数据处理方法技术

本公开提供了数据处理方法

【技术实现步骤摘要】
数据处理方法、装置、设备、介质及产品


[0001]本公开涉及人工智能领域中的云计算
、
深度学习
、
能源和机械设备等

。
可广泛应用于传统能源场景，如火力发电
、
燃气运输
、
新能源领域，如风力
、
潮汐
、
光热发电等，尤其涉及一种数据处理方法
、
装置
、
设备
、
介质及产品
。

技术介绍

[0002]在能源领域，动力机械部件是关键零件，可以影响能源系统的转换效率和运行稳定性
。
而动力机械部件的设计优化是多学科耦合任务
。
[0003]在使用或者生产动力机械部件之前，需要获得动力机械部件的物理场数据，并利用动力机械零部件的物理场数据对该动力机械零件的性能评估，进而选择满足性能需求的部件
。
因此如何获取动力机械零部件的物理场数据是目前亟待解决的技术问题
。

技术实现思路

[0004]本公开提供了一种数据处理方法
、
装置
、
设备
、
介质及产品
。
[0005]根据本公开的第一方面，提供了一种数据处理方法，包括：
[0006]确定机械动力部件的训练数据集，所述训练数据集包括多个训练样本，所述训练样本包括所述机械动力部件的物理参数值
、
所述机械动力部件的物理场所在空间采集的空间坐标集以及所述物理场的物理场数据，所述物理场数据基于所述物理参数值对应的物理场进行仿真计算获得；
[0007]根据所述训练数据集，对预设物理场预测网络进行训练，直至所述物理场预测网络满足预设的目标终止条件；
[0008]将所述满足预设目标终止条件的物理场预测网络确定为目标物理场预测网络，所述目标物理场预测网络用于对与所述机械动力部件对应的待预测物理参数值进行网络计算，获得目标物理场数据
。
[0009]根据本公开的第二方面，提供了一种数据处理方法，包括：
[0010]获取机械动力部件的目标物理场预测网络，所述目标物理场预测网络是基于第一方面所述数据处理方法训练获得；
[0011]接收所述机械动力部件对应的数据处理请求，其中，所述数据处理请求包括待预测物理参数值；
[0012]将所述待预测物理参数值，输入所述目标物理场预测网络，计算获得所述机械动力部件的目标物理场数据
。
[0013]根据本公开的第三方面，提供了一种数据处理装置，包括：
[0014]确定单元，用于确定机械动力部件的训练数据集，所述训练数据集包括多个训练样本，所述训练样本包括所述机械动力部件的物理参数值
、
所述机械动力部件的物理场所在空间采集的空间坐标集以及所述物理场的物理场数据，所述物理场数据基于所述物理参数值对应的物理场进行仿真计算获得；
[0015]训练单元，用于根据所述训练数据集，对预设物理场预测网络进行训练，直至所述物理场预测网络满足预设的目标终止条件；
[0016]目标单元，用于将所述满足预设目标终止条件的物理场预测网络确定为目标物理场预测网络，所述目标物理场预测网络用于对与所述机械动力部件对应的待预测物理参数值进行网络计算，获得目标物理场数据
。
[0017]根据本公开的第四方面，提供了一种数据处理装置，包括：
[0018]模型获取单元，用于获取机械动力部件的目标物理场预测网络，所述目标物理场预测网络是基于第一方面所述数据处理方法训练获得；
[0019]请求接收单元，用于接收所述机械动力部件对应的数据处理请求，其中，所述数据处理请求包括待预测物理参数值；
[0020]数据预测单元，用于将所述待预测物理参数值，输入所述目标物理场预测网络，计算获得所述机械动力部件的目标物理场数据
。
[0021]根据本公开的第五方面，提供了一种电子设备，包括：
[0022]至少一个处理器；以及
[0023]与所述至少一个处理器通信连接的存储器；其中，
[0024]所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行第一方面或者第二方面所述的方法
。
[0025]根据本公开的第六方面，提供了一种存储有计算机指令的非瞬时计算机可读存储介质，其中，所述计算机指令用于使所述计算机执行根据第一方面或第二方面的方法
。
[0026]根据本公开的第七方面，提供了一种计算机程序产品，所述计算机程序产品包括：计算机程序，所述计算机程序存储在可读存储介质中，电子设备的至少一个处理器可以从所述可读存储介质读取所述计算机程序，所述至少一个处理器执行所述计算机程序使得电子设备执行第一方面或第二方面所述的方法
。
[0027]根据本公开的技术方案，可以确定机械动力部件的训练数据集，而训练数据集可以包括多个训练样本，并根据训练数据集，对预设物理场预测网络进行训练，直至物理场预测网络满足预设的目标终止条件，获得目标物理场预测网络
。
通过为机械动力部件确定训练数据集实现机械动力部件的物理场预测网络的高精度训练，使得训练获得的目标物理场预测网络与机械动力部件的物理场表现更接近
。
进而利用训练获得的目标物理场预测网络对机械动力部件的待预测物理参数值进行网络计算，获得高精度的目标物理场数据
。
通过目标物理场预测网络可以快速实现对待预测物理参数值的目标物理场数据的计算，可以提高物理场分析的效率，对机械动力部件的物理场实现快速且高效分析
。
[0028]应当理解，本部分所描述的内容并非旨在标识本公开的实施例的关键或重要特征，也不用于限制本公开的范围
。
本公开的其它特征将通过以下的说明书而变得容易理解
。
附图说明
[0029]附图用于更好地理解本方案，不构成对本公开的限定
。
其中：
[0030]图1是根据本公开实施例提供一种数据处理系统的示意图；
[0031]图2是根据本公开实施例提供的一种数据处理方法的应用示意图；
[0032]图3是根据本公开第一实施例的示意图；
[0033]图4是根据本公开提供的物理场预测网络的结构示意图；
[0034]图5是根据本公开提供的线性自注意力模块的结构示意图；
[0035]图6是根据本公开第二实施例的示意图；
[0036]图7是根据本公开提供的空间采样的示意图；
[0037]图8是根据本公开第三实施例的示意图；
[0038]图9是根据本公开提供的数据处理方法的一个示意性流程图；
[0039]图
10
是根据本公开第四实施例的示意图；
[0040]图
本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种数据处理方法，包括：确定机械动力部件的训练数据集，所述训练数据集包括多个训练样本，所述训练样本包括所述机械动力部件的物理参数值
、
所述机械动力部件的物理场所在空间采集的空间坐标集以及所述物理场的物理场数据，所述物理场数据基于所述物理参数值对应的物理场进行仿真计算获得；根据所述训练数据集，对预设物理场预测网络进行训练，直至所述物理场预测网络满足预设的目标终止条件；将所述满足预设目标终止条件的物理场预测网络确定为目标物理场预测网络，所述目标物理场预测网络用于对与所述机械动力部件对应的待预测物理参数值进行网络计算，获得目标物理场数据
。2.
根据权利要求1所述的方法，其中，所述物理场预测网络包括：分支网络
、
主干网络以及共享输出网络；所述分支网络和所述主干网络分别与所述共享输出网络连接；所述根据所述训练数据集，对预设物理场预测网络进行训练，直至所述物理场预测网络满足预设的目标终止条件，包括：将所述训练样本的物理参数值输入所述分支网络，通过所述分支网络计算获得所述训练样本的物理特征；将所述训练样本的空间坐标集输入所述主干网络，通过所述分支网络计算获得所述训练样本的空间特征；将所述物理特征和所述空间特征输入所述共享输出网络，通过所述共享输出网络计算获得所述训练样本的数据预测结果；若基于多个所述训练样本分别对应的数据预测结果和物理场数据，确定所述预设物理场预测网络满足预设的目标终止条件，则终止所述物理场预测网络的迭代训练
。3.
根据权利要求2所述的方法，还包括：若基于多个所述训练样本分别对应的数据预测结果和物理场数据，确定所述物理场预测网络不满足预设的目标终止条件，则更新所述物理场预测网络的网络参数，继续对所述物理场预测网络进行迭代训练
。4.
根据权利要求2或3所述的方法，其中，还包括：基于多个所述训练样本分别对应的数据预测结果和物理场数据，确定所述物理场预测网络的网络训练信息；基于所述网络训练信息，检测所述物理场预测网络是否满足预设的目标终止条件
。5.
根据权利要求4所述的方法，其中，所述基于多个所述训练样本分别对应的数据预测结果和物理场数据，确定所述物理场预测网络的网络训练信息，包括：基于预设的损失函数，对多个所述训练样本分别对应的数据预测结果和物理场数据进行误差计算，获得所述物理场预测网络的损失值；所述基于所述网络训练信息，检测所述物理场预测网络是否满足预设的目标终止条件，包括：若所述损失值小于或等于预设的损失阈值，则确定所述物理场预测网络满足预设的目标终止条件；若所述损失值大于所述损失阈值，则确定所述物理场预测网络不满足预设的目标终止
条件
。6.
根据权利要求1‑5任一项所述的方法，其中，所述确定机械动力部件的训练数据集，包括：获取所述机械动力部件的物理参数值；利用所述物理参数值，确定所述机械动力部件的物理场所在的空间坐标集和物理场数据；将所述物理参数值
、
以及与所述物理参数值对应的所述空间坐标集和所述物理场数据确定为一个样本，以获得多个样本对应的训练数据集
。7.
根据权利要求6所述的方法，其中，所述获取所述机械动力部件的物理参数值，包括：响应于监测到状态配置操作，获取所述机械动力部件的状态参数值；基于所述机械动力部件的几何参数的取值范围，对所述几何参数进行采样，获得所述多个所述几何参数值；将所述状态参数值和所述几何参数值确定为所述机械动力部件的物理参数值
。8.
根据权利要求7所述的方法，其中，所述利用所述物理参数值，确定所述机械动力部件的物理场所在的空间坐标集和物理场数据，包括：通过仿真软件，对所述状态参数值和所述几何参数值进行机械动力部件的建模，获得所述机械动力部件的部件计算模型；利用所述部件计算模型，对所述机械动力部件的物理场空间进行坐标采样，获得所述空间坐标集；利用所述部件计算模型，对所述空间坐标集进行物理场参数的数据采集，获得所述空间坐标集对应的物理场数据
。9.
一种数据处理方法，包括：获取机械动力部件的目标物理场预测网络，所述目...

【专利技术属性】
技术研发人员：刘天源，汪祺能，戴明洋，
申请(专利权)人：百度智能云广州科技有限公司，
类型：发明
国别省市：