基于人工智能的机组控制方法及系统、计算机存储介质

摘要

本发明公开了基于人工智能的机组控制方法及系统、计算机存储介质，包括：在采集到机组启动触发因子后采集机组启动影响因素，在确定出校正方向后根据校正方向确定机组类型并根据机组启动影响因素从相应机组中筛选出目标机组，并根据机组启动影响因素以及控制参数生成模型，生成对应的机组控制参数；基于机组控制参数，控制目标机组执行针对触发因素的校正操作。可见，本发明能够在存在待校正的触发因素的情况下实现机组及其控制参数的智能化确定，以实现对触发因素的智能化校正，提高了机组控制灵活性且还有利于提高校正效率及校正准确性，进而减少因触发因素校正不及时或者不准确而影响生产加工效率的情况发生。

权利要求

1.一种基于人工智能的机组控制方法，其特征在于，所述方法包括：

采集当前场景中的机组启动触发因子，所述机组启动触发因子包括触发对象以及所述触发对象触发机组的目标触发因素；所述触发对象包括所述当前场景中用于检测所述目标触发因素的检测设备；

采集所述当前场景中的机组启动影响因素，所述机组启动影响因素包括所述当前场景中的人员因素、所述当前场景中的工作中设备、所述当前场景中待启动时刻与当前时刻之间的时长小于等于预设时长阈值且与所述目标触发因素有影响关系的待启动设备、所述目标触发因素对应的当前参数、所述目标触发因素对应的正常参数范围、所述目标触发因素对应的预期校正时长、所述当前参数的源头影响设备所对应的设备参数；

根据所述当前参数与所述正常参数范围，确定所述目标触发因素对应的校正方向，根据所述校正方向确定待启动的机组类型，并根据所述机组启动影响因素，从所述机组类型对应的所有机组中筛选与所述机组启动影响因素相匹配的至少一个目标机组，并根据所述机组启动影响因素以及预先训练好的控制参数生成模型，生成每个所述目标机组对应的机组控制参数；

基于每个所述目标机组对应的机组控制参数，控制每个所述目标机组执行针对所述目标触发因素的校正操作，以使所述目标触发因素的参数处于所述正常参数范围内或者与所述正常参数范围的差异值满足预设差异条件。

2.根据权利要求1所述的基于人工智能的机组控制方法，其特征在于，所述采集当前场景中的机组启动触发因子之后，所述方法还包括：基于所述当前参数，预测不校正所述目标触发因素对所述当前场景带来的第一负向影响程度，以及，预测校正所述目标触发因素对所述当前场景带来的第二负向影响程度；

根据所述第一负向影响程度以及所述第二负向影响程度，判断所述目标触发因素是否满足校正条件；

当判断出所述目标触发因素满足所述校正条件时，触发执行所述采集所述当前场景中的机组启动影响因素的步骤；

其中，所述根据所述第一负向影响程度以及所述第二负向影响程度，判断所述目标触发因素是否满足校正条件，包括确定与所述当前场景的当前生产加工任务对应的优先考虑因子，所述优先考虑因子包括安全因子或者进度因子；

根据所述优先考虑因子、所述第一负向影响程度以及所述第二负向影响程度，判断所述目标触发因素是否满足校正条件。

3.根据权利要求2所述的基于人工智能的机组控制方法，其特征在于，所述根据所述机组启动影响因素，从所述机组类型对应的所有机组中筛选与所述机组启动影响因素相匹配的至少一个目标机组，包括：按照多个目标机组启动参考维度，将所有所述机组启动影响因素划分成多个影响因素组；不同的所述影响因素组对应不同的目标机组启动参考维度，同一所述影响因素组对应相同的目标机组启动参考维度；

根据每个所述影响因素组，确定与该影响因素组对应的机组确定依据；

根据所有所述影响因素组对应的机组确定依据，从所述机组类型对应的所有机组中筛选至少一个目标机组；

其中，所有所述目标机组启动参考维度包括位置维度、数量维度、功率维度、效率维度。

4.根据权利要求1‑3任一项所述的基于人工智能的机组控制方法，其特征在于，所述方法还包括：在控制每个所述目标机组执行针对所述目标触发因素的校正操作的过程中，判断是否存在因所述目标机组执行所述校正操作产生的其它触发因素；

当判断出存在所述其它触发因素时，基于所述其它触发因素的类型及当前分布信息，判断所述其它触发因素对所述当前场景的影响程度；

当所述影响程度为负向影响程度且所述影响程度的绝对值大于等于预设影响程度阈值时，判断所述当前场景的工作中设备是否存在用于校正所述其它触发因素的目标设备；

当判断出所述工作中设备中不存在所述目标设备时，根据所述影响程度、所述其它触发因素的类型以及所述当前分布信息，从所述当前场景中能够校正所述其它触发因素的所有设备中筛选出相匹配的校正设备；

当判断出所述工作中设备中存在所述目标设备时，将所述目标设备确定为校正设备；

控制所述校正设备执行对所述其它触发因素的校正操作；

其中，所述其它触发因素的类型不同于所述目标触发因素的类型。

5.根据权利要求4所述的基于人工智能的机组控制方法，其特征在于，在判断出所述工作中设备中存在所述目标设备之后，以及，在所述将所述目标设备确定为校正设备之前，所述方法还包括：根据所述工作中设备对应的设备信息及工作参数、所述其它触发因素的所述当前分布信息，计算所述工作中设备直接校正所述其它触发因素对应的校正效果参数，所述校正效果参数包括校正难度因子以及校正效率因子；

若所述校正效果参数不满足预设要求，则基于所述当前场景的三维地图及所述三维地图对应的设备布局信息，判断所述当前场景中是否存在用于削弱所述校正效果参数的辅助设备；

当判断出存在所述辅助设备时，执行所述的将所述目标设备确定为校正设备的操作；

以及，所述控制所述校正设备执行对所述其它触发因素的校正操作，包括：

在将所述目标设备确定为所述校正设备时，控制所述辅助设备将所述其它触发因素对应的对象或所述其它触发因素对应的介质引导至所述目标设备对应的校正范围内，并控制所述校正设备对其校正范围内的所述其它触发因素对应的对象或所述其它触发因素对应的介质引导执行校正操作；

其中，所述辅助设备为引导设备。

6.根据权利要求5所述的基于人工智能的机组控制方法，其特征在于，在判断出所述工作中设备中存在所述目标设备之后，所述方法还包括：根据所述其它触发因素对应的校正方式，判断所述目标设备校正所述其它触发因素对所述目标设备所需完成操作的影响程度；

判断所述目标设备校正所述其它触发因素对所述目标设备所需完成操作的影响程度是否小于等于预设影响程度阈值，当判断结果为是时，触发执行所述的根据所述工作中设备对应的设备信息及工作参数、所述其它触发因素的所述当前分布信息，计算所述工作中设备直接校正所述其它触发因素对应的校正效果参数的操作。

7.根据权利要求6所述的基于人工智能的机组控制方法，其特征在于，所述控制所述校正设备对其校正范围内的所述其它触发因素对应的对象或所述其它触发因素对应的介质引导执行校正操作，包括：确定当前时间所属的生产加工时间段，根据所述生产加工时间段对应的预期生产加工任务、当前生产加工任务以及所述目标设备在所述生产加工时间段的剩余生产加工时间段的不同子时间段所应承担的生产加工任务，确定所述目标设备所应承担的生产加工任务的任务占比小于等于预设占比阈值的目标子时间段；

在所述目标子时间段内控制所述校正设备对其校正范围内的所述其它触发因素对应的对象或所述其它触发因素对应的介质引导执行校正操作。

8.一种基于人工智能的机组控制系统，其特征在于，所述系统包括：

采集模块，用于采集当前场景中的机组启动触发因子，所述机组启动触发因子包括触发对象以及所述触发对象触发机组的目标触发因素；所述触发对象包括所述当前场景中用于检测所述目标触发因素的检测设备；

所述采集模块，还用于采集所述当前场景中的机组启动影响因素，所述机组启动影响因素包括所述当前场景中的人员因素、所述当前场景中的工作中设备、所述当前场景中待启动时刻与当前时刻之间的时长小于等于预设时长阈值且与所述目标触发因素有影响关系的待启动设备、所述目标触发因素对应的当前参数、所述目标触发因素对应的正常参数范围、所述目标触发因素对应的预期校正时长、所述当前参数的源头影响设备所对应的设备参数；

确定模块，用于根据所述当前参数与所述正常参数范围，确定所述目标触发因素对应的校正方向，根据所述校正方向确定待启动的机组类型，并根据所述机组启动影响因素，从所述机组类型对应的所有机组中筛选与所述机组启动影响因素相匹配的至少一个目标机组，并根据所述机组启动影响因素以及预先训练好的控制参数生成模型，生成每个所述目标机组对应的机组控制参数；

机组控制模块，用于基于每个所述目标机组对应的机组控制参数，控制每个所述目标机组执行针对所述目标触发因素的校正操作，以使所述目标触发因素的参数处于所述正常参数范围内或者与所述正常参数范围的差异值满足预设差异条件。

9.一种基于人工智能的机组控制系统，其特征在于，所述系统包括：

存储有可执行程序代码的存储器；

与所述存储器耦合的处理器；

所述处理器调用所述存储器中存储的所述可执行程序代码，执行如权利要求1‑7任一项所述的基于人工智能的机组控制方法。

10.一种计算机存储介质，其特征在于，所述计算机存储介质存储有计算机指令，所述计算机指令被调用时，用于执行如权利要求1‑7任一项所述的基于人工智能的机组控制方法。

说明书

基于人工智能的机组控制方法及系统、计算机存储介质

技术领域

[0001] 本发明涉及基于人工智能的智能化控制技术领域，尤其涉及基于人工智能的机组控制方法及系统、计算机存储介质。

背景技术

[0002] 当前，在某些场景内中，尤其是涉及生产加工的场景中，存在多种多样的机组设备，这些机组设备在相应场景中起着至关重要的作用，例如：在加工场景中，因为加工设备的持续运转会导致加工设备或加工设备所处的环境温度升高，这就需要冷水机组为加工设备或者加工设备所处的环境温度降温。

[0003] 当前的机组控制方法可以分为人为控制方法及智能化控制方法，智能化控制方法相较于人为控制方法而言，具有一定的安全性，且控制效率高。然而，实践发现，当前的智能化控制方式也是依赖于控制人员提前设定好的控制策略，控制方式固定，不利于实现对机组的灵活控制。

[0004] 可见，如何提高机组的控制灵活性，进而有利于提高机组的控制精准性显得尤为重要。

发明内容

[0005] 本发明所要解决的技术问题在于，提供一种基于人工智能的机组控制方法及系统、计算机存储介质，能够提高机组的控制灵活性，进而有利于提高机组的控制精准性。

[0006] 为了解决上述技术问题，本发明实施例第一方面公开了一种基于人工智能的机组控制方法，所述方法包括：

[0007] 一种基于人工智能的机组控制方法，其特征在于，所述方法包括：

[0008] 采集当前场景中的机组启动触发因子，所述机组启动触发因子包括触发对象以及所述触发对象触发机组的目标触发因素；所述触发对象包括所述当前场景中用于检测所述目标触发因素的检测设备；

[0009] 采集所述当前场景中的机组启动影响因素，所述机组启动影响因素包括所述当前场景中的人员因素、所述当前场景中的工作中设备、所述当前场景中待启动时刻与当前时刻之间的时长小于等于预设时长阈值且与所述目标触发因素有影响关系的待启动设备、所述目标触发因素对应的当前参数、所述目标触发因素对应的正常参数范围、所述目标触发因素对应的预期校正时长、所述当前参数的源头影响设备所对应的设备参数；

[0010] 根据所述当前参数与所述正常参数范围，确定所述目标触发因素对应的校正方向，根据所述校正方向确定待启动的机组类型，并根据所述机组启动影响因素，从所述机组类型对应的所有机组中筛选与所述机组启动影响因素相匹配的至少一个目标机组，并根据所述机组启动影响因素以及预先训练好的控制参数生成模型，生成每个所述目标机组对应的机组控制参数；

[0011] 基于每个所述目标机组对应的机组控制参数，控制每个所述目标机组执行针对所述目标触发因素的校正操作，以使所述目标触发因素的参数处于所述正常参数范围内或者与所述正常参数范围的差异值满足预设差异条件。

[0012] 作为一种可选的实施方式，在本发明实施例第一方面中，所述采集当前场景中的机组启动触发因子之后，所述方法还包括：

[0013] 基于所述当前参数，预测不校正所述目标触发因素对所述当前场景带来的第一负向影响程度，以及，预测校正所述目标触发因素对所述当前场景带来的第二负向影响程度；

[0014] 根据所述第一负向影响程度以及所述第二负向影响程度，判断所述目标触发因素是否满足校正条件；

[0015] 当判断出所述目标触发因素满足所述校正条件时，触发执行所述采集所述当前场景中的机组启动影响因素的步骤；

[0016] 其中，所述根据所述第一负向影响程度以及所述第二负向影响程度，判断所述目标触发因素是否满足校正条件，包括

[0017] 确定与所述当前场景的当前生产加工任务对应的优先考虑因子，所述优先考虑因子包括安全因子或者进度因子；

[0018] 根据所述优先考虑因子、所述第一负向影响程度以及所述第二负向影响程度，判断所述目标触发因素是否满足校正条件。

[0019] 作为一种可选的实施方式，在本发明实施例第一方面中，所述根据所述机组启动影响因素，从所述机组类型对应的所有机组中筛选与所述机组启动影响因素相匹配的至少一个目标机组，包括：

[0020] 按照多个目标机组启动参考维度，将所有所述机组启动影响因素划分成多个影响因素组；不同的所述影响因素组对应不同的目标机组启动参考维度，同一所述影响因素组对应相同的目标机组启动参考维度；

[0021] 根据每个所述影响因素组，确定与该影响因素组对应的机组确定依据；

[0022] 根据所有所述影响因素组对应的机组确定依据，从所述机组类型对应的所有机组中筛选至少一个目标机组；

[0023] 其中，所有所述目标机组启动参考维度包括位置维度、数量维度、功率维度、效率维度。

[0024] 作为一种可选的实施方式，在本发明实施例第一方面中，所述方法还包括：

[0025] 在控制每个所述目标机组执行针对所述目标触发因素的校正操作的过程中，判断是否存在因所述目标机组执行所述校正操作产生的其它触发因素；

[0026] 当判断出存在所述其它触发因素时，基于所述其它触发因素的类型及当前分布信息，判断所述其它触发因素对所述当前场景的影响程度；

[0027] 当所述影响程度为负向影响程度且所述影响程度的绝对值大于等于预设影响程度阈值时，判断所述当前场景的工作中设备是否存在用于校正所述其它触发因素的目标设备；

[0028] 当判断出所述工作中设备中不存在所述目标设备时，根据所述影响程度、所述其它触发因素的类型以及所述当前分布信息，从所述当前场景中能够校正所述其它触发因素的所有设备中筛选出相匹配的校正设备；

[0029] 当判断出所述工作中设备中存在所述目标设备时，将所述目标设备确定为校正设备；

[0030] 控制所述校正设备执行对所述其它触发因素的校正操作；

[0031] 其中，所述其它触发因素的类型不同于所述目标触发因素的类型。

[0032] 作为一种可选的实施方式，在本发明实施例第一方面中，在判断出所述工作中设备中存在所述目标设备之后，以及，在所述将所述目标设备确定为校正设备之前，所述方法还包括：

[0033] 根据所述工作中设备对应的设备信息及工作参数、所述其它触发因素的所述当前分布信息，计算所述工作中设备直接校正所述其它触发因素对应的校正效果参数，所述校正效果参数包括校正难度因子以及校正效率因子；

[0034] 若所述校正效果参数不满足预设要求，则基于所述当前场景的三维地图及所述三维地图对应的设备布局信息，判断所述当前场景中是否存在用于削弱所述校正效果参数的辅助设备；

[0035] 当判断出存在所述辅助设备时，执行所述的将所述目标设备确定为校正设备的操作；

[0036] 以及，所述控制所述校正设备执行对所述其它触发因素的校正操作，包括：

[0037] 在将所述目标设备确定为所述校正设备时，控制所述辅助设备将所述其它触发因素对应的对象或所述其它触发因素对应的介质引导至所述目标设备对应的校正范围内，并控制所述校正设备对其校正范围内的所述其它触发因素对应的对象或所述其它触发因素对应的介质引导执行校正操作；

[0038] 其中，所述辅助设备为引导设备。

[0039] 作为一种可选的实施方式，在本发明实施例第一方面中，在判断出所述工作中设备中存在所述目标设备之后，所述方法还包括：

[0040] 根据所述其它触发因素对应的校正方式，判断所述目标设备校正所述其它触发因素对所述目标设备所需完成操作的影响程度；

[0041] 判断所述目标设备校正所述其它触发因素对所述目标设备所需完成操作的影响程度是否小于等于预设影响程度阈值，当判断结果为是时，触发执行所述的根据所述工作中设备对应的设备信息及工作参数、所述其它触发因素的所述当前分布信息，计算所述工作中设备直接校正所述其它触发因素对应的校正效果参数的操作。

[0042] 作为一种可选的实施方式，在本发明实施例第一方面中，所述控制所述校正设备对其校正范围内的所述其它触发因素对应的对象或所述其它触发因素对应的介质引导执行校正操作，包括：

[0043] 确定当前时间所属的生产加工时间段，根据所述生产加工时间段对应的预期生产加工任务、当前生产加工任务以及所述目标设备在所述生产加工时间段的剩余生产加工时间段的不同子时间段所应承担的生产加工任务，确定所述目标设备所应承担的生产加工任务的任务占比小于等于预设占比阈值的目标子时间段；

[0044] 在所述目标子时间段内控制所述校正设备对其校正范围内的所述其它触发因素对应的对象或所述其它触发因素对应的介质引导执行校正操作。

[0045] 本发明实施例第二方面公开了一种基于人工智能的机组控制系统，所述系统包括：

[0046] 采集模块，用于采集当前场景中的机组启动触发因子，所述机组启动触发因子包括触发对象以及所述触发对象触发机组的目标触发因素；所述触发对象包括所述当前场景中用于检测所述目标触发因素的检测设备；

[0047] 所述采集模块，还用于采集所述当前场景中的机组启动影响因素，所述机组启动影响因素包括所述当前场景中的人员因素、所述当前场景中的工作中设备、所述当前场景中待启动时刻与当前时刻之间的时长小于等于预设时长阈值且与所述目标触发因素有影响关系的待启动设备、所述目标触发因素对应的当前参数、所述目标触发因素对应的正常参数范围、所述目标触发因素对应的预期校正时长、所述当前参数的源头影响设备所对应的设备参数；

[0048] 确定模块，用于根据所述当前参数与所述正常参数范围，确定所述目标触发因素对应的校正方向，根据所述校正方向确定待启动的机组类型，并根据所述机组启动影响因素，从所述机组类型对应的所有机组中筛选与所述机组启动影响因素相匹配的至少一个目标机组，并根据所述机组启动影响因素以及预先训练好的控制参数生成模型，生成每个所述目标机组对应的机组控制参数；

[0049] 机组控制模块，用于基于每个所述目标机组对应的机组控制参数，控制每个所述目标机组执行针对所述目标触发因素的校正操作，以使所述目标触发因素的参数处于所述正常参数范围内或者与所述正常参数范围的差异值满足预设差异条件。

[0050] 作为一种可选的实施方式，在本发明实施例第二方面中，所述系统还包括：第一判断模块，用于在所述采集模块采集当前场景中的机组启动触发因子之后，基于所述当前参数，预测不校正所述目标触发因素对所述当前场景带来的第一负向影响程度，以及，预测校正所述目标触发因素对所述当前场景带来的第二负向影响程度；根据所述第一负向影响程度以及所述第二负向影响程度，判断所述目标触发因素是否满足校正条件；当判断出所述目标触发因素满足所述校正条件时，触发所述采集模块执行所述采集所述当前场景中的机组启动影响因素的操作；

[0051] 其中，所述第一判断模块根据所述第一负向影响程度以及所述第二负向影响程度，判断所述目标触发因素是否满足校正条件的具体方式包括：

[0052] 确定与所述当前场景的当前生产加工任务对应的优先考虑因子，所述优先考虑因子包括安全因子或者进度因子；

[0053] 根据所述优先考虑因子、所述第一负向影响程度以及所述第二负向影响程度，判断所述目标触发因素是否满足校正条件。

[0054] 作为一种可选的实施方式，在本发明实施例第二方面中，所述确定模块根据所述机组启动影响因素，从所述机组类型对应的所有机组中筛选与所述机组启动影响因素相匹配的至少一个目标机组的具体方式包括：

[0055] 按照多个目标机组启动参考维度，将所有所述机组启动影响因素划分成多个影响因素组；不同的所述影响因素组对应不同的目标机组启动参考维度，同一所述影响因素组对应相同的目标机组启动参考维度；

[0056] 根据每个所述影响因素组，确定与该影响因素组对应的机组确定依据；

[0057] 根据所有所述影响因素组对应的机组确定依据，从所述机组类型对应的所有机组中筛选至少一个目标机组；

[0058] 其中，所有所述目标机组启动参考维度包括位置维度、数量维度、功率维度、效率维度。

[0059] 作为一种可选的实施方式，在本发明实施例第二方面中，所述系统还包括：

[0060] 第二判断模块，用于在控制每个所述目标机组执行针对所述目标触发因素的校正操作的过程中，判断是否存在因所述目标机组执行所述校正操作产生的其它触发因素；当判断出存在所述其它触发因素时，基于所述其它触发因素的类型及当前分布信息，判断所述其它触发因素对所述当前场景的影响程度；当所述影响程度为负向影响程度且所述影响程度的绝对值大于等于预设影响程度阈值时，判断所述当前场景的工作中设备是否存在用于校正所述其它触发因素的目标设备；

[0061] 所述确定模块，还用于当判断出所述工作中设备中不存在所述目标设备时，根据所述影响程度、所述其它触发因素的类型以及所述当前分布信息，从所述当前场景中能够校正所述其它触发因素的所有设备中筛选出相匹配的校正设备；以及，当判断出所述工作中设备中存在所述目标设备时，将所述目标设备确定为校正设备；

[0062] 校正优化模块，用于控制所述校正设备执行对所述其它触发因素的校正操作；

[0063] 其中，所述其它触发因素的类型不同于所述目标触发因素的类型。

[0064] 作为一种可选的实施方式，在本发明实施例第二方面中，所述第二判断模块，还用于在判断出所述工作中设备中存在所述目标设备之后，以及在所述确定模块将所述目标设备确定为校正设备之前，根据所述工作中设备对应的设备信息及工作参数、所述其它触发因素的所述当前分布信息，计算所述工作中设备直接校正所述其它触发因素对应的校正效果参数，所述校正效果参数包括校正难度因子以及校正效率因子；若所述校正效果参数不满足预设要求，则基于所述当前场景的三维地图及所述三维地图对应的设备布局信息，判断所述当前场景中是否存在用于削弱所述校正效果参数的辅助设备；当判断出存在所述辅助设备时，触发所述确定模块执行所述的将所述目标设备确定为校正设备的操作；

[0065] 以及，所述校正优化模块控制所述校正设备执行对所述其它触发因素的校正操作的具体方式包括：

[0066] 在将所述目标设备确定为所述校正设备时，控制所述辅助设备将所述其它触发因素对应的对象或所述其它触发因素对应的介质引导至所述目标设备对应的校正范围内，并控制所述校正设备对其校正范围内的所述其它触发因素对应的对象或所述其它触发因素对应的介质引导执行校正操作；

[0067] 其中，所述辅助设备为引导设备。

[0068] 作为一种可选的实施方式，在本发明实施例第二方面中，所述第二判断模块，还用于在判断出所述工作中设备中存在所述目标设备之后，根据所述其它触发因素对应的校正方式，判断所述目标设备校正所述其它触发因素对所述目标设备所需完成操作的影响程度；判断所述目标设备校正所述其它触发因素对所述目标设备所需完成操作的影响程度是否小于等于预设影响程度阈值，当判断结果为是时，触发执行所述的根据所述工作中设备对应的设备信息及工作参数、所述其它触发因素的所述当前分布信息，计算所述工作中设备直接校正所述其它触发因素对应的校正效果参数的操作。

[0069] 作为一种可选的实施方式，在本发明实施例第二方面中，所述校正优化模块控制所述校正设备对其校正范围内的所述其它触发因素对应的对象或所述其它触发因素对应的介质引导执行校正操作的具体方式包括：

[0070] 确定当前时间所属的生产加工时间段，根据所述生产加工时间段对应的预期生产加工任务、当前生产加工任务以及所述目标设备在所述生产加工时间段的剩余生产加工时间段的不同子时间段所应承担的生产加工任务，确定所述目标设备所应承担的生产加工任务的任务占比小于等于预设占比阈值的目标子时间段；

[0071] 在所述目标子时间段内控制所述校正设备对其校正范围内的所述其它触发因素对应的对象或所述其它触发因素对应的介质引导执行校正操作。

[0072] 本发明第三方面公开了另一种基于人工智能的机组控制系统，所述系统包括：

[0073] 存储有可执行程序代码的存储器；

[0074] 与所述存储器耦合的处理器；

[0075] 所述处理器调用所述存储器中存储的所述可执行程序代码，执行本发明第一方面公开的基于人工智能的机组控制方法。

[0076] 本发明第四方面公开了一种计算机存储介质，所述计算机存储介质存储有计算机指令，所述计算机指令被调用时，用于执行本发明第一方面公开的基于人工智能的机组控制方法。

[0077] 与现有技术相比，本发明实施例具有以下有益效果：

[0078] 本发明实施例中，在采集到机组启动触发因子后采集机组启动影响因素，在确定出校正方向后根据校正方向确定机组类型并根据机组启动影响因素从相应机组中筛选出目标机组，并根据机组启动影响因素以及控制参数生成模型，生成对应的机组控制参数；基于机组控制参数，控制目标机组执行针对触发因素的校正操作。可见，本发明能够在生产加工场景中存在待校正的触发因素的情况下实现机组及其控制参数的智能化确定，以实现对触发因素的智能化校正，提高了机组控制灵活性且还有利于提高校正效率及校正准确性，进而减少因触发因素校正不及时或者不准确而影响生产加工效率的情况发生。此外，在基于人工智能模型实现机组控制参数智能化确定时，能够考虑多维度的机组启动影响因素，有利于提高机组控制参数的确定效率，还能够减少因通过机组对待校正触发因素进行校正而对其他对象造成影响的情况发生，还能够在一定程度上减少机组资源的浪费，提高机组资源的利用率。此外，在采集到机组启动触发因子之后，还能够基于预测出的不矫正触发因素对应的负向影响程度以及校正触发因素对应的负向影响程度，实现对是否通过机组校正触发因素的智能化确定，有利于提高启动机组校正触发因素等相关操作的执行准确性，不仅减少了不必要的操作，还能够减少因启动机组执行校正操作而对当前场景中的生产加工任务带来不便的情况发生。此外，还能够进一步结合当前场景的生产加工的优先考虑因子实现对是否校正触发因素的智能化判断，有利于提高校正触发因素与当前场景的生产加工需求的匹配度。此外，在筛选需要执行校正操作的机组时，能够根据预先确定出的机组启动参考维度将机组启动影响因素进行分组，进而基于不同的分组确定不同的机组确定依据，最后基于所有的机组确定依据选择需要执行校正操作的机组，不仅能够实现机组确定依据的并行确定，提高机组确定依据的确定效率，进而有利于提高机组的确定效率，还能够在确定机组时同时考虑位置维度、数量维度、功率维度及效率维度，这样有利于进一步提高确定出的机组与校正需求的匹配度。此外，在基于确定出的机组校正触发因素的过程中，还进一步检查是否因校正触发因素而产生其它触发因素，且在产生其它触发因素且其它触发因素对当前场景存在影响的情况下，实现对该其它触发因素的智能化校正，且优先考虑通过工作中设备实现对其它触发因素的智能化校正，有利于提高设备资源的利用率，且还能够提高其它触发因素的校正效率。此外，在存在能够校正其它触发因素的工作中设备的情况下，还能够计算该工作中设备直接校正其它触发因素的校正效果参数，若校正效果参数不满足预设要求，进一步通过当前场景中的辅助设备辅助该工作中设备对其它触发因素的校正，在基于当前工作中设备实现其它触发因素校正的同时，还能够基于辅助设备提高其它触发因素的校正效果。此外，在基于当前工作中设备实现对其它触发因素校正的同时，还能够对当前工作中设备因校正其它触发因素而对其所需完成的操作的影响程度，若影响程度较小，则再基于当前工作中设备实现对其它触发因素的校正，减少因当前工作中设备校正其它触发因素而影响当前工作中设备应当完成的操作的影响。此外，在基于当前工作中设备实现对其它触发因素的智能化校正的同时，还能够基于当前工作中设备在不同时间段的任务比重实现对校正时间段的智能化确定，有利于在利用当前工作中设备实现对其它触发因素的智能化校正的同时提高当前工作中设备的利用率，也即：既能够实现对其它触发因素的智能化校正，又能够将校正其它触发因素对当前工作中设备的影响程度进一步降低。

附图说明

[0079] 为了更清楚地说明本发明实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

[0080] 图1是本发明实施例公开的一种基于人工智能的机组控制方法的流程示意图；

[0081] 图2是本发明实施例公开的一种基于人工智能的机组控制系统的结构示意图；

[0082] 图3是本发明实施例公开的另一种基于人工智能的机组控制系统的结构示意图；

[0083] 图4是本发明实施例公开的又一种基于人工智能的机组控制系统的结构示意图。

具体实施方式

[0084] 为了使本技术领域的人员更好地理解本发明方案，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅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做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。

[0085] 本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别不同对象，而不是用于描述特定顺序。此外，术语“包括”和“具有”以及它们任何变形，意图在于覆盖不排他的包含。例如包含了一系列步骤或单元的过程、方法、装置、产品或设备没有限定于已列出的步骤或单元，而是可选地还包括没有列出的步骤或单元，或可选地还包括对于这些过程、方法、产品或设备固有的其他步骤或单元。

[0086] 在本文中提及“实施例”意味着，结合实施例描述的特定特征、结构或特性可以包含在本发明的至少一个实施例中。在说明书中的各个位置出现该短语并不一定均是指相同的实施例，也不是与其它实施例互斥的独立的或备选的实施例。本领域技术人员显式地和隐式地理解的是，本文所描述的实施例可以与其它实施例相结合。

[0087] 本发明公开了一种基于人工智能的机组控制方法及系统，能够在生产加工场景中存在待校正的触发因素的情况下实现机组及其控制参数的智能化确定，以实现对触发因素的智能化校正，提高了机组控制灵活性且还有利于提高校正效率及校正准确性，进而减少因触发因素校正不及时或者不准确而影响生产加工效率的情况发生。此外，在基于人工智能模型实现机组控制参数智能化确定时，能够考虑多维度的机组启动影响因素，有利于提高机组控制参数的确定效率，还能够减少因通过机组对待校正触发因素进行校正而对其他对象造成影响的情况发生，还能够在一定程度上减少机组资源的浪费，提高机组资源的利用率。以下分别进行详细说明。

[0088] 实施例一

[0089] 请参阅图1，图1是本发明实施例公开的一种基于人工智能的机组控制方法的流程示意图。其中，图1所描述的方法可以应用于机组控制服务器中，该机组控制服务器用于实现对相关场景中的机组控制，且相关场景可以是诸如生产加工场景等需要进行触发因素监控及校正的场景，其中，该机组控制服务器可以为本地服务器，也可以为云服务器，本发明实施例不做限定。如图1所示，该基于人工智能的机组控制方法可以包括如下步骤：

[0090] 101、采集当前场景中的机组启动触发因子，该机组启动触发因子包括触发对象以及触发对象触发机组的目标触发因素。

[0091] 本发明实施例中，触发对象包括当前场景中用于检测目标触发因素的检测设备，该目标触发因素可以是温度因素、亮度因素、噪声因素、气味因素、气体因素、粉尘因素、空气流通因素、液体流通因素等中的一种或多种的组合，且用于检测目标触发因素的检测设备可以是当前场景中的生产加工设备，也可以是专门实现触发因素的检测设备，且检测设备可以基于实际生产加工需要集成或者启动相应类型的传感器，本发明实施例不做限定。

[0092] 102、采集当前场景中的机组启动影响因素。

[0093] 本发明实施例中，机组启动影响因素包括当前场景中的人员因素、当前场景中的工作中设备、当前场景中待启动时刻与当前时刻之间的时长小于等于预设时长阈值且与目标触发因素有影响关系的待启动设备、目标触发因素对应的当前参数、目标触发因素对应的正常参数范围、目标触发因素对应的预期校正时长、当前参数的源头影响设备所对应的设备参数。其中，当前参数的源头影响设备可以理解为对目标触发因素有影响的设备，举例来说，若目标触发因素为温度因素，且检测设备因其检测到的温度因素对应的温度参数高于预设温度阈值，则对目标触发因素有影响的设备可以是当前场景中产生热量的设备，或者产生热量的程度大于等于预设程度阈值的设备。

[0094] 103、根据当前参数与正常参数范围，确定目标触发因素对应的校正方向，根据校正方向确定待启动的机组类型。

[0095] 举例来说，若目标触发因素为温度因素，且当前温度值超出预设正常温度范围，则目标触发因素的校正方向为温度降低方向，则机组类型是制冷类型或者降温类型。

[0096] 104、根据机组启动影响因素，从机组类型对应的所有机组中筛选与机组启动影响因素相匹配的至少一个目标机组，并根据机组启动影响因素以及预先训练好的控制参数生成模型，生成每个目标机组对应的机组控制参数。

[0097] 其中，预先训练好的控制参数生成模型是与机组类型相匹配的控制参数生成模型，且其是预先通过大量的数据样本训练出的。进一步的，对于每个目标机组，控制参数生成模型在生成机组控制参数时，能够生成多组机组控制参数及每组机组控制参数的预期校正效果(如校正时长、校正效率、校正难度、对相关设备的影响程度等)，而后在基于预期校正效果与当前场景实际的校正需求的匹配度选择匹配度最高的一组机组控制参数，作为目标机组对应的机组控制参数。进一步的，当前场景实际的校正需求是基于当前场景的预期生产加工任务完成情况确定出的，本发明实施例不做限定。

[0098] 可选的，机组启动影响因素还可以包括因执行对目标触发因素的校正操作而生成新的触发因素的概率值。

[0099] 105、基于每个目标机组对应的机组控制参数，控制每个目标机组执行针对目标触发因素的校正操作，以使目标触发因素的参数处于正常参数范围内或者与正常参数范围的差异值满足预设差异条件。

[0100] 可选的，在目标机组有多个时，还可以基于预先确定出的机组划分条件(如机组位置分布条件)将多个目标机组划分成多个机组集合，判断所有机组集合中是否存在校正关联度较高的多个目标机组集合，若是，则生成该多个目标机组集合执行校正操作的校正顺序。其中，校正关联度较高也即校正关联度大于等于预设关联度阈值。举例来说，校正关联度较高的多个目标机组集合可以是目标机组集合A执行校正操作之后的校正结果能够提高目标机组集合B的校正效果，这样在目标机组集合B执行校正操作之前可以先控制目标机组集合A指向校正操作，也即：目标机组集合A的校正顺序早于目标机组集合B的校正顺序。

[0101] 可见，本发明能够在生产加工场景中存在待校正的触发因素的情况下实现机组及其控制参数的智能化确定，以实现对触发因素的智能化校正，提高了机组控制灵活性且还有利于提高校正效率及校正准确性，进而减少因触发因素校正不及时或者不准确而影响生产加工效率的情况发生。此外，在基于人工智能模型实现机组控制参数智能化确定时，能够考虑多维度的机组启动影响因素，有利于提高机组控制参数的确定效率，还能够减少因通过机组对待校正触发因素进行校正而对其他对象造成影响的情况发生，还能够在一定程度上减少机组资源的浪费，提高机组资源的利用率。

[0102] 在一个可选的实施例中，在采集当前场景中的机组启动触发因子之后，该方法还可以包括：

[0103] 基于当前参数，预测不校正目标触发因素对当前场景带来的第一负向影响程度，以及，预测校正目标触发因素对当前场景带来的第二负向影响程度；

[0104] 根据第一负向影响程度以及第二负向影响程度，判断目标触发因素是否满足校正条件；

[0105] 当判断出目标触发因素满足校正条件时，触发执行上述的采集当前场景中的机组启动影响因素的步骤。

[0106] 进一步可选的，上述的根据第一负向影响程度以及第二负向影响程度，判断目标触发因素是否满足校正条件，可以包括：

[0107] 确定与当前场景的当前生产加工任务对应的优先考虑因子，优先考虑因子包括安全因子或者进度因子；

[0108] 根据优先考虑因子、第一负向影响程度以及第二负向影响程度，判断目标触发因素是否满足校正条件。

[0109] 具体的，上述第一负向影响程度可以是安全影响程度，上述第二负向影响程度可以是进度影响程度。

[0110] 可见，该可选的实施例在采集到机组启动触发因子之后，还能够基于预测出的不矫正触发因素对应的负向影响程度以及校正触发因素对应的负向影响程度，实现对是否通过机组校正触发因素的智能化确定，有利于提高启动机组校正触发因素等相关操作的执行准确性，不仅减少了不必要的操作，还能够减少因启动机组执行校正操作而对当前场景中的生产加工任务带来不便的情况发生。此外，还能够进一步结合当前场景的生产加工的优先考虑因子实现对是否校正触发因素的智能化判断，有利于提高校正触发因素与当前场景的生产加工需求的匹配度。

[0111] 在另一个可选的实施例中，上述的根据机组启动影响因素，从机组类型对应的所有机组中筛选与机组启动影响因素相匹配的至少一个目标机组，可以包括：

[0112] 按照多个目标机组启动参考维度，将所有机组启动影响因素划分成多个影响因素组；不同的影响因素组对应不同的目标机组启动参考维度，同一影响因素组对应相同的目标机组启动参考维度；

[0113] 根据每个影响因素组，确定与该影响因素组对应的机组确定依据；

[0114] 根据所有影响因素组对应的机组确定依据，从机组类型对应的所有机组中筛选至少一个目标机组；

[0115] 其中，所有目标机组启动参考维度包括位置维度、数量维度、功率维度、效率维度。

[0116] 可选的，可以根据每个影响因素组对应的机组确定依据确定出与机组类型对应的机组集合，而后基于所有机组集合的交集确定目标机组。

[0117] 可见，该可选的实施例在筛选需要执行校正操作的机组时，能够根据预先确定出的机组启动参考维度将机组启动影响因素进行分组，进而基于不同的分组确定不同的机组确定依据，最后基于所有的机组确定依据选择需要执行校正操作的机组，不仅能够实现机组确定依据的并行确定，提高机组确定依据的确定效率，进而有利于提高机组的确定效率，还能够在确定机组时同时考虑位置维度、数量维度、功率维度及效率维度，这样有利于进一步提高确定出的机组与校正需求的匹配度。

[0118] 在又一个可选的实施例中，该方法还可以包括以下步骤：

[0119] 在控制每个目标机组执行针对目标触发因素的校正操作的过程中，判断是否存在因目标机组执行校正操作产生的其它触发因素，如因降温而产生的气体因素或气味因素等；

[0120] 当判断出存在其它触发因素时，基于其它触发因素的类型及当前分布信息，判断其它触发因素对当前场景的影响程度；

[0121] 当影响程度为负向影响程度且影响程度的绝对值大于等于预设影响程度阈值时，判断当前场景的工作中设备是否存在用于校正其它触发因素的目标设备；

[0122] 当判断出工作中设备中不存在目标设备时，根据影响程度、其它触发因素的类型以及当前分布信息，从当前场景中能够校正其它触发因素的所有设备中筛选出相匹配的校正设备；

[0123] 当判断出工作中设备中存在目标设备时，将目标设备确定为校正设备；

[0124] 在确定出校正设备之后，控制校正设备执行对其它触发因素的校正操作；

[0125] 其中，其它触发因素的类型不同于目标触发因素的类型。

[0126] 可见，该可选的实施例在基于确定出的机组校正触发因素的过程中，还进一步检查是否因校正触发因素而产生其它触发因素，且在产生其它触发因素且其它触发因素对当前场景存在影响的情况下，实现对该其它触发因素的智能化校正，且优先考虑通过工作中设备实现对其它触发因素的智能化校正，有利于提高设备资源的利用率，且还能够提高其它触发因素的校正效率。

[0127] 在又一个可选的实施例中，在判断出工作中设备中存在目标设备之后，以及，在将目标设备确定为校正设备之前，该方法还可以包括：

[0128] 根据工作中设备对应的设备信息及工作参数、其它触发因素的当前分布信息，计算工作中设备直接校正其它触发因素对应的校正效果参数，校正效果参数包括校正难度因子以及校正效率因子；

[0129] 若校正效果参数不满足预设要求(也即校正难度因子为高校正难度，或者，校正效率因子为低校正效率)，则基于当前场景的三维地图及三维地图对应的设备布局信息，判断当前场景中是否存在用于削弱校正效果参数的辅助设备；其中，由于校正效果参数不满足要求，削弱校正效果参数也可以理解为调整校正效果参数以满足预设要求，对于高校正难度而言，削弱高校正难度也可以理解为降低校正难度，对于低校正效率而言，削弱低校正效率也可以理解为提高校正效率；

[0130] 当判断出存在辅助设备时，执行上述的将目标设备确定为校正设备的操作。

[0131] 其中，上述的控制校正设备执行对其它触发因素的校正操作，可以包括：

[0132] 在将目标设备确定为校正设备时，控制辅助设备将其它触发因素对应的对象或其它触发因素对应的介质引导(如空气介质等)至目标设备对应的校正范围内，并控制校正设备对其校正范围内的其它触发因素对应的对象或其它触发因素对应的介质引导执行校正操作；

[0133] 其中，辅助设备为引导设备。

[0134] 可见，该可选的实施例在存在能够校正其它触发因素的工作中设备的情况下，还能够计算该工作中设备直接校正其它触发因素的校正效果参数，若校正效果参数不满足预设要求，进一步通过当前场景中的辅助设备辅助该工作中设备对其它触发因素的校正，在基于当前工作中设备实现其它触发因素校正的同时，还能够基于辅助设备提高其它触发因素的校正效果。

[0135] 在又一个可选的实施例中，在判断出工作中设备中存在目标设备之后，该方法还可以包括如下操作：

[0136] 根据其它触发因素对应的校正方式，判断目标设备校正其它触发因素对目标设备所需完成操作的影响程度；

[0137] 判断目标设备校正其它触发因素对目标设备所需完成操作的影响程度是否小于等于预设影响程度阈值，当判断结果为是时，触发执行上述的根据工作中设备对应的设备信息及工作参数、其它触发因素的当前分布信息，计算工作中设备直接校正其它触发因素对应的校正效果参数的操作。

[0138] 可见，该可选的实施例在基于当前工作中设备实现对其它触发因素校正的同时，还能够对当前工作中设备因校正其它触发因素而对其所需完成的操作的影响程度，若影响程度较小，则再基于当前工作中设备实现对其它触发因素的校正，减少因当前工作中设备校正其它触发因素而影响当前工作中设备应当完成的操作的影响。

[0139] 在又一个可选的实施例中，上述的控制校正设备对其校正范围内的其它触发因素对应的对象或其它触发因素对应的介质引导执行校正操作，可以包括：

[0140] 确定当前时间所属的生产加工时间段，根据生产加工时间段对应的预期生产加工任务、当前生产加工任务以及目标设备在生产加工时间段的剩余生产加工时间段的不同子时间段所应承担的生产加工任务，确定目标设备所应承担的生产加工任务的任务占比小于等于预设占比阈值的目标子时间段；

[0141] 在目标子时间段内控制校正设备对其校正范围内的其它触发因素对应的对象或其它触发因素对应的介质引导执行校正操作。

[0142] 需要说明的是，若任务占比均不小于预设占比阈值，则可以考虑任务占比最小的子时间段作为目标子时间段。

[0143] 可见，该可选的实施例在基于当前工作中设备实现对其它触发因素的智能化校正的同时，还能够基于当前工作中设备在不同时间段的任务比重实现对校正时间段的智能化确定，有利于在利用当前工作中设备实现对其它触发因素的智能化校正的同时提高当前工作中设备的利用率，也即：既能够实现对其它触发因素的智能化校正，又能够将校正其它触发因素对当前工作中设备的影响程度进一步降低。

[0144] 实施例二

[0145] 请参阅图2，图2是本发明实施例公开的一种基于人工智能的机组控制系统的结构示意图。其中，图2所描述的系统可以应用于机组控制服务器中，该机组控制服务器用于实现对相关场景中的机组控制，且相关场景可以是诸如生产加工场景等需要进行触发因素监控及校正的场景，其中，该机组控制服务器可以为本地服务器，也可以为云服务器，本发明实施例不做限定。如图2所示，该基于人工智能的机组控制系统可以包括：

[0146] 采集模块201，用于采集当前场景中的机组启动触发因子，该机组启动触发因子包括触发对象以及触发对象触发机组的目标触发因素；触发对象包括当前场景中用于检测目标触发因素的检测设备；

[0147] 采集模块201，还用于采集当前场景中的机组启动影响因素，机组启动影响因素包括当前场景中的人员因素、当前场景中的工作中设备、当前场景中待启动时刻与当前时刻之间的时长小于等于预设时长阈值且与目标触发因素有影响关系的待启动设备、目标触发因素对应的当前参数、目标触发因素对应的正常参数范围、目标触发因素对应的预期校正时长、当前参数的源头影响设备所对应的设备参数；

[0148] 确定模块202，用于根据当前参数与正常参数范围，确定目标触发因素对应的校正方向，根据校正方向确定待启动的机组类型，并根据机组启动影响因素，从机组类型对应的所有机组中筛选与机组启动影响因素相匹配的至少一个目标机组；以及，根据机组启动影响因素以及预先训练好的控制参数生成模型，生成每个目标机组对应的机组控制参数；

[0149] 机组控制模块203，用于基于每个目标机组对应的机组控制参数，控制每个目标机组执行针对目标触发因素的校正操作，以使目标触发因素的参数处于正常参数范围内或者与正常参数范围的差异值满足预设差异条件。

[0150] 可见，实施图2所描述的系统能够在生产加工场景中存在待校正的触发因素的情况下实现机组及其控制参数的智能化确定，以实现对触发因素的智能化校正，提高了机组控制灵活性且还有利于提高校正效率及校正准确性，进而减少因触发因素校正不及时或者不准确而影响生产加工效率的情况发生。此外，在基于人工智能模型实现机组控制参数智能化确定时，能够考虑多维度的机组启动影响因素，有利于提高机组控制参数的确定效率，还能够减少因通过机组对待校正触发因素进行校正而对其他对象造成影响的情况发生，还能够在一定程度上减少机组资源的浪费，提高机组资源的利用率。

[0151] 在一个可选的实施例中，如图3所示，该系统还包括：

[0152] 第一判断模块204，用于在采集模块201采集当前场景中的机组启动触发因子之后，基于当前参数，预测不校正目标触发因素对当前场景带来的第一负向影响程度，以及，预测校正目标触发因素对当前场景带来的第二负向影响程度；根据第一负向影响程度以及第二负向影响程度，判断目标触发因素是否满足校正条件；当判断出目标触发因素满足校正条件时，触发采集模块201执行上述的采集当前场景中的机组启动影响因素的操作；

[0153] 其中，第一判断模块204根据第一负向影响程度以及第二负向影响程度，判断目标触发因素是否满足校正条件的具体方式包括：

[0154] 确定与当前场景的当前生产加工任务对应的优先考虑因子，优先考虑因子包括安全因子或者进度因子；

[0155] 根据优先考虑因子、第一负向影响程度以及第二负向影响程度，判断目标触发因素是否满足校正条件。

[0156] 具体的，上述第一负向影响程度可以是安全影响程度，上述第二负向影响程度可以是进度影响程度。

[0157] 可见，该可选的实施例在采集到机组启动触发因子之后，还能够基于预测出的不矫正触发因素对应的负向影响程度以及校正触发因素对应的负向影响程度，实现对是否通过机组校正触发因素的智能化确定，有利于提高启动机组校正触发因素等相关操作的执行准确性，不仅减少了不必要的操作，还能够减少因启动机组执行校正操作而对当前场景中的生产加工任务带来不便的情况发生。此外，还能够进一步结合当前场景的生产加工的优先考虑因子实现对是否校正触发因素的智能化判断，有利于提高校正触发因素与当前场景的生产加工需求的匹配度。

[0158] 在另一个可选的实施例中，确定模块202根据机组启动影响因素，从机组类型对应的所有机组中筛选与机组启动影响因素相匹配的至少一个目标机组的具体方式包括：

[0159] 按照多个目标机组启动参考维度，将所有机组启动影响因素划分成多个影响因素组；不同的影响因素组对应不同的目标机组启动参考维度，同一影响因素组对应相同的目标机组启动参考维度；

[0160] 根据每个影响因素组，确定与该影响因素组对应的机组确定依据；

[0161] 根据所有影响因素组对应的机组确定依据，从机组类型对应的所有机组中筛选至少一个目标机组；

[0162] 其中，所有目标机组启动参考维度包括位置维度、数量维度、功率维度、效率维度。

[0163] 可选的，可以根据每个影响因素组对应的机组确定依据确定出与机组类型对应的机组集合，而后基于所有机组集合的交集确定目标机组。

[0164] 可见，该可选的实施例在筛选需要执行校正操作的机组时，能够根据预先确定出的机组启动参考维度将机组启动影响因素进行分组，进而基于不同的分组确定不同的机组确定依据，最后基于所有的机组确定依据选择需要执行校正操作的机组，不仅能够实现机组确定依据的并行确定，提高机组确定依据的确定效率，进而有利于提高机组的确定效率，还能够在确定机组时同时考虑位置维度、数量维度、功率维度及效率维度，这样有利于进一步提高确定出的机组与校正需求的匹配度。

[0165] 在又一个可选的实施例中，如图3所示，该系统还可以包括：

[0166] 第二判断模块205，用于在机组控制模块203控制每个目标机组执行针对目标触发因素的校正操作的过程中，判断是否存在因目标机组执行校正操作产生的其它触发因素；当判断出存在其它触发因素时，基于其它触发因素的类型及当前分布信息，判断其它触发因素对当前场景的影响程度；当影响程度为负向影响程度且影响程度的绝对值大于等于预设影响程度阈值时，判断当前场景的工作中设备是否存在用于校正其它触发因素的目标设备；

[0167] 确定模块202，还用于当第二判断模块205判断出工作中设备中不存在目标设备时，根据影响程度、其它触发因素的类型以及当前分布信息，从当前场景中能够校正其它触发因素的所有设备中筛选出相匹配的校正设备；以及，当判断出工作中设备中存在目标设备时，将目标设备确定为校正设备；

[0168] 校正优化模块206，用于控制校正设备执行对其它触发因素的校正操作。

[0169] 其中，其它触发因素的类型不同于目标触发因素的类型。

[0170] 可见，该可选的实施例在基于确定出的机组校正触发因素的过程中，还进一步检查是否因校正触发因素而产生其它触发因素，且在产生其它触发因素且其它触发因素对当前场景存在影响的情况下，实现对该其它触发因素的智能化校正，且优先考虑通过工作中设备实现对其它触发因素的智能化校正，有利于提高设备资源的利用率，且还能够提高其它触发因素的校正效率。

[0171] 在又一个可选的实施例中，第二判断模块205，还用于在判断出工作中设备中存在目标设备之后，以及在确定模块202将目标设备确定为校正设备之前，根据工作中设备对应的设备信息及工作参数、其它触发因素的当前分布信息，计算工作中设备直接校正其它触发因素对应的校正效果参数，校正效果参数包括校正难度因子以及校正效率因子；若校正效果参数不满足预设要求(也即校正难度因子为高校正难度，或者，校正效率因子为低校正效率)，则基于当前场景的三维地图及三维地图对应的设备布局信息，判断当前场景中是否存在用于削弱校正效果参数的辅助设备，当判断出存在辅助设备时，触发确定模块202执行上述的将目标设备确定为校正设备的操作。

[0172] 以及，校正优化模块206控制校正设备执行对其它触发因素的校正操作的具体方式包括：

[0173] 在将目标设备确定为校正设备时，控制辅助设备将其它触发因素对应的对象或其它触发因素对应的介质引导(如空气介质等)至目标设备对应的校正范围内，并控制校正设备对其校正范围内的其它触发因素对应的对象或其它触发因素对应的介质引导执行校正操作；

[0174] 其中，辅助设备为引导设备。

[0175] 可见，该可选的实施例在存在能够校正其它触发因素的工作中设备的情况下，还能够计算该工作中设备直接校正其它触发因素的校正效果参数，若校正效果参数不满足预设要求，进一步通过当前场景中的辅助设备辅助该工作中设备对其它触发因素的校正，在基于当前工作中设备实现其它触发因素校正的同时，还能够基于辅助设备提高其它触发因素的校正效果。

[0176] 在又一个可选的实施例中，第二判断模块205，还用于在判断出工作中设备中存在目标设备之后，根据其它触发因素对应的校正方式，判断目标设备校正其它触发因素对目标设备所需完成操作的影响程度；

[0177] 判断目标设备校正其它触发因素对目标设备所需完成操作的影响程度是否小于等于预设影响程度阈值，当判断结果为是时，触发执行上述的根据工作中设备对应的设备信息及工作参数、其它触发因素的当前分布信息，计算工作中设备直接校正其它触发因素对应的校正效果参数的操作。

[0178] 可见，该可选的实施例在基于当前工作中设备实现对其它触发因素校正的同时，还能够对当前工作中设备因校正其它触发因素而对其所需完成的操作的影响程度，若影响程度较小，则再基于当前工作中设备实现对其它触发因素的校正，减少因当前工作中设备校正其它触发因素而影响当前工作中设备应当完成的操作的影响。

[0179] 在又一个可选的实施例中，校正优化模块206控制校正设备对其校正范围内的其它触发因素对应的对象或其它触发因素对应的介质引导执行校正操作的具体方式包括：

[0180] 确定当前时间所属的生产加工时间段，根据生产加工时间段对应的预期生产加工任务、当前生产加工任务以及目标设备在生产加工时间段的剩余生产加工时间段的不同子时间段所应承担的生产加工任务，确定目标设备所应承担的生产加工任务的任务占比小于等于预设占比阈值的目标子时间段；

[0181] 在目标子时间段内控制校正设备对其校正范围内的其它触发因素对应的对象或其它触发因素对应的介质引导执行校正操作。

[0182] 需要说明的是，若任务占比均不小于预设占比阈值，则可以考虑任务占比最小的子时间段作为目标子时间段。

[0183] 可见，该可选的实施例在基于当前工作中设备实现对其它触发因素的智能化校正的同时，还能够基于当前工作中设备在不同时间段的任务比重实现对校正时间段的智能化确定，有利于在利用当前工作中设备实现对其它触发因素的智能化校正的同时提高当前工作中设备的利用率，也即：既能够实现对其它触发因素的智能化校正，又能够将校正其它触发因素对当前工作中设备的影响程度进一步降低。

[0184] 实施例三

[0185] 请参阅图4，图4是本发明实施例公开的又一种基于人工智能的机组控制系统的结构示意图。其中，图4所描述的系统可以应用于机组控制服务器中，该机组控制服务器用于实现对相关场景中的机组控制，且相关场景可以是诸如生产加工场景等需要进行触发因素监控及校正的场景，其中，该机组控制服务器可以为本地服务器，也可以为云服务器，本发明实施例不做限定。如图4所示，该基于人工智能的机组控制系统可以包括：

[0186] 存储有可执行程序代码的301存储器；

[0187] 与存储器耦合的处理器302；

[0188] 处理器302调用存储器301中存储的可执行程序代码，执行执行实施例一中任一所描述的基于人工智能的机组控制方法中的步骤。

[0189] 实施例四

[0190] 本发明实施例公开了一种计算机存储介质，其存储用于电子数据交换的计算机程序，其中，该计算机程序使得计算机执行实施例一中任一所描述的基于人工智能的机组控制方法中的步骤。

[0191] 实施例五

[0192] 本发明实施例公开了一种计算机程序产品，该计算机程序产品包括存储了计算机程序的非瞬时性计算机可读存储介质，且该计算机程序可操作来使计算机执行实施例一中任一所描述的基于人工智能的机组控制方法中的步骤。

[0193] 以上所描述的装置实施例仅是示意性的，其中所述作为分离部件说明的模块可以是或者也可以不是物理上分开的，作为模块显示的部件可以是或者也可以不是物理模块，即可以位于一个地方，或者也可以分布到多个网络模块上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性的劳动的情况下，即可以理解并实施。

[0194] 通过以上的实施例的具体描述，本领域的技术人员可以清楚地了解到各实施方式可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件。基于这样的理解，上述技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品可以存储在计算机可读存储介质中,存储介质包括只读存储器(Read‑Only Memory，ROM)、随机存储器(Random Access Memory，RAM)、可编程只读存储器(Programmable Read‑only Memory，PROM)、可擦除可编程只读存储器(Erasable Programmable Read Only  Memory，EPROM)、一次可编程只读存储器(One‑time Programmable  Read‑Only  Memory，OTPROM)、电子抹除式可复写只读存储器(Electrically‑Erasable Programmable Read‑Only Memory，EEPROM)、只读光盘(Compact Disc Read‑Only Memory，CD‑ROM)或其他光盘存储器、磁盘存储器、磁带存储器、或者能够用于携带或存储数据的计算机可读的任何其他介质。

[0195] 最后应说明的是：本发明实施例公开的一种基于人工智能的机组控制方法及系统所揭露的仅为本发明较佳实施例而已，仅用于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项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；而这些修改或替换，并不使相应的技术方案的本质脱离本发明各项实施例技术方案的精神和范围。