【技术实现步骤摘要】
一种基于人工智能的驱动侦测处理方法及云平台
[0001]本专利技术涉及人工智能
,具体而言,涉及一种基于人工智能的驱动侦测处理方法及云平台。
技术介绍
[0002]人工智能(Artificial Intelligence),英文缩写为AI。它是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门新的技术科学。随着工业生产的发展,涉及人工智能的工业系统越来越来多,对于这些工程级KVM应用的场景,一般由专业的操作员对各个工业系统(例如工业电脑)进行操作。然而由于涉及的工业系统的类型、系统越来越繁琐,即便在工业系统的运行场景下各工业系统每个流程的运行状态相对固定,但各个工业系统的运行状态又并非完全一致,由人工通过主控系统基于HDMI接口驱动侦测进行各个工业系统的启停作业十分的繁琐,并且容易出错。
[0003]有鉴于此,如何提供一种能够实现自动化的基于人工智能的驱动侦测处理方案,是本领域技术人员需要解决的。
技术实现思路
[0004]本专利技术提供一种基于人工智能的驱动侦测处理方法缉云平台。
[0005]第一方面,本专利技术实施例提供一种基于人工智能的驱动侦测处理方法,应用于计算机系统,计算机系统与多个工业系统通信连接,方法包括:响应于系统控制指令,获取与目标工业系统相匹配的无标签系统运行特征向量;确定与目标工业系统相匹配的无标签系统运行特征向量所分别对应的不同系统运行环境;基于不同系统运行环境,确定与不同系统运行环境相匹配的HDMI状态;基于HDMI状态,对目标工业 ...
【技术保护点】
【技术特征摘要】
1.一种基于人工智能的驱动侦测处理方法,其特征在于,应用于计算机系统,所述计算机系统与多个工业系统通信连接,所述方法包括:响应于系统控制指令,获取与目标工业系统相匹配的无标签系统运行特征向量;确定与所述目标工业系统相匹配的无标签系统运行特征向量所分别对应的不同系统运行环境;基于所述不同系统运行环境,确定与所述不同系统运行环境相匹配的HDMI状态;基于所述HDMI状态,对所述目标工业系统相匹配的无标签系统运行特征向量进行特征强化处理,以形成与对应的系统运行环境相匹配的初始系统运行特征向量集合;调用经由历史系统运行状态训练样本对抗训练的系统控制指令生成模型,并通过所述系统控制指令生成模型对所述初始系统运行特征向量集合进行控制指令生成,得到所述目标工业系统的控制指令,其中,所述系统控制指令生成模型包括特征提取层、特征选择层以及信息过滤层;输出所述目标工业系统的控制指令。2.根据权利要求2所述的方法,其特征在于,所述方法还包括:获取目标工业系统集合的特征和系统启动环境的历史参数;根据所述目标工业系统集合的特征和系统启动环境的历史参数,得到与所述系统控制指令生成模型相匹配的系统运行特征向量集合,其中,所述系统运行特征向量集合中包括不同历史系统运行状态的样本特征;确定所述系统控制指令生成模型的使用环境,并根据所述系统控制指令生成模型的使用环境确定不同长度的滑动窗口;确定所述系统运行特征向量集合中的不同样本数据所携带的时间节点数据;根据与所述系统控制指令生成模型相匹配的预设迭代算法,以及不同长度的滑动窗口对系统运行特征向量集合中的不同样本数据所携带的时间节点数据进行处理,确定与所述系统控制指令生成模型相匹配的不同历史系统运行状态的样本系统控制数据集,其中,所述样本系统控制数据集包括至少一组样本系统控制数据;根据所述样本系统控制数据集对所述系统控制指令生成模型进行训练,确定所述系统控制指令生成模型中特征提取层的超参数;根据所述样本系统控制数据集对所述系统控制指令生成模型进行训练,确定所述系统控制指令生成模型中特征选择层的超参数;根据所述样本系统控制数据集对所述系统控制指令生成模型进行训练,确定所述系统控制指令生成模型中信息过滤层的超参数,以实现通过所述系统控制指令生成模型对所述系统启动环境中的目标工业系统的指令进行预测。3.根据权利要求2所述的方法,其特征在于,所述根据所述样本系统控制数据集对所述系统控制指令生成模型进行训练,确定所述系统控制指令生成模型中特征提取层的超参数,包括:通过所述系统控制指令生成模型中特征提取层,对所述样本系统控制数据集进行处理,以确定所述特征提取层的初始参数;响应于所述特征提取层的初始参数,通过所述特征提取层对所述样本系统控制数据集进行处理,确定所述特征提取层的迭代参数;
确定所述特征提取层对应的损失函数;根据所述特征提取层的迭代参数,对所述特征提取层的参数进行迭代更新;直至所述特征提取层的损失函数达到相应的预设收敛阈值,并且基于所述特征提取层中的参数,能够提取所述样本系统控制数据集中每个样本的特征选择向量。4.根据权利要求3所述的方法,其特征在于,所述根据所述样本系统控制数据集对所述系统控制指令生成模型进行训练,确定所述系统控制指令生成模型中特征选择层的超参数,包括:通过所述系统控制指令生成模型中特征选择层,对所述样本系统控制数据集进行处理,以确定所述特征选择层的初始参数;将所述样本系统控制数据集中不同样本系统控制数据,代入由所述特征选择层所对应的损失函数;确定所述损失函数满足相应的预设收敛阈值时所述特征选择层对应所述迭代参数;确定所述特征选择层对应的损失函数;根据所述特征选择层的迭代参数,对所述特征选择层的参数进行迭代更新;直至所述特征选择层的损失函数达到相应的预设收敛阈值,并且基于相应的样本标签以及每个样本的特征选择向量,确定不同样本的指令输出结果。5.根据权利要求2所述的方法,其特征在于,所述根据所述样本系统控制数据集对所述系统控制指令生成模型进行训练,确定所述系统控制指令生成模型中信息过滤层的超参数,包括:响应于所述信息过滤层的初始参数,通过所述信息过滤层对所述样本系统控制数据集进行处理,确定所述信息过滤层的迭代参数;根据所述信息过滤层的迭代参数,通过所述样本系统控制数据集对所述信息过滤层的参数进行迭代更新,以判断样本集合中不同样本所分别对应的历史系统运行状态。6.根据权利要求5所述的方法,其特征在于,所述方法还包括:将所述样本系统控制数据集中不同样本系统控制数据,代入由所述信息过滤层所对应的损失函数;确定所述损失函数满足相应的预设收敛阈值时所述信息过滤层对应所述迭代参数;确定所述信息过滤层对应的损失函数;根据所述信息过滤层的迭代参数,对所述信息过滤层的参数进行迭代更新;直至所述信息过滤层的损失函数达到相应的预设收敛阈值,并且基于所述信息过滤层中的参数,能够判断所述样本...
【专利技术属性】
技术研发人员:兰立景,李俊,
申请(专利权)人:北京金波融安科技有限公司,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。