面向智能矿山场景的数字孪生演化机理及方法技术

本发明专利技术公开了面向智能矿山场景的数字孪生演化机理及方法，所述数字孪生由物理模型、逻辑模型、仿真模型和数据模型相互耦合和演化集成，包含以下方法步骤：(1)物理模型定义；(2)逻辑模型表示；(3)仿真模型建立；(4)仿真模型优化；(5)仿真模型验证；(6)数据模型构建；(7)数字孪生集成。本发明专利技术通过构建数字孪生模型，实现数字孪生体与物理实体之间的数据镜像与信息交互，实现物理空间物理实体与虚拟空间数字孪生体的对象孪生、过程孪生和性能孪生；本发明专利技术通过数字孪生演化机理与方法，在虚拟空间智能矿山场景实现对物理空间智能矿山场景远程可视化监控，以及对矿山应用场景设备进行智能感知、实时监控、精确定位和健康预测。

Digital twin evolution mechanism and method for Intelligent Mine Scene

【技术实现步骤摘要】
面向智能矿山场景的数字孪生演化机理及方法
本专利技术涉及一种面向智能矿山的数字孪生技术，属于机器视觉、计算机仿真与物联网
，具体涉及面向智能矿山场景的数字孪生演化机理及方法。
技术介绍
当前，数字孪生技术广泛应用于智能制造和虚拟生产车间，并逐渐从数字化向智能化和智慧化发展。矿山无人化开采与机器学习等信息技术的深度融合，加快了矿井智能开采技术兴起并向纵深发展。数字孪生技术具有模型可视化、逻辑可控制和数据可计算的虚拟模型构建特点，其在工业智能制造和虚拟生产场景应用广泛。随着机器视觉三维建模技术以及视觉传感器测量技术在工业应用成果的不断推广，基于机器视觉的数字孪生技术将在智能矿山三维场景建模、物理信息技术以及虚拟空间数字镜像等应用方面发挥重要作用。现有矿山应用场景采用VR或AR等虚拟现实仿真技术，物理模型与虚拟仿真的数据不同步，仿真模型的自学习、自优化能力弱，缺乏可计算性及信息交互能力，无法对智能矿山应用场景及作业设备进行智能感知、实时监控、精确定位和健康预测。因此，需要探索专利技术一种新的仿真模型构建方法，基于可视化三维模型进行感知分本文档来自技高网...

【技术保护点】
1.面向智能矿山场景的数字孪生演化机理及方法，其特征在于，所述方法的数字孪生模型包括物理模型、逻辑模型、仿真模型和数据模型，数字孪生模型由物理模型、逻辑模型、仿真模型相互耦合及演化而成，并通过数字孪生实现虚拟空间智能矿山场景与物理空间智能矿山场景的映射重构、数据镜像、同步反馈与信息交互，所述数字孪生包括对象孪生、过程孪生和性能孪生；其特征还在于，/n所述数字孪生数据模型包括感知层、网络层、数据层和表示层；/n感知层用于感知智能矿山场景工况环境、设备运行参数和设备工作状态，为数字孪生的对象孪生提供信息流；/n网络层用于智能矿山场景设备的统一组网、协议转换、边缘计算和网络传输，为感知层和数据层提供...

【技术特征摘要】
1.面向智能矿山场景的数字孪生演化机理及方法，其特征在于，所述方法的数字孪生模型包括物理模型、逻辑模型、仿真模型和数据模型，数字孪生模型由物理模型、逻辑模型、仿真模型相互耦合及演化而成，并通过数字孪生实现虚拟空间智能矿山场景与物理空间智能矿山场景的映射重构、数据镜像、同步反馈与信息交互，所述数字孪生包括对象孪生、过程孪生和性能孪生；其特征还在于，
所述数字孪生数据模型包括感知层、网络层、数据层和表示层；
感知层用于感知智能矿山场景工况环境、设备运行参数和设备工作状态，为数字孪生的对象孪生提供信息流；
网络层用于智能矿山场景设备的统一组网、协议转换、边缘计算和网络传输，为感知层和数据层提供通信接口，并为数字孪生的过程孪生提供控制流；
数据层用于智能矿山场景多源数据的汇聚融合、迭代计算、分析挖掘、数据孪生和存储管理，为数字孪生的性能孪生提供数据流；
表示层为用户提供智能矿山场景数字孪生与信息交互服务，以及智能矿山场景设备的智能识别、精确定位、实时监控和可靠运维，为数字孪生提供决策流；其特征还在于，
所述方法的数字孪生建模，包括如下步骤：
步骤1，物理模型定义：选取智能矿山场景物理实体建立三维物理模型，定义物理实体的几何属性、运动属性和功能属性，以及几何外形和机械结构，定义仿真迭代优化条件；
步骤2，逻辑模型表示：将物理模型映射到逻辑模型，通过图形化、形式化描述逻辑模型的组成要素、组织结构和运行机制，并通过逻辑模型将各要素属性和行为反馈到物理模型，实现对物理模型的优化；
步骤3，仿真模型建立：根据步骤1和步骤2，基于开源图形场景OSG构建可视化的仿真模型，实现物理实体的孪生对象可视化、孪生结构可视化和孪生过程可视化；
步骤4，仿真模型优化：根据步骤3建立的仿真模型，基于多源数据，采用Pareto多目标优化算法对仿真模型进行训练和优化，将仿真结果反馈到物理模型，并对物理模型优化；
步骤5，仿真模型验证：对物理模型与仿真模型进行一致性与可靠性验证，如满足仿真模型的目标函数迭代优化条件，则执行步骤6，否则，执行步骤2；
步骤6，数据模型构建：构建可计算的数据模型，采用多源数据融合和深度学习算法，以及迭代优化和智能决策方法，实现物理实体与虚拟孪生体的数据镜像和数据交换；
步骤7，数字孪生表征：集成物理模型、逻辑模型、仿真模型和数据模型，通过数据驱动与实时交互，实现物理空间智能矿山场景在虚拟空间的数字孪生；
其特征还在于，所述数字孪生演化机理及方法，进一步地包括如下步骤：
步骤1.1，三维实体建模：利用三维建模工具建立智能矿山场景的物理实体三维模型，并采用有限元分析法求解三维模型的结构参数、几何参数、材料参数、状态参数及边界条件；
步骤2.1，模型渲染优化：根据步骤1.1所获取的三维模型，使用3DsMax三维渲染工具对模型结构透视图或点云图进行渲染、添加材质，并对其边缘部分进行优化；
步骤3.1，仿真场景构建：将步骤2.1渲染后的模型导入虚拟现实仿真引擎，使用其内置的物理引擎构建可视化仿真模型，实现数字孪生体可视化建模、生产过程和应用场景可视化展示与虚拟漫游；
步骤4.1，数据融合：将物理实体的多源传感器数据作为输入，经多源数据融合后输出，据此驱动数字孪生体完成信息交换，并将传感器实时数据、历史数据及物理模型存储在云数据库中；
步骤5.1，交互控制：通过OPCUA、TCP/UDP、WebService通信接口实现数据实时采集、远程通信和多源动态数据的实时更新，通过VR或AR人机接口和数据库接口，实现智能矿山场景数字孪生体与物理实体的实时交互及虚拟现实；其特征还在于，

【专利技术属性】
技术研发人员：张帆，
申请(专利权)人：中国矿业大学北京，
类型：发明
国别省市：北京;11