一种协同虚拟维修训练系统和方法

1.本技术涉及虚拟维修训练领域，且更为具体地，涉及一种协同虚拟维修训练系统和方法。


背景技术：

2.协同虚拟维修是指通过虚拟技术和协同工作平台，在远程的情况下协同进行设备的维修工作，其结合了虚拟现实、增强现实和协同工作的概念，可以帮助技术人员在不同地点之间进行实时的协同维修。
3.随着科技的不断发展，虚拟维修训练系统在工业领域得到了广泛应用。这种系统可以模拟真实的维修环境，为维修人员提供实践机会，提高他们的技能和能力。然而，在虚拟维修训练系统中，存在着操作冲突的问题。操作冲突指的是在系统中同时进行的两个或多个操作之间存在不兼容或矛盾的情况。这可能导致系统的异常行为，甚至对系统的安全性产生威胁。
4.因此，期望一种优化的协同虚拟维修训练系统，其能自动对于系统操作冲突进行检测。


技术实现要素：

5.为了解决上述技术问题，本技术提供了一种协同虚拟维修训练系统和方法,其可以在采集到两个系统操作后，对于这两个系统操作进行语义交互关联编码，以自动进行两者系统操作的冲突检测，通过这样的方式，能够提高冲突检测的准确性和效率，从而提高系统的稳定性和安全性，为维修人员提供更好的培训和实践环境。
6.根据本技术的一个方面，提供了一种协同虚拟维修训练系统，其包括：
7.系统操作采集模块，用于获取第一系统操作和第二系统操作；
8.系统操作语义理解模块，用于对所述第一系统操作和所述第二系统操作进行语义特征交互编码以得到系统操作间交互特征；以及
9.系统操作冲突检测模块，用于基于所述系统操作间交互特征，确定第一系统操作和第二系统操作是否存在冲突。
10.可选地，所述系统操作语义理解模块，包括：
11.第一系统操作语义理解单元，用于对所述第一系统操作进行语义编码以得到第一系统操作语义编码特征向量；
12.第二系统操作语义理解单元，用于对所述第二系统操作进行语义编码以得到第二系统操作语义编码特征向量；以及
13.系统操作语义交互单元，用于对所述第一系统操作语义编码特征向量和所述第二系统操作语义编码特征向量进行特征交互以得到系统操作间交互特征向量作为所述系统操作间交互特征。
14.可选地，所述第一系统操作语义理解单元，用于：
15.将所述第一系统操作通过包含嵌入层的语义编码器以得到所述第一系统操作语义编码特征向量。
16.可选地，所述第二系统操作语义理解单元，用于：
17.将所述第二系统操作通过所述包含嵌入层的语义编码器以得到所述第二系统操作语义编码特征向量。
18.可选地，所述系统操作语义交互单元，用于：
19.使用特征间注意层对所述第一系统操作语义编码特征向量和所述第二系统操作语义编码特征向量进行基于注意力机制的特征交互以得到所述系统操作间交互特征向量。
20.可选地，所述系统操作冲突检测模块，包括：
21.特征分布优化单元，用于基于所述系统操作间交互特征向量，分别对所述第一系统操作语义编码特征向量和所述第二系统操作语义编码特征向量进行特征分布优化以得到优化第一系统操作语义编码特征向量和优化第二系统操作语义编码特征向量；
22.系统操作间交互特征优化单元，用于基于所述优化第一系统操作语义编码特征向量和所述优化第二系统操作语义编码特征向量计算优化系统操作间交互特征向量；以及
23.冲突检测单元，用于将所述优化系统操作间交互特征向量通过分类器以得到分类结果，所述分类结果用于表示第一系统操作和第二系统操作是否存在冲突。
24.可选地，所述特征分布优化单元，包括：
25.加权因数计算子单元，用于基于所述系统操作间交互特征向量，分别计算所述第一系统操作语义编码特征向量和所述第二系统操作语义编码特征向量的可转移特征的量化的可转移性感知因数以得到第一加权因数和第二加权因数；以及
26.加权优化子单元，用于将所述第一加权因数和所述第二加权因数作为加权系数对所述第一系统操作语义编码特征向量和所述第二系统操作语义编码特征向量进行加权优化以得到所述优化第一系统操作语义编码特征向量和所述优化第二系统操作语义编码特征向量。
27.可选地，所述加权因数计算子单元，用于：
28.基于所述系统操作间交互特征向量，以如下优化公式分别计算所述第一系统操作语义编码特征向量和所述第二系统操作语义编码特征向量的可转移特征的量化的可转移性感知因数以得到所述第一加权因数和所述第二加权因数；
29.其中，所述优化公式为：
[0030][0031][0032]
其中，v1、v2和vc分别是所述第一系统操作语义编码特征向量、所述第二系统操作语义编码特征向量和所述系统操作间交互特征向量，fi是所述第一系统操作语义编码特征向量、所述第二系统操作语义编码特征向量和所述系统操作间交互特征向量中的其中一个特征向量的第i个位置的特征值，log为以2为底的对数函数，且α是加权超参数，w1和w2分别是所述第一加权因数和所述第二加权因数。
[0033]
根据本技术的另一个方面，提供了一种协同虚拟维修训练方法，其包括：
[0034]
获取第一系统操作和第二系统操作；
[0035]
对所述第一系统操作和所述第二系统操作进行语义特征交互编码以得到系统操作间交互特征；以及
[0036]
基于所述系统操作间交互特征，确定第一系统操作和第二系统操作是否存在冲突。
[0037]
可选地，对所述第一系统操作和所述第二系统操作进行语义特征交互编码以得到系统操作间交互特征，包括：
[0038]
对所述第一系统操作进行语义编码以得到第一系统操作语义编码特征向量；
[0039]
对所述第二系统操作进行语义编码以得到第二系统操作语义编码特征向量；以及
[0040]
对所述第一系统操作语义编码特征向量和所述第二系统操作语义编码特征向量进行特征交互以得到系统操作间交互特征向量作为所述系统操作间交互特征。
[0041]
与现有技术相比，本发明提供的协同虚拟维修训练系统和方法，其首先获取第一系统操作和第二系统操作，接着，对所述第一系统操作和所述第二系统操作进行语义特征交互编码以得到系统操作间交互特征，然后，基于所述系统操作间交互特征，确定第一系统操作和第二系统操作是否存在冲突。这样，可以提高冲突检测的准确性和效率，从而提高系统的稳定性和安全性，为维修人员提供更好的培训和实践环境。
附图说明
[0042]
为了更清楚地说明本技术实施例的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，以下附图并未刻意按实际尺寸等比例缩放绘制，重点在于示出本技术的主旨。
[0043]
图1为根据本发明实施例的协同虚拟维修训练系统的框图示意图；
[0044]
图2为根据本发明实施例的协同虚拟维修训练系统中的所述系统操作语义理解模块的框图示意图；
[0045]
图3为根据本发明实施例的协同虚拟维修训练系统中的所述系统操作冲突检测模块的框图示意图；
[0046]
图4为根据本发明实施例的协同虚拟维修训练系统中的所述特征分布优化单元的框图示意图；
[0047]
图5为根据本发明实施例的协同虚拟维修训练方法的流程图；
[0048]
图6为根据本发明实施例的协同虚拟维修训练方法的系统架构的示意图；
[0049]
图7为根据本发明实施例的协同虚拟维修训练系统的应用场景图。
具体实施方式
[0050]
下面将结合附图对本技术实施例中的技术方案进行清楚、完整地描述，显而易见地，所描述的实施例仅仅是本技术的部分实施例，而不是全部的实施例。基于本技术实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，也属于本技术保护的范围。
[0051]
下面，将参考附图详细地描述根据本技术的示例实施例。显然，所描述的实施例仅
仅是本技术的一部分实施例，而不是本技术的全部实施例，应理解，本技术不受这里描述的示例实施例的限制。
[0052]
图1为根据本技术实施例的协同虚拟维修训练系统的框图示意图。如图1所示，根据本技术实施例的协同虚拟维修训练系统100，包括：系统操作采集模块110，用于获取第一系统操作和第二系统操作；系统操作语义理解模块120，用于对所述第一系统操作和所述第二系统操作进行语义特征交互编码以得到系统操作间交互特征；以及，系统操作冲突检测模块130，用于基于所述系统操作间交互特征，确定第一系统操作和第二系统操作是否存在冲突。
[0053]
具体地，在本技术的技术方案中，首先，获取第一系统操作和第二系统操作。然后，为了能够提取出有关于所述第一系统操作和所述第二系统操作的语义特征信息，进一步对所述第一系统操作进行语义编码以得到第一系统操作语义编码特征向量，并对所述第二系统操作进行语义编码以得到第二系统操作语义编码特征向量。应可以理解，在本技术的技术方案中，通过对于所述第一系统操作和所述第二系统操作进行语义编码，能够充分捕捉到有关于所述第一系统操作和所述第二系统操作的语义关键信息和特征，例如系统操作的目标、影响范围和执行步骤等全局语义关联特征信息。这样，能够通过后续进行这两者系统操作语义特征的交互关联来进一步检测到它们之间的冲突或相似性，从而帮助判断系统操作是否存在冲突的潜在问题。
[0054]
进一步地，使用特征间注意层对所述第一系统操作语义编码特征向量和所述第二系统操作语义编码特征向量进行基于注意力机制的特征交互以得到系统操作间交互特征向量，以此来捕捉所述第一系统操作语义特征和所述第二系统操作语义特征之间的关联和相互影响。应可以理解，由于传统的注意力机制的目标是学习一个注意力权重矩阵，将较大的权重赋予重要的特征，较小的权重赋予次要的特征，从而选择出对当前任务目标更关键的信息。这种方式更侧重于对各个特征的重要性进行加权，而忽略了特征之间的依赖关系。而所述特征间注意层能够通过基于注意力机制的特征交互，可以捕捉到所述第一系统操作语义特征和所述第二系统操作语义特征之间的相关性和相互影响，可以学习到不同特征之间的依赖关系，并根据这些依赖关系对特征进行交互和整合，从而得到系统操作间的交互特征向量。
[0055]
相应地，如图2所示，所述系统操作语义理解模块120，包括：第一系统操作语义理解单元121，用于对所述第一系统操作进行语义编码以得到第一系统操作语义编码特征向量；第二系统操作语义理解单元122，用于对所述第二系统操作进行语义编码以得到第二系统操作语义编码特征向量；以及，系统操作语义交互单元123，用于对所述第一系统操作语义编码特征向量和所述第二系统操作语义编码特征向量进行特征交互以得到系统操作间交互特征向量作为所述系统操作间交互特征。
[0056]
更具体地，所述第一系统操作语义理解单元121，用于：将所述第一系统操作通过包含嵌入层的语义编码器以得到所述第一系统操作语义编码特征向量。所述第二系统操作语义理解单元122，用于：将所述第二系统操作通过所述包含嵌入层的语义编码器以得到所述第二系统操作语义编码特征向量。应可以理解，包含嵌入层的语义编码器是一种神经网络结构，用于将系统操作转换为语义编码特征向量。嵌入层是该编码器的一部分，它将输入的系统操作转化为一个低维的稠密向量表示，捕捉了系统操作的语义信息。具体而言，包含
嵌入层的语义编码器接受系统操作作为输入，并通过学习将其映射到一个连续的向量空间中。嵌入层的目标是将相似的系统操作映射到相邻的向量空间中，以便在向量空间中进行特征交互和比较。通过使用嵌入层，系统操作可以被表示为具有固定长度的向量，这种向量表示具有一定的语义相关性。这样，系统操作之间的语义相似性可以通过计算它们之间的向量距离来衡量，从而实现对系统操作的语义理解和交互。即，包含嵌入层的语义编码器是一种用于将系统操作转换为语义编码特征向量的神经网络结构，它通过学习将系统操作映射到连续的向量空间中，以实现系统操作的语义理解和交互。
[0057]
更具体地，所述系统操作语义交互单元123，用于：使用特征间注意层对所述第一系统操作语义编码特征向量和所述第二系统操作语义编码特征向量进行基于注意力机制的特征交互以得到所述系统操作间交互特征向量。应可以理解，注意力机制(attention mechanism)是一种在机器学习和自然语言处理中常用的技术，用于模拟人类的注意力行为，它可以帮助模型在处理序列数据时，将重要的信息聚焦在关注的部分，从而提高模型的性能和表现。注意力机制的作用是根据输入的不同部分的重要性，为每个输入分配一个权重或注意力权重，这样，模型可以在处理序列数据时，有选择性地关注与当前任务相关的部分，而忽略不相关的部分。通过使用注意力机制，模型可以根据输入序列中每个单词的重要性，动态地调整它们在生成输出时的贡献度，从而更好地捕捉输入序列的语义和上下文信息。注意力机制的优点包括：1.提供了对输入序列的可解释性，可以理解模型在处理过程中关注的重要信息；2.改善了模型的性能和泛化能力，使得模型能够更好地处理长序列和复杂的语义关系；3.增强了模型对输入序列不同部分的感知能力，提高了模型的准确性和鲁棒性。换言之，注意力机制是一种模拟人类注意力行为的技术，在序列数据处理中起到了重要作用，可以帮助模型聚焦于关注的部分，从而提高模型的性能和表现。
[0058]
进而，再将所述系统操作间交互特征向量通过分类器以得到分类结果，所述分类结果用于表示是否第一系统操作和第二系统操作是否存在冲突。也就是说，以所述第一系统操作语义特征和所述第二系统操作语义特征之间的交互关联特征信息来进行分类，从而对于这两者系统操作是否冲突进行检测，以提高系统的稳定性和安全性，为维修人员提供更好的培训和实践环境。
[0059]
相应地，如图3所示，所述系统操作冲突检测模块130，包括：特征分布优化单元131，用于基于所述系统操作间交互特征向量，分别对所述第一系统操作语义编码特征向量和所述第二系统操作语义编码特征向量进行特征分布优化以得到优化第一系统操作语义编码特征向量和优化第二系统操作语义编码特征向量；系统操作间交互特征优化单元132，用于基于所述优化第一系统操作语义编码特征向量和所述优化第二系统操作语义编码特征向量计算优化系统操作间交互特征向量；以及，冲突检测单元133，用于将所述优化系统操作间交互特征向量通过分类器以得到分类结果，所述分类结果用于表示第一系统操作和第二系统操作是否存在冲突。
[0060]
更具体地，如图4所示，所述特征分布优化单元131，包括：加权因数计算子单元1311，用于基于所述系统操作间交互特征向量，分别计算所述第一系统操作语义编码特征向量和所述第二系统操作语义编码特征向量的可转移特征的量化的可转移性感知因数以得到第一加权因数和第二加权因数；以及，加权优化子单元1312，用于将所述第一加权因数和所述第二加权因数作为加权系数对所述第一系统操作语义编码特征向量和所述第二系
统操作语义编码特征向量进行加权优化以得到所述优化第一系统操作语义编码特征向量和所述优化第二系统操作语义编码特征向量。
[0061]
特别地，在本技术的技术方案中，所述第一系统操作语义编码特征向量和所述第二系统操作语义编码特征向量分别表达第一系统操作和第二系统操作的上下文语义关联特征表示，因此，考虑到源数据差异经由语义编码器的语义特征提取而放大，所述第一系统操作语义编码特征向量和所述第二系统操作语义编码特征向量会有比较显著的特征分布差异，这样，在使用注意力机制来提取特征信息间的依赖关系以获得所述系统操作间交互特征向量时，所述第一系统操作语义编码特征向量和所述风速时序特征向量也会具有到所述行进阻力时序特征向量的跨语义分布差异的特征分布域转移差异，从而影响所述注意力机制的特征交互式融合效果，也就影响了所述行进阻力时序特征向量的表达效果。基于此，本技术的申请人对于所述第一系统操作语义编码特征向量，例如记为v1和所述第二系统操作语义编码特征向量，例如记为v2，以及所述系统操作间交互特征向量，例如记为vc，计算其可转移特征的量化的可转移性感知因数。
[0062]
相应地，在一个具体示例中，所述加权因数计算子单元1311，用于：基于所述系统操作间交互特征向量，以如下优化公式分别计算所述第一系统操作语义编码特征向量和所述第二系统操作语义编码特征向量的可转移特征的量化的可转移性感知因数以得到所述第一加权因数和所述第二加权因数；其中，所述优化公式为：
[0063][0064][0065]
其中，v1、v2和vc分别是所述第一系统操作语义编码特征向量、所述第二系统操作语义编码特征向量和所述系统操作间交互特征向量，fi是所述第一系统操作语义编码特征向量、所述第二系统操作语义编码特征向量和所述系统操作间交互特征向量中的其中一个特征向量的第i个位置的特征值，log为以2为底的对数函数，且α是加权超参数，w1和w2分别是所述第一加权因数和所述第二加权因数。
[0066]
这里，所述可转移特征的量化的可转移性感知因数通过域转移下的不确定性度量来分别估计特征空间域到分类目标域的域不确定性，且由于该域不确定性估计可以用于标识已经在域间转移的特征表示，因此通过以该因数来作为权重分别对所述第一系统操作语义编码特征向量和所述第二系统操作语义编码特征向量进行加权后再使用注意力机制进行特征交互式融合，就可以通过特征空间域到分类目标域的跨域对齐来鉴别特征映射是否在域间有效转移，从而量化地感知所述第一系统操作语义编码特征向量和所述第二系统操作语义编码特征向量中的可转移特征的可转移性，以实现域间自适应的特征交互式融合，从而提升了所述系统操作间交互特征向量的表达效果。这样，能够基于实际情况自动进行系统操作冲突检测，以在提高冲突检测的准确性和效率的同时提高系统的稳定性和安全性，为维修人员提供更好的培训和实践环境。
[0067]
更具体地，所述冲突检测单元133，进一步用于：使用所述分类器的全连接层对所述优化系统操作间交互特征向量进行全连接编码以得到编码分类特征向量；以及，将所述
编码分类特征向量输入所述分类器的softmax分类函数以得到所述分类结果。
[0068]
也就是，在本公开的技术方案中，所述分类器的标签包括第一系统操作和第二系统操作存在冲突(第一标签)，以及，第一系统操作和第二系统操作不存在冲突(第二标签)，其中，所述分类器通过软最大值函数来确定所述优化系统操作间交互特征向量属于哪个分类标签。值得注意的是，这里的所述第一标签p1和所述第二标签p2并不包含人为设定的概念，实际上在训练过程当中，计算机模型并没有“第一系统操作和第二系统操作是否存在冲突”这种概念，其只是有两种分类标签且输出特征在这两个分类标签下的概率，即p1和p2之和为一。因此，第一系统操作和第二系统操作是否存在冲突的分类结果实际上是通过分类标签转化为符合自然规律的二分类的类概率分布，实质上用到的是标签的自然概率分布的物理意义，而不是“第一系统操作和第二系统操作是否存在冲突”的语言文本意义。
[0069]
应可以理解，分类器的作用是利用给定的类别、已知的训练数据来学习分类规则和分类器，然后对未知数据进行分类(或预测)。逻辑回归(logistics)、svm等常用于解决二分类问题，对于多分类问题(multi-class classification)，同样也可以用逻辑回归或svm，只是需要多个二分类来组成多分类，但这样容易出错且效率不高，常用的多分类方法有softmax分类函数。
[0070]
应可以理解，全连接层(fully connected layer)，也称为密集连接层或全连接层，是深度神经网络中一种常见的层类型，它的主要作用是将输入的特征向量与权重矩阵相乘，并通过激活函数进行非线性变换，生成输出的特征表示。全连接层的结构包括：1.输入：一个特征向量，通常表示为一维数组；2.权重矩阵：由可学习的参数组成，用于将输入特征与每个神经元的连接权重相乘；3.偏置项：每个神经元都有一个偏置项，用于引入偏移量，增加模型的灵活性；4.激活函数：对线性变换的结果进行非线性映射，引入非线性能力。全连接层的作用在于将输入的特征向量进行线性变换和非线性映射，从而提取更高级别的特征表示。通过学习适当的权重和偏置项，全连接层可以对输入进行复杂的特征提取和组合，帮助模型更好地理解输入数据的结构和关系。在所述冲突检测单元中，全连接层被用于对优化系统操作间交互特征向量进行全连接编码。具体来说，全连接层会将优化系统操作间交互特征向量与权重矩阵相乘，并通过激活函数进行非线性变换，得到编码分类特征向量。这个编码分类特征向量可以被输入到分类器的softmax分类函数中，以得到最终的分类结果。通过全连接层的作用，模型可以从优化系统操作间交互特征中提取更抽象、更有表达力的特征表示，从而提高分类的准确性和性能。
[0071]
综上，基于本技术实施例的协同虚拟维修训练系统100被阐明，其可以在采集到两个系统操作后，对于这两个系统操作进行语义交互关联编码，以自动进行两者系统操作的冲突检测，通过这样的方式，能够提高冲突检测的准确性和效率，从而提高系统的稳定性和安全性，为维修人员提供更好的培训和实践环境。
[0072]
如上所述，根据本技术实施例的基于本技术实施例的协同虚拟维修训练系统100可以实现在各种终端设备中，例如具有基于本技术实施例的协同虚拟维修训练算法的服务器等。在一个示例中，基于本技术实施例的协同虚拟维修训练系统100可以作为一个软件模块和/或硬件模块而集成到终端设备中。例如，该基于本技术实施例的协同虚拟维修训练系统100可以是该终端设备的操作系统中的一个软件模块，或者可以是针对于该终端设备所开发的一个应用程序；当然，该基于本技术实施例的协同虚拟维修训练系统100同样可以是
该终端设备的众多硬件模块之一。
[0073]
替换地，在另一示例中，该基于本技术实施例的协同虚拟维修训练系统100与该终端设备也可以是分立的设备，并且该协同虚拟维修训练系统100可以通过有线和/或无线网络连接到该终端设备，并且按照约定的数据格式来传输交互信息。
[0074]
图5为根据本技术实施例的协同虚拟维修训练方法的流程图。图6为根据本技术实施例的协同虚拟维修训练方法的系统架构的示意图。如图5和图6所示，根据本技术实施例的协同虚拟维修训练方法，其包括：s110，获取第一系统操作和第二系统操作；s120，对所述第一系统操作和所述第二系统操作进行语义特征交互编码以得到系统操作间交互特征；以及，s130，基于所述系统操作间交互特征，确定第一系统操作和第二系统操作是否存在冲突。
[0075]
在一个具体示例中，在上述协同虚拟维修训练方法中，对所述第一系统操作和所述第二系统操作进行语义特征交互编码以得到系统操作间交互特征，包括：对所述第一系统操作进行语义编码以得到第一系统操作语义编码特征向量；对所述第二系统操作进行语义编码以得到第二系统操作语义编码特征向量；以及，对所述第一系统操作语义编码特征向量和所述第二系统操作语义编码特征向量进行特征交互以得到系统操作间交互特征向量作为所述系统操作间交互特征。
[0076]
这里，本领域技术人员可以理解，上述协同虚拟维修训练方法中的各个步骤的具体操作已经在上面参考图1到图4的协同虚拟维修训练系统100的描述中得到了详细介绍，并因此，将省略其重复描述。
[0077]
图7为根据本技术实施例的协同虚拟维修训练系统的应用场景图。如图7所示，在该应用场景中，首先，获取第一系统操作(例如，图7中所示意的d1)和第二系统操作(例如，图7中所示意的d2)，然后，将所述第一系统操作和所述第二系统操作输入至部署有协同虚拟维修训练算法的服务器中(例如，图7中所示意的s)，其中，所述服务器能够使用所述协同虚拟维修训练算法对所述第一系统操作和所述第二系统操作进行处理以得到用于表示第一系统操作和第二系统操作是否存在冲突的分类结果。
[0078]
应可以理解，协同虚拟维修训练软件以成熟的j2ee平台为开发框架，采用soa技术结合3d前端展示技术，前端展示采用虚拟现实技术，给受训人员提供直观的感受；利用3d建模、虚拟现实、大空间定位、多人协同、动作捕捉等技术，建设系统级维修训练评估平台。本系统涉及的功能模块包括系统管理模块、模拟操作模块、模拟检测模块、模拟维修模块、考核评估模块。协同虚拟维修重点需解决并发冲突控制、一致性实现和协同感知三个方面的技术问题。
[0079]
其中，并发冲突控制可以从以下三个方面解决：
[0080]
1)冲突避免。通过某种规则对用户操作进行限制，使他们不会发生冲突具体方法有：1.基于锁的并发控制。用户操作前需提出申请，若对方不释放锁，则当前用户会处于长期饥饿状态。这种机制响应性不高，用户的实时交互性差。2.乐观并发控制。允许事务无阻碍地执行直到全部操作完成，然后在提交时进行验证，如果通过了验证就提交，否则重启。此机制容忍暂时的冲突，将冲突集中处理，重启的代价太大。3.时标并发控制。每个事务分配1个时标，由时标的大小决定事务执行的先后顺序。这种机制具有较好的并发度。4.令牌机制。同时只有一个用户能取得访问令牌，其他协作者只能等待当前访问令牌的释放。它是
一种简单的排他性方法，影响了用户的协作性。冲突是协同过程中的一个本质的现象。各种冲突避免技术及手段的采用，只能在一定程度上减少和避免一定数量、一定类型的冲突，而不能完全消除冲突。
[0081]
2)冲突检测。通过一定的判别规则对系统中的并发操作进行冲突判断。冲突避免手段的采用，只能减少而不能完全消除冲突。为了能及早地发现冲突，尽可能地把冲突解决在初级阶段，避免由于冲突的传播而引起的无效工作及巨大的返工量，影响协同工作质量和效率，就必须在冲突已经潜在并即将发生或已发生但还没有进一步传播时，采用有效的技术手段及时检测出这些冲突，并相应做出正确的处理，具体方法有：1.基于petri网的冲突检。2.基于真值的冲突检测。3.基于约束的冲突检测。4.基于启发式分类的冲突检测。
[0082]
3)冲突消解。依据一定规则来对发生冲突的操作进行协调处理。当系统检测到冲突发生时，就必须依据所产生冲突的特征、形式和内容，为协同成员提供相应的对策和建议以解决冲突。方法有：1.回溯法。在冲突发生后，进程向前回滚，直到撤销冲突操作，但确定一个合理的回溯跨度难度较。2.约束松弛。此方法是一个相互妥协，以目标的修正为代价来获得冲突的消解方式。3.仲裁与协商解决。冲突解决之前所有的工作都必须暂停，无论某个用户是否参与了与当前冲突操作，严重影响了协作的连续性。4.多版本每次有冲突产生时就产生1个新的版本，这种机制很好地保留了协同者的操作意图，但随着操作的逐渐深入，会出现版本越来越多，难以控制的问题。
[0083]
关于一致性实现问题，在cvm系统中，一般均将操作对象复制到各成员的本地端。这样，每个成员对本地的副本进行操作，从而实现操作本地化，提高系统的响应时间完成之后，再将操作结果发送给远端其他各用户。在较为理想的网络环境下系统中各节点都能及时收到其余节点发送的操作，并且按照正确的次序在各节点同时得到执行，这样系统中各节点均能保持状态一致性。但在实际系中，存在巨大通信量与有限网络带宽的矛盾，网络堵塞、延迟和丢包不可免，导致各节点接收到信息的时间点不同，同一操作在不同时间点执行，多节点出现不一致状态。这种不一致状态将会严重影响系统使用，甚至造成系统出现大量错误而终止使用。
[0084]
关于协同感知问题，支持协同感知的常用方法有：1)视频工具。通常要有2个或多个参与者通过计算机捕获视频信息并传送给其他参加者旧。2)语音工具。可以使群体中的任何成员，通过声音识别谁正在发言，并感觉发言者的情绪、语气、调等，增强协作者间的协同感知度，提高协作者间工作效率。3)白板工具在计算机屏幕上简单地仿真物理白板或黑板，每个参加者都可以在白板上制图形，输入文字，支持群体成员之间的思想交流和协同工作。4)远程指针捕获本机上的鼠标信息，把该信息传递到异地机器，并在异地机器上用软件来模拟该鼠标的操作。5)颜色标识。常见于协同编辑系统中，为每个协作者的操作部分分配不同的颜色。6)多用户滚动条。右边部分就是一个普通的垂直滚动条，每一成员均可用来操纵自己的视图；左边部分是1个或多个块状光条，用以标识所有在场用户不同的活动位置，不同成员用不同颜色条加以代表。
[0085]
进一步地，系统管理软件用于管理用户身份信息、使用信息和设置维修故障。信息包括用户名、密码、用户类型、维修训练时间、维修训练内容、操作训练时间、操作训练内容和考核结果等信息。可以对信息进行记录、修改、删除.统计和查询等操作。该软件由注册登陆模块、记录模块、统计查询模块和设置维修故障模块等子模块组成。系统具备多个数据库
(工具库、知识库、老核题库等)。
[0086]
此外，本领域技术人员可以理解，本技术的各方面可以通过若干具有可专利性的种类或情况进行说明和描述，包括任何新的和有用的工序、机器、产品或物质的组合，或对他们的任何新的和有用的改进。相应地，本技术的各个方面可以完全由硬件执行、可以完全由软件(包括固件、常驻软件、微码等)执行、也可以由硬件和软件组合执行。以上硬件或软件均可被称为“数据块”、“模块”、“引擎”、“单元”、“组件”或“系统”。此外，本技术的各方面可能表现为位于一个或多个计算机可读介质中的计算机产品，该产品包括计算机可读程序编码。
[0087]
上面是对本发明的说明，而不应被认为是对其的限制。尽管描述了本发明的若干示例性实施例，但本领域技术人员将容易地理解，在不背离本发明的新颖教学和优点的前提下可以对示例性实施例进行许多修改。因此，所有这些修改都意图包含在权利要求书所限定的本发明范围内。应当理解，上面是对本发明的说明，而不应被认为是限于所公开的特定实施例，并且对所公开的实施例以及其他实施例的修改意图包含在所附权利要求书的范围内。本发明由权利要求书及其等效物限定。

技术特征：
1.一种协同虚拟维修训练系统，其特征在于，包括：系统操作采集模块，用于获取第一系统操作和第二系统操作；系统操作语义理解模块，用于对所述第一系统操作和所述第二系统操作进行语义特征交互编码以得到系统操作间交互特征；以及系统操作冲突检测模块，用于基于所述系统操作间交互特征，确定第一系统操作和第二系统操作是否存在冲突。2.根据权利要求1所述的协同虚拟维修训练系统，其特征在于，所述系统操作语义理解模块，包括：第一系统操作语义理解单元，用于对所述第一系统操作进行语义编码以得到第一系统操作语义编码特征向量；第二系统操作语义理解单元，用于对所述第二系统操作进行语义编码以得到第二系统操作语义编码特征向量；以及系统操作语义交互单元，用于对所述第一系统操作语义编码特征向量和所述第二系统操作语义编码特征向量进行特征交互以得到系统操作间交互特征向量作为所述系统操作间交互特征。3.根据权利要求2所述的协同虚拟维修训练系统，其特征在于，所述第一系统操作语义理解单元，用于：将所述第一系统操作通过包含嵌入层的语义编码器以得到所述第一系统操作语义编码特征向量。4.根据权利要求3所述的协同虚拟维修训练系统，其特征在于，所述第二系统操作语义理解单元，用于：将所述第二系统操作通过所述包含嵌入层的语义编码器以得到所述第二系统操作语义编码特征向量。5.根据权利要求4所述的协同虚拟维修训练系统，其特征在于，所述系统操作语义交互单元，用于：使用特征间注意层对所述第一系统操作语义编码特征向量和所述第二系统操作语义编码特征向量进行基于注意力机制的特征交互以得到所述系统操作间交互特征向量。6.根据权利要求5所述的协同虚拟维修训练系统，其特征在于，所述系统操作冲突检测模块，包括：特征分布优化单元，用于基于所述系统操作间交互特征向量，分别对所述第一系统操作语义编码特征向量和所述第二系统操作语义编码特征向量进行特征分布优化以得到优化第一系统操作语义编码特征向量和优化第二系统操作语义编码特征向量；系统操作间交互特征优化单元，用于基于所述优化第一系统操作语义编码特征向量和所述优化第二系统操作语义编码特征向量计算优化系统操作间交互特征向量；以及冲突检测单元，用于将所述优化系统操作间交互特征向量通过分类器以得到分类结果，所述分类结果用于表示第一系统操作和第二系统操作是否存在冲突。7.根据权利要求6所述的协同虚拟维修训练系统，其特征在于，所述特征分布优化单元，包括：加权因数计算子单元，用于基于所述系统操作间交互特征向量，分别计算所述第一系
统操作语义编码特征向量和所述第二系统操作语义编码特征向量的可转移特征的量化的可转移性感知因数以得到第一加权因数和第二加权因数；以及加权优化子单元，用于将所述第一加权因数和所述第二加权因数作为加权系数对所述第一系统操作语义编码特征向量和所述第二系统操作语义编码特征向量进行加权优化以得到所述优化第一系统操作语义编码特征向量和所述优化第二系统操作语义编码特征向量。8.根据权利要求7所述的协同虚拟维修训练系统，其特征在于，所述加权因数计算子单元，用于：基于所述系统操作间交互特征向量，以如下优化公式分别计算所述第一系统操作语义编码特征向量和所述第二系统操作语义编码特征向量的可转移特征的量化的可转移性感知因数以得到所述第一加权因数和所述第二加权因数；其中，所述优化公式为：其中，所述优化公式为：其中，v1、v2和v
c
分别是所述第一系统操作语义编码特征向量、所述第二系统操作语义编码特征向量和所述系统操作间交互特征向量，f
i
是所述第一系统操作语义编码特征向量、所述第二系统操作语义编码特征向量和所述系统操作间交互特征向量中的其中一个特征向量的第i个位置的特征值，log为以2为底的对数函数，且α是加权超参数，w1和w2分别是所述第一加权因数和所述第二加权因数。9.一种协同虚拟维修训练方法，其特征在于，包括：获取第一系统操作和第二系统操作；对所述第一系统操作和所述第二系统操作进行语义特征交互编码以得到系统操作间交互特征；以及基于所述系统操作间交互特征，确定第一系统操作和第二系统操作是否存在冲突。10.根据权利要求9所述的协同虚拟维修训练方法，其特征在于，对所述第一系统操作和所述第二系统操作进行语义特征交互编码以得到系统操作间交互特征，包括：对所述第一系统操作进行语义编码以得到第一系统操作语义编码特征向量；对所述第二系统操作进行语义编码以得到第二系统操作语义编码特征向量；以及对所述第一系统操作语义编码特征向量和所述第二系统操作语义编码特征向量进行特征交互以得到系统操作间交互特征向量作为所述系统操作间交互特征。

技术总结
本发明公开了一种协同虚拟维修训练系统和方法，其技术要点在于：所述方法包括：首先获取第一系统操作和第二系统操作，接着，对所述第一系统操作和所述第二系统操作进行语义特征交互编码以得到系统操作间交互特征，然后，基于所述系统操作间交互特征，确定第一系统操作和第二系统操作是否存在冲突。这样，可以提高冲突检测的准确性和效率，从而提高系统的稳定性和安全性，为维修人员提供更好的培训和实践环境。践环境。践环境。


技术研发人员：薛雪东 彭炜 秦建 张帅 程旭德 徐正康 刘威 高冬冬
受保护的技术使用者：中国人民解放军陆军工程大学
技术研发日：2023.07.27
技术公布日：2023/10/15