CN116400670A - 采煤机控制系统的仿真测试方法及系统 - Google Patents
采煤机控制系统的仿真测试方法及系统 Download PDFInfo
- Publication number
- CN116400670A CN116400670A CN202310418949.2A CN202310418949A CN116400670A CN 116400670 A CN116400670 A CN 116400670A CN 202310418949 A CN202310418949 A CN 202310418949A CN 116400670 A CN116400670 A CN 116400670A
- Authority
- CN
- China
- Prior art keywords
- data
- test
- object model
- operation data
- control system
- 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.)
- Pending
Links
- 238000004088 simulation Methods 0.000 title claims abstract description 122
- 239000003245 coal Substances 0.000 title claims abstract description 36
- 238000010998 test method Methods 0.000 title claims abstract description 9
- 238000005065 mining Methods 0.000 title claims description 27
- 238000012360 testing method Methods 0.000 claims abstract description 154
- 238000012795 verification Methods 0.000 claims abstract description 54
- 238000012549 training Methods 0.000 claims abstract description 45
- 238000000034 method Methods 0.000 claims abstract description 41
- 230000004044 response Effects 0.000 claims abstract description 19
- 239000013598 vector Substances 0.000 claims description 126
- 230000002159 abnormal effect Effects 0.000 claims description 23
- 238000002372 labelling Methods 0.000 claims description 12
- 230000005856 abnormality Effects 0.000 claims description 11
- 238000010606 normalization Methods 0.000 claims description 10
- 230000009467 reduction Effects 0.000 claims description 10
- 230000008878 coupling Effects 0.000 claims description 9
- 238000010168 coupling process Methods 0.000 claims description 9
- 238000005859 coupling reaction Methods 0.000 claims description 9
- 230000009471 action Effects 0.000 claims description 8
- 238000002347 injection Methods 0.000 claims description 6
- 239000007924 injection Substances 0.000 claims description 6
- 238000007405 data analysis Methods 0.000 claims description 5
- 230000007246 mechanism Effects 0.000 claims description 5
- 238000007476 Maximum Likelihood Methods 0.000 claims description 4
- 230000006870 function Effects 0.000 description 9
- 238000012545 processing Methods 0.000 description 8
- 238000004590 computer program Methods 0.000 description 7
- 238000010586 diagram Methods 0.000 description 7
- 238000004891 communication Methods 0.000 description 6
- 230000003287 optical effect Effects 0.000 description 5
- 230000008569 process Effects 0.000 description 5
- 239000004973 liquid crystal related substance Substances 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 239000013307 optical fiber Substances 0.000 description 2
- 230000000644 propagated effect Effects 0.000 description 2
- 239000004065 semiconductor Substances 0.000 description 2
- 238000004422 calculation algorithm Methods 0.000 description 1
- 238000012512 characterization method Methods 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000005094 computer simulation Methods 0.000 description 1
- 230000010485 coping Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
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
- G05B23/00—Testing or monitoring of control systems or parts thereof
- G05B23/02—Electric testing or monitoring
- G05B23/0205—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults
- G05B23/0218—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterised by the fault detection method dealing with either existing or incipient faults
- G05B23/0243—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterised by the fault detection method dealing with either existing or incipient faults model based detection method, e.g. first-principles knowledge model
-
- 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
- G05B2219/00—Program-control systems
- G05B2219/20—Pc systems
- G05B2219/24—Pc safety
- G05B2219/24065—Real time diagnostics
-
- 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
本公开涉及一种采煤机控制系统的仿真测试方法,应用于测试上位机,所述测试上位机通过接口模块与所述控制系统连接,所述方法包括:接收所述控制系统发送的控制指令,所述控制指令是所述控制系统响应于所述测试上位机发送的状态信号生成的,所述状态信号是基于预先配置的测试用例生成的;根据所述控制指令对仿真对象模型进行控制,并获取所述仿真对象模型的运行数据;将所述运行数据输入预先训练得到的测试验证模型,得到测试结果;根据所述测试结果生成测试报告。能够有效地实现采煤机控制系统的硬件在环仿真测试,确保了该采煤机控制系统在实际应用时的安全性能。
Description
技术领域
本公开涉及采煤机领域,具体地,涉及一种采煤机控制系统的仿真测试方法及系统。
背景技术
采煤机机载控制系统功能的复杂性在日益提升,对其进行更为严密的综合性测试,特别是针对极端工况条件和故障情况下的测试显得颇为重要。然而若连接真实的采煤机对机载控制系统进行测试,很有可能会付出极高的代价,或很多测试效果难以达成。
发明内容
提供该发明内容部分以便以简要的形式介绍构思,这些构思将在后面的具体实施方式部分被详细描述。该发明内容部分并不旨在标识要求保护的技术方案的关键特征或必要特征,也不旨在用于限制所要求的保护的技术方案的范围。
根据本公开实施例的第一方面,提供一种采煤机控制系统的仿真测试方法,应用于测试上位机,所述测试上位机通过接口模块与所述控制系统连接,所述方法包括:
接收所述控制系统发送的控制指令,所述控制指令是所述控制系统响应于所述测试上位机发送的状态信号生成的,所述状态信号是基于预先配置的测试用例生成的;
根据所述控制指令对仿真对象模型进行控制,并获取所述仿真对象模型的运行数据;
将所述运行数据输入预先训练得到的测试验证模型,得到测试结果;
根据所述测试结果生成测试报告。
可选地,所述测试验证模型包括数据向量化模块和异常判别模块;所述方法包括:
将包括目标仿真对象模型的多组范例运行数据输入所述数据向量化模块,得到所述多组范例运行数据中各范例运行数据的范例数据向量;所述各范例运行数据包括表征所述目标仿真对象模型为异常对象模型的真实置信度的标注信息;
将所述范例数据向量输入所述异常判别模块,得到所述各范例运行数据中的目标仿真对象模型为异常对象模型的第一置信度;
依据所述范例数据向量与典型数据向量集中各个向量之间的欧氏距离,确定所述各范例运行数据中的目标仿真对象模型为正常对象模型的第二置信度,其中,所述各个向量为标注信息表征的真实置信度为零的第一范例运行数据的第一数据向量;
依据所述第一置信度、所述第二置信度和所述真实置信度,对所述测试验证模型进行参数迭代。
可选地,所述典型数据向量集为向量队列;所述方法还包括在确定所述各范例运行数据中的目标仿真对象模型为正常对象模型的第二置信度之后:
利用所述多组范例运行数据中的第二范例运行数据的范例数据向量,迭代所述典型数据向量集,
其中,所述第二范例运行数据的标注信息表征的真实置信度为零。
可选地,确定所述各范例运行数据中的目标仿真对象模型为正常对象模型的第二置信度包括:
基于所述范例数据向量与所述典型数据向量集中各个向量之间的数量积,确定所述范例数据向量与所述典型数据向量集之间的距离分布;所述距离分布中的每个距离元素的标量表征所述各范例运行数据中的目标仿真对象模型与所述第一范例运行数据中的目标仿真对象模型处于同一异常状态的置信度;以及
确定所述距离分布中的最大标量,作为所述各范例运行数据中的目标仿真对象模型为正常对象模型的第二置信度。
可选地,所述数据向量化模块包括数据降维单元和数据标准化单元;所述将包括目标仿真对象模型的多组范例运行数据输入所述数据向量化模块,得到所述多组范例运行数据中各范例运行数据的范例数据向量包括:
将所述多组范例运行数据输入所述数据降维单元,得到所述多组范例运行数据中各范例运行数据的原始特征向量;以及
将所述各范例运行数据的原始特征向量输入所述数据标准化单元,得到所述各范例运行数据的范例数据向量。
可选地,对所述测试验证模型进行参数迭代包括:
依据所述第一置信度、所述第二置信度和所述真实置信度,利用训练代价值最大似然估计确定所述测试验证模型的训练代价值;以及
依据所述训练代价值,对所述测试验证模型进行参数迭代。
可选地,所述方法包括:
可选地,在接收所述控制系统发送的控制指令之前,所述方法还包括:
通过故障注入模块向所述控制系统注入目标故障;
所述将所述运行数据输入预先训练得到的测试验证模型,得到测试结果,包括:
得到对应所述目标故障的测试结果。
可选地,所述仿真对象模型包括以下至少一者:
采煤机截割部受力与温度场耦合模型、截割部机构动作模型、截割部液压系统响应模型、主供电回路电信号响应模型、截割电机的受力与电流耦合模型、及数据解析模型。
根据本公开实施例的第二方面,提供一种采煤机控制系统的仿真测试系统,所述仿真测试系统包括控制系统以及测试上位机,所述测试上位机通过接口模块与所述控制系统连接,所述测试上位机用于:
接收所述控制系统发送的控制指令,所述控制指令是所述控制系统响应于所述测试上位机发送的状态信号生成的,所述状态信号是基于预先配置的测试用例生成的;
根据所述控制指令对仿真对象模型进行控制,并获取所述仿真对象模型的运行数据;
将所述运行数据输入预先训练得到的测试验证模型,得到测试结果;
根据所述测试结果生成测试报告,所述测试报告为目标文件格式。
通过上述技术方案,通过接收控制系统发送的控制指令;根据控制指令对仿真对象模型进行控制,并获取仿真对象模型的运行数据;将运行数据输入预先训练得到的测试验证模型,得到测试结果;根据测试结果生成测试报告,能够有效地实现采煤机控制系统的硬件在环仿真测试,并且,基于预先训练得到的测试验证模型,能够有效地对仿真对象模型的运行数据进行验证,进而确定采煤机控制系统是否能够可靠地对采煤机进行控制,确保了该采煤机控制系统在实际应用时的安全性能。
本公开的其他特征和优点将在随后的具体实施方式部分予以详细说明。
附图说明
结合附图并参考以下具体实施方式,本公开各实施例的上述和其他特征、优点及方面将变得更加明显。贯穿附图中,相同或相似的附图标记表示相同或相似的元素。应当理解附图是示意性的,原件和元素不一定按照比例绘制。在附图中:
图1是根据一示例性实施例示出的一种采煤机控制系统的仿真测试方法的流程图。
图2是一示例性实施例示出的一种采煤机控制系统的仿真测试系统的示意图。
图3是根据一示例性实施例示出的一种电子设备的示意图。
具体实施方式
下面将参照附图更详细地描述本公开的实施例。虽然附图中显示了本公开的某些实施例,然而应当理解的是,本公开可以通过各种形式来实现,而且不应该被解释为限于这里阐述的实施例,相反提供这些实施例是为了更加透彻和完整地理解本公开。应当理解的是,本公开的附图及实施例仅用于示例性作用,并非用于限制本公开的保护范围。
应当理解,本公开的方法实施方式中记载的各个步骤可以按照不同的顺序执行,和/或并行执行。此外,方法实施方式可以包括附加的步骤和/或省略执行示出的步骤。本公开的范围在此方面不受限制。
本文使用的术语“包括”及其变形是开放性包括,即“包括但不限于”。术语“基于”是“至少部分地基于”。术语“一个实施例”表示“至少一个实施例”;术语“另一实施例”表示“至少一个另外的实施例”;术语“一些实施例”表示“至少一些实施例”。其他术语的相关定义将在下文描述中给出。
需要注意,本公开中提及的“第一”、“第二”等概念仅用于对不同的装置、模块或单元进行区分,并非用于限定这些装置、模块或单元所执行的功能的顺序或者相互依存关系。
需要注意,本公开中提及的“一个”、“多个”的修饰是示意性而非限制性的,本领域技术人员应当理解,除非在上下文另有明确指出,否则应该理解为“一个或多个”。
本公开实施方式中的多个装置之间所交互的消息或者信息的名称仅用于说明性的目的,而并不是用于对这些消息或信息的范围进行限制。
图1是根据一示例性实施例示出的一种采煤机控制系统的仿真测试方法的流程图,该方法可以应用于测试上位机,所述测试上位机通过接口模块与所述控制系统连接,所述方法包括:
S101、接收所述控制系统发送的控制指令,所述控制指令是所述控制系统响应于所述测试上位机发送的状态信号生成的,所述状态信号是基于预先配置的测试用例生成的。
其中,状态信号例如可以包括采煤机牵引系统各模块运行数据、采煤机牵启的执行方式、各传感器的计算通道、对被控对象模型的控制、机载控制系统ECU模块的报警方式与执行顺序等等。相应的,控制指令例如可以包括对截割部、供电回路、牵引部等模型的控制指令。
S102、根据所述控制指令对仿真对象模型进行控制,并获取所述仿真对象模型的运行数据。
在一实施例中,所述仿真对象模型包括以下至少一者:采煤机截割部受力与温度场耦合模型、截割部机构动作模型、截割部液压系统响应模型、主供电回路电信号响应模型、截割电机的受力与电流耦合模型、及数据解析模型。
其中,仿真对象模型针对电牵引滚筒采煤机的建立的,具体可以包括:数据解析模型,主要对采煤机原始的mma格式的数据进行格式转换,如16进制转为10进制等;采煤机截割部受力与温度场耦合模型,该模型可以用于输入采煤机截割部负载状态而输出负载扭矩及温度状态数据的实时模拟;截割部机构动作模型,可以用于输出采煤机摇臂高度及摇臂误差范围;截割部液压系统响应模型,可以根据摇臂升降指令和载荷数据输出液压系统压力、油温等状态参数;主供电回路电信号响应模型,可以用于模拟典型载荷下的供电信号的响应状态;截割电机的受力与电流耦合模型,可模拟典型载荷下的截割电机电流响应状态等等。
进一步,测试上位机可以基于控制指令,对上述仿真对象模型进行控制,进而使得这些仿真模型执行控制指令对应的动作,并且,测试上位机还可以采集这些仿真对象模型执行这些动作的相关数据,例如,采煤机指令速度、运行方向、摇臂采高、电机温度等。
S103、将所述运行数据输入预先训练得到的测试验证模型,得到测试结果。
具体的,测试结果可以用于表征仿真对象模型执行控制系统所发送的控制指令后是否存在异常,例如可以包括各个仿真对象模型在执行控制指令后为异常对象模型或者正常对象模型的置信度。测试结果可以包括该控制系统对于每一仿真对象模型的测试结果,在测试结果表征控制系统对于某一仿真对象模型不通过的情况下,则可以说明在控制系统对于该仿真对象模型过程中,该仿真对象模型产生的运行数据存在异常,也即是说,测试结果可以用于表征该仿真对象模型接收到的控制指令是否可靠。
S104、根据所述测试结果生成测试报告。
其中,测试报告可以是以预设文件格式存储的,例如,可以是excel格式的文件。进一步,相关工作人员即可以基于该测试报告,对该采煤机控制系统进行调整,以使得该采煤机控制系统能够对每一仿真对象模型进行可靠地控制。示例地,在测试结果表征某一仿真对象模型未通过仿真测试的情况下,例如该仿真对象模型为异常对象模型的置信度高于预设阈值,则可以对该仿真对象模型接收到的控制指令进行调整,以使得控制系统能够发送更加可靠的控制指令以确保能够可靠地对采煤机进行控制。
在本公开实施例中,通过接收控制系统发送的控制指令;根据控制指令对仿真对象模型进行控制,并获取仿真对象模型的运行数据;将运行数据输入预先训练得到的测试验证模型,得到测试结果;根据测试结果生成测试报告,能够有效地实现采煤机控制系统的硬件在环仿真测试,并且,基于预先训练得到的测试验证模型,能够有效地对仿真对象模型的运行数据进行验证,进而确定采煤机控制系统是否能够可靠地对采煤机进行控制,确保了该采煤机控制系统在实际应用时的安全性能。
在一些可选地实施例中,所述方法包括:
其中,是一种配置实时测试应用程序的软件环境。Simulink是Matlab中的一种可视化仿真工具。Simulink是一个模块图环境,用于多域仿真以及基于模型的设计。它支持系统设计、仿真、自动代码生成以及嵌入式系统的连续测试和验证。Simulink提供图形编辑器、可自定义的模块库以及求解器,能够进行动态系统建模和仿真。具体的,可以是利用Matlab中的自动编译工具将已建立的仿真对象模型生成后缀为dll的实时代码文件,并更新至该在环测试环境的。
在另一些可选地实施例中,在接收所述控制系统发送的控制指令之前,所述方法还包括:
通过故障注入模块向所述控制系统注入目标故障;
所述将所述运行数据输入预先训练得到的测试验证模型,得到测试结果,包括:
得到对应所述目标故障的测试结果。
其中,目标故障例如可以是信号开路、电源对地短路、针脚间短路等故障。故障注入模块可以用于模拟采煤机运行时机身传感器或执行器发生的相应的硬件电路故障,如上述信号开路、电源对地短路、针脚间短路等电气故障,借助故障注入模块观察控制系统在故障状态下或极端工况环境下的工作情况,从而可以对控制系统的故障应对策略或应急反映做出判别。
在一些可选地实施例中,该测试验证模型可以包括有数据向量化模块和异常判别模块,该方法还包括以下步骤:
步骤210,将包括目标仿真对象模型的多组范例运行数据输入数据向量化模块,得到多组范例运行数据中各范例运行数据的范例数据向量。
在一些可选地实施例中,可以从历史运行数据中获取多组包括目标仿真对象模型对应的运行数据,其中,目标仿真对象模型可以是上述仿真对象模型中的任意一个模型,并根据预定的判定结果为该多组运行数据添加标注信息,添加的标注信息可以为表征运行数据中目标仿真对象模型的实际类别的信息,例如,若实际类别为异常对象模型,则为该运行数据添加标注信息“1”,否则为该运行数据添加标注信息“0”。该标注信息同时可以表征运行数据中的目标仿真对象模型为异常对象模型的真实置信度。例如,若标注信息为“1”,则真实置信度为1,若标注信息为“0”,则真实置信度为0。可以理解的是,添加的标注信息仅作为示例以利于理解本公开,本公开对此不做限定。
可以将添加了标注信息的多组运行数据作为范例运行数据。例如,可以将范例运行数据分成多组,每组范例运行数据包括预定数量个范例运行数据。将该每组范例运行数据作为一批训练数据,同时输入至数据向量化模块,从而得到该每组范例运行数据中各范例运行数据的范例数据向量。其中,预定数量可以根据实际需求进行设定,本公开对此不做限定。
步骤220,将范例数据向量输入异常判别模块,得到各范例运行数据中的目标仿真对象模型为异常对象模型的第一置信度。
其中,异常对象模型可以是执行控制指令后存在异常的仿真对象模型,相应的,正常对象模型则可以是执行控制指令后不存在异常的仿真对象模型。在目标仿真对象模型为异常对象模型的置信度较高时,则可以表征该目标仿真对象执行控制指令后存在异常的可能性较高,即当前采煤机控制系统能够可靠地对目标仿真对象进行控制的可能性较低。可以理解的是,在目标仿真对象模型为异常对象模型的置信度与目标仿真对象模型为正常对象模型的置信度可以存在负相关关系。
根据本公开的实施例,异常判别模块例如可以为全连接网络。该异常判别模块的输入为数据向量化模块输出的范例数据向量。例如,若一批训练数据中范例运行数据的个数为X,每一组范例运行数据对应的特征向量包括D个元素,则该异常判别模块的输入可以为X×Y的特征矩阵。该异常判别模块的输出为概率向量。该概率向量中包括X个距离元素,分别表示X个范例运行数据中各范例运行数据包括的目标仿真对象模型为异常对象模型的预测概率。因此,经由该异常判别模块处理,可以得到各范例运行数据中的目标仿真对象模型为异常对象模型的第一置信度。
在一实施例中,该异常判别模块例如可以设置有多个权重参数,该多个权重参数组成权重向量,异常判别模块可以通过计算每个范例运行数据的范例数据向量与该权重向量的数量积,得到每个范例运行数据中目标仿真对象模型为异常对象模型的预测概率。如此,该权重向量中权重参数的个数与前文描述的特征向量中元素的个数可以相等。
步骤230,依据范例数据向量与典型数据向量集中各个向量之间的欧氏距离,确定各范例运行数据中的目标仿真对象模型为正常对象模型的第二置信度。
在一些实施例中,通过计算范例数据向量与典型数据向量集中各个向量之间的欧氏距离,可以得到一个距离分布,该距离分布中的距离元素个数与典型数据向量集中特征向量的数量相等。该实施例可以将距离分布中各距离元素的平均值、均方根或多组距离元素中的最大标量、最小标量等作为范例运行数据中目标仿真对象模型为正常对象模型的第二置信度。
在一实施例中,在得到各范例运行数据的范例数据向量后,可以计算范例数据向量与典型数据向量集中各个向量之间的数量积,并由计算得到的数量积表示范例数据向量与该各个向量之间的欧氏距离。针对每个范例数据向量,可以得到范例数据向量与典型数据向量集之间的一个距离分布。该距离分布中的每个距离元素的标量可以表征范例运行数据中的目标仿真对象模型与各个向量对应的运行数据中的目标仿真对象模型处于同一异常状态的置信度。在得到距离分布后,该实施例可以将距离分布中的最大标量作为范例运行数据中的目标仿真对象模型为正常对象模型的第二置信度。
在一些实施例中,典型数据向量集中的各个向量可以为标注信息表征的真实置信度为零的第一范例运行数据的第一数据向量。例如,该实施例可以在训练测试验证模型之前,从添加了标注信息的多组运行数据中预先筛选出多组目标仿真对象模型为正常对象模型的范例运行数据(即负样本)。随后利用前述的数据向量化模块得到每个负样本的范例数据向量,由多个负样本的范例数据向量构成该典型数据向量集。
步骤240,依据第一置信度、第二置信度和真实置信度,对测试验证模型进行参数迭代。
根据本公开的实施例,可以依据第一置信度与真实置信度之间的差异,第二置信度与真实置信度之间的差异来确定测试验证模型的训练代价值,并利用反向传播算法对测试验证模型中的参数进行调整,以减小测试验证模型的训练代价值。
该实施例中,由于输入的范例运行数据为多组,则可以针对每组范例运行数据得到一个置信度集,共计得到多个置信度集。每个置信度集中包括一个第一置信度、一个第二置信度和一个真实置信度。该实施例可以依据每个置信度集得到一个训练代价值,共计得到多组训练代价值,将该多组训练代价值叠加后得到测试验证模型的训练代价值。
根据本公开的实施例,在将范例运行数据分成多组后,可以依据多组范例运行数据依次对测试验证模型进行参数迭代,直至该测试验证模型的训练代价值小于预定值,或者该测试验证模型的训练次数达到预定次数。
根据本公开的实施例,在对测试验证模型进行参数迭代的过程中,可以依据测试验证模型的训练代价值调整异常判别模块中各权重参数的标量,以使得多组权重参数组成的权重向量与正样本,即目标仿真对象模型为异常对象模型的范例运行数据,的范例数据向量之间的数量积增大,权重向量与负样本的范例数据向量之间的数量积减小。通过该方式,可以使得正样本的范例数据向量聚集于同一个中心处,而负样本的范例数据向量远离该中心。从而使得测试验证模型可以准确区分异常对象模型的目标仿真对象模型和正常对象模型的目标仿真对象模型。
综上可知,本公开实施例的测试验证模型的训练方法,通过依据负样本构建典型数据向量集,依据范例运行数据的范例数据向量与典型数据向量集中各向量的欧氏距离来确定目标仿真对象模型为正常对象模型的第二置信度,可以实现对正常对象模型与异常对象模型的判别,提高得到的第二置信度的准确性。通过参考该第二置信度来对测试验证模型进行参数迭代,可以实现负样本特征的监督,提高模型精度和泛化能力。
在一些可选地实施例中,该异常判别模块输出的为置信度向量,置信度向量中每个元素表示一个范例运行数据中目标仿真对象模型处于异常对象模型的第一置信度。进一步,可以得到每个范例运行数据中目标仿真对象模型处于正常对象模型第二置信度。最后,依据该第一置信度、第二置信度及范例运行数据的标注信息表征的真实置信度来计算得到测试验证模型的训练代价值。随后可以依据该训练代价值对测试验证模型进行参数迭代。
在一些可选地实施例中,可以依据第一置信度、第二置信度和真实置信度,利用训练代价值最大似然估计来确定测试验证模型的训练代价值。具体可以将第一置信度、第二置信度和真实置信度代入预设损失函数中进行计算,将计算得到的训练代价值的取值作为测试验证模型的训练代价值。
其中,典型数据向量集中的特征例如可以动态迭代。例如,该典型数据向量集可以为向量队列。在测试验证模型的训练过程中,可以在依据当前的典型数据向量集得到第二置信度后,利用多组范例运行数据中的第二范例运行数据的范例数据向量来迭代当前的典型数据向量集。其中,第二范例运行数据即为标注信息表征的真实置信度为零的样本,即前述的负样本。在迭代典型数据向量集时,可以将典型数据向量集中最先入队的特征(即队首的特征)删除掉,并将第二范例运行数据的范例数据向量插入到典型数据向量集的队尾。通过动态地迭代该典型数据向量集,可以在模型训练过程中,提高得到的测试验证模型的泛化能力和检测精度。
在一实施例中,测试验证模型包括数据向量化模块和异常判别模块,其中的数据向量化模块可以包括数据降维单元和数据标准化单元。该数据降维单元可以用于提取到各范例运行数据的特征向量。数据标准化单元用于将对数据降维单元提取到的特征进行数据标准化处理,使得输出的特征向量中各个元素的取值位于一定范围。
根据本公开的实施例,前述得到的范例数据向量可以为经由数据标准化单元处理后得到的特征。即,前文描述的得到范例数据向量的操作可以先将多组范例运行数据输入数据降维单元,得到该多组范例运行数据中各范例运行数据的原始特征向量。随后将各范例运行数据的原始特征向量输入数据标准化单元,由该数据标准化单元输出各范例运行数据的范例数据向量。这是考虑到不同数据域中的运行数据差异可能较大,若直接利用未标准化的特征向量进行验证,可能存在因对于不同数据域的验证标准相同导致的验证结果不准确的问题。
基于相同的发明构思,本公开实施例还提供一种采煤机控制系统21的仿真测试系统,参照图2,所述仿真测试系统20包括控制系统21以及测试上位机22,所述测试上位机22通过接口模块与所述控制系统21连接,所述测试上位机22用于:
接收所述控制系统21发送的控制指令,所述控制指令是所述控制系统21响应于所述测试上位机22发送的状态信号生成的,所述状态信号是依据预先配置的测试用例生成的;
根据所述控制指令对仿真对象模型进行控制,并获取所述仿真对象模型的运行数据;
将所述运行数据输入预先训练得到的测试验证模型,得到测试结果;
根据所述测试结果生成测试报告,所述测试报告为目标文件格式。
可选地,所述测试验证模型包括数据向量化模块和异常判别模块;所述测试上位机22还用于:
将包括目标仿真对象模型的多组范例运行数据输入所述数据向量化模块,得到所述多组范例运行数据中各范例运行数据的范例数据向量;所述各范例运行数据包括表征所述目标仿真对象模型为异常对象模型的真实置信度的标注信息;
将所述范例数据向量输入所述异常判别模块,得到所述各范例运行数据中的目标仿真对象模型为异常对象模型的第一置信度;
依据所述范例数据向量与典型数据向量集中各个向量之间的欧氏距离,确定所述各范例运行数据中的目标仿真对象模型为正常对象模型的第二置信度,其中,所述各个向量为标注信息表征的真实置信度为零的第一范例运行数据的第一数据向量;以及
依据所述第一置信度、所述第二置信度和所述真实置信度,对所述测试验证模型进行参数迭代。
可选地,所述典型数据向量集为向量队列;所述测试上位机22还用于:
利用所述多组范例运行数据中的第二范例运行数据的范例数据向量,迭代所述典型数据向量集,
其中,所述第二范例运行数据的标注信息表征的真实置信度为零。
可选地,所述测试上位机22还用于:
基于所述范例数据向量与所述典型数据向量集中各个向量之间的数量积,确定所述范例数据向量与所述典型数据向量集之间的距离分布;所述距离分布中的每个距离元素的标量表征所述各范例运行数据中的目标仿真对象模型与所述第一范例运行数据中的目标仿真对象模型处于同一异常状态的置信度;以及
确定所述距离分布中的最大标量,作为所述各范例运行数据中的目标仿真对象模型为正常对象模型的第二置信度。
可选地,所述数据向量化模块包括数据降维单元和数据标准化单元,所述测试上位机22还用于:
将所述多组范例运行数据输入所述数据降维单元,得到所述多组范例运行数据中各范例运行数据的原始特征向量;以及
将所述各范例运行数据的原始特征向量输入所述数据标准化单元,得到所述各范例运行数据的范例数据向量。
可选地,所述测试上位机22还用于:
依据所述第一置信度、所述第二置信度和所述真实置信度,利用训练代价值最大似然估计确定所述测试验证模型的训练代价值;以及
依据所述训练代价值,对所述测试验证模型进行参数迭代。
可选地,所述测试上位机22还用于:
可选地,所述测试上位机22还用于:
通过故障注入模块向所述控制系统21注入目标故障;
得到对应所述目标故障的测试结果。
可选地,所述仿真对象模型包括以下至少一者:
采煤机截割部受力与温度场耦合模型、截割部机构动作模型、截割部液压系统响应模型、主供电回路电信号响应模型、截割电机的受力与电流耦合模型、及数据解析模型。
下面参考图3,其示出了适于用来实现本公开实施例的电子设备(例如图1中的测试上位机)300的结构示意图。图3示出的电子设备仅仅是一个示例,不应对本公开实施例的功能和使用范围带来任何限制。
如图3所示,电子设备300可以包括处理装置(例如中央处理器、图形处理器等)301,其可以根据存储在只读存储器(ROM)302中的程序或者从存储装置308加载到随机访问存储器(RAM)303中的程序而执行各种适当的动作和处理。在RAM 303中,还存储有电子设备300操作所需的各种程序和数据。处理装置301、ROM 302以及RAM 303通过总线304彼此相连。输入/输出(I/O)接口305也连接至总线304。
通常,以下装置可以连接至I/O接口305:包括例如触摸屏、触摸板、键盘、鼠标、摄像头、麦克风、加速度计、陀螺仪等的输入装置306;包括例如液晶显示器(LCD)、扬声器、振动器等的输出装置307;包括例如磁带、硬盘等的存储装置308;以及通信装置309。通信装置309可以允许电子设备300与其他设备进行无线或有线通信以交换数据。虽然图3示出了具有各种装置的电子设备300,但是应理解的是,并不要求实施或具备所有示出的装置。可以替代地实施或具备更多或更少的装置。
特别地,根据本公开的实施例,上文参考流程图描述的过程可以被实现为计算机软件程序。例如,本公开的实施例包括一种计算机程序产品,其包括承载在非暂态计算机可读介质上的计算机程序,该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中,该计算机程序可以通过通信装置309从网络上被下载和安装,或者从存储装置308被安装,或者从ROM 302被安装。在该计算机程序被处理装置301执行时,执行本公开实施例的方法中限定的上述功能。
需要说明的是,本公开上述的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件,或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于:具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本公开中,计算机可读存储介质可以是任何包含或存储程序的有形介质,该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本公开中,计算机可读信号介质可以包括在基带中或者作为载波一部分传播的数据信号,其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式,包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读信号介质还可以是计算机可读存储介质以外的任何计算机可读介质,该计算机可读信号介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输,包括但不限于:电线、光缆、RF(射频)等等,或者上述的任意合适的组合。
在一些实施方式中,客户端、服务器可以利用诸如HTTP(HyperTextTransferProtocol,超文本传输协议)之类的任何当前已知或未来研发的网络协议进行通信,并且可以与任意形式或介质的数字数据通信(例如,通信网络)互连。通信网络的示例包括局域网(“LAN”),广域网(“WAN”),网际网(例如,互联网)以及端对端网络(例如,ad hoc端对端网络),以及任何当前已知或未来研发的网络。
上述计算机可读介质可以是上述电子设备中所包含的;也可以是单独存在,而未装配入该电子设备中。
上述计算机可读介质承载有一个或者多个程序,当上述一个或者多个程序被该电子设备执行时,使得该电子设备执行上述方法实施例所涉及的步骤。
可以以一种或多种程序设计语言或其组合来编写用于执行本公开的操作的计算机程序代码,上述程序设计语言包括但不限于面向对象的程序设计语言—诸如Java、Smalltalk、C++,还包括常规的过程式程序设计语言——诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中,远程计算机可以通过任意种类的网络——包括局域网(LAN)或广域网(WAN)——连接到用户计算机,或者,可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。
附图中的流程图和框图,图示了按照本公开各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上,流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分,该模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意,在有些作为替换的实现中,方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如,两个接连地表示的方框实际上可以基本并行地执行,它们有时也可以按相反的顺序执行,这依所涉及的功能而定。也要注意的是,框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合,可以用执行规定的功能或操作的专用的基于硬件的系统来实现,或者可以用专用硬件与计算机指令的组合来实现。
描述于本公开实施例中所涉及到的模块可以通过软件的方式实现,也可以通过硬件的方式来实现。其中,模块的名称在某种情况下并不构成对该模块本身的限定。
本文中以上描述的功能可以至少部分地由一个或多个硬件逻辑部件来执行。例如,非限制性地,可以使用的示范类型的硬件逻辑部件包括:现场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、片上系统(SOC)、复杂可编程逻辑设备(CPLD)等等。
在本公开的上下文中,机器可读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程序。机器可读介质可以是机器可读信号介质或机器可读储存介质。机器可读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。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。
以上描述仅为本公开的较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解,本公开中所涉及的公开范围,并不限于上述技术特征的特定组合而成的技术方案,同时也应涵盖在不脱离上述公开构思的情况下,由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本公开中公开的(但不限于)具有类似功能的技术特征进行互相替换而形成的技术方案。
此外,虽然采用特定次序描绘了各操作,但是这不应当理解为要求这些操作以所示出的特定次序或以顺序次序执行来执行。在一定环境下,多任务和并行处理可能是有利的。同样地,虽然在上面论述中包含了若干具体实现细节,但是这些不应当被解释为对本公开的范围的限制。在单独的实施例的上下文中描述的某些特征还可以组合地实现在单个实施例中。相反地,在单个实施例的上下文中描述的各种特征也可以单独地或以任何合适的子组合的方式实现在多个实施例中。
尽管已经采用特定于结构特征和/或方法逻辑动作的语言描述了本主题,但是应当理解所附权利要求书中所限定的主题未必局限于上面描述的特定特征或动作。相反,上面所描述的特定特征和动作仅仅是实现权利要求书的示例形式。关于上述实施例中的装置,其中各个模块执行操作的具体方式已经在有关该方法的实施例中进行了详细描述,此处将不做详细阐述说明。
Claims (10)
1.一种采煤机控制系统的仿真测试方法,其特征在于,应用于测试上位机,所述测试上位机通过接口模块与所述控制系统连接,所述方法包括:
接收所述控制系统发送的控制指令,所述控制指令是所述控制系统响应于所述测试上位机发送的状态信号生成的,所述状态信号是基于预先配置的测试用例生成的;
根据所述控制指令对仿真对象模型进行控制,并获取所述仿真对象模型的运行数据;
将所述运行数据输入预先训练得到的测试验证模型,得到测试结果;
根据所述测试结果生成测试报告。
2.根据权利要求1所述的方法,其特征在于,所述测试验证模型包括数据向量化模块和异常判别模块;所述方法包括:
将包括目标仿真对象模型的多组范例运行数据输入所述数据向量化模块,得到所述多组范例运行数据中各范例运行数据的范例数据向量;所述各范例运行数据包括表征所述目标仿真对象模型为异常对象模型的真实置信度的标注信息;
将所述范例数据向量输入所述异常判别模块,得到所述各范例运行数据中的目标仿真对象模型为异常对象模型的第一置信度;
依据所述范例数据向量与典型数据向量集中各个向量之间的欧氏距离,确定所述各范例运行数据中的目标仿真对象模型为正常对象模型的第二置信度,其中,所述各个向量为标注信息表征的真实置信度为零的第一范例运行数据的第一数据向量;
依据所述第一置信度、所述第二置信度和所述真实置信度,对所述测试验证模型进行参数迭代。
3.根据权利要求2所述的方法,其特征在于,所述典型数据向量集为向量队列;所述方法还包括在确定所述各范例运行数据中的目标仿真对象模型为正常对象模型的第二置信度之后:
利用所述多组范例运行数据中的第二范例运行数据的范例数据向量,迭代所述典型数据向量集,
其中,所述第二范例运行数据的标注信息表征的真实置信度为零。
4.根据权利要求2或3所述的方法,其特征在于,确定所述各范例运行数据中的目标仿真对象模型为正常对象模型的第二置信度包括:
基于所述范例数据向量与所述典型数据向量集中各个向量之间的数量积,确定所述范例数据向量与所述典型数据向量集之间的距离分布;所述距离分布中的每个距离元素的标量表征所述各范例运行数据中的目标仿真对象模型与所述第一范例运行数据中的目标仿真对象模型处于同一异常状态的置信度;以及
确定所述距离分布中的最大标量,作为所述各范例运行数据中的目标仿真对象模型为正常对象模型的第二置信度。
5.根据权利要求2或3所述的方法,其特征在于,所述数据向量化模块包括数据降维单元和数据标准化单元;所述将包括目标仿真对象模型的多组范例运行数据输入所述数据向量化模块,得到所述多组范例运行数据中各范例运行数据的范例数据向量包括:
将所述多组范例运行数据输入所述数据降维单元,得到所述多组范例运行数据中各范例运行数据的原始特征向量;以及
将所述各范例运行数据的原始特征向量输入所述数据标准化单元,得到所述各范例运行数据的范例数据向量。
6.根据权利要求2或3所述的方法,其特征在于,对所述测试验证模型进行参数迭代包括:
依据所述第一置信度、所述第二置信度和所述真实置信度,利用训练代价值最大似然估计确定所述测试验证模型的训练代价值;以及
依据所述训练代价值,对所述测试验证模型进行参数迭代。
7.根据权利要求1-3任一项所述的方法,其特征在于,所述方法包括:
通过NI Veristand搭建所述仿真对象模型的在环测试环境,所述仿真对象模型是在Simulink中建立并通过Matlab内部的自动代码生成工具将所述仿真对象模型编译为实时代码导入到NI Veristand中的。
8.根据权利要求1-3任一项所述的方法,其特征在于,在接收所述控制系统发送的控制指令之前,所述方法还包括:
通过故障注入模块向所述控制系统注入目标故障;
所述将所述运行数据输入预先训练得到的测试验证模型,得到测试结果,包括:
得到对应所述目标故障的测试结果。
9.根据权利要求1-3任一项所述的方法,其特征在于,所述仿真对象模型包括以下至少一者:
采煤机截割部受力与温度场耦合模型、截割部机构动作模型、截割部液压系统响应模型、主供电回路电信号响应模型、截割电机的受力与电流耦合模型、及数据解析模型。
10.一种采煤机控制系统的仿真测试系统,其特征在于,所述仿真测试系统包括控制系统以及测试上位机,所述测试上位机通过接口模块与所述控制系统连接,所述测试上位机用于:
接收所述控制系统发送的控制指令,所述控制指令是所述控制系统响应于所述测试上位机发送的状态信号生成的,所述状态信号是基于预先配置的测试用例生成的;
根据所述控制指令对仿真对象模型进行控制,并获取所述仿真对象模型的运行数据;
将所述运行数据输入预先训练得到的测试验证模型,得到测试结果;
根据所述测试结果生成测试报告,所述测试报告为目标文件格式。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310418949.2A CN116400670A (zh) | 2023-04-19 | 2023-04-19 | 采煤机控制系统的仿真测试方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310418949.2A CN116400670A (zh) | 2023-04-19 | 2023-04-19 | 采煤机控制系统的仿真测试方法及系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116400670A true CN116400670A (zh) | 2023-07-07 |
Family
ID=87007308
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310418949.2A Pending CN116400670A (zh) | 2023-04-19 | 2023-04-19 | 采煤机控制系统的仿真测试方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116400670A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116756047A (zh) * | 2023-08-16 | 2023-09-15 | 江西五十铃汽车有限公司 | 一种基于gpt的车辆控制器的软件开发方法及系统 |
-
2023
- 2023-04-19 CN CN202310418949.2A patent/CN116400670A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116756047A (zh) * | 2023-08-16 | 2023-09-15 | 江西五十铃汽车有限公司 | 一种基于gpt的车辆控制器的软件开发方法及系统 |
CN116756047B (zh) * | 2023-08-16 | 2023-12-29 | 江西五十铃汽车有限公司 | 一种基于gpt的车辆控制器的软件开发方法及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111046027B (zh) | 时间序列数据的缺失值填充方法和装置 | |
EP3734519A1 (en) | Method for generating universal learned model | |
CN114091617A (zh) | 联邦学习建模优化方法、电子设备、存储介质及程序产品 | |
CN111523640A (zh) | 神经网络模型的训练方法和装置 | |
CN116400670A (zh) | 采煤机控制系统的仿真测试方法及系统 | |
CN116126655B (zh) | 采煤机故障提示方法、系统、存储介质及设备 | |
CN111414343B (zh) | 日志写入方法、装置、电子设备和介质 | |
CN110490132B (zh) | 数据处理方法和装置 | |
CN115277261B (zh) | 基于工控网络病毒的异常机器智能识别方法、装置、设备 | |
CN116541748A (zh) | 基于人工智能技术的电网故障诊断方法和系统 | |
WO2020055659A1 (en) | Generation and utilization of self-improving data-driven models with selective simulation of 3d object design | |
CN115834195A (zh) | 一种日志异常检测方法、装置、系统及介质 | |
CN114118676A (zh) | 一种基于多类型感知设备的数据分析方法、装置及可读介质 | |
US20210042394A1 (en) | Extracting temporal specifications of features for functional compatibility and integration with oems | |
US20200104234A1 (en) | Event log processing | |
CN116541251B (zh) | 显示设备状态预警方法、装置、设备和计算机可读介质 | |
CN117331548B (zh) | 一种基于智慧楼宇软件的低代码开发系统 | |
CN115598455B (zh) | 一种电子信息装备自动测试系统及测试方法 | |
CN111338318B (zh) | 用于检测异常的方法和装置 | |
CN114237962B (zh) | 告警根因判断方法、模型训练方法、装置、设备和介质 | |
CN117726145B (zh) | 电缆巡检处理方法、装置、电子设备和计算机可读介质 | |
CN111709583B (zh) | 用户留存时间生成方法、装置、电子设备和介质 | |
US20230125808A1 (en) | Information processing device, control method, and storage medium | |
EP4270121A1 (en) | Method and system for seamless transition of runtime system from controller device to digitalization platform | |
CN116319386A (zh) | 可用性及故障预测方法、装置、电子设备和介质 |
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 |