【技术实现步骤摘要】
本申请涉及工业控制技术，尤其涉及一种工业分析模型的训练方法、使用方法及介质。
技术介绍
1、在工业控制场景中，包含多个传感器，用于监测工业系统中不同的指标数据。为便于及时管控，有时需要基于传感器监测的指标数据，进行预测或智能管控。已知技术中，常通过神经网络来实现前述目标。具体的，将传感器监测到的指标数据输入神经网络中，得到相应的预测值或控制指令。
2、目前，神经网络的结构通常是人工设计的，无法灵活适应实际应用场景，导致在指标数据缺失特征时，无法基于该指标数据得到准确的分析结果，从而存在准确率低的缺陷，进而影响工业过程的精准管控。
技术实现思路
1、本申请提供一种工业分析模型的训练方法、使用方法及介质，用以提升工业分析模型的准确率，进而提升工业过程的管理精确度。
2、一方面，本申请提供一种工业分析模型的训练方法，应用于工业控制系统；所述方法包括：
3、获取历史数据，所述历史数据包括缺失时间序列组，所述缺失时间序列组包括预设数量个传感器采集的原始缺失序列，所述预设数量为任意正整数；
4、通过训练好的编码器对所述历史数据进行特征提取，得到用于指示所述缺失时间序列组完整信息的目标表征；所述编码器在训练时，以在收到所述缺失时间序列组时，得到所述目标表征为训练目标；
5、根据所述目标表征，自动构建至少一个候选模型，并基于至少一个所述候选模型确定目标模型；所述目标模型是评估结果最佳的候选模型，所述评估结果是基于预设度量标准得到的，所述预
6、获取所述目标表征对应的标签数据，并根据所述目标表征和所述标签数据对所述目标模型进行训练，得到工业分析模型；所述标签数据与所述分析目标相关，用于指示所述目标表征对应的真实分析结果；所述目标模型在训练时，以在输入所述目标表征时，输出所述标签数据为训练目标。
7、第二方面，本申请提供一种工业分析模型的使用方法，应用于工业控制系统；所述方法包括：
8、获取采集数据，所述采集数据包括预设数量个传感器采集的时间序列组；
9、通过训练好的编码器对所述时间序列组进行特征提取，得到所述时间序列组对应的包含完整信息的目标表征；
10、将所述目标表征输入训练好的工业分析模型中，以得到分析结果；所述工业分析模型是基于第一方面任一项所述的工业分析模型的训练方法得到的，所述分析结果用于指示预测值或控制指令。
11、第三方面，本申请提供一种工业分析模型的训练装置，所述装置包括：
12、第一获取模块，用于获取历史数据，所述历史数据包括缺失时间序列组，所述缺失时间序列组包括预设数量个传感器采集的原始缺失序列，所述预设数量为任意正整数；
13、第一提取模块，用于通过训练好的编码器对所述历史数据进行特征提取，得到用于指示所述缺失时间序列组完整信息的目标表征；所述编码器在训练时，以在收到所述缺失时间序列组时，得到所述目标表征为训练目标；
14、构建模块，用于根据所述目标表征，自动构建至少一个候选模型，并基于至少一个所述候选模型确定目标模型；所述目标模型是评估结果最佳的候选模型，所述评估结果是基于预设度量标准得到的，所述预设度量标准与模型的分析目标相关；
15、训练模块，用于获取所述目标表征对应的标签数据，并根据所述目标表征和所述标签数据对所述目标模型进行训练，得到工业分析模型；所述标签数据与所述分析目标相关，用于指示所述目标表征对应的真实分析结果；所述目标模型在训练时，以在输入所述目标表征时，输出所述标签数据为训练目标。
16、第四方面，本申请提供一种工业分析模型的使用装置，所述装置包括：
17、第二获取模块，用于获取采集数据，所述采集数据包括预设数量个传感器采集的时间序列组；
18、第二提取模块，用于通过训练好的编码器对所述时间序列组进行特征提取，得到所述时间序列组对应的包含完整信息的目标表征；
19、分析模块，用于将所述目标表征输入训练好的工业分析模型中，以得到分析结果；所述工业分析模型是基于第一方面任一项所述的工业分析模型的训练方法得到的，所述分析结果用于指示预测值或控制指令。
20、第五方面，本申请提供一种电子设备，包括：至少一个处理器和存储器；
21、所述存储器存储计算机执行指令；
22、所述至少一个处理器执行所述存储器存储的计算机执行指令，使得所述至少一个处理器执行如上第一方面或第二方面任一项所述的方法。
23、第六方面，本申请提供一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现如上第一方面或第二方面任一项所述的方法。
24、本申请提供一种工业分析模型的训练方法、使用方法及介质，本申请的方法应用于工业控制系统；具体的，本申请中，电子设备首先基于编码器对获取到的历史数据进行特征提取，以得到具备缺失时间序列组完整信息的目标表征。然后，基于得到的目标表征，自动构建至少一个候选模型，并将评估结果最佳的候选模型作为目标模型。最后，对目标模型进行训练，得到工业分析模型。基于此，电子设备在需要基于任意传感器监测的数据进行预测或控制时，可以在收到相应传感器的时间序列组时，首先通过编码器对该时间序列组进行提取，得到包含完整信息的目标表征，然后将目标表征输入至工业分析模型中，以得到相应的分析结果。本申请中编码器能够对获取的传感器数据进行特征补全，进一步基于补全后的数据进行模型自动构建与训练，有利于提升模型的鲁棒性。在应用过程中，基于编码器进行特征提取后再进行分析，有利于得到更加准确的预测结果或控制结果，有利于实现工业过程的精准管控。
本文档来自技高网...【技术保护点】
1.一种工业分析模型的训练方法，其特征在于，应用于工业控制系统；所述方法包括：
2.根据权利要求1所述的方法，其特征在于，所述通过训练好的编码器对所述历史数据进行特征提取之前，所述方法还包括：
3.根据权利要求1或2所述的方法，其特征在于，所述根据所述目标表征，自动构建至少一个候选模型，并基于至少一个所述候选模型确定目标模型，包括：
4.根据权利要求3所述的方法，其特征在于，所述基于所述搜索空间生成至少一个候选模型，包括：
5.根据权利要求4所述的方法，其特征在于，所述根据所述预设度量标准对所述候选模型进行性能评估之前，所述方法还包括：
6.根据权利要求5所述的方法，其特征在于，基于一致性损失的正则化方法和均值教师法对所述超网络进行训练。
7.一种工业分析模型的使用方法，其特征在于，应用于工业控制系统；所述方法包括：
8.一种工业分析模型的训练装置，其特征在于，所述装置包括：
9.一种工业分析模型的使用装置，其特征在于，所述装置包括：
10.一种计算机可读存储介质，其特征在
...【技术特征摘要】
1.一种工业分析模型的训练方法，其特征在于，应用于工业控制系统；所述方法包括：
2.根据权利要求1所述的方法，其特征在于，所述通过训练好的编码器对所述历史数据进行特征提取之前，所述方法还包括：
3.根据权利要求1或2所述的方法，其特征在于，所述根据所述目标表征，自动构建至少一个候选模型，并基于至少一个所述候选模型确定目标模型，包括：
4.根据权利要求3所述的方法，其特征在于，所述基于所述搜索空间生成至少一个候选模型，包括：
5.根据权利要求4所述的方法，其特征在于，所述根据所述预设度量标准对所述候选模型进行性能评估之前，所述方法还包括：<...
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。