一种面向数字孪生应用的数据与模型融合方法技术

本发明专利技术公开一种面向数字孪生应用的数据与模型融合方法，该方法包括：通过多类模型关联，构建装备数字孪生模型；面向数字孪生评估应用的“数据

【技术实现步骤摘要】
一种面向数字孪生应用的数据与模型融合方法


[0001]本专利技术涉及数据与模型融合方法，具体的涉及一种面向数字孪生应用的数据与模型融合方法。

技术介绍

[0002]数字孪生充分利用通过在虚拟空间中完成物理产品的映射，反映物理产品的服役状态，预测和推演将来可能发生的事件，达到以虚认知和控制物理世界的目的。学术界和工业界针对数字孪生的概念、技术、应用场景开展了大量研究，也尝试构建了复杂装备、生产车间的数字孪生模型，然而并没有形成有效的数字孪生应用，难以产生经济价值。
[0003]数字孪生的应用必定以装备全生命周期的各类数据和模型为基础。各类信息物理数据反映出装备的物理组成和物理状态，以及通过仿真分析得到的虚拟状态，通过物理状态与虚拟状态的实时同步，在虚拟空间中建立物理产品的有效映射；在此基础上，通过虚拟仿真，准确地预测和推演将来可能发生的事件；数字孪生是虚拟装备与实体装备之间的相互作用，以虚拟世界的分析结果控制物理世界，实现闭环。整个数字孪生应用过程的“同步”“推演”“控制”都是通过模型完成的，同时需要有大量的数据作为支撑，实现“数据
‑
模型”的深度融合。因此，本专利技术重点解决数字孪生应用过程中的“数据
‑
模型”融合问题，提出面向数字孪生应用的“数据
‑
模型”融合方法。

技术实现思路

[0004]为了实现上述专利技术目的，本专利技术提供了以下技术方案：
[0005]一种面向数字孪生应用的数据与模型融合方法，包括：
[0006]步骤S1：通过多类模型关联，构建装备数字孪生模型；步骤S2：面向数字孪生评估应用的“数据
‑
模型”融合；步骤S3：面向数字孪生预测应用的“数据
‑
模型”融合；步骤S4：面向数字孪生优化应用的“数据
‑
模型”融合。
[0007]其中，步骤S1包括步骤S11
‑
S13：
[0008]步骤S11：建立数字孪生所需的信息模型，由一系列数据组成：IM＝{a1,a2,a3,
…
,a
i
,
…
}，包括：采集装备运行状态数据，建立状态信息模型，表示为：sIM＝(a
ij
)
m
×
t
；采集装备运行环境数据，建立环境信息模型，表示为：cIM＝(c
ij
)
n
×
t
；分析装备结构组成，建立虚拟信息模型；提取仿真分析结果数据，建立孪生信息模型，表示为：tIM＝(b
ij
)
m
×
t
；其中，a
i
、a
ij
、b
ij
、c
ij
(i＝1,2,3,
…
；j＝1,2,3,
…
)表示各类信息模型中所包含的数据项，m,n表示模型中包含的数据个数，t表示时间；
[0009]步骤S12：分析装备运行过程中结构、参数之间的相互作用规则，建立数字孪生所需的机理模型，反映物理装备运行的本质规律，表示为：PM＝f(x1,x2,x3,
…
,x
i
…
,)；其中，x
i
表示物理装备结构或参数，f表示作用规则；
[0010]步骤S13：面向物理装备业务活动的应用，建立数字孪生应用所需的领域模型，表示为：FM＝{s1,s2,s3,
…
,s
i
,
…
}；其中s
i
表示数字孪生应用步骤；领域模型分为三类：评估
类、预测类和优化类；
[0011]其中，步骤S2包括：步骤S21：基于装备实时运行工况和状态信息的机理模型仿真，提取孪生状态信息；步骤S22：对比同时刻状态信息和孪生信息，评估机理模型准确程度；步骤S23：调整机理模型参数，优化机理模型；
[0012]步骤S21：以装备状态信息模型sIM＝(a
ij
)
m
×
t
、环境信息模型cIM＝(c
ij
)
n
×
t
中的实时数据为输入，作用于机理模型(PM＝f(x1,x2,x3,
…
,x
i
,
…
))，通过仿真分析，在计算机系统中模拟装备运行过程，输出仿真结果，从仿真结果中提取数据，建立孪生信息模型tIM＝(b
ij
)
m
×
t
；孪生信息模型和状态信息模型中所包含的数据内容一致；
[0013]步骤S22：将同时刻下状态信息模型数据sIM＝(a
ij
)
m
×
t
、孪生信息模型数据tIM＝(b
ij
)
m
×
t
输入评估类领域模型，分析两类信息模型的相似程度sim((a
ij
)(b
ij
))，公式如下：
[0014][0015]若二者数据相似度达到阈值p，则机理模型能够准确模拟物理装备运行状态；反之，则需要进入步骤S23，进行机理模型修正；
[0016]步骤S23：以装备运行状态信息模型sIM＝(a
ij
)
m
×
t
和工况环境信息模型cIM＝(c
ij
)
n
×
t
作为机理模型仿真的边界条件，分析影响机理模型的关键要素，作为机理模型的修正对象，以步骤S22的相似度为优化目标，采用粒子群算法进行机理模型参数的优化，得到修正后的机理模型：PM2＝f2(x1,x2,x3,
…
,x
i
,
…
)；
[0017]其中，步骤S3包括：步骤S31：基于当前时刻实际运行工况和状态，通过已修正的机理模型，模拟装备未来时刻的运行状态；步骤S32：基于当前实际运行状态和未来模拟运行状态，预测物理装备的性能退化和故障；
[0018]步骤S31：将当前t时刻及以前的实际状态信息模型sIM＝(a
ij
)
m
×
t
和环境信息模型cIM＝(c
ij
)
n
×
t
输入机理模型，通过仿真分析t+Δt时刻装备运行情况，提取未来时刻的装备状态数据，建立未来时刻的孪生信息模型tIM＝(b
ij
)
m
×
(t+Δt)
；
[0019]步骤S32：将装备t时刻的实际状态信息模型数据sIM＝(a
ij
)
m
×
t
和t+Δt时刻的孪生信息模型数据tIM＝(b
ij
)<本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种面向数字孪生应用的数据与模型融合方法，其特征在于：包括：步骤S1：通过多类模型关联，构建装备数字孪生模型；步骤S2：面向数字孪生评估应用的“数据
‑
模型”融合；步骤S3：面向数字孪生预测应用的“数据
‑
模型”融合；步骤S4：面向数字孪生优化应用的“数据
‑
模型”融合。2.如权利要求1所述的一种面向数字孪生应用的数据与模型融合方法，其特征在于：其中，步骤S1包括步骤S11
‑
S13：步骤S11：建立数字孪生所需的信息模型，由一系列数据组成：IM＝{a1,a2,a3,
…
,a
i
,
…
}，包括：采集装备运行状态数据，建立状态信息模型，表示为：sIM＝(a
ij
)
m
×
t
；采集装备运行环境数据，建立环境信息模型，表示为：cIM＝(c
ij
)
n
×
t
；分析装备结构组成，建立虚拟信息模型；提取仿真分析结果数据，建立孪生信息模型，表示为：tIM＝(b
ij
)
m
×
t
；其中，a
i
、a
ij
、b
ij
、c
ij
(i＝1,2,3,
…
；j＝1,2,3,
…
)表示各类信息模型中所包含的数据项，m,n表示模型中包含的数据个数，t表示时间；步骤S12：分析装备运行过程中结构、参数之间的相互作用规则，建立数字孪生所需的机理模型，反映物理装备运行的本质规律，表示为：PM＝f(x1,x2,x3,
…
,x
i
,
…
)；其中，x
i
表示物理装备结构或参数，f表示作用规则；步骤S13：面向物理装备业务活动的应用，建立数字孪生应用所需的领域模型，表示为：FM＝{s1,s2,s3,
…
,s
i
,
…
}；其中s
i
表示数字孪生应用步骤；领域模型分为三类：评估类、预测类和优化类；其中，步骤S2包括：步骤S21：基于装备实时运行工况和状态信息的机理模型仿真，提取孪生状态信息；步骤S22：对比同时刻状态信息和孪生信息，评估机理模型准确程度；步骤S23：调整机理模型参数，优化机理模型；步骤S21：以装备状态信息模型sIM＝(a
ij
)
m
×
t
、环境信息模型cIM＝(c
ij
)
n
×
t
中的实时数据为输入，作用于机理模型(PM＝f(x1,x2,x3,
…
,x
i
,
…
))，通过仿真分析，在计算机系统中模拟装备运行过程，输出仿真结果，从仿真结果中提取数据，建立孪生信息模型tIM＝(b
ij
)
m
×
t
；孪生信息模型和状态信息模型中所包含的数据内容一致；步骤S22：将同时刻下状态信息模型数据sIM＝(a
ij
)
m
×
t
、孪生信息模型数据tIM＝(b
ij
)
m
×
t
输入评估类领域模型，分析两类信息模型的相似程度sim((a
ij
)(b
ij
))，公式如下：若二者数据相似度达到阈值p，则机理模型能够准确模拟物理装备运行状态；反之，则需要进入步骤S23，进行机理模型修正；步骤S23：以装备运行状态信息模型sIM＝(a
ij<...

【专利技术属性】
技术研发人员：郑庆，丁国富，张越宏，袁昭成，张海柱，张楷，
申请(专利权)人：成都市特种设备检验检测研究院成都市特种设备应急处置中心，
类型：发明
国别省市：