[发明专利]将机器学习集成到控制系统中

说明书

公开了用于在控制系统内实现机器学习的方法、系统、装置和计算机程序产品。可以从机器学习系统接收工业设施设置板，并且可以做出关于是否采用工业设施设置板中的设置的确定。机器学习模型可以是神经网络，例如深度神经网络，其已经例如使用强化学习被训练以预测被预测优化数据中心的效率的数据设置板。

技术领域

本说明书涉及将机器学习集成到控制系统中。

背景技术

机器学习模型接收输入并基于该模型接收到的输入和模型参数的值来生成输出。

神经网络是使用非线性单元的一个或多个层来预测针对接收到的输入的输出机器学习模型。除了输出层之外，一些神经网络还包括一个或多个隐藏层。每个隐藏层的输出被用作到网络中的下一层(即，下一个隐藏层或输出层)的输入。网络的每个层根据相应参数集的当前值从接收到的输入生成输出。

可以使用强化学习来训练神经网络以生成预测的输出。通常，在强化学习训练技术中，接收奖励并将其用于调整神经网络的参数值。

例如，使用强化学习训练的神经网络可以提出用于工业设施的设置，工业设施例如是数据中心，其是容纳计算机服务器以便用于远程存储、处理或分发大量数据的设施。

发明内容

本说明书总体上描述了用于机器学习系统的技术，并且具体地涉及使用机器学习系统直接控制工业设施的物理基础设施的系统和方法。

通常，本说明书中描述的主题的一个创新方面可以体现在使用机器学习来控制工业设施的物理基础设施的方法中。

该方面的其他实施例包括记录在一个或多个计算机存储设备上的相应计算机系统、装置和计算机程序，每个计算机系统、装置和计算机程序被配置为执行所述方法的动作。对于要配置为执行特定操作的一个或多个计算机的系统意味着系统已经在其上安装了软件、固件、硬件或它们的组合，其在操作中使得系统执行操作或动作。对于要被配置为执行特定操作或动作的一个或多个计算机程序意味着一个或多个程序包括当由数据处理装置执行时使装置执行操作或动作的指令。

前述和其他实施例可以各自任选地单独或组合包括一个或多个以下特征。特别地，一个实施例包括组合的所有以下特征。

一种示例方法，包括：从机器学习系统接收机器学习系统预测将要优化工业设施的效率的工业设施设置，其中，工业设施设置板定义用于多个工业设施控制中的每一个工业设施控制的相应设置；确定工业设施设置板所定义的工业设施设置是否能够安全地被工业设施采用(例如，如果采用预测模型预测的设置，工业设施是否将根据确定工业设施的安全环境的预定标准运行)；并且响应于确定可以安全地采用由工业设施设置板定义的工业设施设置，而采用由工业设施设置板定义的工业设施设置。

这里术语“优化”用于意味着相对于效率标准提高工业设施的效率。“效率优化”并不一定意味着工业设施设置板定义的设置是相对于设置的所有可能值提供效率绝对最大值的设置，而是该术语可能意味着根据效率标准的效率对于该工业设施设置板比对于至少一个其他可能的工业设施设置板更高。特别地，术语“效率的优化”可以意味着该工业设施设置板提供根据效率标准的效率，该效率不小于针对多个其他可能的工业设施设置板导出的相应效率。