一种中医按摩机器人控制系统的异常分析方法及系统

本技术涉及计算机，具体而言，涉及一种中医按摩机器人控制系统的异常分析方法及系统。

背景技术：

1、当前，随着社会化的进步，人们逐渐开始出现亚健康的状态，腰腿疼痛与肩背僵硬等这些症状严重影响着人们的生活质量，中医的推拿按摩手法能安全有效的缓解此种情况，可以通过按摩人体的特定的穴位来达到治疗效果。当前，中医按摩机器人可以根据云端布置的中医按摩机器人控制系统的系统控制策略进行按摩策略控制，通过在云端布置中医按摩机器人控制系统可以便于提高中医按摩机器人的控制灵活性，并且可以对可以便于对可能存在的异常控制事件进行异常类别标签(如针对按摩手法控制的异常类别、针对按摩技巧控制的异常类别等)分析，以便于进行后续开发优化。然而，相关技术的方案中，针对异常控制事件的异常分析效率较为低下。

技术实现思路

1、有鉴于此，本技术的目的在于提供一种中医按摩机器人控制系统的异常分析方法及系统。

2、基于本技术的第一方面，提供一种中医按摩机器人控制系统的异常分析方法，应用于中医按摩机器人控制系统的异常分析系统，所述方法包括：

3、提取中医按摩机器人控制系统的待分析异常控制事件的注意力控制节点，并确定每个所述注意力控制节点的注意力分数，所述注意力控制节点是所述待分析异常控制事件中代表所述待分析异常控制事件的显著性特征的控制节点，所述注意力分数表征所对应的注意力控制节点对所述待分析异常控制事件的异常影响权重；

4、获取与每个所述注意力控制节点分别对应的控制逻辑特征，所述控制逻辑特征是用于体现所述注意力控制节点所表示的控制过程的特征向量；

5、基于每个所述控制逻辑特征及各参考异常标签的异常标签特征向量，确定每个所述注意力控制节点分别与每个所述参考异常标签的第一匹配值，所述异常标签特征向量表征所述参考异常标签的异常特征向量，所述第一匹配值是表达所述注意力控制节点与所述参考异常标签之间的相关联概率的分数值；

6、基于每个所述注意力控制节点的注意力分数及每个所述第一匹配值，确定所述待分析异常控制事件分别与每个所述参考异常标签的第二匹配值，所述第二匹配值是表达所述待分析异常控制事件与所述参考异常标签之间的相关联概率的分数值；

7、基于每个所述第二匹配值，从每个所述参考异常标签中确定所述待分析异常控制事件所关联的异常标签。

8、在第一方面的一种可能的实施方式，所述提取待分析异常控制事件的注意力控制节点，包括：

9、对所述待分析异常控制事件进行控制节点提取，获得所述待分析异常控制事件的多个控制节点k1；

10、从每个所述控制节点k1中移除属于预设噪声控制节点库的控制节点k1，获得至少一个控制节点k2；所述控制节点k2包括移除后余下的控制节点k1；

11、基于每个所述控制节点k2，获得所述待分析异常控制事件的注意力控制节点；

12、其中，所述预设噪声控制节点库包括与目标订阅控制策略相对应的噪声控制节点库，所述目标订阅控制策略包括所述待分析异常控制事件所关联的订阅控制策略。

13、在第一方面的一种可能的实施方式，建立所述预设噪声控制节点库的步骤，具体包括：

14、对关联于该目标订阅控制策略的各控制事件进行控制节点提取，获得多个控制节点k3；

15、分别确定每个所述控制节点k3对应的第一占用率；所述控制节点k3对应的第一占用率包括：目标订阅控制策略中包含该控制节点k3的控制事件数占所述目标订阅控制策略的全局控制事件数量的比值；

16、基于所述第一占用率大于第一门限占用率的控制节点k3，建立所述预设噪声控制节点库。

17、在第一方面的一种可能的实施方式，确定所述第一门限占用率的步骤，具体包括：

18、基于当前门限占用率，从每个所述控制节点k3中确定控制节点k4；

19、所述控制节点k4包括所述第一占用率不小于所述当前门限占用率的控制节点k3；

20、获取与关联于该目标订阅控制策略的各控制事件分别对应的余下控制节点数量；所述控制事件对应的余下控制节点数量是从该控制事件的每个所述控制节点k3中移除所述控制节点k4后余下的控制节点k3的数量；

21、确定所述余下控制节点数量不小于设定数量的控制事件数占关联于该目标订阅控制策略的全局控制事件数量的第二占用率；

22、当所述第二占用率不大于第二门限占用率的情况下，将所述当前门限占用率输出为所述第一门限占用率；

23、当所述第二占用率大于所述第二门限占用率的情况下，基于设定更新参数调整所述当前门限占用率，并返回所述基于当前门限占用率从每个所述控制节点k3中确定控制节点k4的步骤。

24、在第一方面的一种可能的实施方式，所述基于每个所述控制节点k2，获得所述待分析异常控制事件的注意力控制节点，包括：

25、基于每个所述控制节点k2进行节点整理，获得控制节点k5；每个所述控制节点k5包含连续关联的多个控制节点k2；

26、从每个所述控制节点k5中，确定控制节点k6；所述控制节点k6包括对应于先验控制节点的控制节点k5；

27、从每个所述控制节点k6中，确定控制节点k7；所述控制节点k7不包含于每个所述控制节点k6中除自身以外的控制节点k6中；

28、基于所述控制节点k7，获得所述待分析异常控制事件的注意力控制节点。

29、在第一方面的一种可能的实施方式，所述获取与每个所述注意力控制节点分别对应的各控制逻辑特征，包括：

30、获取与每个所述注意力控制节点分别对应的按摩指令调度信息；所述注意力控制节点对应的按摩指令调度信息是通过按摩指令调度进程对该注意力控制节点进行按摩指令调度获得的；

31、分别基于每个所述注意力控制节点对应的按摩指令调度信息，获得与每个所述注意力控制节点分别对应的各控制逻辑特征；

32、所述获取与每个所述注意力控制节点分别对应的按摩指令调度信息，包括：

33、分别在先验控制数据库中搜索每个所述注意力控制节点对应的参考注意力控制节点；所述先验控制数据库记录参考注意力控制节点与参考按摩指令调度信息之间的特征映射向量，所述参考按摩指令调度信息是通过所述按摩指令调度进程对相应参考注意力控制节点进行按摩指令调度获得的；

34、在搜索到与所述注意力控制节点对应的参考注意力控制节点的情况下，基于搜索到的参考注意力控制节点所匹配的参考按摩指令调度信息，获得该注意力控制节点对应的按摩指令调度信息；

35、在未搜索到与所述注意力控制节点对应的参考注意力控制节点的情况下，利用所述按摩指令调度进程对该注意力控制节点进行指令调度，获得与该注意力控制节点对应的按摩指令调度信息。

36、在第一方面的一种可能的实施方式，所述方法还包括：

37、获取每个所述参考异常标签的异常告警等级；

38、所述基于每个所述第二匹配值，从每个所述参考异常标签中确定所述待分析异常控制事件所关联的异常标签，包括：

39、基于每个所述第二匹配值和每个所述参考异常标签的异常告警等级，确定所述待分析异常控制事件分别与每个所述参考异常标签的第五匹配值；

40、基于每个所述第五匹配值，从每个所述参考异常标签中确定所述待分析异常控制事件所关联的异常标签。

41、在第一方面的一种可能的实施方式，所述分别基于每个所述控制逻辑特征及各参考异常标签的异常标签特征向量，确定每个所述注意力控制节点分别与每个所述参考异常标签的第一匹配值，包括：

42、基于每个所述控制逻辑特征和每个所述参考异常标签的异常知识图谱数据，确定每个所述控制逻辑特征分别与每个所述参考异常标签的第三匹配值；

43、基于每个所述第三匹配值，确定每个所述注意力控制节点分别与每个所述参考异常标签的第一匹配值；

44、所述基于每个所述控制逻辑特征和每个所述参考异常标签的异常知识图谱数据，确定每个所述控制逻辑特征分别与每个所述参考异常标签的第三匹配值，包括：

45、基于每个所述控制逻辑特征和每个所述参考异常标签的异常知识图谱数据，确定每个所述控制逻辑特征分别与每个所述参考异常标签的异常知识图谱数据的共享知识特征；

46、从每个所述控制逻辑特征分别与每个所述参考异常标签的异常知识图谱数据的共享知识特征中，确定每个所述控制逻辑特征分别与每个所述参考异常标签的异常知识图谱数据的目标共享知识特征；

47、确定每个所述控制逻辑特征分别与每个所述参考异常标签的异常知识图谱数据的目标共享知识特征的全局特征数量占每个所述参考异常标签的异常知识图谱数据的全局特征数量的第三占用率；

48、基于每个所述第三占用率、每个所述控制逻辑特征分别与每个所述参考异常标签的异常知识图谱数据的目标共享知识特征在相应控制逻辑特征中的第一出现频率、以及每个所述控制逻辑特征分别与每个所述参考异常标签的异常知识图谱数据的目标共享知识特征的第一逆向出现频率，确定每个所述控制逻辑特征分别与每个所述参考异常标签的异常知识图谱数据的第三匹配值；

49、其中，所述控制逻辑特征与所述参考异常标签的异常知识图谱数据的目标共享知识特征，不包含于该控制逻辑特征与该参考异常标签的异常知识图谱数据的各共享知识特征中除自身以外的共享知识特征中。

50、在第一方面的一种可能的实施方式，还包括：

51、基于每个所述控制逻辑特征、每个所述参考异常标签的先验异常关联特征、以及每个所述参考异常标签的先验异常关联特征与相应参考异常标签的先验匹配分值，确定每个所述控制逻辑特征分别与每个所述参考异常标签的第四匹配值；

52、所述基于每个所述第三匹配值，确定每个所述注意力控制节点分别与每个所述参考异常标签的第一匹配值，包括：

53、基于每个所述第三匹配值和每个所述第四匹配值，确定每个所述注意力控制节点分别与每个所述参考异常标签的第一匹配值；

54、所述基于每个所述控制逻辑特征、每个所述参考异常标签的先验异常关联特征、以及每个所述参考异常标签的先验异常关联特征与相应参考异常标签的先验匹配分值，确定每个所述控制逻辑特征分别与每个所述参考异常标签的第四匹配值，包括：

55、基于每个所述参考异常标签的先验异常关联特征分别在每个所述控制逻辑特征中的第二出现频率、每个所述参考异常标签的先验异常关联特征的第二逆向出现频率、以及每个所述参考异常标签的先验异常关联特征分别与相应参考异常标签的先验匹配分值，确定每个所述控制逻辑特征分别与每个所述参考异常标签的第四匹配值。

56、基于本技术的第二方面，提供一种服务器，所述服务器包括包括机器可读存储介质及处理器，所述机器可读存储介质存储有机器可执行指令，所述处理器在执行所述机器可执行指令的情况下，该服务器实现前述的中医按摩机器人控制系统的异常分析方法。

57、基于本技术的第三方面，提供提供一种计算机可读存储介质，所述计算机可读存储介质中存储有计算机可执行指令，当所述计算机可执行指令被执行的情况下，实现前述的中医按摩机器人控制系统的异常分析方法。

58、依据上述任一方面，本技术提取待分析异常控制事件的注意力控制节点，并得到各注意力控制节点的注意力分数，然后获取与各注意力控制节点分别对应的控制逻辑特征，再基于各控制逻辑特征，确定各注意力控制节点分别与参考异常标签的第一匹配值，然后基于各注意力控制节点的注意力分数及各第一匹配值，确定待分析异常控制事件分别与各参考异常标签的第二匹配值，由此基于各第二匹配值，从各参考异常标签中确定待分析异常控制事件所关联的异常标签，使得本技术在不具有任何所关联异常标签已知的控制事件的基础上，高效确定各种异常控制事件所关联的异常标签，无需增加手动标注异常标签的流程，从而提高针对异常控制事件的异常分析效率。