[发明专利]一种云组态平台的模型匹配处理方法及系统

说明书

本发明涉及一种云组态平台的模型匹配处理方法，包括下列步骤，将现实设备的特征信息转换为中心处理模块可识别信息，建立深度模型匹配神经网络，通过现实设备的特征变量对实例模型进行匹配，得出若干匹配模型，对若干匹配模型进行匹配度评价，最终由用户从若干匹配模型中选择模型，基于用户的模型选择对深度神经网络进行进化训练，获得更适合用户的组态模型。本发明所述云组态平台的模型匹配处理方法具有计算速度快，模型匹配度高，并且随着模型数量的增加及客户的选择性可进行自动优化的有益效果。

技术领域

本发明涉及计算机、智能计算领域，尤其涉及一种云组态平台的模型匹配处理方法及系统。

背景技术

随着科技的发展，云组态平台在各行业应用广泛，而组态模型作为现实设备的一种表现方式，在组态平台是必不可少的部分，高效的制作的选择组态模型对快速完成组态平台具有重要意义。由于不同设备的数据状态及控制方式不同，现有技术对于组态模型，大多都是根据用户设备情况实时创建的，而这种情况大大增加了云组态平台的组建时间。

发明内容

本发明要解决的问题是提供一种云组态平台的模型匹配处理方法及系统。

为解决上述技术问题，本发明的云组态平台的模型匹配处理方法，包括下列步骤，S1将现实设备的特征信息转换为中心处理模块可识别信息；

S2建立深度模型匹配神经网络，通过现实设备的特征变量对实例模型进行匹配，得出若干匹配模型；

S3对若干匹配模型进行匹配度评价，最终由用户从若干匹配模型中选择模型；

S4基于用户的模型选择对深度神经网络进行进化训练，获得更适合用户的组态模型。

进一步的，所述S1中，令现实设备特征信息Info＝[ind,place,type,input,output,ctrol]，其中：ind表示设备使用行业，place表示设备使用场景，type表示设备类型，input表示设备输入接口数量，output表示设备输出接口数量，ctrol表示是否有控制功能；

建立一个数据转换模型，将现有设备的特征信息转换为中心处理模块可识别的数字信息，将使用行业ind分类并进行数字编码，则有ind→ch₁∈[001,002，003，...]，即通过数字编码来代替不同的行业信息；同样将使用场景place及设备类型type分类并进行数字编码，使place→ch₂∈[1,2,3,...]，type→ch₃∈[0001,0002,0003,...]；设备输入、输出接口数量分别进行转换使用ch₄，ch₅表示；ch₆代表是否设备具有控制功能，用0或1表示；具体特征信息的数量由用户根据实际情况自行设定；由此，CH＝[ch₁,ch₂,...,ch_N]即为转换后的特征信息，N表示特征信息总数。

进一步的，所述S2中，建立一个深度模型匹配神经网络，包括第一输入层，第二输入层，三个隐含层，第一输出层及第二输出层；其中，第一输出层输出做为第二输入层的输入。

进一步的，所述S2中，第一输入层，维度为N，样本个数为M，其中一个样本的输入为CH＝[ch₁,ch₂,...,ch_N]^T其对应的样本输出为GM＝[gm₁,gm₂,...,gm_K]^T，K表示匹配组态模型的,数量，用户根据实际情况确定组态模型匹配数量；f_1m为第一隐含层神经元传递函数，f_2q为第二隐含层神经元的传递函数；