用于浮动生产平台、船舶和其他浮动系统的经过模拟训练的深度神经网络模型的持续学习.pdf

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号CN112424063A(43)申请公布日2021.02.26(21)申请号201980047590.4(74)专利代理机构北京市柳沈律师事务所(22)申请日2019.06.0611105代理人陈丽来(30)优先权数据16/003,4432018.06.08US(51)Int.Cl.B63B21/50(2006.01)(85)PCT国际申请进入国家阶段日G06N3/04(2006.01)2021.01.15G06F30/27(2020.01)(86)PCT国际申请的申请数据G06N20/00(2019.01)PCT/IB2019/0007482019.06.06G06N3/08(2006.01)(87)PCT国际申请的公布数据WO2019/234505EN2019.12.12(71)申请人泰克尼普法国公司地址法国库伯瓦(72)发明人J.F.奥沙利文D.E.西达塔H.J.利姆权利要求书2页说明书8页附图3页(54)发明名称用于浮动生产平台、船舶和其他浮动系统的经过模拟训练的深度神经网络模型的持续学习(57)摘要本发明提供了一种系统和方法，其通过将现实数据与由模拟器针对相同输入预测的数据进行比较，并开发将真实数据朝向模拟数据调整的映射相关性，从而避免了在最初使用模拟器进行训练后重新训练神经网络模型的需求。因此，在模拟训练的NN模型中开发的决策逻辑得以保留，并继续在可以描述为变更的现实的情况下操作。可以首先在映射算法中提供相似性的阈值度量(例如，相关百分比)，该映射算法在现实数据与模拟数据之间的相似性的度量超过阈值度量时，会自动将现实数据调整为与模拟数据相对应的调整数据以用于操作神经网络模型。随着对系统状况的监控，可以根据需要在后台继续进行更新的学习。CN112424063ACN112424063A权利要求书1/2页1.一种操作神经网络模型的方法，包括：向所述神经网络模型提供模拟数据，所述模拟数据包括变量的至少一个模拟值以及与所述变量的至少一个模拟值对应的至少一个模拟结果；为所述神经网络模型提供决策逻辑，以处理所述模拟数据用于神经网络模型输出；获得现实数据，所述现实数据包括所述变量的至少一个现实值以及与所述变量的至少一个现实值相对应的至少一个现实结果；比较所述现实数据与所述模拟数据以确定所述现实数据与所述模拟数据之间的相似性度量；如果所述相似性度量是大于阈值度量的模拟数据，则将所述现实数据提供作为所述神经网络模型的操作数据，以产生与来自所述神经网络模型的利用所述模拟数据的输出相对应的输出；如果度量不大于所述阈值度量，则将所述现实数据调整成与所述模拟数据相一致，并将调整数据提供作为所述神经网络模型的操作数据；和利用至少在所述模拟数据范围内对应的所述调整数据来操作所述神经网络模型，以利用所述调整数据产生与来自所述神经网络模型的利用所述模拟数据的输出相对应的输出。2.根据权利要求1所述的方法，其中，操作所述神经网络模型包括：操作所述神经网络以监控浮动系统。3.根据权利要求1所述的方法，其中，所述模拟数据和所述现实数据可以应用于浮动系统上的系泊缆。4.根据权利要求1所述的方法，其中，所述模拟数据包括用于所述模拟结果的多个变量。5.根据权利要求1所述的方法，其中，向所述神经网络模型提供模拟数据包括：提供用于浮动系统的数据，所述数据包括作为变量的在浪涌方向上的平均浮动系统偏移、在摇摆方向上的平均浮动系统偏移以及所述浮动系统的总质量，以及作为结果的在浪涌方向上的浮动系统长漂移周期和在摇摆方向上的浮动系统长漂移周期。6.根据权利要求5所述的方法，其中，获得现实数据包括：获得现实中在浪涌方向上的浮动系统长漂移周期和现实中在摇摆方向上的浮动系统长漂移周期。7.一种系统，包括：中央处理单元；非暂时性计算机可读存储器，包括处理器可执行程序指令，该处理器可执行程序指令在被执行时使所述中央处理单元执行以下操作：将模拟数据存储在用于神经网络模型的存储器中，所述模拟数据包括变量的至少一个模拟值以及与所述变量的至少一个模拟值相对应的至少一个模拟结果；将决策逻辑模拟数据存储在用于所述神经网络模型的所述存储器中，以处理所述模拟数据；在所述存储器中存储现实数据，所述现实数据包括所述变量的至少一个现实值以及与所述变量的至少一个现实值相对应的至少一个现实结果；比较所述现实数据与所述模拟数据以确定所述现实数据与所述模拟数据之间的相似性度量；2CN112424063A权利要求书2/2页如果所述相似性度量大于阈值度量模拟数据，则将所述现实数据提供作为所述神经网络模型的操作数据，以产生与来自所述神经网络模型的利用所述模拟数据的输出相对应的输出；如果度量不大于所述阈值度量，则将所述现实数据调整成与所述模拟数据相一