一种基于知识引导的装备制造人机协同决策方法及系统技术方案

本发明专利技术公开了一种基于知识引导的装备制造人机协同决策方法及系统，确定装备制造场景下某一工序中设备台数和组数，针对每组设备确定需要采集的样本数据特征和表征运行状态的参量集合，并利用样本数据建立基于机器学习的机器决策模型，该过程采用迁移学习技术；其次，基于人类专家知识，建立规则模型，人类专家可以动态地修改规则模型参数；最后，计算两个模型各自的可信度指标作为权值，输出两个模型的加权平均值作为对这一工序中各个设备状态的评估和预测，由用户根据决策模型输出结果做出生产决策。

【技术实现步骤摘要】

本专利技术属于信息，具体涉及一种基于知识引导的装备制造人机协同决策方法及系统。

技术介绍

1、随着智能制造的兴起，装备制造企业面临着日益复杂和多变的运营环境，在运营过程中常常采用人机协同决策方法来优化管理和决策。传统的深度学习方法在数据处理和决策模型构建方面具有广泛应用，然而，由于装备制造企业运营过程中数据的特殊性，传统的深度学习模型在面对不同事件驱动下的数据生成和应对场景变换时存在一些局限，主要体现在以下方面：

2、第一，传统模型对数据进行准备和清洗通常需要较长的时间，因此无法满足实时决策需求；

3、第二，数据标注和模型训练过程高度依赖人工参与，增加了工作量并引入了主观性和误差；

4、第三，传统模型往往缺乏不同场景变化的泛化能力，难以适应装备制造企业运营环境的多样性。因此，现有技术可能导致对突发状况的决策滞后，影响企业的敏捷响应和竞争优势。

5、为解决传统深度学习模型应用于装备制造领域的局限，需要一种合理的决策模型，在数据处理过程中结合装备制造过程特点，保证准确性的同时缩短决策时间，并提高泛化能力，使得模型本文档来自技高网...

【技术保护点】

1.一种基于知识引导的装备制造人机协同决策方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的基于知识引导的装备制造人机协同决策方法，其特征在于，智能制造某一工序下需要设备台数，设为g台，并将相同功能的设备并分为一组，共分为c组，记为M1,M2,…,Mc；对每个设备组Mi，确定决策模型需要采集的数据特征集合以及表征其运行状态的参量集合

3.根据权利要求1所述的基于知识引导的装备制造人机协同决策方法，其特征在于，基于机器学习的机器决策模型中，输入数据特征X＝{X(1),X(2),…,X(c)}，输出所有设备运行状态参数Y＝{Y(1),Y(2),…,Y(c)}，...

【技术特征摘要】

1.一种基于知识引导的装备制造人机协同决策方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的基于知识引导的装备制造人机协同决策方法，其特征在于，智能制造某一工序下需要设备台数，设为g台，并将相同功能的设备并分为一组，共分为c组，记为m1,m2,…,mc；对每个设备组mi，确定决策模型需要采集的数据特征集合以及表征其运行状态的参量集合

3.根据权利要求1所述的基于知识引导的装备制造人机协同决策方法，其特征在于，基于机器学习的机器决策模型中，输入数据特征x＝{x(1),x(2),…,x(c)}，输出所有设备运行状态参数y＝{y(1),y(2),…,y(c)}，用迁移学习方法训练机器决策模型的深度神经网络。

4.根据权利要求3所述的基于知识引导的装备制造人机协同决策方法，其特征在于，训练机器决策...

【专利技术属性】
技术研发人员：周思成，安健，朱洪仪，唐嗣宇，王葳蕤，胡显承，
申请(专利权)人：西安交通大学，
类型：发明
国别省市：