一种面向智能控制器的机器学习算法模块配置及自动化组装方法技术

一种面向智能控制器的机器学习算法模块配置及自动化组装方法。本发明专利技术在对基于工业控制的软件产品开发过程进行分析的基础上建立机器学习算法模块的配置模型，并设计配置求解算法以满足工业控制领域应用需求的特征和软件集合。包括：基于扩展的特征模型，根据工业控制的软件生产过程建立配置规则集，规则能对特征约束及特征实现多样性问题进行描述；设计配置规则求解算法，以获取满足约束条件和领域应用需求的配置结果集，并通过规则推理增加可变配置实体的变化扩散范围及机器学习算法的可扩展程度。本发明专利技术所提出的面向智能工厂的机器学习算法模块配置及其自动化组装方法，是实现智能控制软件大规模个性化定制生产的关键使能技术。

A Module Configuration and Automatic Assembly Method of Machine Learning Algorithms Oriented to Intelligent Controller

【技术实现步骤摘要】
一种面向智能控制器的机器学习算法模块配置及自动化组装方法
本专利技术涉及一种机器学习算法模块配置及组装方法，具体涉及一种面向智能控制器的机器学习算法模块配置及自动化组装方法。
技术介绍
嵌入式智能控制器软件产品配置方法与产品构建结合紧密，可以支持偏向实现层次的可变性建模。由于配置模型中的配置规则往往需要映射到系统实现文件，当系统规模变大时，跟配置规则相关的系统模块的变更都可能会导致配置模型的变化，因此，可变性配置信息的维护难度加大，需要对配置模型进行有效的管理。目前软件产品和配置相关的研究集中在配置管理方面，主要是在软件产品开发生命周期各个阶段及进化过程中对产品资产类型和资产之间的关系及其变更进行管理。产品配置理论和实践虽然已经获得了较大的发展，却多集中在传统的机械制造行业，其产品配置模型面向的是单一的标准化零部件，而嵌入式智能控制器软件产品涉及特征、领域知识、体系框架、图元构件、文本描述等多种资产类型，这些资产类型非绝对标准化，且在产品生命周期的不同阶段有不同的行为和表现。因此已有的产品配置及其问题求解模型不能直接应用于嵌入式智能控制器算法模块组装，如何对智能控制器机器学习算法模块本文档来自技高网...

【技术保护点】
1.一种面向智能控制器的机器学习算法模块配置及自动化组装方法，其特征在于：包括如下步骤，特征配置依赖关系约束下的特征选取，和/或，非功能应用需求约束下的特征实现软件产品选取。

【技术特征摘要】
1.一种面向智能控制器的机器学习算法模块配置及自动化组装方法，其特征在于：包括如下步骤，特征配置依赖关系约束下的特征选取，和/或，非功能应用需求约束下的特征实现软件产品选取。2.根据权利要求1所述的一种面向智能控制器的机器学习算法模块配置及自动化组装方法，其特征在于：所述的特征配置依赖关系约束下的特征选取，含有配置规则集合；所述的配置规则包括，矛盾规则：一个矛盾规则具有如下形式：←p1,...,pm,nota1,...,notan；当LBh＝UBh＝0，LBb＝1，UBb＝m+n，且规则中的原子均为基原子的情况下，一阶域加权规则被特例化为矛盾规则，矛盾规则的规则头为空；和/或，必然规则：一个必然规则具有如下形式：h←；当LBh＝UBh＝1，LBb＝UBb＝0，且规则中的原子均为基原子的情况下；和/或，选择规则：一个选择规则具有如下形式：h1|...|hs←p1,...,pm,nota1,...,notan；当LBh＝1，UBh＝s，LBb＝1，UBb＝m+n，且规则中的原子均为基原子的情况下，一阶域加权规则被特例化为选择规则；和/或，排斥规则：一个排斥规则具有如下形式：当LBh＝UBh＝1，LBb＝1，UBb＝m+n，且规则中的原子均为基原子的情况下，一阶域加权规则被特例化为排斥规则；所述的LBx，UBx为一阶域加权规则中的参数。3.根据权利要求1所述的一种面向智能控制器的机器学习算法模块配置及自动化组装方法，其特征在于：所述的特征配置依赖关系约束下的特征选取含有特征配置模型规则求解算法；所述的特征配置模型规则求解算法包括，Step1：获取规则集R中的所有必然规则，将规则头中的文字加入到扩展集A中，即令A＝A∪H(r)，R'＝R；Step2：令A'＝A，对于规则集R'中的任一非必然规则r，令r'为其约减后所得规则，则若规则体中不存在否定文字，且肯定文字中的原子存在于A+中，则将规则约减后规则头中的文字加入到扩展集A中，并用约减后的规则替换原规则，即若则对于若满足a∈A+，令A＝A∪H(r')，R'＝R'-{r}+{r'}；若规则体中存在否定文字，且否定文字中的原子出现在A+中，则删除该规则，即若满足a∈A+，令R'＝R'-{r}；若规则体中肯定文字中的原子出现在A+中，否定文字中的原子不出现在A+中，则无论否定文字中的原子是否出现在A-中，将规则约减后规则头中的文字加入到扩展集A中，并用约减后的规则替换原规则，即若满足a∈A+，对于满足则令A＝A∪H(r')，R'＝R'-{r}+{r'}；若规则头被满足，则将规则体中的文字加入到扩展集A中，并用约减后的规则替换原规则，删除规则集R'中不满足上述条件的规则；Step3：重复Step2，直至A＝A'；Step4：若表明没有稳定的规则求解模型，求解结束；反之，若则A+即为稳定的规则求解模型，否则，令R'＝R，A＝A∪{a}或A＝A∪{nota}，其中a∈Atoms(R)-Atoms(A)，重新执行Step2；所述的P为特征配置模型对应的逻辑程序，R为P中的特征配置规则集，A为扩展集，且A+＝{a∈Atoms(P)|a∈A}，A-＝{a∈Atoms(P)|nota∈A}，有A+∪A-＝Atoms(A)。4.根据权利要求1所述的一种面向智能控制器的机器学习算法模块配置及自动化组装方法，其特征在于：所述的非功能应用需求约束下的特征实现软件...

【专利技术属性】
技术研发人员：邬惠峰，秦飞巍，朱毅明，
申请(专利权)人：杭州电子科技大学，
类型：发明
国别省市：浙江,33