复杂事件处理的自适应制造情景识别方法
发布时间：2020-02-08 11:17
【摘要】：制造过程中的任务、自然条件、电力水平等环境因素,制约物体状态及其关系的变化.智能制造单元需要自适应的对不同情境约束下的事件和复杂情形及时理解判断,提出基于复杂事件处理(Complex event processing,CEP)的情境约束情景识别方法,以实时作出合理的优化决策.针对忽视情境约束对事件判别的影响,构建基于情境约束的多层次事件模型,给出同生、情境、协同等事件新算子,提出基于事件聚合的制造情景模型与演算过程.针对情景识别知识库中模式规则生成的不足,通过整合物体数据与环境数据建立映射关联,将感知信息转化为情境事件图谱.通过综合序数、名义变量等距离计算和自适应熵权法,提出改进的混合聚类方法处理事件图谱实例属性的多样性和关联性,构建知识库以为情景实时识别提供服务支持.运用4个真实数据集和1个制造过程仿真数据集进行实验,均验证本文模型和方法的有效性,适用于大规模学习问题,并阐明情境因素能显著提升复杂制造应用中的事件判断、情景识别的准确性.
【图文】：
低巢蛔?［11］，将多层次情境考虑到事件理解过程中，提出基于情境约束的自适应情景识别方法，通过改进混合聚类进行模式挖掘和在线实时识别，从而优化任务执行决策活动．1基于情境约束的多层次事件模型多层次情境制约物体状态变化和事件判别，给出情境约束的事件模型和基于事件聚合的情景演算过程．1．1情境数据流决策单元所关注物体某一属性状态随时间不断变化，形成一条不同时刻下的动态数据序列即数据流DS:DS={v(a1)，v(a2)，…，v(an)}．(1)式中:a为物体属性，v(ai)为第i时刻属性值．如图1中设备转速曲线即是一条t0到tl时刻的动态数据流．!"##$##"##!"#$%&%&’()*+’()*!,-./!#!"!#!$!!0123456%&&2%+图1情境数据流Fig．1Contextbaseddatastream智能单元关注事物处于动态环境中，其属性值在不同环境下具有不同分布特征、状态变化模式．物体属性状态随着情境变化而形成时间序列即情境数据流CSS:CSS={〈v(a1)，ct1〉，〈v(a2)，ct2〉，…，〈v(an)，ctn〉}．(2)式中:v(aj)为第j时刻情境约束ctj该物体属性a的数值，ctj为第j时刻情境值．如图1中，t0到tj的情境为(TASK1，EL1)，，tj到tl的情境为(TASK1，EL2)，转速曲线是一条在两类情境下的数据流．两类情境的数据特征存在差异，(TASK1，EL1)下设备转速水平明显高于(TASK1，EL2)，原因是电力水平的高低影响运转速度．具有相同情境约束的不同时刻物体状态数据构成同类情境数据流段CSE，描述物体状态在同一情境下的数值分布:CSE={〈v(a1)，ctk〉，〈v(a2)，ctk〉，…，〈v(am)，
夽的数值，ctk为同类情境约束．图1中t0到tj的数据流为同类情境数据流段CSE1，tj到tl是同类情境数据流段CSE2．情境是描述物体相关行为和状态变化时所处的环境信息，可表示为CT:CT=(V，T)．(4)式中:V为情境数值，T为时间集．制造情境包含任务、自然环境、时空信息等．情境具有时变性，不同时刻形成情境序列流CTS=(ct1，ct2，…，ctn)，cti为第i时刻情境值．情境具有层次性，高层抽象情境是底层情境的泛化表示，情境层次结构通过有向无环图描述H=(CTH，WH)．如图2，CTH为某一层次情境类，WH
本文编号：2577497
【图文】：
低巢蛔?［11］，将多层次情境考虑到事件理解过程中，提出基于情境约束的自适应情景识别方法，通过改进混合聚类进行模式挖掘和在线实时识别，从而优化任务执行决策活动．1基于情境约束的多层次事件模型多层次情境制约物体状态变化和事件判别，给出情境约束的事件模型和基于事件聚合的情景演算过程．1．1情境数据流决策单元所关注物体某一属性状态随时间不断变化，形成一条不同时刻下的动态数据序列即数据流DS:DS={v(a1)，v(a2)，…，v(an)}．(1)式中:a为物体属性，v(ai)为第i时刻属性值．如图1中设备转速曲线即是一条t0到tl时刻的动态数据流．!"##$##"##!"#$%&%&’()*+’()*!,-./!#!"!#!$!!0123456%&&2%+图1情境数据流Fig．1Contextbaseddatastream智能单元关注事物处于动态环境中，其属性值在不同环境下具有不同分布特征、状态变化模式．物体属性状态随着情境变化而形成时间序列即情境数据流CSS:CSS={〈v(a1)，ct1〉，〈v(a2)，ct2〉，…，〈v(an)，ctn〉}．(2)式中:v(aj)为第j时刻情境约束ctj该物体属性a的数值，ctj为第j时刻情境值．如图1中，t0到tj的情境为(TASK1，EL1)，，tj到tl的情境为(TASK1，EL2)，转速曲线是一条在两类情境下的数据流．两类情境的数据特征存在差异，(TASK1，EL1)下设备转速水平明显高于(TASK1，EL2)，原因是电力水平的高低影响运转速度．具有相同情境约束的不同时刻物体状态数据构成同类情境数据流段CSE，描述物体状态在同一情境下的数值分布:CSE={〈v(a1)，ctk〉，〈v(a2)，ctk〉，…，〈v(am)，
夽的数值，ctk为同类情境约束．图1中t0到tj的数据流为同类情境数据流段CSE1，tj到tl是同类情境数据流段CSE2．情境是描述物体相关行为和状态变化时所处的环境信息，可表示为CT:CT=(V，T)．(4)式中:V为情境数值，T为时间集．制造情境包含任务、自然环境、时空信息等．情境具有时变性，不同时刻形成情境序列流CTS=(ct1，ct2，…，ctn)，cti为第i时刻情境值．情境具有层次性，高层抽象情境是底层情境的泛化表示，情境层次结构通过有向无环图描述H=(CTH，WH)．如图2，CTH为某一层次情境类，WH
本文编号：2577497
本文链接：https://www.wllwen.com/kejilunwen/ruanjiangongchenglunwen/2577497.html
