【技术实现步骤摘要】
本申请涉及数字孪生的，尤其涉及一种数字孪生的离散制造车间同步演化方法、设备及介质。
技术介绍
1、离散制造是指产品的生产过程通常被分解成很多加工任务来完成。数字孪生技术是充分利用物理模型、传感器更新、运行历史等数据，集成多学科、多物理量、多尺度、多概率的仿真过程，在虚拟空间中完成映射，从而反映相对应的实体装备的全生命周期过程。
2、数字孪生技术为生产调度分析提供了有力工具(数字孪生模型)。在离散制造车间生产过程可以通过数字孪生模型进行实时观察、分析、控制和生产调度预测，但由于离散制造车间物理车间存在不确定事件、生产制造要素退化以及物理车间的异常干扰，会导致数字孪生模型与物理车间的性能出现偏差，影响生产调度预测的准确性。
3、因此，如何准确、高效地预测离散制造车间的生产调度成为一个亟待解决的问题。
技术实现思路
1、本申请实施例提供了一种数字孪生的离散制造车间同步演化方法、设备及介质，用以解决如下技术问题：如何准确、高效地预测离散制造车间的生产调度。
2、第一方面，本申请实施例提供了一种数字孪生的离散制造车间同步演化方法，其特征在于，方法包括：获取离散制造车间的传感器数据和车间数据；其中，传感器数据包括传感器实时数据和传感器历史数据；基于传感器数据和车间数据构建生产调度性能退化的数字孪生模型；其中，生产调度性能退化的数字孪生模型包括生产调度性能退化的通用表征模型和生产调度性能退化的特异性表征模型；构建cnn-lstm模型，并基于cnn-lstm模型
3、在本申请的一种实现方式中，基于传感器数据和车间数据构建生产调度性能退化的数字孪生模型，具体包括：基于传感器数据、车间数据和预设的基准构建生产调度性能退化的通用表征模型；其中，生产调度性能退化的通用表征模型用于体现离散制造车间性能退化的一般规律；基于传感器数据、车间数据构建生产调度性能退化的特异性表征模型；其中，生产调度性能退化的特异性表征模型用于体现离散制造车间性能退化的差异性特征；基于生产调度性能退化的通用表征模型和生产调度性能退化的特异性表征模型构建生产调度性能退化的数字孪生模型。
4、在本申请的一种实现方式中，基于传感器数据、车间数据和预设的基准构建生产调度性能退化的通用表征模型，具体包括：获取离散制造车间的性能下降指标和基准；其中，性能下降指标包括生产进度、生产能力和能源消耗；构建生产调度性能退化的通用表征模型，通用表征模型由下列公式表示：
5、
6、其中，dik为退化指标，k为时刻，为第k时刻生产调度性能退化的通用表征模型的性能指标，yk＝f(x；k)为第k时刻生产调度性能退化的通用表征模型的基准，ε为修正系数。
7、在本申请的一种实现方式中，基于传感器数据、车间数据构建生产调度性能退化的特异性表征模型，具体包括：获取离散制造车间的性能模型参数、测量系统不确定度和性能状态退化不确定度；构建生产调度性能退化的特异性表征模型，特异性表征模型由下列公式表示：
8、
9、其中，f(·)为生产调度性能退化的特异性表征模型，θ为离散制造车间的性能模型参数，ψ为离散制造车间的测量系统不确定度，ω为离散制造车间的性能状态退化不确定度。
10、在本申请的一种实现方式中，构建cnn-lstm模型，并基于cnn-lstm模型更新和矫正生产调度性能退化的数字孪生模型，以获取数字孪生同步演化模型，具体包括：构建cnn模型和lstm模型，并整合cnn模型和lstm模型，以获取初步cnn-lstm模型；添加预设的注意力机制至初步cnn-lstm模型，以获取cnn-lstm模型；基于cnn-lstm模型更新和矫正生产调度性能退化的数字孪生模型，以获取数字孪生同步演化模型。
11、在本申请的一种实现方式中，构建cnn模型和lstm模型，并整合cnn模型和lstm模型，以获取cnn-lstm模型，具体包括：构建cnn模型，并构建初始lstm模型；添加预设的门结构至初始lstm模型，以获取lstm模型；其中，门结构包括输入门、遗忘门和输出门，门结构由下列公式表示：
12、it＝σ(wi×[ht-1,xt]+bi)
13、ft＝σ(wf×[ht-1,xt]+bf)
14、ot＝σ(wo×[ht-1,xt]+bo)
15、其中，it为输入门、ft为遗忘门、ot为输出门，xt为输入序列，ht-1为上一时刻的状态记忆量，σ为激活函数，w为权重矩阵，b为偏置系数；整合lstm模型和cnn模型，以构建cnn-lstm模型。
16、在本申请的一种实现方式中，基于cnn-lstm模型更新和矫正生产调度性能退化的数字孪生模型，以获取数字孪生同步演化模型，具体包括：基于预设的特征提取算法处理离散制造车间的传感器数据，以获取数字孪生同步演化模型的训练数据集；基于训练数据集训练生产调度性能退化的数字孪生模型，以获取第一数字孪生模型；根据离散制造车间传感器实时数据判断第一数字孪生模型是否触发预设的更新条件；若是，基于cnn-lstm模型更新和矫正第一数字孪生模型，以获取第二数字孪生模型；根据离散制造车间传感器实时数据判断第二数字孪生模型是否触发预设的更新条件；若是，基于cnn-lstm模型更新和矫正第二数字孪生模型，以获取第三数字孪生模型；重复上述步骤，以获取数字孪生同步演化模型。
17、在本申请的一种实现方式中，基于预设的特征提取算法处理离散制造车间的传感器数据，以获取数字孪生同步演化模型的训练数据集，具体包括：获取多个传感器的传感器数据并加以标记，以获取多个第一数据集；整合多个第一数据集，以获取第二数据集；去除第二数据集内重复和破损的传感器数据，以获取第三数据集；基于预设的特征提取条件提取第三数据集内的传感器数据，以获取训练数据集。
18、第二方面，本申请实施例还提供了一种数字孪生的离散制造车间同步演化设备，其特征在于，设备包括：至少一个处理器；以及，与至少一个处理器通信连接的存储器；其中，存储器存储有可被至少一个处理器执行的指令，指令被至少一个处理器执行，以使至少一个处理器能够：获取离散制造车间的传感器数据和车间数据；其中，传感器数据包括传感器实时数据和传感器历史数据；基于传感器数据和车间数据构建生产调度性能退化的数字孪生模型；其中，生产调度性能退化的数字孪生模型包括生产调度性能退化的通用表征模型和生产调度性能退化的特异性表征模型；构建cnn-lstm模型，并基于cnn-lstm模型更新和矫正生产调度性能退化的数字孪生模型，以获取数字孪生同步演化模型；基于数字孪生同步演化模型和传感器实时数据预测离散制造车间的生产调度。
19、第三方面，本申请实施例还提供了一种数字孪生的离散制造车间同步演化的非易失性计算机存储介质，存储有计算机可执行指令，本文档来自技高网...
【技术保护点】
1.一种数字孪生的离散制造车间同步演化方法，其特征在于，所述方法包括：
2.根据权利要求1所述的一种数字孪生的离散制造车间同步演化方法，其特征在于，基于所述传感器数据和所述车间数据构建生产调度性能退化的数字孪生模型，具体包括：
3.根据权利要求2所述的一种数字孪生的离散制造车间同步演化方法，其特征在于，基于所述传感器数据、所述车间数据和预设的基准构建所述生产调度性能退化的通用表征模型，具体包括：
4.根据权利要求2所述的一种数字孪生的离散制造车间同步演化方法，其特征在于，基于所述传感器数据、所述车间数据构建所述生产调度性能退化的特异性表征模型，具体包括：
5.根据权利要求1所述的一种数字孪生的离散制造车间同步演化方法，其特征在于，构建CNN-LSTM模型，并基于所述CNN-LSTM模型更新和矫正所述生产调度性能退化的数字孪生模型，以获取数字孪生同步演化模型，具体包括：
6.根据权利要求5所述的一种数字孪生的离散制造车间同步演化方法，其特征在于，构建CNN模型和LSTM模型，并整合所述CNN模型和LSTM模型，以获取CNN
7.根据权利要求5所述的一种数字孪生的离散制造车间同步演化方法，其特征在于，基于所述CNN-LSTM模型更新和矫正所述生产调度性能退化的数字孪生模型，以获取数字孪生同步演化模型，具体包括：
8.根据权利要求7所述的一种数字孪生的离散制造车间同步演化方法，其特征在于，基于预设的特征提取算法处理所述离散制造车间的传感器数据，以获取所述数字孪生同步演化模型的训练数据集，具体包括：
9.一种数字孪生的离散制造车间同步演化设备，其特征在于，所述设备包括：
10.一种数字孪生的离散制造车间同步演化的非易失性计算机存储介质，存储有计算机可执行指令，其特征在于，所述计算机可执行指令设置为：
...【技术特征摘要】
1.一种数字孪生的离散制造车间同步演化方法，其特征在于，所述方法包括：
2.根据权利要求1所述的一种数字孪生的离散制造车间同步演化方法，其特征在于，基于所述传感器数据和所述车间数据构建生产调度性能退化的数字孪生模型，具体包括：
3.根据权利要求2所述的一种数字孪生的离散制造车间同步演化方法，其特征在于，基于所述传感器数据、所述车间数据和预设的基准构建所述生产调度性能退化的通用表征模型，具体包括：
4.根据权利要求2所述的一种数字孪生的离散制造车间同步演化方法，其特征在于，基于所述传感器数据、所述车间数据构建所述生产调度性能退化的特异性表征模型，具体包括：
5.根据权利要求1所述的一种数字孪生的离散制造车间同步演化方法，其特征在于，构建cnn-lstm模型，并基于所述cnn-lstm模型更新和矫正所述生产调度性能退化的数字孪生模型，以获取数字孪生同步演化模型，具体包括：...
【专利技术属性】
技术研发人员：张进东，肖雪，宋志刚，秦念彬，薛志清，
申请(专利权)人：浪潮云洲工业互联网有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。