基于数字孪生的智能工厂数据优化采集方法技术

本发明专利技术涉及电数字数据处理技术领域，具体涉及基于数字孪生的智能工厂数据优化采集方法，该方法包括：获取用于数字孪生的目标工厂设备对应的历史监测数据集合、当前监测数据和历史聚类簇集合；对历史聚类簇集合中的每个历史聚类簇进行离散分析处理；确定当前监测数据和每个历史聚类簇之间的从属相似指标；确定组成监测数据的每种参数对应的参考价值；确定当前监测数据和历史聚类簇之间的目标隶属度；对当前监测数据和历史聚类簇集合进行分类，得到目标聚类簇集合，以实现数据采集的优化。本发明专利技术通过对历史监测数据集合、当前监测数据和历史聚类簇集合进行数据处理，解决了数据采集效果较差的技术问题，实现了数据采集的优化。实现了数据采集的优化。实现了数据采集的优化。

【技术实现步骤摘要】
基于数字孪生的智能工厂数据优化采集方法


[0001]本专利技术涉及电数字数据处理
，具体涉及基于数字孪生的智能工厂数据优化采集方法。

技术介绍

[0002]数字孪生是指利用数字技术对实际工程进行建模，从而更好的对工程进行管理和优化。而在工厂中，通常是通过传感器监测设备的多个参数，从而得到用来描述当前设备运行状态的数据信息，从而对整个生产过程中的建模、预测和调度等多项工作内容提供数据支撑，进而保障生产过程中的安全稳定。因此，数据采集对生产过程中的多项工作至关重要。目前，对数据进行采集时，通常采用的方式为：直接读取与设备运行状态相关的监测数据。
[0003]然而，当采用上述方式时，经常会存在如下技术问题：通过直接读取与设备运行状态相关的监测数据的方式进行数据采集，后续对工程进行管理和优化时，往往还需要对读取的监测数据进行分析，以判断对应的设备运行状态，从而导致后续对工程进行管理和优化的效率较低，因此通过直接读取与设备运行状态相关的监测数据，实现对数据的采集时，往往导致数据采集的效果较差。

技术实现思路

[0004]本专利技术的内容部分用于以简要的形式介绍构思，这些构思将在后面的具体实施方式部分被详细描述。本专利技术的内容部分并不旨在标识要求保护的技术方案的关键特征或必要特征，也不旨在用于限制所要求的保护的技术方案的范围。
[0005]为了解决数据采集效果较差的技术问题，本专利技术提出了基于数字孪生的智能工厂数据优化采集方法。
[0006]本专利技术提供了基于数字孪生的智能工厂数据优化采集方法，该方法包括：获取用于数字孪生的目标工厂设备对应的历史监测数据集合、当前监测数据以及所述历史监测数据集合对应的历史聚类簇集合；对所述历史聚类簇集合中的每个历史聚类簇进行离散分析处理，得到所述历史聚类簇对应的离散分布指标；确定所述当前监测数据和每个历史聚类簇之间的从属相似指标；根据所述历史监测数据集合和所述当前监测数据，确定组成监测数据的每种参数对应的参考价值；根据每个历史聚类簇对应的离散分布指标、所述当前监测数据和所述历史聚类簇之间的从属相似指标、组成监测数据的各种参数对应的参考价值、所述历史聚类簇和所述当前监测数据，确定所述当前监测数据和所述历史聚类簇之间的目标隶属度；根据所述当前监测数据和所述历史聚类簇集合中的各个历史聚类簇之间的目标隶属度，对所述当前监测数据和所述历史聚类簇集合进行分类，得到目标聚类簇集合，以实
现数据采集的优化。
[0007]可选地，所述对所述历史聚类簇集合中的每个历史聚类簇进行离散分析处理，得到所述历史聚类簇对应的离散分布指标，包括：根据每个历史监测数据包括的各种参数对应的归一化数值，确定所述历史监测数据对应的目标位置；根据历史监测数据对应的目标位置，从所述历史聚类簇中筛选出核心监测数据集合，其中，核心监测数据对应的预设半径所围成范围内历史监测数据的数量大于预设数量；根据所述核心监测数据集合中的各个核心监测数据对应的目标位置，确定所述历史聚类簇对应的聚集位置；将所述历史聚类簇中的每个历史监测数据对应的目标位置与所述聚集位置之间的距离，作为所述历史监测数据对应的目标距离，得到所述历史聚类簇对应的目标距离集合；将所述历史聚类簇对应的目标距离集合中所有目标距离的标准差，确定为所述历史聚类簇对应的离散分布指标。
[0008]可选地，所述确定所述当前监测数据和每个历史聚类簇之间的从属相似指标，包括：根据所述当前监测数据包括的各种参数对应的归一化数值，确定所述当前监测数据对应的当前位置；连接所述当前位置与所述聚集位置，得到所述当前监测数据和所述历史聚类簇之间的参考线段；将所述历史聚类簇中的每个历史监测数据对应的目标位置与所述参考线段之间的垂线，确定为所述历史监测数据对应的目标垂线；从所述历史聚类簇中筛选出目标垂线与所述参考线段相交的历史监测数据，作为参考监测数据，得到所述当前监测数据和所述历史聚类簇之间的参考监测数据集合；连接所述聚集位置与所述参考监测数据集合中的每个参考监测数据对应的目标位置，得到所述参考监测数据对应的目标线段；根据所述参考线段和所述参考监测数据集合中的各个参考监测数据对应的目标线段，确定所述当前监测数据和所述历史聚类簇之间的第一从属指标；将所述参考监测数据集合中参考监测数据的数量，在所述历史聚类簇中历史监测数据的数量中的占比，确定为所述当前监测数据和所述历史聚类簇之间的第二从属指标；根据所述第一从属指标和所述第二从属指标，确定所述当前监测数据和所述历史聚类簇之间的从属相似指标，其中，第一从属指标和第二从属指标均与从属相似指标呈正相关。
[0009]可选地，所述根据所述参考线段和所述参考监测数据集合中的各个参考监测数据对应的目标线段，确定所述当前监测数据和所述历史聚类簇之间的第一从属指标，包括：将所述参考监测数据集合中的每个参考监测数据对应的目标线段，在所述参考线段上的投影，确定为所述参考监测数据对应的目标投影；根据所述参考监测数据集合中的各个参考监测数据对应的目标投影，确定所述当前监测数据和所述历史聚类簇之间的第一从属指标，其中，目标投影与第一从属指标呈正
相关。
[0010]可选地，所述根据所述历史监测数据集合和所述当前监测数据，确定组成监测数据的每种参数对应的参考价值，包括：根据历史监测数据对应的采集时间，从所述当前监测数据和所述历史监测数据集合组成的集合中筛选出候选监测数据集合；将所述候选监测数据集合中的每个候选监测数据包括的所述参数对应的归一化数值，确定为所述候选监测数据包括的所述参数对应的目标参数值，得到所述参数对应的目标参数值集合；将所述目标参数值集合中所有目标参数值的均值，确定为所述参数对应的代表参数值；将所述候选监测数据集合中的每个候选监测数据包括的所述参数对应的目标参数值与所述代表参数值的差值的绝对值，确定为所述候选监测数据包括的所述参数对应的参数差异指标；将当前时间与所述候选监测数据集合中的每个候选监测数据对应的采集时间之间的差值，确定为所述候选监测数据对应的时间跨度；根据所述候选监测数据集合中的各个候选监测数据包括的所述参数对应的参数差异指标和各个候选监测数据对应的时间跨度，确定所述参数对应的参考价值，其中，时间跨度和参数差异指标均与参考价值呈负相关。
[0011]可选地，所述确定所述当前监测数据和所述历史聚类簇之间的目标隶属度，包括：根据所述离散分布指标和所述从属相似指标，确定所述当前监测数据和所述历史聚类簇之间的第一隶属度，其中，所述离散分布指标与所述第一隶属度呈负相关，所述从属相似指标与所述第一隶属度呈正相关；根据组成监测数据的每种参数对应的参考价值、所述历史聚类簇中的每个历史监测数据包括的所述参数对应的归一化数值和所述当前监测数据包括的所述参数对应的归一化数值，确定所述当前监测数据和所述历史监测数据在所述参数对应的第二隶属度；根据所述当前监测数据和所述历史聚类簇中的各个历史监测数据在各个参数对应的第二隶属度，确定所述当前监测数据和所述历史聚类簇之间的第三隶属度，其中，第二隶属度与第三隶属度呈正相关；根据所述第一隶属度和所述本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于数字孪生的智能工厂数据优化采集方法，其特征在于，包括以下步骤：获取用于数字孪生的目标工厂设备对应的历史监测数据集合、当前监测数据以及所述历史监测数据集合对应的历史聚类簇集合；对所述历史聚类簇集合中的每个历史聚类簇进行离散分析处理，得到所述历史聚类簇对应的离散分布指标；确定所述当前监测数据和每个历史聚类簇之间的从属相似指标；根据所述历史监测数据集合和所述当前监测数据，确定组成监测数据的每种参数对应的参考价值；根据每个历史聚类簇对应的离散分布指标、所述当前监测数据和所述历史聚类簇之间的从属相似指标、组成监测数据的各种参数对应的参考价值、所述历史聚类簇和所述当前监测数据，确定所述当前监测数据和所述历史聚类簇之间的目标隶属度；根据所述当前监测数据和所述历史聚类簇集合中的各个历史聚类簇之间的目标隶属度，对所述当前监测数据和所述历史聚类簇集合进行分类，得到目标聚类簇集合，以实现数据采集的优化。2.根据权利要求1所述的一种基于数字孪生的智能工厂数据优化采集方法，其特征在于，所述对所述历史聚类簇集合中的每个历史聚类簇进行离散分析处理，得到所述历史聚类簇对应的离散分布指标，包括：根据每个历史监测数据包括的各种参数对应的归一化数值，确定所述历史监测数据对应的目标位置；根据历史监测数据对应的目标位置，从所述历史聚类簇中筛选出核心监测数据集合，其中，核心监测数据对应的预设半径所围成范围内历史监测数据的数量大于预设数量；根据所述核心监测数据集合中的各个核心监测数据对应的目标位置，确定所述历史聚类簇对应的聚集位置；将所述历史聚类簇中的每个历史监测数据对应的目标位置与所述聚集位置之间的距离，作为所述历史监测数据对应的目标距离，得到所述历史聚类簇对应的目标距离集合；将所述历史聚类簇对应的目标距离集合中所有目标距离的标准差，确定为所述历史聚类簇对应的离散分布指标。3.根据权利要求2所述的一种基于数字孪生的智能工厂数据优化采集方法，其特征在于，所述确定所述当前监测数据和每个历史聚类簇之间的从属相似指标，包括：根据所述当前监测数据包括的各种参数对应的归一化数值，确定所述当前监测数据对应的当前位置；连接所述当前位置与所述聚集位置，得到所述当前监测数据和所述历史聚类簇之间的参考线段；将所述历史聚类簇中的每个历史监测数据对应的目标位置与所述参考线段之间的垂线，确定为所述历史监测数据对应的目标垂线；从所述历史聚类簇中筛选出目标垂线与所述参考线段相交的历史监测数据，作为参考监测数据，得到所述当前监测数据和所述历史聚类簇之间的参考监测数据集合；连接所述聚集位置与所述参考监测数据集合中的每个参考监测数据对应的目标位置，得到所述参考监测数据对应的目标线段；
根据所述参考线段和所述参考监测数据集合中的各个参考监测数据对应的目标线段，确定所述当前监测数据和所述历史聚类簇之间的第一从属指标；将所述参考监测数据集合中参考监测数据的数量，在所述历史聚类簇中历史监测数据的数量中的占比，确定为所述当前监测数据和所述历史聚类簇之间的第二从属指标；根据所述第一从属指标和所述第二从属指标，确定所述当前监测数据和所述历史聚类簇之间的从属相似指标，其中，第一从属指标和第二从属指标均与从属相似指标呈正相关。4.根据权利要求3所述的一种基于数字孪生的智能工厂数据优化采集方法，其特征在于，所述根据所述参考线段和所述参考监测数据集合中的各个参考监测数据对应的目标线段，确定所述当前监测数据和所述历史聚类簇之间的第一从属指标，包括：将所述参考监测数据集合中的每个参考监测数据对应的目标线段，在所述参考线段上的投影，确定为所述参考监测数据对应的目标投影；根据所述参考监测数据集合中的各个参考监测数据对应的目标投影，确定所述当前监测数据和所述历史...

【专利技术属性】
技术研发人员：边涛，高翠，王光军，曲新笛，刘仁杰，王岩，
申请(专利权)人：山东焦易网数字科技股份有限公司，
类型：发明
国别省市：