System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本申请涉及无人控制,特别是涉及一种可靠性评估方法、装置、计算机设备、存储介质和计算机程序产品。
技术介绍
1、随着数字化、智能化、网络化技术革命的不断深入,人工智能、智能系统、无人系统等在民用和军事领域的应用受到社会的高度关注。无人机、无人车、无人船等各类无人设备不断涌现,正深刻改变人们生产生活方式和现代战争形态。无人设备是由人工智能、先进制造、信息通信等多种技术深度融合形成的复杂系统,具有感知、分析、推理、决策、控制等功能。由于无人设备涉及摄像头、激光雷达等各类硬件传感器和导航、通信、控制等软件系统,考虑其自身的高自主性、不确定性、非独立性和高复杂性的特点,分析和评估无人设备的可靠性对于确保其安全、可用性和性能至关重要。因此,无人设备的可靠性测试评价成为亟待解决的重要问题。
2、传统的无人系统任务可靠性评估研究主要集中于无人设备的部件级故障分析和功能、性能的退化分析研究,采用的方法是传统的概率统计和物理结构分析方法,缺乏从软硬件交互的角度开展无人设备的任务可靠性研究,存在可靠性评估结果准确性低的问题。
技术实现思路
1、基于此,有必要针对上述技术问题,提供一种可靠性评估方法、装置、计算机设备、计算机可读存储介质和计算机程序产品,能够提高无人设备任务可靠性评估结果的准确性。
2、第一方面,本申请提供了一种可靠性评估方法,包括:
3、获取无人设备执行目标任务时,按照正常运行数据运行时拍摄的正常运行图像,以及按照故障运行数据运行时拍摄的故障运行图像;
4、将正常运行图像和故障运行图像进行相似度对比,得到相似度结果;
5、基于正常运行图像、故障运行图像和预训练的图像识别模型进行任务性能评估,得到性能评估结果;
6、基于相似度结果和性能评估结果,确定目标任务对应的可靠性结果;可靠性结果用于评估无人设备执行目标任务的可靠性。
7、在其中一个实施例中,基于正常运行图像、故障运行图像和预训练的图像识别模型进行任务性能评估,得到性能评估结果,包括:
8、对正常运行图像进行目标标注,得到标注图像;
9、将正常运行图像输入预训练的图像识别模型,得到第一预测结果;
10、将故障运行图像输入预训练的图像识别模型,得到第二预测结果;
11、基于第一预测结果和标注图像之间的差异,以及第二预测结果和标注图像之间的差异,得到性能评估结果。
12、在其中一个实施例中,正常运行图像的数量和故障运行图像的数量均为多个,性能评估结果包括多个正常运行图像各自对应的第一准确率和多个故障运行图像各自对应的第二准确率;基于相似度结果和性能评估结果,确定目标任务对应的可靠性结果,包括:
13、确定故障运行数据对应的传感器类型和故障等级;
14、基于传感器类型和故障等级,确定故障程度指标;
15、根据多个第一准确率、多个第二准确率和预设准确率,确定任务成功率;
16、基于故障程度指标、任务成功率、相似度结果和性能评估结果,确定目标任务对应的可靠性结果。
17、在其中一个实施例中,故障运行数据的数量为多个;基于传感器类型和故障等级,确定故障程度指标,包括:
18、确定多种传感器类型各自对应的重要性权重;
19、将多种传感器类型各自对应的重要性权重和多个故障运行数据各自对应的故障等级加权求和,得到故障程度指标。
20、在其中一个实施例中,根据多个第一准确率、多个第二准确率和预设准确率,确定任务成功率,包括:
21、从多个第一准确率中确定出超过预设准确率的第一目标准确率,将第一目标准确率与多个第一准确率的数量比作为第一成功率;
22、从多个第二准确率中确定出超过预设准确率的第二目标准确率,将第二目标准确率与多个第二准确率的数量比作为第二成功率;
23、将第一成功率和第二成功率的差值除以第一成功率,得到的结果作为任务成功率。
24、在其中一个实施例中,基于故障程度指标、任务成功率、相似度结果和性能评估结果,确定目标任务对应的可靠性结果,包括:
25、将相似度结果除以任务成功率与性能评估结果之间的和值,得到求和结果;
26、将故障程度指标作为求和结果的指数,得到目标任务对应的可靠性结果。
27、在其中一个实施例中,正常运行数据和故障运行数据的获取步骤,包括:
28、控制无人设备对应的设备模型在正常传感器参数下运行,将检测到的设备模型的运行数据作为正常运行数据;
29、控制设备模型在故障传感器参数下运行,将检测到的设备模型的运行数据作为故障运行数据。
30、第二方面,本申请还提供了一种可靠性评估装置,包括:
31、获取模块,用于获取无人设备执行目标任务时,按照正常运行数据运行时拍摄的正常运行图像,以及按照故障运行数据运行时拍摄的故障运行图像;
32、比较模块,用于将正常运行图像和故障运行图像进行相似度对比,得到相似度结果;
33、评估模块,用于基于正常运行图像、故障运行图像和预训练的图像识别模型进行任务性能评估,得到性能评估结果;
34、确定模块,用于基于相似度结果和性能评估结果,确定目标任务对应的可靠性结果;可靠性结果用于评估无人设备执行目标任务的可靠性。
35、第三方面,本申请还提供了一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,所述处理器执行所述计算机程序时实现以下步骤:
36、获取无人设备执行目标任务时,按照正常运行数据运行时拍摄的正常运行图像,以及按照故障运行数据运行时拍摄的故障运行图像;
37、将正常运行图像和故障运行图像进行相似度对比,得到相似度结果;
38、基于正常运行图像、故障运行图像和预训练的图像识别模型进行任务性能评估,得到性能评估结果;
39、基于相似度结果和性能评估结果,确定目标任务对应的可靠性结果;可靠性结果用于评估无人设备执行目标任务的可靠性。
40、第四方面,本申请还提供了一种计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时实现以下步骤:
41、获取无人设备执行目标任务时,按照正常运行数据运行时拍摄的正常运行图像,以及按照故障运行数据运行时拍摄的故障运行图像;
42、将正常运行图像和故障运行图像进行相似度对比,得到相似度结果;
43、基于正常运行图像、故障运行图像和预训练的图像识别模型进行任务性能评估,得到性能评估结果;
44、基于相似度结果和性能评估结果,确定目标任务对应的可靠性结果;可靠性结果用于评估无人设备执行目标任务的可靠性。
45、第五方面,本申请还提供了一种计算机程序产品,包括计算机程序,该计算机程序被处理器执行时实现以下步骤:
46、获取无人设备本文档来自技高网...
【技术保护点】
1.一种可靠性评估方法,其特征在于,所述方法包括:
2.根据权利要求1所述的方法,其特征在于,所述基于所述正常运行图像、所述故障运行图像和预训练的图像识别模型进行任务性能评估,得到性能评估结果,包括:
3.根据权利要求1所述的方法,其特征在于,所述正常运行图像的数量和所述故障运行图像的数量均为多个,所述性能评估结果包括多个正常运行图像各自对应的第一准确率和多个故障运行图像各自对应的第二准确率;所述基于所述相似度结果和所述性能评估结果,确定所述目标任务对应的可靠性结果,包括:
4.根据权利要求3所述的方法,其特征在于,所述故障运行数据的数量为多个;所述基于所述传感器类型和所述故障等级,确定故障程度指标,包括:
5.根据权利要求3所述的方法,其特征在于,所述根据多个第一准确率、多个第二准确率和预设准确率,确定任务成功率,包括:
6.根据权利要求3所述的方法,其特征在于,所述基于所述故障程度指标、所述任务成功率、所述相似度结果和所述性能评估结果,确定所述目标任务对应的可靠性结果,包括:
7.一种可靠性评估装置,其特
8.一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,其特征在于,所述处理器执行所述计算机程序时实现权利要求1至6中任一项所述的方法的步骤。
9.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现权利要求1至6中任一项所述的方法的步骤。
10.一种计算机程序产品,包括计算机程序,其特征在于,该计算机程序被处理器执行时实现权利要求1至6中任一项所述的方法的步骤。
...【技术特征摘要】
1.一种可靠性评估方法,其特征在于,所述方法包括:
2.根据权利要求1所述的方法,其特征在于,所述基于所述正常运行图像、所述故障运行图像和预训练的图像识别模型进行任务性能评估,得到性能评估结果,包括:
3.根据权利要求1所述的方法,其特征在于,所述正常运行图像的数量和所述故障运行图像的数量均为多个,所述性能评估结果包括多个正常运行图像各自对应的第一准确率和多个故障运行图像各自对应的第二准确率;所述基于所述相似度结果和所述性能评估结果,确定所述目标任务对应的可靠性结果,包括:
4.根据权利要求3所述的方法,其特征在于,所述故障运行数据的数量为多个;所述基于所述传感器类型和所述故障等级,确定故障程度指标,包括:
5.根据权利要求3所述的方法,其特征在于,所述根据多个第一准确率、多个第...
【专利技术属性】
技术研发人员:万文菲,李小兵,陈钼,徐鹏飞,尚斌,吴和龙,林煜森,杨剑锋,莫冰,
申请(专利权)人:中国电子产品可靠性与环境试验研究所工业和信息化部电子第五研究所中国赛宝实验室,
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。