【技術(shù)實(shí)現(xiàn)步驟摘要】
本申請(qǐng)涉及數(shù)據(jù)處理，具體地涉及一種模型訓(xùn)練方法、數(shù)據(jù)預(yù)測(cè)方法、計(jì)算設(shè)備及可讀存儲(chǔ)介質(zhì)。
技術(shù)介紹
1、隨著塔機(jī)制造技術(shù)的快速發(fā)展，塔機(jī)廣泛應(yīng)用于多種場(chǎng)景中。塔機(jī)等塔機(jī)投入使用后，由于部件的結(jié)構(gòu)受力惡劣，以及實(shí)際使用工況與預(yù)設(shè)使用工況存在差異的影響，容易導(dǎo)致部件的結(jié)構(gòu)出現(xiàn)疲勞損傷。通常塔機(jī)的關(guān)鍵部件處設(shè)置有多種傳感器，以檢測(cè)塔機(jī)運(yùn)行時(shí)的位移和應(yīng)力等數(shù)據(jù)。根據(jù)傳感器檢測(cè)到的信號(hào)對(duì)塔機(jī)的剩余壽命進(jìn)行預(yù)測(cè)，以得到塔機(jī)的質(zhì)量分析結(jié)果，避免出現(xiàn)安全事故。
2、由于塔機(jī)通常處于惡劣的工況環(huán)境，傳感器采集信號(hào)時(shí)容易出現(xiàn)大量連續(xù)的異常數(shù)據(jù)，通過算法模型分析塔機(jī)的數(shù)據(jù)的方式逐步得到廣泛應(yīng)用。然而，實(shí)際訓(xùn)練算法模型的過程中，算法模型的結(jié)構(gòu)數(shù)據(jù)變化，以及樣本量及訓(xùn)練次數(shù)的變化都會(huì)影響算法模型的性能，甚至導(dǎo)致算法模型出現(xiàn)過擬合的情況，進(jìn)而對(duì)長(zhǎng)期使用的塔機(jī)無法獲取準(zhǔn)確數(shù)據(jù)。
技術(shù)實(shí)現(xiàn)思路
1、本申請(qǐng)實(shí)施例的目的是提供一種模型訓(xùn)練方法、數(shù)據(jù)預(yù)測(cè)方法、計(jì)算設(shè)備及可讀存儲(chǔ)介質(zhì)，用以解決現(xiàn)有技術(shù)中對(duì)長(zhǎng)期使用的塔機(jī)無法獲取準(zhǔn)確數(shù)據(jù)的問題。
2、為了實(shí)現(xiàn)上述目的，本申請(qǐng)第一方面提供一種模型訓(xùn)練方法，模型訓(xùn)練方法包括：
3、將代理模型的每層節(jié)點(diǎn)數(shù)量確定為優(yōu)化變量，將預(yù)設(shè)樣本及預(yù)設(shè)訓(xùn)練次數(shù)下訓(xùn)練代理模型的測(cè)試誤差確定為適度函數(shù)；
4、根據(jù)優(yōu)化變量，構(gòu)建遺傳種群，其中，遺傳種群包括多個(gè)個(gè)體，個(gè)體為優(yōu)化變量的編碼；
5、基于適度函數(shù)，迭代遺傳種群，直到得到滿足迭代條件的
6、根據(jù)目標(biāo)遺傳種群中的最優(yōu)個(gè)體，得到代理模型最優(yōu)結(jié)構(gòu)；
7、訓(xùn)練代理模型最優(yōu)結(jié)構(gòu)，得到塔機(jī)的數(shù)據(jù)預(yù)測(cè)代理模型。
8、本申請(qǐng)的實(shí)施例中，根據(jù)優(yōu)化變量，構(gòu)建遺傳種群，包括：
9、對(duì)優(yōu)化變量進(jìn)行二進(jìn)制編碼，確定編碼后的優(yōu)化變量的編碼位數(shù)；
10、對(duì)應(yīng)編碼位數(shù)生成第一數(shù)量的個(gè)體；
11、基于第一數(shù)量的個(gè)體，構(gòu)建遺傳種群。
12、本申請(qǐng)的實(shí)施例中，根據(jù)目標(biāo)遺傳種群中的最優(yōu)個(gè)體，得到代理模型最優(yōu)結(jié)構(gòu)，包括：
13、對(duì)目標(biāo)遺傳種群中的最優(yōu)個(gè)體進(jìn)行反編譯，確定每層節(jié)點(diǎn)的最優(yōu)數(shù)量；
14、根據(jù)每層節(jié)點(diǎn)的最優(yōu)數(shù)量，得到代理模型最優(yōu)結(jié)構(gòu)。
15、本申請(qǐng)的實(shí)施例中，對(duì)優(yōu)化變量進(jìn)行二進(jìn)制編碼，確定編碼后的優(yōu)化變量的編碼位數(shù)，包括：
16、獲取優(yōu)化變量中的輸入節(jié)點(diǎn)數(shù)量和輸出節(jié)點(diǎn)數(shù)量；
17、將輸入節(jié)點(diǎn)數(shù)量和輸出節(jié)點(diǎn)數(shù)量之間的最小值確定為優(yōu)化變量的下限值；
18、基于輸入節(jié)點(diǎn)數(shù)量和輸出節(jié)點(diǎn)數(shù)量，計(jì)算優(yōu)化變量的上限值；
19、根據(jù)下限值和上限值，對(duì)優(yōu)化變量進(jìn)行二進(jìn)制編碼，確定編碼后的優(yōu)化變量的編碼位數(shù)。
20、本申請(qǐng)的實(shí)施例中，基于適度函數(shù)，迭代遺傳種群，直到得到滿足迭代條件的目標(biāo)遺傳種群，包括：
21、基于適度函數(shù)，從遺傳種群中抽取優(yōu)異個(gè)體，以得到包括至少兩個(gè)優(yōu)異個(gè)體的育種族群；
22、根據(jù)預(yù)設(shè)族群規(guī)模、預(yù)設(shè)交叉率及預(yù)設(shè)變異率，對(duì)育種族群進(jìn)行迭代，得到迭代后遺傳種群；
23、在不滿足迭代條件的情況下，重復(fù)執(zhí)行基于適度函數(shù)，從遺傳種群中抽取優(yōu)異個(gè)體，以得到包括至少兩個(gè)優(yōu)異個(gè)體的育種族群的步驟，直到滿足迭代條件的情況下，將得到的迭代后遺傳種群確定為目標(biāo)遺傳種群。
24、本申請(qǐng)的實(shí)施例中，基于適度函數(shù)，從遺傳種群中抽取優(yōu)異個(gè)體，以得到包括至少兩個(gè)優(yōu)異個(gè)體的育種族群，包括：
25、從遺傳種群中抽取第二數(shù)量的個(gè)體；
26、基于適度函數(shù)，從第二數(shù)量的個(gè)體中取一個(gè)優(yōu)異個(gè)體；
27、在優(yōu)異個(gè)體的數(shù)量小于第三數(shù)量的情況下，重復(fù)執(zhí)行從遺傳種群中抽取第二數(shù)量的個(gè)體的步驟，直到得到第三數(shù)量的優(yōu)異個(gè)體；
28、根據(jù)第三數(shù)量的優(yōu)異個(gè)體，構(gòu)建育種族群。
29、本申請(qǐng)的實(shí)施例中，基于適度函數(shù)，從遺傳種群中抽取優(yōu)異個(gè)體，以得到包括至少兩個(gè)優(yōu)異個(gè)體的育種族群，包括：
30、獲取每個(gè)個(gè)體對(duì)應(yīng)的代理模型參數(shù)；
31、針對(duì)每個(gè)個(gè)體，根據(jù)代理模型參數(shù)訓(xùn)練預(yù)設(shè)代理模型，獲取訓(xùn)練后的預(yù)設(shè)代理模型對(duì)應(yīng)的實(shí)際適度函數(shù)值；
32、根據(jù)每個(gè)個(gè)體對(duì)應(yīng)的實(shí)際適度函數(shù)值，分別確定每個(gè)個(gè)體的評(píng)價(jià)值；
33、基于每個(gè)個(gè)體的評(píng)價(jià)值，從遺傳種群中抽取優(yōu)異個(gè)體，得到包括至少兩個(gè)優(yōu)異個(gè)體的育種族群。
34、本申請(qǐng)第二方面提供一種數(shù)據(jù)預(yù)測(cè)方法，數(shù)據(jù)預(yù)測(cè)方法包括：
35、獲取塔機(jī)的實(shí)時(shí)運(yùn)行數(shù)據(jù)；
36、將實(shí)時(shí)運(yùn)行數(shù)據(jù)輸入至數(shù)據(jù)預(yù)測(cè)代理模型，得到塔機(jī)的預(yù)測(cè)數(shù)據(jù)，其中，數(shù)據(jù)預(yù)測(cè)代理模型是根據(jù)上述的模型訓(xùn)練方法得到的。
37、本申請(qǐng)第三方面提供一種計(jì)算設(shè)備，包括：
38、存儲(chǔ)器，被配置成存儲(chǔ)指令；
39、處理器，被配置成從存儲(chǔ)器調(diào)用指令以及在執(zhí)行指令時(shí)能夠?qū)崿F(xiàn)上述的模型訓(xùn)練方法，或上述的數(shù)據(jù)預(yù)測(cè)方法。
40、本申請(qǐng)第四方面提供一種機(jī)器可讀存儲(chǔ)介質(zhì)，該機(jī)器可讀存儲(chǔ)介質(zhì)上存儲(chǔ)有指令，該指令用于使得機(jī)器執(zhí)行上述的模型訓(xùn)練方法，或上述的數(shù)據(jù)預(yù)測(cè)方法。
41、本申請(qǐng)?zhí)峁┮环N模型訓(xùn)練方法，包括：將代理模型的每層節(jié)點(diǎn)數(shù)量確定為優(yōu)化變量，將預(yù)設(shè)樣本及預(yù)設(shè)訓(xùn)練次數(shù)下訓(xùn)練代理模型的測(cè)試誤差確定為適度函數(shù)；根據(jù)優(yōu)化變量，構(gòu)建遺傳種群，個(gè)體為優(yōu)化變量的編碼；基于適度函數(shù)，迭代遺傳種群，直到得到滿足迭代條件的目標(biāo)遺傳種群；根據(jù)目標(biāo)遺傳種群中的最優(yōu)個(gè)體，得到代理模型最優(yōu)結(jié)構(gòu)；訓(xùn)練代理模型最優(yōu)結(jié)構(gòu)，得到塔機(jī)的數(shù)據(jù)預(yù)測(cè)代理模型。通過遺傳種群對(duì)塔機(jī)的代理模型參數(shù)進(jìn)行尋優(yōu)，在不依賴建模人員經(jīng)驗(yàn)的情況下，能夠穩(wěn)定得到代理模型最優(yōu)結(jié)構(gòu)，進(jìn)而可以利用代理模型獲取到長(zhǎng)期使用的塔機(jī)準(zhǔn)確應(yīng)力和位移等數(shù)據(jù)。
42、本申請(qǐng)實(shí)施例的其它特征和優(yōu)點(diǎn)將在隨后的具體實(shí)施方式部分予以詳細(xì)說明。
本文檔來自技高網(wǎng)...【技術(shù)保護(hù)點(diǎn)】
1.一種模型訓(xùn)練方法，其特征在于，所述模型訓(xùn)練方法包括：
2.根據(jù)權(quán)利要求1所述的模型訓(xùn)練方法，其特征在于，所述根據(jù)所述優(yōu)化變量，構(gòu)建遺傳種群，包括：
3.根據(jù)權(quán)利要求2所述的模型訓(xùn)練方法，其特征在于，所述根據(jù)目標(biāo)遺傳種群中的最優(yōu)個(gè)體，得到代理模型最優(yōu)結(jié)構(gòu)，包括：
4.根據(jù)權(quán)利要求2所述的模型訓(xùn)練方法，其特征在于，所述對(duì)所述優(yōu)化變量進(jìn)行二進(jìn)制編碼，確定編碼后的優(yōu)化變量的編碼位數(shù)，包括：
5.根據(jù)權(quán)利要求1所述的模型訓(xùn)練方法，其特征在于，所述基于所述適度函數(shù)，迭代所述遺傳種群，直到得到滿足迭代條件的目標(biāo)遺傳種群，包括：
6.根據(jù)權(quán)利要求5所述的模型訓(xùn)練方法，其特征在于，所述基于所述適度函數(shù)，從所述遺傳種群中抽取優(yōu)異個(gè)體，以得到包括至少兩個(gè)優(yōu)異個(gè)體的育種族群，包括：
7.根據(jù)權(quán)利要求5所述的模型訓(xùn)練方法，其特征在于，所述基于所述適度函數(shù)，從所述遺傳種群中抽取優(yōu)異個(gè)體，以得到包括至少兩個(gè)優(yōu)異個(gè)體的育種族群，包括：
8.一種數(shù)據(jù)預(yù)測(cè)方法，其特征在于，所述數(shù)據(jù)預(yù)測(cè)方法包括：
9.一種計(jì)算設(shè)備，其
10.一種機(jī)器可讀存儲(chǔ)介質(zhì)，其特征在于，該機(jī)器可讀存儲(chǔ)介質(zhì)上存儲(chǔ)有指令，該指令用于使得機(jī)器執(zhí)行根據(jù)權(quán)利要求1至7中任一項(xiàng)的模型訓(xùn)練方法，或權(quán)利要求8中的數(shù)據(jù)預(yù)測(cè)方法。
...【技術(shù)特征摘要】
1.一種模型訓(xùn)練方法，其特征在于，所述模型訓(xùn)練方法包括：
2.根據(jù)權(quán)利要求1所述的模型訓(xùn)練方法，其特征在于，所述根據(jù)所述優(yōu)化變量，構(gòu)建遺傳種群，包括：
3.根據(jù)權(quán)利要求2所述的模型訓(xùn)練方法，其特征在于，所述根據(jù)目標(biāo)遺傳種群中的最優(yōu)個(gè)體，得到代理模型最優(yōu)結(jié)構(gòu)，包括：
4.根據(jù)權(quán)利要求2所述的模型訓(xùn)練方法，其特征在于，所述對(duì)所述優(yōu)化變量進(jìn)行二進(jìn)制編碼，確定編碼后的優(yōu)化變量的編碼位數(shù)，包括：
5.根據(jù)權(quán)利要求1所述的模型訓(xùn)練方法，其特征在于，所述基于所述適度函數(shù)，迭代所述遺傳種群，直到得到滿足迭代條件的目標(biāo)遺傳種群，包括：
6.根據(jù)權(quán)利...
【專利技術(shù)屬性】
技術(shù)研發(fā)人員：員征文，柳青揚(yáng)，佘玲娟，張鵬，褚盼，顏鍍鐳，
申請(qǐng)(專利權(quán))人：中聯(lián)重科建筑起重機(jī)械有限責(zé)任公司，
類型：發(fā)明
國別省市：
還沒有人留言評(píng)論。發(fā)表了對(duì)其他瀏覽者有用的留言會(huì)獲得科技券。