[发明专利]一种专家规则的保护方法及装置

说明书

本发明的实施例提供一种专家规则的保护方法及装置。该方法包括：将基于工业设备时序数据的专家规则输入专家规则的有向无环图解析器中解析，得到专家规则的有向无环图；构建所述专家规则的训练样本集；利用神经网络对所述专家规则的训练样本集进行训练，得到所述专家规则对应的黑箱模型；将所述有向无环图中，利用所述黑箱模型替换所述专家规则对应的算子，得到可以对专家规则进行保护的有向无环图。本发明通过训练得到黑箱模型，并将黑箱模型替换专家规则对应的算子，得到可以对专家规则进行保护的有向无环图，既能对专家规则进行有效的保护，也能满足他人使用，具有安全性高的优点。

技术领域

本发明涉及专家规则保护技术领域，特别是指一种专家规则的保护方法及装置。

背景技术

规则是显性的知识，规则的积累需要花费大量的精力，例如基于工业设备的专家规则包括：转子热弯曲的征兆有振动通频值大、启停机时同转速下通频量差值较大和启停机时同转速下工频量差值较大等情况，这些是靠相关领域的人员在多年的经验和实践中积累出来的专家规则，这些专家规则一旦公布出来，“抄袭”非常容易。因此，如何保障知识拥有方的所有权，但不损害其使用是一个重要的问题。目前，有大量基于平台的模型保护模式，但对于知识拥有者来说，平台保护是一个不受控制的“信用”保护，安全性较低。

发明内容

本发明要解决的技术问题是提供一种专家规则的保护方法及装置，以解决对专家规则的保护安全性较低的问题。

为解决上述技术问题，本发明的技术方案如下：

本发明的一个方面，提供了一种专家规则的保护方法，包括：

将基于工业设备时序数据的专家规则输入专家规则的有向无环图解析器中解析，得到专家规则的有向无环图；

构建所述专家规则的训练样本集；

利用神经网络对所述专家规则的训练样本集进行训练，得到所述专家规则对应的黑箱模型；

将所述有向无环图中，利用所述黑箱模型替换所述专家规则对应的算子，得到可以对专家规则进行保护的有向无环图。

进一步地，所述有向无环图，包括：原始测量量（M）、特征变量（D）、征兆变量（S）、研判规则（F）、特征算子(OP_D)、征兆算子（OP-S）和算子对应的控制参数（Par）；

其中，将原始测量量（M）输入到特征算子（OP_D）中，得到特征变量（D）；

将特征变量（D）输入到征兆算子（OP-S）中，得到征兆变量（S）；

将征兆变量（S）输入到研判规则（F）中，得到专家规则的有向无环图。

进一步地，构建所述专家规则的训练样本集，包括：

根据特征算子的输入量的值域范围，输入第一随机数值向量，得到第一目标变量，将第一随机数值向量和第一目标变量作为第一训练样本集；

根据征兆算子的输入量的值域范围，输入第二随机数值向量，得到第二目标变量，将第二随机数值向量和第二目标变量作为第二训练样本集；

根据研判规则的输入量的值域范围，输入是或者否构成第三随机向量，得到第三目标变量，将第三随机数值向量和第三目标变量作为第三训练样本集。

进一步地，还包括：

对神经网络的输入变量X进行加扰，具体是在多个输入变量的基础上增加多个干扰变量或者时序下标变量作为神经网络的输入。

进一步地，还包括：

对神经网络的输出进行加扰，具体是对训练集中的目标变量Y采用可逆函数进行变换，利用变换后的目标变量Y’和输入变量X训练神经网络，在使用前利用反函数进行无损反演。