CN113741215B - 基于关联特征数据的设备控制方法及装置 - Google Patents
基于关联特征数据的设备控制方法及装置 Download PDFInfo
- Publication number
- CN113741215B CN113741215B CN202111087873.7A CN202111087873A CN113741215B CN 113741215 B CN113741215 B CN 113741215B CN 202111087873 A CN202111087873 A CN 202111087873A CN 113741215 B CN113741215 B CN 113741215B
- Authority
- CN
- China
- Prior art keywords
- control
- feature data
- data set
- data
- characteristic data
- 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.)
- Active
Links
Images
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
- G05B17/00—Systems involving the use of models or simulators of said systems
- G05B17/02—Systems involving the use of models or simulators of said systems electric
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/02—Total factory control, e.g. smart factories, flexible manufacturing systems [FMS] or integrated manufacturing systems [IMS]
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Automation & Control Theory (AREA)
- Testing And Monitoring For Control Systems (AREA)
Abstract
本发明公开了一种基于关联特征数据的设备控制方法及装置,该方法通过获取目标控制设备的数据仿真控制模型和当前特征数据集;基于关联特征数据集,判断当前特征数据集是否为有效特征数据集;若是,基于有效特征数据集,生成目标控制设备的自动控制数据;否则,基于控制关联信息和当前特征数据集,生成容错控制数据或预测控制数据。本发明通过判断设备控制过程中当前特征数据集与关联特征数据集之间的关联关系是否满足控制条件,以此来选择设备的控制方法,采用了与传统计算机加人工判断控制完全不同的基于数据仿真控制模型的智能控制原理,避免了在特征数据采集出现异常时,依旧根据异常的特征数据执行原控制逻辑导致的设备控制失败和异常。
Description
技术领域
本发明涉及自动化控制领域,尤其涉及一种基于关联特征数据的设备控制方法、装置、设备及存储介质。
背景技术
自动控制(automatic control)是指在没有人直接参与的情况下,利用外加的设备或装置,使机器、设备或生产过程的某个工作状态或参数自动地按照预定的规律运行。利用自动控制的原理,能够基于特征参数,控制设备自动的执行对应动作,提高设备的自动化程度。
然而,随着设备运行时间的增加,采集某一项特征数据的装置稳定性会逐渐降低,采集的特征数据会出现突变点或坏点,但设备运行状态却是正常的,若依旧按照控制逻辑根据采集的特征数据控制设备继续的运行,会使得设备朝着不可控的方向控制运行,势必会对工业生产和生活造成不可估量的损失。
因此,如何在特征数据采集出现异常时,保持设备的正常控制运行,是一个亟需解决的技术问题。
上述内容仅用于辅助理解本发明的技术方案,并不代表承认上述内容是现有技术。
发明内容
本发明的主要目的在于提供一种基于关联特征数据的设备控制方法、装置、设备及存储介质,旨在解决在特征数据采集出现异常时,如何保持设备的正常控制运行的技术问题。
为实现上述目的,本发明提供一种基于关联特征数据的设备控制方法,所述方法包括以下步骤:
接收设备控制指令;其中,所述设备控制指令包括目标控制设备;
获取所述目标控制设备的数据仿真控制模型和当前特征数据集;其中,所述数据仿真控制模型包括控制关联信息和关联特征数据集,所述当前特征数据集包括至少两项关联的当前特征数据;
基于所述关联特征数据集,判断所述当前特征数据集是否为有效特征数据集;
若是,基于所述控制关联信息和有效特征数据集,生成目标控制设备的自动控制数据;否则,基于所述控制关联信息和当前特征数据集,生成容错控制数据或预测控制数据。
可选的,获取所述目标控制设备的数据仿真控制模型和当前特征数据集步骤之前,所述方法还包括:
获取所述目标控制设备的关联特征数据集;其中,所述关联特征数据集包括至少两项关联的特征数据集;
根据所述至少两项关联的特征数据集,获取所述目标控制设备的控制数据集,并基于所述至少两项关联的特征数据集和所述控制数据集,获得所述目标控制设备的控制关联信息;
基于所述关联特征数据集和所述控制关联信息,构建所述目标控制设备的数据仿真控制模型。
可选的,所述基于所述关联特征数据集,判断所述当前特征数据集是否为有效特征数据集;若是,基于所述控制关联信息和有效特征数据集,生成目标控制设备的自动控制数据步骤,具体包括:
判断所述至少两项关联的当前特征数据是否为有效特征数据,若是,将所述当前特征数据标记为有效特征数据;
判断所述有效特征数据之间是否为预设关联关系,若是,当前特征数据集为有效特征数据集。
可选的,所述判断所述至少两项关联的当前特征数据是否为有效特征数据,若是,将所述当前特征数据标记为有效特征数据步骤,具体包括:
判断每项所述当前特征数据与对应关联特征数据的差值是否在预设范围内,若是将所述当前特征数据标记为有效特征数据。
可选的,所述判断所述有效特征数据之间是否为预设关联关系,若是,当前特征数据集为有效特征数据集步骤,具体包括:
判断所述有效特征数据之间的比值是否在预设比值范围内,若是,当前特征数据集为有效特征数据集。
可选的,所述若是,基于所述控制关联信息和有效特征数据集,生成目标控制设备的自动控制数据步骤,具体包括:
获取所述有效特征数据集中的有效特征数据;
基于所述控制关联信息和有效特征数据,生成目标控制设备的自动控制数据。
可选的,所述否则,基于所述控制关联信息和当前特征数据集,生成容错控制数据或预测控制数据步骤,具体包括:
判断当前特征数据集中的必要特征数据是否有效;
若是,则根据当前特征数据集生成预测控制数据;其中,所述容错控制数据基于当前特征数据集中的必要特征数据与控制关联信息获得;
否则,则根据当前特征数据集生成容错控制数据;其中,所述预测控制数据基于当前特征数据集中的非必要特征数据与控制关联信息获得。
此外,为了实现上述目的,本发明还提供一种基于关联特征数据的设备控制装置,所述基于关联特征数据的设备控制装置包括:
接收模块,用于接收设备控制指令;其中,所述设备控制指令包括目标控制设备;
获取模块,用于获取所述目标控制设备的数据仿真控制模型和当前特征数据集;其中,所述数据仿真控制模型包括控制关联信息和关联特征数据集,所述当前特征数据集包括至少两项关联的当前特征数据;
判断模块,用于基于所述关联特征数据集,判断所述当前特征数据集是否为有效特征数据集;
控制模块,用于当前特征数据集为有效特征数据集时,基于所述控制关联信息和有效特征数据集,生成目标控制设备的自动控制数据;否则,基于所述控制关联信息和当前特征数据集,生成容错控制数据或预测控制数据。
可选的,所述基于关联特征数据的设备控制装置还包括:
构建模块,所述构建模块用于获取所述目标控制设备的关联特征数据集;其中,所述关联特征数据集包括至少两项关联的特征数据集;根据所述至少两项关联的特征数据集,获取所述目标控制设备的控制数据集,并基于所述至少两项关联的特征数据集和所述控制数据集,获得所述目标控制设备的控制关联信息;基于所述关联特征数据集和所述控制关联信息,构建所述目标控制设备的数据仿真控制模型。
可选的,所述判断模块还用于判断所述至少两项关联的当前特征数据是否为有效特征数据,若是,将所述当前特征数据标记为有效特征数据;判断所述有效特征数据之间是否为预设关联关系,若是,当前特征数据集为有效特征数据集。
可选的,所述判断模块还用于判断每项所述当前特征数据与对应关联特征数据的差值是否在预设范围内,若是将所述当前特征数据标记为有效特征数据。
可选的,所述判断模块还用于判断所述有效特征数据之间的比值是否在预设比值范围内,若是,当前特征数据集为有效特征数据集。
可选的,所述控制模块还用于获取所述有效特征数据集中的有效特征数据;基于所述控制关联信息和有效特征数据,生成目标控制设备的自动控制数据。
可选的,所述控制模块还用于判断当前特征数据集中的必要特征数据是否有效;若是,则根据当前特征数据集生成预测控制数据;其中,所述容错控制数据基于当前特征数据集中的必要特征数据与控制关联信息获得;否则,则根据当前特征数据集生成容错控制数据;其中,所述预测控制数据基于当前特征数据集中的非必要特征数据与控制关联信息获得。
此外,为了实现上述目的,本发明还提供了一种基于关联特征数据的设备控制设备,所述设备包括:存储器、处理器及存储在所述存储器上并可在所述处理器上运行的基于关联特征数据的设备控制程序,所述基于关联特征数据的设备控制程序配置为实现如前述的基于关联特征数据的设备控制方法的步骤。
此外,为了实现上述目的,本发明还提供了一种存储介质,所述存储介质上存储有基于关联特征数据的设备控制程序,所述基于关联特征数据的设备控制程序被处理器执行时实现如前所述的基于关联特征数据的设备控制方法的步骤。
本发明实施例提出的一种基于关联特征数据的设备控制方法及装置,该方法包括接收设备控制指令;获取目标控制设备的数据仿真控制模型和当前特征数据集;基于关联特征数据集,判断当前特征数据集是否为有效特征数据集;若是,基于控制关联信息和有效特征数据集,生成目标控制设备的自动控制数据;否则,基于所述控制关联信息和当前特征数据集,生成容错控制数据或预测控制数据。通过判断设备控制过程中当前特征数据集与关联特征数据集之间的关联关系是否满足控制条件,以此来选择设备的控制方法,采用了与传统计算机加人工判断控制完全不同的基于数据仿真控制模型的智能控制原理,避免了在特征数据采集出现异常时,依旧根据异常的特征数据执行原控制逻辑导致的设备控制失败和异常。
附图说明
图1为本发明实施例中一种基于关联特征数据的设备控制设备示意图;
图2为本发明基于关联特征数据的设备控制方法的第一实施例的流程示意图;
图3为本发明实施例中一种基于关联特征数据的设备控制装置示意图。
本发明目的的实现、功能特点及优点将结合实施例,参照附图做进一步说明。
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发明,并不用于限定本发明。
自动控制(automatic control)是指在没有人直接参与的情况下,利用外加的设备或装置,使机器、设备或生产过程的某个工作状态或参数自动地按照预定的规律运行。利用自动控制的原理,能够基于特征数据,控制设备自动的执行对应动作,提高设备的自动化程度。然而,随着设备运行时间的增加,采集某一项特征数据的装置稳定性会逐渐降低,采集的特征数据会出现突变点或坏点,但设备运行状态却是正常的,若依旧按照控制逻辑根据采集的特征数据控制设备继续的运行,会使得设备朝着不可控的方向控制运行,势必会对工业生产和生活造成不可估量的损失。因此,如何在特征数据采集出现异常时,保持设备的正常控制运行,是一个亟需解决的技术问题。
为了解决这一问题,提出本发明的基于关联特征数据的设备控制方法的各个实施例。本发明提供的基于关联特征数据的设备控制方法通过判断设备运行过程中当前特征数据中有效特征数据之间的关联关系是否满足控制条件,以此来选择设备采用的控制方法,避免了在特征数据采集出现异常时,依旧根据异常的特征数据严格执行原控制逻辑导致的设备运行异常。
在目前的工业自动化领域的自动控制技术中,通常控制设备和被控设备是相互独立的,控制的执行不基于被控对象的特性和内在关联规律,控制设备只依据被控设备孤立和离散的采集信号,按照控制设备存储器内部预设的固定程序逻辑对被控设备进行自动控制,即在控制之前向控制设备传输并存储控制程序,在进行控制时,通过存储的控制程序生成控制指令,以驱动被控设备执行对应动作。然而,这样的控制系统往往不能实现无人化、智慧化的控制,依旧属于经典的机器加人工的自动控制原理,导致控制过程中对软硬件的可靠性要求很高,控制容错性很低,控制逻辑简单固化不可更改,且对被控设备及控制设备的环境没有适应能力,需要人工基于经验和能力来处理控制设备的报警和故障。
本发明公开了一种基于关联特征数据的设备控制方法及装置,有别于现有自动控制技术中依赖采集信号的控制的技术,采用基于数据对控制设备和被控设备进行真实数据仿真,构建模型的智能化控制技术,利用控制设备和被控设备的历史数据和关联数据,并基于人工智能算法构建的数据仿真控制模型,再基于数据仿真控制模型实现具有环境适应性的智能控制技术,能够在采集数据和控制数据出现错误时,依旧能够实现准确、有效的智能化控制,避免了控制系统在无人干预和控制下出现设备控制的异常和失败,比如众所周知的波音737MXA客机坠机的恶性事故。
参照图1,图1为本发明实施例方案涉及的基于关联特征数据的设备控制设备的结构示意图。
设备可以是移动电话、智能电话、笔记本电脑、数字广播接收器、个人数字助理(PDA)、平板电脑(PAD)等用户设备(User Equipment,UE)、手持设备、车载设备、可穿戴设备、计算设备或连接到无线调制解调器的其它处理设备、移动台(Mobile station,MS)等。设备可能被称为用户终端、便携式终端、台式终端等。
通常,设备包括:至少一个处理器301、存储器302以及存储在所述存储器上并可在所述处理器上运行的基于关联特征数据的设备控制程序,所述基于关联特征数据的设备控制程序配置为实现如前所述的基于关联特征数据的设备控制方法的步骤。
处理器301可以包括一个或多个处理核心,比如4核心处理器、8核心处理器等。处理器301可以采用DSP(Digital Signal Processing,数字信号处理)、FPGA(Field-Programmable Gate Array,现场可编程门阵列)、PLA(Programmable Logic Array,可编程逻辑阵列)中的至少一种硬件形式来实现。处理器301也可以包括主处理器和协处理器,主处理器是用于对在唤醒状态下的数据进行处理的处理器,也称CPU(CentralProcessingUnit,中央处理器);协处理器是用于对在待机状态下的数据进行处理的低功耗处理器。在一些实施例中,处理器301可以在集成有GPU(Graphics Processing Unit,图像处理器),GPU用于负责显示屏所需要显示的内容的渲染和绘制。处理器301还可以包括AI(Artificial Intelligence,人工智能)处理器,该AI处理器用于处理有关基于关联特征数据的设备控制操作,使得基于关联特征数据的设备数据仿真控制模型可以自主训练学习,提高效率和准确度。
存储器302可以包括一个或多个计算机可读存储介质,该计算机可读存储介质可以是非暂态的。存储器302还可包括高速随机存取存储器,以及非易失性存储器,比如一个或多个磁盘存储设备、闪存存储设备。在一些实施例中,存储器302中的非暂态的计算机可读存储介质用于存储至少一个指令,该至少一个指令用于被处理器801所执行以实现本申请中方法实施例提供的基于关联特征数据的设备控制方法。
在一些实施例中,终端还可选包括有:通信接口303和至少一个外围设备。处理器301、存储器302和通信接口303之间可以通过总线或信号线相连。各个外围设备可以通过总线、信号线或电路板与通信接口303相连。具体地,外围设备包括:射频电路304、显示屏305和电源306中的至少一种。
通信接口303可被用于将I/O(Input/Output,输入/输出)相关的至少一个外围设备连接到处理器301和存储器302。通信接口303通过外围设备用于接收用户上传的多个移动终端的移动轨迹以及其他数据。在一些实施例中,处理器301、存储器302和通信接口303被集成在同一芯片或电路板上;在一些其他实施例中,处理器301、存储器302和通信接口303中的任意一个或两个可以在单独的芯片或电路板上实现,本实施例对此不加以限定。
射频电路304用于接收和发射RF(Radio Frequency,射频)信号,也称电磁信号。射频电路304通过电磁信号与通信网络以及其他通信设备进行通信,从而可获取多个移动终端的移动轨迹以及其他数据。射频电路304将电信号转换为电磁信号进行发送,或者,将接收到的电磁信号转换为电信号。可选地,射频电路304包括:天线系统、RF收发器、一个或多个放大器、调谐器、振荡器、数字信号处理器、编解码芯片组、用户身份模块卡等等。射频电路304可以通过至少一种无线通信协议来与其它终端进行通信。该无线通信协议包括但不限于:城域网、各代移动通信网络(2G、3G、4G及5G)、无线局域网和/或WiFi(WirelessFidelity,无线保真)网络。在一些实施例中,射频电路304还可以包括NFC(Near FieldCommunication,近距离无线通信)有关的电路,本申请对此不加以限定。
显示屏305用于显示UI(User Interface,用户界面)。该UI可以包括图形、文本、图标、视频及其它们的任意组合。当显示屏305是触摸显示屏时,显示屏305还具有采集在显示屏305的表面或表面上方的触摸信号的能力。该触摸信号可以作为控制数据输入至处理器301进行处理。此时,显示屏305还可以用于提供虚拟按钮和/或虚拟键盘,也称软按钮和/或软键盘。在一些实施例中,显示屏305可以为一个,电子设备的前面板;在另一些实施例中,显示屏305可以为至少两个,分别设置在电子设备的不同表面或呈折叠设计;在再一些实施例中,显示屏305可以是柔性显示屏,设置在电子设备的弯曲表面上或折叠面上。甚至,显示屏305还可以设置成非矩形的不规则图形,也即异形屏。显示屏305可以采用LCD(LiquidCrystal Display,液晶显示屏)、OLED(Organic Light-Emitting Diode,有机发光二极管)等材质制备。
电源306用于为电子设备中的各个组件进行供电。电源306可以是交流电、直流电、一次性电池或可充电电池。当电源306包括可充电电池时,该可充电电池可以支持有线充电或无线充电。该可充电电池还可以用于支持快充技术。
本领域技术人员可以理解,图1中示出的结构并不构成对基于关联特征数据的设备控制设备的限定,可以包括比图示更多或更少的部件,或者组合某些部件,或者不同的部件布置。
本发明实施例提供了一种基于关联特征数据的设备控制方法,参照图2,图2为本发明基于关联特征数据的设备控制方法的第一实施例的流程示意图。
本实施例中,所述基于关联特征数据的设备控制方法,包括以下步骤:
步骤S100,接收设备控制指令;其中,所述设备控制指令包括目标控制设备。
具体而言,在实际应用中,在对设备进行控制时,先接受用于对目标控制设备进行控制的设备控制指令,其中,设备控制指令包括被控目标控制设备,即设备控制指令中记录着目标控制设备的编号信息或标识信息。另外,设备控制指令可以为用户下发的对目标设备进行检测的设备控制指令,也可以为满足预设条件触发的设备控制指令,本实施例对此并不限制。
步骤S200,获取所述目标控制设备的数据仿真控制模型和当前特征数据集;其中,所述数据仿真控制模型包括控制关联信息和关联特征数据集,所述当前特征数据集包括至少两项关联的当前特征数据。
具体而言,在获得目标控制设备后,获取目标控制设备的数据仿真控制模型,该数据仿真控制模型记录有对应目标控制设备以往控制过程中的控制关联信息和关联特征数据集,利用数据仿真控制模型中的关联特征数据集和控制关联关系,即可获得目标控制设备对应的控制数据,以此来实现对目标控制设备的自动化控制。
其中,关联特征数据集包括至少两项关联的特征数据,当前特征数据集包括至少两项关联的特征数据所对应的当前特征数据。
需要说明的是,在此之前,还包括构建目标控制设备的数据仿真控制模型的构建方法,通过获取所述目标控制设备的关联特征数据集;其中,所述关联特征数据集包括至少两项关联的特征数据集;根据所述至少两项关联的特征数据集,获取所述目标控制设备的控制数据集,并基于所述至少两项关联的特征数据集和所述控制数据集,获得所述目标控制设备的控制关联信息;基于所述关联特征数据集和所述控制关联信息,构建所述目标控制设备的数据仿真控制模型。
步骤S300,基于所述关联特征数据集,判断所述当前特征数据集是否为有效特征数据集。
具体而言,在获取目标控制设备的数据仿真控制模型后,判断所述至少两项关联的当前特征数据是否为有效特征数据,若是,将所述当前特征数据标记为有效特征数据;判断所述有效特征数据之间是否为预设关联关系,若是,当前特征数据集为有效特征数据集。
其中,在判断所述至少两项关联的当前特征数据是否为有效特征数据,若是,将所述当前特征数据标记为有效特征数据中,需要判断每项所述当前特征数据与对应关联特征数据的差值是否在预设范围内,若是将所述当前特征数据标记为有效特征数据。
其中,在判断所述有效特征数据之间是否为预设关联关系,若是,当前特征数据集为有效特征数据集中,需要判断所述有效特征数据之间的比值是否在预设比值范围内,若是,当前特征数据集为有效特征数据集。
步骤S400,若是,基于所述控制关联信息和有效特征数据集,生成目标控制设备的自动控制数据;否则,基于所述控制关联信息和当前特征数据集,生成容错控制数据或预测控制数据。
在判断当前特征数据集是否为有效特征数据集后,若为有效特征数据集,则基于所述控制关联信息和有效特征数据集,生成目标控制设备的自动控制数据。具体而言,获取所述有效特征数据集中的有效特征数据;基于所述控制关联信息和有效特征数据,生成目标控制设备的自动控制数据。
在判断当前特征数据集是否为有效特征数据集后,若不为有效特征数据集,则判断当前特征数据集中的必要特征数据是否有效;若是,则根据当前特征数据集生成预测控制数据;其中,所述容错控制数据基于当前特征数据集中的必要特征数据与控制关联信息获得;否则,则根据当前特征数据集生成容错控制数据;其中,所述预测控制数据基于当前特征数据集中的非必要特征数据与控制关联信息获得。
在本实施例中,通过判断设备运行过程中当前特征数据中有效特征数据之间的关联关系是否满足控制条件,以此来选择设备采用的控制方法,避免了在特征数据采集出现异常时,依旧根据异常的特征数据严格执行原控制逻辑导致的设备运行异常。
参照图3,图3为本发明基于关联特征数据的设备控制装置第一实施例的结构框图。
如图3所示,本发明实施例提出的基于关联特征数据的设备控制装置包括:
接收模块10,用于接收设备控制指令;其中,所述设备控制指令包括目标控制设备;
获取模块20,用于获取所述目标控制设备的数据仿真控制模型和当前特征数据集;其中,所述数据仿真控制模型包括控制关联信息和关联特征数据集,所述当前特征数据集包括至少两项关联的当前特征数据;
判断模块30,用于基于所述关联特征数据集,判断所述当前特征数据集是否为有效特征数据集;
控制模块40,用于当前特征数据集为有效特征数据集时,基于所述控制关联信息和有效特征数据集,生成目标控制设备的自动控制数据;否则,基于所述控制关联信息和当前特征数据集,生成容错控制数据或预测控制数据。
本实施例提供的基于关联特征数据的设备控制装置,通过判断设备运行过程中当前特征数据中有效特征数据之间的关联关系是否满足控制条件,以此来选择设备采用的控制方法,避免了在特征数据采集出现异常时,依旧根据异常的特征数据严格执行原控制逻辑导致的设备运行异常。
作为一种实施方式,所述基于关联特征数据的设备控制装置还包括构建模块50,所述构建模块50用于获取所述目标控制设备的关联特征数据集;其中,所述关联特征数据集包括至少两项关联的特征数据集;根据所述至少两项关联的特征数据集,获取所述目标控制设备的控制数据集,并基于所述至少两项关联的特征数据集和所述控制数据集,获得所述目标控制设备的控制关联信息;基于所述关联特征数据集和所述控制关联信息,构建所述目标控制设备的数据仿真控制模型。
作为一种实施方式,所述判断模块30还用于判断所述至少两项关联的当前特征数据是否为有效特征数据,若是,将所述当前特征数据标记为有效特征数据;判断所述有效特征数据之间是否为预设关联关系,若是,当前特征数据集为有效特征数据集。
作为一种实施方式,所述判断模块30还用于判断每项所述当前特征数据与对应关联特征数据的差值是否在预设范围内,若是将所述当前特征数据标记为有效特征数据。
作为一种实施方式,所述判断模块30还用于判断所述有效特征数据之间的比值是否在预设比值范围内,若是,当前特征数据集为有效特征数据集。
作为一种实施方式,所述控制模块40还用于获取所述有效特征数据集中的有效特征数据;基于所述控制关联信息和有效特征数据,生成目标控制设备的自动控制数据。
作为一种实施方式,所述控制模块40还用于判断当前特征数据集中的必要特征数据是否为有效特征数据;若是,则根据当前特征数据集生成预测控制数据;其中,所述容错控制数据基于当前特征数据集中的必要特征数据与控制关联信息获得;否则,则根据当前特征数据集生成容错控制数据;其中,所述预测控制数据基于当前特征数据集中的非必要特征数据与控制关联信息获得。
本发明基于关联特征数据的设备控制装置的其他实施例或具体实现方式可参照上述各方法实施例,此处不再赘述。
此外,本发明实施例还提出一种存储介质,所述存储介质上存储有基于关联特征数据的设备控制程序,所述基于关联特征数据的设备控制程序被处理器执行时实现如上文所述的基于关联特征数据的设备控制方法的步骤。因此,这里将不再进行赘述。另外,对采用相同方法的有益效果描述,也不再进行赘述。对于本申请所涉及的计算机可读存储介质实施例中未披露的技术细节,请参照本申请方法实施例的描述。确定为示例,程序指令可被部署为在一个计算设备上执行,或者在位于一个地点的多个计算设备上执行,又或者,在分布在多个地点且通过通信网络互连的多个计算设备上执行。
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,上述的程序可存储于一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,上述的存储介质可为磁碟、光盘、只读存储记忆体(Read-Only Memory,ROM)或随机存储记忆体(RandomAccessMemory,RAM)等。
另外需说明的是,以上所描述的装置实施例仅仅是示意性的,其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。另外,本发明提供的装置实施例附图中,模块之间的连接关系表示它们之间具有通信连接,具体可以实现为一条或多条通信总线或信号线。本领域普通技术人员在不付出创造性劳动的情况下,即可以理解并实施。
通过以上的实施方式的描述,所属领域的技术人员可以清楚地了解到本发明可借助软件加必需的通用硬件的方式来实现,当然也可以通过专用硬件包括专用集成电路、专用CPU、专用存储器、专用元器件等来实现。一般情况下,凡由计算机程序完成的功能都可以很容易地用相应的硬件来实现,而且,用来实现同一功能的具体硬件结构也可以是多种多样的,例如模拟电路、数字电路或专用电路等。但是,对本发明而言更多情况下软件程序实现是更佳的实施方式。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品存储在可读取的存储介质中,如计算机的软盘、U盘、移动硬盘、只读存储器(ROM,Read-OnlyMemory)、随机存取存储器(RAM,RandomAccessMemory)、磁碟或者光盘等,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本发明各个实施例所述的方法。
Claims (5)
1.一种基于关联特征数据的设备控制方法,其特征在于,所述方法包括以下步骤:
接收设备控制指令;其中,所述设备控制指令包括目标控制设备;
获取所述目标控制设备的关联特征数据集;其中,所述关联特征数据集包括至少两项关联的特征数据集;根据所述至少两项关联的特征数据集,获取所述目标控制设备的控制数据集,并基于所述至少两项关联的特征数据集和所述控制数据集,获得所述目标控制设备的控制关联信息;基于所述关联特征数据集和所述控制关联信息,构建所述目标控制设备的数据仿真控制模型;
获取所述目标控制设备的数据仿真控制模型和当前特征数据集;其中,所述数据仿真控制模型包括控制关联信息和关联特征数据集,所述当前特征数据集包括至少两项关联的当前特征数据;
基于所述关联特征数据集,判断每项所述当前特征数据与对应关联特征数据的差值是否在预设范围内,若是将所述当前特征数据标记为有效特征数据;判断所述有效特征数据之间的比值是否在预设比值范围内,若是,当前特征数据集为有效特征数据集;
若是,获取所述有效特征数据集中的有效特征数据,基于所述控制关联信息和有效特征数据,生成目标控制设备的自动控制数据;否则,基于所述控制关联信息和当前特征数据集,生成容错控制数据或预测控制数据。
2.如权利要求1所述的基于关联特征数据的设备控制方法,其特征在于,所述否则,基于所述控制关联信息和当前特征数据集,生成容错控制数据或预测控制数据步骤,具体包括:
判断当前特征数据集中的必要特征数据是否有效;
若是,则根据当前特征数据集生成预测控制数据;其中,所述容错控制数据基于当前特征数据集中的必要特征数据与控制关联信息获得;
否则,则根据当前特征数据集生成容错控制数据;其中,所述预测控制数据基于当前特征数据集中的非必要特征数据与控制关联信息获得。
3.一种基于关联特征数据的设备控制装置,其特征在于,所述基于关联特征数据的设备控制装置包括:
接收模块,用于接收设备控制指令;其中,所述设备控制指令包括目标控制设备;
构建模块,用于获取所述目标控制设备的关联特征数据集;其中,所述关联特征数据集包括至少两项关联的特征数据集;根据所述至少两项关联的特征数据集,获取所述目标控制设备的控制数据集,并基于所述至少两项关联的特征数据集和所述控制数据集,获得所述目标控制设备的控制关联信息;基于所述关联特征数据集和所述控制关联信息,构建所述目标控制设备的数据仿真控制模型;
获取模块,用于获取所述目标控制设备的数据仿真控制模型和当前特征数据集;其中,所述数据仿真控制模型包括控制关联信息和关联特征数据集,所述当前特征数据集包括至少两项关联的当前特征数据;
判断模块,用于基于所述关联特征数据集,判断每项所述当前特征数据与对应关联特征数据的差值是否在预设范围内,若是将所述当前特征数据标记为有效特征数据;判断所述有效特征数据之间的比值是否在预设比值范围内,若是,当前特征数据集为有效特征数据集;
控制模块,用于当前特征数据集为有效特征数据集时,获取所述有效特征数据集中的有效特征数据,基于所述控制关联信息和有效特征数据,生成目标控制设备的自动控制数据;否则,基于所述控制关联信息和当前特征数据集,生成容错控制数据或预测控制数据。
4.一种基于关联特征数据的设备控制设备,其特征在于,所述控制设备包括:存储器、处理器及存储在所述存储器上并可在所述处理器上运行的基于关联特征数据的设备控制程序,所述基于关联特征数据的设备控制程序被所述处理器执行时实现如权利要求1至2中任一项所述的基于关联特征数据的设备控制方法的步骤。
5.一种存储介质,其特征在于,所述存储介质上存储有基于关联特征数据的设备控制程序,所述基于关联特征数据的设备控制程序被处理器执行时实现如权利要求1至2中任一项所述的基于关联特征数据的设备控制方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111087873.7A CN113741215B (zh) | 2021-09-16 | 2021-09-16 | 基于关联特征数据的设备控制方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111087873.7A CN113741215B (zh) | 2021-09-16 | 2021-09-16 | 基于关联特征数据的设备控制方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113741215A CN113741215A (zh) | 2021-12-03 |
CN113741215B true CN113741215B (zh) | 2022-10-25 |
Family
ID=78739414
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111087873.7A Active CN113741215B (zh) | 2021-09-16 | 2021-09-16 | 基于关联特征数据的设备控制方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113741215B (zh) |
Family Cites Families (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101349893B (zh) * | 2007-07-18 | 2011-03-16 | 太极光控制软件(北京)有限公司 | 自适应模型预测控制装置 |
DE102009045089A1 (de) * | 2009-09-29 | 2011-03-31 | Zf Friedrichshafen Ag | Verfahren zum Steuern und/oder Regeln eines automatisierten Getriebes |
US8660875B2 (en) * | 2009-11-02 | 2014-02-25 | Applied Materials, Inc. | Automated corrective and predictive maintenance system |
JP5870632B2 (ja) * | 2011-11-08 | 2016-03-01 | 富士通株式会社 | 情報処理装置 |
CN107404120B (zh) * | 2017-07-25 | 2020-04-24 | 南京工程学院 | 一种无功优化在线控制中的设备动作次数挖掘方法 |
CN110058577A (zh) * | 2018-12-14 | 2019-07-26 | 四川中鼎智能技术有限公司 | 基于控制对象数据关联的诊断控制方法、系统、存储介质和终端 |
CN110244684A (zh) * | 2019-04-24 | 2019-09-17 | 四川中鼎智能技术有限公司 | 基于空压机储气罐压力数据关联的诊断控制方法、系统、存储介质和终端 |
-
2021
- 2021-09-16 CN CN202111087873.7A patent/CN113741215B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN113741215A (zh) | 2021-12-03 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN102651785B (zh) | 移动设备的应用处理器的远程唤醒 | |
WO2024174811A1 (zh) | 水轮机模型试验曲线绘制方法、装置、设备及存储介质 | |
CN114048168A (zh) | 电子档案归档方法、装置、设备、系统及存储介质 | |
CN112215227A (zh) | 图像目标检测模型攻击方法、装置、终端设备及存储介质 | |
CN112566244B (zh) | 设备定位方法、装置、终端设备以及存储介质 | |
CN113761255B (zh) | 机器人室内定位方法、装置、设备及存储介质 | |
CN113326204B (zh) | 变电站系统测试方法、装置、终端设备以及存储介质 | |
CN111949187B (zh) | 电子白板内容编辑共享方法、系统、设备以及服务器 | |
CN113741215B (zh) | 基于关联特征数据的设备控制方法及装置 | |
CN114252100B (zh) | 传感器在线标定方法、装置、设备及存储介质 | |
CN112612593B (zh) | 蓝牙控制方法、装置、终端设备以及计算机可读存储介质 | |
CN113888669A (zh) | 绕线版图绘制方法、装置、设备及存储介质 | |
CN114493119A (zh) | 制造执行系统的生产调度方法、装置、设备及存储介质 | |
CN113225234B (zh) | 资产探测方法、装置、终端设备以及计算机可读存储介质 | |
CN112611079B (zh) | 空调控制方法、装置、终端设备及存储介质 | |
WO2021196859A1 (zh) | 一种移动轨迹上报方法、装置、存储介质及电子设备 | |
CN113778063B (zh) | 基于纵向特征数据的设备控制方法及装置 | |
CN112346885A (zh) | 电子设备控制方法、装置、设备以及计算机可读存储介质 | |
CN114385077A (zh) | Fpga信号调制解调动态重构方法、装置、系统及存储介质 | |
CN114663710A (zh) | 轨迹识别方法、装置、设备及存储介质 | |
CN113778062A (zh) | 基于激励信号的设备控制异常检测方法及装置 | |
CN115005156B (zh) | 动物死亡的判别方法、装置、存储介质及电子设备 | |
CN112185096A (zh) | 语音遥控方法、装置、电子设备和存储介质 | |
CN115376036A (zh) | 生产设备自动断电保护方法、装置、设备及存储介质 | |
CN112651138B (zh) | 流量获得方法、装置、终端设备以及计算机可读存储介质 |
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 |