【技术实现步骤摘要】
一种数控机床G代码数据无损压缩方法
本公开涉及数据处理
，尤其涉及一种数控机床G代码数据无损压缩方法。
技术介绍
当今，物联网、分布式计算等技术推动了智能工厂的发展。物联网终端采集各种智能化设备的G代码数据，并以文本形式存储。海量G代码数据的存储和传输消耗了大量的能量和存储空间，造成了巨额的通信和存储成本。然而，PPM、LZMA、BZIP和LZMA2等算法对海量G代码数据的压缩率较低。可见，现有的数据压缩方案存在压缩率较低的技术问题。
技术实现思路
有鉴于此，本公开实施例提供一种数控机床G代码数据无损压缩方法，至少部分解决现有技术中存在的问题。第一方面，本公开实施例提供了一种数控机床G代码数据无损压缩方法，所述方法包括：确定待压缩的目标数据；确定压缩参数的取值，其中，所述压缩参数包括步长、初始平滑率、局部缓冲区的语法模型的最大元数、缓冲区长度、全局缓冲区的语法模型的最大元数、随机种子和自适应上下文树加权算法的阶数；根据所述压缩参数初始化数据压缩模型，其中，所述...
【技术保护点】
1.一种数控机床G代码数据无损压缩方法，其特征在于，所述方法包括：/n确定待压缩的目标数据；/n确定压缩参数的取值，其中，所述压缩参数包括步长、初始平滑率、局部缓冲区的语法模型的最大元数、缓冲区长度、全局缓冲区的语法模型的最大元数、随机种子和自适应上下文树加权算法的阶数；/n根据所述压缩参数初始化数据压缩模型，其中，所述数据压缩模型包括基于自适应指数平滑估计算法的全局缓冲区模型和基于自适应上下文树加权算法的局部缓冲区模型；/n将所述目标数据输入到初始化后的所述数据压缩模型，得到所述目标数据的压缩结果。/n
【技术特征摘要】
1.一种数控机床G代码数据无损压缩方法，其特征在于，所述方法包括：
确定待压缩的目标数据；
确定压缩参数的取值，其中，所述压缩参数包括步长、初始平滑率、局部缓冲区的语法模型的最大元数、缓冲区长度、全局缓冲区的语法模型的最大元数、随机种子和自适应上下文树加权算法的阶数；
根据所述压缩参数初始化数据压缩模型，其中，所述数据压缩模型包括基于自适应指数平滑估计算法的全局缓冲区模型和基于自适应上下文树加权算法的局部缓冲区模型；
将所述目标数据输入到初始化后的所述数据压缩模型，得到所述目标数据的压缩结果。
2.根据权利要求1所述的方法，其特征在于，所述确定待压缩的目标数据的步骤之前，所述方法还包括：
建立所述全局缓冲区模型和局部缓冲区模型；
利用所述全局缓冲区模型计算待压缩二进制位的M个全局估计概率分布，以及，利用所述局部缓冲区模型计算待压缩二进制位的N个局部估计概率分布，其中，M和N均为正整数；
搭建前馈神经网络，根据所述M个全局估计概率分布的权重和所述N个局部估计概率分布的权重，计算整体估计概率分布；
采用Adam算法在线调整前馈神经网络的超参数；
将所述整体概率分布加载到整数算术编码器，得到所述数据压缩模型。
3.根据权利要求2所述的方法，其特征在于，所述利用所述全局缓冲区模型计算待压缩二进制位的M个全局估计概率分布的步骤，包括：
在所述全局缓冲区模型建立0～M元语法模型；
采用自适应指数平滑估计算法，计算所述待压缩二进制位的M个全局估计概率分布。
4.根据权利要求3所述的方法，其特征在于，所述采用自适应指数平滑估计算法，计算所述待压缩二进制位的M个全局估计概率分布的步骤，包括：
配置所述自适应指数平滑估计算法；
采用所述自适应指数平滑估计算法，计算所述待压缩二进制位的M个全局估计概率分布。
5.根据权利要求4所述的方法，其特征在于，所述采用自适应指数平滑估计算法，计算所述待压缩二进制位的M个全局估计概率分布的步骤，即
其中，Proest{Xi＝0}表示全局估计概率分布，Proest...
【专利技术属性】
技术研发人员：李国发，王彦博，何佳龙，张云峰，王军见，杨海吉，魏景峰，
申请(专利权)人：吉林大学，
类型：发明
国别省市：吉林;22
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。