【技術實現步驟摘要】
本專利技術屬于語言處理領域，具體涉及一種基于協同感知的智能制造系統語言處理方法。
技術介紹
1、本部分的陳述僅僅是提供了與本專利技術相關的
技術介紹
信息，不必然構成在先技術。
2、智能制造系統語言處理技術的核心是由部署在工作區域中的大量語言感知節點組成的多跳無線自組織網絡系統，它由各個節點協同感知、采集和處理智能制造系統覆蓋區域中感知對象的語言信息。
3、目前，如何能夠協調地感知、采集和處理網絡覆蓋區域內的各種語言應用對象信息，進行精準語義分析，并發布給需要這些信息的智能制造系統功能模塊，成為亟待解決的首要問題。語言處理與生成的相關理論、方案框架和技術正在逐步成為研究熱點。若能借助語言自適應協同感知理論，探索其在智能制造系統中的人機交互關鍵技術與應用，將為提高智能制造系統的智能化和交互性提供必要的支撐。
4、然而，由于智能制造系統本身的復雜性，目前在其語言處理與生成技術的應用方面還沒有成熟的技術。
技術實現思路
1、本專利技術為了解決上述問題，提出了一種基于協同感知的智能制造系統語言處理方法，本專利技術解決了智能制造系統在智能建模、精準語義分析、中文語言感知和智能語言生成等方面的關鍵科學問題，為智能制造系統的人機交互性提升，提供了理論支撐和應用指導。
2、根據一些實施例，本專利技術采用如下技術方案：
3、一種基于協同感知的智能制造系統語言處理方法，包括以下步驟：
4、初始化語言任務數據，包括任務總完成時間、能量損
5、根據初始化的數據，構建代價函數，利用粒子群優化算法進行優化，基于粒子間的映射關系，以及各個粒子位置與速度的非線性特性，得到系統語言模型的數據集合；
6、基于語言數據集合的非線性特性建立協同組，利用語言的黏著性和語義的相關性設置協同組的數值特性以確保節點單獨感知語言處理需求能力的實現；
7、基于向量間相互正交且不存在直接映射的原則，運用語言自身屬性和協同組特征向量聯合優化的思路在組內進行相關功能節點的數據聯合判決和估計；
8、建立系統節點協同覆蓋模型，設置節點協同覆蓋模型的約束；
9、基于所述協同覆蓋模型，利用動態均衡方案對系統語言生成任務間的接續策略進行改進；
10、配置多源語言融合情況下系統路由自我調整和自我配置的特性，基于所述特性，進行簇內覆蓋控制；
11、從多源同類信息融合的角度，對相關性大、時空關聯性強的語言生成需求進行融合；
12、在靜態條件下，采用基于語言效用函數的數據管理收斂因子；在動態條件下，采用基于語言效用函數的數據管理收斂因子和粒子群優化反饋參數相結合的方式，進行語言處理與生成任務處理和資源再分配，實現基于協同感知的智能制造系統語言處理。
13、作為可選擇的實施方式，構建代價函數的過程包括：
14、以系統能耗最小為目標函數，以維持網絡語義節點接續性為約束條件，構建代價函數。
15、作為可選擇的實施方式，建立系統節點協同覆蓋模型，設置節點協同覆蓋模型的約束的過程包括：
16、基于系統網絡邏輯映射覆蓋和能量消耗最小化的要求，在包含n個網絡語義節點的平面an上使用空間約束機制，且每個網絡語義節點的邏輯映射半徑為d；網絡節點在平面an上遵循均勻分布，通過增大平面以減小網絡的語義總干擾。
17、作為可選擇的實施方式，基于所述協同覆蓋模型，利用動態均衡方案對系統語言生成任務間的接續策略進行改進的過程包括：
18、令li,lj∈r2分別表示網絡語義節點vi,vj的位置，且vi≠vj；定義網絡語義節點vi和vj的直接連接性為d；當網絡節點組p中有非空集時，設定網絡語義節點vi和vj間存在多跳連接，即vi和vj間的信息可以通過節點組p進行有效尋址與傳遞；給定節點數為n，令lscr,l1,l2,...,ln-1∈r2分別表示源節點和節點v1,v2，…，v-1的位置，且令v為包含所有網絡語義節點的集合；設定n(li)是以li為中心、以d為映射半徑的邏輯映射范圍內節點數的最大集，且n(li)＝{vz:vz∈vand‖li-lz‖≤d}；所有的網絡語義節點具有相同的邏輯映射覆蓋半徑和映射相關性，利用系統節點的可調節性提高敏感區域監測的覆蓋質量，在能量受限的條件下實現節點間協作與調整。
19、作為可選擇的實施方式，配置多源語言融合情況下系統路由自我調整和自我配置的特性，進行簇內邏輯映射覆蓋控制的過程包括：
20、多源語言融合時，在不考慮語義邊界效應的情況下，第三方網絡節點vk能夠與網絡節點vj實現直接互連卻無法與網絡節點vi實現直接互連的上界為a(vj)-[a(vi)∩a(vj)]，從而實現系統路由自我調整和自我配置的特性。令設定存在位置分別為li,lj∈r2的網絡節點vi和vj，且||li-lj||＝d；不考慮最后一個網絡節點的附加空間，則網絡節點的空間位置下界為令tsrc為無誤條件下采用多跳方式時所需的傳輸次數總數，假設n個網絡節點按照均勻分布隨機的位于區域an之內，其邏輯映射覆蓋半徑皆為d，當某網絡節點傳輸次數為t＝k時來實現面向其他(n-1)個網絡節點的單一比特廣播時，其概率上界為g(k,n)(d2/an)n-1，其中且從而實現簇內邏輯映射覆蓋控制。
21、作為可選擇的實施方式，從多源同類信息融合的角度，對相關性大、時空關聯性強的語言生成需求進行融合的過程包括：
22、基于語義節點間關系，根據系統的語義穩定性，定義智能制造系統網絡語義節點針對流f所發起rts的概率為pnf，定義針對流f而數據傳送成功的概率為psf，初始化語義節點的能量損耗和負載狀況；
23、根據初始化的參數，在基于精準化語義分析的系統感知策略過程中構建代價函數，利用粒子群優化算法進行優化，得到語義節點的中間狀態分析模型；
24、根據得到的語義節點中間狀態分析模型，建立源語義節點集合與目的語義節點集合的協同組，進行數據協同感知演進建模，得到基于精準化語義分析的系統感知策略；
25、根據得到的精準化語義分析系統感知策略，基于語言生成機制，動態控制源語義節點在發起rts之前信道的狀態，動態調整目的語義節點的語義相關性和時空關聯性，確保多源語言生成需求的融合性能；
26、完成從多源同類信息融合的角度，對相關性大于設定值、時空關聯性強度超過預設值的語言生成需求進行融合。
27、作為進一步的，利用粒子群優化算法進行優化，得到語義節點的中間狀態分析模型的過程包括：
28、定義目的語義節點因超出源語義節點的偵聽范圍而變成隱藏節點的概率為yt，在穩定狀態下yt與pnf和psf的關系為psf與pnf的比值表示源語義節點針對流f的偵聽效率和數據正確概率，通過源語義節點偵聽有效性表征語義節點中間狀態分析模型的基本框架；
29、基于粒子群優化算法，設定數據包在被丟棄前網絡所發起的rts最大次數本文檔來自技高網...
【技術保護點】
1.一種基于協同感知的智能制造系統語言處理方法，其特征是，包括以下步驟：
2.如權利要求1所述的一種基于協同感知的智能制造系統語言處理方法，其特征是，構建代價函數的過程包括：
3.如權利要求1所述的一種基于協同感知的智能制造系統語言處理方法，其特征是，建立系統節點協同覆蓋模型，設置節點協同覆蓋模型的約束的過程包括：
4.如權利要求1所述的一種基于協同感知的智能制造系統語言處理方法，其特征是，基于所述協同覆蓋模型，利用動態均衡方案對系統語言生成任務間的接續策略進行改進的過程包括：
5.如權利要求1所述的一種基于協同感知的智能制造系統語言處理方法，其特征是，配置多源語言融合情況下系統路由自我調整和自我配置的特性，進行簇內邏輯映射覆蓋控制的過程包括：
6.如權利要求1所述的一種基于協同感知的智能制造系統語言處理方法，其特征是，從多源同類信息融合的角度，對相關性大、時空關聯性強的語言生成需求進行融合的過程包括：
7.如權利要求6所述的一種基于協同感知的智能制造系統語言處理方法，其特征是，利用粒子群優化算法進行優化，得
8.如權利要求6所述的一種基于協同感知的智能制造系統語言處理方法，其特征是，根據得到的語義節點中間狀態分析模型，建立源語義節點集合與目的語義節點集合的協同組，進行數據協同感知演進建模的過程包括：
9.如權利要求1所述的一種基于協同感知的智能制造系統語言處理方法，其特征是，在靜態條件下，采用基于語言效用函數的數據管理收斂因子；在動態條件下，采用基于語言效用函數的數據管理收斂因子和粒子群優化反饋參數相結合的方式，進行語言處理與生成任務處理和資源再分配的過程包括：
10.如權利要求9所述的一種基于協同感知的智能制造系統語言處理方法，其特征是，通過Poisson?Boolean模型設定網絡的連接性的概率下界，并設置系統同時傳送語義元素的最大值和語言處理極限值的過程包括：
...【技術特征摘要】
1.一種基于協同感知的智能制造系統語言處理方法，其特征是，包括以下步驟：
2.如權利要求1所述的一種基于協同感知的智能制造系統語言處理方法，其特征是，構建代價函數的過程包括：
3.如權利要求1所述的一種基于協同感知的智能制造系統語言處理方法，其特征是，建立系統節點協同覆蓋模型，設置節點協同覆蓋模型的約束的過程包括：
4.如權利要求1所述的一種基于協同感知的智能制造系統語言處理方法，其特征是，基于所述協同覆蓋模型，利用動態均衡方案對系統語言生成任務間的接續策略進行改進的過程包括：
5.如權利要求1所述的一種基于協同感知的智能制造系統語言處理方法，其特征是，配置多源語言融合情況下系統路由自我調整和自我配置的特性，進行簇內邏輯映射覆蓋控制的過程包括：
6.如權利要求1所述的一種基于協同感知的智能制造系統語言處理方法，其特征是，從多源同類信息融合的角度，對相關性大、時空關聯性強的語言生成需求進行融合的過程包括...
還沒有人留言評論。發表了對其他瀏覽者有用的留言會獲得科技券。