專利名稱：一種分布式多傳感協(xié)同測量方法及系統(tǒng)的制作方法
技術(shù)領(lǐng)域：
本發(fā)明涉及一種分布式多傳感協(xié)同測量方法及系統(tǒng)，尤其涉及一種基于IPv4/IPv6共存智能測控系統(tǒng)的多傳感協(xié)同測量方法及系統(tǒng)。

背景技術(shù)：
隨著科學(xué)技術(shù)的飛速發(fā)展，在工業(yè)自動化領(lǐng)域，要求檢測與控制的信息量越來越大，速度越來越高。測控位置分散，任務(wù)復(fù)雜，系統(tǒng)龐大，加之，測控系統(tǒng)中現(xiàn)場測控點與中央管理層之間的信息交換量越來越大，配合也越來越密切，因此測控網(wǎng)絡(luò)化應(yīng)運而生。測控網(wǎng)絡(luò)作為一種特殊的網(wǎng)絡(luò)，肩負(fù)現(xiàn)場測量數(shù)據(jù)與控制信息的數(shù)據(jù)傳輸與交換的任務(wù)，自從上世紀(jì)70年代以來，基于不同總線的各種智能測控儀表及其組成的測控系統(tǒng)先后涌現(xiàn)，出現(xiàn)集散測控模式和現(xiàn)場總線測控模式。然而，國際上各知名企業(yè)基于自身利益考慮，所推出自有知識產(chǎn)權(quán)的各種現(xiàn)場總線協(xié)議標(biāo)準(zhǔn)存在兼容性差的問題，不同廠家產(chǎn)品互連、信息的無縫集成也就受到嚴(yán)重影響。以TCP/IP協(xié)議、以太網(wǎng)作為支撐技術(shù)的因特網(wǎng)技術(shù)自上世紀(jì)90年代以來迅猛發(fā)展，具有標(biāo)準(zhǔn)統(tǒng)一、傳輸速率高、價格低、接入方便等特點，為現(xiàn)代測控技術(shù)的網(wǎng)絡(luò)化發(fā)展帶來了機遇，基于TCP/IP的工業(yè)以太網(wǎng)測控系統(tǒng)關(guān)鍵技術(shù)已成為測控領(lǐng)域的研究熱點。
然而工業(yè)現(xiàn)場應(yīng)用在環(huán)境適應(yīng)性、實時性、可靠性和安全性等方面有嚴(yán)格的要求，以太網(wǎng)是以辦公自動化為目標(biāo)設(shè)計的，并不完全符合工業(yè)環(huán)境的要求，將以太網(wǎng)應(yīng)用于工業(yè)領(lǐng)域主要存在如下一些缺陷包括通信的不確定性、實時性不夠、安全性需要提高以及現(xiàn)場設(shè)備互操作性差等。經(jīng)過多年的努力，各研究單位主要通過提高以太網(wǎng)傳輸速率的、使用以太網(wǎng)交換技術(shù)、優(yōu)先級技術(shù)、改進(jìn)相關(guān)測控算法及修改通信協(xié)議等方法來提高工業(yè)以太網(wǎng)的各種性能，使得工業(yè)以太網(wǎng)的研究已取得了很大的發(fā)展，并使以太網(wǎng)應(yīng)用于工業(yè)現(xiàn)場測控設(shè)備間的通信成為可能。隨著測控網(wǎng)絡(luò)技術(shù)快速發(fā)展，目前工業(yè)無線網(wǎng)絡(luò)技術(shù)已逐漸滲透到工業(yè)現(xiàn)場，現(xiàn)場測控數(shù)據(jù)來源呈現(xiàn)有線與無線模式，測控節(jié)點行為更加復(fù)雜，因此要求現(xiàn)場測控網(wǎng)絡(luò)除了應(yīng)進(jìn)一步滿足強實時性、高可靠性、惡劣的工業(yè)現(xiàn)場環(huán)境適應(yīng)性外，還需支持多樣化功能等特殊特點。近幾年來IPv6新一代網(wǎng)絡(luò)技術(shù)的逐漸成熟，其網(wǎng)絡(luò)總體性能較IPv4網(wǎng)絡(luò)得到了較大提高，不僅擴展了IPv4網(wǎng)絡(luò)中IP(Internet Protocol，互聯(lián)網(wǎng)協(xié)議)地址范圍和提供了多樣化運行模式，而且在協(xié)議中提出了一套提升網(wǎng)絡(luò)QoS(Quality ofService，服務(wù)質(zhì)量)，方法以及對移動通信的支持等，這為網(wǎng)絡(luò)化測控技術(shù)的擴展提供契機，將基于IPv6的新一代網(wǎng)絡(luò)引入測控領(lǐng)域?qū)⑹且粋€有意義的研究工作。通過構(gòu)建IPv6測控網(wǎng)絡(luò)，可以進(jìn)一步提升測控平臺的性能和豐富其功能。然而目前整個互聯(lián)網(wǎng)絡(luò)仍主要使用IPv4協(xié)議，IPv6應(yīng)用到測控網(wǎng)絡(luò)仍處于研究的初期階段。因此在保證成本、網(wǎng)絡(luò)性能的前提下，在測控現(xiàn)場采用IPv6網(wǎng)絡(luò)，有效地實現(xiàn)一種IPv4/IPv6共存的測控網(wǎng)絡(luò)模式成為一個關(guān)注的焦點。
IPv6新一代網(wǎng)絡(luò)的引入，大大推動了網(wǎng)絡(luò)化測控系統(tǒng)的分布式發(fā)展。面對現(xiàn)代測控任務(wù)趨于多樣化、立體化發(fā)展，目標(biāo)測控環(huán)境越來越復(fù)雜，觀測范圍要求越來越廣，信息量驟然增大，必須進(jìn)行多傳感協(xié)同測量，即把IPv4/IPv6共存測控系統(tǒng)中各種繁多的多傳感(多源、多形式)信息有效地進(jìn)行組合協(xié)同處理，實現(xiàn)對多傳感器資源(包括傳感器本身的資源以及傳感器之間的資源)進(jìn)行協(xié)調(diào)管理，從時間上和空間上來動態(tài)優(yōu)化配置系統(tǒng)多傳感資源。協(xié)同學(xué)理論(簡稱協(xié)同論)是研究復(fù)雜系統(tǒng)中子系統(tǒng)(部件、元素)如何通過競爭合作從無序狀態(tài)演化到具有確定宏觀上的空間結(jié)構(gòu)、時間結(jié)構(gòu)或功能結(jié)構(gòu)的有序狀態(tài)。隨著協(xié)同論在工程領(lǐng)域中發(fā)揮的作用不斷擴大，協(xié)同論為協(xié)同測量研究提供一個全新的思路。故此如何基于協(xié)同學(xué)理論，對多傳感資源進(jìn)行優(yōu)化配置是IPv4/IPv6共存智能測控系統(tǒng)中多傳感協(xié)同測量非常重要的研究方向。
國內(nèi)專利申請?zhí)枮镃N 03149108.1涉及一種基于仲裁者的測量協(xié)同問題解決方法，包括步驟產(chǎn)生測量任務(wù)的節(jié)點向仲裁者發(fā)送測量請求消息；仲裁者對當(dāng)前任務(wù)集進(jìn)行并發(fā)劃分，并使用仲裁算法對閉合任務(wù)集進(jìn)行處理，從而得到該閉合任務(wù)集的無沖突任務(wù)集；仲裁者根據(jù)處理結(jié)果向請求消息的發(fā)送者和被請求者發(fā)送肯定或否定應(yīng)答；接收到肯定應(yīng)答的節(jié)點執(zhí)行測量任務(wù)，任務(wù)執(zhí)行完畢后通知仲裁者。本發(fā)明在網(wǎng)絡(luò)測量系統(tǒng)上實現(xiàn)了互斥測量協(xié)同的能力?，F(xiàn)有的網(wǎng)絡(luò)測量系統(tǒng)均不支持測量協(xié)同和測量任務(wù)的互斥執(zhí)行。雖然仲裁者可能會成為瓶頸，但該方法的靈活性較好，且升級只需要針對仲裁者進(jìn)行即可，尤其適用于節(jié)點數(shù)目不是特別多的網(wǎng)絡(luò)測量系統(tǒng)。該發(fā)明屬于一種計算機通信網(wǎng)絡(luò)中的多節(jié)點通信協(xié)同機制，不涉及測控領(lǐng)域中多傳感協(xié)同機制。
國內(nèi)專利申請?zhí)枮镃N03141153.3涉及一種完全分布式測量協(xié)同問題的解決方法。包括步驟產(chǎn)生測量任務(wù)的請求節(jié)點向協(xié)同節(jié)點發(fā)送第一類測量請求消息；協(xié)同節(jié)點根據(jù)當(dāng)前狀態(tài)決定發(fā)送否定應(yīng)答還是保持沉默；如果請求節(jié)點超時，則根據(jù)當(dāng)前狀態(tài)進(jìn)行下列3類操作中的一種(1)向協(xié)同節(jié)點發(fā)送第二類測量請求消息；(2)進(jìn)行環(huán)檢測；(3)保持沉默；收到第二類測量請求消息的協(xié)同節(jié)點根據(jù)當(dāng)前狀態(tài)決定發(fā)送否定應(yīng)答還是肯定應(yīng)答；接收到肯定應(yīng)答的請求節(jié)點進(jìn)入測量狀態(tài)，并開始測量。本發(fā)明在網(wǎng)絡(luò)測量系統(tǒng)上實現(xiàn)了互斥測量協(xié)同的能力。現(xiàn)有的網(wǎng)絡(luò)測量系統(tǒng)均不支持測量協(xié)同和測量任務(wù)的互斥執(zhí)行。該方法具有良好的處理沖突任務(wù)的能力，使得在任務(wù)并發(fā)性較強時仍然具有較好的任務(wù)執(zhí)行能力。該發(fā)明涉及計算機和通信網(wǎng)絡(luò)中的測量技術(shù)，不涉及測控領(lǐng)域中多傳感協(xié)同機制。
國內(nèi)專利公開號為CN1542603的專利涉及一種基于實時操作系統(tǒng)的多傳感器融合系統(tǒng)資源調(diào)配實現(xiàn)方法，在系統(tǒng)組成結(jié)構(gòu)中，每個傳感器的采集和處理分別獨立封裝在單獨的任務(wù)模塊里，對于每個任務(wù)模塊獨立編程，這些模塊在實時操作系統(tǒng)的基礎(chǔ)上并行運行。不同任務(wù)的輕重緩急由各自的優(yōu)先級確定，任務(wù)之間的切換采用占先方式。各任務(wù)之間采用全局變量、事件對象以及用戶自定義信息三種方式進(jìn)行通訊，任務(wù)之間的同步通過臨界區(qū)、互斥以及信號量三種方式實現(xiàn)。該發(fā)明為多傳感器融合系統(tǒng)提供了一個資源調(diào)配實現(xiàn)方法，未涉及到多傳感信息之間的協(xié)同處理方面。同感知問題的解決，實現(xiàn)了協(xié)同感知強度對共享工作空間的動態(tài)調(diào)控。
國內(nèi)公開號為CN1694409的專利涉及一種基于協(xié)同感知強度Agent機制上的協(xié)同感知方法。是通過計算協(xié)同感知強度Agent，接收信息，然后依據(jù)自己的知識、規(guī)則和控制邏輯對信息進(jìn)行處理并把信息轉(zhuǎn)發(fā)出去，作用于協(xié)同工作空間中的協(xié)同任務(wù)，并實時動態(tài)地進(jìn)行自我調(diào)整。本發(fā)明有效地實現(xiàn)了多個用戶圖案協(xié)同設(shè)計中協(xié)同感知問題的解決，實現(xiàn)了協(xié)同感知強度對共享工作空間的動態(tài)調(diào)控，未涉及到基于協(xié)同學(xué)理論進(jìn)行多傳感協(xié)同的方法。
國內(nèi)還有其它一些主要采用不同方法進(jìn)行多傳感信息融合的相關(guān)專利如國內(nèi)公開號為CN1472673的專利涉及一種基于線性約束截斷最小二乘的數(shù)據(jù)融合方法，對各傳感器數(shù)據(jù)求取均方值，在此基礎(chǔ)上設(shè)置自適應(yīng)閾值，并判斷是否存在異常傳感器數(shù)據(jù)，以及哪個傳感器數(shù)據(jù)存在脈沖噪聲，得到檢測矩陣，然后建立基于截斷最小二乘(TLS)的初始融合目標(biāo)函數(shù)，通過一系列變化，變成線性約束的截斷最小二乘(LCTLS)的最優(yōu)問題，進(jìn)一步求取問題的拉格朗日函數(shù)，根據(jù)Kuhn-Tucker條件，得到對應(yīng)求取最優(yōu)解的方程組，建立全局收斂的遞歸神經(jīng)網(wǎng)絡(luò)，得到方程組的解，即優(yōu)化問題的解。本發(fā)明使算法的魯棒性大大提高，即使出現(xiàn)了脈沖噪聲，也能具有無偏性，并在很快的時間內(nèi)得到優(yōu)質(zhì)的解；國內(nèi)申請?zhí)枮镃N02136098.7的專利涉及一種多傳感器多目標(biāo)信息融合方法，不同分布的傳感器首先對環(huán)境進(jìn)行檢測以檢測目標(biāo)的存在，檢測信息融合系統(tǒng)針對各傳感器的檢測結(jié)果進(jìn)行融合，進(jìn)而對目標(biāo)進(jìn)行狀態(tài)跟蹤和特征提取，狀態(tài)信息融合系統(tǒng)和特征信息融合系統(tǒng)分別就各傳感器的跟蹤狀態(tài)和特征矢量識別結(jié)果進(jìn)行融合，進(jìn)而得到相對精確的狀態(tài)參數(shù)和準(zhǔn)確的識別結(jié)果，決策信息融合系統(tǒng)則進(jìn)行整體系統(tǒng)的決策融合，為下一步行動提供有利的決策。本發(fā)明建立了分布式集成化多傳感器信息融合理論體系，可提高系統(tǒng)的探測概率、估計精度及識別概率，提供更加合理可行的決策算法。均未涉及到基于協(xié)同學(xué)理論進(jìn)行多傳感信息融合的方法。
本發(fā)明是基于IPv4/IPv6共存測控系統(tǒng)，基于協(xié)同論實現(xiàn)系統(tǒng)分布式多傳感協(xié)同測量，該方法具有可自學(xué)習(xí)、自聯(lián)想記憶和自尋優(yōu)等優(yōu)點，一方面通過在數(shù)學(xué)意義上嚴(yán)格處理網(wǎng)絡(luò)的行為，準(zhǔn)確地知道運行特性，所以不存在偽狀態(tài)現(xiàn)象；另一方面，采用自上而下的構(gòu)造方法，可避免自下而上方法帶來的動力學(xué)行為不唯一性和不可控性。


發(fā)明內(nèi)容
為解決上述中存在的問題與缺陷，本發(fā)明提供了一種分布式多傳感協(xié)同測量方法及系統(tǒng)。
本發(fā)明是通過以下技術(shù)方案實現(xiàn)的 本發(fā)明所涉及的一種分布式多傳感協(xié)同測量方法，包括 建立一個多傳感協(xié)同測量模型； 獲取區(qū)域的區(qū)域向量，且該區(qū)域向量自動轉(zhuǎn)換成伴隨向量； 通過協(xié)同論的原理，當(dāng)測控系統(tǒng)自發(fā)形成空間結(jié)構(gòu)、時間結(jié)構(gòu)和時空結(jié)構(gòu)在接近不穩(wěn)定點時，消去快變量，使多個偏微分方程組化為一個或幾個序參量方程，并得到不確定性決策的通用計算公式。
基于協(xié)同論，形成序參量自組織演化產(chǎn)生宏觀系統(tǒng)的協(xié)同測量； 機理模型是基于“合作-競爭-協(xié)調(diào)”三步連續(xù)動態(tài)過程。
本發(fā)明還涉及一種分布式多傳感協(xié)同測控系統(tǒng)，包括 基于IPv4/IPv6的以太網(wǎng)方式進(jìn)行數(shù)據(jù)通訊，其中，整個網(wǎng)絡(luò)測控平臺分為現(xiàn)場測控層、企業(yè)級監(jiān)控層與遠(yuǎn)程測控層。
現(xiàn)場測控層，包括互聯(lián)網(wǎng)協(xié)議6智能測控裝置、互聯(lián)網(wǎng)協(xié)議6模糊控制裝置、現(xiàn)場受控設(shè)備模塊及現(xiàn)場傳感器，且該層采用互聯(lián)網(wǎng)協(xié)議6，運行傳輸控制協(xié)議/互聯(lián)網(wǎng)協(xié)議6協(xié)議棧，并由現(xiàn)場監(jiān)控給予所述每個現(xiàn)場測控單元賦予一個互聯(lián)網(wǎng)協(xié)議6地址通過以太網(wǎng)接口接入網(wǎng)絡(luò)； 企業(yè)級監(jiān)控層，包括以太網(wǎng)交換機或集線器、實時數(shù)據(jù)庫服務(wù)器、測控測略服務(wù)器、Web服務(wù)器，該層網(wǎng)絡(luò)與現(xiàn)場測控網(wǎng)絡(luò)通過路由器進(jìn)行連接，并采用主流測略的雙協(xié)議棧方法進(jìn)行通信，且該層使用互聯(lián)網(wǎng)協(xié)議4并通過Web服務(wù)器與外界互聯(lián)網(wǎng)相連。
遠(yuǎn)程測控層，該層是基于互聯(lián)網(wǎng)的遠(yuǎn)程測控層，主要包括遠(yuǎn)程工作站和終端微機，且該層網(wǎng)絡(luò)使用互聯(lián)網(wǎng)協(xié)議4。
所述系統(tǒng)應(yīng)用會話發(fā)起協(xié)議技術(shù)，建立數(shù)據(jù)連接、控制在線設(shè)備、自動注冊及訂閱信息。
本發(fā)明提供的技術(shù)方案的有益效果是 通過一種基于協(xié)同學(xué)的分布式協(xié)同測量方法實施于IPv4/IPv6共存智能測控系統(tǒng)，將分布于現(xiàn)場的多個IPv6模式智能測控裝置采集多個參量值，通過以太網(wǎng)接口將數(shù)據(jù)上傳到基于IPv4的企業(yè)監(jiān)控層中，進(jìn)行實時的協(xié)同決策，并可由第三層監(jiān)控處理結(jié)果。



圖1是本發(fā)明IPv4/IPv6共存智能測控系統(tǒng)的實施例圖； 圖2是本發(fā)明面向IPv4/IPv6共存智能測控系統(tǒng)的協(xié)同測量機理模型圖； 圖3是本發(fā)明面向IPv4/IPv6共存智能測控系統(tǒng)的發(fā)生漲落不確定性示例圖； 圖4是本發(fā)明面向IPv4/IPv6共存智能測控系統(tǒng)的多傳感協(xié)同測量結(jié)構(gòu)圖； 圖5是本發(fā)明多傳感協(xié)同測量方法的算法流程圖。

具體實施例方式 為使本發(fā)明的目的、技術(shù)方案和優(yōu)點更加清楚，下面將結(jié)合附圖對本發(fā)明實施方式作進(jìn)一步地詳細(xì)描述。
本實施例提供了一種分布式多傳感協(xié)同測控系統(tǒng)，其中， 參見圖1，該系統(tǒng)是通過基于協(xié)同學(xué)的分布式協(xié)同測量方法實施于IPv4/IPv6共存智能測控實現(xiàn)的，包括 現(xiàn)場測控層、企業(yè)級監(jiān)控層與遠(yuǎn)程測控層。
現(xiàn)場測控層，包括IPv6智能測控裝置、IPv6模糊控制裝置、現(xiàn)場受控設(shè)備模塊及現(xiàn)場傳感器，且該層采用IPv6，運行TCP/IPv6協(xié)議棧，并由現(xiàn)場監(jiān)控給予所述每個現(xiàn)場測控單元賦予一個IPv6地址通過以太網(wǎng)接口接入網(wǎng)絡(luò)； 企業(yè)級監(jiān)控層，包括以太網(wǎng)交換機或集線器、實時數(shù)據(jù)庫服務(wù)器、測控測略服務(wù)器、Web服務(wù)器，該層網(wǎng)絡(luò)與現(xiàn)場測控網(wǎng)絡(luò)通過路由器進(jìn)行連接，并采用主流測略的雙協(xié)議棧方法進(jìn)行通信，且該層使用IPv4并通過Web服務(wù)器與外界互聯(lián)網(wǎng)相連。
遠(yuǎn)程測控層，該層是基于互聯(lián)網(wǎng)的遠(yuǎn)程測控層，主要包括遠(yuǎn)程工作站和終端微機，且該層網(wǎng)絡(luò)使用IPv4。
所述系統(tǒng)中應(yīng)用SIP(Session Initiation Protocol，會話發(fā)起協(xié)議)中間件技術(shù)，能夠迅速便捷地建立數(shù)據(jù)連接、提供完全的即插即用功能，輔以在線設(shè)備控制、自動注冊及訂閱信息等功能。
參見圖2，協(xié)同測量機理模型，基于協(xié)同學(xué)思想的闡述，協(xié)同學(xué)在網(wǎng)絡(luò)化測控領(lǐng)域可形成一個觀點“測量確定性的過程即為測量協(xié)同的過程”。系統(tǒng)測量協(xié)同過程即初始狀態(tài)的配置，其中也包括部分有序化的子系統(tǒng)，屬于這個子系統(tǒng)的序參量在競爭中取勝，最后支配整個系統(tǒng)并使其進(jìn)入這個特定的有序狀態(tài)，完成系統(tǒng)的宏觀質(zhì)變。通過測量協(xié)同，使得IP協(xié)同測控系統(tǒng)從不確定狀態(tài)進(jìn)入確定狀態(tài)中，運用了這一機理，即各種特征的集合一旦給出，序參量間互相競爭，最終具有最強初始支撐的序參量(在平衡注意參數(shù)情況下，即對應(yīng)初始模最大的序參量；在不平衡注意參數(shù)情況下，不僅與序參量初始值有關(guān)，而且還與注意參數(shù)大小有關(guān))贏得勝利，從而呈現(xiàn)系統(tǒng)原來所缺少的特征。可以看出，在測量協(xié)同之際的互補過程和系統(tǒng)確定化過程的聯(lián)想之間有一個完全對應(yīng)的關(guān)系。
通過協(xié)同測量演化機理的分析，結(jié)合基于協(xié)同學(xué)理論發(fā)展起來的協(xié)同神經(jīng)網(wǎng)絡(luò)(SNNSynergetic neural network)，建立一個基于“合作-競爭-協(xié)調(diào)”的多傳感協(xié)同測量決策模型，模型由IPv4/IPv6共存智能測控系統(tǒng)的內(nèi)部和外部元素及表示組成，具有三層結(jié)構(gòu)，第一層是接受輸入的模擬神經(jīng)元，代表多傳感點的輸入；第一層各傳感點通過合作將結(jié)果投射到代表序參量的第二層，其中各序參量進(jìn)行競爭，如果通過若干步迭代后認(rèn)知網(wǎng)絡(luò)收斂達(dá)到穩(wěn)定，說明某個序參量役使系統(tǒng)進(jìn)入定常狀態(tài)；第三層表示源自獲勝序參量的輸出，通過協(xié)調(diào)運算，最后可呈現(xiàn)系統(tǒng)協(xié)同測量結(jié)果。下面基于該模型，進(jìn)行協(xié)同測量動力學(xué)方程的建立與推導(dǎo)。
協(xié)同測量動力學(xué)方程的建立及推導(dǎo) IPv4/IPv6共存智能測控系統(tǒng)是一個大區(qū)域的分布式復(fù)雜系統(tǒng)，由許多測控單元組成，設(shè)想測量量值的信息沿著系統(tǒng)演化的方向移動，當(dāng)信息量達(dá)到某個閾值時，與之對應(yīng)的某個測量量值就確定了。因此可用N個分量的狀態(tài)向量來描述該系統(tǒng) q＝(V1，V2，L，VN)(1) 同樣的，狀態(tài)向量q服從如下方程隨時間演化 假設(shè) 可得到 引入伴隨矢量vk+，它由正交關(guān)系定義?？梢宰C明，可構(gòu)造一個具有如下性質(zhì)的伴隨向量集合 其中σkj是Kronecker算符。當(dāng)k＝j(luò)時，σkj＝1，其它情況下σkj＝0。
通過定義 結(jié)合如下性質(zhì) Lvj(x)＝λjvj(x) 再用vk+乘式(4)，先進(jìn)行內(nèi)積再對空間求積分，式(4)可寫成如下形式 可根據(jù)特征值λj實部符號來區(qū)分兩種模，即如實部是非負(fù)的，則其組態(tài)v(x)為非穩(wěn)定模，用u表示；如為負(fù)，則為穩(wěn)定模，用s表示。因此可以構(gòu)造式(8)的有效解g(x，t)，于是得到 當(dāng)用vj+乘式(9)，并用恒等式(5)，可得 對于εu，并用下式代替εs的方程， 可得到 并采用vj(x)乘以式(8)和式(11)，隨后對j取和，可得 同時借助于關(guān)系式 可由初始矢量vk構(gòu)造伴隨矢量。這里的vk′是vk的轉(zhuǎn)置矢量，其系數(shù)Akk′，確定如下 以vk左乘式(13)的兩邊，根據(jù)正交關(guān)系式，得到 k＝1，...，M(14) 引入縮寫式I＝(δkk″)，A＝(Akk′)和V＝(vk′′vk″)。這樣可以把式(14)再寫成矩陣方程I＝AV，其解為A＝V-1 這樣基于協(xié)同認(rèn)知的動力學(xué)方法，將協(xié)同測量的動力學(xué)方程做如下表示 其中，常數(shù)D應(yīng)被構(gòu)成依賴于k和k′，即D→Dkk′；q是以輸入信息q(0)為初始值的測量向量；λk稱為協(xié)同參數(shù)，只有當(dāng)它為正的時候，才可以最準(zhǔn)確的描述測量量值；D和S指定系數(shù)，F(xiàn)(t)為系統(tǒng)運行中的測量不確定漲落力。式中第一項的vk·vk+可以稱為學(xué)習(xí)矩陣，當(dāng)λk為正值時會導(dǎo)致q的指數(shù)增長，第三項是限制這種增長的因素，第二項用于對測量信息的辨別，實現(xiàn)描述量值信息的完備性。基于上面建立的協(xié)同測量系統(tǒng)的動力學(xué)方程，下面繼續(xù)討論系統(tǒng)協(xié)同測量的序參量方程和勢函數(shù)。
當(dāng)系統(tǒng)得到的一組由于產(chǎn)生不確定性而不完備的信息，比如，一組強噪聲的數(shù)據(jù)或缺損的信息，我們稱其為描述量值的測量信息向量q，q隨著時間的推移逐步完善，最終經(jīng)中間狀態(tài)q(t)達(dá)到矢量vk0，這個vk0是描述量值的一個原始模式，即這個原始模式可以最準(zhǔn)確的描述測量量值，它與初始的輸入信息q(0)最為接近，用協(xié)同學(xué)的術(shù)語說就是使其處于這個原始模式的吸引谷底，這個動力學(xué)過程可簡單的描述為q(0)→q(t)→vk0。
把信息向量q分解為原始向量和隨機向量，即 其中定義q的伴隨向量為 其中(z+vk)＝0，顯然有 將式(16)代入(18)，根據(jù)正交關(guān)系，得到序參量 可以證明得到下述形式的動力學(xué)方程 將式(15)乘以vk+，用上述vk+、vk、z、z+之間的正交性關(guān)系及式(19)，可得到如下方程 用正交于原型模式向量vk的向量hl+乘以式(15)，并對各單個分量求和，可得到如下方程 由于式(22)右端乘以z的因子總為負(fù)，于是可知 |z|→0，當(dāng)t→∞(23) 于是，進(jìn)行失穩(wěn)分析，利用精確消去的支配原理，消去穩(wěn)定?？傻贸鲂騾⒘糠匠倘缦? 或 這些序參量服從初始條件其中式(25)第一項為自激勵項，代表了模式對自身的反饋激勵作用，如果沒有其他抑制項，它將帶來指數(shù)增長；第二項為自抑制項，它代表了模式對自身過度增長的抑制；第三項為側(cè)抑制項，它代表了模式之間的相互抑制，任何一個序參量的增大都會對其他所有序參量產(chǎn)生抑制作用。
利用式(20)，得到序參量方程相應(yīng)的勢函數(shù)為 通過求解序參量方程式(24)，可得到測量系統(tǒng)演化前后的狀態(tài)，而對勢函數(shù)(26)的分析可以確定系統(tǒng)的穩(wěn)定性，表征了測量信息演化的過程，在協(xié)同測量中起著決定作用，這也就是用協(xié)同學(xué)處理測量問題的方法。
根據(jù)以上推導(dǎo)，將含有多個自由度的系統(tǒng)簡化為只含序參量的方程，并且得到其勢函數(shù)，通過求解方程，可以得到協(xié)同測量系統(tǒng)變化前后的狀態(tài)。
根據(jù)協(xié)同學(xué)的推導(dǎo)，其相應(yīng)的序參量方程和勢函數(shù)分別為式(24)和式(26)所示。
因此有 其中， 當(dāng)系統(tǒng)達(dá)到穩(wěn)定狀態(tài)時有
其中γ為迭代步長，它決定著協(xié)同測量勢函數(shù)演化過程的穩(wěn)定性。這樣，機理模型三層網(wǎng)絡(luò)結(jié)構(gòu)的各層之間滿足如下關(guān)系，從輸入層到中間層之間有 從中間層到輸出層之間有 在三層網(wǎng)絡(luò)中，中間層序參量按式(28)的動力學(xué)方程進(jìn)行演化，從輸入到輸出的各神經(jīng)元之間不斷的競爭與協(xié)同，實現(xiàn)協(xié)同測量網(wǎng)絡(luò)的自組織、自學(xué)習(xí)、自聯(lián)想和自記憶等功能。在整個協(xié)同測量的勢函數(shù)演化過程，系統(tǒng)受到定義各原型模式吸引域之間邊界的參數(shù)D、抑制參數(shù)S及協(xié)同參數(shù)λk(k＝1，2，…，M)的影響。尤其λk，其控制著模式變化的速度，決定著序參量的終值大小。勢函數(shù)所有極小值都對應(yīng)于一個有序的模式，沒有偽狀態(tài)。對于協(xié)同參數(shù)λk＝C時，所有的吸引子的吸引效果是相等的，或者說，能量函數(shù)的勢阱是等深的，序參量演化的終值為1或0；當(dāng)在不平衡的協(xié)同參數(shù)作用下，它將決定勢阱的深度，序參量演化的終值不一定為1或0，它們對應(yīng)著系統(tǒng)演化的權(quán)重，最終聯(lián)合決定著系統(tǒng)演化過程。可以通過證明得出，在平衡協(xié)同參數(shù)情況下，如果一開始|εk0|就大于其他的任何一個|ε|，則動力學(xué)將這個系統(tǒng)拉到穩(wěn)定不動點εk0＝1，其他全部的ε＝0；如果一開始大于其他|εk|，則動力學(xué)就結(jié)束在這個對應(yīng)的鞍點上。據(jù)此，僅僅是漲落力能夠驅(qū)使系統(tǒng)進(jìn)入屬于k1，k2，…，km的任何一個不動點。
從上面的分析推導(dǎo)可以看出，自組織系統(tǒng)的方程實質(zhì)上是齊次的，即q＝0必是它的一個解，但是，如果系統(tǒng)開始處于q＝0而且不動，則它永遠(yuǎn)保持在q＝0并且不發(fā)生自組織現(xiàn)象。所以在自然界的許多例子中，漲落總是存在的，IP模式測控復(fù)雜系統(tǒng)也不例外。參見圖3，描述了漲落的作用，只要自組織現(xiàn)象存在并設(shè)系統(tǒng)處于某個態(tài)q1，則漲落就會有可能使系統(tǒng)到達(dá)其它新的態(tài)。若沒有漲落，系統(tǒng)決不會認(rèn)識到態(tài)q2，并且從態(tài)q1發(fā)展到態(tài)q2。在測控系統(tǒng)中來自外部因素的影響就體現(xiàn)了這種漲落的作用，最終得出協(xié)同測量的宏觀結(jié)果。然而這是一個精確的歸類過程，協(xié)同神經(jīng)網(wǎng)絡(luò)SNN(Synergetic Neural Network)處理的是一維問題，這就丟失了相鄰測量值的相關(guān)屬性，忽略了系統(tǒng)中的空間信息，因此要進(jìn)一步提高補償數(shù)據(jù)的精度，可進(jìn)行橫向數(shù)據(jù)的關(guān)聯(lián)計算，體現(xiàn)出一種合作、競爭、協(xié)調(diào)的過程。
基于協(xié)同測量機理模型的決策方法 參見圖4，基于協(xié)同測量機理模型，建立協(xié)同測量動力學(xué)方程，并對協(xié)同測量機理進(jìn)行數(shù)學(xué)推導(dǎo)，得出協(xié)同測量機理的演化過程是一種合作-競爭-協(xié)調(diào)的過程，合作過程，根據(jù)區(qū)域的多組測量向量獲取區(qū)域向量，并且將該區(qū)域向量自動轉(zhuǎn)換成的伴隨向量進(jìn)行計算，構(gòu)造出序參量，形成協(xié)同神經(jīng)網(wǎng)絡(luò)；競爭過程，通過將多傳感點輸入到神經(jīng)網(wǎng)絡(luò)，當(dāng)各傳感點通過合作投射到?jīng)Q策序參量時，其各序參量之間進(jìn)行競爭，當(dāng)序參量迭代后認(rèn)知網(wǎng)絡(luò)收斂達(dá)到穩(wěn)定，則該序參量使系統(tǒng)進(jìn)入定常狀態(tài)；協(xié)調(diào)過程，將系統(tǒng)進(jìn)入定常狀態(tài)的序參量輸出的測量數(shù)據(jù)進(jìn)行協(xié)調(diào)運算，得到系統(tǒng)協(xié)同測量的結(jié)果。下面依據(jù)此結(jié)論，提出如下基于協(xié)同測量機理模型的決策新方法，該方法的執(zhí)行過程主要包括三個階段，首先是網(wǎng)絡(luò)的學(xué)習(xí)過程，然后是預(yù)決策過程，最后是決策過程。其算法流程參見圖5，算法內(nèi)容描述如下 (1)獲取合適的多傳感參數(shù)的系列原始向量，作為樣本集Z，向量維數(shù)為n； (2)基于比例的K-均值聚類思想，建立在誤差平方和準(zhǔn)則基礎(chǔ)之上，確定最終的區(qū)域向量，其個數(shù)為M，必須滿足M≤N，并進(jìn)行初始化； (3)計算區(qū)域向量的伴隨向量vkj+，構(gòu)造序參量，形成SNN； (4)機制演化過程的系列參數(shù)D、S、γ及λk確定，完成預(yù)處理，獲得協(xié)同基準(zhǔn)向量； (5)結(jié)合預(yù)處理結(jié)果，基于平均值修正不確定性實時測量向量，求得協(xié)同決策結(jié)果。協(xié)同測量方法的具體實現(xiàn)首先進(jìn)行基于比例聚類的區(qū)域向量選擇。對 于協(xié)同測量機里模型來說，網(wǎng)絡(luò)、向量的初始化主要在于選擇適當(dāng)?shù)挠?xùn)練模式進(jìn)行學(xué)習(xí)訓(xùn)練，協(xié)同學(xué)習(xí)是一個中心問題。因為在網(wǎng)絡(luò)的學(xué)習(xí)、訓(xùn)練期間對于每個類，不只是只有一個樣本，而是一個樣本集。若選取所有的樣本來記憶，由于同一類中不同樣本存在差異，即會使網(wǎng)絡(luò)的吸引域十分混亂，系統(tǒng)每一時刻的每一組測量數(shù)據(jù)之間存在一定的相關(guān)性，在某種前提條件下，即可歸類為一個區(qū)域向量。區(qū)域向量選擇是一個重要的方面，本機制基于聚類分析思想，因為最小平方準(zhǔn)則對數(shù)據(jù)中的異常值是高度敏感的，因此該思想建立在誤差平方和準(zhǔn)則基礎(chǔ)之上，為得到最優(yōu)結(jié)果，先選擇一些明顯的樣本作為聚類中心，然后把其余的點融合到各類中，于是每個類選取一個“代表”來進(jìn)行記憶，完成區(qū)域向量的準(zhǔn)確運算，其方法具體如下 設(shè)樣本集為z，第i數(shù)據(jù)樣本Xi＝[xi1xi2…xin]，因此樣本集可表示為如下的一個k×n數(shù)據(jù)矩陣 根據(jù)比例聚類思想，將樣本集進(jìn)行轉(zhuǎn)化，如下式所示， 其中用樣本集A＝[A1 A2…An]表示矩陣設(shè)樣本集A含有m個類型，特征空間R＝T1UT2U…UTm，基于誤差平方和作為聚類準(zhǔn)則函數(shù)。
①設(shè)定m個作為初始聚類中心的代表樣本(上腳標(biāo)為尋找聚類中心的迭代次數(shù))； ②取樣本Ai，若有(i＝1，2，…，k；j，l＝1，2，…，m(l≠j)，n是迭代次數(shù))，則Tjn是聚類中心為zjn樣本集合 ③得到新的聚類中心nj為zj類中所包含的樣本數(shù)； ④若(其中j＝1，2，…，m)則程序結(jié)束，此時否則令n＝n+1，轉(zhuǎn)到②； ⑤對m個區(qū)域向量進(jìn)行零均值和歸一化處理，得到vk，其中k＝1，2，…，m，也即獲得網(wǎng)絡(luò)模型中的vlk權(quán)值向量。
完成了區(qū)域向量的求取，下面需要對伴隨向量的求取。由于測控平臺的測控數(shù)據(jù)各自之間存在一定的繼承關(guān)系，基于上面的聚類算法所得出的區(qū)域向量不能保證正交，而新穎反饋式協(xié)同神經(jīng)網(wǎng)絡(luò)采用通用的M-P廣義逆求解算法，其最大優(yōu)勢恰好就是不需要原始向量正交化，同時兼顧精度和速度等要求。下面對M-P廣義逆矩陣進(jìn)行求解。
定理1 設(shè)各區(qū)域向量組成的是m×n矩陣A，M-P廣義逆矩陣記為A+，則滿足如下全部四個條件， ①AA+A＝A； ②A+AA+＝A+； ③(A+A)H＝A+A； ④(AA+)H＝AA+的n×m矩陣A+存在而且唯一。
定理2 設(shè)存在酉矩陣P和Q，使得 這里D＝diag(d1，d2，…，dr)，且d1≥d2≥…≥dr＞0。
基于矩陣的奇異值分解定理可知， 從定理1中的四個滿足條件出發(fā)，事實上， 因此M-P廣義逆矩陣A+的表達(dá)式為 其中當(dāng)m＝n＝r時，A可逆時，則A-1滿足定理1的全部條件，故可得A+＝A-1。根據(jù)A+，可獲得網(wǎng)絡(luò)模型中的vkj+權(quán)值向量。
基于求取的區(qū)域向量vlk和伴隨向量vkj+，可根據(jù)如下公式 從而很容易求得m個中間層序參量ξk。多個序參量根據(jù)如下公式(前面推導(dǎo)結(jié)果)進(jìn)行自組織演化， 其中， 對于參數(shù)D、S、γ應(yīng)選取適當(dāng)?shù)闹担话闳＝S＝1，網(wǎng)絡(luò)的穩(wěn)定性主要取決于γ的值，取γ＝1/E的形式，可以自適應(yīng)的調(diào)整步長，保證了網(wǎng)絡(luò)的穩(wěn)定快速收斂。協(xié)同參數(shù)λk的選擇決定著序參量的終值大小，取協(xié)同注意參數(shù)λk＝C，序參量演化的終值為1或0，此時決策的問題有主要的外部漲落決定因素，導(dǎo)致系統(tǒng)快速呈現(xiàn)動力學(xué)自組織演化結(jié)果，從而可獲得決策的預(yù)結(jié)果，由下式(前面推導(dǎo)結(jié)果)計算得出 預(yù)結(jié)果的得出，即可獲得對應(yīng)的Zp(p＝1，2…，m)協(xié)同向量，該協(xié)同向量作為協(xié)調(diào)計算中的基準(zhǔn)，該基準(zhǔn)準(zhǔn)確反映了實時測量數(shù)據(jù)向量之間的關(guān)系，可由wij來體現(xiàn)其中各維之間關(guān)系， 當(dāng)該實時測量數(shù)據(jù)向量中只有單維數(shù)據(jù)Qlj出現(xiàn)不確定情況時，可推導(dǎo)出如下公式 其中Qj為單維數(shù)據(jù)Qlj的確定化過程結(jié)果。
當(dāng)該實時測量數(shù)據(jù)向量中有兩維數(shù)據(jù)Qlj和Qlt出現(xiàn)不確定情況時，可推導(dǎo)出如下公式 其中Qt為Qlt的推算結(jié)果，Qj是為Qlj確定化結(jié)果。
由上面思路可進(jìn)行類推，當(dāng)實時數(shù)據(jù)向量中有k維數(shù)據(jù)同時出現(xiàn)不確定情況時，同樣可推導(dǎo)出如下公式 其中k＜n，Qj為第一個不確定性維的推算結(jié)果，Qt為第二個推算結(jié)果，Qp為第k-1個推算結(jié)果，Qh為第k個確定化結(jié)果。由上述公式的推導(dǎo)可知，當(dāng)k≥n時，該通用公式不成立，然而對應(yīng)測控系統(tǒng)來分析，其中的協(xié)同測量維數(shù)最大為n，并不存在k＞n這種情況；當(dāng)出現(xiàn)k＝n時，那意味著整個系統(tǒng)完全癱瘓不能工作，這種情況出現(xiàn)的概率非常低，已經(jīng)超出了外界環(huán)境(干擾、噪聲等)引起的漲落現(xiàn)象所研究的問題。
本發(fā)明解決類似領(lǐng)域的共性問題，可廣泛應(yīng)用于化工、糧食及軍用彈藥倉庫、香煙、藥品、紡織制造行業(yè)以及直接推廣到現(xiàn)代溫室中等復(fù)雜測控系統(tǒng)的多傳感管理與信號處理中。主要有如下以下三個特點 (1)基于協(xié)同學(xué)進(jìn)行多傳感協(xié)同測量處理具有可自學(xué)習(xí)、自聯(lián)想記憶和自尋優(yōu)等優(yōu)點，一方面通過在數(shù)學(xué)意義上嚴(yán)格處理網(wǎng)絡(luò)的行為，準(zhǔn)確地知道運行特性，所以不存在偽狀態(tài)現(xiàn)象；另一方面，采用自上而下的構(gòu)造方法，可避免自下而上方法帶來的動力學(xué)行為不唯一性和不可控性，大大降低IPv4/IPv6共存智能測控系統(tǒng)隨機不確定性問題； (2)提出的基于比例聚類來實現(xiàn)區(qū)域向量，確定區(qū)域向量個數(shù)m等于向量維數(shù)n。方法對測量數(shù)據(jù)中的異常值高度敏感，降低吸引域混亂程度，減小訓(xùn)練時間； (3)通過改變決策模型中的學(xué)習(xí)矩陣vk·vk+就可以進(jìn)行不同類型決策問題的智能決策，因此可推廣到大規(guī)模復(fù)雜系統(tǒng)決策問題研究中。
以上所述，僅為本發(fā)明較佳的具體實施方式
，但本發(fā)明的保護范圍并不局限于此，任何熟悉本技術(shù)領(lǐng)域的技術(shù)人員在本發(fā)明揭露的技術(shù)范圍內(nèi)，可輕易想到的變化或替換，都應(yīng)涵蓋在本發(fā)明的保護范圍之內(nèi)。因此，本發(fā)明的保護范圍應(yīng)該以權(quán)利要求的保護范圍為準(zhǔn)。
權(quán)利要求
1.一種分布式多傳感協(xié)同測量方法，其特征在于，包括
A建立一個多傳感協(xié)同測量模型；
B獲取區(qū)域的區(qū)域向量，且該區(qū)域向量自動轉(zhuǎn)換成伴隨向量；
C將多個偏微分方程組化為一個或幾個序參量方程，并得到多維不確定性決策的通用計算公式。
2.根據(jù)權(quán)利要求1所述的分布式多傳感協(xié)同測量方法，其特征在于，所述步驟A還包括
A1基于協(xié)同論，形成序參量自組織演化產(chǎn)生宏觀系統(tǒng)的協(xié)同測量；
A2機理模型是基于“合作-競爭-協(xié)調(diào)”三步連續(xù)動態(tài)過程。
3.根據(jù)權(quán)利要求2所述的分布式多傳感協(xié)同測量方法，其特征在于，所述步驟A2主要包括
合作過程，根據(jù)區(qū)域的多組測量向量獲取區(qū)域向量，并且將該區(qū)域向量自動轉(zhuǎn)換成的伴隨向量進(jìn)行計算，構(gòu)造出序參量，形成協(xié)同神經(jīng)網(wǎng)絡(luò)；
競爭過程，通過將多傳感點輸入到神經(jīng)網(wǎng)絡(luò)，當(dāng)各傳感點通過合作投射到?jīng)Q策序參量時，其各序參量之間進(jìn)行競爭，當(dāng)序參量迭代后認(rèn)知網(wǎng)絡(luò)收斂達(dá)到穩(wěn)定，則該序參量使系統(tǒng)進(jìn)入定常狀態(tài)；
協(xié)調(diào)過程，將系統(tǒng)進(jìn)入定常狀態(tài)的序參量輸出的測量數(shù)據(jù)進(jìn)行協(xié)調(diào)運算，得到系統(tǒng)協(xié)同測量的結(jié)果。
4.根據(jù)權(quán)利要求1所述的分布式多協(xié)同測量方法，其特征在于，所述步驟C還包括
根據(jù)協(xié)同論的原理，當(dāng)測控系統(tǒng)自發(fā)形成空間結(jié)構(gòu)、時間結(jié)構(gòu)和時空結(jié)構(gòu)在接近不穩(wěn)定點時，消去快變量，得到序參量的方程。
5.根據(jù)權(quán)利要求1或3所述的分布式多傳感協(xié)同測量方法，其特征在于，所述對序參量輸出的數(shù)據(jù)進(jìn)行協(xié)調(diào)運算的方法包括
將序參量演化過程的參數(shù)進(jìn)行預(yù)處理，得到協(xié)同基準(zhǔn)向量；
根據(jù)預(yù)處理的結(jié)果，并基于平均值修正不確定性實時測量向量，得到協(xié)同測量結(jié)果。
6.根據(jù)權(quán)利要求5所述的分布式多傳感協(xié)同測量方法，其特征在于，所述協(xié)同測量運算之前要確定協(xié)同自組織決策過程的系列參數(shù)，該參數(shù)包括
指定系數(shù)D和S、協(xié)同參數(shù)λk與迭代步長γ，取D＝S＝1，λk取一常數(shù)C，取γ＝1/E，并調(diào)整步長以協(xié)同測量網(wǎng)絡(luò)的穩(wěn)定快速收斂，其中ξ為序參量。
7.根據(jù)權(quán)利要求5所述的分布式多傳感協(xié)同測量方法，其特征在于，所述選定的誤差平方和聚類準(zhǔn)則函數(shù)中，首先確定聚類中心的數(shù)量M與原始向量維數(shù)N相等，以保證系統(tǒng)確定化決策結(jié)果的精度，其中為獲取多傳感協(xié)同測量的向量基準(zhǔn)奠定基礎(chǔ)，比例聚類的樣本集轉(zhuǎn)化是通過將每個原始向量中的每一維數(shù)值都除以第一維數(shù)值實現(xiàn)的。
8.一種分布式多傳感協(xié)同測量系統(tǒng)，其特征在于，所述系統(tǒng)是基于IPv4/IPv6的以太網(wǎng)方式進(jìn)行數(shù)據(jù)通訊，其中，整個網(wǎng)絡(luò)測控平臺分為現(xiàn)場測控層、企業(yè)級監(jiān)控層與遠(yuǎn)程測控層。
9.根據(jù)權(quán)利要求8所述的分布式多傳感協(xié)同測量系統(tǒng)，其特征在于，其中
現(xiàn)場測控層，包括IPv6智能測控裝置、IPv6模糊控制裝置、現(xiàn)場受控設(shè)備模塊及現(xiàn)場傳感器，且該層采用IPv6協(xié)議，運行TCP/IPv6協(xié)議棧，并由現(xiàn)場監(jiān)控給予所述每個現(xiàn)場測控單元賦予一個IPv6地址通過以太網(wǎng)接口接入網(wǎng)絡(luò)；
企業(yè)級監(jiān)控層，包括以太網(wǎng)交換機或集線器、實時數(shù)據(jù)庫服務(wù)器、測控測略服務(wù)器、Web服務(wù)器，該層網(wǎng)絡(luò)與現(xiàn)場測控網(wǎng)絡(luò)通過路由器進(jìn)行連接，并采用主流測略的雙協(xié)議棧方法進(jìn)行通信，且該層使用IPv4協(xié)議并通過Web服務(wù)器與外界互聯(lián)網(wǎng)相連；
遠(yuǎn)程測控層，該層是基于互聯(lián)網(wǎng)的遠(yuǎn)程測控層，主要包括遠(yuǎn)程工作站和終端微機，且該層網(wǎng)絡(luò)使用IPv4協(xié)議。
10.根據(jù)權(quán)利要求8所述的分布式多傳感協(xié)同測量系統(tǒng)，其特征在于，該系統(tǒng)應(yīng)用會話發(fā)起協(xié)議技術(shù)，建立數(shù)據(jù)連接、控制在線設(shè)備、自動注冊及訂閱信息。
全文摘要
本發(fā)明公開了一種分布式多傳感協(xié)同測量方法及系統(tǒng)，該方法包括建立一個多傳感協(xié)同測量模型；獲取區(qū)域的區(qū)域向量，且該區(qū)域向量自動轉(zhuǎn)換成伴隨向量；將多個偏微分方程組化為一個或幾個序參量方程，通過序參量自組織演化以產(chǎn)生宏觀結(jié)構(gòu)，并得到不確定性問題決策的通用計算公式，其中，建立基于“合作-競爭-協(xié)調(diào)”過程的多傳感協(xié)同測量機理模型，形成三層反饋式協(xié)同測量方法。所述系統(tǒng)包括基于IPv4/IPv6的以太網(wǎng)方式進(jìn)行數(shù)據(jù)通訊，其中，整個網(wǎng)絡(luò)測試平臺分為現(xiàn)場測控層、企業(yè)級監(jiān)控層與遠(yuǎn)程測控層。
文檔編號H04L29/08GK101222524SQ20081005580
公開日2008年7月16日 申請日期2008年1月9日 優(yōu)先權(quán)日2008年1月9日
發(fā)明者洪曉斌, 劉桂雄, 周欽河, 陳鐵群, 謝寶忠 申請人:華南理工大學(xué)