[0001] 本发明涉及电气设备控制技术领域，尤其涉及一种工作站控制模式转换方法及系统。

[0002] 对于电焊作业的自动化生产流水线而言，整条流水线生产设备具备多样化，例如点焊夹具、焊接机器人、三轴变换机等，而对于不同设备的整体控制的工况下，要求的控制
效率及控制整体度都较高。

[0003] 当前采用的技术手段通过工作站集中对多个生产设备的运行状况进行显示，然后通过工作人员进行监控并进行对应的调整及指令编辑。

[0004] 由于需要工况需要转换或者部分机械故障时，不能保证控制效率，所以需要整体流水线停止运行之后，逐一对生产设备进行配置后，再进行启动，会影响生产效率，另外该
种操控模式的主观影响程度较大，当操控人员出现失误时，有可能导致部分生产设备超过
额定限制，对流水线上的电气设备造成安全性危害，风险较高。

[0046] 为使本发明的目的、技术方案和优点更加清楚，下面将结合本发明中的附图，对本发明中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，
而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳
动前提下所获得的所有其他实施例，都属于本发明保护的范围。以下实施例用于说明本发
明，但不能用来限制本发明的范围。

[0047] 在本发明实施例的描述中，需要说明的是，术语“中心”、“纵向”、“横向”、“上”、“下”、“前”、“后”、“左”、“右”、“竖直”、“水平”、“顶”、“底”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明实施例和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此
不能理解为对本发明实施例的限制。此外，术语“第一”、“第二”、“第三”仅用于描述目的，而不能理解为指示或暗示相对重要性。

[0048] 在本发明实施例的描述中，需要说明的是，除非另有明确的规定和限定，术语“相连”、“连接”应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或一体连接；可以是机械连接，也可以是电连接；可以是直接相连，也可以通过中间媒介间接相连。对于本领
域的普通技术人员而言，可以具体情况理解上述术语在本发明实施例中的具体含义。

[0049] 在本发明实施例中，除非另有明确的规定和限定，第一特征在第二特征“上”或“下”可以是第一和第二特征直接接触，或第一和第二特征通过中间媒介间接接触。而且，第
一特征在第二特征“之上”、“上方”和“上面”可是第一特征在第二特征正上方或斜上方，或
仅仅表示第一特征水平高度高于第二特征。第一特征在第二特征“之下”、“下方”和“下面”
可以是第一特征在第二特征正下方或斜下方，或仅仅表示第一特征水平高度小于第二特
征。

[0050] 在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明实施例的至少一个实施例或示例中。在本说明书中，对上述术语的示意性
表述不必须针对的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可
以在任一个或多个实施例或示例中以合适的方式结合。此外，在不相互矛盾的情况下，本领
域的技术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征
进行结合和组合。

[0051] 下面结合图1至图2描述本发明实施例。

[0052] 如图1所示，本发明提供一种工作站控制模式转换方法，包括：

[0053] S1：采集历史命令数据，根据工作站的每种控制模式对应截取获得指定命令数据；

[0054] 在实际运用中，可以预先对生产流水线设定多种工况下的控制模式，每种设定的工作模式下，可以包括各个设备的启动时间、车型选择、夹具设定及焊接机器人参数等等的
组合配置。

[0055] 其中，步骤S1具体包括：

[0056] S11：提取工作站对应的每种控制模式对应的多个关键字段，分别获得每种控制模式对应的关键字段组合；

[0057] 对于设定的每个控制模式，都有区别于其它工作模式的命令信息，即上述的关键字段，本阶段首先针对单个控制模式的组合配置内，多个配置的关键字段进行选择并组合，
获得上述的关键字段组合。

[0058] S12：根据关键字段组合的数据量，设定滑动窗口；

[0059] 本阶段根据步骤S11中获得的关键字段组合数据量，例如若关键字段组合中最长字段为N，则在此基础上添加部分冗余，设定N+2长度的滑动窗口，通过此滑动窗口执行后续
步骤。

[0060] S13：通过所述滑动窗口对所述历史命令数据进行截取，获得命令文本；

[0061] 通过S12中设定的滑动窗口，可以提取到历史数据命令中对应的关键字段，对于每个控制模式均通过此方式进行提取，即可以获得步骤S13中的命令文本。

[0062] S14：对所述命令文本进行清洗，分别获得每种控制模式对应的指定命令数据。

[0063] 然后对步骤S13中获得的命令文本进行数据的重新审查、检验及筛选，可以将一些不符合规定的命令数据进行剔除，从而获得每种工作模式指定的命令数据。

[0064] S2：对所述指定命令数据进行迭代交叉验证，获得每条所述指定命令数据的可信度分数；

[0065] 其中，步骤S2具体包括：

[0066] S21：引入工作站操控的多个工作模块的历史运行数据；

[0067] 本阶段首先按照指定命令数据的历史时间对应采集该命令数据对应的对工作站控制的设备的运行情况，也就是上述的历史运行数据。

[0068] S22：将所述历史运行数据根据控制模式进行分类，并将分类后的历史运行数据与所述指定命令数据进行对应，获得每种控制模式对应的历史数据组合；

[0069] 进一步的，在步骤S22中获得历史数据组合后，可以将多个历史数据组合进行特征提取，然后将提取到的特征进行连结操作，获得用于后续验证的特征表示。

[0070] S23：对每个历史数据组合中的每条历史命令数据及历史运行数据均进行交互验证，获得可信度分数。

[0071] 在上述的迭代交叉验证步骤中，首先对任一特征表示进行第一轮交叉验证，然后根据缩放点积注意力的评分函数并以一个可训练参数，计算获得交互结果，作为该条特征
表示的验证得分。

[0072] 然后其它特征表示也进行上述操作，也就是当前特征表示与其他所有特征表示均进行该交互操作得到对当前特征表示的验证得分，对这些得分取均值并经过一个全连接层
以及指数函数和tanh激活函数的非线性变换，得到当前特征表示的一个总体验证得分，其
他特征表示也进行该步骤。

[0073] 之后的每轮迭代进行同样的操作，仍以当前特征表示为基础，但以其他特征表示上轮迭代的总体验证得分与其原特征表示的乘积迭代，最终第I轮迭代后每个特征表示的
总体验证得分为所述反应每条特征表示可信程度的初步结果，即为步骤S23中的可信度分
数。

[0074] S3：根据所述可信度分数计算获得每条指定命令数据与对应控制模式的关联度分数；

[0075] 其中，步骤S3中具体包括：

[0076] S31:对所述可信度分数进行无量纲化处理，获得预处理可信度分数；

[0077] S32：在每个控制模式对应的指定命令数据集合内，对每个指定命令数据对应的可信度分数通过离散函数计算获得差值，并根据计算获得的差值顺序建立差值梯度；

[0078] 本阶段的关联分析实质为各个参数所构成的曲线的几何形状差异，本发明中通过离散函数进行几何形状差异的识别与分析，以将差异值作为关联程度的衡量尺度。

[0079] S33：根据所述差值梯度对每条指定命令数据与对应控制模式的关联程度进行赋值，获得关联度分数。

[0080] 在步骤S32中获得的差值梯度，可以分为关联程度1至10，关联程度数值越大代表关联程度越高，那么进一步的，可以对不同的关联程度梯次进行根据经验值的赋值，例如在
一些实施例中，对点焊流水线的赋值，由1至10的关联程度赋为0.527至1。

[0081] S4：将所述关联度分数结合工作站操控的多个工作模块的配置信息，进行深度学习获得指定命令数据和控制模式的识别模型；

[0082] 其中，步骤S4中的所述配置信息包括工作模块的额定容量、最大输入电流、控制频率、额定过载及控制方式。

[0083] 进一步的，对不同的生产用途，不同的工业生产设备，可以根据对上述配置信息进行调整，但是配置信息中至少应该包括该设备的额定范围，而对这些配置信息总体而言，大
致分为如下类别：输入参数、输出参数、控制性能、机械性能及环境要求。

[0084] 在一些实施例中，不仅是配置信息中的参数类型，参数数量也可以进行相应的调整，例如对点焊流水线的配置参数，在上述的配置类型下，可以具体对，输入参数中包括的
输入电压、输入频率、最大输入电流、功率因数，输出参数中包括的额定容量、输出电压、满
载效率、最大输出电流、频率范围、电机类型，控制性能中包括的控制方式、稳速精度、电流
响应时间、动态速降，环境要求中海拔高度、环境温度、冷却水温度、噪声、冷却方式、执行标
准等等，选择必要的配置参数以用于步骤S4中的模型训练，以进一步对控制模式的转换更
为精确。

[0085] 其中，步骤S4中，训练获得识别模型时，以所述配置信息作为深度学习模型的输入，以所述关联度分数对所述配置信息进行指导。

[0086] 在训练识别模型时，本发明借鉴了ResNet思想，以关联度分数作为指导旁路，对配置信息进行卷积，提升了训练模型的分类精度，以对后续输出流数据进行控制时的控制准
确度进行提升。

[0087] S5：基于所述识别模型对工作站当前运行情况进行识别，获得控制模式流数据，通过所述控制模式流数据切换工作站的控制模式。

[0088] 其中，步骤S5还包括：

[0089] S51：识别模型将输出的所述控制模式流数据发送至工作站；

[0090] S52：所述工作站接收所述控制模式流数据，并对所述控制模式流数据进行解析，获得分别针对多个工作模块的多个电控参数集合；

[0091] S53：所述工作站将多个电控参数集合分别发送至对应的工作模块，工作模块根据获得的电控参数，根据初始配置信息中的控制方式对设备部件进行控制。

[0092] 生成的流数据，可以通过工作站输出至配电系统，从而令配电系统中的主柜、从柜、伺服柜等分别执行流数据中的控制参数，驱动不同的电气设备执行生产任务。

[0093] 如图2所示，本发明还提供一种工作站控制模式转换系统，用以执行如以上任一项所述的一种工作站控制模式转换方法，包括：

[0094] 数据处理模块100：用于采集历史命令数据，根据工作站的每种控制模式对应截取获得指定命令数据；

[0095] 分数计算模块200：用于对所述指定命令数据进行迭代交叉验证，获得每条所述指定命令数据的可信度分数；还用于根据所述可信度分数计算获得每条指定命令数据与对应
控制模式的关联度分数；

[0096] 模型训练模块300：用于将所述关联度分数结合工作站操控的多个工作模块的配置信息，进行深度学习获得指定命令数据和控制模式的识别模型；

[0097] 流数据输出模块400：用于基于所述识别模型对工作站当前运行情况进行识别，获得控制模式流数据，通过所述控制模式流数据切换工作站的控制模式。

[0098] 其中，所述分数计算模块200进一步包括：

[0099] 可信度计算单元210：用于对所述指定命令数据进行迭代交叉验证，获得每条所述指定命令数据的可信度分数；

[0100] 关联度计算单元220：用于根据所述可信度分数计算获得每条指定命令数据与对应控制模式的关联度分数。

[0101] 在一些实施例中，该系统可因配置或性能不同而产生比较大的差异，可以包括一个或一个以上处理器，例如，一个或一个以上处理器和存储器，一个或一个以上存储应用程
序或数据的存储介质，例如一个或一个以上海量存储设备。其中，存储器和存储介质可以是
短暂存储或持久存储。存储在存储介质的程序可以包括一个或一个以上模块，每个模块可
以包括对该系统中的一系列指令操作。更进一步地，处理器可以设置为与存储介质通信，在
该系统上执行存储介质中的一系列指令操作。

[0102] 该系统还可以包括一个或一个以上电源，一个或一个以上有线或无线网络接口，一个或一个以上输入输出接口，和/或，一个或一个以上操作系统，例如WindowsServe，
MacOSX，Unix，Linux，FreeBSD等等。本领域技术人员可以理解，以上示出的系统结构并不构
成对该设备的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部
件布置。

[0103] 所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的系统，装置和单元的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。

[0104] 所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或通过时，可以存储在一个计算机可读取存储介质中。基于的理解，本发明的技术方案本质上或者
说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现
出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备
(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例所述方法的全部或
部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(read‑onlymemory，ROM)、随
机存取存储器(randomacceSmemory，RAM)、磁碟或者光盘等各种可以存储程序代码的介质。

[0105] 最后应说明的是：以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可
以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；
而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和
范围。