CN107290967B - 一种液压机服务功能的自动加载方法及系统 - Google Patents

一种液压机服务功能的自动加载方法及系统 Download PDF

Info

Publication number
CN107290967B
CN107290967B CN201710666932.3A CN201710666932A CN107290967B CN 107290967 B CN107290967 B CN 107290967B CN 201710666932 A CN201710666932 A CN 201710666932A CN 107290967 B CN107290967 B CN 107290967B
Authority
CN
China
Prior art keywords
service function
function component
information entropy
chain
demand
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN201710666932.3A
Other languages
English (en)
Other versions
CN107290967A (zh
Inventor
张强
杨善林
梁樑
彭张林
裴军
陆效农
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Hefei University of Technology
Original Assignee
Hefei University of Technology
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Hefei University of Technology filed Critical Hefei University of Technology
Priority to CN201710666932.3A priority Critical patent/CN107290967B/zh
Publication of CN107290967A publication Critical patent/CN107290967A/zh
Priority to US16/056,045 priority patent/US10571871B2/en
Application granted granted Critical
Publication of CN107290967B publication Critical patent/CN107290967B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B13/00—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion
    • G05B13/02—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric
    • G05B13/04—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric involving the use of models or simulators
    • G05B13/042—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric involving the use of models or simulators in which a parameter or coefficient is automatically adjusted to optimise the performance
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B13/00—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion
    • G05B13/02—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric
    • G05B13/0265—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric the criterion being a learning criterion
    • G05B13/028—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric the criterion being a learning criterion using expert systems only
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F15—FLUID-PRESSURE ACTUATORS; HYDRAULICS OR PNEUMATICS IN GENERAL
    • F15B—SYSTEMS ACTING BY MEANS OF FLUIDS IN GENERAL; FLUID-PRESSURE ACTUATORS, e.g. SERVOMOTORS; DETAILS OF FLUID-PRESSURE SYSTEMS, NOT OTHERWISE PROVIDED FOR
    • F15B21/00—Common features of fluid actuator systems; Fluid-pressure actuator systems or details thereof, not covered by any other group of this subclass
    • F15B21/08—Servomotor systems incorporating electrically operated control means
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B19/00—Programme-control systems
    • G05B19/02—Programme-control systems electric
    • G05B19/18—Numerical control [NC], i.e. automatically operating machines, in particular machine tools, e.g. in a manufacturing environment, so as to execute positioning, movement or co-ordinated operations by means of programme data in numerical form
    • G05B19/188—Numerical control [NC], i.e. automatically operating machines, in particular machine tools, e.g. in a manufacturing environment, so as to execute positioning, movement or co-ordinated operations by means of programme data in numerical form characterised by special applications and not provided for in the relevant subclasses, (e.g. making dies, filament winding)
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N7/00—Computing arrangements based on specific mathematical models
    • G06N7/01—Probabilistic graphical models, e.g. probabilistic networks
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/20—Administration of product repair or maintenance
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B2219/00—Program-control systems
    • G05B2219/30—Nc systems
    • G05B2219/41—Servomotor, servo controller till figures
    • G05B2219/41273—Hydraulic

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Business, Economics & Management (AREA)
  • Artificial Intelligence (AREA)
  • Human Resources & Organizations (AREA)
  • Automation & Control Theory (AREA)
  • Theoretical Computer Science (AREA)
  • Software Systems (AREA)
  • Evolutionary Computation (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Economics (AREA)
  • Strategic Management (AREA)
  • Health & Medical Sciences (AREA)
  • Human Computer Interaction (AREA)
  • General Engineering & Computer Science (AREA)
  • Medical Informatics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Manufacturing & Machinery (AREA)
  • General Business, Economics & Management (AREA)
  • Tourism & Hospitality (AREA)
  • Marketing (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Fluid Mechanics (AREA)
  • Chemical & Material Sciences (AREA)
  • Mechanical Engineering (AREA)
  • Analytical Chemistry (AREA)
  • Algebra (AREA)
  • Computational Mathematics (AREA)
  • Probability & Statistics with Applications (AREA)
  • Pure & Applied Mathematics (AREA)
  • Computing Systems (AREA)
  • Mathematical Optimization (AREA)
  • Mathematical Analysis (AREA)
  • Data Mining & Analysis (AREA)
  • Mathematical Physics (AREA)
  • Development Economics (AREA)
  • Educational Administration (AREA)
  • Game Theory and Decision Science (AREA)

Abstract

本发明公开了一种液压机服务功能的自动加载方法及系统。该方法包括：获取i个服务功能构件链；获取每个服务功能构件链在预设时间段内的单项使用次数；计算i个所述服务功能构件链在所述预设时间段内的总使用次数；计算每个所述服务功能构件链在所述预设时间段内出现的单项概率；计算每个所述服务功能构件链的单项信息熵；确定i个所述服务功能构件链的整体信息熵；建立测量周期内i个所述服务功能构件链的需求矩阵；确定所述测量周期内各个所述预设时间段用户使用的所述服务功能构件链的需求序列；根据用户当前的输入操作指令，按照所述需求序列自动加载所述液压机下一时刻的服务功能。采用本发明所提供的方法或装置能够提高液压机智能服务的响应速度。

Description

一种液压机服务功能的自动加载方法及系统
技术领域
本发明涉及智能服务领域，特别是涉及一种液压机服务功能的自动加载方法及系统。
背景技术
液压机的液压成形工艺在汽车、航空、航天和管道等行业有着广泛的应用，主要适用于：沿构件轴线变化的圆形、矩形或异型截面空心结构件；液压成形工艺的适用材料包括碳钢、不锈钢、铝合金、铜合金及镍合金等，主要针对汽车配件厂，电子厂，电器厂，热处理厂，车辆配件厂，齿轮厂，空调配件厂。当运行液压机进行某种操作时，液压机后台程序根据操作指令临时调动相应的子程序，从而使得液压机常常很长时间之后才能响应，进而液压机的工作效率会大大降低，用户满意度也会大打折扣。
发明内容
本发明的目的是提供一种液压机服务功能的自动加载方法及系统，以解决液压机响应速率慢的问题。
为实现上述目的，本发明提供了如下方案：
一种液压机服务功能的自动加载方法，包括：
获取i个服务功能构件链；所述服务功能构件链是结合用户服务需求、液压机的不同运行工况数据及液压机操作历史数据得到的所述液压机服务功能的服务过程；所述服务功能包括故障预警、监控、维修、系统优化；i大于或等于1；
获取每个所述服务功能构件链在预设时间段内的单项使用次数；
根据所述单项使用次数，计算i个所述服务功能构件链在所述预设时间段内的总使用次数；
根据所述单项使用次数及所述总使用次数，计算每个所述服务功能构件链在所述预设时间段内出现的单项概率；
根据所述单项概率，计算每个所述服务功能构件链的单项信息熵；
根据所述单项信息熵，确定i个所述服务功能构件链的整体信息熵；
根据所述整体信息熵建立测量周期内i个所述服务功能构件链的需求矩阵；所述测量周期由多个所述预设时间段组成；
根据所述需求矩阵，确定所述测量周期内各个所述预设时间段用户使用的所述服务功能构件链的需求序列；
根据用户当前的输入操作指令，按照所述需求序列自动加载所述液压机下一时刻的服务功能。
可选的，所述根据所述单项概率，计算每个所述服务功能构件链的单项信息熵，具体包括：
根据公式计算所述预设时间段内每个所述服务功能构件链的单项信息熵；其中，I(CCi)为所述服务功能构件链的单项信息熵，PCCi为每个所述服务功能构件链的单项概率。
可选的，所述根据所述单项信息熵，确定i个所述服务功能构件链的整体信息熵，具体包括：
根据公式计算i个所述服务功能构件链的整体信息熵；其中，I(CC)为所述整体信息熵；I(CCi)为所述服务功能构件链的单项信息熵。
可选的，所述根据所述整体信息熵建立测量周期内i个所述服务功能构件链的需求矩阵，具体包括：
判断所述整体信息熵是否小于0.5，得到第一判断结果；
若所述第一判断结果表示为所述整体信息熵小于0.5，则确定所述预设时间段内用户对所述服务功能构件链的需求为集中型需求；所述集中型需求的集中向量为{CC1＝0,CC2＝0,CC3＝0...,CCmax＝1}，其中，CCi为所述服务功能构件链；PCCi为每个所述服务功能构件链的单项概率；
若所述第一判断结果表示为所述整体信息熵不小于0.5，则确定所述预设时间段内用户对所述服务功能构件链的需求为分散型需求；所述分散型需求的分散向量为
根据所述集中向量和所述分散向量构建i个所述服务功能构件链的需求矩阵。
可选的，所述根据所述需求矩阵，确定所述测量周期内各个所述预设时间段用户使用的所述服务功能构件链的需求序列，具体包括：
根据所述需求矩阵计算每个所述服务功能构件链的优先级；
按照所述服务功能构件链的优先级由大到小，将i个所述服务功能构件链的优先级排序，得到所述测量周期内各个所述预设时间段使用的所述服务功能构件链之间的需求序列，所述需求序列为排序后的优先级。
可选的，所述根据所述需求矩阵计算每个所述服务功能构件链的优先级，具体包括：
根据公式计算每个所述服务功能构件链的优先级；其中，为所述需求矩阵内的元素，k为所述需求矩阵的行数，m为所述测量周期内所述预设时间段的数量。
一种液压机服务功能的自动加载系统，包括：
构件链获取模块，用于获取i个服务功能构件链；所述服务功能构件链是结合用户服务需求、液压机的不同运行工况数据及液压机操作历史数据得到的所述液压机服务功能的服务过程；所述服务功能包括故障预警、监控、维修、系统优化；i大于或等于1；
单项使用次数获取模块，用于获取每个所述服务功能构件链在预设时间段内的单项使用次数；
总使用次数获取模块，用于根据所述单项使用次数，计算i个所述服务功能构件链在所述预设时间段内的总使用次数；
单项概率计算模块，用于根据所述单项使用次数及所述总使用次数，计算每个所述服务功能构件链在所述预设时间段内出现的单项概率；
单项信息熵计算模块，用于根据所述单项概率，计算每个所述服务功能构件链的单项信息熵；
整体信息熵确定模块，用于根据所述单项信息熵，确定i个所述服务功能构件链的整体信息熵；
需求矩阵建立模块，用于根据所述整体信息熵建立测量周期内i个所述服务功能构件链的需求矩阵；所述测量周期由多个所述预设时间段组成；
需求序列确定模块，用于根据所述需求矩阵，确定所述测量周期内各个所述预设时间段用户使用的所述服务功能构件链的需求序列；
自动加载模块，用于根据用户当前的输入操作指令，按照所述需求序列自动加载所述液压机下一时刻的服务功能。
可选的，所述单项信息熵计算模块，具体包括：
单项信息熵计算单元，用于根据公式计算所述预设时间段内每个所述服务功能构件链的单项信息熵；其中，I(CCi)为所述服务功能构件链的单项信息熵，PCCi为每个所述服务功能构件链的单项概率。
可选的，所述整体信息熵确定模块，具体包括：
整体信息熵确定单元，用于根据公式计算i个所述服务功能构件链的整体信息熵；其中，I(CC)为所述整体信息熵；I(CCi)为所述服务功能构件链的单项信息熵。
可选的，所述需求矩阵建立模块，具体包括：
第一判断单元，用于判断所述整体信息熵是否小于0.5，得到第一判断结果；
集中型需求确定单元，用于若所述第一判断结果表示为所述整体信息熵小于0.5，则确定所述预设时间段内用户对所述服务功能构件链的需求为集中型需求；所述集中型需求的集中向量为{CC1＝0,CC2＝0,CC3＝0...,CCmax＝1}，其中，CCi为所述服务功能构件链；PCCi为每个所述服务功能构件链的单项概率；
分散型需求确定单元，用于若所述第一判断结果表示为所述整体信息熵不小于0.5，则确定所述预设时间段内用户对所述服务功能构件链的需求为分散型需求；所述分散型需求的分散向量为
需求矩阵构建单元，用于根据所述集中向量和所述分散向量构建i个所述服务功能构件链的需求矩阵。
根据本发明提供的具体实施例，本发明公开了以下技术效果：本发明通过利用统计不同的服务功能构件链在预设时间段内的单项概率，根据多个不同的所述服务功能构件链的单项概率计算所述服务功能构件链的单项信息熵，基于多个单项信息熵得到预设时间段内的多个服务功能构件链的需求序列，根据用户当前的输入操作指令，按照所述需求序列自动加载液压机下一时刻的服务功能，无需长时间等待液压机响应，不仅节省了时间提高了工作效率，而且大大提高了用户的使用满意度。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
图1为本发明所提供的自动加载方法流程图；
图2为本发明所提供的自动加载系统结构框图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
本发明的目的是提供一种液压机服务功能的自动加载方法及系统，能够提高液压机的响应速率以及用户的使用满意度。
为使本发明的上述目的、特征和优点能够更加明显易懂，下面结合附图和具体实施方式对本发明作进一步详细的说明。
图1为本发明所提供的自动加载方法流程图，如图1所示，一种液压机服务功能的自动加载方法，包括：
步骤101：获取i个服务功能构件链；所述服务功能构件链是结合用户服务需求、液压机的不同运行工况数据及液压机操作历史数据得到的所述液压机服务功能的服务过程；所述服务功能包括故障预警、监控、维修、系统优化；所述i大于或等于1；所述服务功能构件链CCi由一系列服务功能基本构件为组成的，服务功能基本构件包括了液压机的计算资源服务构件库Ccomputering、数据采集服务构件库Ccollection、数据存储服务构件库Cstorage、数据分析服务构件库Canalysis；其中，计算资源服务构件库包括了云中心计算模块Ccloud-computering、液压机计算模块Cterminal-computering。
通过对数据采集、存储、计算和分析等操作，形成某一服务功能构件链，因此智能服务功能构件链代表了智能服务系统的功能，反映了用户对智能服务系统的需求。
例如，故障预警服务的服务功能构件链，通过向数据采集构件库中，采集位移数据和压力数据，如果需要运行的任务较少，对液压机中的处理器要求不高，可以直接在液压机中的处理器进行分析，而一般情况下，每个服务功能构件链的操作比较复杂，分析时的任务较多，对液压机的计算模块(即处理器)要求很高，这样一来，大大提高了液压机的成本，而采用本发明所提供的自动加载方法，首先，在云中心计算模块中调用数据分析服务构件库中的故障分析服务构件对所采集到的位移数据和压力数据进行分析，先完成一部分分析任务，将剩余的分析任务传送至液压机的处理器进行故障诊断及预测，大大降低了液压机内部处理器的计算量，采用低成本的处理器即可完成上述操作，从而大大降低了液压机的成本。
步骤102：获取每个所述服务功能构件链在预设时间段内的单项使用次数；根据公式计算用户在预设时间段内使用服务功能构件链CCi的单项使用次数
步骤103：根据所述单项使用次数，计算i个所述服务功能构件链在所述预设时间段内的总使用次数；根据公式集合用户在预设时间段内使用不同服务功能构件链的总使用次数；
步骤104：根据所述单项使用次数及所述总使用次数，计算每个所述服务功能构件链在所述预设时间段内出现的单项概率；根据公式计算在在预设时间段内服务功能构件链CCi出现的单项概率；
步骤105：根据所述单项概率，计算每个所述服务功能构件链的单项信息熵；根据公式计算所述预设时间段内每个所述服务功能构件链的单项信息熵；其中，I(CCi)为所述服务功能构件链的单项信息熵，PCCi为每个所述服务功能构件链的单项概率；
步骤106：根据所述单项信息熵，确定i个所述服务功能构件链的整体信息熵；根据公式计算i个所述服务功能构件链的整体信息熵；其中，I(CC)为所述整体信息熵；I(CCi)为所述服务功能构件链的单项信息熵，I(CC)值越大，表明不同服务功能构件链的使用次数比较平均，即：在预设时间段内用户的智能服务需求比较分散；I(CC)值越小，表明用户不同服务功能构件链的使用次数不一致，用户的智能服务需求比较集中；
步骤107：根据所述整体信息熵建立测量周期内i个所述服务功能构件链的需求矩阵；所述测量周期由多个所述预设时间段组成；
在实际应用中，判断步骤106中整体信息熵是否小于0.5，若是，则确定所述预设时间段内用户对所述服务功能构件链的需求为集中型需求；所述集中型需求的集中向量为{CC1＝0,CC2＝0,CC3＝0...,CCmax＝1}，其中，CCi为所述服务功能构件链；PCCi为每个所述服务功能构件链的单项概率；若否，则确定所述预设时间段内用户对所述服务功能构件链的需求为分散型需求；所述分散型需求的分散向量为根据所述集中向量和所述分散向量构建i个所述服务功能构件链的需求矩阵RM；
步骤108：根据步骤107中的需求矩阵，确定所述测量周期内各个所述预设时间段用户使用的所述服务功能构件链的需求序列；根据公式计算每个所述服务功能构件链的优先级；其中，为所述需求矩阵内的元素，m为所述测量周期内所述预设时间段的数量，k为所述需求矩阵的行数，k为小于或等于m的最大整数；按照所述服务功能构件链的优先级由大到小，将i个所述服务功能构件链的优先级排序，得到所述测量周期内各个所述预设时间段使用的所述服务功能构件链之间的需求序列，所述需求序列为排序后的优先级。
步骤109：根据用户当前的输入操作指令，按照所述需求序列自动加载所述液压机下一时刻的服务功能。
按照所述需求序列，反映了在预设时间段内用户对服务功能构件链的规律性需求。根据需求序列和液压机智能服务系统状态，提前加载相应的智能服务基本构件，以最快速度和性能满足用户需求，提高系统的响应能力。
图2为本发明所提供的自动加载系统结构框图，如图2所示，一种液压机服务功能的自动加载系统，包括：
构件链获取模块201，用于获取i个服务功能构件链；所述服务功能构件链是结合用户服务需求、液压机的不同运行工况数据及液压机操作历史数据得到的所述液压机服务功能的服务过程；所述服务功能包括故障预警、监控、维修、系统优化；i大于或等于1；
单项使用次数获取模块202，用于获取每个所述服务功能构件链在预设时间段内的单项使用次数；
总使用次数获取模块203，用于根据所述单项使用次数，计算i个所述服务功能构件链在所述预设时间段内的总使用次数；
单项概率计算模块204，用于根据所述单项使用次数及所述总使用次数，计算每个所述服务功能构件链在所述预设时间段内出现的单项概率；
单项信息熵计算模块205，用于根据所述单项概率，计算每个所述服务功能构件链的单项信息熵；
整体信息熵确定模块206，用于根据所述单项信息熵，确定i个所述服务功能构件链的整体信息熵；
需求矩阵建立模块207，用于根据所述整体信息熵建立测量周期内i个所述服务功能构件链的需求矩阵；所述测量周期由多个所述预设时间段组成；
需求序列确定模块208，用于根据所述需求矩阵，确定所述测量周期内各个所述预设时间段用户使用的所述服务功能构件链的需求序列；
自动加载模块209，用于根据用户当前的输入操作指令，按照所述需求序列自动加载所述液压机下一时刻的服务功能。
在实际应用中，所述单项信息熵计算模块205，具体包括：单项信息熵计算单元，用于根据公式计算所述预设时间段内每个所述服务功能构件链的单项信息熵；其中，I(CCi)为所述服务功能构件链的单项信息熵，PCCi为每个所述服务功能构件链的单项概率。
在实际应用中，所述整体信息熵确定模块206，具体包括：整体信息熵确定单元，用于根据公式计算i个所述服务功能构件链的整体信息熵；其中，I(CC)为所述整体信息熵；I(CCi)为所述服务功能构件链的单项信息熵。
在实际应用中，所述需求矩阵建立模块207，具体包括：第一判断单元，用于判断所述整体信息熵是否小于0.5，得到第一判断结果；集中型需求确定单元，用于若所述第一判断结果表示为所述整体信息熵小于0.5，则确定所述预设时间段内用户对所述服务功能构件链的需求为集中型需求；所述集中型需求的集中向量为{CC1＝0,CC2＝0,CC3＝0...,CCmax＝1}，其中，CCi为所述服务功能构件链；PCCi为每个所述服务功能构件链的单项概率；分散型需求确定单元，用于若所述第一判断结果表示为所述整体信息熵不小于0.5，则确定所述预设时间段内用户对所述服务功能构件链的需求为分散型需求；所述分散型需求的分散向量为需求矩阵构建单元，用于根据所述集中向量和所述分散向量构建i个所述服务功能构件链的需求矩阵。
采用本发明所提供的自动加载系统，能够识别用户的服务需求规律，提高系统的响应能力，节省用户操作时间，提高用户满意度。
本说明书中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似部分互相参见即可。对于实施例公开的系统而言，由于其与实施例公开的方法相对应，所以描述的比较简单，相关之处参见方法部分说明即可。
本文中应用了具体个例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法及其核心思想；同时，对于本领域的一般技术人员，依据本发明的思想，在具体实施方式及应用范围上均会有改变之处。综上所述，本说明书内容不应理解为对本发明的限制。

Claims (10)

1.一种液压机服务功能的自动加载方法，其特征在于，包括：
获取i个服务功能构件链；所述服务功能构件链是结合用户服务需求、液压机的不同运行工况数据及液压机操作历史数据得到的所述液压机服务功能的服务过程；所述服务功能包括故障预警、监控、维修、系统优化；i大于或等于1；
获取每个所述服务功能构件链在预设时间段内的单项使用次数；
根据所述单项使用次数，计算i个所述服务功能构件链在所述预设时间段内的总使用次数；
根据所述单项使用次数及所述总使用次数，计算每个所述服务功能构件链在所述预设时间段内出现的单项概率；
根据所述单项概率，计算每个所述服务功能构件链的单项信息熵；
根据所述单项信息熵，确定i个所述服务功能构件链的整体信息熵；
根据所述整体信息熵建立测量周期内i个所述服务功能构件链的需求矩阵；所述测量周期由多个所述预设时间段组成；
根据所述需求矩阵，确定所述测量周期内各个所述预设时间段用户使用的所述服务功能构件链的需求序列；
根据用户当前的输入操作指令，按照所述需求序列自动加载所述液压机下一时刻的服务功能。
2.根据权利要求1所述的自动加载方法，其特征在于，所述根据所述单项概率，计算每个所述服务功能构件链的单项信息熵，具体包括：
根据公式计算所述预设时间段内每个所述服务功能构件链的单项信息熵；其中，CCi为服务功能构件链，I(CCi)为所述服务功能构件链的单项信息熵，PCCi为每个所述服务功能构件链的单项概率。
3.根据权利要求1所述的自动加载方法，其特征在于，所述根据所述单项信息熵，确定i个所述服务功能构件链的整体信息熵，具体包括：
根据公式计算i个所述服务功能构件链的整体信息熵；其中，I(CC)为所述整体信息熵；I(CCi)为所述服务功能构件链的单项信息熵。
4.根据权利要求1所述的自动加载方法，其特征在于，所述根据所述整体信息熵建立测量周期内i个所述服务功能构件链的需求矩阵，具体包括：
判断所述整体信息熵是否小于0.5，得到第一判断结果；
若所述第一判断结果表示为所述整体信息熵小于0.5，则确定所述预设时间段内用户对所述服务功能构件链的需求为集中型需求；所述集中型需求的集中向量为{CC1＝0,CC2＝0,CC3＝0...,CCmax＝1}，其中，CCi为所述服务功能构件链；PCCi为每个所述服务功能构件链的单项概率；
若所述第一判断结果表示为所述整体信息熵不小于0.5，则确定所述预设时间段内用户对所述服务功能构件链的需求为分散型需求；所述分散型需求的分散向量为
根据所述集中向量和所述分散向量构建i个所述服务功能构件链的需求矩阵。
5.根据权利要求1或4所述的自动加载方法，其特征在于，所述根据所述需求矩阵，确定所述测量周期内各个所述预设时间段用户使用的所述服务功能构件链的需求序列，具体包括：
根据所述需求矩阵计算每个所述服务功能构件链的优先级；
按照所述服务功能构件链的优先级由大到小，将i个所述服务功能构件链的优先级排序，得到所述测量周期内各个所述预设时间段使用的所述服务功能构件链之间的需求序列，所述需求序列为排序后的优先级。
6.根据权利要求5所述的自动加载方法，其特征在于，所述根据所述需求矩阵计算每个所述服务功能构件链的优先级，具体包括：
根据公式计算每个所述服务功能构件链的优先级；其中，为所述需求矩阵内的元素，k为所述需求矩阵的行数，m为所述测量周期内所述预设时间段的数量。
7.一种液压机服务功能的自动加载系统，其特征在于，包括：
构件链获取模块，用于获取i个服务功能构件链；所述服务功能构件链是结合用户服务需求、液压机的不同运行工况数据及液压机操作历史数据得到的所述液压机服务功能的服务过程；所述服务功能包括故障预警、监控、维修、系统优化；所述i大于或等于1；
单项使用次数获取模块，用于获取每个所述服务功能构件链在预设时间段内的单项使用次数；
总使用次数获取模块，用于根据所述单项使用次数，计算i个所述服务功能构件链在所述预设时间段内的总使用次数；
单项概率计算模块，用于根据所述单项使用次数及所述总使用次数，计算每个所述服务功能构件链在所述预设时间段内出现的单项概率；
单项信息熵计算模块，用于根据所述单项概率，计算每个所述服务功能构件链的单项信息熵；
整体信息熵确定模块，用于根据所述单项信息熵，确定i个所述服务功能构件链的整体信息熵；
需求矩阵建立模块，用于根据所述整体信息熵建立测量周期内i个所述服务功能构件链的需求矩阵；所述测量周期由多个所述预设时间段组成；
需求序列确定模块，用于根据所述需求矩阵，确定所述测量周期内各个所述预设时间段用户使用的所述服务功能构件链的需求序列；
自动加载模块，用于根据用户当前的输入操作指令，按照所述需求序列自动加载所述液压机下一时刻的服务功能。
8.根据权利要求7所述的自动加载系统，其特征在于，所述单项信息熵计算模块，具体包括：
单项信息熵计算单元，用于根据公式计算所述预设时间段内每个所述服务功能构件链的单项信息熵；其中，I(CCi)为所述服务功能构件链的单项信息熵，PCCi为每个所述服务功能构件链的单项概率。
9.根据权利要求7所述的自动加载系统，其特征在于，所述整体信息熵确定模块，具体包括：
整体信息熵确定单元，用于根据公式计算i个所述服务功能构件链的整体信息熵；其中，I(CC)为所述整体信息熵；I(CCi)为所述服务功能构件链的单项信息熵。
10.根据权利要求7所述的自动加载系统，其特征在于，所述需求矩阵建立模块，具体包括：
第一判断单元，用于判断所述整体信息熵是否小于0.5，得到第一判断结果；
集中型需求确定单元，用于若所述第一判断结果表示为所述整体信息熵小于0.5，则确定所述预设时间段内用户对所述服务功能构件链的需求为集中型需求；所述集中型需求的集中向量为{CC1＝0,CC2＝0,CC3＝0...,CCmax＝1}，其中，CCi为所述服务功能构件链；PCCi为每个所述服务功能构件链的单项概率；
分散型需求确定单元，用于若所述第一判断结果表示为所述整体信息熵不小于0.5，则确定所述预设时间段内用户对所述服务功能构件链的需求为分散型需求；所述分散型需求的分散向量为
需求矩阵构建单元，用于根据所述集中向量和所述分散向量构建i个所述服务功能构件链的需求矩阵。
CN201710666932.3A 2017-08-07 2017-08-07 一种液压机服务功能的自动加载方法及系统 Active CN107290967B (zh)

Priority Applications (2)

Application Number Priority Date Filing Date Title
CN201710666932.3A CN107290967B (zh) 2017-08-07 2017-08-07 一种液压机服务功能的自动加载方法及系统
US16/056,045 US10571871B2 (en) 2017-08-07 2018-08-06 Automatic loading system and method for service functions of hydraulic machine

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201710666932.3A CN107290967B (zh) 2017-08-07 2017-08-07 一种液压机服务功能的自动加载方法及系统

Publications (2)

Publication Number Publication Date
CN107290967A CN107290967A (zh) 2017-10-24
CN107290967B true CN107290967B (zh) 2018-08-31

Family

ID=60105021

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201710666932.3A Active CN107290967B (zh) 2017-08-07 2017-08-07 一种液压机服务功能的自动加载方法及系统

Country Status (2)

Country Link
US (1) US10571871B2 (zh)
CN (1) CN107290967B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111796871A (zh) * 2019-04-09 2020-10-20 Oppo广东移动通信有限公司 服务唤醒方法、装置、存储介质及电子设备

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101699356A (zh) * 2009-09-28 2010-04-28 南京理工大学 液压机嵌入式智能监控与维护模块
CN102208080A (zh) * 2010-03-29 2011-10-05 深圳市腾讯计算机系统有限公司 一种优化服务资源的方法及系统
CN102411594A (zh) * 2010-09-25 2012-04-11 中国移动通信集团湖南有限公司 一种获取信息的方法及装置
CN105761110A (zh) * 2016-02-19 2016-07-13 北京京东尚科信息技术有限公司 跨设备用户价值分析方法及装置
CN106611366A (zh) * 2015-10-26 2017-05-03 阿里巴巴集团控股有限公司 自动选品的方法及装置

Family Cites Families (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102507230B (zh) * 2011-10-08 2013-12-25 中北大学 一种自动供输弹装置故障诊断方法
US8990840B2 (en) * 2011-10-17 2015-03-24 Honeywell International Inc. Methods and reconfigurable systems to incorporate customized executable code within a condition based health maintenance system without recompiling base code
US9652204B2 (en) * 2011-10-24 2017-05-16 Honeywell International Inc. Dynamically reconfigurable code execution architecture for building diagnostic algorithms

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101699356A (zh) * 2009-09-28 2010-04-28 南京理工大学 液压机嵌入式智能监控与维护模块
CN102208080A (zh) * 2010-03-29 2011-10-05 深圳市腾讯计算机系统有限公司 一种优化服务资源的方法及系统
CN102411594A (zh) * 2010-09-25 2012-04-11 中国移动通信集团湖南有限公司 一种获取信息的方法及装置
CN106611366A (zh) * 2015-10-26 2017-05-03 阿里巴巴集团控股有限公司 自动选品的方法及装置
CN105761110A (zh) * 2016-02-19 2016-07-13 北京京东尚科信息技术有限公司 跨设备用户价值分析方法及装置

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
基于信息熵和SVM多分类的飞机液压系统故障诊断;窦丹丹;《西北工业大学学报》;20120831;第30卷(第4期);全文 *
基于符号动力学信息熵与SVM的液压泵故障诊断;张华;《振动、测试与诊断》;20170430;第37卷(第2期);全文 *

Also Published As

Publication number Publication date
CN107290967A (zh) 2017-10-24
US20190041809A1 (en) 2019-02-07
US10571871B2 (en) 2020-02-25

Similar Documents

Publication Publication Date Title
CN104778111B (zh) 一种进行报警的方法和装置
CN107942958B (zh) 一种面向物联网的工业控制系统及方法
CN111881023B (zh) 一种基于多模型对比的软件老化预测方法及装置
CN109446041A (zh) 一种服务器压力预警方法、系统及终端设备
JP6711323B2 (ja) プロセスの異常状態診断方法および異常状態診断装置
CN107943579B (zh) 资源瓶颈预测方法、设备、系统及可读存储介质
CN112261120B (zh) 一种配电物联网云边协同任务卸载方法及装置
CN109190087A (zh) 一种电池剩余寿命预测方法、装置、电子设备及存储介质
CN112114986A (zh) 数据异常识别方法、装置、服务器和存储介质
CN107290967B (zh) 一种液压机服务功能的自动加载方法及系统
CN111078503B (zh) 一种异常监控方法及系统
CN112631750B (zh) 面向云数据中心的基于压缩感知的预测性在线调度与混合任务部署方法
CN114840392A (zh) 任务调度异常监控方法、装置、介质及程序产品
CN118245842A (zh) 一种电力设备状态检修故障分析方法、系统、终端及介质
CN108647007B (zh) 运算系统及芯片
Shibata et al. Quantifying software maintainability based on a fault-detection/correction model
CN113221457A (zh) 一种车辆保养信息的确定方法、装置、设备及介质
CN109462510B (zh) 一种cdn节点质量评估的方法及装置
CN117010442A (zh) 设备剩余寿命预测模型训练方法、剩余寿命预测方法及系统
CN114663074B (zh) 一种基于数字孪生的产品数据分析方法及系统
CN111311318A (zh) 用户流失预警的方法、装置、设备及存储介质
CN115687009A (zh) 运行状态监控方法、装置、大数据集群和存储介质
CN114861909A (zh) 模型质量监控方法、装置、电子设备以及存储介质
CN107357703A (zh) 一种终端应用耗电检测方法及服务器
CN105897503A (zh) 基于资源信息增益的Hadoop集群瓶颈检测算法

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant