CN116562156B - 一种控制决策模型的训练方法、装置、设备及存储介质 - Google Patents
一种控制决策模型的训练方法、装置、设备及存储介质 Download PDFInfo
- Publication number
- CN116562156B CN116562156B CN202310539400.9A CN202310539400A CN116562156B CN 116562156 B CN116562156 B CN 116562156B CN 202310539400 A CN202310539400 A CN 202310539400A CN 116562156 B CN116562156 B CN 116562156B
- Authority
- CN
- China
- Prior art keywords
- environment
- current
- model
- training
- 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
- 238000012549 training Methods 0.000 title claims abstract description 116
- 238000000034 method Methods 0.000 title claims abstract description 67
- 230000007613 environmental effect Effects 0.000 claims abstract description 141
- 239000000523 sample Substances 0.000 claims description 72
- 230000006870 function Effects 0.000 claims description 44
- 238000012795 verification Methods 0.000 claims description 39
- 238000012545 processing Methods 0.000 claims description 34
- 230000008569 process Effects 0.000 claims description 18
- 238000004590 computer program Methods 0.000 claims description 16
- 239000013068 control sample Substances 0.000 claims description 11
- 238000004088 simulation Methods 0.000 claims description 8
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 11
- 238000004891 communication Methods 0.000 description 8
- 238000010586 diagram Methods 0.000 description 6
- 238000011217 control strategy Methods 0.000 description 4
- 238000013528 artificial neural network Methods 0.000 description 3
- 230000007547 defect Effects 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 230000001364 causal effect Effects 0.000 description 2
- 238000013527 convolutional neural network Methods 0.000 description 2
- 230000000694 effects Effects 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
- 238000005070 sampling Methods 0.000 description 2
- 238000012800 visualization Methods 0.000 description 2
- 238000003491 array Methods 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 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
- 238000010801 machine learning Methods 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 230000000306 recurrent effect Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000001953 sensory effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
- G06F30/27—Design optimisation, verification or simulation using machine learning, e.g. artificial intelligence, neural networks, support vector machines [SVM] or training a model
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/217—Validation; Performance evaluation; Active pattern learning techniques
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
-
- 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)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Evolutionary Computation (AREA)
- Data Mining & Analysis (AREA)
- Artificial Intelligence (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Software Systems (AREA)
- Life Sciences & Earth Sciences (AREA)
- Bioinformatics & Computational Biology (AREA)
- Biomedical Technology (AREA)
- Computer Hardware Design (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Medical Informatics (AREA)
- Evolutionary Biology (AREA)
- Health & Medical Sciences (AREA)
- Geometry (AREA)
- Biophysics (AREA)
- Computational Linguistics (AREA)
- General Health & Medical Sciences (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- Mathematical Physics (AREA)
- Feedback Control In General (AREA)
Abstract
本发明公开了一种控制决策模型的训练方法、装置、设备及存储介质。该方法通过获取当前轮次的当前环境预测模型,基于当前环境预测模型生成的模拟环境数据训练得到当前控制决策模型,基于样本环境数据和实际环境数据集得到预测环境数据集,将实际环境数据集和预测环境数据集输入至相似判别器中,基于损失函数对当前环境预测模型进行训练,得到下一轮次的环境预测模型,在下一轮次的环境预测模型为训练好的环境预测模型的情况下,基于环境预测模型生成的模拟环境数据训练得到目标控制决策模型。实现通过更少的训练数据使控制决策模型输出的控制信号更加准确平稳。
Description
技术领域
本发明涉及智能控制器领域,尤其涉及一种控制决策模型的训练方法、装置、设备及存储介质。
背景技术
随着智能技术的发展,越来越多的场景开始使用数据驱动的控制器。工业控制器广泛应用于工厂的自动化控制,它接收环境信号,并给出设备的控制信号(比如自来水厂根据管道压强来调整水泵频率)。传统控制器大多是PID控制器,PID控制器实现简单高效,但对于复杂系统和多目标控制无能为力。
目前,市面上的智能控制器大多存在以下几点不足:1.没有对环境进行建模,使得模型忽略了环境本身的特性(比如,水泵的频率和管道压强往往是因果关系,而且呈现正相关),从而导致模型的预测泛化性较弱。2.策略模型切入控制前无法做出事先评估,在真实环境下容易给出不符合逻辑的信号。3.策略模型无法应对环境发生变化的情况。
发明内容
本发明提供了一种控制决策模型的训练方法、装置、设备及存储介质,以实现控制器输出的控制信号更加准确平稳。
根据本发明的一方面,提供了一种控制决策模型的训练方法,包括:
获取当前轮次的当前环境预测模型,基于所述当前环境预测模型生成的模拟环境数据训练得到当前控制决策模型,其中,所述当前环境预测模型和所述当前控制决策模型形成当前轮次的训练生成器;
获取初始环境样本数据和所述初始环境样本数据经多步控制处理的实际环境数据集,将所述初始环境样本数据输入至训练生成器中,得到在初始环境样本数据下进行多步控制处理的预测环境数据集;
将所述实际环境数据集和所述预测环境数据集输入至相似判别器中,基于所述相似判别器的输出结果生成损失函数,并基于所述损失函数对所述当前环境预测模型进行训练,得到下一轮次的环境预测模型;
在所述下一轮次的环境预测模型为训练好的环境预测模型的情况下,基于所述环境预测模型生成的模拟环境数据训练得到目标控制决策模型。
可选的,所述训练生成器中包括依次连接的所述当前控制决策模型和所述当前环境预测模型;
所述当前控制决策模型和所述当前环境预测模型被循环调用多次,以模拟多步控制处理过程,得到多个处理过程的预测环境数据,形成预测环境数据集。
可选的,所述当前控制决策模型根据输入的环境数据生成策略控制信号,所述当前环境预测模型根据输入的环境数据和策略控制信号输出下一时刻的预测环境数据。
可选的,所述基于所述当前环境预测模型生成的模拟环境数据训练得到当前控制决策模型,包括:
迭代执行以下步骤,在满足训练结束条件的情况下,得到当前控制决策模型:
获取环境样本数据和策略控制样本数据,将所述环境样本数据和所述策略控制样本数据输入至当前环境预测模型,得到预测环境数据;
将所述预测环境数据输入至待训练的控制决策模型中,得到策略控制信号;
基于所述策略控制信号确定控制过程中的验证指标,基于所述验证指标生成奖励函数,基于所述奖励函数对待训练的控制决策模型进行更新。
可选的,所述控制决策模型输出的策略控制信号和所述预测环境数据作为下一次训练的样本数据。
可选的,所述基于所述验证指标生成奖励函数,包括:
基于所述验证指标的权重对所述验证指标进行加权处理,得到所述奖励函数;或者,
基于所述验证指标和期望指标的损失项生成奖励函数。
可选的,所述方法还包括:
将所述目标控制决策模型传输至控制设备,所述控制设备获取执行设备的当前环境数据,输入所述目标控制决策模型,并基于所述当前环境数据生成策略控制信号发送至所述执行设备,所述策略控制信号用于控制所述执行设备的运行。
根据本发明的另一方面,提供了一种控制决策模型的训练装置,包括:
第一模型训练模块,获取当前轮次的当前环境预测模型,基于所述当前环境预测模型生成的模拟环境数据训练得到当前控制决策模型,其中,所述当前环境预测模型和所述当前控制决策模型形成当前轮次的训练生成器;
数据处理模块,用于获取初始环境样本数据和所述初始环境样本数据经多步控制处理的实际环境数据集,将所述初始环境样本数据输入至训练生成器中,得到在初始环境样本数据下进行多步控制处理的预测环境数据集;
第二模型训练模块,用于将所述实际环境数据集和所述预测环境数据集输入至相似判别器中,基于所述相似判别器的输出结果生成损失函数,并基于所述损失函数对所述当前环境预测模型进行训练,得到下一轮次的环境预测模型;
模型生成模块,用于在所述下一轮次的环境预测模型为训练好的环境预测模型的情况下,基于所述环境预测模型生成的模拟环境数据训练得到目标控制决策模型。
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控制决策模型的训练方法。
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控制决策模型的训练方法。
本发明实施例的技术方案,通过获取当前轮次的当前环境预测模型,基于当前环境预测模型生成的模拟环境数据训练得到当前控制决策模型,基于样本环境数据和实际环境数据集得到预测环境数据集,将实际环境数据集和预测环境数据集输入至相似判别器中,基于损失函数对当前环境预测模型进行训练,得到下一轮次的环境预测模型,在下一轮次的环境预测模型为训练好的环境预测模型的情况下,基于环境预测模型生成的模拟环境数据训练得到目标控制决策模型。实现通过更少的训练数据使控制决策模型输出的控制信号更加准确平稳。
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是本发明实施例一提供的一种控制决策模型的训练方法的流程图;
图2是本发明实施例一提供的另一种控制决策模型的训练方法的流程图;
图3是本发明实施例二提供的一种控制决策模型的训练装置的结构示意图;
图4是本发明实施例三提供的一种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是本发明实施例一提供的一种控制决策模型的训练方法的流程图,本实施例可适用于控制决策模型的训练情况,该方法可以由控制决策模型的训练装置来执行,该控制决策模型的训练装置可以采用硬件和/或软件的形式实现,该控制决策模型的训练装置可配置于电子设备中。如图1所示,该方法包括:
S110、获取当前轮次的当前环境预测模型,基于当前环境预测模型生成的模拟环境数据训练得到当前控制决策模型,其中,当前环境预测模型和当前控制决策模型形成当前轮次的训练生成器。
其中,环境预测模型可以是由初始化环境预测模型通过多次迭代训练获得,迭代训练过程中包括多个训练轮次,在每一轮次中,对该轮次的环境预测模型进行训练,其中当前环境预测模型为当前轮次的环境预测模型。在每一轮次的训练过程中,可对当前轮次的环境预测模型进行模型参数的调节,同时可基于当前轮次的环境预测模型得到的模拟环境数据训练得到当前控制决策模型。相应的,初始化环境预测模型的生成方式可以是通过获取工业设备在历史运行时刻所记录的环境状态或至少一种运行参数的参数值,例如,电机频率、电度等。基于应用可视化的界面对环境进行建模,用户在可视化界面上标识出变量之间代表了对设备运行环境的先验知识的决策关系,基于决策关系生成YAML文件。用户基于YAML文件以及历史数据,调用软件包创建一个带有随机参数的初始化环境预测模型。
其中,当前轮次可以是环境模型训练的过程中的任意轮次,相应的,若当前轮次为初始轮次,则当前环境预测模型可以是一个带有随机参数的初始化环境预测模型,若当前轮次非初始轮次,则基于上一轮次的历史数据迭代训练,对上一轮次的环境预测模型进行模型更新后得到的。当前环境预测模型可以是一种深度神经网络,例如,卷积神经网络(CNN)、递归神经网络(RNN)、深信度网络(DBN)、深度自动编码器(AutoEncoder)等,在训练完成后能够实现输入当前时刻的环境数据和策略控制信号后得到下一时刻的预测环境数据,此处不做具体限定。
其中,环境数据可以是设备运行环境数据和/或设备所在物理环境数据,设备运行环境数据例如可以包括但不限于转速、功率、压强等需要在实际工作中满足的参数数据,设备所在物理环境数据可以包括但不限于温度、湿度等数据。相应的,模拟环境数据可以是当前环境预测模型基于输入的当前时刻的环境数据和策略控制信号生成的下一时刻的预测环境数据,当前时刻的环境数据可以是初始预设值(历史采样数据)或者当前环境预测模型处理得到的预测环境数据。当前控制决策模型可以是用于接收当前环境预测模型输出的模拟环境数据,并基于模拟环境数据生成该模拟环境数据下最优策略对应的策略控制信号。相应的,当前控制决策模型的获取方式可以是基于模拟环境数据获取最优策略对应的控制信号,并将控制信号输入初始控制决策模型中生成奖励函数,基于奖励函数对初始控制决策模型的各个参数进行调节,直至初始控制决策模型满足预设要求,从而得到当前控制决策模型。
可选的,当前控制决策模型根据输入的环境数据生成策略控制信号,当前环境预测模型根据输入的环境数据和策略控制信号输出下一时刻的预测环境数据。
其中,策略控制信号可以是设备在实际工作中能够满足环境数据所需的工作参数,例如,环境数据是水泵压强,则策略控制信号是水泵在满足该水泵压强时的工作频率(泵频),此处仅为举例说明,并非具体限定。
环境预测模型输出下一时刻的预测环境数据,降低了样本数据的采集难度,实现更加便捷地获取环境样本数据,进而弥补初始环境样本数据不足的问题。
可选的,训练生成器中包括依次连接的当前控制决策模型和当前环境预测模型,用于对初始环境样本数据进行预设次数的控制处理,从而得到预测环境数据集。
需要说明的是,在实际工作中,初始环境样本数据的数据量有限,可能存在不足,无法实现对带训练的控制决策模型实现充分训练的情况,因此,需要通过初始控制决策模型基于初始环境样本数据生成控制信号,环境预测模型基于控制信号和当前时刻的环境数据获取下一时刻的预测环境数据,将环境预测数据作为下一轮次输入控制决策模型的环境数据,从而弥补了实际工作中初始环境样本数据有限的问题。
可选的,当前控制决策模型的训练过程可以是迭代执行以下步骤,在满足训练结束条件的情况下,得到当前控制决策模型:
获取环境样本数据和策略控制样本数据,将环境样本数据和策略控制样本数据输入至当前环境预测模型,得到预测环境数据,将预测环境数据输入至待训练的控制决策模型中,得到策略控制信号,基于策略控制信号确定控制过程中的验证指标,基于验证指标生成奖励函数,基于奖励函数对待训练的控制决策模型进行更新。
其中,满足训练结束条件可以是模型的各项参数满足预设要求、模型的预测精度满足预设要求或训练次数满足预设要求中的一项或多项。环境样本数据可以是在实际工作中通过实际采样获取的初始预设值或上一轮次的环境预测模型输出的环境预测数据。策略控制样本数据可以是初始样本初始环境样本数据或设备在实际工作中采集到的历史环境数据对应的策略控制信号。预测环境数据可以是下一时刻对应的环境数据。验证指标可以是控制设备基于策略控制信号运行过程中各预设指标的指标数据,例如,以水泵设备为例,验证指标包括但不限于出水量、耗电量等,此处不作具体限定。奖励函数可以是通过验证指标对设备进行工作性能衡量的函数。
基于样本数据训练环境预测模型,再基于环境预测模型的输出结果对控制决策模型进行迭代训练,通过设置验证指标和奖励函数调节模型的参数,通过环境预测模型训练控制决策模型,将环境预测模型的输出结果做为控制决策模型下一轮次迭代训练的样本数据,降低了样本数据的采集难度,实现更加便捷地获取环境样本数据,进而弥补初始环境样本数据不足的问题,增加了控制决策模型的迭代次数,从而提高了控制决策模型预测的精度。
可选的,控制决策模型输出的策略控制信号和预测环境数据作为下一次训练的样本数据。
其中,环境预测数据可以是当前环境预测模型基于输入的当前时刻的环境数据和策略控制信号生成的下一时刻的环境数据。下一次训练的样本数据可以是指作为下一时刻的环境预测模型的训练样本数据。
通过控制决策模型训练环境预测模型,将控制决策模型的输出结果做为环境预测模型下一轮次迭代训练的样本数据,降低了样本数据的采集难度,实现更加便捷地获取环境样本数据,使环境模型数据能够基于当前环境数据和控制决策模型输出的最优的控制策略信号不断生成下一时刻的预测环境数据,而环境预测模型所产生的数据与历史数据基本一致,即得到的环境预测模型与真实环境是一致,进而实现基于大量的真实环境数据训练控制决策模型,提高了控制决策模型的预测精度。
可选的,奖励函数可以基于验证指标的权重对验证指标进行加权处理,得到,或基于验证指标和期望指标的损失项生成。
其中,验证指标的权重可以基于验证指标在实际工作中的重要程度进行设置,例如,根据业务知识,将控制策略信号与验证指标之间的因果关联进行连线表示,构成决策流图,基于验证指标在实际工作中的重要程度,在实际工作中的重要程度越大的验证指标其对应的权重值越大,反之在实际工作中的重要程度越小的验证指标其对应的权重值越小。可选的,不同的验证指标对实际工作存在正向影响或负向影响,相应的,验证指标的权重存在正负,与其对实际工作的正负影响关联。期望指标可以基于实际需求设置,此处不做具体限定。损失项可以是验证指标和期望指标的差值。
需要说明的是,例如,每个水泵的频率决定了水泵的压强,而管道中所有水泵的压强又决定了管道出口压强,对于具体的数量关系,比如频率如何决定压强对于每个水泵都不一样,而且用户也很难给出准确的公式,所以用户仅制作包含控制策略信号与验证指标关系的决策关系图,具体数量关系是由深度神经网络来预测,即对历史数据的学习来预测各个控制策略信号与验证指标关系的具体数量关系,此处不做过多赘述。
通过不同方式设置奖励函数,使控制决策模型在训练完成后实现各项参数更加符合实际工作需求,即更加贴合实际参数数据。
S120、获取初始环境样本数据和初始环境样本数据经多步控制处理的实际环境数据集,将初始环境样本数据输入至训练生成器中,得到在初始环境样本数据下进行多步控制处理的预测环境数据集。
其中,初始环境样本数据可以是历史环境数据初始值。实际环境数据集可以是真实环境的历史数据的集合。预测环境数据集可以是多个处理过程的预测环境数据形成的数据集合,相应的,通过当前控制决策模型和所述当前环境预测模型被循环调用多次,以模拟多步控制处理过程,得到多个处理过程的预测环境数据,形成预测环境数据集。
示例性的,具体参见图2,图2虚线框内可以是训练控制器的训练过程。以n次控制过程为例,从工业设备或被控制设备中获取初始环境样本数据,将初始环境样本数据输入至训练生成器中,由训练生成器中的当前控制决策模型接收初始环境样本数据,并基于初始环境样本数据生成对应的策略控制信号,当前环境预测模型基于初始环境样本数据和当前控制决策模型输出的策略控制信号生成的第1时刻的预测环境数据,将第1时刻的预测环境数据作为第2时刻中当前控制决策模型的环境样本数据输入,第2时刻中当前控制决策模型基于第1时刻的预测环境数据生成对应的策略控制信号,当前环境预测模型基于第1时刻的预测环境数据和当前控制决策模型输出的策略控制信号生成的第2时刻的预测环境数据,再将第2时刻的预测环境数据作为第3时刻中当前控制决策模型的环境样本数据输入,并生成对应的策略控制信号,直至生成第n时刻的预测环境数据。
S130、将实际环境数据集和预测环境数据集输入至相似判别器中,基于相似判别器的输出结果生成损失函数,并基于损失函数对当前环境预测模型进行训练,得到下一轮次的环境预测模型。
其中,相似判别器可以是用于计算实际环境数据集和预测环境数据集之间的相似度。相应的,损失函数可以是基于实际环境数据集和预测环境数据集之间的相似度大小生成的。
S140、在下一轮次的环境预测模型为训练好的环境预测模型的情况下,基于环境预测模型生成的模拟环境数据训练得到目标控制决策模型。
其中,下一轮次的环境预测模型为训练好的环境预测模型的情况可以是模型的各项参数满足预设要求、模型的预测精度满足预设要求或训练次数满足预设要求中的一项或多项。相应的,下一轮次的环境预测模型还可以为未训练好的环境预测模型,将该环境预测模型继续迭代训练,直至其满足预设要求,将其作为环境预测模型并停止环境预测模型训练。
可选的,将目标控制决策模型传输至控制设备,控制设备获取执行设备的当前环境数据,输入目标控制决策模型,并基于当前环境数据生成策略控制信号发送至执行设备,策略控制信号用于控制执行设备的运行。
其中,控制设备可以是工控机。当前环境数据可以是执行设备在当前时刻实际工作时需求的环境数据。控制执行设备的运行可以是控制执行设备基于策略控制信号配置对应的工作参数。
本实施例的技术方案,通过获取当前轮次的当前环境预测模型,基于当前环境预测模型生成的模拟环境数据训练得到当前控制决策模型,基于样本环境数据和实际环境数据集得到预测环境数据集,将实际环境数据集和预测环境数据集输入至相似判别器中,基于损失函数对当前环境预测模型进行训练,得到下一轮次的环境预测模型,在下一轮次的环境预测模型为训练好的环境预测模型的情况下,基于环境预测模型生成的模拟环境数据训练得到目标控制决策模型。实现通过更少的训练数据使控制决策模型输出的控制信号更加准确平稳。
实施例二
图3是本发明实施例二提供的一种控制决策模型的训练装置的结构示意图。如图3所示,该装置包括:
第一模型训练模块310,用于获取当前轮次的当前环境预测模型,基于所述当前环境预测模型生成的模拟环境数据训练得到当前控制决策模型,其中,所述当前环境预测模型和所述当前控制决策模型形成当前轮次的训练生成器;
数据处理模块320,用于获取初始环境样本数据和所述初始环境样本数据经多步控制处理的实际环境数据集,将所述初始环境样本数据输入至训练生成器中,得到在初始环境样本数据下进行多步控制处理的预测环境数据集;
第二模型训练模块330,用于将所述实际环境数据集和所述预测环境数据集输入至相似判别器中,基于所述相似判别器的输出结果生成损失函数,并基于所述损失函数对所述当前环境预测模型进行训练,得到下一轮次的环境预测模型;
模型生成模块340,用于在所述下一轮次的环境预测模型为训练好的环境预测模型的情况下,基于所述环境预测模型生成的模拟环境数据训练得到目标控制决策模型。
可选的,所述训练生成器中包括依次连接的所述当前控制决策模型和所述当前环境预测模型;
相应的,所述当前控制决策模型和所述当前环境预测模型被循环调用多次,以模拟多步控制处理过程,得到多个处理过程的预测环境数据,形成预测环境数据集。
可选的,所述当前控制决策模型根据输入的环境数据生成策略控制信号,所述当前环境预测模型根据输入的环境数据和策略控制信号输出下一时刻的预测环境数据。
可选的,所述第一模型训练模块310,包括:
迭代模块,用于迭代执行以下步骤,在满足训练结束条件的情况下,得到当前控制决策模型。
相应的,所述迭代模块,包括:
预测环境数据确定模块,用于获取环境样本数据和策略控制样本数据,将所述环境样本数据和所述策略控制样本数据输入至当前环境预测模型,得到预测环境数据;
策略控制信号确定模块,将所述预测环境数据输入至待训练的控制决策模型中,得到策略控制信号;
更新模块,用于基于所述策略控制信号确定控制过程中的验证指标,基于所述验证指标生成奖励函数,基于所述奖励函数对待训练的控制决策模型进行更新。
可选的,所述控制决策模型输出的策略控制信号和所述预测环境数据作为下一次训练的样本数据。
可选的,所述更新模块,具体用于:
基于所述验证指标的权重对所述验证指标进行加权处理,得到所述奖励函数;或者,
基于所述验证指标和期望指标的损失项生成奖励函数。
可选的,所述控制决策模型的训练装置还包括:
目标控制决策模型发送模块,用于将所述目标控制决策模型传输至控制设备,所述控制设备获取执行设备的当前环境数据,输入所述目标控制决策模型,并基于所述当前环境数据生成策略控制信号发送至所述执行设备,所述策略控制信号用于控制所述执行设备的运行。
本发明实施例所提供的控制决策模型的训练装置可执行本发明任意实施例所提供的控制决策模型的训练方法,具备执行方法相应的功能模块和有益效果。
实施例三
图4是本发明实施例三提供的一种电子设备的结构示意图。电子设备10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10包括至少一个处理器11,以及与至少一个处理器11通信连接的存储器,如只读存储器(ROM)12、随机访问存储器(RAM)13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11可以根据存储在只读存储器(ROM)12中的计算机程序或者从存储单元18加载到随机访问存储器(RAM)13中的计算机程序,来执行各种适当的动作和处理。在RAM 13中,还可存储电子设备10操作所需的各种程序和数据。处理器11、ROM 12以及RAM 13通过总线14彼此相连。输入/输出(I/O)接口15也连接至总线14。
电子设备10中的多个部件连接至I/O接口15,包括:输入单元16,例如键盘、鼠标等;输出单元17,例如各种类型的显示器、扬声器等;存储单元18,例如磁盘、光盘等;以及通信单元19,例如网卡、调制解调器、无线通信收发机等。通信单元19允许电子设备10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11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11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11执行上文所描述的各个方法和处理,例如控制决策模型的训练方法。
在一些实施例中,控制决策模型的训练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18。在一些实施例中,计算机程序的部分或者全部可以经由ROM 12和/或通信单元19而被载入和/或安装到电子设备10上。当计算机程序加载到RAM 13并由处理器11执行时,可以执行上文描述的控制决策模型的训练方法的一个或多个步骤。备选地,在其他实施例中,处理器11可以通过其他任何适当的方式(例如,借助于固件)而被配置为执行控制决策模型的训练方法。
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。
用于实施本发明的控制决策模型的训练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。
实施例四
本发明实施例四还提供了一种计算机可读存储介质,计算机可读存储介质存储有计算机指令,计算机指令用于使处理器执行一种控制决策模型的训练方法,该方法包括:
获取当前轮次的当前环境预测模型,基于所述当前环境预测模型生成的模拟环境数据训练得到当前控制决策模型,其中,所述当前环境预测模型和所述当前控制决策模型形成当前轮次的训练生成器;
获取初始环境样本数据和所述初始环境样本数据经多步控制处理的实际环境数据集,将所述初始环境样本数据输入至训练生成器中,得到在初始环境样本数据下进行多步控制处理的预测环境数据集;
将所述实际环境数据集和所述预测环境数据集输入至相似判别器中,基于所述相似判别器的输出结果生成损失函数,并基于所述损失函数对所述当前环境预测模型进行训练,得到下一轮次的环境预测模型;
在所述下一轮次的环境预测模型为训练好的环境预测模型的情况下,基于所述环境预测模型生成的模拟环境数据训练得到目标控制决策模型。
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 (9)
1.一种控制决策模型的训练方法,其特征在于,包括:
获取当前轮次的当前环境预测模型,基于所述当前环境预测模型生成的模拟环境数据训练得到当前控制决策模型,其中,所述当前环境预测模型和所述当前控制决策模型形成当前轮次的训练生成器;
获取初始环境样本数据和所述初始环境样本数据经多步控制处理的实际环境数据集,将所述初始环境样本数据输入至训练生成器中,得到在初始环境样本数据下进行多步控制处理的预测环境数据集;
将所述实际环境数据集和所述预测环境数据集输入至相似判别器中,基于所述相似判别器的输出结果生成损失函数,并基于所述损失函数对所述当前环境预测模型进行训练,得到下一轮次的环境预测模型;
在所述下一轮次的环境预测模型为训练好的环境预测模型的情况下,基于所述环境预测模型生成的模拟环境数据训练得到目标控制决策模型;
所述基于所述当前环境预测模型生成的模拟环境数据训练得到当前控制决策模型,包括:
迭代执行以下步骤,在满足训练结束条件的情况下,得到当前控制决策模型:
获取环境样本数据和策略控制样本数据,将所述环境样本数据和所述策略控制样本数据输入至当前环境预测模型,得到预测环境数据;
将所述预测环境数据输入至待训练的控制决策模型中,得到策略控制信号;
基于所述策略控制信号确定控制过程中的验证指标,基于所述验证指标生成奖励函数,基于所述奖励函数对待训练的控制决策模型进行更新。
2.根据权利要求1所述的方法,其特征在于,所述训练生成器中包括依次连接的所述当前控制决策模型和所述当前环境预测模型;
所述当前控制决策模型和所述当前环境预测模型被循环调用多次,以模拟多步控制处理过程,得到多个处理过程的预测环境数据,形成预测环境数据集。
3.根据权利要求1或2所述的方法,其特征在于,所述当前控制决策模型根据输入的环境数据生成策略控制信号,所述当前环境预测模型根据输入的环境数据和策略控制信号输出下一时刻的预测环境数据。
4.根据权利要求1所述的方法,其特征在于,所述控制决策模型输出的策略控制信号和所述预测环境数据作为下一次训练的样本数据。
5.根据权利要求1所述的方法,其特征在于,所述基于所述验证指标生成奖励函数,包括:
基于所述验证指标的权重对所述验证指标进行加权处理,得到所述奖励函数;或者,
基于所述验证指标和期望指标的损失项生成奖励函数。
6.根据权利要求1所述的方法,其特征在于,所述方法还包括:
将所述目标控制决策模型传输至控制设备,所述控制设备获取执行设备的当前环境数据,输入所述目标控制决策模型,并基于所述当前环境数据生成策略控制信号发送至所述执行设备,所述策略控制信号用于控制所述执行设备的运行。
7.一种控制决策模型的训练装置,其特征在于,包括:
第一模型训练模块,用于获取当前轮次的当前环境预测模型,基于所述当前环境预测模型生成的模拟环境数据训练得到当前控制决策模型,其中,所述当前环境预测模型和所述当前控制决策模型形成当前轮次的训练生成器;
数据处理模块,用于获取初始环境样本数据和所述初始环境样本数据经多步控制处理的实际环境数据集,将所述初始环境样本数据输入至训练生成器中,得到在初始环境样本数据下进行多步控制处理的预测环境数据集;
第二模型训练模块,用于将所述实际环境数据集和所述预测环境数据集输入至相似判别器中,基于所述相似判别器的输出结果生成损失函数,并基于所述损失函数对所述当前环境预测模型进行训练,得到下一轮次的环境预测模型;
模型生成模块,用于在所述下一轮次的环境预测模型为训练好的环境预测模型的情况下,基于所述环境预测模型生成的模拟环境数据训练得到目标控制决策模型;
迭代模块,用于在满足训练结束条件的情况下,得到当前控制决策模型;
所述迭代模块,包括:
预测环境数据确定模块,用于获取环境样本数据和策略控制样本数据,将所述环境样本数据和所述策略控制样本数据输入至当前环境预测模型,得到预测环境数据;
策略控制信号确定模块,用于将所述预测环境数据输入至待训练的控制决策模型中,得到策略控制信号;
更新模块,用于基于所述策略控制信号确定控制过程中的验证指标,基于所述验证指标生成奖励函数,基于所述奖励函数对待训练的控制决策模型进行更新。
8.一种电子设备,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1-6中任一项所述的控制决策模型的训练方法。
9.一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1-6中任一项所述的控制决策模型的训练方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310539400.9A CN116562156B (zh) | 2023-05-15 | 2023-05-15 | 一种控制决策模型的训练方法、装置、设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310539400.9A CN116562156B (zh) | 2023-05-15 | 2023-05-15 | 一种控制决策模型的训练方法、装置、设备及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116562156A CN116562156A (zh) | 2023-08-08 |
CN116562156B true CN116562156B (zh) | 2024-02-06 |
Family
ID=87491249
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310539400.9A Active CN116562156B (zh) | 2023-05-15 | 2023-05-15 | 一种控制决策模型的训练方法、装置、设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116562156B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117689980A (zh) * | 2024-02-04 | 2024-03-12 | 青岛海尔科技有限公司 | 构建环境识别模型的方法、识别环境的方法及装置、设备 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2019063024A1 (zh) * | 2017-09-30 | 2019-04-04 | 中铁工程装备集团有限公司 | 硬岩tbm掘进控制参数智能决策方法及系统 |
CN114596553A (zh) * | 2022-03-11 | 2022-06-07 | 阿波罗智能技术(北京)有限公司 | 模型训练方法、轨迹预测方法、装置及自动驾驶车辆 |
CN114781248A (zh) * | 2022-04-06 | 2022-07-22 | 清华大学 | 基于状态偏移矫正的离线强化学习方法及装置 |
CN114818484A (zh) * | 2022-04-18 | 2022-07-29 | 清华大学 | 驾驶环境模型的训练方法及驾驶环境信息的预测方法 |
CN115238891A (zh) * | 2022-07-29 | 2022-10-25 | 腾讯科技(深圳)有限公司 | 决策模型训练方法、目标对象的策略控制方法及装置 |
CN115293366A (zh) * | 2022-10-10 | 2022-11-04 | 亿咖通(北京)科技有限公司 | 模型训练方法、信息预测方法、装置、设备及介质 |
CN115996292A (zh) * | 2021-10-18 | 2023-04-21 | 腾讯科技(深圳)有限公司 | 流控模型训练方法、装置、计算机设备和存储介质 |
-
2023
- 2023-05-15 CN CN202310539400.9A patent/CN116562156B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2019063024A1 (zh) * | 2017-09-30 | 2019-04-04 | 中铁工程装备集团有限公司 | 硬岩tbm掘进控制参数智能决策方法及系统 |
CN115996292A (zh) * | 2021-10-18 | 2023-04-21 | 腾讯科技(深圳)有限公司 | 流控模型训练方法、装置、计算机设备和存储介质 |
CN114596553A (zh) * | 2022-03-11 | 2022-06-07 | 阿波罗智能技术(北京)有限公司 | 模型训练方法、轨迹预测方法、装置及自动驾驶车辆 |
CN114781248A (zh) * | 2022-04-06 | 2022-07-22 | 清华大学 | 基于状态偏移矫正的离线强化学习方法及装置 |
CN114818484A (zh) * | 2022-04-18 | 2022-07-29 | 清华大学 | 驾驶环境模型的训练方法及驾驶环境信息的预测方法 |
CN115238891A (zh) * | 2022-07-29 | 2022-10-25 | 腾讯科技(深圳)有限公司 | 决策模型训练方法、目标对象的策略控制方法及装置 |
CN115293366A (zh) * | 2022-10-10 | 2022-11-04 | 亿咖通(北京)科技有限公司 | 模型训练方法、信息预测方法、装置、设备及介质 |
Also Published As
Publication number | Publication date |
---|---|
CN116562156A (zh) | 2023-08-08 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN116562156B (zh) | 一种控制决策模型的训练方法、装置、设备及存储介质 | |
CN115390161B (zh) | 基于人工智能的降水预测方法及装置 | |
CN101706882A (zh) | 基于嵌入式平台的神经网络模型在线训练方法 | |
CN112735541A (zh) | 一种基于简单循环单元神经网络的污水处理水质预测方法 | |
CN114721345A (zh) | 基于强化学习的工业控制方法、装置、系统和电子设备 | |
CN103885867A (zh) | 一种模拟电路性能的在线评价方法 | |
CN117332897A (zh) | 人工智能驱动的新能源小时间尺度功率插值集成预测方法 | |
CN117332896A (zh) | 多层集成学习的新能源小时间尺度功率预测方法及系统 | |
CN116522750A (zh) | 一种瓦温预测与异常判定方法、装置、设备及介质 | |
CN115788797A (zh) | 风力发电机的健康状态检测方法、模型训练方法以及装置 | |
CN115562038B (zh) | 一种反馈控制系统变化的预警方法、装置、设备及介质 | |
CN115456168B (zh) | 强化学习模型的训练方法、能耗确定方法和装置 | |
CN116227571B (zh) | 模型的训练、动作确定方法、装置、电子设备及存储介质 | |
KR102539223B1 (ko) | 엣지 컴퓨팅 환경에서 ami 데이터 스트림 가속처리를 위한 딥 러닝 방법 | |
CN117933350A (zh) | 多智能体强化学习系统、方法、电子设备及存储介质 | |
CN116933896B (zh) | 一种超参数确定及语义转换方法、装置、设备及介质 | |
CN117094452A (zh) | 干旱状态预测方法、干旱状态预测模型的训练方法及设备 | |
CN117540163A (zh) | 泵性能曲线生成方法、模型构建和训练方法及装置 | |
CN112465203A (zh) | 基于门控循环单元神经网络的海平面高度智能预测预报系统、计算机设备、存储介质 | |
CN116032020A (zh) | 一种新能源电站智能监盘方法及系统 | |
CN115983445A (zh) | Pue预测方法、pue预测模型的训练方法、装置及设备 | |
CN117930658A (zh) | 一种设备控制方法、装置、电子设备及存储介质 | |
CN117892547A (zh) | 一种风电场等效建模方法、装置、设备及介质 | |
CN116316890A (zh) | 可再生能源出力场景生成方法、装置、设备及介质 | |
CN117370857A (zh) | 一种水轮机调速器管理方法、装置、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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |