申请/专利权人：北京科技大学

申请日：2020-10-17

公开（公告）日：2024-02-13

公开（公告）号：CN112381113B

主分类号：G06F18/23

分类号：G06F18/23;H04L41/142;H04L67/025

优先权：

专利状态码：有效-授权

法律状态：2024.02.13#授权;2021.03.09#实质审查的生效;2021.02.19#公开

摘要：本发明公开了一种基于HK模型的工业互联网大数据协同决策方法，包括：设计工业互联网动态协同决策流程；进行基于HK模型的用户个性化定制需求自组织聚类；进行基于含噪声异质HK模型的企业柔性制造系统自组织聚类；利用所述工业互联网动态协同决策流程，结合自组织聚类结果，实现企业柔性制造与用户个性化定制需求的动态协同决策。本发明模拟自然界和社会中基于局部信息交互的群体协同智慧，应用改进的HK模型实现二者的动态协同决策，解决工业互联网复杂系统中节点数量庞大、种类繁多、相互关系复杂多变，导致企业难以在个性化定制模式下按需自主实现柔性制造过程的问题，进而实现企业车间自组织、柔性化智能生产，同时高度匹配用户需求。

主权项：1.一种基于HK模型的工业互联网大数据协同决策方法，其特征在于，包括以下步骤：S1、设计工业互联网动态协同决策流程；S2、进行基于HK模型的用户个性化定制需求自组织聚类；所述步骤S2具体包括：设V＝{1,2,…,n}为n个用户个性化定制需求的集合，xit∈[0,1]，i∈V，t≥0表示t时刻第i个状态变量，此处表示用户偏好；基于局部相互作用规则，设计基于HK模型的用户个性化定制需求自组织聚类规则： 其中： Nixt＝{j∈V:|xit-xjt|≤ε1}Fixt＝Nixt-{i}Iixt＝{j∈V:|xit-xjt|≤ε2} 式中：αi∈0,1]是用户偏好的惯性强度；Nixt、Iixt、Fixt分别为t时刻不同阈值下用户需求i相应的邻居集，|·|表示邻居集的基数或实数的绝对值；εi∈0,1]表示用户偏好的信域阈值；f为考虑流行因素和国情时事对用户偏好的影响程度；βi是流行因素的敏感度，βi∈[0,1]；γi为国情时事的影响度；S3、进行基于含噪声异质HK模型的企业柔性制造系统自组织聚类；所述步骤S3具体包括：传统含噪声异质HK模型： 式中：S1∪S2＝V，是一组具有异质偏见个体的集合；J1,J2∈[0,1]是满足|J1-J2|＞ε的偏见值；α是偏见值的吸引强度；I{·}是根据条件取1还是0的示性函数；{ξit}i∈V,t＞0是独立同分布的随机噪声，而且对于δ≥0有Eξ11＝0，|ξ11|≤δ；对传统含噪声异质HK模型进行改进，包括：将t时刻的自身柔性制造单元数据从阈值范围内剔除，将其它t时刻的邻居数据进行求和；结合自身t时刻之前存储的所有历史数据与t时刻实时数据求平均值，更新为t时刻的自身数据；t时刻其它邻居数据之和与更新的自身数据相加求平均值，作为下一时刻的自身数据；设V＝{1,2,…,n}为n个企业柔性制造单元的集合，xit∈[0,1]，i∈V，t≥0表示t时刻第i个状态变量，此处表示制造柔性；综合考虑柔性制造过程中的实时数据和海量历史数据，设计基于含噪声异质HK模型的企业柔性制造系统自组织聚类规则： 其中： 式中：Nixt为t时刻阈值内柔性制造单元i的邻居集；git是柔性制造单元i阈值内所有邻居数据与单元i在t时刻之前所有历史数据影响下的数据之和，此处所述柔性制造单元i阈值内所有邻居数据不包含自身数据；S4、利用所述工业互联网动态协同决策流程，结合步骤S2和步骤S3，实现企业柔性制造与用户个性化定制需求的动态协同决策；S5、将动态协同决策的结果传输到企业制造商进行大数据存储与分析，在柔性生产线上进行匹配，并根据匹配结果进行资源配置与生产调度；S6、在云端监控生产过程。

全文数据：

权利要求：

百度查询： 北京科技大学 一种基于HK模型的工业互联网大数据协同决策方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD