神经网络标定效能评估方法、装置、介质、设备及车辆与流程

1.本发明属于智能控制技术领域，尤其涉及一种神经网络标定效能评估方法、装置、介质、设备及车辆。


背景技术：

2.随着神经网络模型在ems（engine management system，发动机管理系统）领域的应用，标定工程师需要根据转速、负荷、水温这三个维度划分各个神经元模型的作用区域。
3.发明人发现：由于缺乏直观、高效的工具，标定工程师在检查标定数据合理性时，效率较低，且不易把握多个区域间的位置关系。为了解决这一问题，需要设计一个方法能够基于参照点坐标和三边棱长给出相关模型效能的评估。


技术实现要素：

4.本发明公开了一种神经网络模型标定效能评估方法、装置、介质及设备。通过获取多维度的区域划分向量；其中，多维度是指，三维及三维以上的维度；区域划分向量用于为神经元模型的作用区域提供定量参照；提取区域划分向量中的一维标定参数；该一维标定参数根据区域划分向量的维度，至少划分为第一标定参数、第二标定参数、第三标定参数；获取由神经网络模型输出的核坐标；该核坐标包含与多维度的维数相同个数的坐标值，而核坐标则用于效能评估向量初始值的构建。
5.进一步地，构建以核坐标为参照点，以区域划分向量为棱长的第n标定向量族，其中n为自然数；比较由不同的区域划分向量构建的第n标定向量族，进行神经网络模型的标定效能评估；若标定向量族内部的向量为三维向量，则在可视化界面绘制以核坐标为支撑的立方体；其中，第一标定参数、第二标定参数和第三标定参数为棱长的数值。
6.进一步地，该区域划分向量包括：区域核点坐标向量和棱长向量；其中，区域核点坐标向量包括核点第一坐标、核点第二坐标和核点第三坐标；棱长向量包括第一棱长、第二棱长和第三棱长。
7.进一步地，区域核点坐标向量对应于笛卡尔坐标系的坐标值；核坐标即所述笛卡尔坐标系中，点元素的坐标。
8.进一步地，第一棱长由第一标定参数约束、第二棱长由第二标定参数约束、第三棱长由第三标定参数约束。
9.进一步地，第一标定参数为转速指标，第二标定参数为负荷指标，第三标定参数为水温指标。
10.进一步地，通过向评估显示单元输出评估参数的三位映像，可获得模型效能的评价依据；通过单立方绘制步骤获取第一核坐标及第一棱长向量，并以第一核坐标为参照点，以第一棱长向量为立方体的三个棱长，在人机交互界面绘制第一立方体；其中，第一核坐标为网络模型在第一组标定参数下得到的核坐标；第一棱长向量为网络模型在第一组标定参数下得到的第一组棱长数据；通过对比步骤保留第1立方体在人机交互界面的图像输出，并
用重复单立方绘制步骤，绘制待评估第m立方体；其中，m为自然数
……
重复执行对比步骤，该第m立方体包括任意有限数量的立方体。
11.进一步地，在同一人机交互界面输出第1立方体、第2立方体
……
直至第m立方体，m为自然数；在对比步骤和重复执行对比步骤时，根据计算机图形学的方法，对不可见部分作虚线处理。
12.进一步地，第1立方体、第2立方体
…
直至第m立方体，依次代表需要进行标定效能评估的神经元的第m个空间分布，m为自然数，结合预设的评估标准，即可获得模型效能评估的相关结果。
13.与上述方法相应的评估装置，包括输入单元、提取单元、分析单元、评估单元；其中，输入单元，获取多维度的区域划分向量；其中，多维度是指，三维及三维以上的维度；区域划分向量用于为神经元模型的作用区域提供定量参照；提取单元，提取区域划分向量中的一维标定参数；一维标定参数根据区域划分向量的维度，至少划分为第一标定参数、第二标定参数、第三标定参数；分析单元，获取由网络模型输出的核坐标；核坐标包含与多维度的维数相同个数的坐标值，核坐标用于效能评估向量初始值的构建；评估单元，绘制以核坐标为起始，以区域划分向量为棱长的标定向量族；比较由不同的区域划分向量构建的标定向量族，进行神经网络模型的标定效能评估；若标定向量族内部的向量为三维向量，则在可视化界面绘制以核坐标为支撑的立方体；其中，第一标定参数、第二标定参数和第三标定参数为棱长的数值。
14.进一步地，单立方绘制单元：获取第一核坐标及第一棱长向量，并以第一核坐标为参照点，以第一棱长向量为立方体的三个棱长，在人机交互界面绘制第1立方体；其中，第一核坐标为网络模型在第一组标定参数下得到的核坐标；第一棱长向量为网络模型在第一组标定参数下得到的第一组棱长数据；对比单元保留第1立方体在人机交互界面的图像输出，并用重复单立方绘制步骤，绘制待评估第2立方体；重复执行对比单元的步骤，绘制待评估的第m立方体，第m立方体包括任意有限数量的立方体，m为自然数。
15.进一步地，在同一人机交互界面输出第1立方体、所述第2立方体
……
直至第m立方体，m为自然数；在对比步骤和重复执行对比步骤时，根据计算机图形学的方法，对不可见部分作虚线处理。
16.进一步地，第1立方体、所述第2立方体
…
直至第m立方体，依次代表各个需要进行标定效能评估神经元的对照特征；第1立方体、第2立方体和第m立方体的空间位置关系和空间尺度关系给出神经元的评估信息；评估信息根据预设的对照特征进行分类和辨别。
17.进一步地，若计算机可读存储介质包括：用于存储计算机程序的存储介质本体；计算机程序在被执行时用以实现本发明的任一方法，则相应介质也落入本发明的保护范围。
18.进一步地，若检测装置，包括本发明的评估装置和/或包括本发明所保护的存储介质，则相应的检测装置也落入本发明的保护范围。
19.进一步地，若车载设备，包括本发明的评估装置和/或包括本发明所保护的存储介质，则相应的车载设备也落入本发明的保护范围。
20.进一步地，若某车辆，包括本发明的评估装置和/或包括本发明所保护的存储介质，则相应的车载设备也落入本发明的保护范围。
21.基于上述技术方案和解决的技术问题，本发明的有益效果还在于，为神经元模型
作用区域的划分提供了可视化的反馈工具，提高了标定效率，利于通过直观的技术手段检查标定的合理性，同时还为多个作用区域间位置关系的辨别提供了有效的解决方案。
22.需要说明的是，在本发明中采用的“第一”、“第二”等类似的语汇，仅仅是为了描述技术方案中的各组成要素，并不构成对技术方案的限定，也不能理解为对相应要素重要性的指示或暗示；带有“第一”、“第二”等类似语汇的要素，表示在对应技术方案中，该要素至少包含一个。
23.此外，本说明书中所用语汇“第1立方体、所述第2立方体
…
直至所述第m立方体”，其中的“第1”、“第2
”…“
第m”与前述“第一”、“第二”等，具有不同的用法，第m表示第m次获得的结果。
附图说明
24.为了更加清晰地说明本发明的技术方案，利于对本发明的技术效果、技术特征和目的进一步理解，下面结合附图对本发明进行详细的描述，附图构成说明书的必要组成部分，与本发明的实施例一并用于说明本发明的技术方案，但并不构成对本发明的限制。
25.附图中的同一标号代表相同的部件，具体地：图1为本发明实施例一的标定效能评估流程框图；图2为本发明实施例二的效能评估装置组成结构框图；图3为本发明实施例三的单立方绘制示意图；图4为本发明实施例四的人机交互界面输出示意图；其中：1
‑‑‑
输入单元；3
‑‑‑
提取单元；5
‑‑‑
分析单元；7
‑‑‑
评估单元；8
‑‑‑
单立方绘制单元；9对比单元；10
‑‑‑
评估装置组成结构示意图；100
‑‑‑
数据输入；200
‑‑‑
参数提取；300
‑‑‑
参数分析；400
‑‑‑
模型输出。
具体实施方式
26.下面结合附图和实施例，对本发明作进一步的详细说明。当然，下列描述的具体实施例只是为了解释本发明的技术方案，而不是对本发明的限定。此外，实施例或附图中表述的部分，也仅仅是本发明相关部分的举例说明，而不是本发明的全部。
27.如图1所示，为本发明实施例一的标定效能评估流程框图，步骤100获取多维度的区域划分向量，为神经元模型的作用区域提供定量参照；步骤200提取区域划分向量中的一维标定参数；即至少为第一标定参数、第二标定参数、第三标定参数；步骤300获取由神经网络模型输出的核坐标；核坐标包含与多维度的维数相同个数的坐标值，核坐标用于效能评估向量初始值的构建；构建以核坐标为参照点，以区域划分向量为棱长的第n标定向量族，其中n为自然数；步骤400比较由不同的区域划分向量构建的第n标定向量族，进行神经网络模型的标定效能评估；若标定向量族内部的向量为三维向量，则在可视化界面绘制以核坐标为支撑的立方体；其中，第一标定参数、第二标定参数和第三标定参数为棱长的数值。
28.进一步地，如图3所示，区域划分向量包括区域核点坐标向量和棱长向量；区域核
点坐标向量包括核点第一坐标p、核点第二坐标和核点第三坐标；棱长向量包括第一棱长x、第二棱长y和第三棱长z。
29.进一步地，区域核点坐标向量对应于笛卡尔坐标系的坐标值；核坐标即笛卡尔坐标系中，点元素的坐标p。
30.进一步地，第一棱长由第一标定参数约束、第二棱长由第二标定参数约束、第三棱长由第三标定参数约束。
31.进一步地，第一标定参数为转速指标，第二标定参数为负荷指标，第三标定参数为水温指标。
32.进一步地，如图3的单立方绘制步骤：通过获取第一核坐标p及第一棱长向量，并以第一核坐标为参照点，以第一棱长向量为立方体的三个棱长，在人机交互界面绘制第一立方体；其中，第一核坐标为网络模型在第一组标定参数下得到的核坐标；第一棱长向量为网络模型在第一组标定参数下得到的第一组棱长数据。
33.如图4所示，对比步骤保留第1立方体在人机交互界面的图像输出，并用重复单立方绘制步骤，绘制待评估第m立方体；其中，m为自然数；重复执行对比步骤，绘制待评估的第m立方体，第m立方体包括任意有限数量的立方体。
34.进一步地，如图4所示，在同一人机交互界面输出第1立方体、第2立方体
……
直至第m立方体，m为自然数；如图3所示，在对比步骤和重复执行对比步骤时，根据计算机图形学的方法，对不可见部分作虚线处理。
35.进一步地，如图4所示，第1立方体、第2立方体
…
直至第m立方体，依次代表需要进行标定效能评估的神经元的第m个空间分布，m为自然数。
36.如图2所示，为本发明实施例二的效能评估装置组成结构框图，包括：输入单元1、提取单元3、分析单元5、评估单元7；其中，输入单元1，获取多维度的区域划分向量；提取单元3，提取区域划分向量中的一维标定参数；分析单元5，获取由网络模型输出的核坐标；核坐标用于效能评估向量初始值的构建；评估单元绘制以核坐标为起始，以区域划分向量为棱长的标定向量族；比较由不同的区域划分向量构建的标定向量族，进行神经网络模型的标定效能评估；若标定向量族内部的向量为三维向量，则在可视化界面绘制以核坐标为支撑的立方体；其中，第一标定参数、第二标定参数和第三标定参数为棱长的数值。
37.进一步地，其单立方绘制单元8：获取第一核坐标及第一棱长向量，并以第一核坐标为参照点，以第一棱长向量为立方体的三个棱长，在人机交互界面绘制第1立方体；其中，第一核坐标为网络模型在第一组标定参数下得到的核坐标；第一棱长向量为网络模型在第一组标定参数下得到的第一组棱长数据；对比单元9保留第1立方体在人机交互界面的图像输出，并用重复单立方绘制步骤，绘制待评估第2立方体；重复执行对比单元的步骤，绘制待评估的第m立方体，第m立方体包括任意有限数量的立方体，m为自然数。
38.进一步地，如图3所示，在同一人机交互界面输出第1立方体、第2立方体
……
直至第m立方体，m为自然数；在对比步骤和重复执行对比步骤时，根据计算机图形学的方法，对不可见部分作虚线处理。
39.进一步地，第1立方体、第2立方体
…
直至第m立方体，依次代表各个需要进行标定效能评估神经元的对照特征；第1立方体、第2立方体和第m立方体的空间位置关系和空间尺度关系给出神经元的评估信息；评估信息根据预设的对照特征进行分类和辨别。
40.具体地，如图3所示，假设p点的三维坐标为p(x0, y0, z0)，三条棱的长度分别为x， y，z；其中，p`点为p点的投影；则：a点的x轴坐标: ax ；a点的y轴坐标ay ；a点的z轴坐标az ；即：a ()。
41.同理可推导出b,c,d,e,f,g,h点的坐标分别如下:b()；c()；d()；e()；f()；g()；h()；至此已经获得8个顶点的坐标,依次链接a
‑
b
‑
c
‑
d
‑
e
‑
f
‑
g
‑
h点即可绘制出三维空间的立方体形状。
42.如图3所示，为增加立体感, d点引出的三条棱可以用虚线连接。
43.如图4所示，绘制以不同参照点p和定点a
‑
b
‑
c
‑
d
‑
e
‑
f
‑
g
‑
h为约束的立方体，即可获得用于效能评估的三位立方体族。
44.结合工程实际需要，通过三维空间立方体的中心点坐标和三边棱长直接绘制出立方体，若给出其它参照点的位置，亦可通过模型推导出相应各顶点的坐标值。本发明方法可在3个维度上直观呈现各个神经元的空间分布，极大提高了神经网络模型的标定效率。
45.此外，由参照点推得立方体顶点的方法不唯一，同样在绘制三维立方体时，连接立方体各顶点的次序和绘制用的线型均不是唯一的，可根据模型参数的特征，灵活配置；同时，在绘制不同立方体时，为了提升视觉分辨率降低误判率，可使用不同的颜色和/或线型绘制不同的立方体，也可以考虑将同一指标参数用同一色彩表示。
46.需要说明的是，上述实施例仅是为了更清楚地说明本发明的技术方案，本领域技术人员可以理解，本发明的实施方式不限于以上内容，基于上述内容所进行的明显变化、替换或替代，均不超出本发明技术方案涵盖的范围；在不脱离本发明技术方案构思的情况下，其它实施方式也将落入本发明的范围。