[發(fā)明專利]數(shù)控系統(tǒng)的遠程語音控制方法及系統(tǒng)

在審

• 申請?zhí)枺?/td>: 201811511399.4
• 申請日: 2018-12-11
• 公開（公告）號: CN109686374A
• 公開（公告）日: 2019-04-26
• 發(fā)明（設(shè)計）人: 楊斌堂;何杰;李澤星
• 申請（專利權(quán)）人: 上海交通大學(xué)
• 主分類號: G10L15/26
• 分類號: G10L15/26;G10L15/22;G10L15/34;G06F17/27;G05B19/18
• 代理公司: 上海漢聲知識產(chǎn)權(quán)代理有限公司 31236
• 代理人: 莊文莉

本發(fā)明提供了一種數(shù)控系統(tǒng)的遠程語音控制方法及系統(tǒng)，包括：語音信息獲取步驟：通過語音控制終端獲取語音信息，并轉(zhuǎn)化為對應(yīng)的文本信息，所述語音信息中包括對數(shù)控系統(tǒng)的控制指令；指令序列生成步驟：將所述文本信息發(fā)送給云計算中心，并由所述云計算中心內(nèi)置的意圖識別模型解析生成指令序列，并將所述指令序列發(fā)送到數(shù)控系統(tǒng)控制器；指令執(zhí)行步驟：所述數(shù)控系統(tǒng)控制器接收所述指令序列，并根據(jù)指令序列依次執(zhí)行指令，控制所述數(shù)控系統(tǒng)。本發(fā)明提升了現(xiàn)有語音控制系統(tǒng)的靈活性、容錯性和安全性，簡化了用戶對數(shù)控系統(tǒng)的操作控制流程，降低了非專業(yè)人員操作數(shù)控系統(tǒng)的難度，擴大了數(shù)控系統(tǒng)的應(yīng)用場景。

技術(shù)領(lǐng)域

本發(fā)明涉及智能人機交互領(lǐng)域，具體地，涉及數(shù)控系統(tǒng)的遠程語音控制方法及系統(tǒng)。

背景技術(shù)

隨著控制算法和結(jié)構(gòu)設(shè)計的研究深入，數(shù)控系統(tǒng)的工作性能得到不斷提高，應(yīng)用場景得到不斷拓展，如超精密驅(qū)動平臺、數(shù)控機床等機電設(shè)備隨著技術(shù)的提高，能夠完成技術(shù)要求更高、流程更復(fù)雜的任務(wù)。與此同時，此類數(shù)控系統(tǒng)的操作控制也變得復(fù)雜精細，常常對某一簡單任務(wù)也需要復(fù)雜的程序輸入或參數(shù)配置，對實驗室研究人員和工業(yè)場景中工作人員的日常實驗和測試增加了操作上的復(fù)雜度，而對希望掌握此類設(shè)備操作技能的非專業(yè)人員更是加深了學(xué)習(xí)和培訓(xùn)的難度，使得此類數(shù)控系統(tǒng)因其復(fù)雜而精細的操控流程限制了使用范圍和操作效率。

隨著語音識別、自然語言處理和深度學(xué)習(xí)的快速發(fā)展，智能語音控制技術(shù)已經(jīng)逐漸應(yīng)用到生活的各個領(lǐng)域中并為人們帶來便利，例如，智能家居領(lǐng)域、語音控制智能機器人領(lǐng)域、智能音箱等。智能語音控制系統(tǒng)一般包括語音識別、自然語言處理、硬件底層智能控制等核心技術(shù)。

然而，在現(xiàn)有技術(shù)中，智能語音控制系統(tǒng)的應(yīng)用尚未涉及到與超精密驅(qū)動平臺、數(shù)控機床等數(shù)控系統(tǒng)結(jié)合。基于上述技術(shù)現(xiàn)狀，本發(fā)明將智能語音控制技術(shù)應(yīng)用于數(shù)控系統(tǒng)的控制，從而1)簡化和方便用戶對數(shù)控系統(tǒng)的操作控制，提高工作效率和作業(yè)的實時性以及安全性；2)為非技術(shù)人員提供操作數(shù)控系統(tǒng)的可行性，降低數(shù)控系統(tǒng)的操作難度；3)降低操控過程對“手”的依賴，實現(xiàn)口頭表達直接操控，擴大數(shù)控系統(tǒng)的應(yīng)用場景。

發(fā)明內(nèi)容

針對現(xiàn)有技術(shù)中的缺陷，本發(fā)明的目的是提供一種數(shù)控系統(tǒng)的遠程語音控制方法及系統(tǒng)。

根據(jù)本發(fā)明提供的一種數(shù)控系統(tǒng)的遠程語音控制方法，包括：

語音信息獲取步驟：通過語音控制終端獲取語音信息，并轉(zhuǎn)化為對應(yīng)的文本信息，所述語音信息中包括對數(shù)控系統(tǒng)的控制指令；

指令序列生成步驟：將所述文本信息發(fā)送給云計算中心，并由所述云計算中心內(nèi)置的意圖識別模型解析生成指令序列，并將所述指令序列發(fā)送到數(shù)控系統(tǒng)控制器；

指令執(zhí)行步驟：所述數(shù)控系統(tǒng)控制器接收所述指令序列，并根據(jù)指令序列依次執(zhí)行指令，控制所述數(shù)控系統(tǒng)。

較佳的，還包括在所述語音信息獲取步驟之前，根據(jù)喚醒詞和聲紋識別用戶身份，并在用戶身份有效的情況下啟動所述語音信息獲取步驟。

較佳的，所述語音信息通過本地語音識別模型識別，或者通過云語音識別引擎識別。

較佳的，在所述云計算中心內(nèi)置的意圖識別模型解析生成指令序列之前，還包括：

獲取訓(xùn)練數(shù)據(jù)，其中所述訓(xùn)練數(shù)據(jù)中包括多個意圖識別數(shù)據(jù)樣本對，每個意圖識別數(shù)據(jù)樣本對中包括，數(shù)控系統(tǒng)某一動作的文本表達和對應(yīng)的指令序列；

利用所述訓(xùn)練數(shù)據(jù)，對預(yù)設(shè)的深度神經(jīng)網(wǎng)絡(luò)模型進行訓(xùn)練，生成意圖識別模型。

較佳的，所述將所述指令序列發(fā)送到數(shù)控系統(tǒng)控制器之后，還包括：

所述云計算中心將所述解析生產(chǎn)的所述指令序列發(fā)回至所述語音控制終端，并以文字、語音或文字和語音結(jié)合的形式展示；