知財求人 - 知財ポータルサイト「IP Force」
(19)【発行国】日本国特許庁(JP)
(12)【公報種別】公表特許公報(A)
(11)【公表番号】
(43)【公表日】2024-07-09
(54)【発明の名称】遠隔制御装置のための監視管理システム
(51)【国際特許分類】
G05B 23/02 20060101AFI20240702BHJP
G05B 13/02 20060101ALI20240702BHJP
【ＦＩ】
G05B23/02 X
G05B13/02 J
【審査請求】有
【予備審査請求】未請求
(21)【出願番号】P 2022576569
(86)(22)【出願日】2022-08-05
(85)【翻訳文提出日】2022-12-12
(86)【国際出願番号】 CN2022110397
(87)【国際公開番号】W WO2023240769
(87)【国際公開日】2023-12-21
(31)【優先権主張番号】202210689652.5
(32)【優先日】2022-06-17
(33)【優先権主張国・地域又は機関】CN
(81)【指定国・地域】
(71)【出願人】
【識別番号】520448452
【氏名又は名称】浙大城市学院
(74)【代理人】
【識別番号】100216471
【弁理士】
【氏名又は名称】瀬戸 麻希
(72)【発明者】
【氏名】張高燕
(72)【発明者】
【氏名】柯海豊
(72)【発明者】
【氏名】兪雪永
【テーマコード（参考）】
3C223
5H004
【Ｆターム（参考）】
3C223AA11
3C223BA01
3C223CC01
3C223FF03
3C223FF12
3C223FF13
3C223FF17
3C223FF42
5H004GA17
5H004GB01
5H004KC01
(57)【要約】
遠隔制御装置のための監視管理システムは、該システムは第１制御対象に通信接続し、第
１採集ユニット１１と、第１採集ユニット１１は、第１制御対象情報と第１応用対象情報
を含む第１監視シーン情報を採集し、第１生成ユニット１２と、第１生成ユニット１２は
、該第１制御対象情報に対して評価指標マッチングを行い、第１評価指標集合を生成し、
該評価指標が制御対象状態を特徴づけ、第２生成ユニット１３と、第２生成ユニット１３
は、該第１制御対象情報に対して制御パラメータ抽出を行い、第１制御パラメータ集合を
生成し、第３生成ユニット１４と、第３生成ユニット１４は、該第１制御パラメータ集合
に基づいて、該第１評価指標集合をエルゴードし、第１目標関数集合を生成し、第１取得
ユニット１５と、第１取得ユニット１５は、該第１応用対象情報に対してリアルタイム状
態抽出を行い、第１リアルタイム状態情報を取得し、第４生成ユニット１６と、第４生成
ユニット１６は、第１リアルタイム状態情報および第１評価指標集合を第１セレクティン
グモデルに入力し、評価指標値セレクティング結果情報を生成し、第５生成ユニット１７
と、第５生成ユニット１７は、該第１目標関数集合と該評価指標値セレクティング結果情
報とに基づいて該第１制御パラメータ集合を最適化し、最適制御パラメータ集合を生成し
、該最適制御パラメータ集合に基づいて該第１制御対象を遠隔制御する。監視シーン情報
を用いて制御対象を決定し及び制御対象を特徴づけることによって処理される応用対象情
報を決定し、制御対象マッチング状態に基づいて指標集合を評価し、制御対象に対して指
標集合の１対１の対応する制御パラメータ情報を抽出・評価し、１対１の対応する制御パ
ラメータと評価指標との関連関係を特徴づける経験的目標関数集合を生成し、応用対象情
報のリアルタイム状態情報を抽出し、リアルタイム状態に基づいてインテリジェント化モ
デルを用いて評価指標値をマッチングし、マッチング評価指標値と目標関数集合に基づい
て制御パラメータ集合を最適化し、現在のシーンに適した制御パラメータ最適化結果を得
て制御対象を制御し、インテリジェント化モデルを用いて現在のシーンに適した評価指標
値をマッチングし、さらに目標関数と評価指標値に基づいて最適化アルゴリズムにより制
御パラメータのマッチングを実現する。リアルタイム状態に適しており、しかも精度が高
く、人への依存を低減し、遠隔監視管理の安定性を高める技術効果を達成する。
１採集ユニット１１と、第１採集ユニット１１は、第１制御対象情報と第１応用対象情報
を含む第１監視シーン情報を採集し、第１生成ユニット１２と、第１生成ユニット１２は
、該第１制御対象情報に対して評価指標マッチングを行い、第１評価指標集合を生成し、
該評価指標が制御対象状態を特徴づけ、第２生成ユニット１３と、第２生成ユニット１３
は、該第１制御対象情報に対して制御パラメータ抽出を行い、第１制御パラメータ集合を
生成し、第３生成ユニット１４と、第３生成ユニット１４は、該第１制御パラメータ集合
に基づいて、該第１評価指標集合をエルゴードし、第１目標関数集合を生成し、第１取得
ユニット１５と、第１取得ユニット１５は、該第１応用対象情報に対してリアルタイム状
態抽出を行い、第１リアルタイム状態情報を取得し、第４生成ユニット１６と、第４生成
ユニット１６は、第１リアルタイム状態情報および第１評価指標集合を第１セレクティン
グモデルに入力し、評価指標値セレクティング結果情報を生成し、第５生成ユニット１７
と、第５生成ユニット１７は、該第１目標関数集合と該評価指標値セレクティング結果情
報とに基づいて該第１制御パラメータ集合を最適化し、最適制御パラメータ集合を生成し
、該最適制御パラメータ集合に基づいて該第１制御対象を遠隔制御する。監視シーン情報
を用いて制御対象を決定し及び制御対象を特徴づけることによって処理される応用対象情
報を決定し、制御対象マッチング状態に基づいて指標集合を評価し、制御対象に対して指
標集合の１対１の対応する制御パラメータ情報を抽出・評価し、１対１の対応する制御パ
ラメータと評価指標との関連関係を特徴づける経験的目標関数集合を生成し、応用対象情
報のリアルタイム状態情報を抽出し、リアルタイム状態に基づいてインテリジェント化モ
デルを用いて評価指標値をマッチングし、マッチング評価指標値と目標関数集合に基づい
て制御パラメータ集合を最適化し、現在のシーンに適した制御パラメータ最適化結果を得
て制御対象を制御し、インテリジェント化モデルを用いて現在のシーンに適した評価指標
値をマッチングし、さらに目標関数と評価指標値に基づいて最適化アルゴリズムにより制
御パラメータのマッチングを実現する。リアルタイム状態に適しており、しかも精度が高
く、人への依存を低減し、遠隔監視管理の安定性を高める技術効果を達成する。
【特許請求の範囲】
【請求項1】
遠隔制御装置のための監視管理システムであって、該システムは第１制御対象に通信接続し、
第１採集ユニット１１と、
第１採集ユニット１１は、第１制御対象情報と第１応用対象情報を含む第１監視シーン
情報を採集し、
第１生成ユニット１２と、
第１生成ユニット１２は、該第１制御対象情報に対して評価指標マッチングを行い、第
１評価指標集合を生成し、該評価指標が制御対象状態を特徴づけ、
第２生成ユニット１３と、
第２生成ユニット１３は、該第１制御対象情報に対して制御パラメータ抽出を行い、第
１制御パラメータ集合を生成し、
第３生成ユニット１４と、
第３生成ユニット１４は、該第１制御パラメータ集合に基づいて、該第１評価指標集合
をエルゴードし、第１目標関数集合を生成し、
第１取得ユニット１５と、
第１取得ユニット１５は、該第１応用対象情報に対してリアルタイム状態抽出を行い、
第１リアルタイム状態情報を取得し、
第４生成ユニット１６と、
第４生成ユニット１６は、第１リアルタイム状態情報および第１評価指標集合を第１セ
レクティングモデルに入力し、評価指標値セレクティング結果情報を生成し、
第５生成ユニット１７と、
第５生成ユニット１７は、該第１目標関数集合と該評価指標値セレクティング結果情報
とに基づいて該第１制御パラメータ集合を最適化し、最適制御パラメータ集合を生成し、
該最適制御パラメータ集合に基づいて該第１制御対象を遠隔制御する、
を含むことを特徴とする、遠隔制御装置のための監視管理システム。
【請求項2】
遠隔制御装置のための監視管理システムはさらに、第６生成ユニットと、
第６生成ユニットは、第１評価指標集合に基づいて該第１制御対象に対して指標値抽出
を行い、第１評価指標値集合を生成し、
第２取得ユニットと、
第２取得ユニットは、該第１リアルタイム状態情報と該第１評価指標値との集合を第１
マッチングネットワーク層に入力し、第１マッチング結果を取得し、
第７生成ユニットと、
第７生成ユニットは、該第１マッチング結果に不マッチング情報が含まれる場合、第１
セレクティングネットワーク層を活性化し、該第１リアルタイム状態情報と該第１評価指
標集合を入力し、該評価指標値セレクティング結果情報を生成し、
第１処理ユニットと、
第１処理ユニットは、該第１マッチング結果にマッチング情報が含まれる場合に、該第
１評価指標値集合を当該評価指標値セレクティング結果情報とする、
を含むことを特徴とする請求項１に記載の遠隔制御装置のための監視管理システム。
【請求項3】
遠隔制御装置のための監視管理システムは、さらに第３取得ユニットと、
第３取得ユニットは、複数グループのリアルタイム状態情報、評価指標値集合およびマ
ッチング結果識別情報を含む第１の履歴データを取得し、
第１構築ユニットと、
第１構築ユニットは、複数グループのリアルタイム状態情報、評価指標値集合とマッチ
ング結果識別情報に基づいて、第１マッチングネットワーク層を構築し、
第４取得ユニットと、
第４取得ユニットは、複数グループのリアルタイム状態情報、評価指標集合、評価指標
値識別情報を含む第２履歴データを取得し、
第２構築ユニットと、
第２構築ユニットは、複数グループのリアルタイム状態情報、評価指標集合および評価
指標値識別情報に基づいて、第１セレクティングネットワーク層を構築し、
第８生成ユニットと、
第８生成ユニットは、第１マッチングネットワーク層と第１セレクティングネットワー
ク層とをマージし、第１セレクティングモデルを生成する、
を含むことを特徴とする請求項２に記載の遠隔制御装置のための監視管理システム。
【請求項4】
遠隔制御装置のための監視管理システムは、さらに第９生成ユニットと、
第９生成ユニットは、該第１目標関数集合に基づいて、第１最適化空間を生成し、該第
１最適化空間次元と該第１目標関数集合次元とが相同であり、
第５取得ユニットと、
第５取得ユニットは、該第１最適化空間に基づいて、第１速度拘束パラメータと第１位
置拘束パラメータとを取得し、
第１０生成ユニットと、
第１０生成ユニットは、該評価指標値セレクティング結果情報を該第１最適化空間に入
力して初期化し、初期化が完了した後に第１最適化指令を生成し、
第１１生成ユニットと、
第１１生成ユニットは、該第１最適化指令を受信し、該第１制御パラメータ集合を該第
１最適化空間に入力し、該第１速度拘束パラメータと該第１位置拘束パラメータとに基づ
いて最適化し、該最適化制御パラメータ集合を生成する、
を含むことを特徴とする請求項１に記載の遠隔制御装置のための監視管理システム。
【請求項5】
遠隔制御装置のための監視管理システムは、さらに第１２生成ユニットと、
第１２生成ユニットは、該評価指標値スクリニング結果情報を該第１目標関数集合に入
力し、制御パラメータ粒子群を生成し、
第６取得ユニットと、
第６取得ユニットは、第１マッチング度評価式および第１容受度評価式を取得し、
第２処理ユニットと、
第２処理ユニットは、該制御パラメータ粒子群、該第１適合度評価式および該第１受容
度評価式に基づいて、該第１最適化空間を初期化する、
を含むことを特徴とする請求項４に記載の遠隔制御装置のための監視管理システム。
【請求項6】
隔制御装置のための監視管理システムは、さらに第１設定ユニットと、
第１設定ユニットは、該第１マッチング度評価式を設定し、該式は、
頻度を示し、
おける選択頻度を示し、
第２設定ユニットと、
第２設定ユニットは、該第１容受度評価式を設定し、該式は、
を含むことを特徴とする請求項５に記載の遠隔制御装置のための監視管理システム。
【請求項7】
隔制御装置のための監視管理システムは、さらに第３処理ユニットと、
第３処理ユニットは、該第１容受度が１である場合、第ｎ制御パラメータ集合を淘汰デ
ータグループに追加し、第ｎ＋１制御パラメータ集合に基づいて最適化を継続し、
第４処理ユニットと、
第４処理ユニットは、該第１容受度が０である場合、第ｎ＋１制御パラメータ集合を淘
汰データグループに追加し、第ｎ制御パラメータ集合に基づいて最適化を継続する、
を含むことを特徴とする請求項６に記載の遠隔制御装置のための監視管理システム。
【請求項8】
第１制御対象に通信接続する遠隔制御設備の監視管理システムに用いられる遠隔制御設備の監視管理方法であって、
Ｓ１００：第１制御対象情報と第１応用対象情報を含む第１監視シーン情報を採集するス
テップと、
Ｓ２００：該第１制御対象情報に対して制御対象状態を特徴付ける評価指標のマッチング
を行い、第１評価指標集合を生成するステップと、
Ｓ３００：該第１制御対象情報に対して制御パラメータ抽出を行い、第１制御パラメータ
集合を生成するステップと、
Ｓ４００：該第１制御パラメータ集合に基づいて、該第１評価指標集合をエルゴードして
、第１目標関数集合を生成するステップと、
Ｓ５００：該第１応用対象情報に対してリアルタイム状態抽出を行い、第１リアルタイム
状態情報を取得するステップと、
Ｓ６００：該第１リアルタイム状態情報と該第１評価指標集合とを第１セレクティングモ
デルに入力し、評価指標値セレクティング結果情報を生成するステップと、
Ｓ７００：該第１目標関数集合と該評価指標値セレクティング結果情報とに基づいて該第
１制御パラメータ集合を最適化し、最適化制御パラメータ集合を生成し、該最適化制御パ
ラメータ集合に基づいて該第１制御対象を遠隔制御するステップと、
を含む遠隔制御設備の監視管理方法。
【請求項9】
プロセッサを備え、前記プロセッサはメモリに結合され、前記メモリはプログラムを記憶するためのものであり、前記プログラムが前記プロセッサによって実行されると、請求項
１から７のいずれか一項に記載のシステムを実行できることを特徴とする電子デバイス。
【請求項10】
コンピュータ可読記憶媒体であって、前記記憶媒体は、コンピュータプログラムを記憶しており、前記コンピュータプログラムは、前記プロセッサによって実行されると、請求項
１から７のいずれか一項に記載のシステムを実装することを特徴とする、コンピュータ可
読記憶媒体。
【発明の詳細な説明】
【技術分野】
【0001】
本発明は人工知能関連の技術分野に関し、特に遠隔制御装置の監視管理システムに関する
。
。
【背景技術】
【0002】
遠隔制御は、遠端のデバイスを無線または電気信号で操作する能力である。すなわち、ロ
ーカルに位置する制御装置が制御命令を発行することにより、遠端の制御装置が制御命令
を受信した後に対応する動作を実行するプロセスである。遠隔制御における遠隔制御デバ
イスの状態の監視は制御の精度を保障する重要なプロセスである。
現在の遠隔制御における監視管理は、主に制御対象機器の状態監視を行うことにより、人
工的に機器の状態を評価し、対応するパラメータをマッチングすることに依存しており、
この方法は人的な意思決定に依存している。
従来技術では、人による意思決定のプロセスに大きな不安定性があるため、監視管理の安
定性が低く、自動化の程度が低いという技術的問題があった。
ーカルに位置する制御装置が制御命令を発行することにより、遠端の制御装置が制御命令
を受信した後に対応する動作を実行するプロセスである。遠隔制御における遠隔制御デバ
イスの状態の監視は制御の精度を保障する重要なプロセスである。
現在の遠隔制御における監視管理は、主に制御対象機器の状態監視を行うことにより、人
工的に機器の状態を評価し、対応するパラメータをマッチングすることに依存しており、
この方法は人的な意思決定に依存している。
従来技術では、人による意思決定のプロセスに大きな不安定性があるため、監視管理の安
定性が低く、自動化の程度が低いという技術的問題があった。
【発明の概要】
【0003】
本発明の実施形態は、遠隔制御装置の監視管理システムを提供する。
従来技術では、人による意思決定のプロセスに大きな不安定性があり、さらに監視管理の
安定性が低く、自動化の程度が低いという技術的問題を解決した。
上記の問題点に鑑みて、本願の実施形態は、遠隔制御装置の監視管理システムを提供する
。
従来技術では、人による意思決定のプロセスに大きな不安定性があり、さらに監視管理の
安定性が低く、自動化の程度が低いという技術的問題を解決した。
上記の問題点に鑑みて、本願の実施形態は、遠隔制御装置の監視管理システムを提供する
。
【0004】
遠隔制御装置のための監視管理システムは、
該システムは第１制御対象に通信接続し、
第１採集ユニット１１と、
第１採集ユニット１１は、第１制御対象情報と第１応用対象情報を含む第１監視シーン
情報を採集し、
第１生成ユニット１２と、
第１生成ユニット１２は、該第１制御対象情報に対して評価指標マッチングを行い、第
１評価指標集合を生成し、該評価指標が制御対象状態を特徴づけ、
第２生成ユニット１３と、
第２生成ユニット１３は、該第１制御対象情報に対して制御パラメータ抽出を行い、第
１制御パラメータ集合を生成し、
第３生成ユニット１４と、
第３生成ユニット１４は、該第１制御パラメータ集合に基づいて、該第１評価指標集合
をエルゴードし、第１目標関数集合を生成し、
第１取得ユニット１５と、
第１取得ユニット１５は、該第１応用対象情報に対してリアルタイム状態抽出を行い、
第１リアルタイム状態情報を取得し、
第４生成ユニット１６と、
第４生成ユニット１６は、第１リアルタイム状態情報および第１評価指標集合を第１セ
レクティングモデルに入力し、評価指標値セレクティング結果情報を生成し、
第５生成ユニット１７と、
第５生成ユニット１７は、該第１目標関数集合と該評価指標値セレクティング結果情報
とに基づいて該第１制御パラメータ集合を最適化し、最適制御パラメータ集合を生成し、
該最適制御パラメータ集合に基づいて該第１制御対象を遠隔制御する。
該システムは第１制御対象に通信接続し、
第１採集ユニット１１と、
第１採集ユニット１１は、第１制御対象情報と第１応用対象情報を含む第１監視シーン
情報を採集し、
第１生成ユニット１２と、
第１生成ユニット１２は、該第１制御対象情報に対して評価指標マッチングを行い、第
１評価指標集合を生成し、該評価指標が制御対象状態を特徴づけ、
第２生成ユニット１３と、
第２生成ユニット１３は、該第１制御対象情報に対して制御パラメータ抽出を行い、第
１制御パラメータ集合を生成し、
第３生成ユニット１４と、
第３生成ユニット１４は、該第１制御パラメータ集合に基づいて、該第１評価指標集合
をエルゴードし、第１目標関数集合を生成し、
第１取得ユニット１５と、
第１取得ユニット１５は、該第１応用対象情報に対してリアルタイム状態抽出を行い、
第１リアルタイム状態情報を取得し、
第４生成ユニット１６と、
第４生成ユニット１６は、第１リアルタイム状態情報および第１評価指標集合を第１セ
レクティングモデルに入力し、評価指標値セレクティング結果情報を生成し、
第５生成ユニット１７と、
第５生成ユニット１７は、該第１目標関数集合と該評価指標値セレクティング結果情報
とに基づいて該第１制御パラメータ集合を最適化し、最適制御パラメータ集合を生成し、
該最適制御パラメータ集合に基づいて該第１制御対象を遠隔制御する。
【0005】
また、第１制御対象に通信接続する遠隔制御設備の監視管理システムに用いられる遠隔制
御設備の監視管理方法は、
Ｓ１００：第１制御対象情報と第１応用対象情報を含む第１監視シーン情報を採集するス
テップと、
Ｓ２００：該第１制御対象情報に対して制御対象状態を特徴付ける評価指標のマッチング
を行い、第１評価指標集合を生成するステップと、
Ｓ３００：該第１制御対象情報に対して制御パラメータ抽出を行い、第１制御パラメータ
集合を生成するステップと、
Ｓ４００：該第１制御パラメータ集合に基づいて、該第１評価指標集合をエルゴードして
、第１目標関数集合を生成するステップと、
Ｓ５００：該第１応用対象情報に対してリアルタイム状態抽出を行い、第１リアルタイム
状態情報を取得するステップと、
Ｓ６００：該第１リアルタイム状態情報と該第１評価指標集合とを第１セレクティングモ
デルに入力し、評価指標値セレクティング結果情報を生成するステップと、
Ｓ７００：該第１目標関数集合と該評価指標値セレクティング結果情報とに基づいて該第
１制御パラメータ集合を最適化し、最適化制御パラメータ集合を生成し、該最適化制御パ
ラメータ集合に基づいて該第１制御対象を遠隔制御するステップと、
を含む。
御設備の監視管理方法は、
Ｓ１００：第１制御対象情報と第１応用対象情報を含む第１監視シーン情報を採集するス
テップと、
Ｓ２００：該第１制御対象情報に対して制御対象状態を特徴付ける評価指標のマッチング
を行い、第１評価指標集合を生成するステップと、
Ｓ３００：該第１制御対象情報に対して制御パラメータ抽出を行い、第１制御パラメータ
集合を生成するステップと、
Ｓ４００：該第１制御パラメータ集合に基づいて、該第１評価指標集合をエルゴードして
、第１目標関数集合を生成するステップと、
Ｓ５００：該第１応用対象情報に対してリアルタイム状態抽出を行い、第１リアルタイム
状態情報を取得するステップと、
Ｓ６００：該第１リアルタイム状態情報と該第１評価指標集合とを第１セレクティングモ
デルに入力し、評価指標値セレクティング結果情報を生成するステップと、
Ｓ７００：該第１目標関数集合と該評価指標値セレクティング結果情報とに基づいて該第
１制御パラメータ集合を最適化し、最適化制御パラメータ集合を生成し、該最適化制御パ
ラメータ集合に基づいて該第１制御対象を遠隔制御するステップと、
を含む。
【0006】
また、プロセッサを備え、前記プロセッサはメモリに結合され、前記メモリはプログラム
を記憶するためのものであり、前記プログラムが前記プロセッサによって実行されると、
上記のシステムを実行できることを特徴とする電子デバイスである。
を記憶するためのものであり、前記プログラムが前記プロセッサによって実行されると、
上記のシステムを実行できることを特徴とする電子デバイスである。
【0007】
また、コンピュータ可読記憶媒体であって、前記記憶媒体は、コンピュータプログラムを
記憶しており、前記コンピュータプログラムは、前記プロセッサによって実行されると、
上記のシステムを実装することを特徴とする、コンピュータ可読記憶媒体である。
記憶しており、前記コンピュータプログラムは、前記プロセッサによって実行されると、
上記のシステムを実装することを特徴とする、コンピュータ可読記憶媒体である。
【0008】
本願の実施形態において提供される１つまたは複数の技術的態様は、少なくとも次のよう
な技術的効果または利点を有する。
監視シーン情報を用いて制御対象を決定し及び制御対象を特徴づけることによって処理さ
れる応用対象情報を決定し、制御対象マッチング状態に基づいて指標集合を評価し、制御
対象に対して指標集合の１対１の対応する制御パラメータ情報を抽出・評価し、１対１の
対応する制御パラメータと評価指標との関連関係を特徴づける経験的目標関数集合を生成
し、応用対象情報のリアルタイム状態情報を抽出し、リアルタイム状態に基づいてインテ
リジェント化モデルを用いて評価指標値をマッチングし、マッチング評価指標値と目標関
数集合に基づいて制御パラメータ集合を最適化し、現在のシーンに適した制御パラメータ
最適化結果を得て制御対象を制御し、インテリジェント化モデルを用いて現在のシーンに
適した評価指標値をマッチングし、さらに目標関数と評価指標値に基づいて最適化アルゴ
リズムにより制御パラメータのマッチングを実現する。リアルタイム状態に適しており、
しかも精度が高く、人への依存を低減し、遠隔監視管理の安定性を高める技術効果を達成
する。
な技術的効果または利点を有する。
監視シーン情報を用いて制御対象を決定し及び制御対象を特徴づけることによって処理さ
れる応用対象情報を決定し、制御対象マッチング状態に基づいて指標集合を評価し、制御
対象に対して指標集合の１対１の対応する制御パラメータ情報を抽出・評価し、１対１の
対応する制御パラメータと評価指標との関連関係を特徴づける経験的目標関数集合を生成
し、応用対象情報のリアルタイム状態情報を抽出し、リアルタイム状態に基づいてインテ
リジェント化モデルを用いて評価指標値をマッチングし、マッチング評価指標値と目標関
数集合に基づいて制御パラメータ集合を最適化し、現在のシーンに適した制御パラメータ
最適化結果を得て制御対象を制御し、インテリジェント化モデルを用いて現在のシーンに
適した評価指標値をマッチングし、さらに目標関数と評価指標値に基づいて最適化アルゴ
リズムにより制御パラメータのマッチングを実現する。リアルタイム状態に適しており、
しかも精度が高く、人への依存を低減し、遠隔監視管理の安定性を高める技術効果を達成
する。
【0009】
上記の説明は本願の技術方案の概略であり、本願の技術手段をより明確に知ることができ
るように、明細書の内容に従って実施することができ、また本願の上記及びその他の目的
、特徴及び利点をより明確にわかりやすくするために、以下に本願の具体的な実施形態を
挙げる。
るように、明細書の内容に従って実施することができ、また本願の上記及びその他の目的
、特徴及び利点をより明確にわかりやすくするために、以下に本願の具体的な実施形態を
挙げる。
【図面の簡単な説明】
【0010】
【図1】本発明の実施形態による遠隔制御装置の監視管理方法のフローチャート図である。
【図2】本発明の実施形態における遠隔制御装置の監視管理方法における制御パラメータ最適化方法のフローチャート図である。
【図3】本発明の実施形態による遠隔制御装置の監視管理システム構成図である。
【図4】本願の実施形態に係る例示的な電子デバイスの構成図である。
【0011】
［符号の説明］
第１採集ユニット １１
第１生成ユニット １２
第２生成ユニット １３
第３生成ユニット １４
第１取得ユニット １５
第４生成ユニット １６
第５生成ユニット １７
電子デバイス ３００
メモリ ３０１
プロセッサ ３０２
通信インタフェース ３０３
バスアーキテクチャ ３０４
第１採集ユニット １１
第１生成ユニット １２
第２生成ユニット １３
第３生成ユニット １４
第１取得ユニット １５
第４生成ユニット １６
第５生成ユニット １７
電子デバイス ３００
メモリ ３０１
プロセッサ ３０２
通信インタフェース ３０３
バスアーキテクチャ ３０４
【発明を実施するための形態】
【0012】
本発明の実施形態は、遠隔制御装置の監視管理システムを提供する。従来技術では、人に
よる意思決定のプロセスに大きな不安定性があり、さらに監視管理の安定性が低く、自動
化の程度が低いという技術的問題を解決した。インテリジェント化モデルを用いて現在の
シーンに適した評価指標値をマッチングし、さらに目標関数と評価指標値に基づいて最適
化アルゴリズムにより制御パラメータのマッチングを実現した。リアルタイム状態に適し
ており、しかも精度が高く、人への依存を低減し、遠隔監視管理の安定性を高める技術効
果を達成した。
よる意思決定のプロセスに大きな不安定性があり、さらに監視管理の安定性が低く、自動
化の程度が低いという技術的問題を解決した。インテリジェント化モデルを用いて現在の
シーンに適した評価指標値をマッチングし、さらに目標関数と評価指標値に基づいて最適
化アルゴリズムにより制御パラメータのマッチングを実現した。リアルタイム状態に適し
ており、しかも精度が高く、人への依存を低減し、遠隔監視管理の安定性を高める技術効
果を達成した。
【0013】
発明の概説
遠隔制御監視管理で一般的に使用される方法は、監視ソフトウェアを用いて制御対象機器
のリアルタイム状態を収集し、さらに手動設定規則に基づいて制御パラメータをフィルタ
リングすることである。自動マッチング制御パラメータによる遠隔監視制御の技術方案も
あるが、複雑な非構造化シーンデータのフィッティングが困難であるため、従来技術では
精度と自動化の程度が低く、安定性が低いという技術的な問題が存在する。
上記の技術問題に対して、本願が提供する技術方案の全体的な考え方は以下の通りである
。
本発明の実施形態は、遠隔制御装置の監視管理システムを提供することによって構成され
る。
従来技術では、人による意思決定のプロセスに大きな不安定性があり、さらに監視管理の
安定性が低く、自動化の程度が低いという技術的問題を解決した。監視シーン情報を用い
て制御対象を決定し及び制御対象を特徴づけることによって処理される応用対象情報を決
定し、制御対象マッチング状態に基づいて指標集合を評価し、制御対象に対して指標集合
の１対１の対応する制御パラメータ情報を抽出・評価し、１対１の対応する制御パラメー
タと評価指標との関連関係を特徴づける経験的目標関数集合を生成し、応用対象情報のリ
アルタイム状態情報を抽出し、リアルタイム状態に基づいてインテリジェント化モデルを
用いて評価指標値をマッチングし、マッチング評価指標値と目標関数集合に基づいて制御
パラメータ集合を最適化し、現在のシーンに適した制御パラメータ最適化結果を得て制御
対象を制御し、インテリジェント化モデルを用いて現在のシーンに適した評価指標値をマ
ッチングし、さらに目標関数と評価指標値に基づいて最適化アルゴリズムにより制御パラ
メータのマッチングを実現する。リアルタイム状態に適しており、しかも精度が高く、人
への依存を低減し、遠隔監視管理の安定性を高める技術効果を達成する。
本願の基本原理を紹介した後、本願の様々な非限定的な実施形態を明細書、図面を用いて
具体的に紹介する。
遠隔制御監視管理で一般的に使用される方法は、監視ソフトウェアを用いて制御対象機器
のリアルタイム状態を収集し、さらに手動設定規則に基づいて制御パラメータをフィルタ
リングすることである。自動マッチング制御パラメータによる遠隔監視制御の技術方案も
あるが、複雑な非構造化シーンデータのフィッティングが困難であるため、従来技術では
精度と自動化の程度が低く、安定性が低いという技術的な問題が存在する。
上記の技術問題に対して、本願が提供する技術方案の全体的な考え方は以下の通りである
。
本発明の実施形態は、遠隔制御装置の監視管理システムを提供することによって構成され
る。
従来技術では、人による意思決定のプロセスに大きな不安定性があり、さらに監視管理の
安定性が低く、自動化の程度が低いという技術的問題を解決した。監視シーン情報を用い
て制御対象を決定し及び制御対象を特徴づけることによって処理される応用対象情報を決
定し、制御対象マッチング状態に基づいて指標集合を評価し、制御対象に対して指標集合
の１対１の対応する制御パラメータ情報を抽出・評価し、１対１の対応する制御パラメー
タと評価指標との関連関係を特徴づける経験的目標関数集合を生成し、応用対象情報のリ
アルタイム状態情報を抽出し、リアルタイム状態に基づいてインテリジェント化モデルを
用いて評価指標値をマッチングし、マッチング評価指標値と目標関数集合に基づいて制御
パラメータ集合を最適化し、現在のシーンに適した制御パラメータ最適化結果を得て制御
対象を制御し、インテリジェント化モデルを用いて現在のシーンに適した評価指標値をマ
ッチングし、さらに目標関数と評価指標値に基づいて最適化アルゴリズムにより制御パラ
メータのマッチングを実現する。リアルタイム状態に適しており、しかも精度が高く、人
への依存を低減し、遠隔監視管理の安定性を高める技術効果を達成する。
本願の基本原理を紹介した後、本願の様々な非限定的な実施形態を明細書、図面を用いて
具体的に紹介する。
【0014】
実施例１
図１に示すように、第１制御対象に通信接続する遠隔制御設備の監視管理システムに用い
られる遠隔制御設備の監視管理方法は、以下のステップを含む。
Ｓ１００：第１制御対象情報と第１応用対象情報を含む第１監視シーン情報を採集する。
第１監視シーン情報は、被制御設備を監視するリアルタイムシーン情報であり、被制御設
備の数情報、被制御設備の動作パラメータ情報、被制御設備のリアルタイム動作状態情報
、被制御設備の加工製品のリアルタイム状態情報などを含むがこれらに限定してない。監
視方式は、制御端末と被制御設備との有線または無線接続による被制御設備の動作パラメ
ータ情報の受信、画像採集装置による動作時のリアルタイム動態情報採集による監視など
の方式を含むがこれらに限定してない。
第１制御対象情報は、被制御設備に直接関連する監視シーン情報であり、第１応用対象情
報は、被制御設備の加工製品に直接関連する監視シーン情報である。選択的に、第１制御
対象情報と第１応用対象情報のいずれか１グループのデータは、便利に情報を時系列に従
って順次処理するために縦方向に採集した情報セットを時系列に従って記憶するが、横方
向に採集した情報グループを情報類に従ってグループ化して記憶する。例示的に、同一時
刻において、被制御設備の加工時における各要素の動作パラメータを、要素の違いによっ
て異なる種類のデータに分けてグループ化して記憶する。
第１監視シーン情報の採集により、被制御設備の動作状態を評価することができ、さらに
動作パラメータの調整を実現するための基準を提供することができる。全面的な監視シー
ン情報の採集により、動作パラメータの自動調整の正確性を保証することができる。
Ｓ２００：該第１制御対象情報に対して制御対象状態を特徴付ける評価指標のマッチング
を行い、第１評価指標集合を生成する。
第１評価指標集合は、制御対象状態情報を特徴づける指標次元であり、工場による加工製
品の加工を例として、に制限を設けない加工設備の数、加工製品に必要な時間、加工過程
によるエネルギー損失、当時加工設備の負荷係数などの次元の指標集合を挙げられるが、
これらに限定してない。第１評価指標集合の確定方式は、好ましい例として、ビッグデー
タに基づいて複数の異なる分野の遠隔制御装置に対応する性能評価指標情報を採集し、設
備タイプ－性能評価指標集合データベースとして記憶する。専門家によりカスタマイズパ
ネルを介して性能評価指標集合を調整することができる。そして、指標情報のタイムリー
性を保障するために、データベースは周期的にビッグデータに基づいて更新することがで
きる。ただし、確定方式はこれに限定してない。性能評価指標集合をマッチングする場合
、第１制御対象情報を設備タイプ－性能評価指標集合データベースに入力すると、相応設
備に対応する性能評価指標集合を検索することができる。入力方式は、音声、キー入力、
コピー貼り付け、および他の常規置換されるユニットなどを含むが、これらに限定してな
い。
評価指標は、制御対象状態を特徴付け、すなわち制御対象の性能を評価するための指標次
元である。ビッグデータに基づいて多方データをフィッティングし、従来の遠隔制御場合
におけるデータサイロを打破し、マッチングされる評価指標の全面性を高め、さらに制御
対象の性能の正確な評価を保障している。
Ｓ３００：該第１制御対象情報に対して制御パラメータ抽出を行い、第１制御パラメータ
集合を生成する。
第１制御対象は被制御設備であり、第１制御パラメータ集合とは、制御対象設備の動作を
制御するためのリアルタイム的な動作パラメータ集合であり、また遠隔制御工場の製品加
工を例として、材料供給速度、制御対象機器間における製品の移転順、各部品操作の幾何
パラメータ、各部品操作のタイミングパラメータなどの制御パラメータ集合を挙げられる
が、これらに限定してない。当時第１制御対象に対応する第１制御パラメータ集合を採集
し、後工程パラメータ調整用基準データを提供するとともに、当時パラメータが最適制御
パラメータ集合であるか否かを評価することができる。制御パラメータの採集次元は、好
ましくは、ビッグデータ統計の多方使用における第１制御対象の同型設備を統計して設定
したパラメータ採集次元であり、データ採集の完全性と全面性を保証する。
上記の内容に基づいて、第１制御パラメータ集合の好ましい抽出方式は、ビッグデータに
よって第１制御対象の制御パラメータ採集次元を確定し、さらに採集次元に基づいて第１
制御対象に対してリアルタイム的な制御パラメータ採集を行い、遠隔制御端末にアップロ
ードして処理を行い、以降の追跡を容易にするために、毎回処理されたデータを履歴デー
タとして記憶する。
Ｓ４００：該第１制御パラメータ集合に基づいて、該第１評価指標集合をエルゴードして
、第１目標関数集合を生成する。
第１目標関数集合は、第１評価指標集合と第１制御パラメータ集合とのデータ関係を特徴
付ける経験関数関係である。すなわち、異なる評価指標は、複数の制御パラメータの共同
影響により確定される結果である。好ましい確定方式は例として、歴史データに基づいて
灰色関連度分析法を用い、評価指標値を基準数列とし、制御パラメータ集合を対比数列と
し、対照実験の思想を鑑みながら、一回には制御パラメータの値だけを変数として変更す
ることにより、異なる制御パラメータの評価指標値に対する関連度、異なる制御パラメー
タに対する重み配分、すなわち制御パラメータ対応の関連度の、当時評価指標の対応する
全種類の制御パラメータ関連度の和における比率を分析すること、履歴データに基づいて
関連関数
を構築し、ただし、それぞれ
は
番目の制御パラメータ、
は対応の重み、
は
番目の評価指標であり、
を満たす
個の制御パラメータの数値解は複数個が存在する可能性があり、すなわち
は一定である場合、
個の制御パラメータの組合数値は複数グループが存在する可能性があり、組み合わせて解
集を構成し、即ち１つの評価指標は複数グループの解集に対応し、両方を１対１に対応さ
せて記憶し、以降の呼び出しを待機すること、を挙げられるが、これらに限定してない。
複数の評価指標次元間の制御パラメータの交集合を結合制御パラメータと記し、非交集合
を独立制御パラメータと記す。第１目標関数集合は指標次元と制御パラメータの間の関連
関係を特徴づけることができ、よって非構造化の設備状態情報の選択を設備制御パラメー
タの調整にシフトすることができ、コンピュータの処理を容易にし、自動化制御の実施可
能性を高めている。
Ｓ５００：該第１応用対象情報に対してリアルタイム状態抽出を行い、第１リアルタイム
状態情報を取得する。
第１リアルタイム状態情報は、当時の加工対象のリアルタイム状態情報であり、異なるプ
ロセスノードにおける処理を待機する数量情報、異なるプロセスノードにおける処理を進
行している数量情報、加工済みの数量情報、加工エネルギー消費要求情報、加工コスト情
報、加工時限情報などを含むが、これらに限定していない。採集状態情報の次元を作業者
がカスタマイズして設定することができ、採集方式は選択的に、画像採集装置によるリア
ルタイム的な製品加工情報の採集や、マシンによる製品加工状態情報のアップロードなど
、を使用してもよく、これらに限定していない。第１応用対象は、被処理製品であり、異
なるシーンでは製品類型が異なり、群制御エレベータでは、第１応用対象は人ごみであり
、リモート計器読み取りでは、第１応用対象は計器読みデータであり、工場では、第１応
用対象は加工製品である。第１応用対象のリアルタイム的な状態採集により、後工程の当
時状態における最適な設備性能指標の選定のために情報フィードバックの基礎を提供する
。
Ｓ６００：該第１リアルタイム状態情報と該第１評価指標集合とを第１セレクティングモ
デルに入力し、評価指標値セレクティング結果情報を生成する。
前記「該第１リアルタイム状態情報と該第１評価指標集合とを第１セレクティングモデル
に入力し、評価指標値セレクティング結果情報を生成する」に関して、ステップＳ６００
は、以下のステップを含む。
Ｓ６１０：第１評価指標集合に基づいて該第１制御対象に対して指標値抽出を行い、第１
評価指標値集合を生成する。
Ｓ６２０：該第１リアルタイム状態情報と該第１評価指標値集合を第１マッチングネット
ワーク層に入力し、第１マッチング結果を取得する。
Ｓ６３０：該第１マッチング結果に不マッチング情報が含まれる場合、第１セレクティン
グネットワーク層を活性化し、該第１リアルタイム状態情報と該第１評価指標集合を入力
し、該評価指標値セレクティング結果情報を生成する。
Ｓ６４０：該第１マッチング結果にマッチング情報が含まれる場合、該第１評価指標値集
合を該評価指標値セレクティング結果情報とする。
第１セレクティングモデルは深層ニューラルネットワークに基づいて構築される、第１リ
アルタイム状態情報と第１評価指標集合を評価し、さらに当時の第１リアルタイム状態情
報に適応する評価指標集合の具体値をセレクティングする知能モデルであり、ニューラル
ネットワークモデルは非線形データのフィッティングによく用いられる知能モデルであり
、ヒトの脳の模倣に基づいて構築されるニューラルネットワークは学習能力と記憶能力を
有し、訓練後、新規入力のデータに対して訓練処理を行うことができる。ここでの第１セ
レクティングモデルは、第１マッチングネットワーク層と第１セレクティングネットワー
ク層からなり、第１マッチングネットワーク層と第１セレクティングネットワーク層はい
ずれも独立したサブニューラルネットワークであり、両者は独立に訓練された後、統合し
て第１セレクティングモデルを生成する。
第１マッチングネットワーク層は、第１評価指標値集合と第１リアルタイム状態情報との
マッチングネットワーク関係を評価するためのニューラルネットワークモデルである。第
１評価指標値集合は、当時の第１制御対象の第１評価指標集合の具体値であり、第１マッ
チング結果は、第１評価指標値集合と第１リアルタイム状態情報を評価するマッチング結
果である。両者間のマッチング関係は、例示的には、第１リアルタイム状態情報における
製品加工時限に基づいて加工効率を決定すること、加工製品のコスト情報に基づいて加工
エネルギー消費および設備の選択を制御することを挙げられる。このプロセスは、複雑で
、非線形な処理プロセスであると考えて、ニューラルネットワークの訓練に基づいて、モ
デルを構築することにより、第１リアルタイム状態情報と第１評価指標値集合の間のマッ
チング情報を特徴付ける第１マッチング結果を生成することができ、そして、各グループ
の評価指標値集合は、マッチング情報または不マッチング情報である。
第１セレクティングネットワーク層は、第１リアルタイム状態情報と第１評価指標集合と
に基づいて、第１リアルタイム状態情報に適用する第１評価指標集合の具体値をセレクテ
ィングするニューラルネットワークモデルである。評価指標値セレクティング結果情報は
、第１マッチング結果に不マッチプ情報が含まれる場合、第１セレクティングネットワー
ク層を活性化し、第１リアルタイム状態情報と第１評価指標集合を第１セレクティングネ
ットワーク層に入力しマッチングして取得した結果であり、第１マッチング結果にマッチ
ング情報が含まれる場合、第１評価指標値集合を評価指標値セレクティング結果情報とす
ると、第１セレクティングネットワーク層を活性化する必要がない。
すなわち、上述したことから、第１マッチングネットワーク層はデータ処理ごとに活性化
すべき処理層であり、第１セレクティングネットワーク層は第１マッチングネットワーク
層の処理結果にょって活性化し、これにより遠隔制御監視管理の知能化程度を高めている
。
Ｓ７００：該第１目標関数集合と該評価指標値セレクティング結果情報とに基づいて該第
１制御パラメータ集合を最適化し、最適化制御パラメータ集合を生成し、該最適化制御パ
ラメータ集合に基づいて該第１制御対象を遠隔制御する。
図２に示すように、前記「該第１目標関数集合と該評価指標値セレクティング結果情報と
に基づいて該第１制御パラメータ集合を最適化し、最適化制御パラメータ集合を生成し」
に基づいて、ステップ７００はか以下のステップを含む。
Ｓ７１０：第１目標関数集合に基づいて、第１最適化空間を生成し、第１最適化空間次元
は第１目標関数集合次元と相同である。
Ｓ７２０：該第１最適化空間に基づいて、第１速度拘束パラメータと第１位置拘束パラメ
ータを取得する。
Ｓ７３０：該評価指標値セレクティング結果情報を該第１最適化空間に入力し初期化し、
初期化が完了したら第１最適化指令を生成する。
Ｓ７４０：第１最適化指令を受信し、該第１制御パラメータ集合を第１最適化空間に入力
し、該第１速度拘束パラメータと第１位置拘束パラメータに基づいて最適化し、該最適化
制御パラメータ集合を生成する。
最適化制御パラメータ集合は、第１リアルタイム状態情報に適用する評価指標値セレクテ
ィング結果情報を確定した後、第１目標関数集合と評価指標値セレクティング結果情報に
基づいて第１制御パラメータ集合が最適化した後に確定した結果であり、最適化制御パラ
メータ集合に基づいて第１制御対象を遠隔制御し、第１制御対象の処理過程が評価指標値
セレクティング結果情報を満たすように保障する。
最適化プロセスは、好ましくは、
第１最適化空間を生成し、第１目標関数集合に基づいて最適化空間の基本枠組みを生成し
、すなわち第１目標関数集合の次元数に基づいて、最適化制御パラメータ集合の選択範囲
確定枠組みを確定し、第１最適化空間次元数を確定する。第１速度制約パラメータは、制
御パラメータの最適化更新時の変化ステップ長、すなわち数値変化幅を特徴づけるもので
ある。第１位置拘束パラメータは、制御パラメータ選択範囲を特徴付けるパラメータ、す
なわち第１目標関数集合に基づいて確定される最適化制御パラメータ集合の選択範囲確定
枠組みである。結合制御パラメータを有する関連関数の対応次元は結合制御パラメータに
空間位置の交点を有し、独立制御パラメータを有する関連関数の対応次元は独立制御パラ
メータに異なる空間位置を有し、異なる空間位置は異なる制御パラメータ数値に対応する
。
第１最適化空間を初期化し、評価指標値セレクティング結果情報を第１目標関数集合に入
力すれば、対応次元の目標関数内に入力でき、各次元に対応する解集を得ることができ、
すなわち第１位置拘束パラメータを確定し、さらに第１速度拘束パラメータをカスタマイ
ズして設定することにより、単回エルゴードステップ長を確定することができ、すなわち
第１最適化空間の初期化過程を完成することができる。
最適化が始まると、第１制御パラメータ集合を最適化初期位置として初期化完了後の第１
最適化空間に入力し、第１最適化空間で第１位置拘束パラメータと第１速度拘束パラメー
タに基づいてエルゴード点を選択し、そして、各エルゴード点のマッチング度と受容度を
段階的に評価し、要件を満たさないものを淘汰データグループに追加し、このように繰り
返して、最終的にマッチング度と受容度のグローバル最適値が得られ、最適化制御パラメ
ータ集合とする。
最適化アルゴリズムにより解集をグローバル的にエルゴードし、当時のリアルタイム状態
に適用する制御パラメータグループを得る。
該方法のステップＳ６００は以下のＳ６５０ステップを含む。
Ｓ６５１：複数グループのリアルタイム状態情報、評価指標値集合およびマッチング結果
識別情報を含む第１履歴データを取得する。
Ｓ６５２：該複数グループのリアルタイム状態情報、評価指標値集合とマッチング結果識
別情報に基づいて、該第１マッチングネットワーク層を構築する。
Ｓ６５３：複数グループのリアルタイム状態情報、評価指標集合および評価指標値識別情
報を含む第２履歴データを取得する。
Ｓ６５４：該複数グループのリアルタイム状態情報、評価指標集合と評価指標値識別情報
に基づいて、該第１セレクティングネットワーク層を構築する。
Ｓ６５５：第１マッチングネットワーク層と第１セレクティングネットワーク層とを統合
して第１セレクティングモデルを生成する。
第１セレクティングモデルの構築プロセスは、次のとおりである。
第１マッチングネットワーク層を生成し、複数グループのリアルタイム状態情報、評価指
標値集合とマッチング結果識別情報を含む第１履歴データを採集し、リアルタイム状態情
報、評価指標値集合を入力訓練データとし、マッチング結果識別情報を出力識別情報とし
、ニューラルネットワークに基づいて監督学習を行い、第１マッチングネットワーク層を
構築し、モデルが収束になる時に訓練を停止する。
第１セレクティングネットワーク層を生成し、複数グループのリアルタイム状態情報、評
価指標集合および評価指標値識別情報を含む第２履歴データを採集し、リアルタイム状態
情報、評価指標集合を入力訓練データとし、評価指標値識別情報を出力識別情報とし、ニ
ューラルネットワークに基づいて監督学習を行い、第１セレクティングネットワーク層を
構築し、モデルが収束になる時に訓練を停止する。
第１マッチングネットワーク層の入力端と第１セレクティングモデルの入力端をマージす
る。第１マッチングネットワーク層の出力端と第１セレクティングモデルの出力端をマー
ジするとともに、第１マッチングネットワーク層の出力端と第１セレクティングネットワ
ーク層の入力端を完接続する。第１セレクティングネットワーク層の入力端と第１セレク
ティングモデルの入力端ををマージし、第１セレクティングネットワーク層の出力端と第
１セレクティングモデルの出力端をマージし、第１セレクティングモデルを生成する。
第１リアルタイム状態情報と第１評価指標集合を第１セレクティングモデルに入力する場
合、第１セレクティングネットワーク層のみを活性化にして第１リアルタイム状態情報と
第１評価指標値集合をマッチング関係評価し、第１セレクティングネットワーク層が第１
マッチングネットワーク層から出力するマッチング情報を受信するとき、応答を拒否し、
直接に第１評価指標値集合を第１セレクティングモデルの出力端に同期させる。第１セレ
クティングネットワーク層が第１セレクティングネットワーク層から出力する不マッチン
グ情報を受信するとき、応答して、第１セレクティングネットワーク層が動作を停止し、
第１セレクティングネットワーク層を活性化し、第１セレクティングモデルの入力端から
第１リアルタイム状態情報と第１評価指標集合を受信して評価し、出力結果を第１セレク
ティングモデルの出力端に同期させる。
ヒトの脳の思考を模倣したニューラルネットワークモデルにより、ビッグデータの経験知
識にフィッティングして、第１リアルタイム状態情報と第１評価指標集合に対して正確な
評価を行い、比較的全面的で正確な評価指標値セレクティング結果情報を生成することが
できる。
前記「該評価指標値セレクティング結果情報を該第１最適化空間に入力し初期化し」に関
して、ステップＳ７３０は、以下のステップを含む。
Ｓ７３１は、該評価指標値のセレクティング結果情報を該第１目標関数集合に入力し、制
御パラメータ粒子群を生成する。
Ｓ７３２：第１マッチング度評価式と第１受容度評価式を取得する。
Ｓ７３４：該制御パラメータ粒子群、該第１マッチング度評価式、および該第１受容度評
価式に基づいて、該第１最適化空間を初期化する。
初期化プロセスは次のとおりである。
制御パラメータ粒子群は、評価指標値セレクティング結果情報が第１最適化空間に入力さ
れて生成される各次元制御パラメータの数値解集であり、各次元制御パラメータの数値解
集は、それぞれの第１目標関数集合が存在する次元空間方向に沿って評価指標に対する順
方向影響関係を順次配列する。順方向影響関係は、評価指標が増大するにつれて、制御パ
ラメータの変化方向であり、そして、仮想座標値を生成し、同じ制御パラメータの同じ位
置の値は同じであるが、複数の次元の交点である可能性がある。
第１マッチング度評価式と第１容受度評価式を構築する。第１マッチング度評価式は、各
グループの制御パラメータ集合と評価指標値セレクティング結果情報のマッチング度を評
価するための公式であり、経験に基づいて構築することができるが、具体的な形式は制限
しない。第１受容度評価式は、異なる位置のマッチング度の大きさに基づいて制御パラメ
ータ集合の位置更新を行うための評価式である。
パラメータ粒子群を制御して粒子選択範囲を確定し、第１マッチング度評価式と第１受容
度評価式を通じてエルゴード規則の設定を実現し、上述の位置パラメータによって反復更
新ステップ長を決定し、さらに第１最適化空間の初期化を完了する。
該方法のステップＳ７３２は以下のステップを含む。
Ｓ７３２１：該第１マッチング度評価式は、
であり、ただし
は第１制御対象が存在するメーカ履歴制御データにおける第ｎ制御パラメータ集合の選択
頻度を示し、
は第１制御対象の同型設備が存在する第ｎ制御パラメータ集合のメーカ履歴制御データに
おける選択頻度を示し、
はそれぞれ
と
比重を特徴付ける。
Ｓ７３２２：該第１容受度評価式は、
であり、ただし
は第ｎ＋１制御パラメータ集合の容受度である。
該方法のステップＳ７３２２は以下のステップを含む。
Ｓ７３２２１：該第１容受度が１である場合、第ｎ制御パラメータ集合を淘汰データグル
ープに追加し、第ｎ＋１制御パラメータ集合に基づいて最適化を継続する。
Ｓ７３２２２：該第１容受度が０である場合、第ｎ＋１制御パラメータ集合を淘汰データ
グループに追加し、第ｎ制御パラメータ集合に基づいて最適化を継続する。
第１マッチング度評価式は、選択的には、
であり、ただし
は第１制御対象が存在するメーカ履歴制御データにおける第ｎ制御パラメータ集合の選択
頻度を示し、
は第１制御対象の同型設備が存在する第ｎ制御パラメータ集合のメーカ履歴制御データに
おける選択頻度を示し、
はそれぞれ
と
の比重を特徴付け、
はマッチング度を特徴付ける。
第１容受度評価式は、選択的には、
であり、ただし
は第ｎ＋１制御パラメータ集合の容受度である。
該第１受容度が１の場合、該第ｎ制御パラメータ集合を淘汰データグループに追加し、該
第ｎ＋１制御パラメータ集合に基づいて最適化を継続する。該第１受容度が０の場合、該
第ｎ＋１制御パラメータ集合を該淘汰データ群に追加し、該第ｎ制御パラメータ集合に基
づいて最適化を継続する。淘汰データグループは、制御パラメータ粒子群中をエルゴード
する淘汰データグループであり、同じデータ集合に更新すると、スキップして重複したエ
ルドードを避ける。第１容受度によって、セレクティングされた制御パラメータ集合が最
もマッチング度の高い制御パラメータ集合であるように保障でき、さらに遠隔制御装置の
監視管理の自動監視データ処理を実現し、システム安定性を向上する。
以上のように、遠隔制御装置の監視管理システムを提供することによって構成される。
従来技術では、人による意思決定のプロセスに大きな不安定性があり、さらに監視管理の
安定性が低く、自動化の程度が低いという技術的問題を解決した。監視シーン情報を用い
て制御対象を決定し及び制御対象を特徴づけることによって処理される応用対象情報を決
定し、制御対象マッチング状態に基づいて指標集合を評価し、制御対象に対して指標集合
の１対１の対応する制御パラメータ情報を抽出・評価し、１対１の対応する制御パラメー
タと評価指標との関連関係を特徴づける経験的目標関数集合を生成し、応用対象情報のリ
アルタイム状態情報を抽出し、リアルタイム状態に基づいてインテリジェント化モデルを
用いて評価指標値をマッチングし、マッチング評価指標値と目標関数集合に基づいて制御
パラメータ集合を最適化し、現在のシーンに適した制御パラメータ最適化結果を得て制御
対象を制御し、インテリジェント化モデルを用いて現在のシーンに適した評価指標値をマ
ッチングし、さらに目標関数と評価指標値に基づいて最適化アルゴリズムにより制御パラ
メータのマッチングを実現する。リアルタイム状態に適しており、しかも精度が高く、人
への依存を低減し、遠隔監視管理の安定性を高める技術効果を達成する。
図１に示すように、第１制御対象に通信接続する遠隔制御設備の監視管理システムに用い
られる遠隔制御設備の監視管理方法は、以下のステップを含む。
Ｓ１００：第１制御対象情報と第１応用対象情報を含む第１監視シーン情報を採集する。
第１監視シーン情報は、被制御設備を監視するリアルタイムシーン情報であり、被制御設
備の数情報、被制御設備の動作パラメータ情報、被制御設備のリアルタイム動作状態情報
、被制御設備の加工製品のリアルタイム状態情報などを含むがこれらに限定してない。監
視方式は、制御端末と被制御設備との有線または無線接続による被制御設備の動作パラメ
ータ情報の受信、画像採集装置による動作時のリアルタイム動態情報採集による監視など
の方式を含むがこれらに限定してない。
第１制御対象情報は、被制御設備に直接関連する監視シーン情報であり、第１応用対象情
報は、被制御設備の加工製品に直接関連する監視シーン情報である。選択的に、第１制御
対象情報と第１応用対象情報のいずれか１グループのデータは、便利に情報を時系列に従
って順次処理するために縦方向に採集した情報セットを時系列に従って記憶するが、横方
向に採集した情報グループを情報類に従ってグループ化して記憶する。例示的に、同一時
刻において、被制御設備の加工時における各要素の動作パラメータを、要素の違いによっ
て異なる種類のデータに分けてグループ化して記憶する。
第１監視シーン情報の採集により、被制御設備の動作状態を評価することができ、さらに
動作パラメータの調整を実現するための基準を提供することができる。全面的な監視シー
ン情報の採集により、動作パラメータの自動調整の正確性を保証することができる。
Ｓ２００：該第１制御対象情報に対して制御対象状態を特徴付ける評価指標のマッチング
を行い、第１評価指標集合を生成する。
第１評価指標集合は、制御対象状態情報を特徴づける指標次元であり、工場による加工製
品の加工を例として、に制限を設けない加工設備の数、加工製品に必要な時間、加工過程
によるエネルギー損失、当時加工設備の負荷係数などの次元の指標集合を挙げられるが、
これらに限定してない。第１評価指標集合の確定方式は、好ましい例として、ビッグデー
タに基づいて複数の異なる分野の遠隔制御装置に対応する性能評価指標情報を採集し、設
備タイプ－性能評価指標集合データベースとして記憶する。専門家によりカスタマイズパ
ネルを介して性能評価指標集合を調整することができる。そして、指標情報のタイムリー
性を保障するために、データベースは周期的にビッグデータに基づいて更新することがで
きる。ただし、確定方式はこれに限定してない。性能評価指標集合をマッチングする場合
、第１制御対象情報を設備タイプ－性能評価指標集合データベースに入力すると、相応設
備に対応する性能評価指標集合を検索することができる。入力方式は、音声、キー入力、
コピー貼り付け、および他の常規置換されるユニットなどを含むが、これらに限定してな
い。
評価指標は、制御対象状態を特徴付け、すなわち制御対象の性能を評価するための指標次
元である。ビッグデータに基づいて多方データをフィッティングし、従来の遠隔制御場合
におけるデータサイロを打破し、マッチングされる評価指標の全面性を高め、さらに制御
対象の性能の正確な評価を保障している。
Ｓ３００：該第１制御対象情報に対して制御パラメータ抽出を行い、第１制御パラメータ
集合を生成する。
第１制御対象は被制御設備であり、第１制御パラメータ集合とは、制御対象設備の動作を
制御するためのリアルタイム的な動作パラメータ集合であり、また遠隔制御工場の製品加
工を例として、材料供給速度、制御対象機器間における製品の移転順、各部品操作の幾何
パラメータ、各部品操作のタイミングパラメータなどの制御パラメータ集合を挙げられる
が、これらに限定してない。当時第１制御対象に対応する第１制御パラメータ集合を採集
し、後工程パラメータ調整用基準データを提供するとともに、当時パラメータが最適制御
パラメータ集合であるか否かを評価することができる。制御パラメータの採集次元は、好
ましくは、ビッグデータ統計の多方使用における第１制御対象の同型設備を統計して設定
したパラメータ採集次元であり、データ採集の完全性と全面性を保証する。
上記の内容に基づいて、第１制御パラメータ集合の好ましい抽出方式は、ビッグデータに
よって第１制御対象の制御パラメータ採集次元を確定し、さらに採集次元に基づいて第１
制御対象に対してリアルタイム的な制御パラメータ採集を行い、遠隔制御端末にアップロ
ードして処理を行い、以降の追跡を容易にするために、毎回処理されたデータを履歴デー
タとして記憶する。
Ｓ４００：該第１制御パラメータ集合に基づいて、該第１評価指標集合をエルゴードして
、第１目標関数集合を生成する。
第１目標関数集合は、第１評価指標集合と第１制御パラメータ集合とのデータ関係を特徴
付ける経験関数関係である。すなわち、異なる評価指標は、複数の制御パラメータの共同
影響により確定される結果である。好ましい確定方式は例として、歴史データに基づいて
灰色関連度分析法を用い、評価指標値を基準数列とし、制御パラメータ集合を対比数列と
し、対照実験の思想を鑑みながら、一回には制御パラメータの値だけを変数として変更す
ることにより、異なる制御パラメータの評価指標値に対する関連度、異なる制御パラメー
タに対する重み配分、すなわち制御パラメータ対応の関連度の、当時評価指標の対応する
全種類の制御パラメータ関連度の和における比率を分析すること、履歴データに基づいて
関連関数
集を構成し、即ち１つの評価指標は複数グループの解集に対応し、両方を１対１に対応さ
せて記憶し、以降の呼び出しを待機すること、を挙げられるが、これらに限定してない。
複数の評価指標次元間の制御パラメータの交集合を結合制御パラメータと記し、非交集合
を独立制御パラメータと記す。第１目標関数集合は指標次元と制御パラメータの間の関連
関係を特徴づけることができ、よって非構造化の設備状態情報の選択を設備制御パラメー
タの調整にシフトすることができ、コンピュータの処理を容易にし、自動化制御の実施可
能性を高めている。
Ｓ５００：該第１応用対象情報に対してリアルタイム状態抽出を行い、第１リアルタイム
状態情報を取得する。
第１リアルタイム状態情報は、当時の加工対象のリアルタイム状態情報であり、異なるプ
ロセスノードにおける処理を待機する数量情報、異なるプロセスノードにおける処理を進
行している数量情報、加工済みの数量情報、加工エネルギー消費要求情報、加工コスト情
報、加工時限情報などを含むが、これらに限定していない。採集状態情報の次元を作業者
がカスタマイズして設定することができ、採集方式は選択的に、画像採集装置によるリア
ルタイム的な製品加工情報の採集や、マシンによる製品加工状態情報のアップロードなど
、を使用してもよく、これらに限定していない。第１応用対象は、被処理製品であり、異
なるシーンでは製品類型が異なり、群制御エレベータでは、第１応用対象は人ごみであり
、リモート計器読み取りでは、第１応用対象は計器読みデータであり、工場では、第１応
用対象は加工製品である。第１応用対象のリアルタイム的な状態採集により、後工程の当
時状態における最適な設備性能指標の選定のために情報フィードバックの基礎を提供する
。
Ｓ６００：該第１リアルタイム状態情報と該第１評価指標集合とを第１セレクティングモ
デルに入力し、評価指標値セレクティング結果情報を生成する。
前記「該第１リアルタイム状態情報と該第１評価指標集合とを第１セレクティングモデル
に入力し、評価指標値セレクティング結果情報を生成する」に関して、ステップＳ６００
は、以下のステップを含む。
Ｓ６１０：第１評価指標集合に基づいて該第１制御対象に対して指標値抽出を行い、第１
評価指標値集合を生成する。
Ｓ６２０：該第１リアルタイム状態情報と該第１評価指標値集合を第１マッチングネット
ワーク層に入力し、第１マッチング結果を取得する。
Ｓ６３０：該第１マッチング結果に不マッチング情報が含まれる場合、第１セレクティン
グネットワーク層を活性化し、該第１リアルタイム状態情報と該第１評価指標集合を入力
し、該評価指標値セレクティング結果情報を生成する。
Ｓ６４０：該第１マッチング結果にマッチング情報が含まれる場合、該第１評価指標値集
合を該評価指標値セレクティング結果情報とする。
第１セレクティングモデルは深層ニューラルネットワークに基づいて構築される、第１リ
アルタイム状態情報と第１評価指標集合を評価し、さらに当時の第１リアルタイム状態情
報に適応する評価指標集合の具体値をセレクティングする知能モデルであり、ニューラル
ネットワークモデルは非線形データのフィッティングによく用いられる知能モデルであり
、ヒトの脳の模倣に基づいて構築されるニューラルネットワークは学習能力と記憶能力を
有し、訓練後、新規入力のデータに対して訓練処理を行うことができる。ここでの第１セ
レクティングモデルは、第１マッチングネットワーク層と第１セレクティングネットワー
ク層からなり、第１マッチングネットワーク層と第１セレクティングネットワーク層はい
ずれも独立したサブニューラルネットワークであり、両者は独立に訓練された後、統合し
て第１セレクティングモデルを生成する。
第１マッチングネットワーク層は、第１評価指標値集合と第１リアルタイム状態情報との
マッチングネットワーク関係を評価するためのニューラルネットワークモデルである。第
１評価指標値集合は、当時の第１制御対象の第１評価指標集合の具体値であり、第１マッ
チング結果は、第１評価指標値集合と第１リアルタイム状態情報を評価するマッチング結
果である。両者間のマッチング関係は、例示的には、第１リアルタイム状態情報における
製品加工時限に基づいて加工効率を決定すること、加工製品のコスト情報に基づいて加工
エネルギー消費および設備の選択を制御することを挙げられる。このプロセスは、複雑で
、非線形な処理プロセスであると考えて、ニューラルネットワークの訓練に基づいて、モ
デルを構築することにより、第１リアルタイム状態情報と第１評価指標値集合の間のマッ
チング情報を特徴付ける第１マッチング結果を生成することができ、そして、各グループ
の評価指標値集合は、マッチング情報または不マッチング情報である。
第１セレクティングネットワーク層は、第１リアルタイム状態情報と第１評価指標集合と
に基づいて、第１リアルタイム状態情報に適用する第１評価指標集合の具体値をセレクテ
ィングするニューラルネットワークモデルである。評価指標値セレクティング結果情報は
、第１マッチング結果に不マッチプ情報が含まれる場合、第１セレクティングネットワー
ク層を活性化し、第１リアルタイム状態情報と第１評価指標集合を第１セレクティングネ
ットワーク層に入力しマッチングして取得した結果であり、第１マッチング結果にマッチ
ング情報が含まれる場合、第１評価指標値集合を評価指標値セレクティング結果情報とす
ると、第１セレクティングネットワーク層を活性化する必要がない。
すなわち、上述したことから、第１マッチングネットワーク層はデータ処理ごとに活性化
すべき処理層であり、第１セレクティングネットワーク層は第１マッチングネットワーク
層の処理結果にょって活性化し、これにより遠隔制御監視管理の知能化程度を高めている
。
Ｓ７００：該第１目標関数集合と該評価指標値セレクティング結果情報とに基づいて該第
１制御パラメータ集合を最適化し、最適化制御パラメータ集合を生成し、該最適化制御パ
ラメータ集合に基づいて該第１制御対象を遠隔制御する。
図２に示すように、前記「該第１目標関数集合と該評価指標値セレクティング結果情報と
に基づいて該第１制御パラメータ集合を最適化し、最適化制御パラメータ集合を生成し」
に基づいて、ステップ７００はか以下のステップを含む。
Ｓ７１０：第１目標関数集合に基づいて、第１最適化空間を生成し、第１最適化空間次元
は第１目標関数集合次元と相同である。
Ｓ７２０：該第１最適化空間に基づいて、第１速度拘束パラメータと第１位置拘束パラメ
ータを取得する。
Ｓ７３０：該評価指標値セレクティング結果情報を該第１最適化空間に入力し初期化し、
初期化が完了したら第１最適化指令を生成する。
Ｓ７４０：第１最適化指令を受信し、該第１制御パラメータ集合を第１最適化空間に入力
し、該第１速度拘束パラメータと第１位置拘束パラメータに基づいて最適化し、該最適化
制御パラメータ集合を生成する。
最適化制御パラメータ集合は、第１リアルタイム状態情報に適用する評価指標値セレクテ
ィング結果情報を確定した後、第１目標関数集合と評価指標値セレクティング結果情報に
基づいて第１制御パラメータ集合が最適化した後に確定した結果であり、最適化制御パラ
メータ集合に基づいて第１制御対象を遠隔制御し、第１制御対象の処理過程が評価指標値
セレクティング結果情報を満たすように保障する。
最適化プロセスは、好ましくは、
第１最適化空間を生成し、第１目標関数集合に基づいて最適化空間の基本枠組みを生成し
、すなわち第１目標関数集合の次元数に基づいて、最適化制御パラメータ集合の選択範囲
確定枠組みを確定し、第１最適化空間次元数を確定する。第１速度制約パラメータは、制
御パラメータの最適化更新時の変化ステップ長、すなわち数値変化幅を特徴づけるもので
ある。第１位置拘束パラメータは、制御パラメータ選択範囲を特徴付けるパラメータ、す
なわち第１目標関数集合に基づいて確定される最適化制御パラメータ集合の選択範囲確定
枠組みである。結合制御パラメータを有する関連関数の対応次元は結合制御パラメータに
空間位置の交点を有し、独立制御パラメータを有する関連関数の対応次元は独立制御パラ
メータに異なる空間位置を有し、異なる空間位置は異なる制御パラメータ数値に対応する
。
第１最適化空間を初期化し、評価指標値セレクティング結果情報を第１目標関数集合に入
力すれば、対応次元の目標関数内に入力でき、各次元に対応する解集を得ることができ、
すなわち第１位置拘束パラメータを確定し、さらに第１速度拘束パラメータをカスタマイ
ズして設定することにより、単回エルゴードステップ長を確定することができ、すなわち
第１最適化空間の初期化過程を完成することができる。
最適化が始まると、第１制御パラメータ集合を最適化初期位置として初期化完了後の第１
最適化空間に入力し、第１最適化空間で第１位置拘束パラメータと第１速度拘束パラメー
タに基づいてエルゴード点を選択し、そして、各エルゴード点のマッチング度と受容度を
段階的に評価し、要件を満たさないものを淘汰データグループに追加し、このように繰り
返して、最終的にマッチング度と受容度のグローバル最適値が得られ、最適化制御パラメ
ータ集合とする。
最適化アルゴリズムにより解集をグローバル的にエルゴードし、当時のリアルタイム状態
に適用する制御パラメータグループを得る。
該方法のステップＳ６００は以下のＳ６５０ステップを含む。
Ｓ６５１：複数グループのリアルタイム状態情報、評価指標値集合およびマッチング結果
識別情報を含む第１履歴データを取得する。
Ｓ６５２：該複数グループのリアルタイム状態情報、評価指標値集合とマッチング結果識
別情報に基づいて、該第１マッチングネットワーク層を構築する。
Ｓ６５３：複数グループのリアルタイム状態情報、評価指標集合および評価指標値識別情
報を含む第２履歴データを取得する。
Ｓ６５４：該複数グループのリアルタイム状態情報、評価指標集合と評価指標値識別情報
に基づいて、該第１セレクティングネットワーク層を構築する。
Ｓ６５５：第１マッチングネットワーク層と第１セレクティングネットワーク層とを統合
して第１セレクティングモデルを生成する。
第１セレクティングモデルの構築プロセスは、次のとおりである。
第１マッチングネットワーク層を生成し、複数グループのリアルタイム状態情報、評価指
標値集合とマッチング結果識別情報を含む第１履歴データを採集し、リアルタイム状態情
報、評価指標値集合を入力訓練データとし、マッチング結果識別情報を出力識別情報とし
、ニューラルネットワークに基づいて監督学習を行い、第１マッチングネットワーク層を
構築し、モデルが収束になる時に訓練を停止する。
第１セレクティングネットワーク層を生成し、複数グループのリアルタイム状態情報、評
価指標集合および評価指標値識別情報を含む第２履歴データを採集し、リアルタイム状態
情報、評価指標集合を入力訓練データとし、評価指標値識別情報を出力識別情報とし、ニ
ューラルネットワークに基づいて監督学習を行い、第１セレクティングネットワーク層を
構築し、モデルが収束になる時に訓練を停止する。
第１マッチングネットワーク層の入力端と第１セレクティングモデルの入力端をマージす
る。第１マッチングネットワーク層の出力端と第１セレクティングモデルの出力端をマー
ジするとともに、第１マッチングネットワーク層の出力端と第１セレクティングネットワ
ーク層の入力端を完接続する。第１セレクティングネットワーク層の入力端と第１セレク
ティングモデルの入力端ををマージし、第１セレクティングネットワーク層の出力端と第
１セレクティングモデルの出力端をマージし、第１セレクティングモデルを生成する。
第１リアルタイム状態情報と第１評価指標集合を第１セレクティングモデルに入力する場
合、第１セレクティングネットワーク層のみを活性化にして第１リアルタイム状態情報と
第１評価指標値集合をマッチング関係評価し、第１セレクティングネットワーク層が第１
マッチングネットワーク層から出力するマッチング情報を受信するとき、応答を拒否し、
直接に第１評価指標値集合を第１セレクティングモデルの出力端に同期させる。第１セレ
クティングネットワーク層が第１セレクティングネットワーク層から出力する不マッチン
グ情報を受信するとき、応答して、第１セレクティングネットワーク層が動作を停止し、
第１セレクティングネットワーク層を活性化し、第１セレクティングモデルの入力端から
第１リアルタイム状態情報と第１評価指標集合を受信して評価し、出力結果を第１セレク
ティングモデルの出力端に同期させる。
ヒトの脳の思考を模倣したニューラルネットワークモデルにより、ビッグデータの経験知
識にフィッティングして、第１リアルタイム状態情報と第１評価指標集合に対して正確な
評価を行い、比較的全面的で正確な評価指標値セレクティング結果情報を生成することが
できる。
前記「該評価指標値セレクティング結果情報を該第１最適化空間に入力し初期化し」に関
して、ステップＳ７３０は、以下のステップを含む。
Ｓ７３１は、該評価指標値のセレクティング結果情報を該第１目標関数集合に入力し、制
御パラメータ粒子群を生成する。
Ｓ７３２：第１マッチング度評価式と第１受容度評価式を取得する。
Ｓ７３４：該制御パラメータ粒子群、該第１マッチング度評価式、および該第１受容度評
価式に基づいて、該第１最適化空間を初期化する。
初期化プロセスは次のとおりである。
制御パラメータ粒子群は、評価指標値セレクティング結果情報が第１最適化空間に入力さ
れて生成される各次元制御パラメータの数値解集であり、各次元制御パラメータの数値解
集は、それぞれの第１目標関数集合が存在する次元空間方向に沿って評価指標に対する順
方向影響関係を順次配列する。順方向影響関係は、評価指標が増大するにつれて、制御パ
ラメータの変化方向であり、そして、仮想座標値を生成し、同じ制御パラメータの同じ位
置の値は同じであるが、複数の次元の交点である可能性がある。
第１マッチング度評価式と第１容受度評価式を構築する。第１マッチング度評価式は、各
グループの制御パラメータ集合と評価指標値セレクティング結果情報のマッチング度を評
価するための公式であり、経験に基づいて構築することができるが、具体的な形式は制限
しない。第１受容度評価式は、異なる位置のマッチング度の大きさに基づいて制御パラメ
ータ集合の位置更新を行うための評価式である。
パラメータ粒子群を制御して粒子選択範囲を確定し、第１マッチング度評価式と第１受容
度評価式を通じてエルゴード規則の設定を実現し、上述の位置パラメータによって反復更
新ステップ長を決定し、さらに第１最適化空間の初期化を完了する。
該方法のステップＳ７３２は以下のステップを含む。
Ｓ７３２１：該第１マッチング度評価式は、
頻度を示し、
おける選択頻度を示し、
Ｓ７３２２：該第１容受度評価式は、
該方法のステップＳ７３２２は以下のステップを含む。
Ｓ７３２２１：該第１容受度が１である場合、第ｎ制御パラメータ集合を淘汰データグル
ープに追加し、第ｎ＋１制御パラメータ集合に基づいて最適化を継続する。
Ｓ７３２２２：該第１容受度が０である場合、第ｎ＋１制御パラメータ集合を淘汰データ
グループに追加し、第ｎ制御パラメータ集合に基づいて最適化を継続する。
第１マッチング度評価式は、選択的には、
頻度を示し、
おける選択頻度を示し、
第１容受度評価式は、選択的には、
該第１受容度が１の場合、該第ｎ制御パラメータ集合を淘汰データグループに追加し、該
第ｎ＋１制御パラメータ集合に基づいて最適化を継続する。該第１受容度が０の場合、該
第ｎ＋１制御パラメータ集合を該淘汰データ群に追加し、該第ｎ制御パラメータ集合に基
づいて最適化を継続する。淘汰データグループは、制御パラメータ粒子群中をエルゴード
する淘汰データグループであり、同じデータ集合に更新すると、スキップして重複したエ
ルドードを避ける。第１容受度によって、セレクティングされた制御パラメータ集合が最
もマッチング度の高い制御パラメータ集合であるように保障でき、さらに遠隔制御装置の
監視管理の自動監視データ処理を実現し、システム安定性を向上する。
以上のように、遠隔制御装置の監視管理システムを提供することによって構成される。
従来技術では、人による意思決定のプロセスに大きな不安定性があり、さらに監視管理の
安定性が低く、自動化の程度が低いという技術的問題を解決した。監視シーン情報を用い
て制御対象を決定し及び制御対象を特徴づけることによって処理される応用対象情報を決
定し、制御対象マッチング状態に基づいて指標集合を評価し、制御対象に対して指標集合
の１対１の対応する制御パラメータ情報を抽出・評価し、１対１の対応する制御パラメー
タと評価指標との関連関係を特徴づける経験的目標関数集合を生成し、応用対象情報のリ
アルタイム状態情報を抽出し、リアルタイム状態に基づいてインテリジェント化モデルを
用いて評価指標値をマッチングし、マッチング評価指標値と目標関数集合に基づいて制御
パラメータ集合を最適化し、現在のシーンに適した制御パラメータ最適化結果を得て制御
対象を制御し、インテリジェント化モデルを用いて現在のシーンに適した評価指標値をマ
ッチングし、さらに目標関数と評価指標値に基づいて最適化アルゴリズムにより制御パラ
メータのマッチングを実現する。リアルタイム状態に適しており、しかも精度が高く、人
への依存を低減し、遠隔監視管理の安定性を高める技術効果を達成する。
【0015】
実施例２
上記実施例における遠隔制御装置のための監視管理方法と同様の発明構想に基づいて、図
３に示すように、本願実施例は、遠隔制御装置のための監視管理システムを提供する。該
システムは第１制御対象に通信接続し、以下のユニットを含む。
第１採集ユニット１１は、第１制御対象情報と第１応用対象情報を含む第１監視シーン情
報を採集する。
第１生成ユニット１２は、該第１制御対象情報に対して評価指標マッチングを行い、第１
評価指標集合を生成し、該評価指標が制御対象状態を特徴づける。
第２生成ユニット１３は、該第１制御対象情報に対して制御パラメータ抽出を行い、第１
制御パラメータ集合を生成する。
第３生成ユニット１４は、該第１制御パラメータ集合に基づいて、該第１評価指標集合を
エルゴードし、第１目標関数集合を生成する。
第１取得ユニット１５は、該第１応用対象情報に対してリアルタイム状態抽出を行い、第
１リアルタイム状態情報を取得する。
第４生成ユニット１６は、第１リアルタイム状態情報および第１評価指標集合を第１セレ
クティングモデルに入力し、評価指標値セレクティング結果情報を生成する
第５生成ユニット１７は、該第１目標関数集合と該評価指標値セレクティング結果情報と
に基づいて該第１制御パラメータ集合を最適化し、最適制御パラメータ集合を生成し、該
最適制御パラメータ集合に基づいて該第１制御対象を遠隔制御する。
該システムはさらに以下のユニットを含む。
第６生成ユニットは、第１評価指標集合に基づいて該第１制御対象に対して指標値抽出を
行い、第１評価指標値集合を生成する。
第２取得ユニットは、該第１リアルタイム状態情報と該第１評価指標値との集合を第１マ
ッチングネットワーク層に入力し、第１マッチング結果を取得する。
第７生成ユニットは、該第１マッチング結果に不マッチング情報が含まれる場合、第１セ
レクティングネットワーク層を活性化し、該第１リアルタイム状態情報と該第１評価指標
集合を入力し、該評価指標値セレクティング結果情報を生成する。
第１処理ユニットは、該第１マッチング結果にマッチング情報が含まれる場合に、該第１
評価指標値集合を当該評価指標値セレクティング結果情報とする。
該システムはさらに以下のユニットを含む。
第３取得ユニットは、複数グループのリアルタイム状態情報、評価指標値集合およびマッ
チング結果識別情報を含む第１の履歴データを取得する。
第１構築ユニットは、複数グループのリアルタイム状態情報、評価指標値集合とマッチン
グ結果識別情報に基づいて、第１マッチングネットワーク層を構築する。
第４取得ユニットは、複数グループのリアルタイム状態情報、評価指標集合、評価指標値
識別情報を含む第２履歴データを取得する。
第２構築ユニットは、複数グループのリアルタイム状態情報、評価指標集合および評価指
標値識別情報に基づいて、第１セレクティングネットワーク層を構築する。
第８生成ユニットは、第１マッチングネットワーク層と第１セレクティングネットワーク
層とをマージし、第１セレクティングモデルを生成する。
該システムはさらに以下のユニットを含む。
第９生成ユニットは、該第１目標関数集合に基づいて、第１最適化空間を生成する。該第
１最適化空間次元と該第１目標関数集合次元とが相同である。
第５取得ユニットは、該第１最適化空間に基づいて、第１速度拘束パラメータと第１位置
拘束パラメータとを取得する。
第１０生成ユニットは、該評価指標値セレクティング結果情報を該第１最適化空間に入力
して初期化し、初期化が完了した後に第１最適化指令を生成する。
第１１生成ユニットは、該第１最適化指令を受信し、該第１制御パラメータ集合を該第１
最適化空間に入力し、該第１速度拘束パラメータと該第１位置拘束パラメータとに基づい
て最適化し、該最適化制御パラメータ集合を生成する。
該システムはさらに以下のユニットを含む。
第１２生成ユニットは、該評価指標値スクリニング結果情報を該第１目標関数集合に入力
し、制御パラメータ粒子群を生成する。
第６取得ユニットは、第１マッチング度評価式および第１容受度評価式を取得する。
第２処理ユニットは、該制御パラメータ粒子群、該第１適合度評価式および該第１受容度
評価式に基づいて、該第１最適化空間を初期化する。
該システムはさらに、以下のユニットを含む。
第１設定ユニットは、該第１マッチング度評価式を設定する。該式は、
であり、ただし
は第１制御対象が存在するメーカ履歴制御データにおける第ｎ制御パラメータ集合の選択
頻度を示し、
は第１制御対象の同型設備が存在する第ｎ制御パラメータ集合のメーカ履歴制御データに
おける選択頻度を示し、
はそれぞれ
と
の比重である。
第２設定ユニットは、該第１容受度評価式を設定する。該式は、
であり、ただし
は第ｎ＋１制御パラメータ集合の容受度である。
上記実施例における遠隔制御装置のための監視管理方法と同様の発明構想に基づいて、図
３に示すように、本願実施例は、遠隔制御装置のための監視管理システムを提供する。該
システムは第１制御対象に通信接続し、以下のユニットを含む。
第１採集ユニット１１は、第１制御対象情報と第１応用対象情報を含む第１監視シーン情
報を採集する。
第１生成ユニット１２は、該第１制御対象情報に対して評価指標マッチングを行い、第１
評価指標集合を生成し、該評価指標が制御対象状態を特徴づける。
第２生成ユニット１３は、該第１制御対象情報に対して制御パラメータ抽出を行い、第１
制御パラメータ集合を生成する。
第３生成ユニット１４は、該第１制御パラメータ集合に基づいて、該第１評価指標集合を
エルゴードし、第１目標関数集合を生成する。
第１取得ユニット１５は、該第１応用対象情報に対してリアルタイム状態抽出を行い、第
１リアルタイム状態情報を取得する。
第４生成ユニット１６は、第１リアルタイム状態情報および第１評価指標集合を第１セレ
クティングモデルに入力し、評価指標値セレクティング結果情報を生成する
第５生成ユニット１７は、該第１目標関数集合と該評価指標値セレクティング結果情報と
に基づいて該第１制御パラメータ集合を最適化し、最適制御パラメータ集合を生成し、該
最適制御パラメータ集合に基づいて該第１制御対象を遠隔制御する。
該システムはさらに以下のユニットを含む。
第６生成ユニットは、第１評価指標集合に基づいて該第１制御対象に対して指標値抽出を
行い、第１評価指標値集合を生成する。
第２取得ユニットは、該第１リアルタイム状態情報と該第１評価指標値との集合を第１マ
ッチングネットワーク層に入力し、第１マッチング結果を取得する。
第７生成ユニットは、該第１マッチング結果に不マッチング情報が含まれる場合、第１セ
レクティングネットワーク層を活性化し、該第１リアルタイム状態情報と該第１評価指標
集合を入力し、該評価指標値セレクティング結果情報を生成する。
第１処理ユニットは、該第１マッチング結果にマッチング情報が含まれる場合に、該第１
評価指標値集合を当該評価指標値セレクティング結果情報とする。
該システムはさらに以下のユニットを含む。
第３取得ユニットは、複数グループのリアルタイム状態情報、評価指標値集合およびマッ
チング結果識別情報を含む第１の履歴データを取得する。
第１構築ユニットは、複数グループのリアルタイム状態情報、評価指標値集合とマッチン
グ結果識別情報に基づいて、第１マッチングネットワーク層を構築する。
第４取得ユニットは、複数グループのリアルタイム状態情報、評価指標集合、評価指標値
識別情報を含む第２履歴データを取得する。
第２構築ユニットは、複数グループのリアルタイム状態情報、評価指標集合および評価指
標値識別情報に基づいて、第１セレクティングネットワーク層を構築する。
第８生成ユニットは、第１マッチングネットワーク層と第１セレクティングネットワーク
層とをマージし、第１セレクティングモデルを生成する。
該システムはさらに以下のユニットを含む。
第９生成ユニットは、該第１目標関数集合に基づいて、第１最適化空間を生成する。該第
１最適化空間次元と該第１目標関数集合次元とが相同である。
第５取得ユニットは、該第１最適化空間に基づいて、第１速度拘束パラメータと第１位置
拘束パラメータとを取得する。
第１０生成ユニットは、該評価指標値セレクティング結果情報を該第１最適化空間に入力
して初期化し、初期化が完了した後に第１最適化指令を生成する。
第１１生成ユニットは、該第１最適化指令を受信し、該第１制御パラメータ集合を該第１
最適化空間に入力し、該第１速度拘束パラメータと該第１位置拘束パラメータとに基づい
て最適化し、該最適化制御パラメータ集合を生成する。
該システムはさらに以下のユニットを含む。
第１２生成ユニットは、該評価指標値スクリニング結果情報を該第１目標関数集合に入力
し、制御パラメータ粒子群を生成する。
第６取得ユニットは、第１マッチング度評価式および第１容受度評価式を取得する。
第２処理ユニットは、該制御パラメータ粒子群、該第１適合度評価式および該第１受容度
評価式に基づいて、該第１最適化空間を初期化する。
該システムはさらに、以下のユニットを含む。
第１設定ユニットは、該第１マッチング度評価式を設定する。該式は、
頻度を示し、
おける選択頻度を示し、
第２設定ユニットは、該第１容受度評価式を設定する。該式は、
【0016】
実施例３
本出願の実施形態は、前述の実施形態における遠隔制御装置の監視管理方法と同様の発明
的アイデアに基づいて、コンピュータ可読記憶媒体を提供する。
前記記憶媒体にはコンピュータプログラムが記憶されており、前記コンピュータプログラ
ムはプロセッサによって実行されると、実施形態のいずれか１つに記載の方法を実現する
。
本出願の実施形態は、前述の実施形態における遠隔制御装置の監視管理方法と同様の発明
的アイデアに基づいて、コンピュータ可読記憶媒体を提供する。
前記記憶媒体にはコンピュータプログラムが記憶されており、前記コンピュータプログラ
ムはプロセッサによって実行されると、実施形態のいずれか１つに記載の方法を実現する
。
【0017】
例示的な電子デバイス
以下、図４を参照して、本発明の実施形態に係る電子デバイスについて説明する。
本願の実施形態は、上述した実施形態における遠隔制御装置の監視管理方法と同様の発明
的発想に基づいて、電子デバイスも提供する。プログラムを記憶するためのプロセッサを
備え、前記プロセッサは、前記プログラムが前記プロセッサによって実行されるときに、
第１の態様のいずれか１つに記載の方法を実行するためにシステムに動作させるメモリに
結合される。
電子デバイス３００は、プロセッサ３０２、通信インタフェース３０３、メモリ３０１を
含む。オプションとして、電子デバイス３００は、バスアーキテクチャ３０４を含むこと
もできる。ここで、通信インタフェース３０３、プロセッサ３０２、およびメモリ３０１
は、バスアーキテクチャ３０４を介して相互に接続することができ、バスアーキテクチャ
３０４は、周辺部品相互接続ターゲット（ＰＣＩと略称するｐｅｒｉｐｈｅｒａｌ ｃｏ
ｍｐｏｎｅｎｔ ｉｎｔｅｒｃｏｎｎｅｃｔ）バスまたは拡張工業標準構造（ｅｘｔｅｎ
ｄｅｄ ｉｎｄｕｓｔｒｙ Ｓｔａｎｄａｒｄ ａｒｃｈｉｔｅｃｔｕｒｅ、ＥＩＳＡと
略称する）バスなどであってもよい。バスアーキテクチャ３０４は、アドレスバス、デー
タバス、制御バスなどに分割することができる。表示を容易にするために、図４では１本
の太い線のみで表示されているが、１本のバスまたはタイプのバスのみを表示しているわ
けではない。
プロセッサ３０２は、ＣＰＵ、マイクロプロセッサ、ＡＳＩＣ、または本願プログラムの
実行を制御するための１つまたは複数の集積回路であってもよい。
通信インタフェース３０３は、イーサネット、無線アクセスネットワーク（ｒａｄｉｏ
ａｃｃｅｓｓ ｎｅｔｗｏｒｋ、ＲＡＮ）、無線ローカルエリアネットワーク（ｗｉｒｅ
ｌｅｓｓ ｌｏｃａｌ ａｒｅａ ｎｅｔｗｏｒｋｓ、ＷＬＡＮ）、有線アクセスネット
ワークなどの他のデバイスや通信ネットワークと通信するために、任意のトランシーバの
クラスのシステムを使用する。
メモリ３０１は、ＲＯＭまたは静的情報および命令を記憶することができる他のタイプの
静的記憶装置、ＲＡＭまたは情報および命令を記憶することができる他のタイプの動的記
憶装置であってもよく、電気的消去可能プログラマブル読取り専用メモリ（ｅｌｅｃｔｒ
ｉｃａｌｌｙ ｅｒａｓａｂｌｅ Ｐｒｏｇｒａｍｍａｂｌｅ ｒｅａｄ－ｏｎｌｙ ｍ
ｅｍｏｒｙ、ＥＥＰＲＯＭ）、読取り専用光ディスク（ｃｏｍｐａｃｔ ｄｉｓｃｒｅａ
ｄ－ｏｎｌｙ ｍｅｍｏｒｙ、ＣＤ－ＲＯＭ）または他の光ディスク記憶、ディスク記憶
装置（圧縮ディスク、レーザディスク、ディスク、デジタル汎用ディスク、ブルーレイデ
ィスクなどを含む）、ディスク記憶媒体または他の磁気記憶装置、または命令またはデー
タ構造の形態を有する所望のプログラムコードを搬送または記憶し、コンピュータによっ
てアクセスできる他の任意の媒体に使用することができるが、これに限定されない。
メモリは、バスアーキテクチャ３０４を介してプロセッサに接続される別個の存在であっ
てもよい。メモリはプロセッサと統合することもできます。
ここで、メモリ３０１は、本願発明を実行するコンピュータ実行命令を記憶し、プロセッ
サ３０２によって実行を制御するために使用される。プロセッサ３０２は、メモリ３０１
に記憶されたコンピュータ実行命令を実行するために使用され、それによって、本願の上
述の実施形態によって提供された遠隔制御装置の監視管理方法を実現する。
オプションとして、本願の実施形態におけるコンピュータ実行命令はアプリケーションコ
ードとも呼ばれ、本願の実施形態はこれに具体的に限定されない。
本発明の実施形態は、遠隔制御装置の監視管理システムを提供する。監視シーン情報を用
いて制御対象を決定し及び制御対象を特徴づけることによって処理される応用対象情報を
決定し、制御対象マッチング状態に基づいて指標集合を評価し、制御対象に対して指標集
合の１対１の対応する制御パラメータ情報を抽出・評価し、１対１の対応する制御パラメ
ータと評価指標との関連関係を特徴づける経験的目標関数集合を生成し、応用対象情報の
リアルタイム状態情報を抽出し、リアルタイム状態に基づいてインテリジェント化モデル
を用いて評価指標値をマッチングし、マッチング評価指標値と目標関数集合に基づいて制
御パラメータ集合を最適化し、現在のシーンに適した制御パラメータ最適化結果を得て制
御対象を制御し、インテリジェント化モデルを用いて現在のシーンに適した評価指標値を
マッチングし、さらに目標関数と評価指標値に基づいて最適化アルゴリズムにより制御パ
ラメータのマッチングを実現する。リアルタイム状態に適しており、しかも精度が高く、
人への依存を低減し、遠隔監視管理の安定性を高める技術効果を達成する。
以下、図４を参照して、本発明の実施形態に係る電子デバイスについて説明する。
本願の実施形態は、上述した実施形態における遠隔制御装置の監視管理方法と同様の発明
的発想に基づいて、電子デバイスも提供する。プログラムを記憶するためのプロセッサを
備え、前記プロセッサは、前記プログラムが前記プロセッサによって実行されるときに、
第１の態様のいずれか１つに記載の方法を実行するためにシステムに動作させるメモリに
結合される。
電子デバイス３００は、プロセッサ３０２、通信インタフェース３０３、メモリ３０１を
含む。オプションとして、電子デバイス３００は、バスアーキテクチャ３０４を含むこと
もできる。ここで、通信インタフェース３０３、プロセッサ３０２、およびメモリ３０１
は、バスアーキテクチャ３０４を介して相互に接続することができ、バスアーキテクチャ
３０４は、周辺部品相互接続ターゲット（ＰＣＩと略称するｐｅｒｉｐｈｅｒａｌ ｃｏ
ｍｐｏｎｅｎｔ ｉｎｔｅｒｃｏｎｎｅｃｔ）バスまたは拡張工業標準構造（ｅｘｔｅｎ
ｄｅｄ ｉｎｄｕｓｔｒｙ Ｓｔａｎｄａｒｄ ａｒｃｈｉｔｅｃｔｕｒｅ、ＥＩＳＡと
略称する）バスなどであってもよい。バスアーキテクチャ３０４は、アドレスバス、デー
タバス、制御バスなどに分割することができる。表示を容易にするために、図４では１本
の太い線のみで表示されているが、１本のバスまたはタイプのバスのみを表示しているわ
けではない。
プロセッサ３０２は、ＣＰＵ、マイクロプロセッサ、ＡＳＩＣ、または本願プログラムの
実行を制御するための１つまたは複数の集積回路であってもよい。
通信インタフェース３０３は、イーサネット、無線アクセスネットワーク（ｒａｄｉｏ
ａｃｃｅｓｓ ｎｅｔｗｏｒｋ、ＲＡＮ）、無線ローカルエリアネットワーク（ｗｉｒｅ
ｌｅｓｓ ｌｏｃａｌ ａｒｅａ ｎｅｔｗｏｒｋｓ、ＷＬＡＮ）、有線アクセスネット
ワークなどの他のデバイスや通信ネットワークと通信するために、任意のトランシーバの
クラスのシステムを使用する。
メモリ３０１は、ＲＯＭまたは静的情報および命令を記憶することができる他のタイプの
静的記憶装置、ＲＡＭまたは情報および命令を記憶することができる他のタイプの動的記
憶装置であってもよく、電気的消去可能プログラマブル読取り専用メモリ（ｅｌｅｃｔｒ
ｉｃａｌｌｙ ｅｒａｓａｂｌｅ Ｐｒｏｇｒａｍｍａｂｌｅ ｒｅａｄ－ｏｎｌｙ ｍ
ｅｍｏｒｙ、ＥＥＰＲＯＭ）、読取り専用光ディスク（ｃｏｍｐａｃｔ ｄｉｓｃｒｅａ
ｄ－ｏｎｌｙ ｍｅｍｏｒｙ、ＣＤ－ＲＯＭ）または他の光ディスク記憶、ディスク記憶
装置（圧縮ディスク、レーザディスク、ディスク、デジタル汎用ディスク、ブルーレイデ
ィスクなどを含む）、ディスク記憶媒体または他の磁気記憶装置、または命令またはデー
タ構造の形態を有する所望のプログラムコードを搬送または記憶し、コンピュータによっ
てアクセスできる他の任意の媒体に使用することができるが、これに限定されない。
メモリは、バスアーキテクチャ３０４を介してプロセッサに接続される別個の存在であっ
てもよい。メモリはプロセッサと統合することもできます。
ここで、メモリ３０１は、本願発明を実行するコンピュータ実行命令を記憶し、プロセッ
サ３０２によって実行を制御するために使用される。プロセッサ３０２は、メモリ３０１
に記憶されたコンピュータ実行命令を実行するために使用され、それによって、本願の上
述の実施形態によって提供された遠隔制御装置の監視管理方法を実現する。
オプションとして、本願の実施形態におけるコンピュータ実行命令はアプリケーションコ
ードとも呼ばれ、本願の実施形態はこれに具体的に限定されない。
本発明の実施形態は、遠隔制御装置の監視管理システムを提供する。監視シーン情報を用
いて制御対象を決定し及び制御対象を特徴づけることによって処理される応用対象情報を
決定し、制御対象マッチング状態に基づいて指標集合を評価し、制御対象に対して指標集
合の１対１の対応する制御パラメータ情報を抽出・評価し、１対１の対応する制御パラメ
ータと評価指標との関連関係を特徴づける経験的目標関数集合を生成し、応用対象情報の
リアルタイム状態情報を抽出し、リアルタイム状態に基づいてインテリジェント化モデル
を用いて評価指標値をマッチングし、マッチング評価指標値と目標関数集合に基づいて制
御パラメータ集合を最適化し、現在のシーンに適した制御パラメータ最適化結果を得て制
御対象を制御し、インテリジェント化モデルを用いて現在のシーンに適した評価指標値を
マッチングし、さらに目標関数と評価指標値に基づいて最適化アルゴリズムにより制御パ
ラメータのマッチングを実現する。リアルタイム状態に適しており、しかも精度が高く、
人への依存を低減し、遠隔監視管理の安定性を高める技術効果を達成する。
【0018】
当業者であれば、本願に係る第１、第２等の各種数字番号は、説明の便宜的な区分のみで
あり、本願の実施例の範囲を制限するために使用されるものではなく、前後の順序を示す
ものでもないことを理解することができる。「および／または」は、関連オブジェクトの
関連関係を記述し、３つの関係が存在できることを示します。例えば、Ａおよび／または
Ｂは、Ａが単独で存在し、ＡとＢが同時に存在し、Ｂが単独で存在する３つの場合を表す
ことができる。文字「／」は一般的に、前後の関連オブジェクトがＯＲである関係を表し
ます。「少なくとも１つ」とは、１つまたは複数を意味する。少なくとも２つは２つ以上
を意味します。「少なくとも１つ」、「いずれか１つ」またはそれらの類似表現は、単一
のアイテム（個）または複数のアイテム（個）の任意の組合せを含む、これらのアイテム
の任意の組合せを指す。例えば、ａ、ｂ、またはｃのうちの少なくとも１つ（個、種）は
、ａ、ｂ、ｃ、ａ-ｂ、ａ-ｃ、ｂ-ｃ、またはａ-ｂ-ｃを表すことができ、ここでａ、ｂ
、ｃは単一であってもよく、複数であってもよい。
あり、本願の実施例の範囲を制限するために使用されるものではなく、前後の順序を示す
ものでもないことを理解することができる。「および／または」は、関連オブジェクトの
関連関係を記述し、３つの関係が存在できることを示します。例えば、Ａおよび／または
Ｂは、Ａが単独で存在し、ＡとＢが同時に存在し、Ｂが単独で存在する３つの場合を表す
ことができる。文字「／」は一般的に、前後の関連オブジェクトがＯＲである関係を表し
ます。「少なくとも１つ」とは、１つまたは複数を意味する。少なくとも２つは２つ以上
を意味します。「少なくとも１つ」、「いずれか１つ」またはそれらの類似表現は、単一
のアイテム（個）または複数のアイテム（個）の任意の組合せを含む、これらのアイテム
の任意の組合せを指す。例えば、ａ、ｂ、またはｃのうちの少なくとも１つ（個、種）は
、ａ、ｂ、ｃ、ａ-ｂ、ａ-ｃ、ｂ-ｃ、またはａ-ｂ-ｃを表すことができ、ここでａ、ｂ
、ｃは単一であってもよく、複数であってもよい。
【0019】
上記の実施形態では、ソフトウェア、ハードウェア、ファームウェア、またはそれらの任
意の組み合わせによって、すべてまたは部分的に実装することができる。ソフトウェアを
使用して実装される場合、コンピュータプログラム製品の形ですべてまたは部分的に実装
することができる。コンピュータプログラム製品は、１つまたは複数のコンピュータ命令
を含む。コンピュータ上でコンピュータプログラム命令をロードして実行すると、本願の
実施形態に記載されたフローまたは機能がすべてまたは部分的に生成される。コンピュー
タは、汎用コンピュータ、専用コンピュータ、コンピュータネットワーク、または他のプ
ログラム可能なシステムであってもよい。
意の組み合わせによって、すべてまたは部分的に実装することができる。ソフトウェアを
使用して実装される場合、コンピュータプログラム製品の形ですべてまたは部分的に実装
することができる。コンピュータプログラム製品は、１つまたは複数のコンピュータ命令
を含む。コンピュータ上でコンピュータプログラム命令をロードして実行すると、本願の
実施形態に記載されたフローまたは機能がすべてまたは部分的に生成される。コンピュー
タは、汎用コンピュータ、専用コンピュータ、コンピュータネットワーク、または他のプ
ログラム可能なシステムであってもよい。
【0020】
コンピュータ命令は、コンピュータ可読記憶媒体に記憶されてもよく、またはコンピュー
タ可読記憶媒体から別のコンピュータ可読記憶媒体に送信されてもよい。例えば、コンピ
ュータ命令は、１つのウェブサイト、コンピュータ、サーバ、またはデータセンターから
、有線（例えば、同軸ケーブル、光ファイバ、デジタル加入者線（ＤＳＬ））または無線
（例えば、赤外線、無線、マイクロ波など）を介して別のウェブサイトサイト、コンピュ
ータ、サーバ、またはデータセンターに送信することができる。コンピュータ可読記憶媒
体は、コンピュータがアクセス可能な任意の利用可能な媒体であってもよいし、１つ以上
の利用可能な媒体が統合されたサーバ、データセンターなどのデータ記憶装置を含んでい
てもよい。使用可能な媒体は、磁気媒体（例えば、フロッピーディスク、ハードディスク
、磁気テープ）、光媒体（例えば、ＤＶＤ）、または半導体媒体（例えば、ＳＳＤ（Ｓｏ
ｌｉｄ Ｓｔａｔｅ Ｄｉｓｋ））などであり得る。
タ可読記憶媒体から別のコンピュータ可読記憶媒体に送信されてもよい。例えば、コンピ
ュータ命令は、１つのウェブサイト、コンピュータ、サーバ、またはデータセンターから
、有線（例えば、同軸ケーブル、光ファイバ、デジタル加入者線（ＤＳＬ））または無線
（例えば、赤外線、無線、マイクロ波など）を介して別のウェブサイトサイト、コンピュ
ータ、サーバ、またはデータセンターに送信することができる。コンピュータ可読記憶媒
体は、コンピュータがアクセス可能な任意の利用可能な媒体であってもよいし、１つ以上
の利用可能な媒体が統合されたサーバ、データセンターなどのデータ記憶装置を含んでい
てもよい。使用可能な媒体は、磁気媒体（例えば、フロッピーディスク、ハードディスク
、磁気テープ）、光媒体（例えば、ＤＶＤ）、または半導体媒体（例えば、ＳＳＤ（Ｓｏ
ｌｉｄ Ｓｔａｔｅ Ｄｉｓｋ））などであり得る。
【0021】
本願の実施形態に記載されたさまざまな例示的な論理ユニットおよび回路は、汎用プロセ
ッサ、デジタル信号プロセッサ、特定用途向け集積回路（ＡＳＩＣ）、フィールドプログ
ラマブルゲートアレイ（ＦＰＧＡ）または他のプログラマブル論理システム、ディスクリ
ートゲートまたはトランジスタ論理、ディスクリートハードウェア構成要素、または上述
の任意の組み合わせの設計によって、説明された機能を実装または動作することができる
。汎用プロセッサはマイクロプロセッサであってもよく、任意に、汎用プロセッサは任意
の従来のプロセッサ、コントローラ、マイクロコントローラ、またはステートマシンであ
ってもよい。プロセッサは、デジタル信号プロセッサとマイクロプロセッサ、複数のマイ
クロプロセッサ、１つまたは複数のマイクロプロセッサと１つのデジタル信号プロセッサ
コア、または他の任意の同様の構成を組み合わせたコンピューティングシステムの組み合
わせによって実装することもできる。
ッサ、デジタル信号プロセッサ、特定用途向け集積回路（ＡＳＩＣ）、フィールドプログ
ラマブルゲートアレイ（ＦＰＧＡ）または他のプログラマブル論理システム、ディスクリ
ートゲートまたはトランジスタ論理、ディスクリートハードウェア構成要素、または上述
の任意の組み合わせの設計によって、説明された機能を実装または動作することができる
。汎用プロセッサはマイクロプロセッサであってもよく、任意に、汎用プロセッサは任意
の従来のプロセッサ、コントローラ、マイクロコントローラ、またはステートマシンであ
ってもよい。プロセッサは、デジタル信号プロセッサとマイクロプロセッサ、複数のマイ
クロプロセッサ、１つまたは複数のマイクロプロセッサと１つのデジタル信号プロセッサ
コア、または他の任意の同様の構成を組み合わせたコンピューティングシステムの組み合
わせによって実装することもできる。
【0022】
本願の実施形態に記載された方法またはアルゴリズムのステップは、ハードウェア、プロ
セッサによって実行されるソフトウェアユニット、またはその両方の組み合わせを直接埋
め込むことができる。ソフトウェアユニットは、ＲＡＭメモリ、フラッシュメモリ、ＲＯ
Ｍメモリ、ＥＰＲＯＭメモリ、ＥＥＰＲＯＭメモリ、レジスタ、ハードディスク、リムー
バブルディスク、ＣＤ-ＲＯＭ、または当技術分野における他の任意の形態の記憶媒体に
記憶することができる。例えば、記憶媒体は、プロセッサが記憶媒体から情報を読み出す
ことができ、記憶媒体に情報を書き込むことができるように、プロセッサに接続すること
ができる。オプションとして、ストレージメディアをプロセッサに統合することもできま
す。プロセッサおよび記憶媒体はＡＳＩＣに設置することができ、ＡＳＩＣは端末に設置
することができる。オプションとして、プロセッサおよび記憶媒体は、端末内の異なるコ
ンポーネントに設けられてもよい。これらのコンピュータプログラム命令はまた、コンピ
ュータまたは他のプログラム可能なデータ処理装置にロードされてもよく、コンピュータ
または他のプログラム可能なデバイス上で一連の動作ステップを実行してコンピュータ実
装の処理を生成することができ、したがって、コンピュータまたは他のプログラム可能な
デバイス上で実行される命令は、フローチャートの１つまたは複数のフローおよび／また
はブロック図の１つのブロックまたは複数のブロックで指定された機能を実装するための
ステップを提供する。
セッサによって実行されるソフトウェアユニット、またはその両方の組み合わせを直接埋
め込むことができる。ソフトウェアユニットは、ＲＡＭメモリ、フラッシュメモリ、ＲＯ
Ｍメモリ、ＥＰＲＯＭメモリ、ＥＥＰＲＯＭメモリ、レジスタ、ハードディスク、リムー
バブルディスク、ＣＤ-ＲＯＭ、または当技術分野における他の任意の形態の記憶媒体に
記憶することができる。例えば、記憶媒体は、プロセッサが記憶媒体から情報を読み出す
ことができ、記憶媒体に情報を書き込むことができるように、プロセッサに接続すること
ができる。オプションとして、ストレージメディアをプロセッサに統合することもできま
す。プロセッサおよび記憶媒体はＡＳＩＣに設置することができ、ＡＳＩＣは端末に設置
することができる。オプションとして、プロセッサおよび記憶媒体は、端末内の異なるコ
ンポーネントに設けられてもよい。これらのコンピュータプログラム命令はまた、コンピ
ュータまたは他のプログラム可能なデータ処理装置にロードされてもよく、コンピュータ
または他のプログラム可能なデバイス上で一連の動作ステップを実行してコンピュータ実
装の処理を生成することができ、したがって、コンピュータまたは他のプログラム可能な
デバイス上で実行される命令は、フローチャートの１つまたは複数のフローおよび／また
はブロック図の１つのブロックまたは複数のブロックで指定された機能を実装するための
ステップを提供する。
【0023】
具体的な特徴及び実施形態を組み合わせて本願を説明したが、本願の精神及び範囲を逸脱
することなく、種々の修正及び組み合わせが可能であることは明らかである。したがって
、本明細書および図面は、添付の定義された本願の例示的な説明にすぎず、本願の範囲内
の任意およびすべての修正、変更、組み合わせ、または均等物がカバーされているとみな
される。明らかに、当業者は、本願の範囲を逸脱することなく、本願を種々の変更および
変形することができる。このように、本願のこれらの変更および変形が本願およびその均
等技術の範囲内に属する場合、本願はこれらの変更および変形を含むことを意図する。
することなく、種々の修正及び組み合わせが可能であることは明らかである。したがって
、本明細書および図面は、添付の定義された本願の例示的な説明にすぎず、本願の範囲内
の任意およびすべての修正、変更、組み合わせ、または均等物がカバーされているとみな
される。明らかに、当業者は、本願の範囲を逸脱することなく、本願を種々の変更および
変形することができる。このように、本願のこれらの変更および変形が本願およびその均
等技術の範囲内に属する場合、本願はこれらの変更および変形を含むことを意図する。
【図1】
【図2】
【図3】
【図4】
【国際調査報告】