一种在线机器学习的现场控制方法技术

本发明专利技术提供了一种在线机器学习的现场控制方法，包括如下步骤：1).模型训练：保持信号通路为信号接收端‑现场控制器‑指令发送端，获取现场控制器发送的指令和接收的数据，以接收到的数据为输入值、发送的指令为输出值对插入模型进行多段拟合，直至接收到的数据和发送的指令均能拟合到至少一段核函数，则进入下一步骤，线性核函数仅包括线性函数的基本形式；2).策略调整；3).介入控制。本发明专利技术通过多段、两阶段拟合的方式，能够提供有效的在线学习，便于企业有效降低人力物力的投入、缩短研发周期，能顺畅完成控制权从传统的现场控制器到机器学习的插入控制器的交接，且便于通过另外的远程通信方式而远程调整参数。

A Field Control Method for Online Machine Learning

The present invention provides an on-line machine learning field control method, which includes the following steps: 1) Model training: keeping the signal path as the signal receiving terminal, the field controller, the instruction sending terminal, acquiring the instruction sent and received by the field controller, and fitting the insertion model with the received data as the input value and the transmitted instruction as the output value until receiving. The data and instructions can be fitted to at least one segment of the kernel function, then the next step will be taken. The linear kernel function only includes the basic form of the linear function; 2) strategy adjustment; 3) intervention control. By means of multi-stage and two-stage fitting, the invention can provide effective online learning, facilitate enterprises to effectively reduce human and material resources investment, shorten research and development cycle, smoothly complete the transfer of control rights from traditional field controller to insert controller of machine learning, and facilitate remote adjustment of parameters through another remote communication mode.

【技术实现步骤摘要】
一种在线机器学习的现场控制方法
本专利技术涉及一种在线机器学习的现场控制方法。
技术介绍
目前，机器学习在工业控制中的应用逐渐增多，然而当下本地企业普遍遇到的最大麻烦在于数据严重匮乏，这导致机器学习的控制器难以训练完成，一种折中方案是，分两期进行，先采集一段时间数据，同时完成机器学习控制器的代码，然后根据所采集的少量数据进行训练，得到一期机器学习控制器，将之投入使用，在使用过程中继续采集数据较长时间，然后根据全部采集的数据重新训练机器学习模型，得到二期机器学习控制器，将二期机器学习控制器用于最终控制。然而，采用这种方式，一来研发周期过长，二来人力物力投入极高，对企业而言不如直接聘请操作工人。为解决上述问题，本公司设计了如图1所示的一种基于分时控制交接控制权的现场控制系统，该现场控制系统能够从硬件上保证从传统的现场控制器向机器学习为控制核心的控制器进行控制权交接可以是一个逐步更替的过程，然而具体如何完成控制权交接，现有技术并未提供技术启示。
技术实现思路
为解决上述技术问题，本专利技术提供了一种在线机器学习的现场控制方法，该在线机器学习的现场控制方法通过多段、两阶段拟合的方式，能够提供有效本文档来自技高网...

【技术保护点】
1.一种在线机器学习的现场控制方法，其特征在于：包括如下步骤：1).模型训练：保持信号通路为信号接收端‑现场控制器‑指令发送端，获取现场控制器发送的指令和接收的数据，以接收到的数据为输入值、发送的指令为输出值对插入模型进行多段拟合，直至接收到的数据和发送的指令均能拟合到至少一段核函数，则进入下一步骤，线性核函数仅包括线性函数的基本形式；2).策略调整：在线性核函数中每一项添加偏移值，每经过N次现场控制器信号收发周期则将信号通路切换为信号接收端‑插入控制器‑指令发送端，每次将信号通路切换为信号接收端‑插入控制器‑指令发送端时为插入一个控制器周期，每个控制器周期内插入控制器利用接收的数据和上一控制...

【技术特征摘要】
1.一种在线机器学习的现场控制方法，其特征在于：包括如下步骤：1).模型训练：保持信号通路为信号接收端-现场控制器-指令发送端，获取现场控制器发送的指令和接收的数据，以接收到的数据为输入值、发送的指令为输出值对插入模型进行多段拟合，直至接收到的数据和发送的指令均能拟合到至少一段核函数，则进入下一步骤，线性核函数仅包括线性函数的基本形式；2).策略调整：在线性核函数中每一项添加偏移值，每经过N次现场控制器信号收发周期则将信号通路切换为信号接收端-插入控制器-指令发送端，每次将信号通路切换为信号接收端-插入控制器-指令发送端时为插入一个控制器周期，每个控制器周期内插入控制器利用接收的数据和上一控制器周期插入控制器根据插入模型计算得到的输出指令更新偏移值，偏移值更新完成则进入下一步骤，否则重复该步骤；3).介入控制：保持信号通路为信号接收端-插入控制器-指令发送端，插入控制器通过插入模型控制，并于每N个信号收发周期更新插入模型。2.如权利要求1所述的在线机器学习的现场控制方法，其特征在于：所述插入模型中核函数的基本形式至少包括线性函数、指数函数、三角函数。3.如权利要求1所述的在线机器学习的现场控制方法，其特征在于：所述偏移值在加入时以随机值初始化。4.如权利要求1所述的在线机器学习的现场控制方法，其特征在于：所述步骤1)中，插入模型采用如下方式进行多段拟合：a.以当前信号周期接收的数据作为输入值，以当前信号周期发送的指令作为输出值，遍历计算出的核函数判断是否能够拟合，如能拟合则将当前信号周期接收的数据抛弃，如不能拟合则将接...

【专利技术属性】
技术研发人员：黄孝平，文芳一，黄文哲，
申请(专利权)人：南宁学院，
类型：发明
国别省市：广西,45