认知工程的自动化工程学习框架的制作方法

技术特征：
1.一种自动化工程系统，包括：一个或多个模块；处理器，用于执行所述一个或多个模块；和存储器，用于存储所述一个或多个模块，所述一个或多个模块包括：学习模块，被配置为学习可编程逻辑控制器(plc)的可编程逻辑控制器(plc)源代码和制造系统的自动化源代码；和基于学习plc源代码和所述自动化源代码，生成将plc源代码片段和自动化源代码片段定义为空间中的相应向量的代码嵌入。2.根据权利要求1所述的自动化工程系统，所述自动化工程系统的所述一个或多个模块还包括代码分类模块，所述代码分类模块被配置为：从所述学习模块接收plc代码嵌入，所述plc代码嵌入将plc源代码片段定义为空间中的向量；和基于所述plc代码嵌入，确定与所述plc源代码片段相关联的类别。3.根据权利要求1所述的自动化工程系统，所述代码分类模块还被配置为：从所述学习模块接收制造代码嵌入，所述制造代码嵌入将自动化源代码片段定义为空间中的向量；和基于所述制造代码嵌入，确定与所述自动化源代码片段相关联的类别。4.根据权利要求1所述的自动化工程系统，所述一个或多个模块还包括特征选择模块，所述特征选择模块被配置为：选择从所述plc源代码和所述自动化源代码中提取的特征；和将从所述plc源代码和所述自动化源代码中选择的特征以一种或多种组合提供给所述学习模块，以基于选择的特征的所述一种或多种组合调整所述学习模块。5.根据权利要求1所述的自动化工程系统，所述一个或多个模块还包括语义代码搜索模块，所述语义代码搜索模块被配置为：从所述学习模块接收plc代码嵌入，所述plc代码嵌入将plc源代码片段定义为空间中的向量；和基于所述plc代码嵌入，确定不同的代码片段定义所述plc源代码片段的空间中的向量附近的近邻，从而确定所述不同的代码片段与所述plc源代码片段相似。6.根据权利要求1所述的自动化工程系统，所述一个或多个模块还包括语义代码搜索模块，所述语义代码搜索模块被配置为：从所述学习模块接收制造代码嵌入，所述制造代码嵌入将自动化源代码片段定义为空间中的向量；和基于所述制造代码嵌入，确定不同的代码片段定义所述自动化源代码片段的空间中的向量附近的近邻，从而确定所述不同的代码片段与所述自动化源代码片段相似。7.根据权利要求5所述的自动化工程系统，其中，所述语义代码搜索模块还被配置为与空间中的向量相比对所述近邻进行评分，以便确定所述不同的代码片段在代码语法或代码功能上与所述plc源代码片段相似。8.根据权利要求7所述的工程系统自动化，其中，所述语义代码搜索模块还被配置为与空间中的向量相比对所述近邻进行评分，以确定所述不同的代码片段与所述plc源代码片
段在代码功能上相似，在代码语法上不同。9.根据权利要求1所述的自动化工程系统，所述一个或多个模块还包括硬件推荐模块，所述硬件推荐模块被配置为：接收部分硬件配置；基于所述部分硬件配置，生成与硬件组件关联的概率分布；和基于所述概率分布，识别预定数量的硬件组件以完成所述部分硬件配置。10.一种由计算系统执行的方法，所述方法包括：关于可编程逻辑控制器(plc)的可编程逻辑控制器(plc)源代码和制造系统的自动化源代码来训练神经网络；基于所述训练，生成将plc源代码片段和自动化源代码片段定义为空间中的相应向量的代码嵌入。11.根据权利要求10所述的方法，所述方法还包括：生成特定plc代码嵌入，所述特定plc代码嵌入将特定plc源代码片段定义为空间中的向量；和基于所述特定plc代码嵌入，确定与所述特定plc源代码片段相关联的类别。12.根据权利要求10所述的方法，所述方法还包括：生成特定制造代码嵌入，所述特定制造代码嵌入将特定自动化源代码片段定义为空间中的向量；和基于所述特定制造代码嵌入，确定与所述自动化源代码片段相关联的类别。13.根据权利要求10所述的方法，所述方法还包括：从所述plc源代码和所述自动化源代码中提取多个特征；由从所述plc源代码和所述自动化源代码中提取的所述多个特征来选择特定特征或特征组合；和基于一个或多个所选特征或所选特征的组合调整所述神经网络。14.根据权利要求10所述的方法，所述方法还包括：生成具体plc代码嵌入，所述具体plc代码嵌入将具体plc源代码片段定义为空间中的向量；和基于所述具体plc代码嵌入，确定不同的代码片段定义所述具体plc代码片段的空间中的向量附近的近邻，从而确定所述不同的代码片段与所述具体plc源代码片段相似。15.根据权利要求10所述的方法，所述方法还包括：生成具体制造代码嵌入，所述具体制造代码嵌入将具体自动化源代码片段定义为空间中的向量；和基于所述具体制造代码嵌入，确定不同的代码片段定义所述具体自动化代码片段的空间中的向量附近的近邻，从而确定所述不同的代码片段与所述具体自动化源代码片段相似。16.进一步根据权利要求14所述的方法，所述方法还包括：生成与空间中的向量相比与所述近邻相关联的评分，以便基于所述评分确定所述不同的代码片段在代码语法或代码功能上与所述plc源代码片段相似。17.进一步根据权利要求16所述的方法，其中，生成所述评分还包括：基于所述评分，确
定所述不同的代码片段在代码功能上与所述plc源代码片段相似，在代码语法上不同。18.根据权利要求10所述的方法，所述方法还包括：接收部分硬件配置；基于所述部分硬件配置，生成与硬件组件关联的概率分布；和基于所述概率分布，识别预定数量的硬件组件以完成所述部分硬件配置。19.一种自动化工程系统，包括：一个或多个模块；处理器，用于执行所述一个或多个模块；和存储器，用于存储所述一个或多个模块，所述一个或多个模块包括：硬件推荐模块，被配置为：学习用于完成自动化工程任务的硬件配置；接收部分硬件配置；基于学习所述硬件配置，确定多个硬件组件和与所述多个硬件组件关联的相应概率，所述相应概率定义选择所述多个硬件组件的完成所述部分硬件配置的硬件组件，从而定义完整的硬件配置，用于完成自动化工程任务。

技术总结
由于传感器大量数据可用，人工智能(AI)在工业自动化中的应用主要集中在运行时阶段。本发明描述了可以使用机器学习或人工智能(AI)来完成自动化工程任务的方法、系统和装置。系统和装置。系统和装置。


技术研发人员：阿基梅德斯
受保护的技术使用者：西门子股份公司
技术研发日：2020.08.11
技术公布日：2022/7/10