本申请涉及人工智能技术领域，特别是涉及一种调试辅助设备、装置、产品调试设备和计算机可读介质。
背景技术：
由于产品在设计、加工和装配的过程中，不可避免的会存在偏差，造成产品的性能可能会偏离设计初衷，因此就需要对产品进行调试，使产品的性能满足性能指标的要求。
目前已经存在的产品调试设备，调试过程比较机械、呆板，无法将产品调试至最佳的效果，比如在腔体滤波器的调试过程中，只是机械的把调谐螺钉旋到固定的坐标位置，调试的效果则无法保证；或者，在产品调试过程中，依赖调试人员通过调试设备对产品进行不断的调整尝试，找到一个满足性能指标要求的状态，这种调试方法对调试人员的依赖程度高，效率低下，需要花费大量的时间和精力。因而，如何保证产品调试效果，缩短了产品调试的时间，提高产品调试的效率已成为亟需解决的问题。
技术实现要素：
基于上述问题，本申请提供了一种调试辅助设备、装置、产品调试设备和计算机可读介质，用以调整或缓解上述现有技术中存在的问题。
本申请实施例公开了如下技术方案：
本申请提供一种调试辅助设备，包括：存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现如下步骤：根据接收的产品调试数据和预设的性能指标，对产品调试进行评估，所述产品调试数据由产品调试设备对所述产品进行调试得到；若所述产品调试数据与所述性能指标一致，则向所述产品调试设备发出产品调试完成指令；或，若所述产品调试数据与所述性能指标不一致，则基于产品调试模型，对所述产品的调试参数进行调整，得到优化调试参数，并发出产品调试指令，由所述产品调试设备执行所述产品调试指令，根据所述优化调试参数完成所述产品调试。
可选地，在本申请的任一实施例中，所述处理器执行所述计算机程序时实现的步骤中，若所述产品调试数据与所述性能指标不一致，则基于产品调试模型，对所述调试参数进行调整，得到优化调试参数，并发出产品调试指令，由所述产品调试设备执行所述产品调试指令，根据所述优化调试参数完成所述产品调试，包括：若所述产品调试数据与所述性能指标不一致，则基于所述产品调试模型，根据所述产品调试数据，对所述调试参数进行调整，并发出模型调试指令；基于性能预测模型，执行所述模型调试指令，根据调整后的所述调试参数，对产品模型进行调试，生成模型调试数据，所述产品模型与所述产品相对应；根据所述模型调试数据和所述性能指标，生成模型调试评估结果，所述模型调试评估结果用于对所述产品模型的调试进行评估；根据所述模型调试评估结果，得到所述优化调试参数，并发出所述产品调试指令，由所述产品调试设备执行所述产品调试指令，根据所述优化调试参数完成所述产品调试。
可选地，在本申请的任一实施例中，所述处理器执行所述计算机程序时实现的步骤中，根据所述模型调试评估结果，得到所述优化调试参数，并发出所述产品调试指令，由所述产品调试设备执行所述产品调试指令，根据所述优化调试参数完成所述产品调试，包括：若所述模型调试数据与所述性能指标一致，则输出调整后的所述调试参数作为所述优化调试参数，并发出所述产品调试指令，由所述产品调试设备执行所述产品调试指令，根据所述优化调试参数完成所述产品调试。或，若所述模型调试数据与所述性能指标不一致，则基于所述产品调试模型，根据所述模型调试数据，对调整后的所述调试参数进行调整，生成所述优化调试参数，并发出所述产品调试指令，由所述产品调试设备执行所述产品调试指令，根据所述优化调试参数完成所述产品调试。
可选地，在本申请的任一实施例中，所述处理器执行所述计算机程序时实现的步骤中，若所述模型调试数据与所述性能指标不一致，则基于所述产品调试模型，根据所述模型调试数据，对调整后的所述调试参数进行调整，生成所述优化调试参数，并发出所述产品调试指令，由所述产品调试设备执行所述产品调试指令，根据所述优化调试参数完成所述产品调试，包括：若所述模型调试数据与所述性能指标不一致，则基于所述产品调试模型，根据所述模型调试数据，对调整后的所述调试参数进行调整，并发出所述模型调试指令；基于所述性能预测模型，执行所述模型调试指令，根据调整后的所述调试参数对所述产品模型进行调试，生成新的所述模型调试数据；根据新的所述模型调试数据和所述性能指标，生成新的所述模型调试评估结果；根据新的所述模型调试评估结果，得到所述优化调试参数，并发出所述产品调试指令，由所述产品调试设备执行所述产品调试指令，根据所述优化调试参数完成所述产品调试。
可选地，在本申请的任一实施例中，所述处理器执行所述计算机程序时实现的步骤中，根据新的所述模型调试评估结果，得到所述优化调试参数，并发出所述产品调试指令，由所述产品调试设备执行所述产品调试指令，根据所述优化调试参数完成所述产品调试，包括：若新的所述模型调试数据与所述性能指标不一致，且所述调试参数的调整次数达到预设阈值，则输出最后的所述调试参数作为所述优化调试参数，并发出所述产品调试指令，由所述产品调试设备执行所述产品调试指令，根据所述优化调试参数完成所述产品调试。
可选地，在本申请的任一实施例中，所述产品调试模型为机器学习模型。
可选地，在本申请的任一实施例中，所述机器学习模型为深度神经网络模型。
本申请实施例还提供一种产品调试设备，所述产品调试设备用于对所述产品进行调试，生成产品调试数据，并发送给上述任一所述的调试辅助设备。
本申请实施例还提供一种调试辅助装置，包括：性能评估单元，配置为根据接收的产品调试数据和预设的性能指标，对所述产品调试进行评估，所述产品调试数据由产品调试设备对所述产品进行调试得到；调试输出单元，配置为若所述产品调试数据与所述性能指标一致，则向所述产品调试设备发出产品调试完成指令；或，若所述产品调试数据与所述性能指标不一致，则基于产品调试模型，对所述产品的调试参数进行调整，得到优化调试参数，并发出产品调试指令，由所述产品调试设备执行所述产品调试指令，根据所述优化调试参数完成所述产品调试。
可选地，在本申请的任一实施例中，所述调试输出单元包括：参数调整子单元，配置为若所述产品调试数据与所述性能指标不一致，则基于所述产品调试模型，根据所述产品调试数据，对所述调试参数进行调整，并发出模型调试指令；模型调试子单元，配置为基于性能预测模型，执行所述模型调试指令，根据调整后的所述调试参数，对产品模型进行调试，生成模型调试数据，所述产品模型与所述产品相对应；调试评估子单元，配置为根据所述模型调试数据和所述性能指标，生成模型调试评估结果，所述模型调试评估结果用于对所述产品模型的调试进行评估；参数输出子单元，配置为根据所述模型调试评估结果，得到所述优化调试参数，并发出所述产品调试指令，由所述产品调试设备执行所述产品调试指令，根据所述优化调试参数完成所述产品调试。
可选地，在本申请的任一实施例中，所述参数输出子单元，进一步配置为，若所述模型调试数据与所述性能指标一致，则输出调整后的所述调试参数作为所述优化调试参数，并发出所述产品调试指令，由所述产品调试设备执行所述产品调试指令，根据所述优化调试参数完成所述产品调试；或，若所述模型调试数据与所述性能指标不一致，则基于所述产品调试模型，根据所述模型调试数据，对调整后的所述调试参数再次进行调整，生成所述优化调试参数，并发出所述产品调试指令，由所述产品调试设备执行所述产品调试指令，根据所述优化调试参数完成所述产品调试。
本申请实施例还提供一种产品调试设备，所述产品调试设备用于对所述产品进行调试，生成产品调试数据，并发送给上述任一所述的调试辅助设备。
本申请实施例还提供一种计算机可读介质，所述计算机可读介质存储有计算机程序，所述计算机程序为上述任一所述的调试辅助设备中存储的。
本申请实施例的技术方案中，处理器在执行计算机可读介质中存储的计算机程序时，根据接收的产品调试数据和预设的性能指标，对产品调试进行评估，所述产品调试数据由产品调试设备对所述产品进行调试得到；若所述产品调试数据与所述性能指标一致，则向所述产品调试设备发出产品调试完成指令；或，若所述产品调试数据与所述性能指标不一致，则基于产品调试模型，对所述产品的调试参数进行调整，得到优化调试参数，并发出产品调试指令，由所述产品调试设备执行所述产品调试指令，根据所述优化调试参数完成所述产品调试。通过本申请实施例的技术，可以将对产品反复调试的过程，交由处理器通过执行算机可读介质中存储的计算机程序来完成，通过产品调试模型对产品模型的调试参数的不断调整，来优化调试参数，最终输出满足性能指标的优化调试参数，由产品调试设备完成产品调试，极大的缩短了产品调试的时间，提高了产品调试效率，节约了产品调试时花费的精力。
附图说明
为了更清楚地说明本申请实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
图1为根据本申请第一实施例所示的产品调试系统的架构示意图；
图2a为根据本申请第二实施例所示的调试辅助设备的处理器执行计算机程序所实现的产品调试方法的流程示意图；
图2b为根据本申请第二实施例所示的调试辅助设备的处理器执行计算机程序所实现的产品调试方法中步骤s202的流程示意图；
图3a为根据本申请第三实施例所示的调试辅助设备的处理器执行计算机程序所述实现的产品调试模型训练方法的流程示意图；
图3b为根据本申请第三实施例所示的调试辅助设备的处理器执行计算机程序所述实现的产品调试模型训练方法中步骤s302的流程示意图；
图4a为根据本申请第四实施例所示的调试辅助装置的结构示意图；
图4b为根据本申请第四实施例所示的调试辅助装置中调试输出单元的结构示意图；
图5a为根据本申请第五实施例所示的调试辅助装置中产品调试模型训练系统的结构示意图；
图5b为根据本申请第五实施例所示的调试辅助装置中模型调整单元的结构示意图；
图6为根据本申请第五实施例所示的调试辅助设备的结构示意图；
图7为根据本申请第七实施例所示的调试辅助设备的硬件结构。
具体实施方式
实施本申请实施例的任一技术方案必不一定需要同时达到以上的所有优点。
为了使本技术领域的人员更好地理解本发明方案，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
第一实施例
图1为根据本申请第一实施例所示的产品调试系统的架构示意图；如图1所示，该系统架构包括：产品调试设备101、性能测试设备102、以及调试辅助设备103；
所述产品调试设备101和所述性能测试设备102部署在本地，所述调试辅助设备103可以为本地调试辅助设备或云端调试辅助设备，所述产品调试设备101、所述性能测试设备102与所述调试辅助设备103之间可以通过网络进行通讯；
所述产品调试设备101用于对产品进行调试，所述性能测试设备102用于对所述产品调试设备101调试后的产品进行测试，得到产品调试数据，并将所述产品调试数据通过所述网络上传至所述调试辅助设备103；
所述调试辅助设备103包括：存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序；所述处理器在执行计算机程序时实现如下流程：
通过所述调试辅助设备103中部署的比较函数，根据预设的性能指标，对接收的所述产品调试数据进行评估；
通过所述计算机程序中的产品调试模型和性能预测模型的交互，实现产品调试。若所述产品调试数据与所述性能指标一致，则向所述产品调试设备101发出产品调试完成指令；
若所述产品调试数据与所述性能指标不一致，则所述产品调试模型根据所述产品调试数据，对所述产品的调试参数进行调整，发出模型调试指令，与所述性能预测模型进行交互；
所述性能预测模型用于执行模型调试指令，根据调整后的所述调试参数，对产品模型进行调试，生成模型调试数据，所述产品模型与所述产品相对应；所述性能预测模型将所述模型调试数据反馈至所述比较函数，由所述比较函数根据所述性能指标，对所述模型调试数据进行评估；
若所述模型调试数据与所述性能指标一致，则输出调整后的所述调试参数，作为所述优化调试参数，发出产品调试指令，并通过所述网络发送至所述产品调试设备101，由所述产品调试设备101执行所述产品调试指令，根据所述优化调试参数对产品进行调试，完成所述产品调试；
若所述模型调试数据与所述性能指标不一致，则由所述产品调试模型根据所述模型调试数据，对所述调试参数进行再次调整，发出模型调试指令，与所述性能预测模型进行交互；
若所述产品调试模型对所述调试参数的调整次数达到预设阈值，则输出最后的所述调试参数，作为所述优化调试参数，发出产品调试指令，并通过所述网络发送至所述产品调试设备101，由所述产品调试设备101执行所述产品调试指令，根据所述优化调试参数对产品进行调试，完成所述产品调试。
第二实施例
图2a为根据本申请第二实施例所示的调试辅助设备的处理器执行计算机程序所实现的产品调试方法的流程示意图；如图2a所示，该产品调试方法包括：
步骤s201、根据接收的产品调试数据和预设的性能指标，对产品调试进行评估，所述产品调试数据由产品调试设备对所述产品进行调试得到；
本实施例中，所述产品调试数据可以是预先生成的，通过产品调试设备对待调试的产品进行调试，然后由性能测试设备对调试后的产品进行测试生成。性能指标与待调试的产品相对应，可以是产品对应的国家标准、行业标准、企业标准，或者是根据产品的实际应用场合，满足使用要求的自定义标准等。该性能标准可以是由调试人员设定的，可根据产品的实际应用进行实时调整。
本步骤中，可以通过比较函数对产品调试数据和预设的性能指标进行比较，以对产品调试的动作进行评估，用比较结果来表征产品调试的好坏程度。此外，还可以通过比较器实现对产品调试数据和预设的性能指标的比较，在此，并不限定产品调试数据和预设的性能指标的比较方式。
步骤s202、若所述产品调试数据与所述性能指标一致，则向所述产品调试设备发出产品调试完成指令；或，若所述产品调试数据与所述性能指标不一致，则基于产品调试模型，对所述产品的调试参数进行调整，得到优化调试参数，并发出产品调试指令，由所述产品调试设备执行所述调试指令，根据所述优化调试参数完成所述产品调试。
通过对产品调试数据和性能指标的比较，可清楚知晓产品调试是否满足要求。若产品调试数据和性能指标一致，说明当前的产品调试满足要求，不需要再继续对产品进行调试，产品调试完成。如果产品调试数据和性能指标不一致，说明当前的产品调试不满足要求，还需要继续对产品进行调试，以最大程度满足性能指标。
产品调试模型、性能预测模型均可以为机器学习模型。比如深度神经网络模型，还可以为决策树模型、逻辑回归模型等。基于产品调试模型，对产品的调试参数进行调整，将调整后的调试参数作为优化调试参数，发送给产品调试设备，由产品调试设备根据优化调试参数对产品进行调试。
在此，需要说明的是，产品调试模型可以是能够学习第一映射关系的深度神经网络模型，其中，第一映射关系为产品调试数据(或者模型调试数据)与指导进行产品调试之间的关系。将产品调试数据(或者模型调试数据)输入深度神经网络模型，深度神经网络模型对产品调试数据(或者模型调试数据)进行分析，输出要调试的产品的调试参数(包括要调试的部位以及调整的具体数值)。
性能预测模型可以是图神经网络模型，通过将产品的工作拓扑结构、产品所包含的属性(类型、尺寸、结构、材料、电导率、磁导率、介电常数等)信息转换为包含节点和边结构的数据作为图神经网络的输入，将产品的性能指标作为目标值，学习将产品的工作拓扑结构及包含的属性与性能指标互相映射，达到模拟传统建模仿真软件的功能，代替传统建模仿真软件对产品模型进行调试，生成产品模型的模型调试数据，以此可以解决传统建模仿真软件耗费时间、占用计算资源大的问题。具体过程在此不再一一赘述。
在此，需要说明的是，性能预测模型可以是学习第二映射关系的神经网络模型，该第二映射关系为产品模型与产品调试数据(或者模型调试数据)的关系。将产品模型的相关信息(如产品模型的拓扑结构、尺寸等)输入深度神经网络模型，深度神经网络模型对产品模型的相关信息进行分析，输出产品模型的模型调试数据。
图2b为根据本申请第二实施例所示的调试辅助设备的处理器执行计算机程序所实现的产品调试方法中步骤s202的流程示意图；如图2b所示，步骤s202包括：
步骤s212、若所述产品调试数据与所述性能指标不一致，则基于所述产品调试模型，根据所述产品调试数据，对所述调试参数进行调整，并发出模型调试指令；
产品调试数据与性能指标进行比较，若产品调试数据与性能指标不一致，找出二者之间存在的差异，由产品调试模型以性能指标为目标，根据产品调试数据对调试参数进行调整，并发出模型调试指令，使根据调整后的调试参数对产品进行调试时能够获取与性能指标更接近的产品调试数据。
步骤s222、基于性能预测模型，执行所述模型调试指令，根据调整后的所述调试参数，对产品模型进行调试，生成模型调试数据，所述产品模型与所述产品相对应；
本步骤中，通过性能预测模型执行模型调试指令，对产品模型进行调试，来模拟产品调试设备对产品的调试。在此，产品模型是与产品相对应，赋予产品模型的类型、尺寸、结构、材料、电导率、磁导率、介电常数等属性信息与产品的属性信息完全相同，从而可以更好的通过产品模型调试来模拟产品调试。在调试参数相同的情况下，通过性能预测模型对产品模型进行调试，生成的模型调试数据与通过产品调试设备对产品进行调试，生成的产品调试数据应完全相同。如此，可以通过产品模型的调试效果来直接反映产品调试的效果，极大的缩短了产品调试的时间，提高了产品调试效率，节约了产品调试时花费的精力。
步骤s232、根据所述模型调试数据和所述性能指标，生成模型调试评估结果，所述模型调试评估结果用于对所述产品模型的调试进行评估；
在得到模型调试数据后，为了衡量产品调试模型对调试参数的调整是否满足要求，用模型调试评估结果来对产品模型的调试动作进行评估。具体通过对模型调试数据和性能指标进行比较，找出二者之间的差异，即可得到模型调试评估结果。具体可以通过比较函数或比较器等实现对模型调试数据和性能指标的比较，在此，不再一一赘述。
步骤s242、根据所述模型调试评估结果，得到所述优化调试参数，并发出产品调试指令，由所述产品调试设备执行所述产品调试指令，根据所述优化调试参数完成所述产品调试。
通过模型调试评估结果，即可清楚的知道产品模型的模型调试数据是否满足性能指标，若满足性能指标，说明通过该模型调试数据相对应的调试参数对产品进行调试，也可满足性能指标，即可将与模型调试数据相对应的调试参数作为优化调试参数输出，发出产品调试指令，由产品调试设备执行产品调试指令，根据该优化调试参数对产品进行调试。若模型调试数据不满足性能指标，说明通过该模型调试数据相对应的调试参数对产品进行调试，也不能满足性能指标，需要继续对产品模型的调试参数进行调整，直至根据调整的调试参数对产品模型进行调试，得到的模型调试数据与性能指标一致，将与模型调试数据相对应的调试参数作为优化调试参数，发出产品调试指令，由产品调试设备执行产品调试指令，根据该优化调试参数进行产品调试。
具体的，步骤s242包括：若所述模型调试数据与所述性能指标一致，则输出调整后的所述调试参数作为所述优化调试参数，并发出所述产品调试指令，由所述产品调试设备执行所述产品调试指令，根据所述优化调试参数完成所述产品调试；或，若所述模型调试数据与所述性能指标不一致，则基于所述产品调试模型，根据所述模型调试数据，对调整后的所述调试参数进行调整，生成所述优化调试参数，并发出所述产品调试指令，由所述产品调试设备执行所述产品调试指令，根据所述优化调试参数完成所述产品调试。
进一步的，若所述模型调试数据与所述性能指标不一致，则基于所述产品调试模型，根据所述模型调试数据，对调整后的所述调试参数进行调整；生成所述优化调试参数，并发出所述模型调试指令，由所述产品调试设备执行所述模型调试指令，根据所述优化调试参数完成所述产品调试包括：若所述模型调试数据与所述性能指标不一致，则基于所述产品调试模型，根据所述模型调试数据，对调整后的所述调试参数进行调整，并发出所述产品调试指令；基于所述性能预测模型，执行所述产品调试指令，根据调整后的所述调试参数对所述产品模型进行调试，生成新的所述模型调试数据；根据新的所述模型调试数据和所述性能指标，生成新的所述模型调试评估结果；根据新的所述模型调试评估结果，得到所述优化调试参数，并发出所述产品调试指令，由所述产品调试设备执行所述产品调试指令，根据所述优化调试参数完成所述产品调试。
经过产品调试模型对调试参数的不断调整，性能预测模型对产品模型进行调试，生成的模型调试数据就会越来越接近性能指标。在模型调试数据与性能指标一致时，就可以停止对调试参数的调整，此时，与性能指标一致的模型调试参数相对应的调试参数，即为优化调试参数，输出该优化调试参数，发出产品调试指令至产品调试设备完成产品调试。
需要说明的是，对调试参数的调整次数并非越多越好。在产品调试模型以性能指标为目标，对调试参数进行不断调整的过程中，必然需要占用大量的计算资源。为了协调产品调试模型占用的计算资源与调试效率之间的关系，本实施例中，通过设置调试参数的最大调整次数，对产品调试模型进行限制，以使产品调试模型占用的计算资源与调试效率之间相对平衡。具体的，所述根据新的所述模型调试评估结果，得到所述优化调试参数，并发出产品调试指令，由所述产品调试设备执行所述产品调试指令，根据所述优化调试参数完成所述产品调试包括：若新的所述模型调试数据与所述性能指标不一致，且所述调试参数的调整次数达到预设阈值，则输出最后的所述调试参数作为所述优化调试参数，并发出产品调试指令，由所述产品调试设备执行所述产品调试指令，根据所述优化调试参数完成所述产品调试。预设阈值可以根据产品调试的实际情况，以及产品调试模型调整参数时的资源配置进行设定，并不对此进行具体的限制。
本实施例的产品调试方法，可以将对产品反复调试的过程，交由调试辅助设备来完成，通过产品调试模型对产品模型的调试参数的不断调整，来优化调试参数，最终输出满足性能指标的优化调试参数，由产品调试设备完成产品调试，极大的缩短了产品调试的时间，提高了产品调试效率，节约了产品调试时花费的精力。
下面以5g基站用的陶瓷介质滤波器进行产品调试为例，对本实施例的产品调试方法进行说明。
5g基站用的陶瓷介质滤波器由陶瓷基体和表面的金属层构成，表面金属层的材料通常是银，通过烧结的方式固定在陶瓷上。在进行陶瓷介质滤波器调试过程中，通过电动磨头破坏陶瓷基体或者表面烧结的银层，即可对陶瓷介质滤波器内的电磁场进行调整，实现陶瓷介质滤波器的调试。
利用本实施例的产品调试方法，首先，将陶瓷介质滤波器置于机电设备(即产品调试设备)上对陶瓷介质滤波器进行调试，并将机电设备与矢量网络分析仪(即性能测试设备)相连，即可得到陶瓷介质滤波器调试后的s参数曲线(即产品调试数据)，并将矢量网络分析仪得到的s参数曲线上传至服务端。
然后，根据预设的陶瓷介质滤波器的性能指标对s参数曲线进行比较，若s参数曲线与性能指标一致，则说明机电设备对陶瓷介质滤波器的调试达到目标，满足要求。若s参数曲线与性能指标不一致，通过服务端布置的产品调试模型根据输入的s参数曲线对调试参数进行调整，发出模型调试指令，并由性能预测模型执行模型调试指令，根据调整后的调试参数对陶瓷介质滤波器模型(即产品模型)进行调试，并生成模型调试数据。在此，需要说明的是，陶瓷介质滤波器模型为根据陶瓷介质滤波器建立的模型。
在性能预测模型生成模型调试数据后，将模型调试数据交由产品调试模型进行评估，对模型调试数据与性能指标进行比较，看其是否满足要求。若模型调试数据与性能指标不一致，继续对陶瓷介质滤波器模型的调试参数进行调整，与性能预测模型进行交互，直至模型调试数据与性能指标一致，将与性能指标一致的模型调试数据相对应的调试参数输出给机电设备，发出产品调试指令，由机电设备执行产品调试指令，完成陶瓷介质滤波器的调试。
在此，需要说明的是，对产品调试数据与性能指标进行比较可以由产品调试模型完成(在产品调试模型中增加比较函数)，也可以单独设立比较模型(比如比较器)完成。在对陶瓷介质滤波器进行调试的实施例中，采用产品调试模型完成产品调试数据与性能指标进行比较。
进行产品调试的产品可以为微波射频元器件、通讯设备用滤波器、声表滤波器、射频滤波器、中频滤波器、鉴频器、介质/天线/收发共用器、介质带通滤波器、陶瓷电容器、正负温度系数热敏电阻、高精度可调电位器、高压电阻片状电感线圈、静噪元件/电磁干扰静噪滤波器(emifil)、片状磁珠、磁珠排、dc/ac用共模扼流线圈、军工用符合型静噪滤波器、陶瓷振荡器(resonators)、高频元件、高频组件(microwavemodules)pll组件、射频开关、微波振荡器vco、bluetooth蓝牙模块、电源(powersupplies)、传感器元件(sensors)等。
第三实施例
在产品调试过程中，对调试参数进行调整的产品调试模型可以是预先训练好的，也可以是随着产品调试同时进行训练。本实施例中的产品调试模型为深度神经网络模型。该深度神经网络模型以深度强化学习框架、ac网络(行为网络(actornet)和价值网络(criticnet))框架为基础，ac网络框架可以为a3c(asynchronousadvantageactor-critic)、a2c(advantageactor-critic)、ppo(proximalpolicyoptimization)、ddpg(deepdeterministicpolicygradient)等。
此时，该产品调试模型训练方法包括：根据采样数据对所述产品调试模型进行训练，所述采样数据包括：所述产品调试模型对所述调试参数进行调整的数据，以及，所述性能预测模型对所述产品模型进行调试的数据。
采样数据可以通过产品调试模型与环境的交互进行采样获取，这里的环境可以是性能预测模型，也可以是产品调试设备，或者是其它能够计算产品模型的性能的仿真软件等，在此，并不进行限定。在本实施例中，通过性能预测模型与产品调试模型的交互，对产品调试模型进行训练，在产品调试模型对调试参数进行调整、以及性能预测模型对产品模型进行调试的过程中，对产品调试模型与性能预测模型的交互进行采样，获取采样数据。
图3a为根据本申请第三实施例所示的调试辅助设备的处理器执行计算机程序所述实现的产品调试模型训练方法的流程示意图；如图3a所示，所述根据采样数据对所述产品调试模型进行训练包括：
步骤s301、根据所述采样数据，通过价值函数对所述产品调试模型调整所述调试参数的动作进行评估，生成调整动作评估结果；
在产品调试模型与性能预测模型进行交互的过程中，产品调试模型以性能指标为目标，产品调试模型对产品模型调试后的状态进行评估，即根据模型调试数据对调试参数进行调整，给出待调试的产品模型中的新的调试参数。
本实施例中，由价值函数对产品调试模型的动作进行评估，生成调整动作评估结果，所述调整动作评估结果用于指导产品调试模型进行下一次调试参数的调整。
具体的，步骤s301包括：
若所述模型调试数据与所述性能指标一致，则所述调整动作评估结果为零；若所述模型调试数据与所述性能指标不一致，则所述调整动作评估结果为根据所述采样数据，通过所述价值函数得到的所述模型调试数据的累计回报近似值。
本实施例中，用q表示调整动作评估结果，用v表示累计回报近似值，即模型调试数据与性能指标一致时，调整动作评估结果q(s，t)＝0；模型调试数据与性能指标不一致时，调整动作评估结果q(s，t)＝v(st,ω)。其中，t为自然数，表示产品调试模型第几次对调试参数进行调整；st表征第t次对调试参数进行调整后产品模型的调试状态，s表示计算最后一个时间序列的模型调试数据；ω为价值函数的参数。
累计回报近似值表征了产品调试模型的目标，即寻找最优的神经网络模型参数，使累计回报的期望最大。具体可以通过状态价值函数进行迭代计算。比如：通过价值函数计算产品调试模型最后一次对调试参数进行调整的调整动作评估结果；根据后一次对调试参数进行调整的调整动作评估结果计算前一次对调试参数进行调整的调整动作评估结果。具体可根据下述公式(1)计算。
q(s，i)＝ri γ*q(s，i 1)............(1)
其中，i∈(t-1，1)，表示产品调试模型第i次对调试参数进行调整；q(s，i 1)表征对调试参数进行第i 1次调整后，产品模型的调试状态的调整动作评估结果；q(s，i)表征对调试参数进行第i次调整后，预测的产品模型的调试状态的调整动作评估结果；
ri表征对产品模型的调试参数进行第i次调整的即时奖励，即时奖励用于评价当前调整动作的好坏；γ∈(0,1)，表示折扣率，γ的取值影响产品调试模型的训练，以及优化调试参数的结果。当γ接近于0时，训练出来的产品调试模型输出的优化调试参数可能是局部最优；当γ接近于1时，训练出来的产品调试模型输出的优化调试参数可能是全局最优。由于在γ＝1时，产品调试模型可能不收敛，因而，γ取值应根据产品调试的实际情况进行决定，并非是越大越好。
步骤s302、根据所述调整动作评估结果，对所述产品调试模型的参数和所述价值函数的参数分别进行调整，使所述产品调试模型和所述价值函数均收敛，完成对所述产品调试模型的训练。
若经过产品调试模型对调试参数的调整，模型调试数据与性能指标之间的差异缩小，那么价值函数对产品调试模型调整动作的评估就是正向的、积极的，即调整动作评估结果是正向的、积极的。此时，产品调试模型的参数调整、价值函数的参数调整均参考调试参数的调整，沿着调试参数的调整方向对产品调试模型的参数、价值函数的参数进行调整，最终使得产品调试模型、价值函数均收敛。
图3b为根据本申请第三实施例所示的调试辅助设备的处理器执行计算机程序所述实现的产品调试模型训练方法中步骤s302的流程示意图；如图3b所示，步骤s302包括：
步骤s312、根据所述调整动作评估结果，计算所述产品调试模型的参数的本线程梯度更新，以及所述价值函数的参数的本线程梯度更新；
其中，产品调试模型的参数的本线程梯度更新通过下述公式(2)完成。
其中，θ为产品调试模型的参数，θ'表示产品调试模型的本线程参数，dθ表示产品调试模型的参数的累计梯度；π表示产品调试模型对调试参数的调整策略；πθ'表示本线程产品调试模型的参数为θ'时的调试策略；πθ'(si,ai)表示在状态si下做动作ai的概率；q(s,i)-v(si,ω')表示优势函数；
h为熵，c为熵系数，表征了调整动作π的熵加入到价值函数中对产品调试模型的调整动作进行鼓励探索，以防止产品调试模型在作出调整动作时陷入局部最优。本实施例中，通过在产品调试模型中加入随机噪声的方式，增强产品调试模型作出调整动作时的探索性和鲁棒性。具体可以通过产品调试模型作出调整动作时加入部分随机选择的动作，添加随机噪声；也可以使用熵正则对产品调试模型的调试动作进行限制，添加随机噪声，以防止其快速收敛；还可以通过对产品调试模型的动作加入噪声扰动，添加随机噪声。以上这些添加噪声的方式都是直接作用在产品调试模型的输出端，作用于产品调试模型中的值函数。需要说明的是，对在产品调试模型中添加噪声的方式并不进行限定，也可以采用其它方式，比如，在产品调试模型的参数中加入噪声等，在此不再进行一一赘述。
价值函数的参数的本线程梯度更新通过下述公式(3)完成：
其中，ω表示价值函数的参数，dω表示价值函数的参数的梯度；ω'表示本线程价值函数的参数；v(si,ω')表征本线程价值函数的参数为ω'时，i时刻状态si的价值估计值；
步骤s322、根据所述产品调试模型的参数的本线程梯度更新，对所述产品调试模型的参数进行调整；以及，根据所述价值函数的参数的本线程梯度更新，对所述价值函数的参数进行调整，使所述产品调试模型和所述价值函数均收敛，完成对所述产品调试模型的训练。
在完成产品调试模型的参数的本线程梯度更新后，可通过下述公式(4)对产品调试模型的参数进行调整：
θ＝θ-αdθ............(4)；
其中，α为产品调试模型的参数调整时的调整步长，调整步长开始可以使用一个固定值，并随着时间的推移而降低，如果训练不会改善，我们将根据一些循环函数来改变每次迭代的步长。每个周期的迭代次数都是固定的。这种方法让步长在合理的边界值之间循环变化。
在价值函数的参数的本线程梯度更新后，可通过下述公式(5)对价值函数的参数进行调整：
ω＝ω-βdω............(5)；
其中，β为价值函数的参数调整时的调整步长开始可以使用一个固定值，并随着时间的推移而降低，如果训练不会改善，我们将根据一些循环函数来改变每次迭代的步长。每个周期的迭代次数都是固定的。这种方法让步长在合理的边界值之间循环变化。
通过对产品调试模型的参数、价值函数的参数进行调整，在产品调试模型和价值函数均收敛时，即完成产品调试模型的训练。
第四实施例
图4a为根据本申请第四实施例所示的调试辅助装置的结构示意图；如图4a所示，该调试辅助装置包括：性能评估单元401，配置为根据接收的产品调试数据和预设的性能指标，对所述产品调试进行评估，所述产品调试数据由产品调试设备对所述产品进行调试得到；调试输出单元402，配置为若所述产品调试数据与所述性能指标一致，则向所述产品调试设备发出产品调试完成指令；或，若所述产品调试数据与所述性能指标不一致，则基于产品调试模型，对所述产品的调试参数进行调整，得到优化调试参数，并发出产品调试指令，由所述产品调试设备执行所述产品调试指令，根据所述优化调试参数完成所述产品调试。
图4b为根据本申请第四实施例所示的调试辅助装置中调试输出单元的结构示意图；如图4b所示，所述调试输出单元402包括：参数调整子单元412，配置为若所述产品调试数据与所述性能指标不一致，则基于所述产品调试模型，根据所述产品调试数据，对所述调试参数进行调整，并发出模型调试指令；模型调试子单元422，配置为基于性能预测模型，执行所述模型调试指令，根据调整后的所述调试参数，对产品模型进行调试，生成模型调试数据，所述产品模型与所述产品相对应；调试评估子单元432，配置为根据所述模型调试数据和所述性能指标，生成模型调试评估结果，所述模型调试评估结果用于对所述产品模型的调试进行评估；参数输出子单元442，配置为根据所述模型调试评估结果，得到所述优化调试参数，并发出所述产品调试指令，由所述产品调试设备执行所述产品调试指令，根据所述优化调试参数完成所述产品调试。
进一步的，所述参数输出子单元442，进一步配置为若所述模型调试数据与所述性能指标一致，则输出调整后的所述调试参数作为所述优化调试参数，并发出所述产品调试指令，由所述产品调试设备执行所述产品调试指令，根据所述优化调试参数完成所述产品调试；或，若所述模型调试数据与所述性能指标不一致，则基于所述产品调试模型，根据所述模型调试数据，对调整后的所述调试参数再次进行调整，生成所述优化调试参数，并发出所述产品调试指令，由所述产品调试设备执行所述产品调试指令，根据所述优化调试参数完成所述产品调试。
需要说明的是，本申请实施例的调试辅助装置的操作流程可参考上述第二实施例的产品调试方法的操作流程，在此，不再一一赘述。
第五实施例
图5a为根据本申请第五实施例所示的调试辅助装置中产品调试模型训练系统的结构示意图；如图5a所示，该训练系统包括：动作评估单元501，配置为根据所述采样数据，通过价值函数对所述产品调试模型调整所述调试参数的动作进行评估，生成调整动作评估结果；模型调整单元502，配置为根据所述调整动作评估结果，对所述产品调试模型的参数和所述价值函数的参数分别进行调整，使所述产品调试模型和所述价值函数均收敛，完成对所述产品调试模型的训练。
具体的，所述动作评估单元501，进一步配置为若所述模型调试数据与所述性能指标一致，则所述调整动作评估结果为零；若所述模型调试数据与所述性能指标不一致，则所述调整动作评估结果为根据所述采样数据，通过所述价值函数得到的所述模型调试数据的累计回报近似值。
图5b为根据本申请第五实施例所示的调试辅助装置中中模型调整单元的结构示意图；如图5b所示，所述模型调整单元502包括：梯度更新子单元512，配置为根据所述调整动作评估结果，计算所述产品调试模型的参数的本线程梯度更新，以及所述价值函数的参数的本线程梯度更新；参数调整子单元522，配置为根据所述产品调试模型的参数的本线程梯度更新，对所述产品调试模型的参数进行调整；以及，根据所述价值函数的参数的本线程梯度更新，对所述价值函数的参数进行调整，使所述产品调试模型和所述价值函数均收敛，完成对所述产品调试模型的训练。
需要说明的是，本申请实施例的产品调试模型训练系统的操作流程可参考上述第三实施例的产品调试模型训练方法的操作流程，在此，不再一一赘述。
第六实施例
图6为根据本申请第五实施例所示的调试辅助设备的结构示意图；该调试辅助设备可以包括：
一个或多个处理器601；
存储器602，所述存储器602为计算机可读介质，可以配置为存储一个或多个程序，
当所述一个或多个程序被所述一个或多个处理器601执行时，使得所述一个或多个处理器601实现如上述任一实施例中所述的产品调试方法。
第七实施例
图7为根据本申请第七实施例所示的调试辅助设备的硬件结构；如图7所示，该设备的硬件结构可以包括：处理器701和计算机可读介质703；
可选的，还包括：通信接口702，所述通信接口702可以为通信模块的接口，如gsm模块的接口；
其中，处理器701、通信接口702、计算机可读介质703通过通信总线704完成相互间的通信；
其中，处理器701具体可以配置为：根据接收的产品调试数据和预设的性能指标，对产品调试进行评估，所述产品调试数据由产品调试设备对所述产品进行调试得到；若所述产品调试数据与所述性能指标一致，则向所述产品调试设备发出产品调试完成指令；或，若所述产品调试数据与所述性能指标不一致，则基于产品调试模型，对所述产品调试的调试参数进行调整，得到优化调试参数，并发出产品调试指令，由所述产品调试设备执行所述产品调试指令，根据所述优化调试参数完成所述产品调试。
处理器701可以是通用处理器，包括中央处理器(centralprocessingunit，简称cpu)、网络处理器(networkprocessor，简称np)等；还可以是数字信号处理器(dsp)、专用集成电路(asic)、现成可编程门阵列(fpga)或者其它可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。可以实现或者执行本申请实施例中的公开的各方法、步骤及逻辑框图。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
本申请实施例的电子设备以多种形式存在，包括但不限于:
(1)移动通信设备:这类设备的特点是具备移动通信功能，并且以提供话音、数据通信为主要目标。这类终端包括:智能手机(例如iphone)、多媒体手机、功能性手机，以及低端手机等。
(2)超移动个人计算机设备:这类设备属于个人计算机的范畴，有计算和处理功能，一般也具备移动上网特性。这类终端包括:pda、mid和umpc设备等，例如ipad。
(3)便携式娱乐设备:这类设备可以显示和播放多媒体内容。该类设备包括:音频、视频播放器(例如ipod)，掌上游戏机，电子书，以及智能玩具和便携式车载导航设备。
(4)服务器:提供计算服务的设备，服务器的构成包括处理器810、硬盘、内存、系统总线等，服务器和通用的计算机架构类似，但是由于需要提供高可靠的服务，因此在处理能力、稳定性、可靠性、安全性、可扩展性、可管理性等方面要求较高。
(5)其他具有数据交互功能的电子装置。
需要说明的是，本说明书中的各个实施例均采用递进的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。尤其，对于设备及系统实施例而言，由于其基本相似于方法实施例，所以描述得比较简单，相关之处参见方法实施例的部分说明即可。以上所描述的设备及系统实施例仅仅是示意性的，其中作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元提示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性劳动的情况下，即可以理解并实施。
以上所述，仅为本申请的一种具体实施方式，但本申请的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本申请揭露的技术范围内，可轻易想到的变化或替换，都应涵盖在本申请的保护范围之内。因此，本申请的保护范围应该以权利要求的保护范围为准。
1.一种调试辅助设备，其特征在于，包括：存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现如下步骤：
根据接收的产品调试数据和预设的性能指标，对产品调试进行评估，所述产品调试数据由产品调试设备对所述产品进行调试得到；
若所述产品调试数据与所述性能指标一致，则向所述产品调试设备发出产品调试完成指令；
或，
若所述产品调试数据与所述性能指标不一致，则基于产品调试模型，对所述产品的调试参数进行调整，得到优化调试参数，并发出产品调试指令，由所述产品调试设备执行所述产品调试指令，根据所述优化调试参数完成所述产品调试。
2.根据权利要求1所述的调试辅助设备，其特征在于，所述处理器执行所述计算机程序时实现的步骤中，若所述产品调试数据与所述性能指标不一致，则基于产品调试模型，对所述调试参数进行调整，得到优化调试参数，并发出产品调试指令，由所述产品调试设备执行所述产品调试指令，根据所述优化调试参数完成所述产品调试，包括：
若所述产品调试数据与所述性能指标不一致，则基于所述产品调试模型，根据所述产品调试数据，对所述调试参数进行调整，并发出模型调试指令；
基于性能预测模型，执行所述模型调试指令，根据调整后的所述调试参数，对产品模型进行调试，生成模型调试数据，所述产品模型与所述产品相对应；
根据所述模型调试数据和所述性能指标，生成模型调试评估结果，所述模型调试评估结果用于对所述产品模型的调试进行评估；
根据所述模型调试评估结果，得到所述优化调试参数，并发出所述产品调试指令，由所述产品调试设备执行所述产品调试指令，根据所述优化调试参数完成所述产品调试。
3.根据权利要求2所述的调试辅助设备，其特征在于，所述处理器执行所述计算机程序时实现的步骤中，根据所述模型调试评估结果，得到所述优化调试参数，并发出所述产品调试指令，由所述产品调试设备执行所述产品调试指令，根据所述优化调试参数完成所述产品调试，包括：
若所述模型调试数据与所述性能指标一致，则输出调整后的所述调试参数作为所述优化调试参数，并发出所述产品调试指令，由所述产品调试设备执行所述产品调试指令，根据所述优化调试参数完成所述产品调试；
或，
若所述模型调试数据与所述性能指标不一致，则基于所述产品调试模型，根据所述模型调试数据，对调整后的所述调试参数进行调整，生成所述优化调试参数，并发出所述产品调试指令，由所述产品调试设备执行所述产品调试指令，根据所述优化调试参数完成所述产品调试。
4.根据权利要求3所述的调试辅助设备，其特征在于，所述处理器执行所述计算机程序时实现的步骤中，若所述模型调试数据与所述性能指标不一致，则基于所述产品调试模型，根据所述模型调试数据，对调整后的所述调试参数进行调整，生成所述优化调试参数，并发出所述产品调试指令，由所述产品调试设备执行所述产品调试指令，根据所述优化调试参数完成所述产品调试，包括：
若所述模型调试数据与所述性能指标不一致，则基于所述产品调试模型，根据所述模型调试数据，对调整后的所述调试参数进行调整，并发出所述模型调试指令；
基于所述性能预测模型，执行所述模型调试指令，根据调整后的所述调试参数对所述产品模型进行调试，生成新的所述模型调试数据；
根据新的所述模型调试数据和所述性能指标，生成新的所述模型调试评估结果；
根据新的所述模型调试评估结果，得到所述优化调试参数，并发出所述产品调试指令，由所述产品调试设备执行所述产品调试指令，根据所述优化调试参数完成所述产品调试。
5.根据权利要求4所述的调试辅助设备，其特征在于，所述处理器执行所述计算机程序时实现的步骤中，根据新的所述模型调试评估结果，得到所述优化调试参数，并发出所述产品调试指令，由所述产品调试设备执行所述产品调试指令，根据所述优化调试参数完成所述产品调试，包括：若新的所述模型调试数据与所述性能指标不一致，且所述调试参数的调整次数达到预设阈值，则输出最后的所述调试参数作为所述优化调试参数，并发出所述产品调试指令，由所述产品调试设备执行所述产品调试指令，根据所述优化调试参数完成所述产品调试。
6.根据权利要求1-5任一所述的调试辅助设备，其特征在于，所述产品调试模型为机器学习模型。
7.根据权利要求6所述的调试辅助设备，其特征在于，所述机器学习模型为深度神经网络模型。
8.一种调试辅助装置，其特征在于，包括：
性能评估单元，配置为根据接收的产品调试数据和预设的性能指标，对所述产品调试进行评估，所述产品调试数据由产品调试设备对所述产品进行调试得到；
调试输出单元，配置为若所述产品调试数据与所述性能指标一致，则向所述产品调试设备发出产品调试完成指令；或，若所述产品调试数据与所述性能指标不一致，则基于产品调试模型，对所述产品的调试参数进行调整，得到优化调试参数，并发出产品调试指令，由所述产品调试设备根据执行所述产品调试指令，所述优化调试参数完成所述产品调试。
9.根据权利要求7所述的调试辅助装置，其特征在于，所述调试输出单元包括：
参数调整子单元，配置为若所述产品调试数据与所述性能指标不一致，则基于所述产品调试模型，根据所述产品调试数据，对所述调试参数进行调整，并发出模型调试指令；
模型调试子单元，配置为基于性能预测模型，执行所述模型调试指令，根据调整后的所述调试参数，对产品模型进行调试，生成模型调试数据，所述产品模型与所述产品相对应；
调试评估子单元，配置为根据所述模型调试数据和所述性能指标，生成模型调试评估结果，所述模型调试评估结果用于对所述产品模型的调试进行评估；
参数输出子单元，配置为根据所述模型调试评估结果，得到所述优化调试参数，并发出所述产品调试指令，由所述产品调试设备执行所述产品调试指令，根据所述优化调试参数完成所述产品调试。
10.根据权利要求8所述的调试辅助装置，其特征在于，所述参数输出子单元，进一步配置为，
若所述模型调试数据与所述性能指标一致，则输出调整后的所述调试参数作为所述优化调试参数，并发出所述产品调试指令，由所述产品调试设备执行所述产品调试指令，根据所述优化调试参数完成所述产品调试；
或，
若所述模型调试数据与所述性能指标不一致，则基于所述产品调试模型，根据所述模型调试数据，对调整后的所述调试参数再次进行调整，生成所述优化调试参数，并发出所述产品调试指令，由所述产品调试设备执行所述产品调试指令，根据所述优化调试参数完成所述产品调试。
11.一种产品调试设备，其特征在于，所述产品调试设备用于对所述产品进行调试，生成产品调试数据，并发送给权利要求1-7任一所述的调试辅助设备。
12.一种计算机可读介质，所述计算机可读介质存储有计算机程序，其特征在于，所述计算机程序为如权利要求1-7任一所述的调试辅助设备中存储的。
技术总结