“巖石模式”射頻儀表庫里的智能組配程序
在“巖石模型”的“巖層”中“注入”各種類型和用途的機械測試儀器，便形成一個機械測試儀器的大型儀器庫。所示為“巖石模型”中的一個“巖層”，該巖層中包含了某一類型的儀器資源。如該“巖層”中沒有包含用戶所需的儀器，則可用該“巖層”中的開發系統自行生成。
“巖石模型”大型虛擬儀器庫中蘊涵的豐富資源，為虛擬儀器的自動化拼搭提供了前提條件。
基于“巖石模型”的虛擬儀器智能開發系統模型系統的體系結構在開發智能控件化虛擬儀器的過程中，已經積累了大量的儀器拼搭的經驗，如果能對這些經驗進行學習，將有可能使虛擬儀器開發的過程具有自動性，實現虛擬儀器的自動化拼搭。本文在“巖石模型”的基礎上，提出了一種可用于實現虛擬儀器自動化拼搭的系統結構。
該系統的結構如示。其中決策控制部分是系統的靈魂，它在系統中的作用有：通過儀器拼搭場的用戶接口接收用戶輸入，搜索資源庫中現有的資源，根據規則集提供的拼搭規則，到資源庫中搜索可能需要的功能和控件，為儀器拼搭場提供指令信號。儀器拼搭場則是虛擬儀器完成組裝的一個平臺，在這里可以修改虛擬儀器的功能和物理屬性，同時，儀器拼搭場可將拼搭成功的經驗提交給關系數據庫。而關系數據庫中存儲的是成功的拼搭經驗，從中可以提取出拼搭規則，傳送至規則集中并存儲。資源庫中則儲存了大量的功能模塊和控件資源，已經馬上可以交付使用的儀器資源。
系統的工作流程系統的工作流程如所示。決策控制環節接收系統輸入后，首先對資源庫中的即用儀器進行搜索，如無符合用戶要求的，則到規則集中尋找和能用戶輸入相匹配的拼搭規則，并到資源庫中去查詢所需的功能和控件，再由資源庫將查詢結果傳遞給儀器拼搭場，由儀器拼搭場對功能和控件進行裝配，完成儀器的拼搭，最后將結果傳遞給決策控制環節檢驗，如果儀器拼搭成功，將儀器在拼搭場中交付給用戶使用，同時將該條拼搭經驗提交給關系數據庫，以便發現新的拼搭規則。
系統的方案設計決策環節的設計神經網絡是基于模仿大腦神經網絡結構和功能而建立的一種信息處理系統，它具有高度的非線性和自學習自適應的能力，因此很適合在本系統中決策和控制。
目前在工程實踐中使用得比較多的是前向多層神經網絡，即BP網絡（BackPropagationNetwork）。
BP網絡是一個信號前傳，誤差反傳的網絡結構。正向傳播過程：給出輸入信息通過輸入層經隱含層逐層處理并計算每個單元的實際輸出值；誤差反向傳播過程：若在輸出層未能得到期望的輸出值，則逐層遞歸地計算實際輸出與期望輸出之差值（即誤差），以便根據此差調節權值。這兩個過程的反復運用，使誤差信號最小。實際上，當誤差達到人們所希望的要求時，網絡的學習過程就結束。
結論“巖石模型”大型虛擬儀器庫中積累了大量的儀器資源和軟件資源，為虛擬儀器的自拼搭、自演化提供了可能。本文為實現虛擬儀器的自動化拼搭，并系統深入地對“巖石模型”大型虛擬儀器庫中的現有資源進行了分析和研究，發現了分類管理能提高對資源的再次利用的效率，提出了分類管理的模式。并在已經積累的拼搭經驗的基礎上，在系統中建立一個決策控制環節，以實現虛擬儀器在現有資源基礎上的自動化拼搭。中國糧油儀器網 http://m.51wenwangwen.com/
