本發(fā)明涉及ai智能閥門執(zhí)行器訓(xùn)練，尤其涉及基于多模態(tài)大模型的ai智能閥門執(zhí)行器訓(xùn)練方法及系統(tǒng)。

背景技術(shù)：

1、閥門執(zhí)行器是閥門開啟關(guān)閉的控制執(zhí)行機構(gòu)，其結(jié)構(gòu)一般包括動力單元、控制單元和執(zhí)行單元，一般應(yīng)用于流體管路特別是液體管路系統(tǒng)中，在出現(xiàn)緊急情況的時候，相關(guān)操作人員無法第一時間到現(xiàn)場啟閉閥門，或者是人員無法接近閥門現(xiàn)場，同時動力單元又失去電源或者氣源時，執(zhí)行器可以驅(qū)動閥門到達預(yù)先設(shè)置的安全狀態(tài)；

2、但是，在現(xiàn)有技術(shù)中，在對ai智能閥門執(zhí)行器訓(xùn)練過程中，無法準(zhǔn)確的分析出ai智能閥門執(zhí)行器的訓(xùn)練狀態(tài)情況，進而導(dǎo)致ai智能閥門執(zhí)行器的訓(xùn)練誤差風(fēng)險增大，同時不利于ai智能閥門執(zhí)行器在不同場景下均能精準(zhǔn)控制，且無法仿真的角度對ai智能閥門執(zhí)行器的訓(xùn)練精度驗證，導(dǎo)致執(zhí)行誤差增大，同時隨著ai智能閥門的退化，無法靈活自主調(diào)整ai智能閥門執(zhí)行器訓(xùn)練周期，導(dǎo)致ai智能閥門執(zhí)行器調(diào)控精度下降；

3、針對上述的技術(shù)缺陷，現(xiàn)提出一種解決方案。

技術(shù)實現(xiàn)思路

1、本發(fā)明的目的在于提供基于多模態(tài)大模型的ai智能閥門執(zhí)行器訓(xùn)練方法及系統(tǒng)，去解決上述提出的技術(shù)缺陷，本發(fā)明初步從ai智能閥門執(zhí)行器訓(xùn)練過程中訓(xùn)練讀取速率角度進行分析，一方面有助于確保構(gòu)建的閥門動態(tài)響應(yīng)模型的有效性，另一方面有助于對ai智能閥門執(zhí)行器訓(xùn)練過程進行安全監(jiān)管，以確保ai智能閥門執(zhí)行器的正常，進而降低ai智能閥門執(zhí)行器訓(xùn)練的失敗率，并進一步從ai智能閥門執(zhí)行器的泛用性角度進行分析，以便對當(dāng)前ai智能閥門執(zhí)行器的訓(xùn)練范圍進行調(diào)整，以提高當(dāng)前ai智能閥門執(zhí)行器在不同場景下均能精準(zhǔn)控制ai智能閥門，同時從仿真測試的角度進行分析，保證輸出動作結(jié)果與實際結(jié)果始終保持在誤差范圍內(nèi)，而通過深入式的方式對ai智能閥門執(zhí)行器的綜合性能進行分析，以便依據(jù)ai智能閥門的性能退化情況進行合理的自主訓(xùn)練周期調(diào)整，以提高ai智能閥門執(zhí)行器的持續(xù)控制質(zhì)量和精準(zhǔn)性。

2、本發(fā)明的目的可以通過以下技術(shù)方案實現(xiàn)：基于多模態(tài)大模型的ai智能閥門執(zhí)行器訓(xùn)練系統(tǒng)，包括訓(xùn)練處理器、訓(xùn)練誤差分析單元、遞進測評單元、仿真評價單元、自主訓(xùn)練管理單元以及訓(xùn)練管理單元；

3、所述訓(xùn)練處理器用于調(diào)取ai智能閥門執(zhí)行器的歷史運行數(shù)據(jù)，并將歷史運行數(shù)據(jù)發(fā)送至訓(xùn)練誤差分析單元進行訓(xùn)練誤差追蹤測評分析，得到異常信號或正常信號，當(dāng)生成正常信號時，遞進測評單元用于對采集的ai智能閥門執(zhí)行器的適應(yīng)性訓(xùn)練的輸出結(jié)果進行訓(xùn)練判別處理，得到全面信號或缺陷信號，其中，適應(yīng)性訓(xùn)練包括閉環(huán)測試訓(xùn)練和故障容錯訓(xùn)練；

4、當(dāng)生成正常信號時，仿真評價單元用于對獲取的ai智能閥門執(zhí)行器的實測誤差值進行仿真測試反饋分析，得到穩(wěn)定信號或偏差信號，自主訓(xùn)練管理單元用于獲取ai智能閥門的綜合性能評分，同時對綜合性能評分進行自主訓(xùn)練更新周期調(diào)控分析，得到自主訓(xùn)練規(guī)劃更新周期。

5、優(yōu)選的，所述訓(xùn)練誤差追蹤測評分析過程如下：

6、采集到ai智能閥門執(zhí)行器的訓(xùn)練時段，并將ai智能閥門執(zhí)行器的訓(xùn)練時段設(shè)定為時間閾值，獲取到時間閾值內(nèi)ai智能閥門執(zhí)行器的歷史運行數(shù)據(jù)，歷史運行數(shù)據(jù)包括壓力、流量、行程位置，基于歷史運行數(shù)據(jù)和采用?lstm神經(jīng)網(wǎng)絡(luò)構(gòu)建閥門動態(tài)響應(yīng)模型；

7、獲取到時間閾值內(nèi)ai智能閥門執(zhí)行器的訓(xùn)練讀取速率曲線，從訓(xùn)練讀取速率曲線中獲取到最大波峰值和最小波谷值，獲取到最大波峰值和最小波谷值之間的差值，并對最大波峰值和最小波谷值之間的差值進行判別處理，若最大波峰值和最小波谷值之間的差值小于預(yù)設(shè)閾值，則生成反饋指令；

8、當(dāng)生成反饋指令時，獲取到最大波峰值和最小波谷值相加后的均值，并對最大波峰值和最小波谷值相加后的均值進行判別處理，得到異常信號或正常信號。

9、優(yōu)選的，所述訓(xùn)練判別處理過程如下：

10、獲取到時間閾值內(nèi)ai智能閥門執(zhí)行器的適應(yīng)性訓(xùn)練的輸出結(jié)果，適應(yīng)性訓(xùn)練包括閉環(huán)測試訓(xùn)練、故障容錯訓(xùn)練，輸出結(jié)果包括合格和不合格，獲取到ai智能閥門執(zhí)行器的適應(yīng)性訓(xùn)練的輸出結(jié)果為合格對應(yīng)的個數(shù)，并對ai智能閥門執(zhí)行器的適應(yīng)性訓(xùn)練的輸出結(jié)果為合格對應(yīng)的個數(shù)進行判別處理，得到全面信號或缺陷信號。

11、優(yōu)選的，所述仿真測試反饋分析過程如下：

12、在仿真環(huán)境中構(gòu)建動態(tài)物理模型，同時獲取到ai智能閥門當(dāng)前設(shè)定環(huán)境下的視覺圖像，同時獲取到輸入的文本指令，生成基于視覺圖像和文本指令的引導(dǎo)指令，將視覺圖像、文本指令和引導(dǎo)指令輸入到閥門動態(tài)響應(yīng)模型，得到閥門動態(tài)響應(yīng)模型輸出的動作指令，其中，文本指令是ai智能閥門執(zhí)行器執(zhí)行任務(wù)的任務(wù)目標(biāo)。

13、優(yōu)選的，獲取到在動態(tài)物理模型中ai智能閥門執(zhí)行器的實際響應(yīng)動作指令與閥門動態(tài)響應(yīng)模型輸出的動作指令之間的實測誤差值，并對實測誤差值進行判別處理，若實測誤差值小于等于預(yù)設(shè)實測誤差值閾值，則生成穩(wěn)定信號，若實測誤差值大于預(yù)設(shè)實測誤差值閾值，則生成偏差信號。

14、優(yōu)選的，所述自主訓(xùn)練更新周期調(diào)控分析過程如下：獲取到時間閾值內(nèi)ai智能閥門的歷史工況數(shù)據(jù)和傳感器監(jiān)測數(shù)據(jù)，歷史工況數(shù)據(jù)包括啟閉次數(shù)、力矩值、響應(yīng)時間，傳感器監(jiān)測數(shù)據(jù)包括振動和溫度，對歷史工況數(shù)據(jù)和傳感器監(jiān)測數(shù)據(jù)進行預(yù)處理，預(yù)處理包括清洗、數(shù)據(jù)增強，基于預(yù)處理后的歷史工況數(shù)據(jù)和傳感器監(jiān)測數(shù)據(jù)構(gòu)建綜合性能評分模型。

15、優(yōu)選的，基于綜合性能評分模型獲取到時間閾值內(nèi)ai智能閥門的綜合性能評分，對綜合性能評分進行判別處理，若綜合性能評分小于預(yù)設(shè)綜合性能評分閾值，則獲取到綜合性能評分的變化量，并對綜合性能評分的變化量進行判別處理：若綜合性能評分的變化量小于預(yù)設(shè)閾值，則判定為一級退化，若綜合性能評分的變化量大于等于預(yù)設(shè)閾值，則判定為二級退化，獲取到一級退化或二級退化對應(yīng)的預(yù)設(shè)周期縮減值，獲取到時間閾值內(nèi)ai智能閥門執(zhí)行器的自主訓(xùn)練更新周期，將自主訓(xùn)練更新周期減去自主訓(xùn)練更新周期與預(yù)設(shè)周期縮減值的積值得到的值設(shè)定為自主訓(xùn)練規(guī)劃更新周期。

16、基于多模態(tài)大模型的ai智能閥門執(zhí)行器訓(xùn)練方法，包括以下步驟：

17、步驟一：前期閥門動態(tài)響應(yīng)模型訓(xùn)練誤差測評過程；

18、步驟二：通過信息遞進的方式從泛用性角度對ai智能閥門執(zhí)行器的訓(xùn)練范圍進行測評處理；

19、步驟三：基于仿真環(huán)境下的ai智能閥門執(zhí)行器的執(zhí)行誤差監(jiān)管操作；

20、步驟四：構(gòu)建ai智能閥門的綜合性能評分模型和基于綜合性能評分模型分析下的自主訓(xùn)練周期調(diào)控過程。

21、本發(fā)明的有益效果如下：

22、（1）本發(fā)明初步從ai智能閥門執(zhí)行器訓(xùn)練過程中訓(xùn)練讀取速率角度進行分析，一方面有助于確保構(gòu)建的閥門動態(tài)響應(yīng)模型的有效性，另一方面有助于對ai智能閥門執(zhí)行器訓(xùn)練過程進行安全監(jiān)管，以確保ai智能閥門執(zhí)行器的正常，進而降低ai智能閥門執(zhí)行器訓(xùn)練的失敗率，并進一步從ai智能閥門執(zhí)行器的泛用性角度進行分析，以便對當(dāng)前ai智能閥門執(zhí)行器的訓(xùn)練范圍進行調(diào)整，以提高當(dāng)前ai智能閥門執(zhí)行器在不同場景下均能精準(zhǔn)控制ai智能閥門；

23、（2）本發(fā)明從仿真測試的角度進行分析，保證輸出動作結(jié)果與實際結(jié)果始終保持在誤差范圍內(nèi)，而通過深入式的方式對ai智能閥門的綜合性能進行分析，以便依據(jù)ai智能閥門的性能退化情況進行合理的自主訓(xùn)練周期調(diào)整，以提高ai智能閥門執(zhí)行器的持續(xù)控制質(zhì)量和精準(zhǔn)性。