CN109782917B - 一种基于脑机接口的意识工业控制系统及方法 - Google Patents
一种基于脑机接口的意识工业控制系统及方法 Download PDFInfo
- Publication number
- CN109782917B CN109782917B CN201910055085.6A CN201910055085A CN109782917B CN 109782917 B CN109782917 B CN 109782917B CN 201910055085 A CN201910055085 A CN 201910055085A CN 109782917 B CN109782917 B CN 109782917B
- Authority
- CN
- China
- Prior art keywords
- request
- industrial equipment
- brain
- layer
- industrial
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 43
- 238000012545 processing Methods 0.000 claims abstract description 50
- 230000005540 biological transmission Effects 0.000 claims abstract description 19
- 230000032258 transport Effects 0.000 claims description 28
- 238000001914 filtration Methods 0.000 claims description 22
- 238000001228 spectrum Methods 0.000 claims description 22
- 238000013528 artificial neural network Methods 0.000 claims description 15
- 238000011156 evaluation Methods 0.000 claims description 10
- 210000002569 neuron Anatomy 0.000 claims description 8
- 210000004556 brain Anatomy 0.000 claims description 5
- 230000000694 effects Effects 0.000 abstract description 8
- 230000007547 defect Effects 0.000 abstract description 2
- 230000003993 interaction Effects 0.000 abstract 1
- 125000004122 cyclic group Chemical group 0.000 description 8
- 238000010586 diagram Methods 0.000 description 8
- 239000011159 matrix material Substances 0.000 description 6
- 238000004891 communication Methods 0.000 description 5
- 230000006870 function Effects 0.000 description 2
- 238000013527 convolutional neural network Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 230000004927 fusion Effects 0.000 description 1
- 230000002452 interceptive effect Effects 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 238000003012 network analysis Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 230000008447 perception Effects 0.000 description 1
Images
Landscapes
- Measurement And Recording Of Electrical Phenomena And Electrical Characteristics Of The Living Body (AREA)
Abstract
本发明实施例涉及一种基于脑机接口的意识工业控制系统及方法,系统包括:运营商网络传输层将工业设备控制请求传输至脑机接口控制边缘网关接入层;脑机接口控制边缘网关接入层将工业设备控制请求传输至脑机接口控制边缘数据中心层;脑机接口控制边缘数据中心层将第一工业设备控制服务传输至脑机接口控制边缘网关接入层。通过本实施例提供的由运营商网络传输层、脑机接口控制边缘网关接入层和脑机接口控制边缘数据中心层进行交互的技术方案,避免了现有技术中通过集中式数据处理方式对工业设备数据进行处理时,效率低,资源耗费大的技术弊端,实现了高效且精准的对工业设备数据进行处理的技术效果,且实现了工业设备安全且可靠的运行的技术效果。
Description
技术领域
本发明实施例涉及物联网技术领域,尤其涉及一种基于脑机接口的意识工业控制系统及方法。
背景技术
随着脑机接口和工业互联网的迅猛发展,边缘终端设备的数量迅速增加,同时边缘终端设备所产生数据量已达到泽字节(ZB)级别。脑-机接口(brain-computerinterface,BCI),亦称作“大脑端口”或者“脑机融合感知”,是一种通过分析脑电信号而建立起的大脑控制外部设备的接口方式。
在现有技术中,是通过集中式数据处理的方式对工业设备数据进行处理的。
然而,发明人在实现本发明的过程中,发现通过集中式数据处理方式对工业设备数据进行处理,至少存在:数据处理时间长,且精度不高的技术弊端。
发明内容
本发明所要解决的技术问题是针对现有技术中所存在的上述缺陷,提供一种基于脑机接口的意识工业控制系统及方法,用以解决现有技术中存在数据处理时间长,且精度不高的问题。
根据本发明实施例的一个方面,本发明实施例提供了一种基于脑机接口的意识工业控制系统,所述系统包括:运营商网络传输层、脑机接口控制边缘网关接入层和脑机接口控制边缘数据中心层,其中,
所述运营商网络传输层用于:获取工业设备发送的工业设备控制请求,并将所述工业设备控制请求传输至所述脑机接口控制边缘网关接入层;
所述脑机接口控制边缘网关接入层用于:将所述工业设备控制请求传输至所述脑机接口控制边缘数据中心层;
所述脑机接口控制边缘数据中心层用于:调用其存储的与第一工业设备控制请求对应的第一工业设备控制服务,并将所述第一工业设备控制服务传输至所述脑机接口控制边缘网关接入层,其中,所述工业设备控制请求包括所述第一工业设备控制请求;
所述脑机接口控制边缘网关接入层还用于:将所述第一工业设备控制服务传输至所述运营商网络传输层;
所述运营商网络传输层还用于:将所述第一工业设备控制服务传输至所述工业设备。
通过本实施例提供的:由运营商网络传输层、脑机接口控制边缘网关接入层和脑机接口控制边缘数据中心层进行交互的技术方案,避免了现有技术中通过集中式数据处理方式对工业设备数据进行处理时,效率低,资源耗费大的技术弊端,实现了高效且精准的对工业设备数据进行处理的技术效果,且实现了工业设备安全且可靠的运行的技术效果。
进一步地,所述系统还包括:脑电信号分析层,其中,
所述脑机接口控制边缘网关接入层还用于:将第二工业设备控制请求传输至所述脑电信号分析层,其中,所述工业设备控制请求还包括所述第二工业设备控制请求;
所述脑电信号分析层用于:调用其存储的与所述第二工业设备控制请求对应的第二工业设备控制服务,并将所述第二工业设备控制服务传输至所述脑机接口控制边缘网关接入层;
所述脑机接口控制边缘网关接入层还用于:将所述第二工业设备控制服务传输至所述运营商网络传输层;
所述运营商网络传输层还用于:将所述第二工业设备控制服务传输至所述工业设备。
通过本实施例提供的:脑机接口控制边缘网关接入层还与脑电信号分析层进行通信的技术方案,实现了由脑电信号分析层对第二工业设备控制请求进行处理,并将与第二工业设备控制请求对应的第二工业设备控制服务反馈至脑机接口控制边缘网关接入层,从而实现了数据的分别处理,加快了处理效率,减小了处理负载。
进一步地,所述脑电信号分析层还用于:
根据预设的第一迭代分析规则对所述第二工业设备控制请求进行迭代分析处理,得到多个子请求信息,其中,所述第二工业设备控制请求包括多个子请求,一个所述子请求对应一个所述子请求信息;
对多个所述子请求信息进行汇总处理,得到请求信息;
根据预设的第二迭代分析规则对所述请求信息进行迭代分析处理,得到所述第二工业设备控制服务。
通过本实施例提供的:根据第一迭代分析规则对第二工业设备控制请求进行迭代分析处理,根据第二迭代分析规则对请求信息进行迭代分析处理的技术方案,实现了高效且精准的得到第二工业设备控制服务的效果。
进一步地,所述脑电信号分析层具体用于:
根据预设的多层循环卡尔曼滤波功率谱卷积神经元网络分类策略对在前子请求进行分析,得到与所述在前子请求对应的在前请求信息;
根据预设的迭代参数确定在后子请求;
根据所述多层循环卡尔曼滤波功率谱卷积神经元网络分类策略对所述在后子请求进行分析,得到与所述在后子请求对应的在后请求信息;
其中,所述子请求包括所述在前子请求和所述在后子请求,所述子请求信息包括所述在前请求信息和所述在后请求信息。
通过本实施例提供的:根据多层循环卡尔曼滤波功率谱卷积神经元网络分类策略对在前子请求(或者在后子请求)进行分析的技术方案,实现了精准的对在前子请求(或者在后子请求)进行分析,得到其对应的在前请求信息(或者在后请求信息)的技术效果。
进一步地,所述脑电信号分析层还具体用于:
判断所述在前请求信息是否满足预设的深度分析评价条件,得到判断结果;
当所述判断结果为否时,则根据所述迭代参数确定所述在后请求信息;
根据所述多层循环卡尔曼滤波功率谱卷积神经元网络分类策略对所述在后请求信息进行分析,得到与所述在后请求信息对应的在后工业设备控制信息;
其中,所述第二工业设备控制服务包括所述在后工业设置控制信息。
通过本实施例提供的:根据判断结果和迭代参数确定在后请求信息,并根据多层循环卡尔曼滤波功率谱卷积神经元网络分类策略对在后请求信息进行分析的技术方案,实现了精准的得到在工业设备控制信息的技术效果。
进一步地,当所述当前请求信息为第k请求信息时,则所述脑电信号分析层还具体用于:
根据式1判断所述第k请求信息是否满足预设的深度分析评价条件,式1:
进一步地,当所述在后请求信息为第k+1请求信息,所述在后工业设备控制信息为第k+1工业设备控制信息时,则所述脑电信号分析层还具体用于:
其中,为所述第k+1请求信息对应的处理时延估计值,为所述第k+1请求信息对应的功耗成本估计值,为所述第k+1请求信息对应的脑电信号分析准确率估计值,LminG为所述第k+1请求信息对应的历史最小处理时延,CminG为所述第k+1请求信息对应的历史最小功耗成本,WmaxG为所述第k+1请求信息对应的历史最大脑电信号分析准确率,Lmink为所述第k请求信息对应的最小处理时延,Cmink为所述第k请求信息对应的最小功耗成本,Wmaxk为所述第k请求信息对应的最大脑电信号分析准确率。
根据本发明实施例的另一个方面,本发明实施例提供了一种基于脑机接口的意识工业控制方法,所述方法基于上述任一项所述的系统,所述方法包括:
运营商网络传输层获取工业设备发送的工业设备控制请求,并将所述工业设备控制请求传输至脑机接口控制边缘网关接入层;
所述脑机接口控制边缘网关接入层将所述工业设备控制请求传输至脑机接口控制边缘数据中心层;
所述脑机接口控制边缘数据中心层调用其存储的与第一工业设备控制请求对应的第一工业设备控制服务,并将所述第一工业设备控制服务传输至所述脑机接口控制边缘网关接入层,其中,所述工业设备控制请求包括所述第一工业设备控制请求;
所述脑机接口控制边缘网关接入层将所述第一工业设备控制服务传输至所述运营商网络传输层;
所述运营商网络传输层将所述第一工业设备控制服务传输至所述工业设备。
进一步地,所述方法还包括:
所述脑机接口控制边缘网关接入层将第二工业设备控制请求传输至所述脑电信号分析层,其中,所述工业设备控制请求还包括所述第二工业设备控制请求;
所述脑电信号分析层调用其存储的与所述第二工业设备控制请求对应的第二工业设备控制服务,并将所述第二工业设备控制服务传输至所述脑机接口控制边缘网关接入层;
所述脑机接口控制边缘网关接入层将所述第二工业设备控制服务传输至所述运营商网络传输层;
所述运营商网络传输层将所述第二工业设备控制服务传输至所述工业设备。
进一步地,所述方法还包括:
所述脑电信号分析层根据预设的第一迭代分析规则对所述第二工业设备控制请求进行迭代分析处理,得到多个子请求信息,其中,所述第二工业设备控制请求包括多个子请求,一个所述子请求对应一个所述子请求信息,对多个所述子请求信息进行汇总处理,得到请求信息,根据预设的第二迭代分析规则对所述请求信息进行迭代分析处理,得到所述第二工业设备控制服务。
进一步地,所述脑电信号分析层根据预设的第一迭代分析规则对所述第二工业设备控制请求进行迭代分析处理,具体包括:
根据预设的多层循环卡尔曼滤波功率谱卷积神经元网络分类策略对在前子请求进行分析,得到与所述在前子请求对应的在前请求信息;
根据预设的迭代参数确定在后子请求;
根据所述多层循环卡尔曼滤波功率谱卷积神经元网络分类策略对所述在后子请求进行分析,得到与所述在后子请求对应的在后请求信息;
其中,所述子请求包括所述在前子请求和所述在后子请求,所述子请求信息包括所述在前请求信息和所述在后请求信息。
进一步地,根据预设的第二迭代分析规则对所述请求信息进行迭代分析处理,具体包括:
判断所述在前请求信息是否满足预设的深度分析评价条件,得到判断结果;
当所述判断结果为否时,则根据所述迭代参数确定所述在后请求信息;
根据所述多层循环卡尔曼滤波功率谱卷积神经元网络分类策略对所述在后请求信息进行分析,得到与所述在后请求信息对应的在后工业设备控制信息;
其中,所述第二工业设备控制服务包括所述在后工业设置控制信息。
进一步地,当所述当前请求信息为第k请求信息时,则所述判断所述在前请求信息是否满足预设的深度分析评价条件,具体包括:
根据式1判断所述第k请求信息是否满足预设的深度分析评价条件,式1:
进一步地,当所述在后请求信息为第k+1请求信息,所述在后工业设备控制信息为第k+1工业设备控制信息时,则所述根据所述多层循环卡尔曼滤波功率谱卷积神经元网络分类策略对所述在后请求信息进行分析,具体包括:
其中,为所述第k+1请求信息对应的处理时延估计值,为所述第k+1请求信息对应的功耗成本估计值,为所述第k+1请求信息对应的脑电信号分析准确率估计值,LminG为所述第k+1请求信息对应的历史最小处理时延,CminG为所述第k+1请求信息对应的历史最小功耗成本,WmaxG为所述第k+1请求信息对应的历史最大脑电信号分析准确率,Lmink为所述第k请求信息对应的最小处理时延,Cmink为所述第k请求信息对应的最小功耗成本,Wmaxk为所述第k请求信息对应的最大脑电信号分析准确率。
本发明实施例的有益效果在于,由于采用了包括运营商网络传输层、脑机接口控制边缘网关接入层和脑机接口控制边缘数据中心层的基于脑机接口的意识工业控制系统的技术方案,避免了现有技术中数据处理时间长,且精确度不高的技术问题,实现了高效且精准的对数据进行处理,实现了工业设备安全且可靠运行的技术效果。
附图说明
图1为本发明实施例提供的一种基于脑机接口的意识工业控制系统的结构示意图;
图2为本发明实施例提供的一种脑电信号分析处理器的功能架构图;
图3为本发明实施例提供的一种基于脑机接口的意识工业控制方法的流程示意图;
图4为本发明实施例提供的一种脑电信号分析层根据第二工业设备控制请求确定第二工业设备控制服务的流程示意图;
图5为本发明实施例提供的一种深度分析模型的结构示意图;
图6为本发明实施例提供的一种深度分析原理图。
具体实施方式
以下描述中,为了说明而不是为了限定,提出了诸如特定系统结构、接口、技术之类的具体细节,以便透彻理解本发明。然而,本领域的技术人员应当清楚,在没有这些具体细节的其它实施例中也可以实现本发明。在其它情况中,省略对众所周知的系统以及方法的详细说明,以免不必要的细节妨碍本发明的描述。
本发明实施例提供了一种基于脑机接口的意识工业控制系统及方法。
根据本发明实施例的一个方面,本发明实施例提供了一种基于脑机接口的意识工业控制系统。
第一实施例:图1为本发明实施例提供的一种基于脑机接口的意识工业控制系统的结构示意图。
请参阅图1,该系统包括:运营商网络传输层、脑机接口控制边缘网关接入层和脑机接口控制边缘数据中心层,其中,
运营商网络传输层用于:获取工业设备发送的工业设备控制请求,并将工业设备控制请求传输至脑机接口控制边缘网关接入层。
结合图1可知,工业设备位于工业控制实施层,包含:工业机械臂、工业机床等工业控制设备,实现各类工业设备的工业控制。
其中,运营商网络传输层包括至少一个通信基站,以便实现运营商网络的接入及数据传输。即,具体地,工业设备向运营商网络传输层中的通信基站发送工业设备控制请求。
优选地,工业设备通过预设的加密信道向通信基站发送工业设备控制请求。以确保工业设备控制请求发送过程中的安全性和可靠性。
脑机接口控制边缘网关接入层用于:将工业设备控制请求传输至脑机接口控制边缘数据中心层。
结合图1可知,脑机接口控制边缘网关接入层包括至少一个脑机接口控制边缘网关。即,具体地,运营商网络传输层中的通信基站将工业设备控制请求传输至脑机接口控制边缘网关接入层中的脑机接口控制边缘网关。
优选地,通信基站通过预设的加密信道将工业设备控制请求传输至脑机接口控制边缘网关。
脑机接口控制边缘数据中心层用于:调用其存储的与第一工业设备控制请求对应的第一工业设备控制服务,并将第一工业设备控制服务传输至脑机接口控制边缘网关接入层,其中,工业设备控制请求包括第一工业设备控制请求。
结合图1可知,脑机接口控制边缘数据中心层包括至少一个脑机接口控制边缘服务器,由脑机接口控制边缘服务器对第一工业设备控制请求进行处理。具体地:
脑机接口控制边缘服务器在获取到第一工业设备控制请求后,从其自身(即脑机接口控制边缘服务器)存储的多种工业设备控制服务中,调取与第一工业设备控制请求对应的第一工业设备控制服务。并将第一工业设备控制服务传输至避脑机接口控制边缘网关。
脑机接口控制边缘数据中心层存储为部分工业设备的工业设备控制服务。即,边缘工业设备对应的工业设备控制服务。以避免集中式对处理进行处理时,效率低等技术弊端。
在一种可能实现的方案中,脑机接口控制边缘服务器在获取到工业设备控制请求后,从工业设备控制请求中获取与其对应的工业设备控制请求,即第一工业设备控制请求,然后从其本身(即脑机接口控制边缘服务器)中存储器中搜索与第一工业设备控制请求对应的第一工业设备控制服务。具体地,可通过关键字搜索的方式获取第一工业设备控制服务,也可通过设置请求与服务对应表的方式获取第一工业设备控制服务。
当然,在另一种可能实现的方案中,脑机接口控制边缘网关在获取到工业设备控制请求后,先对工业设备控制请求进行筛选,以便确定工业设备控制请求中的第一工业设备控制请求。同样的,脑机接口控制边缘网关也可通过设置关键字或者请求与服务对应表的方式从工业设备控制请求中将第一工业设备控制请求进行分离。并将第一工业设备控制请求传输至脑机接口控制边缘服务器。
脑机接口控制边缘网关接入层还用于:将所述第一工业设备控制服务传输至运营商网络传输层。
运营商网络传输层还用于:将第一工业设备控制服务传输至工业设备。
第二实施例:
本实施例以第一实施例为基础。在本实施例中,结合图1可知,该系统还包括:脑电信号分析层,其中,
脑机接口控制边缘网关接入层还用于:将第二工业设备控制请求传输至脑电信号分析层,其中,工业设备控制请求还包括第二工业设备控制请求。
脑电信号分析层用于:调用其存储的与第二工业设备控制请求对应的第二工业设备控制服务,并将第二工业设备控制服务传输至脑机接口控制边缘网关接入层。
结合图1可知,脑电信号分析层包括至少一个脑电信号分析处理器和至少一个脑电信号分析数据库。当脑电信号分析处理器的数量为多个时,即脑电信号分析层包括多个脑电信号分析处理器和脑电信号分析数据库集群。
在一种可能实现的方案,如第一实施例中所述,由脑电接口控制边缘网关从工业设备控制请求中分离出第二工业设备控制请求。
在另一种可能实现的方案中,脑机接口控制边缘网关将工业设备控制请求传输至脑电信号分析处理器,由脑电信号分析处理器从工业设备控制请求中分离出于其对应的第二工业设备控制请求。同理,脑电信号分析处理器也可通过关键字或者请求与服务对应表的方式从工业设备控制请求中将第二工业设备控制请求进行分离。
在一种可能实现的方案中,由脑电信号分析处理器对第二工业设备请求进行分析,然后从脑电信号分析数据库集群中调取与第二工业设备控制请求对应的第二工业设备控制服务。同理,脑电信号分析处理器也可通过关键字或者请求与服务对应表的方式从脑电信号分析数据库集群中调取第二工业设备控制服务。
图2为本发明实施例提供的一种脑电信号分析处理器的功能架构图。结合图2可知,当脑电信号分析处理器获取到工业设备控制请求1、工业设备控制请求2、……工业设备控制请求m时,则分别对该m个工业设备控制请求进行分析处理,得到n个工业设备控制请求分析结果。其中,各工业设备控制请求独立互不干扰。
脑机接口控制边缘网关接入层还用于:将第二工业设备控制服务传输至运营商网络传输层。
运营商网络传输层还用于:将第二工业设备控制服务传输至工业设备。
第三实施例:
本实施例以第二实施例为基础。在本实施例中,脑电信号分析层还用于:
根据预设的第一迭代分析规则对第二工业设备控制请求进行迭代分析处理,得到多个子请求信息,其中,第二工业设备控制请求包括多个子请求,一个子请求对应一个子请求信息;
对多个子请求信息进行汇总处理,得到请求信息;
根据预设的第二迭代分析规则对请求信息进行迭代分析处理,得到第二工业设备控制服务。
第四实施例:
本实施例以第三实施例为基础。在本实施例中,脑电信号分析层具体用于:
根据预设的多层循环卡尔曼滤波功率谱卷积神经元网络分类策略对在前子请求进行分析,得到与在前子请求对应的在前请求信息;
根据预设的迭代参数确定在后子请求;
根据多层循环卡尔曼滤波功率谱卷积神经元网络分类策略对在后子请求进行分析,得到与在后子请求对应的在后请求信息;
其中,子请求包括在前子请求和在后子请求,子请求信息包括在前请求信息和在后请求信息。
第五实施例:
本实施例以第四实施例为基础。在本实施例中,脑电信号分析层还具体用于:
判断在前请求信息是否满足预设的深度分析评价条件,得到判断结果;
当判断结果为否时,则根据迭代参数确定在后请求信息;
根据多层循环卡尔曼滤波功率谱卷积神经元网络分类策略对在后请求信息进行分析,得到与在后请求信息对应的在后工业设备控制信息;
其中,第二工业设备控制服务包括在后工业设置控制信息。
第六实施例:
本实施例以第五实施例为基础。在本实施例中,当当前请求信息为第k请求信息时,则脑电信号分析层还具体用于:
根据式1判断第k请求信息是否满足预设的深度分析评价条件,式1:
第七实施例:
本实施例以第六实施例为基础。在本实施例中,当在后请求信息为第k+1请求信息,在后工业设备控制信息为第k+1工业设备控制信息时,则脑电信号分析层还具体用于:
其中,为第k+1请求信息对应的处理时延估计值,为第k+1请求信息对应的功耗成本估计值,为第k+1请求信息对应的脑电信号分析准确率估计值,LminG为第k+1请求信息对应的历史最小处理时延,CminG为第k+1请求信息对应的历史最小功耗成本,WmaxG为第k+1请求信息对应的历史最大脑电信号分析准确率,Lmink为第k请求信息对应的最小处理时延,Cmink为第k请求信息对应的最小功耗成本,Wmaxk为第k请求信息对应的最大脑电信号分析准确率。
根据本发明实施例的另一个方面,本发明实施例还提供了一种基于脑机接口的意识工业控制方法,该方法基于上述第一至第七实施例中的任一实施例所述的系统。
请参阅图3,图3为本发明实施例提供的一种基于脑机接口的意识工业控制方法的流程示意图。
如图3所示,该方法包括:
S100:运营商网络传输层获取工业设备发送的工业设备控制请求,并将工业设备控制请求传输至脑机接口控制边缘网关接入层;
S200:脑机接口控制边缘网关接入层将工业设备控制请求传输至脑机接口控制边缘数据中心层;
S300:脑机接口控制边缘数据中心层调用其存储的与第一工业设备控制请求对应的第一工业设备控制服务,并将第一工业设备控制服务传输至脑机接口控制边缘网关接入层,其中,工业设备控制请求包括第一工业设备控制请求;
S400:脑机接口控制边缘网关接入层将所述第一工业设备控制服务传输至运营商网络传输层;
S500:运营商网络传输层将第一工业设备控制服务传输至工业设备。
结合图3可知,在一种可能实现的方案中,该方法还包括:
S600:脑机接口控制边缘网关接入层将第二工业设备控制请求传输至脑电信号分析层,其中,工业设备控制请求还包括第二工业设备控制请求;
S700:脑电信号分析层调用其存储的与第二工业设备控制请求对应的第二工业设备控制服务,并将第二工业设备控制服务传输至脑机接口控制边缘网关接入层;
S800:脑机接口控制边缘网关接入层将第二工业设备控制服务传输至运营商网络传输层;
S900:运营商网络传输层将第二工业设备控制服务传输至工业设备。
结合图3和图4(图4为本发明实施例提供的一种脑电信号分析层根据第二工业设备控制请求确定第二工业设备控制服务的流程示意图)可知,在一种可能实现的方案中,在S700之前,该方法还包括:
S1:脑电信号分析层根据预设的第一迭代分析规则对第二工业设备控制请求进行迭代分析处理,得到多个子请求信息,其中,第二工业设备控制请求包括多个子请求,一个子请求对应一个子请求信息。
其中,S1具体包括:
S11:根据预设的多层循环卡尔曼滤波功率谱卷积神经元网络分类策略对在前子请求进行分析,得到与在前子请求对应的在前请求信息。
S12:根据预设的迭代参数确定在后子请求,其中,子请求包括在前子请求和在后子请求,子请求信息包括在前请求信息和在后请求信息。
S13:根据多层循环卡尔曼滤波功率谱卷积神经元网络分类策略对在后子请求进行分析,得到与在后子请求对应的在后请求信息。
如:迭代参数包括:迭代最大次数,迭代增加次数。具体地:
初始迭代次数为0,即对首个字请求进行分析。然后再迭代次数上加1,即为第一次迭代,对次个子请求进行分析。
S2:脑电信号分析层对多个子请求信息进行汇总处理,得到请求信息。
S3:脑电信号分析层根据预设的第二迭代分析规则对所述请求信息进行迭代分析处理,得到第二工业设备控制服务。
其中,S3具体包括:
S31:判断在前请求信息是否满足预设的深度分析评价条件,得到判断结果。
具体地,当当前请求信息为第k请求信息时,则S31具体包括:
根据式1判断所述第k请求信息是否满足预设的深度分析评价条件,式1:
其中,为第k请求信息对应的处理时延,为第k请求信息对应的功耗成本,为第k请求信息对应的脑电信号分析准确率。i、j、t分别为预存的深度分析模型(请参阅图5,图5为本发明实施例提供的一种深度分析模型的结构示意图)的方向向量上的取值。
结合图6对深度分析原理进行详细的阐述。其中,图6为本发明实施例提供的一种深度分析原理图。每次迭代中的多层循环卡尔曼滤波功率谱卷积神经元网络分类策略思想为:在1,2,L h多维空间中,多个深度分析方案根据多层循环卡尔曼滤波功率谱卷积神经元网络分类策略方式向最优化脑电信号分析方案确定的方向迁移,也即图中实线圆球所在位置。图6中间部分为多层循环卡尔曼滤波功率谱卷积神经元网络分类策略原理,请求在输入后经过脑电信号预处理:卡尔曼滤波等、综合功率谱特征提取&向量机分类、多层卷积神经元网络分析后输出相应分析结果。图6右边部分的多层循环卡尔曼滤波卷积神经元网络分类策略原理:多层卷积神经元网络多层包含:处理时延L、功耗成本C、脑电信号分析准确率W(脑电信号分析准确率=正确分析的脑电信号数量/被分析的脑电信号总数量)。输出量包含:工业设备的预控制信号,如图6中右边部分。其中,根据确定最优估计优化函数。
S32:当判断结果为否时,则根据迭代参数确定在后请求信息。
如:迭代参数包括:迭代最大次数,迭代增加次数。具体地:
初始迭代次数为0,即对首个请求信息进行分析。然后再迭代次数上加1,即为第一次迭代,对次个请求信息进行分析。
在一种可能实现的方案中,对当前迭代次数与最大迭代次数进行比较,当当前迭代次数大于最大迭代次数时,则结束流程。当当前迭代次数小于或等于最大迭代次数时,则跳转至S31。
S33:根据多层循环卡尔曼滤波功率谱卷积神经元网络分类策略对在后请求信息进行分析,得到与在后请求信息对应的在后工业设备控制信息。其中,第二工业设备控制服务包括在后工业设置控制信息。
其中,在后工业设备控制信息为第k+1工业设备控制信息时,则S33具体包括:
其中,为第k+1请求信息对应的处理时延估计值,为第k+1请求信息对应的功耗成本估计值,为第k+1请求信息对应的脑电信号分析准确率估计值,LminG为第k+1请求信息对应的历史最小处理时延,CminG为第k+1请求信息对应的历史最小功耗成本,WmaxG为第k+1请求信息对应的历史最大脑电信号分析准确率,Lmink为第k请求信息对应的最小处理时延,Cmink为第k请求信息对应的最小功耗成本,Wmaxk为第k请求信息对应的最大脑电信号分析准确率。
其中,为第k-1请求信息对应的处理时延,为第k-2请求信息对应的处理时延,为第1请求信息对应的处理时延,为第2请求信息对应的处理时延,为第k-1请求信息对应的功耗成本,为第k-2请求信息对应的功耗成本,为第1请求信息对应的功耗成本,为第2请求信息对应的功耗成本,为第k-1请求信息对应的脑电信号分析准确率,为第k-2请求信息对应的脑电信号分析准确率,为第1请求信息对应的脑电信号分析准确率,为第2请求信息对应的脑电信号分析准确率,为第k请求信息对应的时延对角矩阵估计值,为第k请求信息对应的功耗成本角矩阵估计值,为第k请求信息对应的脑电信号分析准确率对角矩阵估计值,为第k请求信息对应的时延对角矩阵,为第k请求信息对应的功耗成本角矩阵,为第k请求信息对应的脑电信号分析准确率对角矩阵。
读者应理解,在本说明书的描述中,参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构或者特点包含于本发明的至少一个实施例或示例中。在本说明书中,对上述术语的示意性表述不必针对的是相同的实施例或示例。而且,描述的具体特征、结构或者特点可以在任一个或多个实施例或示例中以合适的方式结合。此外,在不相互矛盾的情况下,本领域的技术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。
所属领域的技术人员可以清楚地了解到,为了描述的方便和简洁,上述描述的装置和单元的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
在本申请所提供的几个实施例中,应该理解到,所揭露的装置和方法,可以通过其它的方式实现。例如,以上所描述的装置实施例仅仅是示意性的,例如,单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。
作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本发明实施例方案的目的。
另外,在本发明各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以是两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。
集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分,或者该技术方案的全部或部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本发明各个实施例方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
还应理解,在本发明各实施例中,上述各过程的序号的大小并不意味着执行顺序的先后,各过程的执行顺序应以其功能和内在逻辑确定,而不应对本发明实施例的实施过程构成任何限定。
以上,仅为本发明的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,可轻易想到各种等效的修改或替换,这些修改或替换都应涵盖在本发明的保护范围之内。因此,本发明的保护范围应以权利要求的保护范围为准。
Claims (4)
1.一种基于脑机接口的意识工业控制系统,其特征在于,所述系统包括:运营商网络传输层、脑机接口控制边缘网关接入层和脑机接口控制边缘数据中心层,其中,
所述运营商网络传输层用于:获取工业设备发送的工业设备控制请求,并将所述工业设备控制请求传输至所述脑机接口控制边缘网关接入层;
所述脑机接口控制边缘网关接入层用于:将所述工业设备控制请求传输至所述脑机接口控制边缘数据中心层;
所述脑机接口控制边缘数据中心层用于:调用其存储的与第一工业设备控制请求对应的第一工业设备控制服务,并将所述第一工业设备控制服务传输至所述脑机接口控制边缘网关接入层,其中,所述工业设备控制请求包括所述第一工业设备控制请求;
所述脑机接口控制边缘网关接入层还用于:将所述第一工业设备控制服务传输至所述运营商网络传输层;
所述运营商网络传输层还用于:将所述第一工业设备控制服务传输至所述工业设备;其中,所述系统还包括:脑电信号分析层,其中,
所述脑机接口控制边缘网关接入层还用于:将第二工业设备控制请求传输至所述脑电信号分析层,其中,所述工业设备控制请求还包括所述第二工业设备控制请求;
所述脑电信号分析层用于:调用其存储的与所述第二工业设备控制请求对应的第二工业设备控制服务,并将所述第二工业设备控制服务传输至所述脑机接口控制边缘网关接入层;
所述脑机接口控制边缘网关接入层还用于:将所述第二工业设备控制服务传输至所述运营商网络传输层;
所述运营商网络传输层还用于:将所述第二工业设备控制服务传输至所述工业设备并且,所述脑电信号分析层还用于:
根据预设的第一迭代分析规则对所述第二工业设备控制请求进行迭代分析处理,得到多个子请求信息,其中,所述第二工业设备控制请求包括多个子请求,一个所述子请求对应一个所述子请求信息;
对多个所述子请求信息进行汇总处理,得到请求信息;
根据预设的第二迭代分析规则对所述请求信息进行迭代分析处理,得到所述第二工业设备控制服务。
2.根据权利要求1所述的基于脑机接口的意识工业控制系统,其特征在于,所述脑电信号分析层具体用于:
根据预设的多层循环卡尔曼滤波功率谱卷积神经元网络分类策略对在前子请求进行分析,得到与所述在前子请求对应的在前请求信息;
根据预设的迭代参数确定在后子请求;
根据所述多层循环卡尔曼滤波功率谱卷积神经元网络分类策略对所述在后子请求进行分析,得到与所述在后子请求对应的在后请求信息;
其中,所述子请求包括所述在前子请求和所述在后子请求,所述子请求信息包括所述在前请求信息和所述在后请求信息。
3.根据权利要求2所述的基于脑机接口的意识工业控制系统,其特征在于,所述脑电信号分析层还具体用于:
判断所述在前请求信息是否满足预设的深度分析评价条件,得到判断结果;
当所述判断结果为否时,则根据所述迭代参数确定所述在后请求信息;
根据所述多层循环卡尔曼滤波功率谱卷积神经元网络分类策略对所述在后请求信息进行分析,得到与所述在后请求信息对应的在后工业设备控制信息;
其中,所述第二工业设备控制服务包括所述在后工业设置控制信息。
4.一种基于脑机接口的意识工业控制方法,其特征在于,所述方法基于权利要求1-3中任一项所述的系统,所述方法包括:
运营商网络传输层获取工业设备发送的工业设备控制请求,并将所述工业设备控制请求传输至脑机接口控制边缘网关接入层;
所述脑机接口控制边缘网关接入层将所述工业设备控制请求传输至脑机接口控制边缘数据中心层;
所述脑机接口控制边缘数据中心层调用其存储的与第一工业设备控制请求对应的第一工业设备控制服务,并将所述第一工业设备控制服务传输至所述脑机接口控制边缘网关接入层,其中,所述工业设备控制请求包括所述第一工业设备控制请求;
所述脑机接口控制边缘网关接入层将所述第一工业设备控制服务传输至所述运营商网络传输层;
所述运营商网络传输层将所述第一工业设备控制服务传输至所述工业设备;其中,所述方法还包括:
所述脑机接口控制边缘网关接入层将第二工业设备控制请求传输至所述脑电信号分析层,其中,所述工业设备控制请求还包括所述第二工业设备控制请求;
所述脑电信号分析层调用其存储的与所述第二工业设备控制请求对应的第二工业设备控制服务,并将所述第二工业设备控制服务传输至所述脑机接口控制边缘网关接入层;
所述脑机接口控制边缘网关接入层将所述第二工业设备控制服务传输至所述运营商网络传输层;
所述运营商网络传输层将所述第二工业设备控制服务传输至所述工业设备并且,所述方法还包括:
所述脑电信号分析层根据预设的第一迭代分析规则对所述第二工业设备控制请求进行迭代分析处理,得到多个子请求信息,其中,所述第二工业设备控制请求包括多个子请求,一个所述子请求对应一个所述子请求信息,对多个所述子请求信息进行汇总处理,得到请求信息,根据预设的第二迭代分析规则对所述请求信息进行迭代分析处理,得到所述第二工业设备控制服务。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910055085.6A CN109782917B (zh) | 2019-01-21 | 2019-01-21 | 一种基于脑机接口的意识工业控制系统及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910055085.6A CN109782917B (zh) | 2019-01-21 | 2019-01-21 | 一种基于脑机接口的意识工业控制系统及方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109782917A CN109782917A (zh) | 2019-05-21 |
CN109782917B true CN109782917B (zh) | 2022-03-25 |
Family
ID=66501023
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910055085.6A Active CN109782917B (zh) | 2019-01-21 | 2019-01-21 | 一种基于脑机接口的意识工业控制系统及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109782917B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113867363B (zh) * | 2021-10-22 | 2024-06-07 | 广州小鹏自动驾驶科技有限公司 | 一种车辆控制方法、装置、车辆和存储介质 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104391569A (zh) * | 2014-10-15 | 2015-03-04 | 东南大学 | 基于认知与情绪状态多模态感知的脑机接口系统 |
CN108768857A (zh) * | 2018-08-30 | 2018-11-06 | 中国联合网络通信集团有限公司 | 一种虚拟路由转发方法、装置及系统 |
CN109117856A (zh) * | 2018-08-23 | 2019-01-01 | 中国联合网络通信集团有限公司 | 基于智能边缘云的人及物追踪方法、装置及系统 |
-
2019
- 2019-01-21 CN CN201910055085.6A patent/CN109782917B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104391569A (zh) * | 2014-10-15 | 2015-03-04 | 东南大学 | 基于认知与情绪状态多模态感知的脑机接口系统 |
CN109117856A (zh) * | 2018-08-23 | 2019-01-01 | 中国联合网络通信集团有限公司 | 基于智能边缘云的人及物追踪方法、装置及系统 |
CN108768857A (zh) * | 2018-08-30 | 2018-11-06 | 中国联合网络通信集团有限公司 | 一种虚拟路由转发方法、装置及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN109782917A (zh) | 2019-05-21 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
EP3396905B1 (en) | Method and device for securely sending a message | |
CN106302104B (zh) | 一种用户关系识别方法及装置 | |
CN109859314B (zh) | 三维重建方法、装置、电子设备和存储介质 | |
WO2021218063A1 (zh) | 基于名称映射的参数赋值方法、装置、计算机设备 | |
CN112579603B (zh) | 基于cdc的数据模型动态信息感知监测方法及装置 | |
CN109782917B (zh) | 一种基于脑机接口的意识工业控制系统及方法 | |
CN111400597A (zh) | 基于k-means算法的信息归类方法及相关设备 | |
CN114143000B (zh) | 基于不经意传输协议与秘密分享的匿踪查询方法及装置 | |
CN110955390A (zh) | 数据处理方法、装置和电子设备 | |
CN116866047A (zh) | 工业设备网络中恶意设备的确定方法、介质及设备 | |
CN111159129A (zh) | 一种日志报表的统计方法及装置 | |
CN113282063B (zh) | 缝制产线的配置方法及装置 | |
KR101609056B1 (ko) | 사물 인터넷 메시징 서비스에 기반한 스마트 상황 분배 프레임워크 장치 및 그 제어 방법 | |
CN109918277A (zh) | 电子装置、系统日志聚类分析结果的评价方法及存储介质 | |
CN106970837B (zh) | 一种信息处理方法及电子设备 | |
CN109557943B (zh) | 一种基于边缘云的无人机避障系统和方法 | |
CN111429920B (zh) | 用户区分方法、用户行为库确定方法、装置及设备 | |
CN110096266B (zh) | 一种特征加工方法和装置 | |
CN113127327B (zh) | 一种用于性能测试的测试方法及装置 | |
CN111931797B (zh) | 业务所属网络的识别方法、装置及设备 | |
CN114386468A (zh) | 网络异常流量检测方法、装置、电子设备及存储介质 | |
EP3779993A1 (en) | Method for searching for endpoint of specific data cluster and data processing system therefor | |
KR101989222B1 (ko) | 구조변이 검출 방법, 디바이스 및 시스템 | |
CN111209284A (zh) | 基于元数据的分表方法及装置 | |
US20140359104A1 (en) | Grouping processing method and system |
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 |