[发明专利]一种制造云服务QoS的组合预测方法

权利要求书

1.一种制造云服务QoS的组合预测方法，其特征在于：核心技术思想为：考虑云制造环境中具有物理设备接入、资源动态变化等特点，首先采用本体描述语言对用户的任务请求进行建模，通过计算任务之间的相似度，得到任务的相似历史数据；其次，采用BP神经网络对制造云服务的执行时间进行预测；采用离散马尔可夫模型对服务的可靠性进行预测；采用连续马尔可夫模型对服务的可用性进行预测，最终得到制造云服务QoS的预测结果。

2.根据权利要求1所述的一种制造云服务QoS的组合预测方法，其特征在于：主要包括以下四个步骤：

步骤一、云制造任务建模与相似历史数据的获取；

步骤二、制造云服务执行时间预测；

步骤三、制造云服务可靠性预测；

步骤四、制造云服务可用性预测；

至此，从步骤一到步骤四，完成了一种制造云服务QoS的组合预测方法。

3.根据权利要求2所述的一种制造云服务QoS的组合预测方法，其特征在于：步骤一，具体为：

步骤1.1利用本体描述语言(OWL—S)，对用户向云制造平台递交的任务请求进行描述；

步骤1.2再通过计算用户任务与调用过服务的历史任务之间的相似度，选取相似度在一定阈值范围内的历史任务，称为相似历史任务；

步骤1.3使用步骤1.2输出的相似历史任务的QoS值作为用户任务的相似历史数据，得到用户任务的相似历史数据集合。

4.根据权利要求2所述的一种制造云服务QoS的组合预测方法，其特征在于：步骤二，具体为：

步骤2.1对步骤1.3输出的云制造环境中不同类型的用户任务进行分析，将其分为计算类任务和制造加工类任务；

步骤2.2分析步骤2.1中不同类型任务执行时间的影响因素，将任务执行时间分为静态时间和动态时间，并计算静态时间和预测动态时间。

5.根据权利要求4所述的一种制造云服务QoS的组合预测方法，其特征在于：步骤2.2中的静态时间，记为：τ_s；动态时间，记为：τ_d，任务执行时间，记为τ，任务执行时间的表达如公式(1)：

τ＝τ_s+τ_d(1)

其中，静态时间通过计算得到；动态时间是以任务执行时间的影响因素作为输入，通过预测BP神经网络得到；

具体来说，针对步骤2.1输出的计算类任务和制造加工类任务的静态时间计算过程分别为：

对于计算类任务而言，此类任务最终在虚拟机上执行，静态时间τ_s的计算公式如式(2)：

τ_s＝D/V(2)

其中，D为虚拟任务的计算量，V为虚拟机给定的处理速度；

针对制造加工类任务的静态时间，通过计算历史数据的平均值得到τ_s，用如下公式(3)计算：

${\mathrm{\τ}}_s=\underset{i=1}{\overset{n}{\Σ}}{\mathrm{\τ}}_i/n---\left(3\right)$

其中，τ_i为制造加工类任务执行时间的历史数据，n为历史数据的个数；

针对步骤2.1输出的计算类任务和制造加工类任务的动态时间计算过程分别为：

对于计算类任务而言，影响任务在虚拟机上执行时间变化的主要因素为CPU负载、内存大小和网络带宽；将CPU负载、内存大小、网络带宽、执行时间的历史数据作为样本对BP神经网络进行训练，可以对动态时间τ_d进行预测；

对于制造加工类任务而言，影响任务在制造设备上执行时间变化的主要因素为人员因素、设备因素和环境因素；将这些因素和执行时间作为样本对BP神经网络进行训练，可以对动态时间τ_d进行预测；其中，人员因素可分为人员的工作经验和人员的专业技能水平；设备因素可分为设备的维护水平和设备的失效率；环境因素可分为温度和湿度。