(19)中华 人民共和国 国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202111469851.7 (22)申请日 2021.12.04 (71)申请人 浙江中控技 术股份有限公司 地址 310059 浙江省杭州市滨江区六和路 309号 (72)发明人 赖景宇　王茜　陈善镇　 (51)Int.Cl. G06Q 10/04(2012.01) G06N 3/08(2006.01) G06N 3/04(2006.01) G06K 9/62(2022.01) (54)发明名称 基于深度学习的控制系统优化方法、 装置和 电子装置 (57)摘要 本申请涉及一种基于深度学习的控制系统 优化方法、 装置和电子装置， 其中， 该基于深度学 习的控制系统优化方法包括： 获取控制系统各个 节点的节点运行信息； 根据所述节点运行信息， 调整指标预测模 型中的参数内容； 将所述节点运 行信息输入指标预测模型， 获得指标预测结果； 根据所述指标预测结果， 对控制系统进行优化。 通过本申请， 采用指标预测模型对节 点运行信息 进行预测， 生成指标预测结果， 根据所述指标预 测结果， 对控制系统进行优化， 解决了控制系统 维护困难的问题， 实现了对控制系统各个节点的 及时维护。 权利要求书2页 说明书8页 附图2页 CN 114139811 A 2022.03.04 CN 114139811 A 1.一种基于深度学习的控制系统优化方法， 其特 征在于， 包括： 获取控制系统各个节点的节点 运行信息； 根据所述节点 运行信息， 调整指标 预测模型中的参数内容； 将所述节点 运行信息 输入指标 预测模型， 获得指标 预测结果； 根据所述指标 预测结果， 对 控制系统进行优化。 2.根据权利要求1所述的基于深度学习的控制系统优化方法， 其特征在于， 所述将所述 节点运行信息 输入指标 预测模型， 获得指标 预测结果包括： 建立神经网络模型， 将含有不同类型数据的节点运行信 息作为训练集对神经网络模型 进行训练， 获得指标预测模型， 所述指标预测模型的输入为所述训练集， 输出为所述指标预 测结果。 3.根据权利要求2所述的基于深度学习的控制系统优化方法， 其特征在于， 所述建立神 经网络模型， 将含有不同类型数据的节点运行信息作为训练集对神经网络模型进行训练， 获得指标 预测模型包括： 将所述神经网络模型进行复制， 获得多个复制模型； 根据含有不同类型数据的节点运行信 息分别对多个所述复制模型进行训练， 得到多个 复制指标模型； 根据多个所述复制指标模型， 生成所述指标 预测模型。 4.根据权利要求3所述的基于深度学习的控制系统优化方法， 其特征在于， 所述根据多 个所述复制指标模型， 生成所述指标 预测模型包括： 其中， 所述复制指标模型对应一个损失函数； 将多个所述复制 指标模型的损失函数进行排序， 为所述复制指标模型分配对应的权重 系数； 根据权重系数将多个所述复制指标模型进行加权处 理， 生成所述指标 预测模型。 5.根据权利要求4所述的基于深度学习的控制系统优化方法， 其特征在于， 所述将多个 所述复制指标模型的损失函数进行排序， 为所述复制指标模型分配对应的权 重系数包括： 检测所述复制指标模型的损失函数 是否小于预设函数阈值； 若所述复制指标模型的损失函数大于或等于预设函数阈值， 则该复制 指标模型不进行 排序。 6.根据权利要求3~5任意一项所述的基于深度 学习的控制系统优化方法， 其特征在于， 所述将所述节点 运行信息 输入指标 预测模型， 获得指标 预测结果还 包括： 根据所述指标 预测结果， 调整神经网络模型的结构与参数。 7.一种基于深度学习的控制系统优化装置， 其特 征在于， 包括： 信息获取模块， 用于获取控制系统各个节点的节点 运行信息； 参数调整模块， 用于根据所述节点 运行信息， 调整指标 预测模型中的参数内容； 指标预测模块， 用于将所述节点 运行信息 输入指标 预测模型， 获得指标 预测结果； 系统优化模块， 用于根据所述指标 预测结果， 对 控制系统进行优化。 8.一种电子装置， 包括存储器和处理器， 其特征在于， 所述存储器中存储有计算机程 序， 所述处理器被设置为运行所述计算机程序以执行权利要求1至6中任一项 所述的基于深 度学习的控制系统优化方法。权　利　要　求　书 1/2 页 2 CN 114139811 A 29.一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中任一项所述的基于深度学习的控制系统优化方法的步 骤。权　利　要　求　书 2/2 页 3 CN 114139811 A 3