[发明专利]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

说明书

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。

技术领域

本发明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。

背景技术

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中的配置知识进行表达和问题求解还有待于研究。

发明内容

本发明针对现有软件产品配置及问题求解模型的不足，提出了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，该方法包括配置建模、语义推理配置求解、SWRL配置规则库、配置规则求解器。

配置建模以描述逻辑的形式对特征模型中的特征依赖关系进行表征，并使用谓词变量描述特征实现机器学习算法图元构件的可变性，为具体智能控制器软件产品的生产提供描述和推理基础，建模结果为配置规则组成的配置模型。

语义推理配置求解所得结果是确定智能控制器软件产品特定的特征模型和体系结构的基础。通过分析用户的功能性/非功能性需求转化为需求配置规则确定求解目标，并基于规则约减和问题求解算法对配置模型进行求解，即可得到满足智能制造领域应用需求的特征集合和软件制品集合。

SWRL配置规则库是实现配置求解和智能控制器软件产品生产等功能的基础组件。它应提供规则存储、规则浏览、规则查询、谓词变量实例化、规则约减推理等接口供其它组件使用。

配置规则求解器是确定满足智能控制应用需求的特征集合和软件产品集合的使能工具，主要负责基于需求配置规则和智能控制器软件产品配置模型运用配置约减推理规则和求解算法进行问题求解。

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。

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(即特征配置规则)；所述的配置规则包括，