功能组件的目标值;
所述保存模块还用于将相应的更新参数值作为目标参数值保存到所述功能组件。
一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,所述计算机程序被所述处理器执行时,使得所述处理器执行以下步骤:
获取待开发的设备的开发需求,所述开发需求包括:功能需求;
对每个所述功能需求进行分析,确定每个所述功能需求对应的功能模块集以及对应的组装方式,所述功能模块集中包括多个功能模块;
当根据所述组装方式对所述功能模块集中的功能模块进行组装,得到组装完成的功能组件后,获取各个所述功能组件的待配置参数以及每个所述功能组件的目标值;
针对每个所述功能组件,将相应的所述待配置参数和目标值作为参数配置模型的输入,获取所述参数配置模型输出的每个待配置参数对应的初始参数值;
将每个待配置参数对应的初始参数值作为调试参数,基于所述调试参数驱动所述功能组件中的目标机构运动并采集反馈信息;
当所述反馈信息满足所述功能组件的目标值时,则将所述待配置参数对应的初始参数值作为目标参数值保存到所述功能组件;
当所述反馈信息不满足所述功能组件的目标值时,根据所述反馈信息按照预设的算法对所述初始参数值进行调整,得到更新后的更新参数值,将所述更新参数值作为所述调试参数,进入基于所述调试参数驱动所述功能组件中的目标机构运动并采集反馈信息的步骤,直到得到反馈信息满足所述功能组件的目标值,将相应的更新参数值作为目标参数值保存到所述功能组件。
一种计算机可读存储介质,存储有计算机程序,所述计算机程序被处理器执行时,使得所述处理器执行以下步骤:
获取待开发的设备的开发需求,所述开发需求包括:功能需求;
对每个所述功能需求进行分析,确定每个所述功能需求对应的功能模块集以及对应的组装方式,所述功能模块集中包括多个功能模块;
当根据所述组装方式对所述功能模块集中的功能模块进行组装,得到组装完成的功能组件后,获取各个所述功能组件的待配置参数以及每个所述功能组件的目标值;
针对每个所述功能组件,将相应的所述待配置参数和目标值作为参数配置模型的输入,获取所述参数配置模型输出的每个待配置参数对应的初始参数值;
将每个待配置参数对应的初始参数值作为调试参数,基于所述调试参数驱动所述功能组件中的目标机构运动并采集反馈信息;
当所述反馈信息满足所述功能组件的目标值时,则将所述待配置参数对应的初始参数值作为目标参数值保存到所述功能组件;
当所述反馈信息不满足所述功能组件的目标值时,根据所述反馈信息按照预设的算法对所述初始参数值进行调整,得到更新后的更新参数值,将所述更新参数值作为所述调试参数,进入基于所述调试参数驱动所述功能组件中的目标机构运动并采集反馈信息的步骤,直到得到反馈信息满足所述功能组件的目标值,将相应的更新参数值作为目标参数值保存到所述功能组件。
上述设备的开发方法、装置、计算机设备及存储介质,为了解决传统的硬件组装需要依赖于专业人士、门槛高的问题,提出了一种傻瓜式的硬件组装方式,首先,获取待开发的设备的开发需求,开发需求中包括功能需求,通过对功能需求进行分析,可以得到该功能需求对应的功能模块以及组装方式,根据组装方式即可完成功能组件的组装,该硬件组装的方式由于根据功能需求自动分析得到所要用到功能模块以及组装方式,按照组装方式对功能模块进行组装即可,对于非专业人士只需要按照组装方式进行组装即可,不需要依赖于专业人士,大大降低了硬件组装的门槛,有利于节约成本;
进一步的,对于组装完成的功能组件,通过参数配置模型直接可以得到比较准确的初始参数值,为了判断初始参数值是否满足要求,基于初始参数值进行调试,同时采集反馈信息,当反馈信息满足功能组件的目标值时,则说明初始参数值满足要求,直接可以将初始配置参数值作为目标参数值,并保存到功能组件中,该过程中大大减少了试错的次数,大大提高了参数配置的效率。
当获取到的初始参数值不能满足要求时,则对初始参数值进行更新调整,由于初始参数值已经是比较准确,所以基于初始参数值再调整也会大大减少试错次数,从而有利于提高参数配置的效率。
附图说明
为了更清楚地说明本申请实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本申请的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
其中:
图1为一个实施例中设备的开发方法的流程图;
图2为一个实施例中参数配置模型训练的方法流程图;
图3为一个实施例中设备的开发的架构示意图;
图4为一个实施例中设备的开发装置的结构框图;
图5为一个实施例中计算机设备的内部结构图。
具体实施方式
应当理解,此处所描述的具体实施例仅仅用以解释本申请,并不用于限定本申请。
下面将结合本申请的实施例中的附图,对本申请的实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本申请的一部分实施例,而不是全部的实施例。基于本申请中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本申请保护的范围。
需要说明的是,本申请的说明书和权利要求书及上述附图中的术语“包括”、“包含”和“具有”以及它们任何变形,意图在于覆盖不排他的包含。例如包含了一系列步骤或单元的过程、方法、系统、产品或设备没有限定于已列出的步骤或单元,而是可选地还包括没有列出的步骤或单元,或可选地还包括对于这些过程、方法、产品或设备固有的其他步骤或单元。在本申请的权利要求书、说明书以及说明书附图中的术语,诸如“第一”和“第二”等之类的关系术语仅仅用来将一个实体/操作/对象与另一个实体/操作/对象区分开来,而不一定要求或者暗示这些实体/操作/对象之间存在任何这种实际的关系或者顺序。
在本文中提及“实施例”意味着,结合实施例描述的特定特征、结构或特性可以包含在本申请的至少一个实施例中。在说明书中的各个位置出现该短语并不一定均是指相同的实施例,也不是与其他实施例互斥的独立的或备选的实施例。本领域技术人员显式地和隐式地理解的是,本文所描述的实施例可以与其他实施例相结合。
如图1所示,提出了一种设备的开发方法,该设备的开发方法可以应用于计算机设备,本实施例中以应用于计算机设备为例进行说明,包括:
步骤102,获取待开发的设备的开发需求,对开发需求进行分析,确定与开发需求对应的功能需求。
在一个实施例中,设备为体外诊断设备,当然也可以是其它设备。开发需求中包含有客户对设备的要求,根据开发需求分析出该待开发设备需要具有哪些功能,即分析出功能需求。根据开发需求确定完成开发需求需要完成的一系列动作,根据一系列动作确定对应的功能需求。比如,若客户的开发需求是开发出一个生化检测的设备,那么对于该生化检测的设备其需要完成一系列动作,一系列动作为:加载样本-加载试剂-反应液移至混匀位-混匀-反应液移至孵育位-孵育-反应液移至读数位-读数-丢杯。根据分析出的要完成的一系列动作确定相应的功能需求,每个动作对应一个功能需求。即上述加载样本、加载试剂、反应液移至混匀位、混匀、反应液移至孵育位、孵育、读数和丢杯分别对应一个功能需求。
步骤104,对每个功能需求进行分析,确定每个功能需求对应的功能模块集以及对应的组装方式,功能模块集中包括多个功能模块。
其中,在分析得到多个功能需求后,针对每个功能需求确定对应的功能组件,一个功能需求对应一个功能组件,比如,对于上述加载样本其对应的功能组件为样本臂组件,即通过样本臂组件来完成加载样本这个动作。同样地,加载试剂对应的功能组件为试剂臂组件,反应液移至混匀位对应的传递臂组件等等,,需要说明的是,不同功能需求可以对应同一个功能组件,比如,上述反应液移至混匀位、反应液移至孵育位和反应液移至读数位置三个功能需求对应的是同一个功能组件(样本臂组件)。
以生化检测的设备为例,功能需求与功能组件的对应关系如下:
加载样本(样本臂组件)->加载试剂(试剂臂组件)->反应液移至混匀位(传递臂组件)->混匀(混匀机构组件)->反应液移至孵育位(传递臂组件)->孵育(孵育盘组件)->反应液移至读数位(传递臂组件)->读数(读数站组件)->丢杯(丢杯机构组件);
而一个功能组件是由多个功能模块组成的,所以功能模块集中包括多个功能模块,功能模块可以分为电机控制模块、温度控制模块、液路控制模块、系统监控模块,每个功能模块用于实现单一功能。比如,电机模块用于实现驱动电机,温度控制模块用于实现温度控制,而一个功能组件可以完成相对复杂点的功能,比如,从一个地方抓起杯子放到另一个地方,这个过程可能涉及多个功能模块(比如,需要3到4个电机模块)。一般情况下,每个功能模块对应一个机械器件,比如,电机模块对应一个电机,温度控制模块对应一个温度控制板、液路控制模块对应一个液路控制板。
针对每个功能需求,分别确定相应需要的功能模块以及对应的组装方式。比如,对于加载样本,需要3个电机模块,将3个电机模块按照组装方式进行组装,比如,将3个电机模块进行并联,得到该加载样本对应的功能组件。
步骤106,当根据组装方式对功能模块集中的功能模块进行组装,得到组装完成的功能组件后,获取各个功能组件的待配置参数以及每个功能组件的目标值。
其中,组装方式包括涉及到的各个功能模块的连接方式,即根据该连接方式进行各个功能模块的组装即可完成相应的功能组件。
待配置参数是指功能组件中涉及到的需要进行配置的参数。比如,若功能组件中包含电机模块,那么相应地需要设置电机的相关参数,如,驱动电流、静态电流、细分数、加速度以及速度模式等。
功能组件的目标值是指功能组件运行起来之后各方面能够达到的效果值,需要说明的是,目标值可以是多个值,比如,目标值可以包括:运动噪声、振动幅度、时间要求等,对于功能组件一般要求运动噪声必须小于某个值才算达标,所以目标值相当于门槛,只有小于目标值才算是达标。另外,振动幅度也不宜过大,所以设置振动幅度允许的最大值作为目标值,同样地,对于时间要求一般是不能超过多长时间,比如,控制在1分钟之内,那么将时间要求的1分钟作为目标值。
在一个实施例中,待配置参数包括:模块类型参数、电机控制的相关参数、运动模式参数、反馈参数等,其中,模型类型参数的调整用于适应不同的硬件板卡,如42型电机驱动板、57型电机驱动板等需要设置的模块类型参数是不同的。电机控制的相关参数,包括:驱动电流、静态电流、细分数、加速度、速度模式、以及不同运动控制的运行速度、运行方向、限制条件等参数。运动模式参数,包括:直线运动、旋转运动、最优路径运动、最大行程、整圈步数的限定等参数。反馈参数,包括:是否开启闭环反馈、反馈模式、允许偏差、偏差处理等参数。通过更多参数的可配置,可以给二次开发提供更大的发挥空间,使得模块有更强的适应性和灵活性。
步骤108,针对每个功能组件,将相应的待配置参数和目标值作为参数配置模型的输入,获取参数配置模型输出的每个待配置参数对应的初始参数值,将每个待配置参数对应的初始参数值作为调试参数。
其中,参数配置模型为基于神经网络模型进行训练得到的模型,用于预测每个待配置参数对应的参数值,为了区分,将参数配置模型输出的参数值称为“初始参数值”。参数配置模型基于要达到的目标值来预测每个待配置参数需要配置的参数值。由于不同客户对于精度的要求是不同的,所以目标值是不同的,通过将目标值作为参数配置模型的输入,可以更灵活地根据客户的需求进行开发。
步骤110,基于调试参数驱动功能组件中的目标机构运动并采集反馈信息。
其中,为了验证输出的初始参数值是否能够满足功能组件的运行要求,需要将初始参数值作为调试参数,基于调试参数驱动功能组件中的目标机构运动,在运动的同时进行反馈信息的采集,根据反馈信息来判断是否满足目标值。
步骤112,判断反馈信息是否满足功能组件的目标值,若满足,则进入步骤114,若不满足,则进入步骤116。
其中,反馈信息是指采集到的运动效果值,比如,运动噪声值、运动振动值以及运动时间等。功能组件的目标值设置为对运动效果的最低要求值,所以反馈信息如果不能小于目标值,则判定不满足要求,若小于目标值,则判定满足要求。
步骤114,将相应的调试参数作为目标参数值保存到功能组件。
其中,当反馈信息满足功能组件的目标值时,说明初始参数值已经是符合要求的参数值,此时,只需要将初始参数值(即相应的调试参数)作为目标参数值保存到功能组件即可。另外,将目标参数值保存为文件,当后续有同样功能需求时,直接获取目标参数值即可。
步骤116,根据反馈信息按照预设的算法对初始参数值进行调整,得到更新后的更新参数值,将更新参数值作为调试参数,进入基于调试参数驱动功能组件中的目标机构运动并采集反馈信息的步骤110,直到得到反馈信息满足功能组件的目标值,将相应的更新参数值(调试参数)作为目标参数值保存到功能组件。
其中,当反馈信息不满足功能组件的目标值时,说明初始参数值还不符合要求,此时,需要对初始参数值进行调整,得到更新后的更新参数值,然后再利用更新参数值进行调试并采集反馈信息,当反馈信息满足功能组件的目标值时,则将更新参数值作为目标参数值,当反馈信息不满足功能组件的目标值时,还需要继续更新参数值,直到找到合适的参数值作为目标参数值进行保存。
另外,对于体外诊断设备,随着工作时间的增加,功能组件会由于磨损、润滑状态等造成负载变化,从而影响控制结果。考虑到这个情况,后续当出现负载变化时,通过反馈信息可以及时了解功能组件的运行状态,然后当出现反馈信息已经不能满足功能组件的目标值时,则按照预设的算法对初始参数值进行调整,使得开发得到的体外诊断设备具有自适应能力。
上述设备的开发方法,为了解决传统的硬件组装需要依赖于专业人士、门槛高的问题,提出了一种傻瓜式的硬件组装方式,首先,获取待开发的设备的开发需求,开发需求中包括功能需求,通过对功能需求进行分析,可以得到该功能需求对应的功能模块以及组装方式,根据组装方式即可完成功能组件的组装,该硬件组装的方式由于根据功能需求自动分析得到所要用到功能模块以及组装方式,按照组装方式对功能模块进行组装即可,对于非专业人士只需要按照组装方式进行组装即可,不需要依赖于专业人士,大大降低了硬件组装的门槛,有利于节约成本;进一步的,对于组装完成的功能组件,通过参数配置模型直接可以得到比较准确的初始参数值,为了判断初始参数值是否满足要求,基于初始参数值进行调试,同时采集反馈信息,当反馈信息满足功能组件的目标值时,则说明初始参数值满足要求,直接可以将初始配置参数值作为目标参数值,并保存到功能组件中,该过程中大大减少了试错的次数,大大提高了参数配置的效率。当获取到的初始参数值不能满足要求时,则对初始参数值进行更新调整,由于初始参数值已经是比较准确,所以基于初始参数值再调整也会大大减少试错次数,从而有利于提高参数配置的效率。
如图2所示,在一个实施例中,所述参数配置模型是基于神经网络模型训练得到的,训练步骤如下:
步骤202,获取训练数据集,训练数据集中包括多个训练数据,训练数据包括训练配置参数和达到相应训练目标值时各个训练配置参数对应的训练参数值。
其中,训练数据集用于对参数配置模型进行训练。训练数据集中包括很多个训练数据,而每个训练数据包括:训练配置参数,以及达到训练目标值时各个训练配置参数对应的训练参数值。训练目标值有多个,不同的训练目标值表示的精度不一样。
步骤204,将训练配置参数和训练目标值作为参数配置模型的输入,将训练参数值作为参数配置模型的期望输出。
其中,在模型训练时,将训练配置参数和训练目标值作为参数配置模型的输入,然后将相应的训练参数值作为参数配置模型的期望输出。
步骤206,获取参数配置模型的实际输出,根据实际输出和期望输出计算得到每个训练目标值对应的损失值。
其中,根据预设损失函数计算得到每个训练目标值对应的损失值。在一个实施例中,采用下列损失函数进行计算:
其中,Lk表示第k个训练目标值对应的损失值,n表示批大小,即一批里面包含n个训练数据,i表示第i个训练数据。
步骤208,基于每个训练目标值对应的损失值对参数配置模型中的内部参数权重进行调整,直到参数配置模型达到收敛条件,完成参数配置模型的训练。
其中,在得到损失值后,就可以根据损失值采用梯度下降法进行参数配置模型中的内部参数权重的调整,以便使损失值朝着较小的方向发展,直到达到收敛条件,完成参数配置模型的训练。
上述参数配置模型的训练过程中,分别针对不同的训练目标值进行损失值的计算,这样有利于使得训练得到的参数配置模型可以适用于针对不同的训练目标值的预测,从而使得参数配置更加灵活。另外,当后续的需求发生变化时,可以重新对相应的参数进行配置,即用户可以基于自己的需求进行二次开发,而且进行二次开发的方式也很简单,只需要输入需求的目标值即可,这样参数配置模型便可根据用户重新输入的目标值进行重新配置。
在一个实施例中,所述基于每个训练目标值对应的所述损失值对所述参数配置模型中的内部参数权重进行调整,直到所述参数配置模型达到收敛条件,完成所述参数配置模型的训练,包括:获取每个训练目标值对应的权重,所述训练目标值用于反映功能组件的运行精度要求,训练目标值越小,表示运行精度要求越高,所述训练目标值与权重呈反相关;根据所述每个训练目标值对应的损失值以及每个训练目标值对应的权重计算得到总损失值:根据所述总损失值对所述参数配置模型中的内部参数权重进行调整,直到所述参数配置模型达到收敛条件,完成所述参数配置模型的训练。
其中,为了使得训练得到的参数配置模型能够更加准确地对参数值进行预测。针对不同的训练目标值设置不同的权重。一般来说,训练目标值越小,其对应的精度要求越高,而高精度的一旦能够满足要求,相应的低精度一般也能够满足要求,所以在设置权重时,将不同的训练目标值设置为不同的权重,训练目标值越小,相应的权重设置越大。
在一个实施例中,采用以下公式进行总的损失值的计算,
其中,L表示总的损失值,Lk表示第k个训练目标值对应的损失值,wk表示相应的权重。
在一个实施例中,所述根据所述反馈信息按照预设的算法对所述初始参数值进行调整,到更新后的更新参数值,包括:根据所述反馈信息与所述目标值的差异确定各个待配置参数的微调值,所述微调值与所述差异成正相关;根据所述各个待配置参数的微调值对所述初始参数值进行调整,得到更新参数值。
其中,在采集得到反馈信息后,根据反馈信息与目标值的差异来确定各个待配置参数的微调值,差异越大,说明此时的初始参数值离目标参数值相差越大,此时微调值可以设置的大一点。反之,差异越小,微调值越小。根据反馈信息与目标值之前的差异进行调整,有利于更快速地调节到目标参数值,从而更有利于提高参数配置效率。
在一个实施例中,所述根据所述反馈信息与所述目标值的差异确定各个待配置参数的微调值,包括:将所述反馈信息与所述目标值的差异以及各个待配置参数作为参数微调模型的输入,获取所述参数微调模型输出的各个待配置参数对应的微调值,所述参数微调模型用于基于学习到的待配置参数的变化与差异的关系输出各个待配置参数的微调值。
其中,参数微调模型用于根据学习到的待配置参数的变化与差异的关系来输出各个待配置参数的微调值。待配置参数的调整采用参数微调模型进行调整,可以实现快速调整到目标参数值。参数微调模型可以采用神经网络模型训练得到。同样地,参数微调模型采用有监督的学习方法,构架训练数据集,训练数据集中的训练数据包括:将各个训练配置参数的调整前后的值作为输入,将对应的反馈信息的差异作为期望的输出来进行训练。
举个例子,假设有5个训练配置参数,调整前的值分别为a1,b1,c1,d1、e1,调整后的值为a2,b2,c2,d2,e2,那么将调整前和调整后的配置参数值作为输入,然后将采集到的两次的反馈信息的差值作为期望的输出进行训练。这样参数微调模型就可以学习到待配置参数的变化与反馈差异的关系,从而就可以根据反馈信息与目标值的差异进行针对性的调整,这样有利于提高调整的准确度,从而可以大大提高参数调整的效率。
在一个实施例中,参数微调模型还用于后续体外诊断设备的自适应调整。体外诊断设备开发之后,在实际工作过程中,随着工作时间的增加,功能组件会由于磨损、润滑状态等造成负载变化,从而影响控制结果。为了使得体外诊断设备具有自适应调节功能,那么后续在采集到反馈信息不满足目标值的需求时,则根据反馈信息与目标值的差异采用参数微调模型进行参数调整,并将调整后的参数保存到功能组件,从而实现了体外诊断设备的自适应调整。
在一个实施例中,所述针对每个所述功能组件,将相应的所述待配置参数和目标值作为参数配置模型的输入,获取所述参数配置模块输出的每个待配置参数对应的初始参数值,包括:当存在约束条件时,将所述约束条件、所述待配置参数和目标值作为参数配置模型的输入,获取所述参数配置模型输出的每个待配置参数对应的初始参数值。
其中,待配置参数往往有很多个,而待配置参数之间可能存在相互约束的条件,比如,距离和速度之间的约束,所以当存在约束条件时,将约束条件也作为参数配置模型的输入,这样得到的待配置参数的初始参数值之间符合相应的约束条件。通过增加约束条件,避免了某个待配置参数出现超出其标准范围的情况。
在一个实施例中,上述体外诊断设备的方法还包括:将与所述功能需求对应的时序文件保存到上位机,将预设的指令集下发到功能组件中进行存储,所述时序文件用于调用所述指令集中的指令与功能组件进行交互完成相应的功能。
其中,为了解决上述上位机开发的程序是固化在里面的,不利于用户进行二次开发的问题,提出了数据和程序分离的方式。数据是指功能组件中的数据,程序是指上位机中的时序文件。通过将预设的指令集下发到功能组件中进行存储。然后在上位机中存储开发得到的时序文件,上位机与功能组件通过CAN帧进行通信,上位机根据时序文件中的时序调用指令集中的指令完成与功能组件的交互。由于时序文件与功能组件是相互独立的,且指令集中具有丰富的指令,可以满足各种需求,所以后续需要进行二次开发时,只需要更改时序文件即可,而不需要更改功能组件。
在一个实施例中,为了实现上位机与各个独立的功能组件进行通信,需要对CAN帧进行改进,传统的CAN帧中只包含有目标ID,由于上位机需要分别与各个功能组件进行通信,所以对CAN帧进行了改进,在CAN帧中增加了源ID以及指令内部帧序号,即CAN帧中包括源ID、目标ID和指令内部帧序号。由于各个功能组件都可能向上位机发送信息,而上位机需要根据源ID知道是哪个功能组件发送的信息。另外,由于CAN帧具有的字节非常少,只有8字节,而一个指令的传输往往是大于8字节的,为了解决这个问题,在CAN帧中还增加了指令内部帧序号,即将同一指令分为多个CAN帧进行传输,接收到多个CAN帧后再进行组装来获取相应的指令。通过对CAN帧的改进实现了上位机与各个独立的功能组件进行通信。
在一个实施例中,由于上位机处理信息比较慢,为了提高交互的实时性,创新性地在上位机与各个功能组件之间增加了一个中控板,将时序文件下发到中控板,然后通过中控板与各个功能组件进行交互,大大提高了交互的实时性。如图3所示,为一个实施例中,体外诊断设备开发的架构示意图。如图3所示,上位机下面设置有中控板,通过中控板与各个功能组件进行交互。
如图4所示,提出了一种设备的开发装置,包括:
获取模块402,用于获取待开发的设备的开发需求,对所述开发需求进行分析,确定与所述开发需求对应的功能需求;
分析模块404,用于对每个所述功能需求进行分析,确定每个所述功能需求对应的功能模块集以及对应的组装方式,所述功能模块集中包括多个功能模块;
所述获取模块还用于当根据所述组装方式对所述功能模块集中的功能模块进行组装,得到组装完成的功能组件后,获取各个所述功能组件的待配置参数以及每个所述功能组件的目标值;
预测模块406,用于针对每个所述功能组件,将相应的所述待配置参数和目标值作为参数配置模型的输入,获取所述参数配置模型输出的每个待配置参数对应的初始参数值;
采集模块408,用于将每个待配置参数对应的初始参数值作为调试参数,基于所述调试参数驱动所述功能组件中的目标机构运动并采集反馈信息;
保存模块410,用于当所述反馈信息满足所述功能组件的目标值时,则将所述待配置参数对应的初始参数值作为目标参数值保存到所述功能组件;
更新模块412,用于当所述反馈信息不满足所述功能组件的目标值时,根据所述反馈信息按照预设的算法对所述初始参数值进行调整,得到更新后的更新参数值,将所述更新参数值作为所述调试参数,进入基于所述调试参数驱动所述功能组件中的目标机构运动并采集反馈信息的步骤,直到得到反馈信息满足所述功能组件的目标值;
所述保存模块还用于将相应的更新参数值作为目标参数值保存到所述功能组件。
在一个实施例中,上述装置还包括:
模型训练模块,用于获取训练数据集,所述训练数据集中包括多个训练数据,所述训练数据包括训练配置参数和达到相应训练目标值时各个训练配置参数对应的训练参数值;将所述训练配置参数和训练目标值作为所述参数配置模型的输入,将所述训练参数值作为所述参数配置模型的期望输出;获取所述参数配置模型的实际输出,根据所述实际输出和所述期望输出计算得到每个训练目标值对应的损失值;基于每个训练目标值对应的所述损失值对所述参数配置模型中的内部参数权重进行调整,直到所述参数配置模型达到收敛条件,完成所述参数配置模型的训练。
在一个实施例中,所述模型训练模块还用于获取每个训练目标值对应的权重,所述训练目标值用于反映功能组件的运行精度要求,训练目标值越小,表示运行精度要求越高,所述训练目标值与权重呈反相关;根据所述每个训练目标值对应的损失值以及每个训练目标值对应的权重计算得到总损失值:根据所述总损失值对所述参数配置模型中的内部参数权重进行调整,直到所述参数配置模型达到收敛条件,完成所述参数配置模型的训练。
在一个实施例中,更新模块还用于根据所述反馈信息与所述目标值的差异确定各个待配置参数的微调值,所述微调值与所述差异成正相关;根据所述各个待配置参数的微调值对所述初始参数值进行调整,得到更新参数值。
在一个实施例中,更新模块还用于将所述反馈信息与所述目标值的差异以及各个待配置参数作为参数微调模型的输入,获取所述参数微调模型输出的各个待配置参数对应的微调值,所述参数微调模型用于基于学习到的待配置参数的变化与差异的关系输出各个待配置参数的微调值。
在一个实施例中,预测模块还用于当存在约束条件时,将所述约束条件、所述待配置参数和目标值作为参数配置模型的输入,获取所述参数配置模型输出的每个待配置参数对应的初始参数值。
在一个实施例,所述保存模块还用于将与所述功能需求对应的时序文件保存到上位机,将预设的指令集下发到功能组件中进行存储,所述时序文件用于调用所述指令集中的指令与功能组件进行交互完成相应的功能。
图5示出了一个实施例中计算机设备的内部结构图。该计算机设备具体可以是终端。如图5所示,该计算机设备包括通过系统总线连接的处理器、存储器和网络接口。其中,存储器包括非易失性存储介质和内存储器。该计算机设备的非易失性存储介质有存储操作系统,还可有存储计算机程序,该计算机程序被处理器执行时,可使得处理器实现上述的设备的开发方法。该内存储器中也可储存有计算机程序,该计算机程序被处理器执行时,可使得处理器执行上述的设备的开发方法。本领域技术人员可以理解,图5中示出的结构,仅仅是与本申请方案相关的部分结构的框图,并不构成对本申请方案所应用于其上的设备的限定,具体的设备可以包括比图中所示更多或更少的部件,或者组合某些部件,或者具有不同的部件布置。
一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,所述计算机程序被所述处理器执行时,使得所述处理器执行上述实施例中设备的开发方法的步骤。
一种计算机可读存储介质,其特征在于,存储有计算机程序,所述计算机程序被处理器执行时,使得所述处理器执行上述实施例中设备的开发方法的步骤。
可以理解的是,上述设备的开发方法、装置、设备以及计算机可读存储介质属于一个总的发明构思,实施例可相互适用。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程,是可以通过计算机程序来指令相关的硬件来完成,所述的程序可存储于一非易失性计算机可读取存储介质中,该程序在执行时,可包括如上述各方法的实施例的流程。其中,本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用,均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)或闪存。易失性存储器可包括随机存取存储器(RAM)或者外部高速缓冲存储器。作为说明而非局限,RAM以多种形式可得,诸如静态RAM(SRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双数据率SDRAM(DDRSDRAM)、增强型SDRAM(ESDRAM)、同步链路(Synchlink)DRAM(SLDRAM)、存储器总线(Rambus)直接RAM(RDRAM)、直接存储器总线动态RAM(DRDRAM)、以及存储器总线动态RAM(RDRAM)等。
以上实施例的各技术特征可以进行任意的组合,为使描述简洁,未对上述实施例中的各个技术特征所有可能的组合都进行描述,然而,只要这些技术特征的组合不存在矛盾,都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本申请的几种实施方式,其描述较为具体和详细,但并不能因此而理解为对本申请专利范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本申请构思的前提下,还可以做出若干变形和改进,这些都属于本申请的保护范围。因此,本申请专利的保护范围应以所附权利要求为准。
Claims (10)
1.一种设备的开发方法,其特征在于,包括:
获取待开发的设备的开发需求,对所述开发需求进行分析,确定与所述开发需求对应的功能需求;
对每个所述功能需求进行分析,确定每个所述功能需求对应的功能模块集以及对应的组装方式,所述功能模块集中包括多个功能模块;
当根据所述组装方式对所述功能模块集中的功能模块进行组装,得到组装完成的功能组件后,获取各个所述功能组件的待配置参数以及每个所述功能组件的目标值;
针对每个所述功能组件,将相应的所述待配置参数和目标值作为参数配置模型的输入,获取所述参数配置模型输出的每个待配置参数对应的初始参数值;
将每个待配置参数对应的初始参数值作为调试参数,基于所述调试参数驱动所述功能组件中的目标机构运动并采集反馈信息;
当所述反馈信息满足所述功能组件的目标值时,则将所述待配置参数对应的初始参数值作为目标参数值保存到所述功能组件;
当所述反馈信息不满足所述功能组件的目标值时,根据所述反馈信息按照预设的算法对所述初始参数值进行调整,得到更新后的更新参数值,将所述更新参数值作为所述调试参数,进入基于所述调试参数驱动所述功能组件中的目标机构运动并采集反馈信息的步骤,直到得到反馈信息满足所述功能组件的目标值,将相应的更新参数值作为目标参数值保存到所述功能组件。
2.根据权利要求1所述的方法,其特征在于,所述参数配置模型是基于神经网络模型训练得到的,训练步骤如下:
获取训练数据集,所述训练数据集中包括多个训练数据,所述训练数据包括训练配置参数和达到相应训练目标值时各个训练配置参数对应的训练参数值;
将所述训练配置参数和训练目标值作为所述参数配置模型的输入,将所述训练参数值作为所述参数配置模型的期望输出;
获取所述参数配置模型的实际输出,根据所述实际输出和所述期望输出计算得到每个训练目标值对应的损失值;
基于每个训练目标值对应的所述损失值对所述参数配置模型中的内部参数权重进行调整,直到所述参数配置模型达到收敛条件,完成所述参数配置模型的训练。
3.根据权利要求2所述的方法,其特征在于,所述基于每个训练目标值对应的所述损失值对所述参数配置模型中的内部参数权重进行调整,直到所述参数配置模型达到收敛条件,完成所述参数配置模型的训练,包括:
获取每个训练目标值对应的权重,所述训练目标值用于反映功能组件的运行精度要求,训练目标值越小,表示运行精度要求越高,所述训练目标值与权重呈反相关;
根据所述每个训练目标值对应的损失值以及每个训练目标值对应的权重计算得到总损失值:
根据所述总损失值对所述参数配置模型中的内部参数权重进行调整,直到所述参数配置模型达到收敛条件,完成所述参数配置模型的训练。
4.根据权利要求1所述的方法,其特征在于,所述根据所述反馈信息按照预设的算法对所述初始参数值进行调整,得到更新后的更新参数值,包括:
根据所述反馈信息与所述目标值的差异确定各个待配置参数的微调值,所述微调值与所述差异成正相关;
根据所述各个待配置参数的微调值对所述初始参数值进行调整,得到更新参数值。
5.根据权利要求4所述的方法,其特征在于,所述根据所述反馈信息与所述目标值的差异确定各个待配置参数的微调值,包括:
将所述反馈信息与所述目标值的差异以及各个待配置参数作为参数微调模型的输入,获取所述参数微调模型输出的各个待配置参数对应的微调值,所述参数微调模型用于基于学习到的待配置参数的变化与差异的关系输出各个待配置参数的微调值。
6.根据权利要求1所述的方法,其特征在于,所述针对每个所述功能组件,将相应的所述待配置参数和目标值作为参数配置模型的输入,获取所述参数配置模块输出的每个待配置参数对应的初始参数值,包括:
当存在约束条件时,将所述约束条件、所述待配置参数和目标值作为参数配置模型的输入,获取所述参数配置模型输出的每个待配置参数对应的初始参数值。
7.根据权利要求1所述的方法,其特征在于,所述方法还包括:
将与所述功能需求对应的时序文件保存到上位机,将预设的指令集下发到功能组件中进行存储,所述时序文件用于调用所述指令集中的指令与功能组件进行交互完成相应的功能。
8.一种设备的开发装置,其特征在于,包括:
获取模块,用于获取待开发的设备的开发需求,对所述开发需求进行分析,确定与所述开发需求对应的功能需求;
分析模块,用于对每个所述功能需求进行分析,确定每个所述功能需求对应的功能模块集以及对应的组装方式,所述功能模块集中包括多个功能模块;
所述获取模块还用于当根据所述组装方式对所述功能模块集中的功能模块进行组装,得到组装完成的功能组件后,获取各个所述功能组件的待配置参数以及每个所述功能组件的目标值;
预测模块,用于针对每个所述功能组件,将相应的所述待配置参数和目标值作为参数配置模型的输入,获取所述参数配置模型输出的每个待配置参数对应的初始参数值;
采集模块,用于将每个待配置参数对应的初始参数值作为调试参数,基于所述调试参数驱动所述功能组件中的目标机构运动并采集反馈信息;
保存模块,用于当所述反馈信息满足所述功能组件的目标值时,则将所述待配置参数对应的初始参数值作为目标参数值保存到所述功能组件;
更新模块,用于当所述反馈信息不满足所述功能组件的目标值时,根据所述反馈信息按照预设的算法对所述初始参数值进行调整,得到更新后的更新参数值,将所述更新参数值作为所述调试参数,进入基于所述调试参数驱动所述功能组件中的目标机构运动并采集反馈信息的步骤,直到得到反馈信息满足所述功能组件的目标值;
所述保存模块还用于将相应的更新参数值作为目标参数值保存到所述功能组件。
9.一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,所述计算机程序被所述处理器执行时,使得所述处理器执行如权利要求1至7中任一项所述的设备的开发方法的步骤。
10.一种计算机可读存储介质,其特征在于,存储有计算机程序,所述计算机程序被处理器执行时,使得所述处理器执行如权利要求1至7中任一项所述的设备的开发方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110820280.0A CN113535492B (zh) | 2021-07-20 | 2021-07-20 | 设备的开发方法、装置、设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110820280.0A CN113535492B (zh) | 2021-07-20 | 2021-07-20 | 设备的开发方法、装置、设备及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113535492A true CN113535492A (zh) | 2021-10-22 |
CN113535492B CN113535492B (zh) | 2022-04-08 |
Family
ID=78129038
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110820280.0A Active CN113535492B (zh) | 2021-07-20 | 2021-07-20 | 设备的开发方法、装置、设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113535492B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116300587A (zh) * | 2023-02-20 | 2023-06-23 | 广东金朋科技有限公司 | 硬件模块化处理方法、装置、电子设备和存储介质 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104517014A (zh) * | 2015-01-16 | 2015-04-15 | 合肥工业大学 | 一种基于Pro/E的产品自动装配设计系统及其装配处理算法 |
CN105608254A (zh) * | 2015-12-15 | 2016-05-25 | 宁波力芯科信息科技有限公司 | 一种面向智能硬件系统开发的自动化设计方法和平台 |
CN106599614A (zh) * | 2016-11-07 | 2017-04-26 | 为朔医学数据科技(北京)有限公司 | 一种高通量测序数据处理及分析流程控制方法及系统 |
CN109885311A (zh) * | 2019-01-28 | 2019-06-14 | 平安科技(深圳)有限公司 | 一种应用程序的生成方法及设备 |
CN111860789A (zh) * | 2020-07-31 | 2020-10-30 | Oppo广东移动通信有限公司 | 模型训练方法、终端及存储介质 |
-
2021
- 2021-07-20 CN CN202110820280.0A patent/CN113535492B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104517014A (zh) * | 2015-01-16 | 2015-04-15 | 合肥工业大学 | 一种基于Pro/E的产品自动装配设计系统及其装配处理算法 |
CN105608254A (zh) * | 2015-12-15 | 2016-05-25 | 宁波力芯科信息科技有限公司 | 一种面向智能硬件系统开发的自动化设计方法和平台 |
CN106599614A (zh) * | 2016-11-07 | 2017-04-26 | 为朔医学数据科技(北京)有限公司 | 一种高通量测序数据处理及分析流程控制方法及系统 |
CN109885311A (zh) * | 2019-01-28 | 2019-06-14 | 平安科技(深圳)有限公司 | 一种应用程序的生成方法及设备 |
CN111860789A (zh) * | 2020-07-31 | 2020-10-30 | Oppo广东移动通信有限公司 | 模型训练方法、终端及存储介质 |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116300587A (zh) * | 2023-02-20 | 2023-06-23 | 广东金朋科技有限公司 | 硬件模块化处理方法、装置、电子设备和存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN113535492B (zh) | 2022-04-08 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US20180164756A1 (en) | Control system and machine learning device | |
JP5448841B2 (ja) | 技術システムの、とりわけガスタービンの、計算機支援による閉ループ制御および/または開ループ制御のための方法 | |
CN113535492B (zh) | 设备的开发方法、装置、设备及存储介质 | |
CN106933105B (zh) | 受限条件下的轨迹更新综合预测迭代学习控制算法 | |
CN105996107A (zh) | 一种基于薄板烘丝的烟丝质量控制方法及系统 | |
CN113031983B (zh) | 一种基于深度强化学习的软件智能升级方法及装置 | |
CN101339562A (zh) | 引入兴趣模型反馈更新机制的门户个性化推荐服务系统 | |
CN114398049A (zh) | 一种离散制造车间数字孪生模型自适应动态更新方法 | |
CN115238599B (zh) | 制冷系统节能方法及模型强化学习训练方法、装置 | |
CN116629136A (zh) | 数字孪生模型的更新方法、装置、设备及存储介质 | |
CN109976153B (zh) | 控制无人驾驶设备及模型训练的方法、装置及电子设备 | |
Inga et al. | Online inverse linear-quadratic differential games applied to human behavior identification in shared control | |
CN115391048A (zh) | 基于趋势预测的微服务实例动态水平扩展收缩方法及系统 | |
US20210197205A1 (en) | Method and device for controlling a process within a system, in particular a grinding process in a grinding device | |
CN108573309A (zh) | 一种机器学习算法的自适应调整方法和系统 | |
CN115042191B (zh) | 预训练模型微调训练方法、装置、电子设备及存储介质 | |
CN116258266A (zh) | 一种管理环保设备的方法、系统、设备及介质 | |
RU2300795C2 (ru) | Устройство и способ для контроля управляющей программы вычислителя | |
CN112160750B (zh) | 采煤机状态控制、预测的系统及方法 | |
Buttar | Applying machine learning to reduce the adaptation space in self-adaptive systems: an exploratory work | |
CN112379601A (zh) | 基于工业过程的mfa控制系统设计方法 | |
EP4045979A1 (en) | A controller | |
CN117749037A (zh) | 一种重力储能电机控制方法及系统 | |
CN117775886B (zh) | 一种用于纤维缠绕的高性能张力控制方法及系统 | |
CN113360276B (zh) | 一种基于健康状态的无人机系统任务规划方法及装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |