基于云計算的智能編程仿真培訓平臺設計與應用

中圖分類號：TM743 文獻標志碼：A

0 引言

近年來，智能編程仿真培訓概念的提出為編程技能培訓提供了新的思路。研究人員在智能編程仿真培訓平臺領域開展了大量研究并取得了一定的實驗成果。例如，陳星延等1通過構建智能編程仿真培訓平臺，建立編程系統中典型場景各編程元素和案例的3D模型，模擬真實的編程作業環境，改善平臺使用者仿真作業體驗的效果。

但是，現有的智能編程仿真培訓平臺仍存在內存小、計算效率低、失敗概率大等不足，實際應用效果亟待提升。為此，張文杰等[2提出了基于開放式通信的培訓平臺設計方法，采用分層分布式的體系結構，實現精準建模，基于統一交互界面，實現了智能編程仿真培訓全景展示。然而，該方法容易受到復雜仿真培訓數據影響，導致培訓效果不佳。孫瑩等[3]提出了基于“互聯網 + 交互式”技術的平臺設計方法，利用“互聯網 + 交互式\"技術，建設了集培訓學習、練習考試等功能一體的培訓平臺。該平臺能夠解決當前培訓平臺存在的痛點，但面對大規模仿真數據，無法得到有效處理，導致培訓效果不佳。謝鋒等[4提出了基于可編程門陣列（Field-programmableGateArray，FPGA）的平臺設計方法，通過現場FPGA構建深度學習模型專用加速器，優化原始模型，構建智能編程仿真培訓平臺。該平臺具有快速培訓效果，但受限于小型化設備上的部署，導致培訓耗時較長。

基于上述存在的問題，文章提出構建智能編程仿真培訓平臺。該平臺能夠整合分布式的計算資源和數據資源并對其進行動態配置與管理，進而為用戶提供所需的服務。在編程技能訓練中，引入智能編程模擬訓練平臺的概念，用于檢測編程過程中產生的病毒白噪聲。“病毒白噪聲”是指在編程過程中，干擾程序正常運行、影響編程效果或導致程序出現錯誤的一類無規律、雜亂的干擾因素，它類似于電子信號中的白噪聲，會對編程的準確性和穩定性造成負面影響。借助該平臺，可有效檢測編程過程中的病毒白噪聲，確保用戶能夠在任何時間、任何地點開展典型的智能編程仿真培訓。

1基于云計算的智能編程仿真培訓平臺設計

1.1平臺架構

文章基于云計算智能編程仿真培訓平臺的培養目標，為編程相關專業的學生以及業內的相關人士建立起一個內部的網絡環境[5]。因此，以云計算為基礎的智能編程仿真培訓平臺，在其內部采取了一種局部部署方式，使客戶端與云服務器一起分擔任務，降低平臺的通信開銷。同時，由于信息發布、交流、遠程培訓等功能都要依靠外部網絡來實現，使用基于梯形圖編輯模塊的云計算部署方式，可以讓內部和外部進行互聯互通和數據信息共享，也為后續在云部署方式下對局部部署方式的運行狀況監測奠定了基礎[6]。為此，該項目構建以內網和外網為傳輸渠道，以數據庫為基礎的數據支持，以本地部署為主、云部署為輔的混合方式，搭建智能編程仿真培訓平臺，如圖1所示。

圖1智能編程仿真培訓平臺架構

由圖1可知，該平臺主要由數據層、支撐層、應用層、表現層等4個部分構成。數據層以軟件技術和網絡環境為支撐，通過智能編程仿真培訓終端平臺的作用，構建面向服務對象的智能編程仿真培訓平臺結構。

梯形圖編輯模塊主要包括3大部分：編輯、編譯和仿真，其中編輯部分由圖元設計管理、接口設計管理、項目文件管理、編輯功能設計管理、程序語法邏輯查找錯誤5個功能部分組成。軟件界面布局均通過梯形圖編輯模塊來完成，包括菜單欄、狀態欄、工具欄以及需要的函數。該模塊中還包括用于與用戶文件相互作用的項目文件管理器和用于書寫并顯示用戶程序的梯形圖形編輯區域。圖元設計管理模塊主要用來設計梯形圖的圖元類別，具有顯示、保存與再現、屬性設置以及查找錯誤等功能。在梯形圖程序的編輯和設計中，編輯函數管理子模塊主要用于完成各種圖元的添加、刪除、剪切和復制等操作，還可以對已經完成的操作進行撤銷或重復已經撤銷的操作。項目文件管理模塊用于管理梯形圖編程部分的項目文件，確保編程正確加載并通過配置相關信息，能夠確保其能夠被正確復現。另外，該模組會以檔案的方式儲存于磁盤中。梯形圖語法和邏輯校驗模塊的功能是對已編輯好的梯形圖的語法結構進行正確性檢驗，如果發現梯形圖中有語法錯誤或處理邏輯上有問題，則會持續提醒編者進行修正，直至將錯誤徹底修正。

1.2平臺功能

基于云計算的智能編程仿真培訓平臺為用戶提供了模擬培訓、在線測試、資料查詢、信息發布與共享等功能。

（1）模擬培訓功能。

以標準化、規范化的編程方式，對智能編程的現場環境、工作方式和工作過程進行了三維再現，真正實現了對編程系統的模擬。將各編程任務細化到每個工作流程，通過外部設備和虛擬模擬環境進行互動，實現編程系統中各個環節的順暢運行。

（2）在線測試功能。

以編程系統為研究對象，通過理論與模擬兩種考核方式，對所培訓人員培訓效果及實際應用能力進行綜合評價。

（3）資料查詢功能。

可查詢資料包含了典型智能編程項目技術規程、標準、編程指導書、編程工具和設備資料、項目信息等，并通過視頻、音頻、文檔等多種方式對項目進行了詳細的講解和演示，方便學員進行實時檢索和查詢。

（4）信息發布與共享功能。

動態發布智能編程培訓的資源、新聞動態，為用戶提供分享和交流的平臺。

2基于云計算的智能編程仿真培訓關鍵技術

隨著網絡技術的迅猛發展，傳統的計算機病毒防御體系已不能滿足對日益增長的網絡安全威脅的快速響應。針對傳統方法的不足，本研究設計了一種面向云計算的編程病毒檢測技術。在病毒發動攻擊的時候會有大量愧儡被操控，對整個平臺進行攻擊。通過對流表項的分析，得到了網絡中流量分布變化規律，并對病毒進行了特征提取。以濾波循環分解時序（FilteringCycleDecomposition，FCD）為基礎，建立基于FCD時間序列的病毒自適應回歸模型，將其引入支持向量機分類器。具體過程如下：

設置采集時間間隔，在云計算環境下對網絡數據流進行信息采集，計算每一次采集到的FCD時間序列長度，時間序列的 k 階自相關系數，計算公式為：

公式（1）中， x_i 表示第 i（i=1，2，^{…k，…n）} 個采集時間序列集； 表示時間序列數學期望值。在此基礎上，將FCD時序AAR模型轉化成一類多維空間矢量，假定在云計算環境中，任意FCD時間序列被設置為 N ，那么FCD隨著時間變化規律可以表示為：

公式（2）中， f（i） 表示編程過程時間函數； ? 表示編程過程的病毒白噪聲。結合該公式，編程過程中的病毒向量可表示為：

W（i）=[T_i-1，T_i-2，…，T_i-N]

采用一種基于SVM的編程設計方法，實現了對編程數據的低維化和高維化，實現了在高維空間上對數據進行編程處理。結合粒子群算法對SVM參數優化，可得到粒子在高維空間中的坐標系，檢測出編程病毒。

3智能編程仿真培訓平臺應用

3.1 應用環境

該實驗將基于云計算的智能編程仿真培訓平臺應用到帶電接架空線路與空載線路連接引線作業中，在正常情況下，帶電接架空線路與空載線路連接引線作業線路中的電流處于穩定狀態。此時，不會出現相電流突變的情況，各相電流之間相互協調、平衡，共同維持著作業線路的正常運行。為了全面評估作業過程中可能出現的各種異常情況，實驗進行了假設性模擬。假設在測點布置過程中，布置了A1～A7的測點，其中在測點A2、A5上出現了異常情況，這些異常情況表現為測點檢測到的電流值偏離正常范圍、電流波形出現畸變。

實驗將此作為應用環境，研究不同方法通過編程仿真培訓后是否能檢查出電流異常變化，以此評價不同方法的應用效果。

3.2應用實測數據

在 10ms 內實際統計的故障電流值如表1所示。

表1實際故障電流幅值變化范圍

由表1可知，測點A2變化范圍為 [-0.30A 0.30A]，測點A2變化范圍為 [-0.60A，0.60A] 。

3.3應用結果與分析

將基于開放式通信的培訓平臺、基于“互聯網 + 交互式\"技術的平臺、基于FPGA的平臺與基于云計算的培訓平臺的培訓效果進行對比分析，對于測點A2，通過仿真培訓獲取的故障電流值如圖2所示。

圖2不同方法對測點A2的仿真培訓結果對比分析

由圖2可知，在基于開放式通信的培訓平臺下，通過仿真培訓獲取的故障電流值變化幅度具有規律性，但在時間為 0～4ms 時，變化波形過于集中，變化范圍為[-1.03A，1.08A]，與實際不一致;在基于“互聯網 + 交互式\"技術的平臺下，通過仿真培訓獲取的故障電流值變化幅度也具有規律性，但變化范圍為[-1.20A，1.20A] ，與實際不一致；在基于FPGA的平臺下，通過仿真培訓獲取的故障電流值變化幅度也具有規律性，但在時間為 0～4ms 時，變化波形過于集中，變化范圍為 [-0.90A，0.90A] ，與實際不一致；在基于云計算的培訓平臺下，通過仿真培訓獲取的故障電流值變化幅度具有規律性，變化范圍為 [-0.30A ，0.30A]，與實際一致。

使用不同方法對于測點A5，通過仿真培訓獲取的故障電流值，如圖3所示。

由圖3可知，在基于開放式通信的培訓平臺下，故障電流值變化幅度相比于其他方法過于集中，變化范圍為 [-1.20A，1.20A] ，與實際不一致；在基于“互聯網 + 交互式”技術的平臺、基于FPGA的平臺下，故障電流值變化范圍分別為 [-0.90A，0.90A] ！[-0.30A，0.30A] ;在基于云計算的培訓平臺下，通過仿真培訓獲取的故障電流值變化幅度具有規律性，變化范圍為 [-0.60A，0.60A] ，與實際一致。

圖3不同方法對測點A5的仿真培訓結果對比分析

4結語

文章所設計的基于云計算的智能編程仿真培訓平臺，有效解決了傳統培訓方式無法滿足日益增長的編程學習需求的難題，借助云計算的強大算力與存儲能力，打破了本地硬件資源的限制，實現了資源的動態分配。根據時間序列的 k 階自相關系數，能夠模擬各種真實的編程場景，為學員提供實時、精準的反饋與指導，實現個性化學習路徑規劃。由應用研究結果可知，該平臺能夠獲取故障電流值變化幅值，且獲取結果與實際一致，顯著提升了培訓效果與學員的編程能力。

參考文獻

[1]陳星延，張雪松，謝志龍，等.面向“云一邊一端”算力系統的計算和傳輸聯合優化方法[J].計算機研究與發展，2023（4）：719-734.

[2]張文杰，王寧，凌萬水.基于開放式通信的配電自動化仿真培訓系統構建技術研究[J].電子器件，2024（4）：1087-1094.

[3]孫瑩，李敬，胡晨煒，等.基于“互聯網+交互式”技術的安全教育培訓服務平臺的建設：以冶金行業為例[J].工業安全與環保，2024（4）：71-73.

[4]謝鋒，楊昶楠，陸軍.優化目標檢測網絡的設計與FPGA硬件實現[J].廣西大學學報（自然科學版），2024（3） ：595-605.

[5]康宇晗，時洋，陳照云，等.面向邁創 + MatrixZone異構系統的深度學習編程框架[J].計算機工程與科學，2023（7） ：1149-1158.

[6]錢佳明，婁文啟，宮磊，等.面向3D-CNN的算法壓縮-硬件設計協同優化[J].計算機工程與應用，2023（18）：74-83.

（編輯戴啟潤）

Abstract：Traditional training models are limited by local hardware resources and cannot meet the growing demand for programming learning.To addressthis isse，the paper proposes a design and application method for an intelligent programming simulation training platform based oncloud computing.The platform adoptsa partialdeployment approach，primarily local deployment with cloud deployment as a supplement，to buildan inteligent programming simulation training platform.This platform providesusers with functions such as simulation training，online testing， resource lookup，file management， information release and sharing.Additionally，by combining time series k -order autocorrelation coeficients，itdetects virus white noiseduring the programming process，therebycompleting intelligent programming simulation training.Research results show that theplatform obtained fault currntvalue changesat measurement points A2 and A5，which are [-0.30A，0.30A] ，[-0.6O A， O.6O A]，consistent with actual values， thus meeting the growing demand for programming learning.

Key words： cloud computing; intelligent programming; simulation training platform; virus white noise