[发明专利]一种基于嵌入式QNX操作系统的智能规约转换装置及方法

权利要求书

1.一种基于嵌入式QNX操作系统的智能规约转换方法，其特征在于在电力通信系统的 RTU和前置机间设置规约转换器，应用模糊专家系统对子站RTU的上传通信协议进行智能识 别，再将识别后的规约转换为统一的规约格式，上传到前置机，经前置机上传给各上级工作 站，所述应用模糊专家系统对子站RTU的上传通信协议进行智能识别，主要包括知识库的建 立和推理机的建立，其中，知识库的建立过程如下：

(1)特征码的定义，分为循环式和问答式：

其中，循环式规约特征码提取规则如下：

1.循环式规约其帧结构中同步字的符号和长度通常是不同的，因此把各循环式规约中的 同步字作为特征码；

2.控制字中控制字节的后四位作为特征码，不同规约其帧类别代码定义不同，这些代码 也可以作为特征码；

3.在控制字和信息字后都有一个校验码，不同的规约定义的校验方式不同，通过上传数 据中已知的校验码和数据库中定义的校验方式得出的效验码相比较，也可以作为规约判断的 标准，因此校验码可以作为特征码使用；

4.不同规约可能定义不同的功能码代号，也可能定义相同的功能码代号，这些功能码代 号可能代表的用途相同，也可能不同，各功能码对应的信息字格式可能相同也可能不同，因 此可以分以下3种情况定义其特征码：

(4-1)规约的功能码代号是唯一的，与其它规约中特征码相区别，则可以把功能码定 义为规约识别特征码；

(4-2)几个规约中的功能码代号相同，但其用途或信息数据格式不同，因此其功能代 码对应的信息数据的大小和范围不同，可以把功能代码和信息数据定义为特征码；

(4-3)几个规约中的功能码代号相同，其定义的用途相同，定义的数据格式也相同， 则不把此功能码和信息数据部分作为特征码使用；

问答式规约特征码提取规则如下：

1.问答式规约其帧结构中的启动字符可能不同，启动字符个数也不同，因此把各循环式 规约中的启动字作为特征码；

2.可变帧长帧格式中的L和L重复代表控制域到链路用户区的长度，有的规约不存在L 和L重复，所以把连续且数值相同的L和L重复作为特征码；

3.在规约最末尾或倒数第二个字节处都存在一个校验码，不同的规约定义的校验方式不 同，通过上传数据中已知的校验码和数据库中定义的校验方式得出的效验码相比较，也可以 作为规约判断的标准，因此校验码可以作为特征码使用；

4.问答式规约其帧结构中的结束字符可能不同，因此把各循环式规约中的结束字符作为 特征码；

5.控制域，链路数据用户区包含不同的控制域定义格式，类型标识符和传送原因符各种 规约特征，也可以定义为特征码使用；

6.对于SC-1801类型规约中的R，D和命令码定义可能不同，也可以作为特征码使用；

7.数据区中数据的格式，随命令的不同而不同：当两规约命令码相同，数据格式定义不 同时，可以根据各规约命令码对应的数据格式特征对规约识别，可以把数据区各种命令格式 作为特征码；

(2)特征码权重的录入规则

一个规约有N条特征码，这些特征码有的只在一种规约中出现，有的在两个或多个规约 中出现，因此每个特征码在不同规约中的权重不同，根据以下规则对特征码权重进行专家定 义：

Wij为特征码权重，代表特征码i在第j条规约中的权重，Wij取值[-1 1]，对规约j， 与其特征码不符的样本数据特征码出现，则样本数据特征码对应的Wij＜0，在所有特征码中 有n个与其特征码不符的特征码，则些特征码对应的权重和：所有特征码中有n 个与其特征码相符的特征码，则些特征码对应的权重和：

(3)隶属函数的确立

隶属函数的建立根据特征码的不同而不同：

1.当把同步字，启动符，结束符这类固定不变的帧结构特征当做特征码使用时，要求所 选的隶属函数的统一表达式为：

因为上传的样本信息数据是由0，1组成的二进制码，因此当特征码的值固定时只允许隶 属度取值0或1，当隶属度取1时表示样本值和对应特征值完全匹配，当隶属度取0时表示 样本值和对应特征值不完全匹配或完全不匹配；

2.当把信息字结构中的功能码和信息数据这类不固定信息作为特征码时，其功能码部分 是定义好的一组固定字节，选用公式1作为隶属函数的表达形式，而信息数据中的特征码不 固定，参照以下标准进行隶属函数定义：

在知识库中定义各规约功能码对应的信息数据的常用数据范围和特定数据结构，根据功 能码与信息数据的匹配程度也可以做为规约判断的标准，假设信息数据的常用范围为min(x) -max(x)，数据结构中的固定特征有m个，信息字对应的信息数据的最大值为M，最小值为N， 当采集的样本信息数据＞a或＜b则可确定其功能码与信息数据不符；

所选的隶属函数的统一表达式为：

其中y代表采集到的样本信息数据；a为数据范围比照对隶属函数的影响权重，b为数据 结构中的固定特征比照对隶属函数的影响权重，不同情况下a，b大小不同，但都满足a+b ＝1；不同的规约，不同的信息字结构定义的隶属函数中的函数取值都不同，可以根据需要进 行修改；

推理机的构造过程如下：

推理机采用三元组决策推理方法，将规则实例转换为模糊产生式规则：

定义模糊断言为Pi，且有1≤i≤n；

定义μik为第k个数据样本对应的第i条特征码的可信度即隶属度；

定义Wij为Pi的权重，表示特征码i在第j条规约中的权重，且有1≤j≤n；

将第1条特征码的模糊断言P1、第k个数据样本对应的第1条特征码的可信度μ1k组成 的集合与第1条特征码在第k条规约中权重w1k的乘积，至第n条特征码的模糊断言Pn、第 k个数据样本对应的第n条特征码的可信度μnk组成的集合与第n条特征码在第k条规约中 权重wnk的乘积，上述乘积所组成的集合为左集合；

将由第1条特征码的模糊断言P1、第k个数据样本对应的第1条特征码的可信度μ1k组 成的集合与第1条特征码在第j条规约中权重w1j的乘积、至由第n条特征码的模糊断言Pn、 第k个数据样本对应的第n条特征码的可信度μnk组成的集合与第n条特征码在第j条规约 中权重wnj的乘积，上述乘积所组成的集合为右集合；

j的取值为取除规约k外的其他所有规约，即1≤j≤n且j≠k，所以每取一个j都会形 成一个右集合，共有n-1个右集合，如果这n-1个右集合中最大的集合都包含于左集合，那么 上传的样本数据采用规约j；

根据知识库中隶属函数的建立规则得出样本可信度表，将样本数据分别与所有知识库中 专家定义的特征码比照，根据样本可信度表的建立过程得出隶属函数矩阵R，定义权重矩阵 为A，确定M列的评价指数矩阵M，得到一个完整的规约可信度评价行向量Mc：

Mc＝[Mc1 Mc2 Mc3…Mcm]，其中

Mcj可能为负值也可能为正值，Mcj的值越大，则其可信度越高，取Mc向量中的最大值 max(Mc1，Mc2，…Mcm)，则此最大值对应的规约即为和样本数据匹配程度最大的规约，此规 约作为识别后的标准规约；

所述将识别后的规约转换为统一的规约格式，采用的方法为CDT规约转换方式。