一种基于5G边缘计算的船舶制造数据云融合方法及系统技术方案

本申请涉及一种基于5G边缘计算的船舶制造数据云融合方法及系统，方法包括：采集船舶制造车间数据，并将其分为时序型数据和状态型数据；状态型数据包括设备运行状态数据、物料状态数据；根据设备运行状态数据和物料状态数据确定设备的制造工艺，并根据设备以及设备的制造工艺构造第一三元组；对时序型数据进行同源对象标记，确定第一同源对象；并以第一同源对象以及时序型数据构造第二三元组；对状态型数据进行同源对象标记，确定第二同源对象；并以第二同源对象以及状态型数据构造第三三元组；将第一三元组、第二三元组、第三三元组根据同源对象进行实体对齐，构建船舶制造知识图谱。该方法有利于高效评估船舶制造生产效能。该方法有利于高效评估船舶制造生产效能。该方法有利于高效评估船舶制造生产效能。

【技术实现步骤摘要】
一种基于5G边缘计算的船舶制造数据云融合方法及系统


[0001]本申请涉及数据融合
，特别是涉及一种基于5G边缘计算的船舶制造数据云融合方法及系统。

技术介绍

[0002]数据融合是实现制造业转型升级的重要步骤，然而在船舶等智能制造车间场景中，存在着大量的作业人员、不同类型设备以及物料种类，在日常生产制造过程中会产生海量的制造数据，这些数据类型多样、维度极高，这些数据的高效可靠传输是要解决的第一大问题；如何在海量数据中充分挖掘出有用的信息是要解决的第二大问题。

技术实现思路

[0003]基于此，有必要提供一种基于5G边缘计算的船舶制造数据云融合方法，该方法包括：S1：采集船舶制造车间数据，并将其分为时序型数据和状态型数据；所述状态型数据包括设备运行状态数据、物料状态数据；S2：根据所述设备运行状态数据和所述物料状态数据确定设备的制造工艺，并根据设备以及设备的制造工艺构造第一三元组；S3：对所述时序型数据进行同源对象标记，确定第一同源对象；并以所述第一同源对象以及所述时序型数据构造第二三元组；对所述状态型数据进行同源对象标记，确定第二同源对象；并以所述第二同源对象以及所述状态型数据构造第三三元组；S4：将所述第一三元组、所述第二三元组、所述第三三元组根据同源对象进行实体对齐，构建船舶制造知识图谱。
[0004]本专利技术还提供了一种基于5G边缘计算的船舶制造数据云融合系统，该系统包括：采集模块、分层传输模块、边缘计算模块、5G传输模块、云融合模块、评估模块；所述采集模块用于采集船舶制造车间数据，并将其分为时序型数据和状态型数据；所述分层传输模块用于分层传输所述时序型数据和所述状态型数据至所述边缘计算模块；所述边缘计算模块用于根据时序型数据和状态型数据构造信息模型子图；所述5G传输模块用于将构造的所述信息模型子图通过5G设备传输至云融合模块；所述云融合模块用于将所述信息模型子图进行融合构建所述船舶制造知识图谱；所述评估模块用于对所述船舶制造知识图谱切割成目标聚类簇，进而基于目标聚类簇进行船舶制造效能评估。
[0005]有益效果：该方法可以对船舶等智能制造车间场景中的海量对象数据进行分层传输，并构造信息模型子图，而后进行融合得到船舶制造知识图谱，有利于高效评估船舶制造
生产效能。
附图说明
[0006]为了更清楚地说明本申请实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
[0007]图1为本申请实施例的基于5G边缘计算的船舶制造数据云融合方法的流程图。
具体实施方式
[0008]为使本申请的上述目的、特征和优点能够更加明显易懂，下面结合附图对本申请的具体实施方式做详细的说明。在下面的描述中阐述了很多具体细节以便于充分理解本申请。但是本申请能够以很多不同于在此描述的其它方式来实施，本领域技术人员可以在不违背本申请内涵的情况下做类似改进，因此本申请不受下面公开的具体实施例的限制。
[0009]此外，术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括至少一个该特征。在本申请的描述中，“多个”的含义是至少两个，例如两个，三个等，除非另有明确具体的限定。
[0010]如图1所示，本实施例提供了一种基于5G边缘计算的船舶制造数据云融合方法，该方法包括：S1：采集船舶制造车间数据，并将其分为时序型数据和状态型数据；所述状态型数据包括设备运行状态数据、物料状态数据。
[0011]具体的，所述时序型数据为安装在设备上的传感器采集数据；所述传感器包括温度传感器、电压传感器、电流传感器、振动传感器、转速传感器；所述状态型数据还包括设备静态参数、人员状态数据；所述设备运行状态数据包括设备启动状态、设备停止状态、报警、故障类型、设备位置；所述物料状态数据包括物料标识编码、产品名称、规格、执行标准；所述人员状态数据包括签到、工号、姓名、在岗时长、人员位置、工单信息。
[0012]时序型数据具有时变、高频、大容量的特点；而状态型数据具有状态依赖、低频、容量小的特点。
[0013]S2：根据所述设备运行状态数据和所述物料状态数据确定设备的制造工艺，并根据设备以及设备的制造工艺构造第一三元组。
[0014]具体包括步骤：步骤1：根据所述设备启动状态以及所述设备停止状态确定启用的设备；扫描所述物料标识编码获取物料信息，并根据物料信息确定物料的种类；步骤2：根据所述启用的设备以及所述物料的种类，构造状态字符对；步骤3：从专家先验知识库中获取专家先验知识字符对，并计算出所述状态字符对与所述专家先验知识字符对之间的编辑距离；
步骤4：基于所述编辑距离计算所述状态字符对与所述专家先验知识字符对之间的相似度；所述相似度计算公式为：；其中，表示状态字符对与专家先验知识字符对之间的相似度；(E',M')表示状态字符对；(E,M )表示专家先验知识字符对；E'表示启用的设备；M'表示物料的种类；E表示专家先验知识库中启用的设备；M表示专家先验知识库中物料的种类；n1+n2表示状态字符对与专家先验知识字符对之间的编辑距离；n1表示启用的设备的名称转成专家先验知识库中启用的设备的名称所需的最少编辑次数；n2表示物料的种类的名称转成专家先验知识库中物料的种类的名称所需的最少编辑次数；σ表示公式灵敏度控制参数（在本实施例中，该参数通过设置得到，可根据实际应用情况进行调整）。
[0015]步骤5：当所述相似度达到设定阈值时，匹配推理出设备正在执行的制造工艺，即确定所述设备的制造工艺。
[0016]计算公式为：；其中，Ed[(E',M'),(E,M )]表示状态字符对与专家先验知识字符对的总的编辑距离函数；表示相似度；s表示设定阈值；w表示制作工艺。
[0017]表1为船舶制造工艺专家先验知识库中的部分工艺先验知识表格；
[0018]由表1可知，船舶制造工艺专家先验知识库中的部分工艺先验知识。
[0019]根据设备以及设备的制造工艺构造第一三元组包括：以所述设备作为头实体，工艺作为关系，所述设备的制造工艺作为具体工艺，构造所述第一三元组，所述第一三元组表示为：{头实体，工艺，具体工艺}。
[0020]S3：对所述时序型数据进行同源对象标记，确定第一同源对象；并以所述第一同源对象以及所述时序型数据构造第二三元组；对所述状态型数据进行同源对象标记，确定第二同源对象；并以所述第二同源对象以及所述状态型数据构造第三三元组。
[0021]具体的，以所述第一同源对象以及所述时序型数据构造第二三元组包括：
以所述第一同源对象作为头实体，传感器类型作为属性，所述传感器类型对应的时序型数据作为属性值，构造所述第二三元组，所述第二三元组表示为本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于5G边缘计算的船舶制造数据云融合方法，其特征在于，包括：S1：采集船舶制造车间数据，并将其分为时序型数据和状态型数据；所述状态型数据包括设备运行状态数据、物料状态数据；S2：根据所述设备运行状态数据和所述物料状态数据确定设备的制造工艺，并根据设备以及设备的制造工艺构造第一三元组；S3：对所述时序型数据进行同源对象标记，确定第一同源对象；并以所述第一同源对象以及所述时序型数据构造第二三元组；对所述状态型数据进行同源对象标记，确定第二同源对象；并以所述第二同源对象以及所述状态型数据构造第三三元组；S4：将所述第一三元组、所述第二三元组、所述第三三元组根据同源对象进行实体对齐，构建船舶制造知识图谱。2.根据权利要求1所述的基于5G边缘计算的船舶制造数据云融合方法，其特征在于，S1中，所述时序型数据为安装在设备上的传感器采集数据；所述传感器包括温度传感器、电压传感器、电流传感器、振动传感器、转速传感器；所述状态型数据还包括设备静态参数、人员状态数据；所述设备运行状态数据包括设备启动状态、设备停止状态、报警、故障类型、设备位置；所述物料状态数据包括物料标识编码、产品名称、规格、执行标准；所述人员状态数据包括签到、工号、姓名、在岗时长、人员位置、工单信息。3.根据权利要求2所述的基于5G边缘计算的船舶制造数据云融合方法，其特征在于，S2中，根据所述设备运行状态数据和所述物料状态数据确定设备的制造工艺包括：步骤1：根据所述设备启动状态以及所述设备停止状态确定启用的设备；扫描所述物料标识编码获取物料信息，并根据物料信息确定物料的种类；步骤2：根据所述启用的设备以及所述物料的种类，构造状态字符对；步骤3：从专家先验知识库中获取专家先验知识字符对，并计算出所述状态字符对与所述专家先验知识字符对之间的编辑距离；步骤4：基于所述编辑距离计算所述状态字符对与所述专家先验知识字符对之间的相似度；步骤5：当所述相似度达到设定阈值时，确定设备正在执行的制造工艺，即确定所述设备的制造工艺。4.根据权利要求3所述的基于5G边缘计算的船舶制造数据云融合方法，其特征在于，所述相似度计算公式为：；其中，表示状态字符对与专家先验知识字符对之间的相似度；(E',M')表示状态字符对；(E,M )表示专家先验知识字符对；E'表示启用的设备；M'表示物料的种类；E表示专家先验知识库中启用的设备；M表示专家先验知识库中物料的种类；n1+n2表示状态字符对与专家先验知识字符对之间的编辑距离；n1表示启用的设备的名称转成专家先验知识库中启用的设备的名称所需的最少编辑次数；n2表示物料的种类的名称转成专家先验知识库中物料的种类的名称所需的最少编辑次数；σ表示公式灵敏度控制参数。
5.根据权利要求2所述的基于5G边缘计算的船舶制造数据云融合方法，其特征在于，S2中，根据设备以及设备的制造工艺构造第一三元组包括：以所述设备作为头实体，工艺作为关系，所述设备的制造工艺作为具体工艺，构造所述第一三元组，所述第一三元组表示为：{头实体，工艺，具体工艺}。6.根据权利要求5所述的基于5G边缘计算的船舶制造数据云融合方法，其特征在于，S3中，以所述第一同源对象以及所述时序型数据构造第二三元组包括：以所述第一同源对象作为头实体，传感器类型作为属性，所述传感器类型对应的时序型数据作为属性值，构造所述第二三元组，所述第二三元组表示为：{头实体，属性，属性值}；以所述第二同源对象以及所述状态型数据构造第三三元组包括：以所述第二同源对象作为头实体，状态型数据的类别作为关系，状态型数据的类别对应的数据作为尾实体，构造所述第三三元组，所述第三三元组表示为：{头实体，关系，尾实体}。7.根据权利要求6所述的基于5G边缘计算的船舶制造数据云融合方法，其特征在于，S4中，构建船舶制造知识图谱的过程包括：S4.1：将具有相同头实体的所述第一三元组、所述第二三元组、所述第三三元组进行头实体对齐，得到信息模型子图；所述信息模型子图包括多个；S4.2：将多个所述信息模型子图以同源对象为实体进行实体对齐，构建所述船舶制造知识图谱。8.根据权利要求1所述的基于5G边缘计算的船舶制造数据云融合方法，其特征在于，还包括：S5：采用谱聚类算法对所述船舶制造知识图谱进行切图，切割出目标聚类簇；所述目标聚类簇包括人目标聚类簇、设备目标聚类簇以及物料目标聚类簇，切割出目标聚类簇的过程包括：S5.1：设定目标簇数量为3，并以每个所述信息模型子图作为一个样本点；在所述样本点中包含多个具体工艺或属性值或尾实体，且多个具体工艺或属性值或尾实体构成向量；每个所述样本点对应的向量的维度不同；S5....

【专利技术属性】
技术研发人员：颜志，许中伟，毛建旭，欧阳博，贺文斌，李梦铖，彭紫扬，梁毅钦，李卓维，
申请(专利权)人：湖南大学，
类型：发明
国别省市：