专利交易市场

本发明提出一种基于深度学习的云制造服务流程推荐方法，包括：步骤A、用户按照需求表达模型提交流程需求；步骤B、构建基于聚类映射的流程需求序列；步骤C、将步骤B中流程需求序列送入训练好的Seq2Seq模型，生成近似推荐流程序列Ar_ps；步骤D、将近似推荐流程序列Ar_ps与流程模型库中的已有流程序列ps做字符串相似度计算；步骤E、将相似度最高的云制造流程推荐给用户。本发明提出了一种链式流程需求表达模型，解决了用户对所需要的服务和流程的业务逻辑表达模糊问题，降低了用户建模流程需求的难度；提出了面向聚类映射的需求解析机制和流程需求序列生成方法，有效地降低了流程需求中的服务解析难度；提出了基于深度学习的流程推荐方法，大幅度降低了流程推荐时的计算复杂度，也提高了推荐精度。

本发明涉及一种面向大规模多批次任务协同的云制造服务组合优化方法，本发明通过基于多种改进的人工蜂群算法对大规模多批次任务协同组合模型的寻优过程进行优化，以优化后的大规模多批次任务协同组合模型来解决面向大规模多批次任务协同的云制造服务组合优化问题，本发明具有较强的鲁棒性、收敛速度快以及全局寻优能力强，提高了求解的准确性；同时以生产时间为优化目标，实现了云制造环境下，大规模多批次任务协同的服务组合优化，缩短了整个任务生产时间。

本发明公开了一种面向制造任务执行的云制造环境信息感知系统和方法，以制造任务执行为核心，将云制造平台运行环境、制造任务物理场所、制造任务及与制造任务密切相关的云服务信息作为云制造环境信息；采用传感器、软件Agent、GPS、人机交互接口和系统交互接口感知不同类型的环境信息；通过把感知信息转换为事件的方式，实现了感知信息的融合，给出了事件转换和关键事件识别方法。本发明的优点是：面向核心制造云服务的执行，以保障制造活动顺利开展为目标，界定了云制造环境信息的组成；在此基础上，建构了环境信息感知模型；明确了不同环境信息的感知方法，解决了感知信息的统一表达和融合问题。

本发明公开了面向制造任务的云制造虚拟车间构造方法，方法包括：接受用户的制造任务之后，根据制造知识库中的制造知识将制造任务分解为若干个存在次序关系的子任务，这些子任务按照次序关系构成制造任务链；选择逻辑根据每个子任务的信息，从服务资源池中选择功能、价格、时间和QoS均满足要求的云服务，这些云服务按照制造任务链组合，形成制造执行链，进而构造形成云制造虚拟车间。本方案在对云制造虚拟车间进行分析的基础上，给出车间各组成要素的形式化定义，建立了云制造虚拟车间模型，快速选择合适的云服务，基于模型构造出云制造虚拟车间。

本发明提供了一种基于k_Dijkstra算法的云制造服务组合优化方法，本发明通过将云制造服务组合优选问题转变为标准有向图问题，对于标准有向图依据次短路径定理、路径扩展方法和Dijkstra算法提出了云制造模式下前k条最短路径算法，即k_Dijkstra算法，并以此提出前k条最长路径算法，通过结合前k条最短路径算法和前k条最长路径算法提出云制造模式下前k条最短和最长路径算法，实现了云制造模式下组合服务的优化，通过优选服务时间、服务费用、制造能力以及综合能力，可有效帮助云制造企业降低生产成本，提高生产效率。