一种控制指令被执行过程的校验方法及装置制造方法及图纸

本发明专利技术提供一种控制指令被执行过程的校验方法及装置，其中，方法包括：步骤1：获取本地缓存的多元数据；步骤2：当下发控制指令时，基于预设的控制指令

【技术实现步骤摘要】
一种控制指令被执行过程的校验方法及装置


[0001]本专利技术涉及计算机
，特别涉及一种控制指令被执行过程的校验方法及装置。

技术介绍

[0002]目前，随着物联网发展的逐步推进，信息化、智能化的升级逐步从小范围的业务试点，深化到核心业务。在许多重点行业(例如：电力行业等)的核心设备的控制上，如果出现失误，将造成严重的生命、财产事故，对物联网控制的可靠性要求极高。因此，控制命令下达后，对执行器是否可靠、准确地执行了控制命令的校验步骤至关重要。

技术实现思路

[0003]本专利技术目的之一在于提供了一种控制指令被执行过程的校验方法及装置，基于第一控制指令对应的提取策略提取目标数据，基于目标数据对第一控制指令的被执行过程进行校验，实现了对执行器是否可靠、准确地执行了控制命令的校验。
[0004]本专利技术实施例提供的一种控制指令被执行过程的校验方法，包括：
[0005]步骤1：获取本地缓存的多元数据；
[0006]步骤2：当下发第一控制指令时，基于预设的控制指令
‑
提取策略库，确定第一控制指令对应的提取策略；
[0007]步骤3：基于提取策略，从多元数据中提取目标数据；
[0008]步骤4：基于目标数据，对第一控制指令的被执行过程进行校验。
[0009]优选的，步骤3：基于提取策略，从多元数据中提取目标数据，包括：
[0010]对提取策略进行解析，获得至少一个需求目标；
[0011]确定第一控制指令的下发时刻，从多元数据中提取下发时刻前需求目标对应的第一数据，同时，从多元数据中提取下发时刻后需求目标对应的第二数据；
[0012]将第一数据和对应第二数据进行组合，获得第一待校验数据；
[0013]获取需求目标的需求类型，需求类型包括：环境参数数据、视频流数据和音频流数据；
[0014]将第一待校验数据与对应需求类型进行关联；
[0015]整合第一待校验数据，获得目标数据，完成提取。
[0016]优选的，步骤4：基于目标数据，对第一控制指令的被执行过程进行校验，包括：
[0017]当需求类型为环境参数数据时，提取目标数据中需求类型关联的第一待校验数据，并作为第二待校验数据；
[0018]提取第二待校验数据中的第一数据，并作为第三数据，同时，提取第二待校验数据中的第二数据，并作为第四数据；
[0019]基于预设的控制指令
‑
需求类型
‑
预期值库，确定第一控制指令和需求类型共同对应的第一预期值；
[0020]通过如下公式，对第一控制指令的被执行过程进行校验：
[0021][0022][0023]其中，Y1为第一校验结果，值为1表示校验通过，值为0表示校验不通过，为中间变量，C1为第一预期值，T1为预设的第一误差值，为第三数据，为第四数据，Mean为求平均值函数；
[0024]当需求类型为视频流数据时，提取目标数据中需求类型关联的第一待校验数据，并作为第三待校验数据；
[0025]提取第三待校验数据中的第一数据，并作为第五数据，同时，提取第三待校验数据中的第二数据，并作为第六数据；
[0026]基于预设的控制指令
‑
需求类型
‑
预期值库，确定第一控制指令和需求类型共同对应的第二预期值；
[0027]通过如下公式，对第一控制指令的被执行过程进行校验：
[0028][0029]其中，Y2为第二校验结果，值为1表示校验通过，值为0表示校验不通过，F
v
为预设的图像分析深度学习算法函数，为第五数据，为第六数据，C2为第二预期值，T2为预设的第二误差值；
[0030]当需求类型为音频流数据时，提取目标数据中需求类型关联的第一待校验数据，并作为第四待校验数据；
[0031]提取第四待校验数据中的第一数据，并作为第七数据，同时，提取第四待校验数据中的第二数据，并作为第八数据；
[0032]基于预设的控制指令
‑
需求类型
‑
预期值库，确定第一控制指令和需求类型共同对应的第三预期值；
[0033]通过如下公式，对第一控制指令的被执行过程进行校验：
[0034][0035]其中，Y3为第三校验结果，值为1表示校验通过，值为0表示校验不通过，F
A
为时间序列音频信息深度学习算法函数，为第七数据，为第八数据，C3为第三预期值，T3为预设的第三误差值。
[0036]优选的，步骤1：获取本地缓存的多元数据，包括：
[0037]获取预设的缓存节点集，缓存节点集包括：多个第一缓存节点；
[0038]基于预设的缓存节点
‑
缓存对象库，确定第一缓存节点的至少一个缓存对象，缓存
对象包括：上传人和上传设备；
[0039]当缓存对象为上传人时，获取上传人的第一上传记录，第一上传记录包括：多个第一记录项；
[0040]从第一记录项中提取操作目标、操作时间节点和至少一个第一操作人；
[0041]基于预设的操作目标
‑
三维空间库，确定操作目标对应的三维空间；
[0042]基于预设的操作人
‑
面向信息库，确定第一操作人对应于操作时间节点前和/或后预设的第一时间段内的面向信息，面向信息包括：面部位置和多个面向方向；
[0043]基于预设的映射规则，将面部位置映射于三维空间中，获得第一位置，同时，将面向方向映射于三维空间中，获得第一方向；
[0044]获取三维空间中操作目标所在的第二位置和操作目标显示的第二方向；
[0045]获取预设的正确操作判定模型，将第一位置、第一方向、第二位置和第二方向输入正确操作判定模型，获得第一判定结果；
[0046]当第一判定结果为正确操作时，将对应第一操作人作为第二操作人；
[0047]基于预设的操作目标
‑
经验值库，确定操作目标需要的第一经验值；
[0048]基于预设的操作人
‑
经验值库，确定第二操作人的第二经验值；
[0049]若第二操作人的第二经验值均小于第一经验值，确定对应第二经验值与第一经验值之间的差值；
[0050]查询预设的操作目标
‑
差值
‑
严重值库，确定操作目标和差值共同对应的第一严重值；
[0051]汇总第一严重值，获得第一严重值和；
[0052]若第一严重值和大于等于预设的第一严重值和阈值，剔除对应第一缓存节点；
[0053]当缓存对象为上传设备时，获取上传设备的第二上传记录，第二上传记录包括：多个第二记录项；
[0054]从第二记录项中提取目标设备、记录类型和记录时间节点；
[0055]基于预设的目标设备
‑
状态信息库，确定目标设备对应于记录时间节点前和/或后预设本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种控制指令被执行过程的校验方法，其特征在于，包括：步骤1：获取本地缓存的多元数据；步骤2：当下发第一控制指令时，基于预设的控制指令
‑
提取策略库，确定所述第一控制指令对应的提取策略；步骤3：基于所述提取策略，从所述多元数据中提取目标数据；步骤4：基于所述目标数据，对所述第一控制指令的被执行过程进行校验。2.如权利要求1所述的一种控制指令被执行过程的校验方法，其特征在于，步骤3：基于所述提取策略，从所述多元数据中提取目标数据，包括：对所述提取策略进行解析，获得至少一个需求目标；确定所述第一控制指令的下发时刻，从所述多元数据中提取所述下发时刻前所述需求目标对应的第一数据，同时，从所述多元数据中提取所述下发时刻后所述需求目标对应的第二数据；将所述第一数据和对应所述第二数据进行组合，获得第一待校验数据；获取所述需求目标的需求类型，所述需求类型包括：环境参数数据、视频流数据和音频流数据；将所述第一待校验数据与对应所述需求类型进行关联；整合所述第一待校验数据，获得目标数据，完成提取。3.如权利要求1所述的一种控制指令被执行过程的校验方法，其特征在于，步骤4：基于所述目标数据，对所述第一控制指令的被执行过程进行校验，包括：当所述需求类型为环境参数数据时，提取所述目标数据中所述需求类型关联的所述第一待校验数据，并作为第二待校验数据；提取所述第二待校验数据中的所述第一数据，并作为第三数据，同时，提取所述第二待校验数据中的所述第二数据，并作为第四数据；基于预设的控制指令
‑
需求类型
‑
预期值库，确定所述第一控制指令和所述需求类型共同对应的第一预期值；通过如下公式，对所述第一控制指令的被执行过程进行校验：行过程进行校验：其中，Y1为第一校验结果，值为1表示校验通过，值为0表示校验不通过，为中间变量，C1为所述第一预期值，T1为预设的第一误差值，为所述第三数据，为所述第四数据，Mean为求平均值函数；当所述需求类型为视频流数据时，提取所述目标数据中所述需求类型关联的第一待校验数据，并作为第三待校验数据；提取所述第三待校验数据中的所述第一数据，并作为第五数据，同时，提取所述第三待校验数据中的所述第二数据，并作为第六数据；
基于预设的控制指令
‑
需求类型
‑
预期值库，确定所述第一控制指令和所述需求类型共同对应的第二预期值；通过如下公式，对所述第一控制指令的被执行过程进行校验：其中，Y2为第二校验结果，值为1表示校验通过，值为0表示校验不通过，F
v
为预设的图像分析深度学习算法函数，为所述第五数据，为所述第六数据，C2为所述第二预期值，T2为预设的第二误差值；当所述需求类型为音频流数据时，提取所述目标数据中所述需求类型关联的第一待校验数据，并作为第四待校验数据；提取所述第四待校验数据中的所述第一数据，并作为第七数据，同时，提取所述第四待校验数据中的所述第二数据，并作为第八数据；基于预设的控制指令
‑
需求类型
‑
预期值库，确定所述第一控制指令和所述需求类型共同对应的第三预期值；通过如下公式，对所述第一控制指令的被执行过程进行校验：其中，Y3为第三校验结果，值为1表示校验通过，值为0表示校验不通过，F
A
为时间序列音频信息深度学习算法函数，为所述第七数据，为所述第八数据，C3为所述第三预期值，T3为预设的第三误差值。4.如权利要求1所述的一种控制指令被执行过程的校验方法，其特征在于，步骤1：获取本地缓存的多元数据，包括：获取预设的缓存节点集，所述缓存节点集包括：多个第一缓存节点；基于预设的缓存节点
‑
缓存对象库，确定所述第一缓存节点的至少一个缓存对象，所述缓存对象包括：上传人和上传设备；当所述缓存对象为上传人时，获取所述上传人的第一上传记录，所述第一上传记录包括：多个第一记录项；从所述第一记录项中提取操作目标、操作时间节点和至少一个第一操作人；基于预设的操作目标
‑
三维空间库，确定所述操作目标对应的三维空间；基于预设的操作人
‑
面向信息库，确定所述第一操作人对应于所述操作时间节点前和/或后预设的第一时间段内的面向信息，所述面向信息包括：面部位置和多个面向方向；基于预设的映射规则，将所述面部位置映射于所述三维空间中，获得第一位置，同时，将所述面向方向映射于所述三维空间中，获得第一方向；获取所述三维空间中所述操作目标所在的第二位置和所述操作目标显示的第二方向；获取预设的正确操作判定模型，将所述第一位置、第一方向、第二位置和第二方向输入所述正确操作判定模型，获得第一判定结果；当所述第一判定结果为正确操作时，将对应所述第一操作人作为第二操作人；
基于预设的操作目标
‑
经验值库，确定所述操作目标需要的第一经验值；基于预设的操作人
‑
经验值库，确定所述第二操作人的第二经验值；若所述第二操作人的第二经验值均小于所述第一经验值，确定对应所述第二经验值与所述第一经验值之间的差值；查询预设的操作目标
‑
差值
‑
严重值库，确定所述操作目标和所述差值共同对应的第一严重值；汇总所述第一严重值，获得第一严重值和；若所述第一严重值和大于等于预设的第一严重值和阈值，剔除对应所述第一缓存节点；当所述缓存对象为上传设备时，获取所述上传设备的第二上传记录，所述第二上传记录包括：多个第二记录项；从所述第二记录项中提取目标设备、记录类型和记录时间节点；基于预设的目标设备
‑
状态信息库，确定所述目标设备对应于所述记录时间节点前和/或后预设的第二时间段内的状态信息；基于预设的记录类型
‑
验证目标库，确定所述记录类型对应的至少一个验证目标；从所述状态信息中提取所述验证目标对应的目标数据；对所述目标数据进行缺陷扫描，获取缺陷值；基于预设的目标设备
‑
缺陷值
‑
严重值库，确定所述目标设备和所述缺陷值共同对应的第二严重值；汇总所述第二严重值，获得第二严重值和；若所述第二严重值和大于等于预设的第二严重值和阈值，剔除对应所述第一缓存节点；当所述第一缓存节点中需要剔除的所述第一缓存节点均被剔除后，将剩余所述第一缓存节点作为第二缓存节点；通过所述第二缓存节点获取缓存数据；整合获取的各所述缓存数据，获得多元数据，完成获取。5.如权利要求1所述的一种控制指令被执行过程的校验方法，其特征在于，还包括：构建控制指令
‑
误判概率库，当校验结果为校验不通过时，基于所述控制指令
‑
误判概率库，确定所述第一控制指令对应的误判概率，若所述误判概率大于等于预设的概率阈值，基于所述目标数据，重新对所述第一控制指令的被执行过程进行校验；其中，构建控制指令
‑
误判概率库，包括：获取预设的控制指令集，所述控制指令集包括：多个第二控制指令；获取预设的主动获取方式集，所述主动获取方式集包括：多个主动获取方式；基于主动获取方式，主动获取对应于所述第二控制指令的至少一个第一误判事件；获取所述第一误判事件的产生时间节点，同时，获取所述第一误判事件的第一来源对应的操作记录；将所述操作记录中的多个第三记录项按照时序进行排序，获得记录序列；确定所述记录序列中对应于所述产生时间节点的第一位置；基于预设的控制指令
‑
验证策略库，确定所述第二控制指令对应的验证策略；
对所述验证策略进行解析，获取至少一组验证方向和验证范围；提取所述记录序列中所述第一位置的所述验证方向上所述验证范围内的所述第三记录项，并作为第四记录项；获取预设的误操作判定模型，将所述第二控制指令和所述第四记录项输入所述误操作判定模型，获取第二判定结果；若所述第二判定结果为存在误操作时，剔除对应所述第一误判事件；当所述第一误判事件中需要剔除的所述第一误判事件均被剔除后，将剩余所述第一误判事件作为第二误判事件；当被动获取到对应于所述第二控制指令的至少一个第三误判事件时，获取所述第三误判事件的第二来源；获取对所述第二来源进行担保的多个第三来源，同时，确定所述第二来源和所述第三来源之间的担保关系，所述担保关系包括：直接担保和间接担保；若所述担保关系为直接担保，获取所述第三来源的第一担保圈；确定存在于所述第一担保圈内的多个第四来源；基于预设的来源
‑
恶意记录库，确定所述第四来源对应的至少一个第一恶意记录；获取预设的风险评定模型，将所述第一恶意记录输入所述风险值评定模型，获取第一风险值；汇总所述第一风险值，获得第一风险值和；若所述担保关系为间接担保，获取同时对所述第二来源和所述第三来源进行担保的至少一个第五来源；获取所述第五来源的第二担保圈；确定存在于所述第二担保圈内的多个第六来源；基于所述来源
‑
恶意记录库，确定所述第六来源对应的至少一个第二恶意记录；将所述第二恶意记录输入所述风险评定模型，获取第二风险值；汇总所述第二风险值，获得第二风险值和；若所述第一风险值和小于等于预设的第一风险值和阈值和/或所述第二风险值和小于等于预设的第二风险值和阈值，剔除对应所述第三误判事件；当所述第三误判事件中需要剔除的所述第三误判事件均被剔除后，将剩余所述第三误判事件作为第四误判事件；获取预设的概率判定模型，将所述第二误判事件和所述第四误判事件输入所述概率判定模型，获取概率；将所述概率与对应所述控制指令进行组合，获得一个对照组；获取预设的空白数据库，将所述对照组存入所述空白数据库；当需要存入所述空白数据库的对照组均存入后，将所述空白数据库作为控制指令
‑

【专利技术属性】
技术研发人员：张泽周，
申请(专利权)人：深圳市中联通电子股份有限公司，
类型：发明
国别省市：