面向智能控制器的机器学习算法模块配置及自动化组装方法.pdf

《面向智能控制器的机器学习算法模块配置及自动化组装方法.pdf》由会员分享，可在线阅读，更多相关《面向智能控制器的机器学习算法模块配置及自动化组装方法.pdf（16页完成版）》请在专利查询网上搜索。

1、(19)中华人民共和国国家知识产权局 (12)发明专利申请 (10)申请公布号 (43)申请公布日 (21)申请号 201910119622.9 (22)申请日 2019.02.18 (71)申请人 杭州电子科技大学 地址 310000 浙江省杭州市江干区2号大街 与3号大街交汇处 (72)发明人 邬惠峰秦飞巍朱毅明 (74)专利代理机构 北京国翰知识产权代理事务 所(普通合伙) 11696 代理人 徐佳晶 (51)Int.Cl. G05B 13/04(2006.01) (54)发明名称 一种面向智能控制器的机器学习算法模块 配置及自动化组装方法 (57)摘要 一种面向智能控制器的机器学习算法。

2、模块 配置及自动化组装方法。 本发明在对基于工业控 制的软件产品开发过程进行分析的基础上建立 机器学习算法模块的配置模型， 并设计配置求解 算法以满足工业控制领域应用需求的特征和软 件集合。 包括： 基于扩展的特征模型， 根据工业控 制的软件生产过程建立配置规则集， 规则能对特 征约束及特征实现多样性问题进行描述； 设计配 置规则求解算法， 以获取满足约束条件和领域应 用需求的配置结果集， 并通过规则推理增加可变 配置实体的变化扩散范围及机器学习算法的可 扩展程度。 本发明所提出的面向智能工厂的机器 学习算法模块配置及其自动化组装方法， 是实现 智能控制软件大规模个性化定制生产的关键使 能技术。

3、。 权利要求书3页 说明书11页 附图1页 CN 109976152 A 2019.07.05 CN 109976152 A 1.一种面向智能控制器的机器学习算法模块配置及自动化组装方法， 其特征在于： 包 括如下步骤， 特征配置依赖关系约束下的特征选取， 和/或， 非功能应用需求约束下的特征实现软件产品选取。 2.根据权利要求1所述的一种面向智能控制器的机器学习算法模块配置及自动化组装 方法， 其特征在于： 所述的特征配置依赖关系约束下的特征选取， 含有配置规则集合； 所述 的配置规则包括， 矛盾规则： 一个矛盾规则具有如下形式： p1,.,pm,not a1,.,not an； 当 LBh。

4、UBh0， LBb1， UBbm+n， 且规则中的原子均为基原子的情况下， 一阶域加权规则被 特例化为矛盾规则， 矛盾规则的规则头为空； 和/或， 必然规则： 一个必然规则具有如下形式： h； 当LBhUBh1， LBbUBb 0， 且规则中的原子均为基原子的情况下； 和/或， 选择规则： 一个选择规则具有如下形式： h1|.|hsp1,.,pm,not a1,.,not an； 当LBh1， UBhs， LBb1， UBbm+n， 且规则中的原子均为基原子的情况下， 一阶 域加权规则被特例化为选择规则； 和/或， 排斥规则： 一个排斥规则具有如下形式： 当LBhUBh1， LBb1， UBb。

5、m+n， 且规则中的原子均为基原子的情况下， 一阶域加 权规则被特例化为排斥规则； 所述的LBx， UBx为一阶域加权规则中的参数。 3.根据权利要求1所述的一种面向智能控制器的机器学习算法模块配置及自动化组装 方法， 其特征在于： 所述的特征配置依赖关系约束下的特征选取含有特征配置模型规则求 解算法； 所述的特征配置模型规则求解算法包括， Step1： 获取规则集R中的所有必然规则， 将规则头中的文字加入到扩展集A中， 即 令AAH(r)， RR； Step2： 令AA， 对于规则集R中的任一非必然规则r， 令r为其约减后所得规则， 则若 规则体中不存在否定文字， 且肯定文字中的原子存在于A。

6、+中， 则将规则约减后规则头中的 文字加入到扩展集A中 ， 并 用约减后的规则替换原规则 ， 即若则对于 若满足aA+， 令AAH(r)， RR-r+r； 若规则体中存在否定 文字， 且否定文字中的原子出现在A+中， 则删除该规则， 即若满足aA +， 令RR-r； 若规则体中肯定文字中的原子出现在A+中， 否定文字中的原子不出现在A+ 中， 则无论否定文字中的原子是否出现在A-中， 将规则约减后规则头中的文字加入到扩展 集A中 ， 并 用约减后的规则替换原规则， 即若满足aA + ， 对于 权利要求书 1/3 页 2 CN 109976152 A 2 满足则令AAH(r)， RR-r+r； 。

7、若规则头被满足， 则 将规则体中的文字加入到扩展集A中， 并用约减后的规则替换原规则， 删除规则集R中不满 足上述条件的规则； Step3： 重复Step2， 直至AA； Step4 ： 若表明没有稳定的 规 则求解模型 ， 求解结束 ； 反之 ， 若 则A+即为稳定的规则求解模型， 否则， 令RR， AAa或AA not a， 其中aAtoms(R)-Atoms(A)， 重新执行Step2； 所述的P为特征配置模型对应的逻辑程序， R为P中的特征配置规则集， A为扩展集， 且A+ aAtoms(P)|aA， A-aAtoms(P)|not aA， 有A+A-Atoms(A)。 4.根据权利要。

8、求1所述的一种面向智能控制器的机器学习算法模块配置及自动化组装 方法， 其特征在于： 所述的非功能应用需求约束下的特征实现软件产品选取， 含有机器学习 算法模块配置规则； 所述的机器学习算法模块配置规则包括如下步骤： Step1： 对于特征配置求解结束约减所得的规则集R中的任一规则， 若规则体中有否定 文字， 且否定文字中的原子出现在A+中， 则删除该规则； Step2： 对于特征配置规则结果集A+中的每一个谓词原子， 获取其对应的图元构件； Step3： 确定规则集中谓词原子的变量或常量， 若谓词原子表征的特征具有多种实现方 案， 则可表征为含有图元构件变量的谓词原子， 否则， 使用特征基原。

9、子进行描述， 基原子中 的常量即为实现特征的唯一确定图元构件； Step4： 对于含有图元构件变量的谓词原子； Step5： 根据图元构件的非功能属性值确定其对应的规则谓词的权值； Step6： 根据智能控制领域应用的非功能需求确定配置规则中的权约束范围， 以建立整 体量化约束条件下的图元构件选取制约关系。 5.根据权利要求1所述的一种面向智能控制器的机器学习算法模块配置及自动化组装 方法， 其特征在于： 所述的非功能应用需求约束下的特征实现软件产品选取， 含有特征配置 模型规则求解算法； 所述的求解特征配置模型规则求解算法包括如下步骤： Step1： 获取规则集中的所有谓词原子及其含有的变量。

10、的集合， 分别记为D和V； Step2： 令TT， FF， 对于规则集中的任一不含变量和权赋值的规则， 若规则为必然 规则， 且规则头中的基原子均不属于D， 则将规则头中的基原子及其基项分别加入到集合F 和T中， 同时将这些规则从规则集中剔除； 若规则中的基原子均不属于D， 且规则体中的基原 子及其基项分别出现在集合F和T中， 则将规则头中的基原子及其基项分别加入到集合F和T 中， 同时将这些规则从规则集中剔除； Step3： 对规则集中的变量根据变量值域进行实例化， 同时将被实例化的变量及其所属 的谓词原子分别从集合V和D中删除， 并用实例化后所得的规则替换原规则； 令n表示规则集 R中含有。

11、谓词原子的规则数目，1in， 若Insti表示规则ri实例化后所得规则数 目， 则规则集R实例化后所得的规则集组数为 Step4： 在实例化后得到的每一组规则集中， 对于含有权约束的规则， 若规则体中的基 权利要求书 2/3 页 3 CN 109976152 A 3 原子及其基项分别出现在集合F和T中， 且权赋值满足对应的权约束， 则令规则体为空转化 为必然规则并替换原规则至规则集中； 若规则体为空， 规则头中的基原子及其基项分别出 现在集合F和T中， 且权赋值满足对应的权约束， 则不做任何处理， 若不满足， 则将规则头中 的基原子及其基项分别从集合F和T中删除； Step5： 重复Step2。

12、和Step4， 直至FF且TT； Step6： 令A+为前面特征配置规则求解所得的结果集； 所述的若P为算法图元构件配置模型对应的逻辑程序， R为P中的图元构件配置规则集， T为图元构件配置结果集， F为图元构件实现的特征集， 其中A+aAtoms(P)|aA， A- aAtoms(P)|not aA， 有A+A-Atoms(A)。 6.一种计算机可读存储介质， 其特征在于： 所述的存储介质存储有至少一条指令、 至少 一段程序、 代码集或指令集， 所述的至少一条指令、 至少一段程序、 代码集或指令集能在处 理器加载执行并实现如权利要求1所述的方法。 7.一种终端， 其特征在于： 用于实现如权利。

13、要求1所述的方法， 包括， 处理器； 存储器， 存储有至少一条指令、 至少一段程序、 代码集或指令集， 所述的至少一条指令、 至少一段程序、 代码集或指令集能在处理器加载执行并实现如权利要求1所述的方法。 权利要求书 3/3 页 4 CN 109976152 A 4 一种面向智能控制器的机器学习算法模块配置及自动化组装 方法 技术领域 0001 本发明涉及一种机器学习算法模块配置及组装方法， 具体涉及一种面向智能控制 器的机器学习算法模块配置及自动化组装方法。 背景技术 0002 嵌入式智能控制器软件产品配置方法与产品构建结合紧密， 可以支持偏向实现层 次的可变性建模。 由于配置模型中的配置规。

14、则往往需要映射到系统实现文件， 当系统规模 变大时， 跟配置规则相关的系统模块的变更都可能会导致配置模型的变化， 因此， 可变性配 置信息的维护难度加大， 需要对配置模型进行有效的管理。 0003 目前软件产品和配置相关的研究集中在配置管理方面， 主要是在软件产品开发生 命周期各个阶段及进化过程中对产品资产类型和资产之间的关系及其变更进行管理。 产品 配置理论和实践虽然已经获得了较大的发展， 却多集中在传统的机械制造行业， 其产品配 置模型面向的是单一的标准化零部件， 而嵌入式智能控制器软件产品涉及特征、 领域知识、 体系框架、 图元构件、 文本描述等多种资产类型， 这些资产类型非绝对标准化，。

15、 且在产品生 命周期的不同阶段有不同的行为和表现。 因此已有的产品配置及其问题求解模型不能直接 应用于嵌入式智能控制器算法模块组装， 如何对智能控制器机器学习算法模块中的配置知 识进行表达和问题求解还有待于研究。 发明内容 0004 本发明针对现有软件产品配置及问题求解模型的不足， 提出了一种面向智能控制 器的机器学习算法模块配置及自动化组装方法， 该方法包括配置建模、 语义推理配置求解、 SWRL配置规则库、 配置规则求解器。 0005 配置建模以描述逻辑的形式对特征模型中的特征依赖关系进行表征， 并使用谓词 变量描述特征实现机器学习算法图元构件的可变性， 为具体智能控制器软件产品的生产提 。

16、供描述和推理基础， 建模结果为配置规则组成的配置模型。 0006 语义推理配置求解所得结果是确定智能控制器软件产品特定的特征模型和体系 结构的基础。 通过分析用户的功能性/非功能性需求转化为需求配置规则确定求解目标， 并 基于规则约减和问题求解算法对配置模型进行求解， 即可得到满足智能制造领域应用需求 的特征集合和软件制品集合。 0007 SWRL配置规则库是实现配置求解和智能控制器软件产品生产等功能的基础组件。 它应提供规则存储、 规则浏览、 规则查询、 谓词变量实例化、 规则约减推理等接口供其它组 件使用。 0008 配置规则求解器是确定满足智能控制应用需求的特征集合和软件产品集合的使 能。

17、工具， 主要负责基于需求配置规则和智能控制器软件产品配置模型运用配置约减推理规 则和求解算法进行问题求解。 说明书 1/11 页 5 CN 109976152 A 5 0009 一种面向智能控制器的机器学习算法模块配置及自动化组装方法， 其特征在于： 包括如下步骤， 0010 特征配置依赖关系约束下的特征选取， 0011 和/或， 0012 非功能应用需求约束下的特征实现软件产品选取。 0013 所述的特征配置依赖关系约束下的特征选取， 含有配置规则集合(即特征配置规 则)； 所述的配置规则包括， 0014 矛盾规则： 一个矛盾规则(IR)具有如下形式： p1,.,pm,not a1,.,no。

18、t an； 当 LBhUBh0， LBb1， UBbm+n， 且规则中的原子均为基原子的情况下， 一阶域加权 规则被特例化为矛盾规则， 矛盾规则的规则头为空； 一个矛盾规则被满足的条件是规则体 中至少有一个文字不被满足。 在特征配置过程中， 矛盾规则的直观含义是： 特征集p1,., pm在配置结果中， 同时特征集a1,.,an不在配置结果中的情况是不可能发生的。 0015和/或， 必然规则： 一个必然规则(RR)具有如下形式： h； 当LBhUBh1， LBbUBb0， 且规则中的原子均为基原子的情况下； 一阶域加权规则被特例化为必然规则， 必然规则的规则体为空。 一个必然规则被满足的条件是规。

19、则头h被满足。 在特征配置过程 中， 其直观含义是： 特征h必须出现在配置结果中。 0016 和/或， 选择规则： 一个选择规则(CR)具有如下形式： h1|.|hsp1,.,pm,not a1,.,not an； 当LBh1， UBhs， LBb1， UBbm+n， 且规则中的原子均为基原子的 情况下， 一阶域加权规则被特例化为选择规则。 一个选择规则在h1,.,hs中至少有一个 原子被满足或规则体中至少有一个文字不被满足的情况下被满足。 0017和/或， 排斥规则： 一个排斥规则(ER)具有如下形式： 当LBhUBh1， LBb1， UBbm+n， 且规则中的原子均为基原子的情况下， 一阶。

20、域加 权规则被特例化为排斥规则。 一个排斥规则在h1,.,hs中有且仅有一个原子被满足或规 则体中至少有一个文字不被满足的情况下被满足。 所述的LBx， UBx为一阶域加权规则中 的参数。 0018 所述的特征配置依赖关系约束下的特征选取含有特征配置模型规则求解算法； 所 述的特征配置模型规则求解算法包括， 0019 Step1： 获取规则集R中的所有必然规则， 将规则头中的文字加入到扩展集A中， 即 令AAH(r)， RR； 0020 Step2： 令AA， 对于规则集R中的任一非必然规则r， 令r为其约减后所得规则， 则若规则体中不存在否定文字， 且肯定文字中的原子存在于A+中， 则将规则。

21、约减后规则头 中的文字加入到扩展集A中， 并用约减后的规则替换原规则， 即若则对于 若满足aA+， 令AAH(r)， RR-r+r； 若规则体中存在否定 文字， 且否定文字中的原子出现在A+中， 则删除该规则， 即若满足aA +， 令RR-r； 若规则体中肯定文字中的原子出现在A+中， 否定文字中的原子不出现在A+ 中， 则无论否定文字中的原子是否出现在A-中， 将规则约减后规则头中的文字加入到扩展 说明书 2/11 页 6 CN 109976152 A 6 集A中 ， 并 用约减后的规则替换原规则， 即若满足aA + ， 对于 满足则令AAH(r)， RR-r+r； 若规则头被满足， 例 如。

22、， 对于排斥规则，对于选择规则，且|Atoms (H)|1， 则将规则体中的文字加入到扩展集A中， 并用约减后的规则替换原规则， 即对于 令AAa， 对于令AAnot a， RR-r +r； 删除规则集R中不满足上述条件的规则； 0021 Step3： 重复Step2， 直至AA； 0022Step4： 若表明没有稳定的规则求解模型， 求解结束； 反之， 若 则A+即为稳定的规则求解模型， 否则， 令RR， AAa或AA not a， 其中aAtoms(R)-Atoms(A)， 重新执行Step2。 其直观含义是： 必然规则的规则 头中的文字作为事实加入到配置结果集中， 余下的规则在规则体被满。

23、足或规则头被满足的 情况下扩展配置结果集， 并进行冲突检查， 有冲突则表明没有稳定的规则求解模型与A一 致， 若没有冲突且A覆盖了规则约简后所得逻辑程序的原子集， 则A中肯定文字中的原子集 合即为配置结果集， 否则需要试探性扩展A进一步进行验证。 0023 P为特征配置模型对应的逻辑程序， R为P中的特征配置规则集， A为扩展集， 其初始 值为令A+aAtoms(P)|aA， A-aAtoms(P)|not aA， 有A+A-Atoms(A)。 0024 所述的非功能应用需求约束下的特征实现软件产品选取， 含有机器学习算法模块 配置规则； 所述的机器学习算法模块配置规则包括如下步骤： 0025。

24、 Step1： 对于特征配置求解结束约减所得的规则集R中的任一规则， 若规则体中有 否定文字， 且否定文字中的原子出现在A+中， 则删除该规则， 即若a Atoms(B-(r)， 有aA+， 则R R -r， 并删除余下规则的规则体中的否定文字， 即 令故软件制品配置规则集中不含否定文字； 0026 Step2： 对于特征配置规则结果集A+中的每一个谓词原子， 即特征， 获取其对应的 图元构件； 0027 Step3： 确定规则集中谓词原子的变量或常量， 若谓词原子表征的特征具有多种实 现方案， 即存在多种图元构件可供选择， 则可表征为含有图元构件变量的谓词原子， 否则， 使用特征基原子进行描。

25、述， 基原子中的常量即为实现特征的唯一确定图元构件； 0028 Step4： 对于含有图元构件变量的谓词原子， 通过获取实现对应特征功能的所有图 元构件确定变量值域， 它限定了实现特征的候选图元构件集； 0029 Step5： 根据图元构件的非功能属性值确定其对应的规则谓词的权值； 0030 Step6： 根据智能控制领域应用的非功能需求确定配置规则中的权约束范围， 以建 立整体量化约束条件下的图元构件选取制约关系。 0031 所述的非功能应用需求约束下的特征实现软件产品选取， 含有特征配置模型规则 求解算法； 所述的求解特征配置模型规则求解算法包括如下步骤： 0032 Step1： 获取规则。

26、集中的所有谓词原子及其含有的变量的集合， 分别记为D和V； 说明书 3/11 页 7 CN 109976152 A 7 0033 Step2： 令TT， FF， 对于规则集中的任一不含变量和权赋值的规则， 若规则为 必然规则， 且规则头中的基原子均不属于D， 则将规则头中的基原子及其基项分别加入到集 合F和T中， 同时将这些规则从规则集中剔除， 即若满足 和wa1， 令FFH(r)， TTGTerms(H(r)， RR-r； 若规则中的基原子均不属于D， 且 规则体中的基原子及其基项分别出现在集合F和T中， 则将规则头中的基原子及其基项分别 加入到集合F和T中， 同时将这些规则从规则集中剔除，。

27、 即若满足 和wa1，满足aF和tT， 令FFH(r)， T TGTerms(H(r)， RR-r； 0034 Step3： 对规则集中的变量根据变量值域进行实例化， 同时将被实例化的变量及其 所属的谓词原子分别从集合V和D中删除， 并用实例化后所得的规则替换原规则； 由于每一 个变量都存在一个值域， 能被实例化为多个基项， 故规则集中的所有变量进行实例化操作 后将得到若干组规则集。 令n表示规则集R中含有谓词原子的规则数目， 若Insti表示规则ri实例化后所得规则数目， 则规则集R实例化后所得的规则集组数为 实例化后所得规则集中的所有原子均为基原子； 0035 Step4： 在实例化后得到。

28、的每一组规则集中， 对于含有权约束的规则， 若规则体中 的基原子及其基项分别出现在集合F和T中， 且权赋值满足对应的权约束， 则令规则体为空 转化为必然规则并替换原规则至规则集中， 即 若满足aF和tT， 且则令rr，RR-r+r， 若 不 满 足 ， 则 将 规 则 体 中 的 基 原 子 及 其 基 项 分 别 从 集 合 F 和 T 中 删 除 ， 即 若 或令FF-Atoms(B(r)， TT-GTerms(B(r)； 若规则体为空， 规则头中的基原子及其基项分别出现在集合F和T中， 且权赋值满足对应的 权约束， 则不做任何处理， 若不满足， 则将规则头中的基原子及其基项分别从集合F和。

29、T中删 除， 即若或令FF-Atoms(H(r)， TT-GTerms(H (r)； 0036 Step5： 重复Step2和Step4， 直至FF且TT； 0037 Step6： 令A+为前面特征配置规则求解所得的结果集， 若FA+， 则T即为机器学习算 法模块配置规则求解结果集； 反之， 表明没有满足领域应用非功能需求的机器学习算法模 块结果集。 0038 所述的P为特征配置模型对应的逻辑程序， R为P中的特征配置规则集， A为扩展集， 其初始值为令(其中)A+aAtoms(P)|aA， A-aAtoms(P)|not aA， 有A+ A-Atoms(A)。 0039 一种计算机可读存储介。

30、质， 其特征在于： 所述的存储介质存储有至少一条指令、 至 说明书 4/11 页 8 CN 109976152 A 8 少一段程序、 代码集或指令集， 所述的至少一条指令、 至少一段程序、 代码集或指令集能在 处理器加载执行并实现上述所述的方法。 0040 一种终端， 其可用于实现上述所述的方法， 包括， 0041 处理器； 0042 存储器， 存储有至少一条指令、 至少一段程序、 代码集或指令集， 所述的至少一条 指令、 至少一段程序、 代码集或指令集能在处理器加载执行并实现上述所述的方法。 附图说明 0043 附图1为本发明的方法总体框架图。 具体实施方式 0044 为详细说明本发明的技术。

31、内容、 构造特征、 所实现的目的及效果， 以下结合实施方 式并配合附图予以说明。 0045 实施例1： 0046 基于软件组装的智能控制器软件产品生产过程可以分为特征配置依赖关系约束 下的特征选取和非功能应用需求约束下的特征实现软件产品选取两个步骤。 前者基于特征 模型根据具体应用的功能需求建立符合特征配置依赖和约束条件的特征及其关系集合， 后 者根据具体应用的非功能需求获取实现被选特征的软件产品， 并根据智能控制领域体系结 构进行组装。 0047 与此相对应， 面向智能控制器的软件产品配置可分为特征配置和算法图元构件配 置两个阶段， 分别用于获取满足领域应用需求的特征集和机器学习算法图元构件。

32、集。 0048 特征配置建模及问题求解。 特征配置求解与特征选取过程相对应， 特征及其配置 依赖关系是主要关注对象， 可暂不考虑规则中的变量的实例化问题， 即规则中的原子均为 基原子， 求解过程主要包括以下两个步骤： 根据领域具体应用功能需求和特征模型建立配 置规则集合； 求解配置规则， 所得结果为满足领域具体应用功能需求的图元构件特征集合。 0049 建立特征配置规则。 在暂不考虑规则中的变量实例化问题的情况下， 通过对一阶 域加权规则中的LBx， UBx等参数进行赋值可以得到以下特征配置规则。 矛盾规则： 一个 矛盾规则(IR)具有如下形式： p1,.,pm,not a1,.,not an。

33、。 当LBhUBh0， LBb 1， UBbm+n， 且规则中的原子均为基原子的情况下， 一阶域加权规则被特例化为矛盾规 则， 矛盾规则的规则头为空。 一个矛盾规则被满足的条件是规则体中至少有一个文字不被 满足。 在特征配置过程中， 矛盾规则的直观含义是： 特征集p1,.,pm在配置结果中， 同时 特征集a1,.,an不在配置结果中的情况是不可能发生的。 必然规则： 一个必然规则(RR) 具有如下形式： h。 当LBhUBh1， LBbUBb0， 且规则中的原子均为基原子的情 况下， 一阶域加权规则被特例化为必然规则， 必然规则的规则体为空。 一个必然规则被满足 的条件是规则头h被满足。 在特。

34、征配置过程中， 其直观含义是： 特征h必须出现在配置结果 中。 选择规则： 一个选择规则(CR)具有如下形式： h1|.|hsp1,.,pm,not a1,.,not an。 当LBh1， UBhs， LBb1， UBbm+n， 且规则中的原子均为基原子的情况下， 一阶 说明书 5/11 页 9 CN 109976152 A 9 域加权规则被特例化为选择规则。 一个选择规则在h1,.,hs中至少有一个原子被满足或 规则体中至少有一个文字不被满足的情况下被满足。 排斥规则： 一个排斥规则(ER)具有如 下形式：当LBhUBh1， LBb1， UBbm+n， 且规则中的原子均为基原子的情况下， 一。

35、阶域加权规则被特例化为排斥规则。 一个排斥规 则在h1,.,hs中有且仅有一个原子被满足或规则体中至少有一个文字不被满足的情况 下被满足。 0050 特征配置模型规则求解算法。 若P为特征配置模型对应的逻辑程序， R为P中的特征 配置规则集， A为扩展集， 其初始值为令A+aAtoms(P)|aA， A-aAtoms(P)| not aA， 有A+A-Atoms(A)， 则特征配置规则的求解步骤如下： Step1： 获取规则集R中 的所有必然规则， 将规则头中的文字加入到扩展集A中， 即令AAH(r)， RR； Step2： 令AA， 对于规则集R中的任一非必然规则r， 令r为其约减后所得规则。

36、， 则若规则 体中不存在否定文字， 且肯定文字中的原子存在于A+中， 则将规则约减后规则头中的文字 加 入 到 扩 展 集 A 中 ， 并 用 约 减 后 的 规 则 替 换 原 规 则 ， 即 若则 对 于 若满足aA+， 令AAH(r)， RR-r+r； 若规则体中存在否 定文字， 且否定文字中的原子出现在A+中， 则删除该规则， 即若满足a A+， 令RR-r； 若规则体中肯定文字中的原子出现在A+中， 否定文字中的原子不出现在A +中， 则无论否定文字中的原子是否出现在A-中， 将规则约减后规则头中的文字加入到扩展 集A中 ， 并用约减后的规则替换原规则， 即若满足aA + ， 对于 。

37、满足则令AAH(r)， RR-r+r； 若规则头被满足， 例如， 对于排斥规则，对于选择规则，且|Atoms (H)|1， 则将规则体中的文字加入到扩展集A中， 并用约减后的规则替换原规则， 即对于 令AAa， 对于令AAnot a， RR- r+r； 删除规则集R中不满足上述条件的规则； Step3： 重复Step2， 直至AA； Step4： 若表明没有稳定的规则求解模型， 求解结束； 反之， 若 则A+即为稳定的规则求解模型， 否则， 令RR， AAa或AAnot a， 其中aAtoms (R)-Atoms(A)， 重新执行Step2。 其直观含义是： 必然规则的规则头中的文字作为事实加。

38、入 到配置结果集中， 余下的规则在规则体被满足或规则头被满足的情况下扩展配置结果集， 并进行冲突检查， 有冲突则表明没有稳定的规则求解模型与A一致， 若没有冲突且A覆盖了 规则约简后所得逻辑程序的原子集， 则A中肯定文字中的原子集合即为配置结果集， 否则需 要试探性扩展A进一步进行验证。 0051 机器学习算法模块配置建模及问题求解。 机器学习算法模块配置求解与实现特征 功能的软件制品选取过程相对应， 领域参考体系结构和智能控制器软件产品开发全生命周 期各个阶段开发的各类软件制品， 特别是构件， 是主要关注对象， 求解过程中需要考虑规则 说明书 6/11 页 10 CN 109976152 A。

39、 10 中的变量的实例化问题， 即规则中的原子均为谓词原子， 求解过程主要包括以下两个步骤： 根据特征配置规则求解所得的特征集合建立软件制品配置规则集合； 根据具体应用的非功 能需求求解配置规则， 所得结果即为满足领域应用需求的软件制品集合。 0052 建立机器学习算法模块配置规则： 机器学习算法模块配置规则建立在特征配置规 则求解基础上， 是一个依据特征配置结果集获取算法图元构件建立特征实现变量， 并根据 领域应用非功能需求确定变量值域和权约束范围的过程。 主要包括简化特征配置规则集、 确定变量值域、 对规则中的变量进行实例化、 以及确定权约束范围等步骤。 Step1： 对于特征 配置求解结。

40、束约减所得的规则集R中的任一规则， 若规则体中有否定文字， 且否定文字中 的原子出现在A+中， 则删除该规则， 即若aAtoms(B-(r)， 有aA+， 则 RR-r， 并删除余下规则的规则体中的否定文字， 即令故软件制品 配置规则集中不含否定文字； Step2： 对于特征配置规则结果集A+中的每一个谓词原子， 即 特征， 获取其对应的图元构件； Step3： 确定规则集中谓词原子的变量或常量， 若谓词原子表 征的特征具有多种实现方案， 即存在多种图元构件可供选择， 则可表征为含有图元构件变 量的谓词原子， 否则， 使用特征基原子进行描述， 基原子中的常量即为实现特征的唯一确定 图元构件； 。

41、Step4： 对于含有图元构件变量的谓词原子， 通过获取实现对应特征功能的所有 图元构件确定变量值域， 它限定了实现特征的候选图元构件集； Step5： 根据图元构件的非 功能属性值确定其对应的规则谓词的权值； Step6： 根据智能控制领域应用的非功能需求确 定配置规则中的权约束范围， 以建立整体量化约束条件下的图元构件选取制约关系。 0053 机器学习算法模块配置规则的求解算法。 若P为算法图元构件配置模型对应的逻 辑程序， R为P中的图元构件配置规则集， T为图元构件配置结果集， F为图元构件实现的特征 集， T和F的初始值均为则机器学习算法模块配置规则的求解步骤如下： Step1： 获。

42、取规则 集中的所有谓词原子及其含有的变量的集合， 分别记为D和V； 若规则为必然规则， 且规则头 中的基原子均不属于D， 则将规则头中的基原子及其基项分别加入到集合F和T中， 同时将这 些规则从规则集中剔除， 即若满足和wa1， 令FFH (r)， TTGTerms(H(r)， RR-r； 若规则中的基原子均不属于D， 且规则体中的基原子 及其基项分别出现在集合F和T中， 则将规则头中的基原子及其基项分别加入到集合F和T 中， 同时将这些规则从规则集中剔除， 即若满足和wa1， 满足aF和tT， 令FFH(r)， TTGTerms(H (r)， RR-r； Step3： 对规则集中的变量根据变。

43、量值域进行实例化， 同时将被实例化的变 量及其所属的谓词原子分别从集合V和D中删除， 并用实例化后所得的规则替换原规则。 由 于每一个变量都存在一个值域， 能被实例化为多个基项， 故规则集中的所有变量进行实例 化操作后将得到若干组规则集。 令n表示规则集R中含有谓词原子的规则数目 ， 若Insti表示规则ri实例化后所得规则数目， 则规则集R实例化后所得的 规则集组数为实例化后所得规则集中的所有原子均为基原子； Step4： 在实例化后 得到的每一组规则集中， 对于含有权约束的规则， 若规则体中的基原子及其基项分别出现 说明书 7/11 页 11 CN 109976152 A 11 在集合F和。

44、T中， 且权赋值满足对应的权约束， 则令规则体为空转化为必然规则并替换原规 则至 规 则集中 ， 即若 满足a F 和t T ， 且 则令rr，RR-r+r， 若不满足， 则将规则体中 的基原子及其基项分别从集合F和T中删除， 即若或 令FF-Atoms(B(r)， TT-GTerms(B(r)； 若规则体为空， 规则头中的基原子及其基项分 别出现在集合F和T中， 且权赋值满足对应的权约束， 则不做任何处理， 若不满足， 则将规则 头中的基原子及其基项分别从集合F和T中删除， 即若或 令FF-Atoms(H(r)， TT-GTerms(H(r)； Step5： 重复Step2和Step4， 直。

45、至FF且TT； Step6： 令A+为前面特征配置规则求解所得的结果集， 若FA+， 则T即为机器学习算法模块配 置规则求解结果集； 反之， 表明没有满足领域应用非功能需求的机器学习算法模块结果集。 0054 其直观含义是： 若特征实现方案唯一， 则对应的图元构件作为事实加入到配置结 果集中， 否则， 需在根据候选图元构件对特征实现变量进行例示化的基础上， 检查余下规则 的权约束是否被满足。 若所得的图元构件集对应的特征集合与特征配置结果集一致， 则表 明有符合具体应用功能/非功能需求的图元构件结果集， 否则表明现有特征实现方案无法 满足特定智能控制领域应用需求。 0055 实施例2： 005。

46、6 基于软件组装的智能控制器软件产品生产过程可以分为特征配置依赖关系约束 下的特征选取和非功能应用需求约束下的特征实现软件产品选取两个步骤。 前者基于特征 模型根据具体应用的功能需求建立符合特征配置依赖和约束条件的特征及其关系集合， 也 就是配置建模， 同时生成相应的SWRL配置规则库； 后者根据具体应用的非功能需求获取实 现被选特征的软件产品， 并根据智能控制领域体系结构进行组装， 这一过程也就是使用配 置规则求解器执行语义推理， 进行配置求解。 0057 与此相对应， 面向智能控制器的软件产品配置可分为特征配置和算法图元构件配 置两个阶段， 分别用于获取满足领域应用需求的特征集和机器学习算。

47、法图元构件集。 0058 特征配置建模及问题求解。 特征配置求解与特征选取过程相对应， 特征及其配置 依赖关系是主要关注对象， 可暂不考虑规则中的变量的实例化问题， 即规则中的原子均为 基原子， 求解过程主要包括以下两个步骤： 根据领域具体应用功能需求和特征模型建立配 置规则集合； 求解配置规则， 所得结果为满足领域具体应用功能需求的图元构件特征集合。 0059 建立特征配置规则。 在暂不考虑规则中的变量实例化问题的情况下， 通过对一阶 域加权规则中的LBx， UBx等参数进行赋值可以得到以下特征配置规则。 矛盾规则： 一个 矛盾规则(IR)具有如下形式： p1,.,pm,not a1,.,n。

48、ot an。 当LBhUBh0， LBb 1， UBbm+n， 且规则中的原子均为基原子的情况下， 一阶域加权规则被特例化为矛盾规 则， 矛盾规则的规则头为空。 一个矛盾规则被满足的条件是规则体中至少有一个文字不被 满足。 在特征配置过程中， 矛盾规则的直观含义是： 特征集p1,.,pm在配置结果中， 同时 特征集a1,.,an不在配置结果中的情况是不可能发生的。 必然规则： 一个必然规则(RR) 说明书 8/11 页 12 CN 109976152 A 12 具有如下形式： h。 当LBhUBh1， LBbUBb0， 且规则中的原子均为基原子的情 况下， 一阶域加权规则被特例化为必然规则， 。

49、必然规则的规则体为空。 一个必然规则被满足 的条件是规则头h被满足。 在特征配置过程中， 其直观含义是： 特征h必须出现在配置结果 中。 选择规则： 一个选择规则(CR)具有如下形式： h1|.|hsp1,.,pm,not a1,.,not an。 当LBh1， UBhs， LBb1， UBbm+n， 且规则中的原子均为基原子的情况下， 一 阶域加权规则被特例化为选择规则。 一个选择规则在h1,.,hs中至少有一个原子被满足 或规则体中至少有一个文字不被满足的情况下被满足。 排斥规则： 一个排斥规则(ER)具有 如下形式：当LBhUBh1， LBb1， UBbm+ n， 且规则中的原子均为基原。

50、子的情况下， 一阶域加权规则被特例化为排斥规则。 一个排斥 规则在h1,.,hs中有且仅有一个原子被满足或规则体中至少有一个文字不被满足的情 况下被满足。 0060 特征配置模型规则求解算法。 若P为特征配置模型对应的逻辑程序， R为P中的特征 配置规则集， A为扩展集， 其初始值为令A+aAtoms(P)|aA， A-aAtoms(P)| not aA， 有A+A-Atoms(A)， 则特征配置规则的求解步骤如下： Step1： 获取规则集R中 的所有必然规则， 将规则头中的文字加入到扩展集A中， 即令AAH(r)， RR； Step2： 令AA， 对于规则集R中的任一非必然规则r， 令r为。