CN108804771A - 一种用于分析和设计人机交互逻辑的离散事件系统方法 - Google Patents
一种用于分析和设计人机交互逻辑的离散事件系统方法 Download PDFInfo
- Publication number
- CN108804771A CN108804771A CN201810492769.8A CN201810492769A CN108804771A CN 108804771 A CN108804771 A CN 108804771A CN 201810492769 A CN201810492769 A CN 201810492769A CN 108804771 A CN108804771 A CN 108804771A
- Authority
- CN
- China
- Prior art keywords
- event
- state
- transition
- uncertain
- user
- 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.)
- Granted
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/30—Circuit design
- G06F30/32—Circuit design at the digital level
- G06F30/33—Design verification, e.g. functional simulation or model checking
Landscapes
- Engineering & Computer Science (AREA)
- Computer Hardware Design (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Evolutionary Computation (AREA)
- Geometry (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Stored Programmes (AREA)
Abstract
本发明属于人机交互技术领域,具体为一种用于分析和设计人机交互逻辑的离散事件系统方法。所述方法包含三个部分:结合对象系统流程图的离散事件系统自动机建模算法,对应增广自动机建模算法和基于增广自动机模型的人机交互逻辑改进算法。改进算法的思想是结合对象系统情况,对对象系统的每个离散状态进行分析,以确定不确定操作发生与否,并进行必要的报警,可增强系统的安全性和鲁棒性。
Description
技术领域
本发明属于人机交互技术领域,具体为一种用于分析和设计人机交互逻辑的离散事件系统方法。
背景技术
人机交互是指人与系统之间使用某种对话语言,以一定的交互方式,为完成确定任务的人与系统之间的信息交换过程,人机交互功能主要依靠可输入输出的外部设备和相应的软件来完成。当前设计人机交互系统时通常以系统的功能需求为导向,构建系统的功能流程图,进而对对象系统进行功能实现,在系统实现过程中往往假设用户完全按照正确的方式进行人机交互,而忽略了用户本身操作的多样性与不确定性,以及用户的这些不确定操作对系统造成的影响,甚至安全隐患。本发明提出的用于人机交互逻辑设计的离散事件动态系统方法可用来分析用户操作的不确定性,并改善人机交互逻辑,降低甚至消除以往方法中存在的各种安全隐患。
发明内容
本发明的目的在于公开一种用于分析和设计人机交互逻辑的离散事件系统方法,主要内容包括:以对象系统的功能需求为导向建立功能流程图,在此基础上构建相应的自动机模型。基于自动机模型,分析用户操作的不确定性,并进而得到增广自动机模型,该模型包含用户所有可能的不确定操作。在此基础上,研究用户的不确定操作对人机系统产生的不同影响,据此改善人机交互逻辑,提高人机交互系统的安全性和鲁棒性。
系统自动机模型G=(Q,Σ,δ,Γ)建立过程如下:
步骤1.定义用户的操作事件,其集合标记为Σp,根据实际系统中操作事件可否禁止,分为可控事件集合Σp,c和不可控事件集合Σp,uc;定义对象系统的数据流事件,其集合标记为Σm,因此人机交互系统的驱动事件集合为Σ=Σp∪Σm。
步骤2.依据对象系统的功能流程图,明确并定义系统由事件驱动所能到达的所有状态,其集合标记为Q。
步骤3.定义变迁函数δ:Q×Σ→Q。变迁δ(q,σ)=q'表示系统在q状态下由事件σ(σ∈Σ)驱动到达状态q',以对象系统的功能流程图为基础,根据驱动事件集合Σ和状态集合Q定义功能流程图中蕴含的所有变迁。
步骤4.定义活动事件函数Γ:Q→2Σ。Γ(q)表示当对象系统处于q状态时,功能流程图中允许发生的所有驱动事件的集合,称为q状态下的活动事件集合。
基于上述自动机模型,构建增广自动机Gex=(Q,Σ,δ∪δun,Γ∪Γun),其算法如下:
步骤1.针对所定义的任意用户操作事件σp∈Σp,确定事件发生后的目标状态qm,用户操作事件集合Σp中所有用户操作事件的目标状态集合标记为Qm。
步骤2.给定任意状态q,针对用户的不确定操作事件σp∈Σp(也即在原自动机G=(Q,Σ,δ,Γ)不属于集合Γ(q)中的用户操作事件,所有不确定操作事件集合标记为Γun(q)),定义不确定变迁δun(q,σp)=qm,qm为其对应的目标状态。针对Γun(q)中所有不确定操作及其所对应的目标状态重复上述操作,完成所有不确定变迁的定义,进入步骤3。
步骤3.针对Q中每个状态重复步骤2的操作,直到Q中所有状态操作完毕。
在增广自动机模型的基础上,人机交互逻辑改进算法步骤如下:
步骤1.选择一个状态q∈Q,任意选择q状态下定义的不确定变迁δun(q,σp)=qm,根据以下四种情况分别进行处理:
1)若δun(q,σp)=qm在对象系统中违背硬件设定操作时序,则禁用该变迁;
2)若δun(q,σp)=qm,在对象系统中不发生状态迁移,则禁用该变迁;
3)若δun(q,σp)=qm在对象系统中会引起安全隐患,分下面两种情况进行处理:若事件σp∈Σp为可控事件,则禁用该变迁(并可在q状态下用户发生σp∈Σp操作时报警,提示该操作会产生安全隐患);若事件σp∈Σp为不可控事件,则保留该变迁,将这些不可控变迁放在一个集合Γd中(并可在q状态下用户发生σp∈Σp操作时报警,提示该操作会产生安全隐患)。
4)若δun(q,σp)=qm不符合上述任意一种情况,则保留该变迁。
对q状态下所有新定义的不确定变迁重复上述操作,直至所有新定义的不确定变迁均操作完毕,进入步骤2。
步骤2.针对Q中每个状态重复步骤1,直到Q中所有状态操作完毕,输出改进后的增广自动机和集合Γd,该集合包含了所有具有安全隐患的系统变迁。
下面以汽车领域和安防领域的两个实施例对上述发明内容予以说明,但需要指出的是,上述发明内容并不限于上述两个应用领域。
附图说明
实施例1
图1纯电动汽车上下电系统流程图
图2钥匙开关结构图
图3纯电动汽车上下电系统自动机模型
图4增广自动机建模步骤2示例
图5纯电动汽车上下电系统增广自动机模型
图6人机交互逻辑改进算法步骤1示例
图7算法改进后得到的自动机模型
实施例2
图8门禁系统结构图
图9门禁系统流程图
图10门禁系统自动机模型
图11门禁系统增广自动机模型
图12门禁系统改进算法步骤1示例
图13算法改进后得到的自动机模型
具体实施方式
实施例1:
本文的一个实施例将参考图1到图7进行说明。图1所示为纯电动汽车上下电系统流程图,其过程为纯电动车的整车控制器接收并判断人给定的钥匙信号,从而控制整车进行相应操作,符合典型人机交互系统的要求。
纯电动车外设参数设置如下:钥匙分三挡,分别为OFF挡,ON挡,START挡。ON挡检测其上升沿与下降沿,START挡检测其脉冲信号且START挡具备自动复位功能。钥匙开关结构类似传统开关,如图2所示。图2表明在不破坏开关的前提下,钥匙信号的产生存在时序关系,START挡信号必须在发生ON挡上升沿信号之后发生,ON挡信号必须在系统启动最开始发生或者ON挡下降沿信号之后发生。
以系统流程图为基础,自动机建模过程如下:
第一步:按照系统自动机建模步骤1所述,定义系统驱动事件及事件对应物理意义如表1所示。
表1纯电动车上下电系统驱动事件
用户操作事件集合为Σp={α1,α2,α3,μ1,μ2,μ3},可控事件为α1,α2,α3。
系统数据流事件集合为Σm={λ1,λ2,λ3,λ4,λ5,γ,t1,t2}。
驱动事件集合Σ=Σp∪Σm。
第二步:按照系统自动机建模步骤2,定义系统经过事件驱动到达的状态如表2所示。
表2纯电动车上下电系统状态
系统状态序号 | 物理意义 |
q1 | 整车关机状态 |
q2 | 低压上电状态 |
q3 | 低压下电状态 |
q4 | 低压故障状态 |
q5 | 高压上电状态 |
q6 | 高压故障状态 |
q7 | 车辆就绪状态,车速等于0 |
q8 | 高压下电状态 |
q9 | 整车睡眠状态 |
q10 | 运行故障状态 |
q11 | 整车故障睡眠状态 |
q12 | 车辆行驶状态,车速不等于0 |
状态集合Q={q1,q2,q3,q4,q5,q6,q7,q8,q9,q10,q11,q12}。
第三步:按照系统自动机建模步骤3,定义系统状态变迁函数δ:Q×Σ→Q,以整车正常上电流程为例:系统从整车关机状态经钥匙ON挡上升沿驱动到达低压上电状态,此处定义系统状态变迁函数δ(q1,α1)=q2表示上述过程;系统从低压上电状态经钥匙START挡脉冲信号驱动到达高压上电状态,同理定义系统状态变迁函数δ(q2,α3)=q5;系统到达高压上电状态后,为保护驾驶员和车辆安全,必须检测到加速踏板没有踩下,系统才会给踏板供电使得车辆进入就绪状态,故此时定义系统状态变迁函数δ(q5,μ1)=q7。至此,事件串s=α1α3μ1表示系统从整车关机状态到整车就绪静止状态的系统上电流程。
按照上述方式,依据系统流程图1,构建完整的自动机模型。从该模型上可以看到,正常下电流程事件串s=α2t1t2,低压故障下电事件串s=(λ1/λ3/λ4)t1,高压故障下电事件串s=(λ2/λ3/λ4/λ5)t1t1,运行时故障下电事件串s=γt1t2。
第四步:按照建模步骤4,依据系统流程定义系统活动事件函数Γ:Q→2Σ,以整车关机状态q1为例,流程中限定关机状态下只有ON挡上升沿信号能改变系统状态进入低压上电状态,即定义活动事件集合Γ(q1)={α1},同理依据流程图得到状态集合Q中所有状态的活动事件函数Γ:Q→2Σ。
最终得到纯电动汽车上下电系统自动机模型G=(Q,Σ,δ,Γ),如图3所示。
增广自动机建模过程如下:
本实例主要研究纯电动汽车上下电系统,控制信号是钥匙信号。为了实例的简洁,此处Σp只考虑α1,α2,α3,不考虑μ1,μ2,μ3等三个操作。
第一步:按照增广自动机建模算法步骤1所述,对所有用户操作事件α1,α2,α3,事件α1的驱动意图是正常上低压电,则其目标状态为低压状态q2;事件α2的驱动意图是正常下电,则其目标状态为低压下电状态q3或高压下电状态q8,具体为哪个目标状态取决于发生α2事件的状态是高压状态还是低压状态,即当发生状态为低压时,目标状态为低压下电状态q3,当发生状态为高压时,目标状态为高压下电状态q8;事件α3的驱动意图是上高压电,则其目标状态为高压上电状态q5,综上目标状态集合为Qm={q2,q3,q8,q5},如图4所示,目标状态标记为同心圆。
第二步:如图4所示,以状态q8和状态q12为例,说明增广自动机建模步骤2:选择状态q8,此状态下的不确定操作有α1,α2,α3,且q8状态下系统处于高压状态,故根据不确定操作与目标状态的映射关系可得到不确定变迁δun(q8,α1)=q2,δun(q8,α2)=q8,δun(q8,α3)=q5;选择状态q12,此状态下不确定操作有α1,α2,α3,且q12状态下系统处于高压状态,故根据不确定操作与目标状态的对应关系可得到不确定变迁δun(q12,α1)=q2,δun(q12,α2)=q8,δun(q12,α3)=q5。
第三步:按照增广自动机建模算法步骤3所述,对Q中所有状态重复步骤2操作,得到完整的增广自动机模型Gex=(Q,Σ,δ∪δun,Γ∪Γun),如图5所示。
在上述增广自动机模型的基础上,人机交互逻辑改进算法如下:
第一步:以图6中的状态q8和状态q12为例,说明人机交互逻辑改进算法步骤1:
选择状态q8,由于钥匙结构限定,发生α2之后不能立即发生事件α2和α3,即符合人机交互逻辑改进算法步骤1中第1)种情况,故禁用不确定变迁δun(q8,α2)=q8和δun(q8,α3)=q5;不确定变迁δun(q8,α1)=q2不符合人机交互逻辑改进算法步骤1中四种情况的前三种情况,故保留该变迁,该变迁的实际物理意义为上下电系统处于高压放电阶段未结束时,用户重新操作钥匙开关使得系统重新上电。
选择状态q8,由于钥匙结构限定,发生α3之后不能立即发生α1,即符合人机交互逻辑改进算法步骤1中第1)种情况,故禁用不确定变迁δun(q12,α1)=q2;状态q12处于已经处于高压状态,发生α3事件的意图是使得系统上高压电,而q12状态已经处于高压状态,发生α3事件无实际物理意义,即符合人机交互逻辑改进算法步骤1中第2)种情况,故禁用不确定变迁δun(q12,α3)=q5;状态q12在上下电系统中表示车辆已上电且处于正常行驶状态,此时若发生α2事件即用户进行下电操作,那会使得用户在短时间失去对车的控制,直接影响用户和车辆的安全,产生安全隐患,即符合人机交互逻辑改进算法步骤1中第3)种情况,故此时需禁用不确定变迁δun(q12,α2)=q8并报警提示用户此状态下该操作为危险操作。
第二步:按照人机交互逻辑改进算法步骤2所述,对Q集合中所有状态重复步骤1操作,经过人机交互逻辑改进算法改进后的增广自动机模型如图7所示。
实施例2:
本文的另一个实施例将参考图8到图13进行说明。图8所示为典型的门禁系统结构图。图9所示为门禁系统刷卡进门流程图,用户刷卡,读卡器接收并识别用户信息,控制门锁实现门的开关操作,是一个典型的人机交互系统。
根据系统流程图,通过以下步骤构建自动机模型:
第一步:按照系统自动机建模步骤1所述,定义系统驱动事件及事件对应物理意义如表3所示。
表3门禁系统驱动事件
用户操作事件集合为其中可控事件集不可控事件集
系统数据流事件集合为
驱动事件集合Σ=Σp∪Σm。
第二步:按照系统自动机建模步骤2,定义系统经过事件驱动到达的状态如表4所示。状态集合Q={q1,q2,q3,q4,q5}。
表4门禁系统状态
第三步:按照系统自动机建模步骤3,定义系统状态变迁函数δ:Q×Σ→Q。以门禁系统门锁打开流程为例:在初始关闭状态,可发生有效身份用户刷卡事件(也可发生无效身份用户刷卡事件),在有效身份用户刷卡事件确认后,系统将打开门锁。因此系统状态变迁函数δ(q1,α1)=q2和δ(q2,λ)=q3表示上述整个过程,即事件串s=α1λ描述了系统从初始状态到门锁打开状态的流程。按照上述方式,可进一步得到正常关门事件串无效身份用户刷卡被拒的事件串等系统可发生的事件序列和相应的状态变迁函数。
第四步:按照建模步骤4,依据系统流程定义系统活动事件函数Γ:Q→2Σ。以初始状态q1为例,流程中限定初始状态下只有刷卡信号(有效身份用户刷卡事件和无效身份用户刷卡事件)能改变系统状态,即定义活动事件集合同理依据流程图得到状态集合Q中所有状态的活动事件函数Γ:Q→2Σ。
最终得到门禁系统自动机模型G=(Q,Σ,δ,Γ),如图10所示。
门禁系统的主要功能是防范无效身份用户的入侵。下面根据前面提出的分析和设计人机交互逻辑的DES方法对上述门禁系统进行研究,分析上述门禁系统能否达到需求。以图10所示自动机为基础,按照本专利所提出的方法构建该门禁系统的增广自动机模型。增广自动机建模过程如下:
第一步:按照增广自动机建模算法步骤1所述,对于操作事件α1,α2,事件α1和的驱动意图是发出开门请求,①当用户身份合法时,门关闭状态下发生刷卡事件后其目标状态为有效身份用户刷卡信息确认状态q2,门打开状态下发生刷卡事件后其目标状态为门打开状态q3和门锁延时计时状态q4,②当用户身份非法时,门关闭状态下发生刷卡事件后其目标状态为初始关闭状态q1,门打开状态下发生刷卡事件后其目标状态为门锁延时计时完毕状态q5,即立即发生关门事件;事件α2和的驱动意图是进入门内,其目标状态为门锁延时计时状态q4和门锁延时计时完毕状态q5。
第二步:如图11所示,以状态q2和q5为例,说明增广自动机建模步骤2:选择状态q2,此状态下的不确定操作有α1,α2,且q2状态下系统处于有效身份用户刷卡信息确认状态,故根据不确定操作与目标状态的映射关系可得到不确定变迁δun(q2,α1)=q2, 选择状态q5,此状态下不确定操作有α1,α2,且q5状态下系统处于门锁延时计时完毕状态,故根据不确定操作与目标状态的对应关系可得到不确定变迁
δun(q5,α1)=q4,
第三步:按照增广自动机建模算法步骤3所述,对Q中所有状态重复步骤2操作,得到完整的增广自动机模型Gex=(Q,Σ,δ∪δun,Γ∪Γun),如图11所示。
在上述增广自动机模型的基础上,人机交互逻辑改进算法如下:
第一步:以图12中的状态q1,q2和q3为例,说明人机交互逻辑改进算法步骤1:
选择状态q1,由于门未打开时无法发生进门事件,即符合人机交互逻辑改进算法步骤1中第1)种情况,故禁用不确定变迁
选择状态q2,由于q2状态下会立即触发λ开锁事件,故该状态下不可能发生用户操作事件,即符合人机交互逻辑改进算法步骤1中第1)种情况,故禁用不确定变迁δun(q2,α1)=q2,和该原理同样适用于q5状态,因为该状态下会立即触发关锁事件。
选择状态q3,该状态下发生α1后不发生状态变迁,即符合人机交互逻辑改进算法步骤1中第2)种情况,故禁用不确定变迁δun(q3,α1)=q3;不确定变迁
的实际物理意义为门打开的情况下非法用户进门,会引起安全隐患,但是为不可控事件,故将该变迁保留并列入集合Γd中;不确定变迁
不符合人机交互逻辑改进算法步骤1中四种情况的前三种情况,故保留该变迁,该变迁的实际物理意义为门打开的情况下,有非法用户刷卡时,则立即关闭门锁。
第二步:按照人机交互逻辑改进算法步骤2所述,对Q集合中所有状态重复步骤1操作,经过人机交互逻辑改进算法改进后的自动机模型如图13所示。输出具有安全隐患的系统变迁集合
Claims (4)
1.一种用于分析和设计人机交互逻辑的离散事件系统方法,其特征在于,利用自动机的离散特性来分析设计人机交互逻辑;
首先以对象系统流程图为指导,基于对象系统及其流程图确定驱动事件、离散状态、状态变迁以及活动事件函数,并以此构建自动机模型用以描述对象系统运行流程;
然后依据对象系统原有流程设计确定用户的不确定操作和不确定变迁,建立增广自动机模型;
最后基于对象系统分析实际状态下不确定操作对对象系统带来的影响,并根据影响确定对用户不确定操作的控制策略,以此改进人机交互系统的逻辑功能。
2.根据权利要求1所述的用于分析和设计人机交互逻辑的离散事件系统方法,其特征在于,所述自动机模型G=(Q,Σ,δ,Γ)构建过程如下:
步骤1.定义用户的操作事件,其集合标记为Σp,其中可控事件集合标记为Σp.c,不可控事件集合标记为Σp.uc;定义对象系统的数据流事件,其集合标记为Σm,因此人机交互系统的驱动事件集合为Σ=Σp∪Σm;
步骤2.依据对象系统的功能流程图,明确并定义系统由事件驱动所能到达的所有状态,其集合标记为Q;
步骤3.定义变迁函数δ:Q×Σ→Q;变迁δ(q,σ)=q'表示系统在q状态下由事件σ(σ∈Σ)驱动到达状态q',以对象系统的功能流程图为基础,根据驱动事件集合Σ和状态集合Q定义功能流程图中蕴含的所有变迁;
步骤4.定义活动事件函数Γ:Q→2Σ;Γ(q)表示当对象系统处于q状态时,功能流程图中允许发生的所有驱动事件的集合,称为q状态下的活动事件集合。
3.根据权利要求1所述的用于分析和设计人机交互逻辑的离散事件系统方法,其特征在于,所述增广自动机模型Gex=(Q,Σ,δ∪δun,Γ∪Γun,f,Qm)构建过程如下:
步骤1.针对所定义的任意用户操作事件σp∈Σp,确定事件发生后的目标状态qm,用户操作事件集合Σp中所有用户操作事件的目标状态集合标记为Qm;
步骤2.给定任意状态q,针对用户的不确定操作事件σp∈Σp(也即在原自动机G=(Q,Σ,δ,Γ)中没有定义的用户操作事件,所有不确定操作事件集合标记为Γun(q)),定义不确定变迁δun(q,σp)=qm,qm为其对应的目标状态;针对Γun(q)中所有不确定操作及其所对应的目标状态重复上述操作,完成所有不确定变迁的定义,进入步骤3;
步骤3.针对Q中每个状态重复步骤2的操作,直到Q中所有状态操作完毕。
4.根据权利要求1所述的用于分析和设计人机交互逻辑的离散事件系统方法,其特征在于,所述人机交互逻辑改进算法,其算法流程如下:
步骤1.选择一个状态q∈Q,任意选择一个q状态下定义的不确定变迁δun(q,σp)=qm,根据以下四种情况分别进行处理:
1)若δun(q,σp)=qm在对象系统中违背硬件设定操作时序,则禁用该变迁;
2)若δun(q,σp)=qm,在对象系统中不发生状态迁移,则禁用该变迁;
3)若δun(q,σp)=qm在对象系统中会引起安全隐患,分下面两种情况进行处理:若事件σp∈Σp为可控事件,则禁用该变迁(并可在q状态下用户发生σp∈Σp操作时报警,提示该操作会产生安全隐患);若事件σp∈Σp为不可控事件,则保留该变迁,将这些不可控变迁放在一个集合Γd中(并可在q状态下用户发生σp∈Σp操作时报警,提示该操作会产生安全隐患);
4)若δun(q,σp)=qm不符合上述任意一种情况,则保留该变迁;
对q状态下所有新定义的不确定变迁重复上述操作,直至所有新定义的不确定变迁均操作完毕,进入步骤2;
步骤2.针对Q中每个状态重复步骤1,直到Q中所有状态操作完毕,输出改进后的增广自动机和集合Γd,该集合包含了所有具有安全隐患的系统变迁。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810492769.8A CN108804771B (zh) | 2018-05-22 | 2018-05-22 | 一种用于分析和设计人机交互逻辑的离散事件系统方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810492769.8A CN108804771B (zh) | 2018-05-22 | 2018-05-22 | 一种用于分析和设计人机交互逻辑的离散事件系统方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108804771A true CN108804771A (zh) | 2018-11-13 |
CN108804771B CN108804771B (zh) | 2022-05-13 |
Family
ID=64091318
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810492769.8A Active CN108804771B (zh) | 2018-05-22 | 2018-05-22 | 一种用于分析和设计人机交互逻辑的离散事件系统方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108804771B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111726118A (zh) * | 2020-06-18 | 2020-09-29 | 同济人工智能研究院(苏州)有限公司 | 一种基于离散事件系统的无损事件压缩方法 |
CN112765766A (zh) * | 2020-12-17 | 2021-05-07 | 清华大学 | 一种动态交互的细粒度离散事件系统时序推进方法 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20020091984A1 (en) * | 2000-10-30 | 2002-07-11 | Robi Malik | Method of reducing finite controlling automata and corresponding computer-readable medium |
US20140236554A1 (en) * | 2011-10-07 | 2014-08-21 | Hewlett-Packard Development Company, L.P. | Generating A Non-Deterministic Model of a Process for a Goal |
CN105425771A (zh) * | 2015-11-12 | 2016-03-23 | 南京移腾电力技术有限公司 | 一种基于离散事件理论的继电保护状态评估系统及方法 |
CN107341325A (zh) * | 2017-08-24 | 2017-11-10 | 西安交通大学 | 一种离散事件系统次优监督控制器生成方法 |
CN107450517A (zh) * | 2017-08-08 | 2017-12-08 | 广东工业大学 | 一种随机离散事件系统安全可诊断性确定方法及系统 |
-
2018
- 2018-05-22 CN CN201810492769.8A patent/CN108804771B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20020091984A1 (en) * | 2000-10-30 | 2002-07-11 | Robi Malik | Method of reducing finite controlling automata and corresponding computer-readable medium |
US20140236554A1 (en) * | 2011-10-07 | 2014-08-21 | Hewlett-Packard Development Company, L.P. | Generating A Non-Deterministic Model of a Process for a Goal |
CN105425771A (zh) * | 2015-11-12 | 2016-03-23 | 南京移腾电力技术有限公司 | 一种基于离散事件理论的继电保护状态评估系统及方法 |
CN107450517A (zh) * | 2017-08-08 | 2017-12-08 | 广东工业大学 | 一种随机离散事件系统安全可诊断性确定方法及系统 |
CN107341325A (zh) * | 2017-08-24 | 2017-11-10 | 西安交通大学 | 一种离散事件系统次优监督控制器生成方法 |
Non-Patent Citations (2)
Title |
---|
文习明: "不确定观测下离散事件系统的可诊断性", 《软件学报》 * |
舒少龙: "判定非确定离散事件系统稳定性的多项式复杂度算法", 《控制理论与应用》 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111726118A (zh) * | 2020-06-18 | 2020-09-29 | 同济人工智能研究院(苏州)有限公司 | 一种基于离散事件系统的无损事件压缩方法 |
CN112765766A (zh) * | 2020-12-17 | 2021-05-07 | 清华大学 | 一种动态交互的细粒度离散事件系统时序推进方法 |
Also Published As
Publication number | Publication date |
---|---|
CN108804771B (zh) | 2022-05-13 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Xu | Toward human-centered AI: a perspective from human-computer interaction | |
Puri et al. | Verification of hybrid systems using abstractions | |
CN105137943B (zh) | 一种微混合动力系统集成控制设备 | |
CN107102540A (zh) | 一种唤醒智能机器人的方法及智能机器人 | |
CN108804771A (zh) | 一种用于分析和设计人机交互逻辑的离散事件系统方法 | |
CN110254236A (zh) | 一种高压上电控制方法、装置和电动汽车 | |
CN101402361A (zh) | 一种混合动力车冷却系统的控制方法 | |
Skakkebæk et al. | Specification of embedded, real-time systems | |
CN205822963U (zh) | 一种电子锁开启装置 | |
Cariou et al. | Model execution adaptation? | |
Schäfer | Combining real-time model-checking and fault tree analysis | |
CN104932330B (zh) | 一种安防联动平台 | |
CN115390455A (zh) | 基于时序逻辑的安全强化学习方法及系统 | |
CN202159382U (zh) | 一种门禁控制系统 | |
CN113111494B (zh) | 一种人机物融合系统的特定风险建模与分析方法 | |
CN111683443B (zh) | 一种基于状态机的人机交互方法 | |
CN116757253B (zh) | 一种轨道交通智能自动学习开关门算法 | |
CN202110982U (zh) | 牵引变电所智能防误操作系统中的在线式防误智能钥匙 | |
CN201395118Y (zh) | 汽车防盗装置 | |
Votintseva et al. | Analysis of a complex system for electrical mobility using a model-based engineering approach focusing on simulation | |
Söffker et al. | Supervision of human operators using a situation-operator modeling approach | |
Campean et al. | Extending the function failure modes taxonomy for intelligent systems with embedded AI components | |
An et al. | stohMCharts: A Modeling Framework for Quantitative Performance Evaluation of Cyber-Physical-Social Systems | |
Conrad et al. | Towards a methodology for the design of hybrid systems in automotive electronics | |
Hajjar et al. | Safe design method of embedded control systems. case study |
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 |