一种面向控制工序和数据的PLC信任等级划分方法

本发明提出一种面向控制工序和数据的PLC信任等级划分方法，解决了PLC运行过程中内部工序运行逻辑及其关联数据可信任度评价问题，实现了PLC信任等级的综合划分。首先，利用模糊神经网络作为数据驱动模型的载体，构建了PLC信任等级预测模型，依据PLC内部工序运行行为、网络流量、数据完整性等变量数据在线调整模型参数，实现了PLC运行过程的信任等级准确预测；其次，提出了一种轻量化神经网络机制，自适应调神经网络结构，有效的降低了PLC信任等级预测模型的计算复杂度，提高了PLC信任等级预测的速度；最后，结合模型预测运行过程中PLC的信任分数，实现了在工业生产过程中PLC在运行过程中的信任等级的快速准确预测。