CN115562038B - 一种反馈控制系统变化的预警方法、装置、设备及介质 - Google Patents
一种反馈控制系统变化的预警方法、装置、设备及介质 Download PDFInfo
- Publication number
- CN115562038B CN115562038B CN202211356764.5A CN202211356764A CN115562038B CN 115562038 B CN115562038 B CN 115562038B CN 202211356764 A CN202211356764 A CN 202211356764A CN 115562038 B CN115562038 B CN 115562038B
- Authority
- CN
- China
- Prior art keywords
- feedback control
- control system
- target
- time
- real
- 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
- 238000000034 method Methods 0.000 title claims abstract description 77
- 230000008859 change Effects 0.000 title claims abstract description 62
- 239000013598 vector Substances 0.000 claims abstract description 97
- 230000008569 process Effects 0.000 claims abstract description 33
- 230000007613 environmental effect Effects 0.000 claims description 52
- 238000011217 control strategy Methods 0.000 claims description 41
- 239000013068 control sample Substances 0.000 claims description 31
- 238000012549 training Methods 0.000 claims description 26
- 238000004590 computer program Methods 0.000 claims description 16
- 230000015654 memory Effects 0.000 claims description 12
- 230000006870 function Effects 0.000 claims description 8
- 238000012544 monitoring process Methods 0.000 claims description 5
- 230000035945 sensitivity Effects 0.000 abstract description 2
- 238000004891 communication Methods 0.000 description 8
- 238000012545 processing Methods 0.000 description 7
- 238000010586 diagram Methods 0.000 description 5
- 238000010801 machine learning Methods 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 238000002474 experimental method Methods 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000000306 recurrent effect Effects 0.000 description 2
- 230000003044 adaptive effect Effects 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 239000011521 glass Substances 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000001953 sensory effect Effects 0.000 description 1
- 230000006403 short-term memory Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
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
-
- 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
- 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)
- Testing And Monitoring For Control Systems (AREA)
Abstract
本发明公开了一种反馈控制系统变化的预警方法、装置、设备及介质。该方法包括：在对目标反馈控制系统执行实时反馈控制的过程中，获取与目标反馈控制系统匹配的实时反馈控制轨迹集；利用预先训练的反馈控制系统识别器生成与实时反馈控制轨迹集对应的实时环境特征向量，并计算实时环境特征向量与目标反馈控制系统的基准环境特征向量之间的差异值；当差异值大于设定阈值时，对目标反馈控制系统进行反馈控制系统变化的预警。通过采用上述技术方案，能够基于反馈控制系统识别器在反馈控制系统中快速识别反馈控制系统变化，并对反馈控制系统变化进行预警，能够有效提高反馈控制系统变化预警的灵敏度。
Description
技术领域
本发明涉及反馈控制技术领域，尤其涉及一种反馈控制系统变化的预警方法、装置、设备及介质。
背景技术
反馈控制是通过不断调整控制量，将待控量调整到预设的目标量的一种控制方式。
但在一个反馈控制系统执行反馈控制的过程中，可能会由于设备故障等问题从而导致待控量与预设的目标量产生偏差，即反馈控制系统发生了变化。例如，在机械臂的位姿控制过程中，当输出机械臂的某关节向左运动的指令时，若该关节发生故障，可能会导致该关节向右运动或是不动，此时，用于调整控制量的参数可能会失效，可能会导致较为严重的后果。因此，对反馈控制系统的变化进行监控与预警显得较为重要。
目前，对反馈控制系统变化的判断仍停留在工作人员通过观察进行判断的阶段，但采用人工观察的方法无法时刻监督是否发生反馈控制系统变化，且难以判断幅度较小的反馈控制系统变化，无法对反馈控制系统变化作出及时的预警。
发明内容
本发明提供了一种反馈控制系统变化的预警方法、装置、设备及介质，能够在反馈控制系统中快速识别反馈控制系统变化，并对反馈控制系统变化进行预警，能够有效提高反馈控制系统变化预警的灵敏度。
根据本发明的一方面，提供了一种反馈控制系统变化的预警方法，包括：
在对目标反馈控制系统执行实时反馈控制的过程中，获取与目标反馈控制系统匹配的实时反馈控制轨迹集；
其中，实时反馈控制轨迹集中包含与目标反馈控制系统的反馈控制过程对应的多个轨迹点，轨迹点中包括设定控制时间点下的待控量状态和控制器中控制量的数值；
利用预先训练的反馈控制系统识别器生成与实时反馈控制轨迹集对应的实时环境特征向量，并计算实时环境特征向量与目标反馈控制系统的基准环境特征向量之间的差异值；
当差异值大于设定阈值时，对目标反馈控制系统进行反馈控制系统变化的预警。
根据本发明的另一方面，提供了一种反馈控制系统变化的预警装置，包括：
实时反馈控制轨迹集获取模块，用于在对目标反馈控制系统执行实时反馈控制的过程中，获取与目标反馈控制系统匹配的实时反馈控制轨迹集；
其中，反馈控制轨迹集中包含与目标反馈控制系统的反馈控制过程对应的多个轨迹点，轨迹点中包括设定控制时间点下的待控量状态和控制器中控制量的数值；
差异值获取模块，用于利用预先训练的反馈控制系统识别器生成与实时反馈控制轨迹集对应的实时环境特征向量，并计算实时环境特征向量与目标反馈控制系统的基准环境特征向量之间的差异值；
反馈控制系统变化预警模块，用于当差异值大于设定阈值时，对目标反馈控制系统进行反馈控制系统变化的预警。
根据本发明的另一方面，提供了一种电子设备，所述电子设备包括：
至少一个处理器；以及
与所述至少一个处理器通信连接的存储器；其中，
所述存储器存储有可被所述至少一个处理器执行的计算机程序，所述计算机程序被所述至少一个处理器执行，以使所述至少一个处理器能够执行本发明任一实施例所述的反馈控制系统变化的预警方法。
根据本发明的另一方面，提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机指令，所述计算机指令用于使处理器执行时实现本发明任一实施例所述的反馈控制系统变化的预警方法。
本发明实施例的技术方案，通过获取目标反馈控制系统的基准环境特征向量与实时环境特征向量，计算基准环境特征向量与实时环境特征向量之间差异值，并判断所述差异值与预设阈值之间的数量关系的方式，能够在执行目标反馈控制系统的过程中，实时监测反馈控制系统变化，且能够精准的识别出发生一定量变化的环境特征，以实现对用户发出及时、准确的反馈控制系统变化预警。
应当理解，本部分所描述的内容并非旨在标识本发明的实施例的关键或重要特征，也不用于限制本发明的范围。本发明的其它特征将通过以下的说明书而变得容易理解。
附图说明
为了更清楚地说明本发明实施例中的技术方案，下面将对实施例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发明的一些实施例，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。
图1是根据本发明实施例一提供的一种反馈控制系统变化的预警方法的流程图；
图2是根据本发明实施例二提供的另一种反馈控制系统变化的预警方法的流程图；
图3是根据本发明实施例三提供的一种反馈控制系统变化的预警装置的结构示意图；
图4是实现本发明实施例的反馈控制系统变化的预警方法的电子设备的结构示意图。
具体实施方式
为了使本技术领域的人员更好地理解本发明方案，下面将结合本发明实施例中的附图，对本发明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发明一部分的实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都应当属于本发明保护的范围。
需要说明的是，本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本发明的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外，术语“包括”和“具有”以及他们的任何变形，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、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
实施例一
图1为本发明实施例一提供的一种反馈控制系统变化的预警方法的流程图，本实施例可适用于判断实施环境特征向量与基准环境特征向量的差异值，当差异值过大时进行反馈控制系统变化的预警的情况，该方法可以由反馈控制系统变化的预警装置来执行，该反馈控制系统变化的预警装置可以采用硬件和/或软件的形式实现，并一般可以集成于具有数据处理功能的终端设备或者服务器中。如图1所示，该方法包括：
S110、在对目标反馈控制系统执行实时反馈控制的过程中，获取与目标反馈控制系统匹配的实时反馈控制轨迹集。
其中，反馈控制系统是指为了在设定的反馈控制场景下达到预期的反馈控制目标，在反馈控制理论的基础上所建立的系统。该反馈控制场景可以理解为反馈控制系统具体的执行场景。例如，车辆控速场景、空调控温场景或者电机控制场景等。
在一个具体的例子中，在车辆控速场景中的一个反馈控制系统可以实现通过控制油门大小，将汽车的速度控制到一个目标速度值，或者，在电机控制场景中的一个反馈控制系统可以实现通过控制电机的电流大小，将电机旋转的角速度控制到一个目标角速度值等。
反馈控制策略，可以理解为在每个时刻的反馈控制过程中，针对待控量的当前值和期望值，用于确定出反馈控制的控制量的具体策略。通过对目标反馈控制系统制定目标反馈控制策略，并执行该目标反馈控制策略，能够实现目标反馈控制系统的控制目标。
其中，实时反馈控制轨迹集中包含与目标反馈控制系统的反馈控制过程对应的多个轨迹点，轨迹点中包括目标控制时间点下的待控量状态和控制器中控制量的数值。
实时反馈控制轨迹集可理解为，在采用目标反馈控制策略执行目标反馈控制系统的过程中，通过收集当前时间之前的各控制时间点下的待控量状态和控制器中控制量的数值，可以组织得到与目标反馈控制系统对应的实时反馈控制轨迹集。
S120、利用预先训练的反馈控制系统识别器生成与实时反馈控制轨迹集对应的实时环境特征向量，并计算实时环境特征向量与目标反馈控制系统的基准环境特征向量之间的差异值。
在本实施例中，为了可区分的表示目标反馈控制系统的基准反馈控制轨迹集与实时反馈控制轨迹集之间的差异，首先需要对目标反馈控制系统构建基准反馈控制策略以及目标反馈控制策略。其中，基准反馈控制策略为实验人员选择的能够较好的执行目标反馈任务的反馈控制策略，通过执行基准反馈控制策略所获取的基准反馈控制轨迹集，能够代表执行目标反馈控制系统过程中的较优待控量状态与较优控制量的数值。目标反馈控制策略为实验人员为执行目标反馈控制系统所制定的控制策略，对反馈控制系统变化进行监测即为判断采用目标反馈控制策略所获取的实时反馈控制轨迹集是否与基准反馈控制轨迹集之间存在偏差。
但由于反馈控制轨迹集由一系列的多维序列构成，无法快速、直接的对比实时反馈控制轨迹集与基准反馈控制轨迹集，因此，本发明通过将实时反馈控制轨迹集与基准反馈控制轨迹集输入至预先训练的反馈控制系统识别器中，以获取实时环境特征向量与基准环境特征向量，并对实时环境特征向量与基准环境特征向量进行对比的方式，能够精准、快速的判断实时反馈控制轨迹集是否与基准反馈控制轨迹集之间存在偏差。
其中，基准环境特征向量的获取方法可以包括：
获取与目标反馈控制系统对应的基准反馈控制轨迹集，并利用预先训练的反馈控制系统识别器生成与所述基准反馈控制轨迹集匹配的基准环境特征向量。
具体的，可以获取一个与目标反馈控制系统匹配的基准反馈控制策略，并在采用基准反馈策略完整的执行目标反馈控制策略之后，通过收集各目标时间点下的待控量状态和控制器中控制量的数值，可以组织得到与目标反馈控制系统对应的基准反馈控制轨迹集。
进一步的，将实时反馈控制轨迹集与基准反馈控制轨迹集分别输入至预先训练的反馈控制系统识别器中之后，可分别获取与实时反馈控制轨迹集匹配的实时环境特征向量，以及与基准反馈控制轨迹集匹配的基准环境特征向量。
其中，所述反馈控制系统识别器用于可区分的输出与不同反馈控制轨迹集对应的环境特征向量。反馈控制系统识别器的输入为反馈控制系统执行完成后生成的反馈控制轨迹集，或者，反馈控制系统执行过程中连续生成的几个轨迹点等，输出为与该反馈控制系统对应的环境特征向量。
优选的，在获取基准环境特征向量与实时环境特征向量之后，可以计算基准环境特征向量与实时环境特征向量之间的欧氏距离，将欧氏距离的计算值作为基准环境特征向量与实时环境特征向量之间的差异值。
还需要说明的是，由于实时反馈控制轨迹集由当前时间之前的各控制时间点下的待控量状态和控制器中控制量的数值所构成，因此，通过获取基准环境特征向量与随着时间变化不断更新的实时环境特征向量之间的差异值，能够实现对目标反馈控制系统的变化的实时监测。
S130、当差异值大于设定阈值时，对目标反馈控制系统进行反馈控制系统变化的预警。
优选的，可以预先设定一个阈值作为判断是否需要对当前反馈控制系统变化进行预警的依据。若基准环境特征向量与实时环境特征向量之间的差异值大于设定的阈值，则可视为当前反馈控制系统变化需要进行预警，此时生成针对该反馈控制系统变化的预警并对实验人员进行提醒，若小于设定的阈值，则可视为处于正常的波动范围内，无需预警。
本发明实施例的技术方案，通过获取目标反馈控制系统的基准环境特征向量与实时环境特征向量，计算基准环境特征向量与实时环境特征向量之间差异值，并判断所述差异值与预设阈值之间的数量关系的方式，能够在执行目标反馈控制系统的过程中，实时监测反馈控制系统变化，且能够精准的识别出发生一定量变化的环境特征，以实现对用户发出及时、准确的反馈控制系统变化预警。
实施例二
图2为本发明实施例二提供的另一种反馈控制系统变化的预警方法的流程图，本实施例在上述实施例的基础上，具体说明了反馈控制系统变化的预警方法。如图2所示，该方法包括：
S210、采用预设的反馈控制策略训练算法，获取与目标反馈控制系统对应的基准反馈控制策略。
S220、按照所述基准反馈控制策略，生成与目标反馈控制系统对应的基准反馈控制轨迹集。
其中，按照所述基准反馈控制策略，生成与目标反馈控制系统对应的基准反馈控制轨迹集，可以具体包括：
按照与目标反馈控制系统对应的基准反馈控制策略，执行所述目标反馈控制系统；
在所述目标反馈控制系统的完整反馈控制过程中，收集每个目标控制时间点下的目标待控量状态和目标控制量的数值；
其中，所述目标待控量状态包括目标待控量的当前值和期望值；
将与每个目标控制时间点分别对应的目标待控量状态和目标控制量的数值，组织得到与每个目标控制时间点分别对应的目标轨迹点；
按照时间延伸顺序，将各所述目标轨迹点进行组合，得到与所述目标反馈控制系统对应的基准反馈控制轨迹集。
S230、将所述基准反馈控制轨迹集输入至预先训练的反馈控制系统识别器中，获取与所述基准待控量状态匹配的基准环境特征向量。
S240、实时监测所述目标反馈控制系统的待控量状态和控制器中控制量的数值，生成与当前待控量状态和当前控制量的数值匹配的实时反馈控制轨迹集。
S250、利用预先训练的反馈控制系统识别器生成与实时反馈控制轨迹集对应的实时环境特征向量，并计算实时环境特征向量与目标反馈控制系统的基准环境特征向量之间的差异值。
S260、当差异值大于设定阈值时，对目标反馈控制系统进行反馈控制系统变化的预警。
本发明实施例的技术方案，通过获取基准反馈控制轨迹集与实时反馈控制轨迹集，并将基准反馈控制轨迹集与实时反馈控制轨迹集输入至预先训练的反馈控制系统识别器，以获取基准环境特征向量与实时环境特征向量，并计算基准环境特征向量与实时环境特征向量之间的差异值，并在差异值大于阈值时进行预警的方式，在执行目标反馈控制系统的过程中，实时监测反馈控制系统变化，且能够精准的识别出发生一定量变化的环境特征，以实现对用户发出及时、准确的反馈控制系统变化预警。
进一步的，在利用预先训练的反馈控制系统识别器生成与实时反馈控制轨迹集对应的实时环境特征向量之前，还可以包括：
构建与多个反馈控制场景对应的多个反馈控制系统，并获取与每个反馈控制系统分别对应的反馈控制策略；
按照所述反馈控制策略，生成与每个反馈控制系统分别对应的反馈控制样本轨迹集；
使用各所述反馈控制样本轨迹集，对设定的时间序列模型进行训练，得到反馈控制系统识别器；
其中，所述反馈控制系统识别器用于可区分的输出不同反馈控制场景下的环境特征向量。
在本实施例中，为了可区分的表示不同反馈控制系统之间的环境特征差异，首先需要构建不同场景环境下的多个反馈控制系统。进而，为了达到较优反馈控制效果，需要进一步确定出与每个反馈控制系统分别对应的反馈控制策略。可选的，可以根据人工实验选取、基于专业领域知识确定的方式，或者通过设定机器学习模型自适应训练的方式，获取与目标反馈控制系统对应的目标反馈控制策略。
不同反馈控制场景一般可对应多个不同的反馈控制系统，同一反馈控制场景，因其场景环境的不同，也可以对应于对个不同的反馈控制系统。
需要强调的是，在本实施例中，发明人为了挖掘出不同反馈控制系统之间的环境特征差异，需要量化反馈控制系统的特征描述。通过多次实验发现，不同环境下执行的反馈控制系统，控制量数值的变化趋势，以及待控量的受控变化趋势各有不同。基于此，创造性的提出了使用反馈控制样本轨迹集量化描述各反馈控制系统，以达到可区分不同反馈控制系统的环境特征的目的。
由于直接使用反馈控制样本轨迹集来反映不同反馈控制系统的环境差异时，数据表现力差。因而，在本实施例中，考虑使用实现序列模型挖掘出不同反馈控制样本轨迹集的数据特征。时间序列模型，主要用于对输入的时间序列数据,以设定维数(例如，8维、16维或者32维等)的向量进行量化表达。
其中，时间序列模型可以为具有时序数据处理功能的任一机器学习模型，例如RNN(recurrent neural network，循环神经网络)、LSTM((Long short-term memory，长短期记忆网络)或者GRU(Gated Recurrent Unit，门循环控制单元)等，本实施例对此并不进行限制。
在本实施例中，通过使用对应多个反馈控制场景的各所述反馈控制样本轨迹集，对设定的时间序列模型进行训练，可以得到反馈控制系统识别器。其中，训练得到的反馈控制系统识别器的输入为反馈控制系统执行完成后生成的反馈控制样本轨迹集，或者，反馈控制系统执行过程中连续生成的几个轨迹点等，输出为与该反馈控制系统对应的环境特征向量。
其中，该反馈控制系统识别器的训练目标可以为最小化同一反馈控制样本轨迹集的环境特征向量的方差，最大化不同反馈控制轨迹的环境特征向量的之间的差异值。通过上述设置，该反馈控制系统识别器可以有效区分出不同反馈控制系统对应的环境特征向量。
其中，使用各所述反馈控制样本轨迹集，对设定的时间序列模型进行训练，得到反馈控制系统识别器，可以具体包括：
分别将每个反馈控制样本轨迹集中的各轨迹点依次输入至所述时间序列模型中进行训练，得到所述反馈控制系统识别器；
其中，所述时间序列模型的损失函数包括第一子函数和第二子函数；
所述第一子函数与所述时间序列模型针对同一反馈控制样本轨迹集中的各轨迹点所输出的环境特征向量之间的方差成正比，所述第二子函数与所述时间序列模型针对不同反馈控制样本轨迹集中的各轨迹点所输出的环境特征向量之间的差异值成反比。
通过设置上述类型的损失函数，在将每个反馈控制样本轨迹集中的各轨迹点依次输入至所述时间序列模型中进行训练后，可以达到最小化同一反馈控制样本轨迹集的环境特征向量的方差，最大化不同反馈控制轨迹的环境特征向量的之间的差异值的训练目标。
通过本发明实施例所述的方式训练反馈控制系统识别器的好处在于：通过构建多个不同反馈控制场景的反馈控制系统，并采用预设的反馈控制策略训练算法，训练得到与各反馈控制系统分别匹配的反馈控制策略，通过执行各反馈控制系统，生成与各反馈控制系统分别对应的反馈控制样本轨迹集进行反馈控制系统识别器的训练的技术方案，可以快速的识别出不同反馈控制系统之间的环境特征差异，进而能够有效解决传统反馈控制器无法识别环境特征，且需要针对各个反馈控制系统单独调整PID(比例-积分-微分)参数的问题，提升了反馈控制的通用性与泛化性。
实施例三
图3为本发明实施例三提供的一种反馈控制系统变化的预警装置的结构示意图。如图3所示，该装置包括：实时反馈控制轨迹集获取模块310、差异值获取模块320以及反馈控制系统变化预警模块330。
实时反馈控制轨迹集获取模块310，用于在对目标反馈控制系统执行实时反馈控制的过程中，获取与目标反馈控制系统匹配的实时反馈控制轨迹集；
其中，实时反馈控制轨迹集中包含与目标反馈控制系统的反馈控制过程对应的多个轨迹点，轨迹点中包括设定控制时间点下的待控量状态和控制器中控制量的数值。
差异值获取模块320，用于利用预先训练的反馈控制系统识别器生成与实时反馈控制轨迹集对应的实时环境特征向量，并计算实时环境特征向量与目标反馈控制系统的基准环境特征向量之间的差异值。
反馈控制系统变化预警模块330，用于当差异值大于设定阈值时，对目标反馈控制系统进行反馈控制系统变化的预警。
本发明实施例的技术方案，通过获取目标反馈控制系统的基准环境特征向量与实时环境特征向量，计算基准环境特征向量与实时环境特征向量之间差异值，并判断所述差异值与预设阈值之间的数量关系的方式，能够在执行目标反馈控制系统的过程中，实时监测反馈控制系统变化，且能够精准的识别出发生一定量变化的环境特征，以实现对用户发出及时、准确的反馈控制系统变化预警。
在上述各实施例的基础上，还可以包括反馈控制系统识别器训练模块，用于在利用预先训练的反馈控制系统识别器生成与实时反馈控制轨迹集对应的实时环境特征向量之前：
构建与多个反馈控制场景对应的多个反馈控制系统，并获取与每个反馈控制系统分别对应的反馈控制策略；
按照所述反馈控制策略，生成与每个反馈控制系统分别对应的反馈控制样本轨迹集；
使用各所述反馈控制样本轨迹集，对设定的时间序列模型进行训练，得到反馈控制系统识别器；
其中，所述反馈控制系统识别器用于可区分的输出不同反馈控制场景下的环境特征向量。
在上述各实施例的基础上，反馈控制系统识别器训练模块，还可以具体用于：
分别将每个反馈控制样本轨迹集中的各轨迹点依次输入至所述时间序列模型中进行训练，得到所述反馈控制系统识别器；
其中，所述时间序列模型的损失函数包括第一子函数和第二子函数；
所述第一子函数与所述时间序列模型针对同一反馈控制样本轨迹集中的各轨迹点所输出的环境特征向量之间的方差成正比，所述第二子函数与所述时间序列模型针对不同反馈控制样本轨迹集中的各轨迹点所输出的环境特征向量之间的差异值成反比。
在上述各实施例的基础上，实时反馈控制轨迹集获取模块310，可以具体用于：实时监测所述目标反馈控制系统的待控量状态和控制器中控制量的数值，生成与当前待控量状态和当前控制量的数值匹配的实时反馈控制轨迹集。
在上述各实施例的基础上，还可以包括基准环境特征向量获取模块，用于在对目标反馈控制系统执行实时反馈控制的过程中，获取与目标反馈控制系统匹配的实时反馈控制轨迹集之前：
获取与目标反馈控制系统对应的基准反馈控制轨迹集，并利用预先训练的反馈控制系统识别器生成与所述基准反馈控制轨迹集匹配的基准环境特征向量。
在上述各实施例的基础上，基准环境特征向量获取模块，还可以具体用于：
采用预设的反馈控制策略训练算法，获取与目标反馈控制系统对应的基准反馈控制策略；
按照所述基准反馈控制策略，生成与目标反馈控制系统对应的基准反馈控制轨迹集；
将所述基准反馈控制轨迹集输入至预先训练的反馈控制系统识别器中，获取与所述基准待控量状态匹配的基准环境特征向量。
在上述各实施例的基础上，基准环境特征向量获取模块，还可以具体用于：
按照与目标反馈控制系统对应的基准反馈控制策略，执行所述目标反馈控制系统；
在所述目标反馈控制系统的完整反馈控制过程中，收集每个目标控制时间点下的目标待控量状态和目标控制量的数值；
其中，所述目标待控量状态包括目标待控量的当前值和期望值；
将与每个目标控制时间点分别对应的目标待控量状态和目标控制量的数值，组织得到与每个目标控制时间点分别对应的目标轨迹点；
按照时间延伸顺序，将各所述目标轨迹点进行组合，得到与所述目标反馈控制系统对应的基准反馈控制轨迹集。
本发明实施例所提供的反馈控制系统变化的预警装置可执行本发明任意实施例所提供的反馈控制系统变化的预警方法，具备执行方法相应的功能模块和有益效果。
实施例四
图4示出了可以用来实施本发明的实施例的电子设备40的结构示意图。电子设备旨在表示各种形式的数字计算机，诸如，膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置，诸如，个人数字处理、蜂窝电话、智能电话、可穿戴设备(如头盔、眼镜、手表等)和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例，并且不意在限制本文中描述的和/或者要求的本发明的实现。
如图4所示，电子设备40包括至少一个处理器41，以及与至少一个处理器41通信连接的存储器，如只读存储器(ROM)42、随机访问存储器(RAM)43等，其中，存储器存储有可被至少一个处理器执行的计算机程序，处理器41可以根据存储在只读存储器(ROM)42中的计算机程序或者从存储单元48加载到随机访问存储器(RAM)43中的计算机程序，来执行各种适当的动作和处理。在RAM43中，还可存储电子设备40操作所需的各种程序和数据。处理器41、ROM42以及RAM43通过总线44彼此相连。输入/输出(I/O)接口45也连接至总线44。
电子设备40中的多个部件连接至I/O接口45，包括：输入单元46，例如键盘、鼠标等；输出单元47，例如各种类型的显示器、扬声器等；存储单元48，例如磁盘、光盘等；以及通信单元49，例如网卡、调制解调器、无线通信收发机等。通信单元49允许电子设备40通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据。
处理器41可以是各种具有处理和计算能力的通用和/或专用处理组件。处理器41的一些示例包括但不限于中央处理单元(CPU)、图形处理单元(GPU)、各种专用的人工智能(AI)计算芯片、各种运行机器学习模型算法的处理器、数字信号处理器(DSP)、以及任何适当的处理器、控制器、微控制器等。处理器41执行上文所描述的各个方法和处理，例如如本发明实施例所述的反馈控制系统变化的预警方法。也即：
在对目标反馈控制系统执行实时反馈控制的过程中，获取与目标反馈控制系统匹配的实时反馈控制轨迹集；
其中，反馈控制轨迹集中包含与目标反馈控制系统的反馈控制过程对应的多个轨迹点，轨迹点中包括设定控制时间点下的待控量状态和控制器中控制量的数值；
利用预先训练的反馈控制系统识别器生成与实时反馈控制轨迹集对应的实时环境特征向量，并计算实时环境特征向量与目标反馈控制系统的基准环境特征向量之间的差异值；
当差异值大于设定阈值时，对目标反馈控制系统进行反馈控制系统变化的预警。
在一些实施例中，反馈控制系统变化的预警方法可被实现为计算机程序，其被有形地包含于计算机可读存储介质，例如存储单元48。在一些实施例中，计算机程序的部分或者全部可以经由ROM42和/或通信单元49而被载入和/或安装到电子设备40上。当计算机程序加载到RAM43并由处理器41执行时，可以执行上文描述的反馈控制系统变化的预警方法的一个或多个步骤。备选地，在其他实施例中，处理器41可以通过其他任何适当的方式(例如，借助于固件)而被配置为执行反馈控制系统变化的预警方法。
本文中以上描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、芯片上系统的系统(SOC)、负载可编程逻辑设备(CPLD)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括：实施在一个或者多个计算机程序中，该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释，该可编程处理器可以是专用或者通用可编程处理器，可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令，并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。
用于实施本发明的方法的计算机程序可以采用一个或多个编程语言的任何组合来编写。这些计算机程序可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器，使得计算机程序当由处理器执行时使流程图和/或框图中所规定的功能/操作被实施。计算机程序可以完全在机器上执行、部分地在机器上执行，作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。
在本发明的上下文中，计算机可读存储介质可以是有形的介质，其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的计算机程序。计算机可读存储介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备，或者上述内容的任何合适组合。备选地，计算机可读存储介质可以是机器可读信号介质。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。
为了提供与用户的交互，可以在电子设备上实施此处描述的系统和技术，该电子设备具有：用于向用户显示信息的显示装置(例如，CRT(阴极射线管)或者LCD(液晶显示器)监视器)；以及键盘和指向装置(例如，鼠标或者轨迹球)，用户可以通过该键盘和该指向装置来将输入提供给电子设备。其它种类的装置还可以用于提供与用户的交互；例如，提供给用户的反馈可以是任何形式的传感反馈(例如，视觉反馈、听觉反馈、或者触觉反馈)；并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。
可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如，作为数据服务器)、或者包括中间件部件的计算系统(例如，应用服务器)、或者包括前端部件的计算系统(例如，具有图形用户界面或者网络浏览器的用户计算机，用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如，通信网络)来将系统的部件相互连接。通信网络的示例包括：局域网(LAN)、广域网(WAN)、区块链网络和互联网。
计算系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。服务器可以是云服务器，又称为云计算服务器或云主机，是云计算服务体系中的一项主机产品，以解决了传统物理主机与VPS服务中，存在的管理难度大，业务扩展性弱的缺陷。
应该理解，可以使用上面所示的各种形式的流程，重新排序、增加或删除步骤。例如，本发明中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行，只要能够实现本发明的技术方案所期望的结果，本文在此不进行限制。
上述具体实施方式，并不构成对本发明保护范围的限制。本领域技术人员应该明白的是，根据设计要求和其他因素，可以进行各种修改、组合、子组合和替代。任何在本发明的精神和原则之内所作的修改、等同替换和改进等，均应包含在本发明保护范围之内。
Claims (8)
1.一种反馈控制系统变化的预警方法，其特征在于，包括：
在对目标反馈控制系统执行实时反馈控制的过程中，获取与目标反馈控制系统匹配的实时反馈控制轨迹集；
其中，实时反馈控制轨迹集中包含与目标反馈控制系统的反馈控制过程对应的多个轨迹点，轨迹点中包括设定控制时间点下的待控量状态和控制器中控制量的数值；
利用预先训练的反馈控制系统识别器生成与实时反馈控制轨迹集对应的实时环境特征向量，并计算实时环境特征向量与目标反馈控制系统的基准环境特征向量之间的差异值；
当差异值大于设定阈值时，对目标反馈控制系统进行反馈控制系统变化的预警；
其中，在利用预先训练的反馈控制系统识别器生成与实时反馈控制轨迹集对应的实时环境特征向量之前，还包括：
构建与多个反馈控制场景对应的多个反馈控制系统，并获取与每个反馈控制系统分别对应的反馈控制策略；
按照所述反馈控制策略，生成与每个反馈控制系统分别对应的反馈控制样本轨迹集；
使用各所述反馈控制样本轨迹集，对设定的时间序列模型进行训练，得到反馈控制系统识别器；
其中，所述反馈控制系统识别器用于可区分的输出不同反馈控制场景下的环境特征向量；
其中，使用各所述反馈控制样本轨迹集，对设定的时间序列模型进行训练，得到反馈控制系统识别器，包括：
分别将每个反馈控制样本轨迹集中的各轨迹点依次输入至所述时间序列模型中进行训练，得到所述反馈控制系统识别器；
其中，所述时间序列模型的损失函数包括第一子函数和第二子函数；
所述第一子函数与所述时间序列模型针对同一反馈控制样本轨迹集中的各轨迹点所输出的环境特征向量之间的方差成正比，所述第二子函数与所述时间序列模型针对不同反馈控制样本轨迹集中的各轨迹点所输出的环境特征向量之间的差异值成反比。
2.根据权利要求1所述的方法，其特征在于，在对目标反馈控制系统执行实时反馈控制的过程中，获取与目标反馈控制系统匹配的实时反馈控制轨迹集，包括：
实时监测所述目标反馈控制系统的待控量状态和控制器中控制量的数值，生成与当前待控量状态和当前控制量的数值匹配的实时反馈控制轨迹集。
3.根据权利要求2所述的方法，其特征在于，在对目标反馈控制系统执行实时反馈控制的过程中，获取与目标反馈控制系统匹配的实时反馈控制轨迹集之前，还包括：
获取与目标反馈控制系统对应的基准反馈控制轨迹集，并利用预先训练的反馈控制系统识别器生成与所述基准反馈控制轨迹集匹配的基准环境特征向量。
4.根据权利要求3所述的方法，其特征在于，获取与目标反馈控制系统对应的基准反馈控制轨迹集，并利用预先训练的反馈控制系统识别器生成与所述基准反馈控制轨迹集匹配的基准环境特征向量，包括：
采用预设的反馈控制策略训练算法，获取与目标反馈控制系统对应的基准反馈控制策略；
按照所述基准反馈控制策略，生成与目标反馈控制系统对应的基准反馈控制轨迹集；
将所述基准反馈控制轨迹集输入至预先训练的反馈控制系统识别器中，获取与基准待控量状态匹配的基准环境特征向量。
5.根据权利要求4所述的方法，其特征在于，按照所述基准反馈控制策略，生成与目标反馈控制系统对应的基准反馈控制轨迹集，包括：
按照与目标反馈控制系统对应的基准反馈控制策略，执行所述目标反馈控制系统；
在所述目标反馈控制系统的完整反馈控制过程中，收集每个目标控制时间点下的目标待控量状态和目标控制量的数值；
其中，所述目标待控量状态包括目标待控量的当前值和期望值；
将与每个目标控制时间点分别对应的目标待控量状态和目标控制量的数值，组织得到与每个目标控制时间点分别对应的目标轨迹点；
按照时间延伸顺序，将各所述目标轨迹点进行组合，得到与所述目标反馈控制系统对应的基准反馈控制轨迹集。
6.一种反馈控制系统变化的预警装置，其特征在于，包括：
实时反馈控制轨迹集获取模块，用于在对目标反馈控制系统执行实时反馈控制的过程中，获取与目标反馈控制系统匹配的实时反馈控制轨迹集；
其中，反馈控制轨迹集中包含与目标反馈控制系统的反馈控制过程对应的多个轨迹点，轨迹点中包括设定控制时间点下的待控量状态和控制器中控制量的数值；
差异值获取模块，用于利用预先训练的反馈控制系统识别器生成与实时反馈控制轨迹集对应的实时环境特征向量，并计算实时环境特征向量与目标反馈控制系统的基准环境特征向量之间的差异值；
反馈控制系统变化预警模块，用于当差异值大于设定阈值时，对目标反馈控制系统进行反馈控制系统变化的预警；
其中，反馈控制系统变化的预警装置还包括反馈控制系统识别器训练模块，用于在利用预先训练的反馈控制系统识别器生成与实时反馈控制轨迹集对应的实时环境特征向量之前：
构建与多个反馈控制场景对应的多个反馈控制系统，并获取与每个反馈控制系统分别对应的反馈控制策略；
按照所述反馈控制策略，生成与每个反馈控制系统分别对应的反馈控制样本轨迹集；
使用各所述反馈控制样本轨迹集，对设定的时间序列模型进行训练，得到反馈控制系统识别器；
其中，所述反馈控制系统识别器用于可区分的输出不同反馈控制场景下的环境特征向量；
其中，反馈控制系统识别器训练模块，还用于：
分别将每个反馈控制样本轨迹集中的各轨迹点依次输入至所述时间序列模型中进行训练，得到所述反馈控制系统识别器；
其中，所述时间序列模型的损失函数包括第一子函数和第二子函数；
所述第一子函数与所述时间序列模型针对同一反馈控制样本轨迹集中的各轨迹点所输出的环境特征向量之间的方差成正比，所述第二子函数与所述时间序列模型针对不同反馈控制样本轨迹集中的各轨迹点所输出的环境特征向量之间的差异值成反比。
7.一种电子设备，其特征在于，所述电子设备包括：
至少一个处理器；以及
与所述至少一个处理器通信连接的存储器；其中，
所述存储器存储有可被所述至少一个处理器执行的计算机程序，所述计算机程序被所述至少一个处理器执行，以使所述至少一个处理器能够执行权利要求1-5中任一项所述的反馈控制系统变化的预警方法。
8.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有计算机指令，所述计算机指令用于使处理器执行时实现权利要求1-5中任一项所述的反馈控制系统变化的预警方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211356764.5A CN115562038B (zh) | 2022-11-01 | 2022-11-01 | 一种反馈控制系统变化的预警方法、装置、设备及介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211356764.5A CN115562038B (zh) | 2022-11-01 | 2022-11-01 | 一种反馈控制系统变化的预警方法、装置、设备及介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN115562038A CN115562038A (zh) | 2023-01-03 |
| CN115562038B true CN115562038B (zh) | 2023-08-29 |
Family
ID=84769136
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202211356764.5A Active CN115562038B (zh) | 2022-11-01 | 2022-11-01 | 一种反馈控制系统变化的预警方法、装置、设备及介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN115562038B (zh) |
Citations (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US9645577B1 (en) * | 2016-03-23 | 2017-05-09 | nuTonomy Inc. | Facilitating vehicle driving and self-driving |
| CN107697065A (zh) * | 2017-10-16 | 2018-02-16 | 北方工业大学 | 一种面向一般停车场景的自动泊车控制方法 |
| CN111496781A (zh) * | 2020-03-17 | 2020-08-07 | 浙江大学 | 数字孪生驱动的机械臂建模、控制与监测一体化集成系统 |
| CN112163415A (zh) * | 2020-09-30 | 2021-01-01 | 北京猎豹移动科技有限公司 | 针对反馈内容的用户意图识别方法、装置及电子设备 |
| CN112247992A (zh) * | 2020-11-02 | 2021-01-22 | 中国科学院深圳先进技术研究院 | 一种机器人前馈力矩补偿方法 |
| CN113521484A (zh) * | 2021-08-20 | 2021-10-22 | 华东师范大学 | 神经反馈训练系统 |
| CN114282607A (zh) * | 2021-12-22 | 2022-04-05 | 中电信数智科技有限公司 | 一种基于双筛模型的弥散轨迹分析方法及系统 |
| CN114643994A (zh) * | 2022-04-02 | 2022-06-21 | 驭势科技（北京）有限公司 | 车辆横向异常检测方法、装置、设备及介质 |
| CN114721345A (zh) * | 2022-06-10 | 2022-07-08 | 南栖仙策(南京)科技有限公司 | 基于强化学习的工业控制方法、装置、系统和电子设备 |
| CN114912357A (zh) * | 2022-05-18 | 2022-08-16 | 南京大学 | 基于用户模型学习的多任务强化学习用户运营方法及系统 |
| CN115179969A (zh) * | 2022-08-18 | 2022-10-14 | 广州小鹏自动驾驶科技有限公司 | 车辆控制方法、装置、车辆及存储介质 |
Family Cites Families (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US11246023B2 (en) * | 2020-02-19 | 2022-02-08 | Accenture Global Solutions Limited | Location-based risk alerts |
| CN111859778B (zh) * | 2020-06-04 | 2021-12-28 | 阿波罗智能技术(北京)有限公司 | 泊车模型的生成方法和装置、电子设备和存储介质 |
| JP7183237B2 (ja) * | 2020-10-23 | 2022-12-05 | 本田技研工業株式会社 | 車両制御装置、車両制御方法、およびプログラム |
-
2022
- 2022-11-01 CN CN202211356764.5A patent/CN115562038B/zh active Active
Patent Citations (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US9645577B1 (en) * | 2016-03-23 | 2017-05-09 | nuTonomy Inc. | Facilitating vehicle driving and self-driving |
| CN107697065A (zh) * | 2017-10-16 | 2018-02-16 | 北方工业大学 | 一种面向一般停车场景的自动泊车控制方法 |
| CN111496781A (zh) * | 2020-03-17 | 2020-08-07 | 浙江大学 | 数字孪生驱动的机械臂建模、控制与监测一体化集成系统 |
| CN112163415A (zh) * | 2020-09-30 | 2021-01-01 | 北京猎豹移动科技有限公司 | 针对反馈内容的用户意图识别方法、装置及电子设备 |
| CN112247992A (zh) * | 2020-11-02 | 2021-01-22 | 中国科学院深圳先进技术研究院 | 一种机器人前馈力矩补偿方法 |
| CN113521484A (zh) * | 2021-08-20 | 2021-10-22 | 华东师范大学 | 神经反馈训练系统 |
| CN114282607A (zh) * | 2021-12-22 | 2022-04-05 | 中电信数智科技有限公司 | 一种基于双筛模型的弥散轨迹分析方法及系统 |
| CN114643994A (zh) * | 2022-04-02 | 2022-06-21 | 驭势科技（北京）有限公司 | 车辆横向异常检测方法、装置、设备及介质 |
| CN114912357A (zh) * | 2022-05-18 | 2022-08-16 | 南京大学 | 基于用户模型学习的多任务强化学习用户运营方法及系统 |
| CN114721345A (zh) * | 2022-06-10 | 2022-07-08 | 南栖仙策(南京)科技有限公司 | 基于强化学习的工业控制方法、装置、系统和电子设备 |
| CN115179969A (zh) * | 2022-08-18 | 2022-10-14 | 广州小鹏自动驾驶科技有限公司 | 车辆控制方法、装置、车辆及存储介质 |
Non-Patent Citations (1)
| Title |
|---|
| 俞扬.离线数据强化学习：途径与进展.《中国基础科学》.2022,35-39. * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN115562038A (zh) | 2023-01-03 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN114721345A (zh) | 基于强化学习的工业控制方法、装置、系统和电子设备 | |
| CN116562156B (zh) | 一种控制决策模型的训练方法、装置、设备及存储介质 | |
| CN115562038B (zh) | 一种反馈控制系统变化的预警方法、装置、设备及介质 | |
| CN115946120B (zh) | 机械臂控制方法、装置、设备和介质 | |
| CN115562299A (zh) | 一种移动机器人的导航方法、装置、移动机器人及介质 | |
| CN115598967B (zh) | 参数整定模型训练、参数确定方法、装置、设备及介质 | |
| CN115598985B (zh) | 一种反馈控制器的训练方法、装置、电子设备及介质 | |
| CN115600875B (zh) | 一种环境参数的标定方法、装置、电子设备及存储介质 | |
| CN115375039A (zh) | 一种工业设备故障预测方法、装置、电子设备及存储介质 | |
| CN115616900B (zh) | 反馈控制系统识别器的训练方法、装置、设备及介质 | |
| CN117289686B (zh) | 一种参数标定方法、装置、电子设备及存储介质 | |
| CN115576205B (zh) | 反馈控制方法、通用反馈控制器、训练方法、可读存储介质、计算机程序产品及系统 | |
| CN113177077B (zh) | 用于自动驾驶的异常事件确定方法、装置及电子设备 | |
| CN114571457B (zh) | 一种奇异位姿规避方法、装置、设备以及存储介质 | |
| CN117400268B (zh) | 非线性摩擦力补偿方法、装置、电子设备及存储介质 | |
| CN117807410B (zh) | 转钢辊道设定速度的确定方法及装置、存储介质、终端 | |
| CN112712289B (zh) | 基于时间信息熵的自适应方法、系统及介质 | |
| CN117901113A (zh) | 残余振动控制方法、装置、设备及存储介质 | |
| CN116756265A (zh) | 一种轨迹数据的处理方法、装置、电子设备及存储介质 | |
| US20230410338A1 (en) | Method for optimizing depth estimation model, computer device, and storage medium | |
| CN117260738A (zh) | 一种机器人控制方法、装置、设备以及存储介质 | |
| Meng et al. | Knowledge-based modeling for predicting cane sugar crystallization state | |
| CN115514290A (zh) | 一种电机控制方法、装置、设备及存储介质 | |
| CN116485119A (zh) | 排产方法、装置、设备及存储介质 | |
| CN116679573A (zh) | 一种一致性跟踪控制方法、装置、电子设备及存储介质 |
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 | ||
| TA01 | Transfer of patent application right |
Effective date of registration: 20230621 Address after: Room 703, Building A, Qilin Technology Innovation Park, No. 100 Tianjiao Road, Jiangning District, Nanjing City, Jiangsu Province, 210000 Applicant after: Nanqi Xiance (Nanjing) High tech Co.,Ltd. Address before: 210000 floor 17, building 32, headquarters base, Jiangning District, Nanjing, Jiangsu Province Applicant before: NANQI XIANCE (NANJING) TECHNOLOGY Co.,Ltd. Applicant before: Nanqi Xiance (Nanjing) High tech Co.,Ltd. |
|
| TA01 | Transfer of patent application right | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |