一种数字工厂的可视化处理方法及系统技术方案

本申请提供的数字工厂的可视化处理方法及系统涉及人工智能领域，通过对人工智能模型进行优化更新，提取开辟已调试的文本知识挖掘网络对应的文本向量域，将得到的文本向量域转移至基础文本知识挖掘网络，获得调试好的第一目标文本知识挖掘网络，无需单独的文本训练数据以及对应的注释信息去对网络进行优化，使得网络在调试时的速度更快，便于后续进行高效地数字工厂可视化交互设备的可视化应用，工厂可视化管理的精度和时效性得到提高。视化管理的精度和时效性得到提高。视化管理的精度和时效性得到提高。

【技术实现步骤摘要】
一种数字工厂的可视化处理方法及系统


[0001]本申请涉及人工智能领域，具体涉及一种数字工厂的可视化处理方法及系统。

技术介绍

[0002]随着信息技术的不断发展，三维数字化工厂逐渐普及，三维数字化工厂以企业管理创新与数据集成的优势逐步被更多企业采用。作为公司生产运营管控信息的载体，三维数字化工厂可以实现公司的生产、能源、安防和设备的一体化运维管控，从而确保管理决策科学化。数字工厂的其中一个功能是可以实现设备可视化管理，该可视化功能可以与该企业设备管理系统进行数据对接，为设备运维管理提供数据整合。而企业也可以利用可视化功能为用户提供设备智能装配指导、智能巡检、智能监控和快速故障处理。此外，通过结合人工智能进行可视化的文本分析处理也是设备可视化管理的其中一个需求方向。

技术实现思路

[0003]本申请提供了一种数字工厂的可视化处理方法及系统。
[0004]根据本申请的一方面，提供了一种数字工厂的可视化处理方法，应用于AI处理系统，所述方法包括：获取当下调试文本序列，所述当下调试文本序列为在事先部署的调试文本序列中获取获得的；将所述当下调试文本序列中各个调试文本分别加载至已调试的文本知识挖掘网络和拟调试的基础文本知识挖掘网络中进行文本知识向量挖掘，获得所述各个调试文本对应的已调试文本知识向量和所述各个调试文本对应的拟调试文本知识向量，其中，所述基础文本知识挖掘网络是将所述已调试的文本知识挖掘网络的网络配置变量进行预配置获得的；获取所述各个调试文本对应的已调试文本知识向量之间的共性度量系数，获得已调试共性度量系数集合，并获取所述各个调试文本对应的拟调试文本知识向量之间的共性度量系数，获得拟调试共性度量系数集合；获取所述拟调试共性度量系数集合与所述已调试共性度量系数集合之间的代价值，并通过所述代价值优化所述拟调试的基础文本知识挖掘网络，然后跳转至获取当下调试文本序列的步骤进行辗转，直至符合调试截止要求时，将调试好的基础文本知识挖掘网络确定为第一目标文本知识挖掘网络，所述第一目标文本知识挖掘网络被配置为挖掘目标设备可视化管理文本的文本知识向量；通过所述目标设备可视化管理文本的文本知识向量进行文本意图识别。
[0005]作为一种实施方式，所述获取所述各个调试文本对应的已调试文本知识向量之间的共性度量系数，获得已调试共性度量系数集合，包括：通过所述各个调试文本对应的已调试文本知识向量获得已调试文本知识数组，并将所述已调试文本知识数组进行标准化操作，获得已调试标准化数组；获取所述已调试标准化数组对应的翻转数组，获得已调试翻转数组；通过所述已调试翻转数组与所述已调试标准化数组的获得所述已调试共性度量系数集合；所述获取所述各个调试文本对应的拟调试文本知识向量之间的共性度量系数，获得拟调试共性度量系数集合，包括：通过所述各个调试文本对应的拟调试文本知识向量获得拟调试文本知识数组，并将所述拟调试文本知识数组进行标准化操作，获得拟调试标准化
数组；获取所述拟调试标准化数组对应的翻转数组，获得拟调试翻转数组；通过所述拟调试翻转数组与所述拟调试标准化数组获得所述拟调试共性度量系数集合。
[0006]作为一种实施方式，所述获取所述拟调试共性度量系数集合与所述已调试共性度量系数集合之间的代价值，并通过所述代价值优化所述拟调试的基础文本知识挖掘网络，然后跳转至获取当下调试文本序列的步骤进行辗转，包括：获取所述拟调试共性度量系数集合与所述已调试共性度量系数集合的标准差值，获得基础误差结果，将所述基础误差结果确定为所述代价值；通过所述代价值逆向传播以优化所述基础文本知识挖掘网络中的网络配置变量，获得优化后的文本知识挖掘网络；将优化后的文本知识挖掘网络确定为基础文本知识挖掘网络，然后跳转至获取当下调试文本序列的步骤进行辗转；其中，所述获取所述拟调试共性度量系数集合与所述已调试共性度量系数集合的标准差值，获得所述代价值，包括：获取所述拟调试共性度量系数集合与所述已调试共性度量系数集合的标准差值，获得基础误差结果；获取当下调试文本序列对应的调试文本数目，获取所述基础误差结果与所述调试文本数目的比例系数以获得均值误差结果；获取预设调节变量，通过所述预设调节变量对所述均值误差结果进行调节运算，获得调节误差结果；获取所述拟调试的基础文本知识挖掘网络对应的意图识别误差结果，并获取所述意图识别误差结果和所述调节误差结果的误差结果和值，以得到所述代价值。
[0007]作为一种实施方式，所述获取所述拟调试共性度量系数集合与所述已调试共性度量系数集合之间的代价值，并通过所述代价值优化所述拟调试的基础文本知识挖掘网络，然后跳转至获取当下调试文本序列的步骤进行辗转，直至符合调试截止要求时，将调试好的基础文本知识挖掘网络确定为第一目标文本知识挖掘网络，包括：将所述拟调试共性度量系数集合加载至基础变换模块中进行系数变换，获得目标变换共性度量系数集合；获取所述目标变换共性度量系数集合与所述已调试共性度量系数集合之间的标准差值，获得目标代价值，通过所述目标代价值逆向传播以优化所述基础变换模块和所述基础文本知识挖掘网络，获得优化后的变换模块和优化后的文本知识挖掘网络；将所述优化后的变换模块确定为基础变换模块，并将优化后的文本知识挖掘网络确定为基础文本知识挖掘网络，然后跳转至获取当下调试文本序列的步骤进行辗转，直至符合调试截止要求时，通过调试好的基础文本知识挖掘网络和调试好的基础变换模块获得第二目标文本知识挖掘网络。
[0008]作为一种实施方式，所述基础文本知识挖掘网络为基础挖掘网络；所述获取所述拟调试共性度量系数集合与所述已调试共性度量系数集合之间的代价值，并通过所述代价值优化所述拟调试的基础文本知识挖掘网络，然后跳转至获取当下调试文本序列的步骤进行辗转，直至符合调试截止要求时，将调试好的基础文本知识挖掘网络确定为第一目标文本知识挖掘网络，包括：将所述拟调试共性度量系数集合和所述已调试共性度量系数集合加载至基础识别模块中进行识别，获得共性度量系数识别结果；通过所述共性度量系数识别结果优化所述基础识别模块和所述基础文本知识挖掘网络，然后跳转至获取当下调试文本序列的步骤进行辗转，直至符合调试截止要求时，将调试好的基础文本知识挖掘网络确定为第三目标文本知识挖掘网络。
[0009]作为一种实施方式，所述当下调试文本序列中包括各个多元文本集合，所述多元文本集合中包括组合文本组；所述方法还包括：将所述各个多元文本集合分别加载至已调试的文本知识挖掘网络和拟调试的基础文本知识挖掘网络中进行文本知识向量挖掘，获得
所述各个多元文本集合对应的已调试多元集合知识向量和所述各个多元文本集合对应的拟调试多元集合知识向量；通过所述已调试多元集合知识向量和所述拟调试多元集合知识向量进行多元集合代价值获取，获得基础多元集合误差结果，通过所述基础多元集合误差结果逆向传播以优化所述基础文本知识挖掘网络，然后跳转至获取当下调试文本序列的步骤进行辗转，直至符合调试截止要求时，将调试好的基础文本知识挖掘网络确定为第四目标文本知识挖掘网络。
[0010]作为一种实施方式，在所述本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种数字工厂的可视化处理方法，其特征在于，应用于AI处理系统，所述方法包括：获取所述当下调试文本序列，所述当下调试文本序列为在事先部署的调试文本序列中获取获得的；将所述当下调试文本序列中各个调试文本分别加载至已调试的文本知识挖掘网络和拟调试的基础文本知识挖掘网络中进行文本知识向量挖掘，获得所述各个调试文本对应的已调试文本知识向量和所述各个调试文本对应的拟调试文本知识向量，其中，所述基础文本知识挖掘网络是将所述已调试的文本知识挖掘网络的网络配置变量进行预配置获得的；获取所述各个调试文本对应的已调试文本知识向量之间的共性度量系数，获得已调试共性度量系数集合，并获取所述各个调试文本对应的拟调试文本知识向量之间的共性度量系数，获得拟调试共性度量系数集合；获取所述拟调试共性度量系数集合与所述已调试共性度量系数集合之间的代价值，并通过所述代价值优化所述拟调试的基础文本知识挖掘网络，然后跳转至获取当下调试文本序列的步骤进行辗转，直至符合调试截止要求时，将调试好的基础文本知识挖掘网络确定为第一目标文本知识挖掘网络，所述第一目标文本知识挖掘网络被配置为挖掘目标设备可视化管理文本的文本知识向量；通过所述目标设备可视化管理文本的文本知识向量进行文本意图识别。2.根据权利要求1所述的方法，其特征在于，所述获取所述各个调试文本对应的已调试文本知识向量之间的共性度量系数，获得已调试共性度量系数集合，包括：通过所述各个调试文本对应的已调试文本知识向量获得已调试文本知识数组，并将所述已调试文本知识数组进行标准化操作，获得已调试标准化数组；获取所述已调试标准化数组对应的翻转数组，获得已调试翻转数组；通过所述已调试翻转数组与所述已调试标准化数组的获得所述已调试共性度量系数集合；所述获取所述各个调试文本对应的拟调试文本知识向量之间的共性度量系数，获得拟调试共性度量系数集合，包括：通过所述各个调试文本对应的拟调试文本知识向量获得拟调试文本知识数组，并将所述拟调试文本知识数组进行标准化操作，获得拟调试标准化数组；获取所述拟调试标准化数组对应的翻转数组，获得拟调试翻转数组；通过所述拟调试翻转数组与所述拟调试标准化数组获得所述拟调试共性度量系数集合。3.根据权利要求1所述的方法，其特征在于，所述获取所述拟调试共性度量系数集合与所述已调试共性度量系数集合之间的代价值，并通过所述代价值优化所述拟调试的基础文本知识挖掘网络，然后跳转至获取当下调试文本序列的步骤进行辗转，包括：获取所述拟调试共性度量系数集合与所述已调试共性度量系数集合的标准差值，获得基础误差结果，将所述基础误差结果确定为所述代价值；通过所述代价值逆向传播以优化所述基础文本知识挖掘网络中的网络配置变量，获得优化后的文本知识挖掘网络；将优化后的文本知识挖掘网络确定为基础文本知识挖掘网络，然后跳转至获取当下调试文本序列的步骤进行辗转；
其中，所述获取所述拟调试共性度量系数集合与所述已调试共性度量系数集合的标准差值，获得所述代价值，包括：获取所述拟调试共性度量系数集合与所述已调试共性度量系数集合的标准差值，获得基础误差结果；获取当下调试文本序列对应的调试文本数目，获取所述基础误差结果与所述调试文本数目的比例系数以获得均值误差结果；获取预设调节变量，通过所述预设调节变量对所述均值误差结果进行调节运算，获得调节误差结果；获取所述拟调试的基础文本知识挖掘网络对应的意图识别误差结果，并获取所述意图识别误差结果和所述调节误差结果的误差结果和值，以得到所述代价值。4.根据权利要求1所述的方法，其特征在于，所述获取所述拟调试共性度量系数集合与所述已调试共性度量系数集合之间的代价值，并通过所述代价值优化所述拟调试的基础文本知识挖掘网络，然后跳转至获取当下调试文本序列的步骤进行辗转，直至符合调试截止要求时，将调试好的基础文本知识挖掘网络确定为第一目标文本知识挖掘网络，包括：将所述拟调试共性度量系数集合加载至基础变换模块中进行系数变换，获得目标变换共性度量系数集合；获取所述目标变换共性度量系数集合与所述已调试共性度量系数集合之间的标准差值，获得目标代价值，通过所述目标代价值逆向传播以优化所述基础变换模块和所述基础文本知识挖掘网络，获得优化后的变换模块和优化后的文本知识挖掘网络；将所述优化后的变换模块确定为基础变换模块，并将优化后的文本知识挖掘网络确定为基础文本知识挖掘网络，然后跳转至获取当下调试文本序列的步骤进行辗转，直至符合调试截止要求时，通过调试好的基础文本知识挖掘网络和调试好的基础变换模块获得第二目标文本知识挖掘网络。5.根据权利要求1所述的方法，其特征在于，所述基础文本知识挖掘网络为基础挖掘网络；所述获取所述拟调试共性度量系数集合与所述已调试共性度量系数集合之间的代价值，并通过所述代价值优化所述拟调试的基础文本知识挖掘网络，然后跳转至获取当下调试文本序列的步骤进行辗转，直至符合调试截止要求时，将调试好的基础文本知识挖掘网络确定为第一目标文本知识挖掘网络，包括：将所述拟调试共性度量...

【专利技术属性】
技术研发人员：向争东，
申请(专利权)人：天津睿锋智联科技有限公司，
类型：发明
国别省市：