一种基于多源信息融合的工厂生产场景CPS建模方法技术

本发明专利技术公开了一种基于多源信息融合的工厂生产场景CPS建模方法，涉及工厂生产场景建模技术领域。本方法具体过程：获取并融合多源工厂生产场景信息因子，构建生产场景信息因子决策框架；筛选缩减因子，获得关键生产场景因子信息；记录生产前的资源数据，采集生产场景中机器的状态数据，生产过程中的资源数据和生产工作任务数据并且建立这三者的映射关系，以该映射关系作为生产场景的物理信息融合系统模型，实现对工厂生产场景的CPS建模。本方法避免直接从复杂的传感信息源和硬件物理设备直接建模的艰巨性，间接通过控制生产场景资源数据，指定工作任务数据，观察的生产过程状态数据，实现了多源信息融合的工厂生产场景状态的建模。

【技术实现步骤摘要】
一种基于多源信息融合的工厂生产场景CPS建模方法
本专利技术涉及工厂生产场景建模
，具体是一种基于多源信息融合的工厂生产场景CPS建模方法。
技术介绍
现代智能工厂中，随着互联网和信息科技的发展，生产系统愈发具有不确定性高，工艺流程复杂，多产品，多约束，多目标等特点，因此对于工厂生产场景中的鲁棒性，稳定性等综合性能提出了更高的要求。基于目前制造智能化转型不断推进，也着实反映了许多问题。首先，相关技术的研究呈现出离散化，统一的技术决策体系架构尚未形成，难以进行高效的组织决策；其次，CPS在智能制造的应用仍然处于初级阶段，实际生产场景中的信息系统和物理世界的融合还不够充分，很多技术难点有待解决，如异构数据融合的问题。因此，构建基于多源信息融合的工厂生产场景CPS建模，将显著的提高智能制造和工厂生产的效益。
技术实现思路
本专利技术的目的在于提供一种基于多源信息融合的工厂生产场景CPS建模方法，该分类方法能够有效提高智能制造和工厂生产效益，大大减少人力物力的耗费。本专利技术采用如下技术方案实现：一种基于多源信息融合的工厂生产场景CPS建模方法，一种基于多源信息融合的工厂生产场景CPS建模方法，包括以下步骤：S1：多源信息融合下的生产场景关键信息获取，获得多源生产场景流程因子；进行因子分析设计，融合生产场景流程因子；筛选缩减生产场景过程因子数，获得关键生产场景因子信息，构建工厂生产场景影响因子决策框架；S2：基于深度学习的生产场景过程CPS建模，记录生产前的资源数据；采集生产场景中机器的状态数据，生产过程中的资源数据和生产工作任务数据并且建立这三者的映射关系，以该映射关系作为生产场景的物理信息融合系统模型，实现对工厂生产场景的CPS建模；S3：输出优化的生产场景决策结果，通过控制关键生产场景因子信息，在稳定的生产场景条件下，观察生产过程中生产机器的状态数据信息。优选的，采用正交拉丁方试验法筛选缩减生产场景过程因子数。优选的，以fi表示从原始物料进入工厂车间，物品设计，物品成型，流水控制到物件粉碎工艺过程影响因子，i＝m，构造正交拉丁方进行试验，缩减至n个因子，其中n远小于m。优选的，采集生产场景中机器的状态数据，生产过程中的资源数据和生产工作任务数据，以物理信息融合系统系统获得的大数据按照深度学习算法建立工厂生产场景资源数据，生产工作任务数据和生产过程机器状态数据的映射关系，以该映射关系为工厂生产场景的物理信息融合系统模型，实现对于工厂生产场景的CPS建模。优选的，采用深度学习算法中的递归神经网络训练状态数据Y与生产过程中的资源数据YR和生产工作数据WD之间的关系，实现Y＝f(YR，WD)映射，其中t＝0时，YR＝YR0，WD＝WD0。优选的，生产过程机器状态数据是基于时间自动机的原理，时间自动机的建模语言提供了有限制的整型变量类型，一个时间自动机是一个优先状态机，是基于时间变量进行扩展；当所有的时间进程都实现同步后，生产机器系统被建模成多个并行操作时间自动机组成的时间自动机网络，这个模型也进一步使用离散边界变量进行扩展。本专利技术的有益结果在于：开发了一种基于多源信息融合的工厂生产场景CPS建模方法，本专利技术的方法通过正交拉丁方试验筛选出关键生产场景流程因子，获得关键生产场景流程因子，并且避免了直接从复杂的传感信息源和硬件物理设备直接建模的艰巨性，间接通过控制生产场景资源数据，指定工作任务数据，观察的生产过程状态数据，实现了多源信息融合的工厂生产场景状态的建模。附图说明下面结合附图对本专利技术作进一步说明。图1为本专利技术的基于多源信息融合的工厂生产场景CPS建模流程图；图2简单机器时间自动机图；图3机器时间自动机状态转换图。具体实施方式下面结合附图对本专利技术的较好案例进行详细阐述，以使本专利技术的优点和特征能更易于被技术人员理解，从而对本专利技术的保护范围做出更为清除明确的界定。如图1所示，本专利技术提供了一种基于多源信息融合的工厂生产场景CPS建模方法，包括如下步骤：S1：多源信息融合下的生产场景关键信息获取，获得多源生产场景流程因子；进行因子分析设计，融合生产场景流程因子；采用正交拉丁方试验法筛选缩减生产场景过程因子数，获得关键生产场景因子信息，构建工厂生产场景影响因子决策框架。以fi表示从原始物料进入工厂车间，物品设计，物品成型，流水控制到物件粉碎工艺过程影响因子，i＝m，构造正交拉丁方进行试验，缩减至n个因子，其中n远小于m。S2：基于深度学习的工厂生产场景CPS建模，记录生产前的资源数据；采集生产场景中机器的状态数据Y，生产过程中的资源数据YR和生产工作任务数据WD；以物理信息融合系统(Cyber-PhysicalSystems，CPS)系统获得的大数据按照深度学习算法建立工厂生产场景资源数据，生产工作任务数据和生产过程机器状态数据的映射关系，以该映射关系为工厂生产场景的物理信息融合系统模型，实现对于工厂生产场景的CPS建模。因为工厂车间生产机器的状态数据是由相应的传感器获得，这类数据存储为时序数据集形式，从而采用深度学习算法中的递归神经网络训练状态数据Y与生产过程中的资源数据YR和生产工作数据WD之间的关系，实现Y＝f(YR，WD)映射，其中t＝0时，YR＝YR0，WD＝WD0。S3：输出优化的生产场景决策结果，通过控制关键生产场景因子信息，在稳定的生产场景条件下，观察生产过程中生产机器的状态数据信息。生产过程机器状态数据是基于时间自动机的原理，并且时间自动机的建模语言提供了有限制的整型变量类型。一个时间自动机是一个优先状态机，是基于时间变量进行扩展。当所有的时间进程都实现同步后，生产机器系统被建模成多个并行操作时间自动机组成的时间自动机网络。这个模型也进一步使用离散边界变量进行扩展。图2展示了用时间自动机进行建模的简单工厂车间机器场景。这个机器场景拥有三个位置量：off，low，和high。如果操作指令发出同步开始信号，此时机器状态处于low；此时关闭操作指令发出，此时机器状态处于off；如果操作指令在有限时间间隔中重复发出多条指令，机器的状态处于high。我们给出相关的定义：C是一组时钟信号，B(C)是一组合取条件，其形式为或者这里，x，y∈C，c∈N并且一个时间自动机是一个有限有向图，使用非负实值时钟和条件作为标注。给出时间自动机的定义：一个时间自动机是一个元组(L，l0，C，A，E，I)，其中L是一组位置量，l0∈L作为初始位置量，C是一组时钟变量集合，A是一组动作变量，联合动作变量和内部动作变量的集合。其中E作为一组在位置量之间的线段，这些线段受到动作变量和时钟变量的约束。I：L→B(C)是作为位置量的赋值。接下来，我们定义时间自动机的语义，一个时钟变量是一个函数(从时钟变量集合到非负实值)，将作为所有时钟集合的值域。我们认为边界上的保护条件作为时钟变量的限制条件，也就是u∈I(l),意思是u满足I(l)。基本文档来自技高网...

【技术保护点】
1.一种基于多源信息融合的工厂生产场景CPS建模方法，其特征在于：一种基于多源信息融合的工厂生产场景CPS建模方法，包括以下步骤：/nS1：多源信息融合下的生产场景关键信息获取，获得多源生产场景流程因子；进行因子分析设计，融合生产场景流程因子；筛选缩减生产场景过程因子数，获得关键生产场景因子信息，构建工厂生产场景影响因子决策框架；/nS2：基于深度学习的生产场景过程CPS建模，记录生产前的资源数据；采集生产场景中机器的状态数据，生产过程中的资源数据和生产工作任务数据并且建立这三者的映射关系，以该映射关系作为生产场景的物理信息融合系统模型，实现对工厂生产场景的CPS建模；/nS3：输出优化的生产场景决策结果，通过控制关键生产场景因子信息，在稳定的生产场景条件下，观察生产过程中生产机器的状态数据信息。/n

【技术特征摘要】
1.一种基于多源信息融合的工厂生产场景CPS建模方法，其特征在于：一种基于多源信息融合的工厂生产场景CPS建模方法，包括以下步骤：
S1：多源信息融合下的生产场景关键信息获取，获得多源生产场景流程因子；进行因子分析设计，融合生产场景流程因子；筛选缩减生产场景过程因子数，获得关键生产场景因子信息，构建工厂生产场景影响因子决策框架；
S2：基于深度学习的生产场景过程CPS建模，记录生产前的资源数据；采集生产场景中机器的状态数据，生产过程中的资源数据和生产工作任务数据并且建立这三者的映射关系，以该映射关系作为生产场景的物理信息融合系统模型，实现对工厂生产场景的CPS建模；
S3：输出优化的生产场景决策结果，通过控制关键生产场景因子信息，在稳定的生产场景条件下，观察生产过程中生产机器的状态数据信息。


2.根据权利要求1所述的基于多源信息融合的工厂生产场景CPS建模方法，其特征在于：采用正交拉丁方试验法筛选缩减生产场景过程因子数。


3.根据权利要求2所述的基于多源信息融合的工厂生产场景CPS建模方法，其特征在于：以fi表示从原始物料进入工厂车间，物品设计，物品成型，流水控制到物件粉碎工艺过程影响因子，i＝m，构造正交拉丁方进行...

【专利技术属性】
技术研发人员：袁海飞，耿家文，张勋兵，李聪聪，
申请(专利权)人：徐州徐工挖掘机械有限公司，
类型：发明
国别省市：江苏;32