模型训练制造技术

本申请提供一种模型训练

【技术实现步骤摘要】
模型训练、机械设备控制方法、装置、处理设备及介质


[0001]本申请涉及智能控制
，具体而言，涉及一种模型训练
、
机械设备控制方法
、
装置
、
处理设备及介质
。

技术介绍

[0002]随着科技的发展，各种各样的机械设备也越来越多，例如挖掘机
、
叉车
、
制药机械
、
塑料加工机械等等，对机械设备的机械臂进行自动控制，可以确保机械设备的自动化运行，对于机械设备的控制也成为了研究的热点
。
[0003]相关技术中，针对机械设备的每个机械臂，根据一个机械臂的样本数据独立的训练该机械臂对应的神经网络模型，后续采用该机械臂的模型可以输出该机械臂的控制参数
。
[0004]但是，相关技术中，独立的训练机械臂对应的神经网络模型，导致训练好的神经网络模型输出的控制参数不准确
。

技术实现思路

[0005]本申请的目的在于，针对上述现有技术中的不足，提供一种模型训练
、
机械设备控制方法
、
装置
、
处理设备及介质，以便解决相关技术中所存在的上述技术问题
。
[0006]为实现上述目的，本申请实施例采用的技术方案如下：
[0007]第一方面，本申请实施例提供了一种模型训练方法，包括：
[0008]获取待控制机械设备中第一机械臂在多个时刻的样本运动数据
、
第二机械臂在所述多个时刻的样本运动状态以及所述第一机械臂在所述多个时刻的样本控制数据；所述第一机械臂和所述第二机械臂为所述待控制机械设备中具有耦合关系的机械臂；所述第一机械臂在每个时刻的样本运动数据包括：所述第一机械臂在所述每个时刻的样本运动状态以及所述每个时刻之后预设未来时刻的目标样本运动状态；
[0009]根据所述第一机械臂在所述多个时刻的样本运动数据
、
所述第二机械臂在所述多个时刻的样本运动状态以及所述第一机械臂在所述多个时刻的样本控制数据，对初始控制模型进行训练，得到所述第一机械臂的控制模型，所述第一机械臂的控制模型用于输出针对所述第一机械臂的控制参数
。
[0010]第二方面，本申请实施例还提供了一种机械设备控制方法，包括：
[0011]获取待控制机械设备中第一机械臂在第一时刻的运动状态
、
所述第一机械臂在第二时刻的目标运动状态，以第二机械臂在所述第一时刻的运动状态；所述第一机械臂和所述第二机械臂为所述待控制机械设备中具有耦合关系的机械臂；所述第二时刻为第一时刻之后的预设未来时刻；
[0012]采用针对所述第一机械臂的控制模型，根据所述第一机械臂在所述第一时刻的运动状态
、
所述第一机械臂在第二时刻的目标运动状态，以及所述第二机械臂在所述第一时刻的运动状态，得到所述第一机械臂在所述第一时刻的控制参数；
[0013]根据所述第一机械臂在所述第一时刻的控制参数，控制所述第一机械臂，使得所述第一机械臂在所述第二时刻的运动状态达到所述目标运动状态，其中所述第一机械臂的控制模型为采用上述权利要求1‑7任一项所述的方法训练得到的模型
。
[0014]第三方面，本申请实施例还提供了一种模型训练装置，包括：
[0015]获取模块，用于获取待控制机械设备中第一机械臂在多个时刻的样本运动数据
、
第二机械臂在所述多个时刻的样本运动状态以及所述第一机械臂在所述多个时刻的样本控制数据；所述第一机械臂和所述第二机械臂为所述待控制机械设备中具有耦合关系的机械臂；所述第一机械臂在每个时刻的样本运动数据包括：所述第一机械臂在所述每个时刻的样本运动状态以及所述每个时刻之后预设未来时刻的目标样本运动状态；
[0016]训练模块，用于根据所述第一机械臂在所述多个时刻的样本运动数据
、
所述第二机械臂在所述多个时刻的样本运动状态以及所述第一机械臂在所述多个时刻的样本控制数据，对初始控制模型进行训练，得到所述第一机械臂的控制模型，所述第一机械臂的控制模型用于输出针对所述第一机械臂的控制参数
。
[0017]第四方面，本申请实施例还提供了一种机械设备控制装置，包括：
[0018]获取模块，用于获取待控制机械设备中第一机械臂在第一时刻的运动状态
、
所述第一机械臂在第二时刻的目标运动状态，以第二机械臂在所述第一时刻的运动状态；所述第一机械臂和所述第二机械臂为所述待控制机械设备中具有耦合关系的机械臂；所述第二时刻为第一时刻之后的预设未来时刻；采用针对所述第一机械臂的控制模型，根据所述第一机械臂在所述第一时刻的运动状态
、
所述第一机械臂在第二时刻的目标运动状态，以及所述第二机械臂在所述第一时刻的运动状态，得到所述第一机械臂在所述第一时刻的控制参数；
[0019]控制模块，用于根据所述第一机械臂在所述第一时刻的控制参数，控制所述第一机械臂，使得所述第一机械臂在所述第二时刻的运动状态达到所述目标运动状态，其中所述第一机械臂的控制模型为采用上述第一方面任一项所述的方法训练得到的模型
。
[0020]第五方面，本申请实施例还提供了一种处理设备，包括：存储器和处理器，所述存储器存储有所述处理器可执行的计算机程序，所述处理器执行所述计算机程序时实现上述第一方面任一项所述的模型训练方法，或者上述第二方面所述的机械设备控制方法
。
[0021]第六方面，本申请实施例还提供了一种计算机可读存储介质，所述存储介质上存储有计算机程序，所述计算机程序被读取并执行时，实现上述第一方面任一项所述的模型训练方法，或者上述第二方面所述的机械设备控制方法
。
[0022]本申请的有益效果是：本申请实施例提供一种模型训练方法，包括：获取待控制机械设备中第一机械臂在多个时刻的样本运动数据
、
第二机械臂在多个时刻的样本运动状态以及第一机械臂在多个时刻的样本控制数据；第一机械臂和第二机械臂为待控制机械设备中具有耦合关系的机械臂；第一机械臂在每个时刻的样本运动数据包括：第一机械臂在每个时刻的样本运动状态以及每个时刻之后预设未来时刻的目标样本运动状态；根据第一机械臂在多个时刻的样本运动数据
、
第二机械臂在多个时刻的样本运动状态以及第一机械臂在多个时刻的样本控制数据，对初始控制模型进行训练，得到第一机械臂的控制模型，第一机械臂的控制模型用于输出针对第一机械臂的控制参数
。
在进行模型训练时，不仅采用了第一机械臂的样本运动数据和样本控制数据，还采用了对第一机械臂存在影响的第二机械
臂的样本运动数据，考虑了第一机械臂和第二机械臂之间的相互影响及耦合关系，使得训练得到的针对第一机械臂的控制模型更加可靠，控制模型输出的针对第一机械臂的控制参数更加准确
。
附图说明
[0023]为了更清楚本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种模型训练方法，其特征在于，包括：获取待控制机械设备中第一机械臂在多个时刻的样本运动数据
、
第二机械臂在所述多个时刻的样本运动状态以及所述第一机械臂在所述多个时刻的样本控制数据；所述第一机械臂和所述第二机械臂为所述待控制机械设备中具有耦合关系的机械臂；所述第一机械臂在每个时刻的样本运动数据包括：所述第一机械臂在所述每个时刻的样本运动状态以及所述每个时刻之后预设未来时刻的目标样本运动状态；根据所述第一机械臂在所述多个时刻的样本运动数据
、
所述第二机械臂在所述多个时刻的样本运动状态以及所述第一机械臂在所述多个时刻的样本控制数据，对初始控制模型进行训练，得到所述第一机械臂的控制模型，所述第一机械臂的控制模型用于输出针对所述第一机械臂的控制参数
。2.
根据权利要求1所述的方法，其特征在于，所述获取待控制机械设备中第一机械臂在多个时刻的样本运动数据
、
第二机械臂在所述多个时刻的样本运动状态以及所述第一机械臂在所述多个时刻的样本控制数据，包括：获取所述待控制机械设备的运动轨迹，所述运动轨迹中包括：具有先后时刻顺序的多个轨迹点，所述多个轨迹点具有对应的所述第一机械臂的样本运动状态
、
所述第一机械臂的样本控制数据以及所述第二机械臂的样本运动状态；根据所述多个轨迹点对应的所述第一机械臂的样本运动状态，确定第一机械臂在多个时刻的样本运动数据；将所述多个轨迹点对应的所述第一机械臂的样本控制数据，作为所述第一机械臂在所述多个时刻的样本控制数据；将所述多个轨迹点对应的所述第二机械臂的样本运动状态，作为所述第二机械臂在所述多个时刻的样本运动状态
。3.
根据权利要求1所述的方法，其特征在于，所述获取待控制机械设备中第一机械臂在多个时刻的样本运动数据
、
第二机械臂在所述多个时刻的样本运动状态以及所述第一机械臂在所述多个时刻的样本控制数据，包括：获取所述第一机械臂在所述每个时刻的位置
、
角速度，所述每个时刻之后预设未来时刻的目标样本运动状态，所述第二机械臂在所述多个时刻的位置
、
角速度，以及所述第一机械臂在所述多个时刻的样本脉冲宽度调制数据
。4.
根据权利要求1所述的方法，其特征在于，所述第一机械臂在所述每个时刻之后预设未来时刻的目标样本运动状态包括：目标位置和
/
或目标角速度
。5.
根据权利要求1所述的方法，其特征在于，所述根据所述第一机械臂在所述多个时刻的样本运动数据
、
所述第二机械臂在所述多个时刻的样本运动状态以及所述第一机械臂在所述多个时刻的样本控制数据，对初始控制模型进行训练，得到所述第一机械臂的控制模型，包括：将所述第一机械臂在所述多个时刻的样本运动状态
、
所述每个时刻之后预设未来时刻的目标样本运动状态
、
所述第二机械臂在所述多个时刻的样本运动状态
、
所述第一机械臂在所述多个时刻的样本控制数据，输入所述初始控制模型中，得到所述初始控制模型输出的所述多个时刻的样本预测控制数据；根据所述多个时刻的样本预测控制数据
、
所述第一机械臂在所述多个时刻的样本控制
数据
、
预设损失函数，更新所述初始控制模型的模型参数，直至迭代次数大于或者等于预设迭代次数，得到针对所述第一机械臂的控制模型
。6.
根据权利要求1所述的方法，其特征在于，所述初始控制模型包括：依次连...

【专利技术属性】
技术研发人员：陈伟，林楠，陈赢峰，范长杰，胡志鹏，
申请(专利权)人：网易，
类型：发明
国别省市：