一种用于人机协同智能体的测评方法

本发明涉及智能体的测评，特别是涉及一种用于人机协同智能体的测评方法。

背景技术：

1、人机协同智能体的测评，是指对人与机器（智能体）在协同工作过程中的表现、效率、质量、稳定性、适应性等多个方面进行评估和测试的过程。这种测评方法旨在衡量人机协同智能体的整体性能，确保其在实际应用中能够满足预期目标，并为用户提供高效、准确、可靠的服务。

2、人机协同智能体测评的关键性因素在于数据的质量。在处理信息的过程中，人机协同智能体极度依赖于输入数据的准确性。若在测评环节遭遇环境干扰或遭遇“数据投毒”情况，将会导致数据中出现错误、噪声或不一致性，这些问题进而会极大地影响人机协同智能体测评结果的准确性和可靠性。

技术实现思路

1、针对上述情况，本发明能够实时对测评的数据进行精确检测，并对受到干扰严重的数据及时重新采集，遭受数据投毒的及时进行校正，以保证数据的一致性和准确性，进而提高人机协同智能体测评结果的准确性和可靠性。

2、其解决的技术方案是，s1，通过任务设置模块设置预设环境参数和预设任务难度的人机协同智能体决策任务，测试过程中，数据采集模块实时采集人机协同智能体的数据a；

3、s2，a，数据分析模块通过数据处理模块对数据a进行预处理，提取数据a的功率a1、波纹电压a2、发送时间a3、ip地址和字节长度a5、接收时间a6，并提取数据库内对应的功率阈值a11、波纹电压阈值a21和字节长度阈值a51、延迟时间阈值t；

4、b，异常筛选模块计算数据的干扰值a8,,其中表示干扰值a8的误差校准值；

5、a6大于0.1表示数据受到干扰程度较大，并将数据a识别为无效、滤除，同时停止下一步数据检测，发送预警信号至结果评估模块；

6、a6小于0.1表示数据受到干扰程度较小，进行下一步数据检测；

7、c，数据校验模块计算数据的异常值a7，，其中表示a7异常值a7的误差校正值，a7小于0.2，表示数据正常，反之，表示数据异常，通过数据校正模块对数据a校正，并将完整时间序列的数据发送至结果评估模块；

8、s3，结果评估模块以完整时间序列的数据作为正确的测评数据使用，对人机协同智能体的决策能力进行综合评价。

9、进一步地，所述数据校正模块对数据a校正具体步骤如下；

10、c1，根据ip地址调取数据库中对应的测量数据组，并通过波纹电压a2进一步筛选出同电压的测量数据组b；

11、c2，计算并提取测量数据组b的平均数b1、中位数b2、众数b3，然后计算预测值b4，b4=b1×0.4+b2×0.3+b3×0.3；

12、c3，将预测值b4替代数据a，并根据发送时间a3插入ip地址对应测量数据的时间节点位置，形成完整时间序列的数据，并发送至结果评估模块。

13、进一步地，结果评估模块接收预警信号时，根据ip地址a4显示异常位置，并控制数据采集模块重新采集数据a，当结果评估模块再次接收预警信号时，重复以上步骤，一旦同一ip地址a4连续三次都收到预警信号，停止测评，显示异常原因，提醒相关人员对测评的网络传输装置和环境干扰因素进行排查、检修。

14、进一步地，该测评方法的系统包括任务设置模块、数据采集模块、数据分析模块、结果评估模块和数据库，其中数据分析模块包括数据处理模块、异常筛选模块、数据校验模块和数据校正模块，模块之间的信号传输选用tcp/ip网络协议传输。

15、进一步地，异常筛选模块计算数据的干扰值a8的公式权重系数得到具体步骤如下；

16、b1， 在其他环境因素不变的情况下，设定采集数据的波纹电压、延迟时间不变时，收集采集数据的功率，以10个数据为一组；

17、同理，分别收集波纹电压、延迟时间的两组数据；

18、b2,将三组数据统一标量为数据的功率、波纹电压、延迟时间对比相应阈值的差值，并分别计算差值和阈值的比值，以数据的功率、波纹电压、延迟时间分别计算的比值作为标量；

19、b3，以同一环境下用于人机协同智能体的测评系统正常运行时数据的干扰为参照值，计算波纹电压的比值、延迟时间的比值相同时，数据的功率比值变化时对数据的干扰影响程度；同理分别计算波纹电压的比值影响程度、延迟时间的比值影响程度；

20、根据三个不同的影响程度值初步设定一组权重系数；

21、b4，重复b1-b3步骤，不断迭代调整权重系数，一直到权重系数调整影响对数据的干扰影响不大时，最终确定权重系数和校准值，得出异常筛选模块计算数据的干扰值公式,也即是,,其中表示干扰值a8的误差校准值。

22、进一步地，数据a的功率a1或波纹电压a2正常时，干扰值a8的公式中a1-a11或a2-a21的差值设定为0，同理当数据a的延长时间正常时，a6-a3-t的值设定为0；

23、功率阈值a11、波纹电压阈值a21均为范围值，当功率a1低于a11的最小值或高于a11的最大值时，都视为功率a1异常，同理波纹电压a2低于a21的最小值或高于a21的最大值时，都视为功率a2异常。

24、进一步地，字节长度阈值a51为范围值，当字节长度a5低于a51的最小值或高于a51的最大值时，都视为字节长度a5异常，同时字节长度a5正常时，数据校验模块计算数据的异常值a7中的a51-a5的值设定为0。

25、由于以上技术方案的采用，本发明与现有技术相比具有如下优点；

26、1.通过数据a的功率a1、波纹电压a2、发送时间a3、ip地址和字节长度a5、接收时间a6的分析，运用数据的干扰值公式及时得出数据的干扰程度，并在此基础上进一步计算得出数据的异常值，并对受到干扰严重的数据及时重新采集，遭受数据投毒的及时通过数据校正模块对数据a校正，并将完整时间序列的数据发送至结果评估模块，以保证数据的一致性和准确性，进而提高人机协同智能体测评结果的准确性和可靠性。

技术特征：

1.一种用于人机协同智能体的测评方法，其特征在于，该方法具体步骤如下；

2.如权利要求1所述一种用于人机协同智能体的测评方法，其特征在于，所述数据校正模块对数据a校正具体步骤如下；

3.如权利要求1所述一种用于人机协同智能体的测评方法，其特征在于，结果评估模块接收预警信号时，根据ip地址a4显示异常位置，并控制数据采集模块重新采集数据a，当结果评估模块再次接收预警信号时，重复以上步骤，一旦同一ip地址a4连续三次都收到预警信号，停止测评，显示异常原因，提醒相关人员对测评的网络传输装置和环境干扰因素进行排查、检修。

4.如权利要求1所述一种用于人机协同智能体的测评方法，其特征在于，该测评方法的系统包括任务设置模块、数据采集模块、数据分析模块、结果评估模块和数据库，其中数据分析模块包括数据处理模块、异常筛选模块、数据校验模块和数据校正模块，模块之间的信号传输选用tcp/ip网络协议传输。

5.如权利要求1所述一种用于人机协同智能体的测评方法，其特征在于，异常筛选模块计算数据的干扰值a8的公式权重系数得到具体步骤如下；

6.如权利要求1所述一种用于人机协同智能体的测评方法，其特征在于，数据a的功率a1或波纹电压a2正常时，干扰值a8的公式中a1-a11或a2-a21的差值设定为0，同理当数据a的延长时间正常时，a6-a3-t的值设定为0；

7.如权利要求1所述一种用于人机协同智能体的测评方法，其特征在于，字节长度阈值a51为范围值，当字节长度a5低于a51的最小值或高于a51的最大值时，都视为字节长度a5异常，同时字节长度a5正常时，数据校验模块计算数据的异常值a7中的a51-a5的值设定为0。

技术总结本发明公开了一种用于人机协同智能体的测评方法，涉及智能体的测评技术领域，通过数据A的功率A1、波纹电压A2、发送时间A3、TP地址A4和字节长度A5、接收时间A6的分析，运用数据的干扰值公式及时得出数据的干扰程度，并在此基础上进一步计算得出数据的异常值，并对受到干扰严重的数据及时重新采集，遭受数据投毒的及时通过数据校正模块对数据A校正，并将完整时间序列的数据发送至结果评估模块，以保证数据的一致性和准确性，进而提高人机协同智能体测评结果的准确性和可靠性。技术研发人员：陈峰,杨春燕,次仁塔加,许茜茜,夏菁受保护的技术使用者：温州医科大学技术研发日：技术公布日：2024/12/12