基于高阶张量秩降低策略的智能评价系统

1.本发明涉及智能评价技术领域，特别涉及一种基于高阶张量秩降低策略的智能评价系统。


背景技术：

2.制造业是国民经济的工业基础和支撑行业，对于国家的经济发展水平和综合国力起关键性的作用。近些年，以计算机和信息技术为基础的高新技术得到迅猛发展，为传统的制造业升级转型提供了新的发展机遇。传统的制造技术逐步从机械化、自动化和数字化向智能化升级。
3.现有针对智能评价的研究中，所采用的指标体系或成熟度模型大部分在一维尺度上进行分析，忽视了评价体系在多元空间上的信息关联性。张量分析是多线性或多因素分析方法之一，已经被广泛应用于机器学习与信号处理、视频恢复、图像分类、多关系预测、人脸识别、数据分析等领域中，主要是对高阶数据进行分析处理。
4.综上，目前智能制造评价过程中一般是获取到大量数据之后进行的一个维度的分析，导致评价结果不精准，且分析过程中由于数据中会存在冗余数据，进一步导致评价结果出现失误。
5.因此，本发明提出一种基于高阶张量秩降低策略的智能评价系统。


技术实现要素：

6.本发明提供一种基于高阶张量秩降低策略的智能评价系统，用以通过对搭建结构进行多维度子系统的构建，来分别获取不同的张量与矩阵，且通过秩降低策略删除冗余数据，为后续精准以及高效率评价提供基础，且通过将结果标准与合格标准进行比较，进行报警便于及时提醒及保证评价结果。
7.本发明提供一种基于高阶张量秩降低策略的智能评价系统，包括：
8.张量获取模块，用于根据目标智能制造搭建结构，构建多维度子系统，并得到针对每个维度子系统的当前张量；
9.矩阵获取模块，用于对每个当前张量进行奇异值分解，获取对应维度子系统的因子矩阵，同时，对同个目标智能制造搭建结构中的所有当前张量进行高阶奇异值分解，获取核张量；
10.删除模块，用于采用秩降低策略删除核张量中的冗余信息以及因子矩阵中的冗余列；
11.评价模块，用于智能评价模型对删除结果进行评价，当评价结果满足合格标准时，判定所述目标智能制造搭建结构合格；
12.否则，根据评价结果的结果标准与合格标准的标准差异，从差异-报警数据库中筛选匹配的报警事件进行报警操作。
13.优选的，所述张量获取模块，包括：
14.划分单元，用于按照预设比例将所述目标智能制造搭建所构建的多维子系统的数据样本的数量划分为训练样本和测试样本；
15.其中，训练样本为：，其中分别为张量在对应维度的大小，且维度为3；
16.测试样本为：。
17.优选的，所述矩阵获取模块，包括：
18.分解单元，用于将分解为：，其中，其中，分别为核张量三个维度的大小，为要得到的用于分类的核张量；
19.求解单元，用于利用交替最小二乘法求解模型：
20.令；
21.展开单元，用于将按模展开，获得；
22.奇异值分解单元，用于对进行奇异值分解，取其左矩阵的列（）作为该模的因子矩阵即，依次获得、、，并获得因子矩阵并获得因子矩阵。
23.优选的，所述矩阵获取模块，还包括：
24.核张量获取单元，用于将x与t第次迭代各模因子矩阵进行模乘，获得第t次迭代的核张量：即。
25.优选的，所述删除模块，包括：
26.松弛定义单元，用于根据第t次迭代的核张量的各模展开的行数以及第t次迭代的因子矩阵的冗余列可能存在，进行松弛准则的定义：
[0027][0028]
其中，是表示阈值，表示第t次迭代的核张量的第n模展开后的第i行，为的第n模展开后的第i行所有数值的平方和，为第i行在所有行中数值平方和为最大值，为三维空间中符合松驰准则的第t次迭代的核张量的第n模展开的冗余行的集合（）；
[0029]
删除单元，用于通过如下公式，将第t次迭代第n模展开的核张量与第t次迭代的因子矩阵中可忽略的组成部分删除：
[0030][0031]
其中，是的补运算，为去掉符合松驰准则的第n模展开的冗
余行后剩下的行，为去掉符合松驰准则的冗余列后剩下的列。
[0032]
优选的，还包括：
[0033]
判断模块，用于判断删除结果是否满足停止迭代规则中的停止迭代规则，其中，停止迭代规则如下：
[0034]
令其中为第t+1次迭代的三维张量，将的列数分别赋给rn(n＝1,
…
,3)；
[0035]
为对应的停止迭代条件，其中为第t次迭代的三维张量，ε为正数；
[0036]
当不满足停止迭代规则时，控制删除模块继续工作；
[0037]
若满足停止迭代规则时，控制评价模块开始工作。
[0038]
优选的，所述评价模块，包括：
[0039]
投影单元，用于将获得的因子矩阵、、投影到中：
[0040]
；
[0041]
模型评价单元，用于将、产生的核张量、训练样本标签、测试样本标签送入智能评价模型中，得到测试样本的评价结果。
[0042]
优选的，还包括：
[0043]
元素确定模块，用于根据评价结果的结果标准与合格标准的标准差异，从差异-报警数据库中筛选匹配的报警事件进行报警操作之后，确定核张量与产生的核张量之间的第一差量，并确定第一差量中的差元素；
[0044]
同元素提取模块，用于对训练样本标签进行同元素提取，同时，对测试样本标签进行同元素提取，得到同元素张量；
[0045]
关系建立模块，用于建立每个差元素与同元素张量的映射关系，其中，每个映射关系都对应一个差元素；
[0046]
线条绘制模块，用于对同个映射关系中所映射的每个同元素张量中的第一数组进行第一线条绘制，以及对同元素张量中的第二数组进行第二线条绘制；
[0047]
状态分析模块，用于将绘制的第一线条和第二线条置于同维坐标系中，确定线条交互状态；
[0048]
匹配度确定模块，用于根据每个差元素与所映射的线条交互状态集合，确定匹配度；
[0049][0050]
其中，y表示对应差元素的匹配度；y0表示对应差元素的当下差值；表示与对应差元素所映射的同元素张量的个数；表示与对应差元素所映射的第i1个同元素张量的元素权重；表示与对应差元素所映射的第i1个同元素张量所对应交互线条中的绘制点个数；表示与对应差元素所映射的第i1个同元素张量所对应交互线条中的第j1个绘制点的当下值；表示对应差元素的标准设定值，一般取值为5；
[0051]
提取模块，用于提取匹配度小于预设度的第一差元素以及与所述第一差元素所映射的同元素张量；
[0052]
当提取结果为0时，则判定所述评价结果合格；
[0053]
当提取结果不为0时，确定所映射的每个同元素张量对应的线条交互状态所匹配的累加和，并对累计和大于预设和的同元素张量进行第一标定，并获取第一标定的同元素张量的和差；
[0054]
因子获取模块，用于基于差-修正数据库，获取与所述和差以及同元素张量的元素类型一致的修正因子；
[0055]
新结果获取模块，用于基于获取的所有修正因子，对评价结果进行调整，得到新的评价结果；
[0056]
其中，线条交互状态是基于第一线条与第二线条进行相减之后得到线条，并将该线条视为交互线条，且。
[0057]
本发明的其它特征和优点将在随后的说明书中阐述，并且，部分地从说明书中变得显而易见，或者通过实施本发明而了解。本发明的目的和其他优点可通过在所写的说明书、权利要求书、以及附图中所特别指出的结构来实现和获得。
[0058]
下面通过附图和实施例，对本发明的技术方案做进一步的详细描述。
附图说明
[0059]
附图用来提供对本发明的进一步理解，并且构成说明书的一部分，与本发明的实施例一起用于解释本发明，并不构成对本发明的限制。在附图中：
[0060]
图1为本发明实施例中一种基于高阶张量秩降低策略的智能评价系统的结构图；
[0061]
图2为本发明实施例中矩阵获取模块的结构图。
具体实施方式
[0062]
以下结合附图对本发明的优选实施例进行说明，应当理解，此处所描述的优选实施例仅用于说明和解释本发明，并不用于限定本发明。
[0063]
本发明提供一种基于高阶张量秩降低策略的智能评价系统，如图1所示，包括：
[0064]
张量获取模块，用于根据目标智能制造搭建结构，构建多维度子系统，并得到针对每个维度子系统的当前张量；
[0065]
矩阵获取模块，用于对每个当前张量进行奇异值分解，获取对应维度子系统的因子矩阵，同时，对同个目标智能制造搭建结构中的所有当前张量进行高阶奇异值分解，获取核张量；
[0066]
删除模块，用于采用秩降低策略删除核张量中的冗余信息以及因子矩阵中的冗余列；
[0067]
评价模块，用于智能评价模型对删除结果进行评价，当评价结果满足合格标准时，判定所述目标智能制造搭建结构合格；
[0068]
否则，根据评价结果的结果标准与合格标准的标准差异，从差异-报警数据库中筛选匹配的报警事件进行报警操作。
[0069]
其中，多维度子系统一般为三个维度的子系统，也就是子系统为3个，三阶张量的各模维数分别为，且的取值分别为5，5，5；
[0070]
其中，三阶张量的三个维度分别为：生命周期、智能功能和系统层级。
[0071]
其中，生命周期的维度对应制造过程，包括设计、生产、物流、销售、服务五个主要的活动环节；
[0072]
系统层级的维度从制造系统构架（目标智能制造搭建结构，预先确定好的生产制造构架）上由下而上的分为五个层次，包括设备、控制、车间、企业和协同，层级间通过 ip 互联网协议进行互联；
[0073]
智能功能的维度是价值链，包括资源要素、系统集成、互联互通、信息融合和新兴业态五个方面。
[0074]
该实施例中，本发明重心放在采用秩降低策略以寻求核张量的较小秩来降低计算量，并加强核张量与因子矩阵它们之间的强相互作用、利用多分类的支持向量机（svm）来对企业智能制造能力进行评价，其在求解过程中通过秩降低策略自动化寻求核张量的较小秩，而不是提前根据经验值设置，这样的处理会更加加强核张量与因子矩阵的强作用与减少计算量。
[0075]
该实施例中，差异-报警数据库包括不同的组合的差异，主要是不同合格项与不同合格项的各种组合所对应的报警事件，且不同的组合对应的报警事件是不一样的，且不合格项的数据越多，对应报警事件所对应的报警时间越长，且报警可以是声音报警。
[0076]
该实施例中，智能评价模型是预先训练好的，以不同组合的核张量与因子矩阵所构成的输入信息以及与该输入信息匹配的评价结果为输出信息所构成的样本对神经网络模型进行训练得到的，因此，可以有效的获取得到对删除结果的评价结果。
[0077]
该评价结果包括：对应目标智能制造搭建结果中的制造过程中的设计合格、生产合格、物流合格、销售合格等信息，主要是从三个维度来获取的合格与非合格的结果。
[0078]
该实施例中，合格标准指的是评价结果中的每项评价结果是否都合格，如果都合格，则视为满足合格标准，否则，就需要获取结果标准与合格标准得额标准差异，当设计不合格、生产不合格，且其余的评价指标都合格时，此时，所对应的
[0079]
上述技术方案的有益效果是：用以通过对搭建结构进行多维度子系统的构建，来分别获取不同的张量与矩阵，且通过秩降低策略删除冗余数据，为后续精准以及高效率评价提供基础，且通过将结果标准与合格标准进行比较，进行报警便于及时提醒及保证评价结果。
[0080]
本发明提供一种基于高阶张量秩降低策略的智能评价系统，所述张量获取模块，包括：
[0081]
划分单元，用于按照预设比例将所述目标智能制造搭建所构建的多维子系统的数据样本的数量划分为训练样本和测试样本；
[0082]
其中，训练样本为：，其中分别为张量在对应维度的大小，且维度为3；
[0083]
测试样本为：。
[0084]
该实施例中，预设比例指的是8：2。
[0085]
该实施例中，训练样本与测试样本中的各模维数都是一样的。
[0086]
上述技术方案的有益效果是：通过对数据样本的数量进行比例划分，可以有效的向不同维建立相应的评价等级标签，为后续进行能力评价提供有效基础，进一步保证评价精准性。
[0087]
本发明提供一种基于高阶张量秩降低策略的智能评价系统，所述矩阵获取模块，如图2所示，包括：
[0088]
分解单元，用于将x分解为：，其中其中，分别为核张量三个维度的大小，为要得到的用于分类的核张量；
[0089]
求解单元，用于利用交替最小二乘法求解模型：
[0090]
令；
[0091]
展开单元，用于将x按模展开，获得；
[0092]
奇异值分解单元，用于对进行奇异值分解，取其左矩阵的列（）作为该模的因子矩阵即，依次获得、、，并获得因子矩阵并获得因子矩阵。
[0093]
该实施例中，g为要得到的用于分类的核张量，且在删除冗余信息之后拥有较小的秩。
[0094]
该实施例中，因张量分解中常用的tucker 分解在数据降维和低秩近似等方面有重要应用，并且它是奇异值分解 (singular value decomposition，svd) 在高维空间的扩展。因此，建立了由tucker分解分解构建的三阶张量模型（分解后产生一个核张量与三个因子矩阵）。为求解该模型，采用交替最小二乘法（als）迭代求解。最后由迭代终止规则终止迭代求解过程。
[0095]
上述技术方案的有益效果是：通过获取因子矩阵，为后续进行秩降低策略的使用提供基础，且为后续获取评价结果提供基础，保证评价效率。
[0096]
本发明提供一种基于高阶张量秩降低策略的智能评价系统，所述矩阵获取模块，还包括：
[0097]
核张量获取单元，用于将x与第t次迭代各模因子矩阵进行模乘，获得第t次迭代的核张量：即。
[0098]
优选的，所述删除模块，包括：
[0099]
松弛定义单元，用于根据第t次迭代的核张量的各模展开的行数以及第t次迭代的因子矩阵的冗余列可能存在，进行松弛准则的定义：
[0100][0101]
其中，是表示阈值，表示第t次迭代的核张量的第n模展开后的第i行，为的第n模展开后的第i行所有数值的平方和，为第i行在
所有行中数值平方和为最大值，为三维空间中符合松驰准则的第t次迭代的核张量的第n模展开的冗余行的集合（）；
[0102]
删除单元，用于通过如下公式，将第t次迭代第n模展开的核张量与第t次迭代的因子矩阵中可忽略的组成部分删除：
[0103][0104]
其中，是的补运算，为去掉符合松驰准则的第n模展开的冗余行后剩下的行，为去掉符合松驰准则的冗余列后剩下的列。
[0105]
该实施例中，秩降低策略的使用。对于每一次迭代，为删除分解后产生的核张量的冗余信息与因子矩阵冗余列，采用秩降低策略，以寻求核张量的较小秩来降低计算量，并加强核张量与因子矩阵它们之间的强相互作用。
[0106]
该实施例中，根据核张量的各模展开的行数，因子矩阵的冗余列可能存在。的冗余行及它的集合严格定义如下：
[0107][0108]
其中为核张量的第n模展开的第i行所有的数据平方和，为三维空间中为0的行的集合（）；如果，我们则可以明显忽略的第j列。但是，按照此严格定义去掉可以忽略不计的成分，这是很难实现的，因此，出现了上述对松弛准则的定义。
[0109]
该实施例中，，意味着与之间有着大的差距。同时很自然地表明因子矩阵与核张量之间较强的相互作用。
[0110]
上述技术方案的有益效果是：通过设置松弛准则以及对可忽略的组成部分被删除的公式定义，可以有效的删除冗余信息以及冗余列，在有效删除冗余数据后，可以为后续精准评价提供基础，
[0111]
本发明提供一种基于高阶张量秩降低策略的智能评价系统，还包括：
[0112]
判断模块，用于判断删除结果是否满足停止迭代规则中的停止迭代规则，其中，停止迭代规则如下：
[0113]
令其中为第t+1次迭代的三维张量，将的列数分别赋给rn(n＝1,
…
,3)；
[0114]
为对应的停止迭代条件，其中为第t次迭代的三维张量，ε为正数；
[0115]
当不满足停止迭代规则时，控制删除模块继续工作；
[0116]
若满足停止迭代规则时，控制评价模块开始工作。
[0117]
该实施例中，为一个很小的数，t为迭代次数。
[0118]
上述技术方案的有益效果是：通过设置停止迭代条件，便于进行有效的删除无关的信息，为后续控制模块工作提供基础。
[0119]
本发明提供一种基于高阶张量秩降低策略的智能评价系统，所述评价模块，包括：
[0120]
投影单元，用于将获得的因子矩阵、、投影到中：
[0121]
；
[0122]
模型评价单元，用于将、产生的核张量、训练样本标签、测试样本标签送入智能评价模型中，得到测试样本的评价结果。
[0123]
该实施例中，智能评价模型用于企业智能制造能力评价。由于企业智能制造能力评价包含对不同评价项的评价结果，包括合格、不合格等。
[0124]
上述技术方案的有益效果是：通过智能评价模型，可以有效的对测试样本和训练样本进行评价，有效实现对目标智能制造搭建结构的评价，保证评价效率。
[0125]
本发明提供一种基于高阶张量秩降低策略的智能评价系统，还包括：
[0126]
元素确定模块，用于根据评价结果的结果标准与合格标准的标准差异，从差异-报警数据库中筛选匹配的报警事件进行报警操作之后，确定核张量与产生的核张量之间的第一差量，并确定第一差量中的差元素；
[0127]
同元素提取模块，用于对训练样本标签进行同元素提取，同时，对测试样本标签进行同元素提取，得到同元素张量；
[0128]
关系建立模块，用于建立每个差元素与同元素张量的映射关系，其中，每个映射关系都对应一个差元素；
[0129]
线条绘制模块，用于对同个映射关系中所映射的每个同元素张量中的第一数组进行第一线条绘制，以及对同元素张量中的第二数组进行第二线条绘制；
[0130]
状态分析模块，用于将绘制的第一线条和第二线条置于同维坐标系中，确定线条交互状态；
[0131]
匹配度确定模块，用于根据每个差元素与所映射的线条交互状态集合，确定匹配度；
[0132][0133]
其中，y表示对应差元素的匹配度；y0表示对应差元素的当下差值；表示与对应差元素所映射的同元素张量的个数；表示与对应差元素所映射的第i1个同元素张量的元素权重；表示与对应差元素所映射的第i1个同元素张量所对应交互线条中的绘制点个数；表示与对应差元素所映射的第i1个同元素张量所对应交互线条中的第j1个绘制点的当下值；表示对应差元素的标准设定值，一般取值为5；
[0134]
提取模块，用于提取匹配度小于预设度的第一差元素以及与所述第一差元素所映射的同元素张量；
[0135]
当提取结果为0时，则判定所述评价结果合格；
[0136]
当提取结果不为0时，确定所映射的每个同元素张量对应的线条交互状态所匹配
的累加和，并对累计和大于预设和的同元素张量进行第一标定，并获取第一标定的同元素张量的和差；
[0137]
因子获取模块，用于基于差-修正数据库，获取与所述和差以及同元素张量的元素类型一致的修正因子；
[0138]
新结果获取模块，用于基于获取的所有修正因子，对评价结果进行调整，得到新的评价结果；
[0139]
其中，线条交互状态是基于第一线条与第二线条进行相减之后得到线条，并将该线条视为交互线条，且。
[0140]
该实施例中，第一差量指的是核张量与产生的核张量存在的矩阵中各个维度中同元素之间相减的结果。
[0141]
该实施例中，每个训练样本都存在对应的标签，也就是每个训练样本都包含元素1、元素2以及元素3，只不过元素的大小可能不同，且测试样本标签与训练样本标签类似。
[0142]
该实施例中，同元素张量包括样本训练所对应的一个数组以及测试样本所对应的一个数组。
[0143]
该实施例中，一个差元素可以与多个同元素张量映射，比如差元素1映射同元素张量1、2、3。
[0144]
该实施例中，线条绘制就是将数组中的元素依次连接起来，得到的曲线。
[0145]
该实施例中，当下差值是由差元素所对应包含的差值得到的。
[0146]
该实施例中，预设度是预先设置好的。
[0147]
该实施例中，修正因子指的是对评价结果调整的参数值，比如：
[0148][0149]
其中，x0表示评价结果；x1表示修正后的评价结果；u表示修正因子的参数值，且取值范围为[-0.2，0.2]。
[0150]
上述技术方案的有益效果是：通过从核张量以及标签同元素提取两方面来分析，分别计算每个差元素与所映射的同元素张量之间的匹配度，进而来确定在进行评价过程中两者所存在的过大差异，通过对差异的缩小，进一步保证评价结果的有效性。
[0151]
显然，本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样，倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内，则本发明也意图包含这些改动和变型在内。

技术特征：
1.一种基于高阶张量秩降低策略的智能评价系统，其特征在于，包括：张量获取模块，用于根据目标智能制造搭建结构，构建多维度子系统，并得到针对每个维度子系统的当前张量；矩阵获取模块，用于对每个当前张量进行奇异值分解，获取对应维度子系统的因子矩阵，同时，对同个目标智能制造搭建结构中的所有当前张量进行高阶奇异值分解，获取核张量；删除模块，用于采用秩降低策略删除核张量中的冗余信息以及因子矩阵中的冗余列；评价模块，用于智能评价模型对删除结果进行评价，当评价结果满足合格标准时，判定所述目标智能制造搭建结构合格；否则，根据评价结果的结果标准与合格标准的标准差异，从差异-报警数据库中筛选匹配的报警事件进行报警操作。2.如权利要求1所述的基于高阶张量秩降低策略的智能评价系统，其特征在于，所述张量获取模块，包括：划分单元，用于按照预设比例将所述目标智能制造搭建所构建的多维子系统的数据样本的数量划分为训练样本和测试样本；其中，训练样本为：其中i1,i2,i3分别为张量在对应维度的大小，且维度为3；测试样本为：3.如权利要求2所述的基于高阶张量秩降低策略的智能评价系统，其特征在于，所述矩阵获取模块，包括：分解单元，用于将分解为：其中r1,r2,r3分别为核张量三个维度的大小，为要得到的用于分类的核张量；求解单元，用于利用交替最小二乘法求解模型：令r1＝i1,r2＝i2,r3＝i3,t＝1,展开单元，用于将按k(k＝1,2,3)模展开，获得奇异值分解单元，用于对进行奇异值分解，取其左矩阵的1:r
k
列作为该模的因子矩阵即依次获得依次获得并获得因子矩阵4.如权利要求3所述的基于高阶张量秩降低策略的智能评价系统，其特征在于，所述矩阵获取模块，还包括：核张量获取单元，用于将与第t次迭代各模因子矩阵进行模乘，获得第t次迭代的核张量即5.如权利要求4所述的基于高阶张量秩降低策略的智能评价系统，其特征在于，所述删除模块，包括：
松弛定义单元，用于根据第t次迭代的核张量的各模展开的行数以及第t次迭代的因子矩阵的冗余列可能存在，进行松弛准则的定义：其中，θ∈[0.7,1]是表示阈值，表示第t次迭代的核张量的第n模展开后的第i行，为的第n模展开后的第i行所有数值的平方和，为第i行在所有行中数值平方和为最大值，为三维空间中符合松驰准则的第t次迭代的核张量的第n模展开的冗余行的集合(n＝1,
…
,3)；删除单元，用于通过如下公式，将第t次迭代第n模展开的核张量与第t次迭代的因子矩阵中可忽略的组成部分删除：其中，是的补运算，为去掉符合松驰准则的第n模展开的冗余行后剩下的行，为去掉符合松驰准则的冗余列后剩下的列。6.如权利要求5所述的基于高阶张量秩降低策略的智能评价系统，其特征在于，还包括：判断模块，用于判断删除结果是否满足停止迭代规则中的停止迭代规则，其中，停止迭代规则如下：令其中为第t+1次迭代的三维张量，将的列数分别赋给r
n
(n＝1,
…
,3)；为对应的停止迭代条件，其中为第t次迭代的三维张量，ε为正数；当不满足停止迭代规则时，控制删除模块继续工作；若满足停止迭代规则时，控制评价模块开始工作。7.如权利要求6所述的基于高阶张量秩降低策略的智能评价系统，其特征在于，所述评价模块，包括：投影单元，用于将获得的因子矩阵投影到中：模型评价单元，用于将产生的核张量训练样本标签、测试样本标签送入智能评价模型中，得到测试样本的评价结果。8.如权利要求1所述的基于高阶张量秩降低策略的智能评价系统，其特征在于，还包
括：元素确定模块，用于根据评价结果的结果标准与合格标准的标准差异，从差异-报警数据库中筛选匹配的报警事件进行报警操作之后，确定核张量与产生的核张量之间的第一差量，并确定第一差量中的差元素；同元素提取模块，用于对训练样本标签进行同元素提取，同时，对测试样本标签进行同元素提取，得到同元素张量；关系建立模块，用于建立每个差元素与同元素张量的映射关系，其中，每个映射关系都对应一个差元素；线条绘制模块，用于对同个映射关系中所映射的每个同元素张量中的第一数组进行第一线条绘制，以及对同元素张量中的第二数组进行第二线条绘制；状态分析模块，用于将绘制的第一线条和第二线条置于同维坐标系中，确定线条交互状态；匹配度确定模块，用于根据每个差元素与所映射的线条交互状态集合，确定匹配度；其中，y表示对应差元素的匹配度；y0表示对应差元素的当下差值；m1表示与对应差元素所映射的同元素张量的个数；
∝
i1
表示与对应差元素所映射的第i1个同元素张量的元素权重；m2
i1
表示与对应差元素所映射的第i1个同元素张量所对应交互线条中的绘制点个数；y
j1
表示与对应差元素所映射的第i1个同元素张量所对应交互线条中的第j1个绘制点的当下值；y1表示对应差元素的标准设定值，一般取值为5；提取模块，用于提取匹配度小于预设度的第一差元素以及与所述第一差元素所映射的同元素张量；当提取结果为0时，则判定所述评价结果合格；当提取结果不为0时，确定所映射的每个同元素张量对应的线条交互状态所匹配的累加和，并对累计和大于预设和的同元素张量进行第一标定，并获取第一标定的同元素张量的和差；因子获取模块，用于基于差-修正数据库，获取与所述和差以及同元素张量的元素类型一致的修正因子；新结果获取模块，用于基于获取的所有修正因子，对评价结果进行调整，得到新的评价结果；其中，线条交互状态是基于第一线条与第二线条进行相减之后得到线条，并将该线条视为交互线条，且

技术总结
本发明提供了一种基于高阶张量秩降低策略的智能评价系统，包括：张量获取模块，用于根据目标智能制造搭建结构，构建多维度子系统，并得到针对每个维度子系统的当前张量；矩阵获取模块，用于对每个当前张量进行奇异值分解，获取对应维度子系统的因子矩阵，同时，对同个目标智能制造搭建结构中的所有当前张量进行高阶奇异值分解，获取核张量；删除模块，用于采用秩降低策略删除核张量中的冗余信息以及因子矩阵中的冗余列；评价模块，用于智能评价模型对删除结果进行评价，为后续精准以及高效率评价提供基础。评价提供基础。评价提供基础。


技术研发人员：符蕴芳 张艮山 宋宇斐 刘智国 张惠涛
受保护的技术使用者：石家庄学院
技术研发日：2023.02.08
技术公布日：2023/9/11