【技术实现步骤摘要】
本申请涉及但不限于机器学习、数据处理，尤其涉及一种基于数字孪生的工业大数据模拟方法及系统。
技术介绍
1、随着工业互联网的快速发展，越来越多的工业设备和系统接入了互联网，产生了大量的工业数据。这些数据包含了丰富的信息，可以用于优化生产流程、提高设备效率、预测故障等。然而，由于工业数据的复杂性和多样性，传统的数据分析方法往往难以满足工业领域的需求。为了解决这一问题，数字孪生技术应运而生。数字孪生是一种基于物理实体的数字化模型，可以实时反映物理实体的状态和行为。通过将数字孪生技术应用于工业大数据，可以实现对工业系统的实时监测和优化。然而，现有的方法仍然存在一些问题和挑战。例如在进行数字孪生同步前，可以采用人工智能模型对工业设备的运行状态进行识别，在模型训练环节，获取的样本数据经常会发生少数样本占据了大部分的数据，而大部分样本只占据了少量的数据的情况。这种分布会导致神经网络模型在训练过程中过度关注少数样本，而忽略了大部分样本的信息，从而导致模型的精度下降。
技术实现思路
1、有鉴于此，本申请实施例至少提供一种基于数字孪生的工业大数据模拟方法及系统。
2、本申请实施例的技术方案是这样实现的：
3、一方面，本申请实施例提供一种基于数字孪生的工业大数据模拟方法，所述方法包括：
4、获取待分析工业大数据集；
5、依据设定个数个状态分类中各状态分类的目标状态分类表征向量，基于目标设备状态分类网络的多任务状态识别组件对所述待分析工业大数据集进行设备状态
6、所述第一状态推理信息指示所述待分析工业大数据集与各所述状态分类之间的共性系数，所述第二状态推理信息指示所述待分析工业大数据集对应各所述状态分类的置信度；
7、依据所述目标设备状态分类网络的度量整合组件对所述第一状态推理信息和所述第二状态推理信息进行度量整合操作，获得整合状态推理信息；
8、依据所述整合状态推理信息，确定所述待分析工业大数据集对应的目标状态推理信息；
9、依据所述目标状态推理信息在工业数字孪生模型中进行对应的状态展示；
10、所述各状态分类的目标状态分类表征向量依据目标工业大数据调试样例集中各所述状态分类的目标工业大数据调试样例对应的目标训练表征向量确定，所述目标训练表征向量依据所述目标设备状态分类网络对相应目标工业大数据调试样例进行表征向量抽取得到；其中，所述目标设备状态分类网络依据额如下步骤调试获得：
11、获取工业大数据调试样例集和工业大数据验证样例集；所述工业大数据调试样例集中包括设定个数个状态分类的工业大数据调试样例，所述工业大数据验证样例集中的工业大数据验证样例的状态分类与所述工业大数据调试样例集相同；
12、将所述工业大数据调试样例集和所述工业大数据验证样例集加载到拟调试设备状态分类网络的多任务状态识别组件进行设备状态推理，获得每个工业大数据验证样例对应的第一状态推理信息和第二状态推理信息；所述第一状态推理信息指示相应工业大数据验证样例与各所述状态分类之间的共性系数，所述第二状态推理信息指示相应工业大数据验证样例对应各所述状态分类的置信度；
13、依据每个所述工业大数据验证样例对应的第一状态推理信息和第二状态推理信息分别与所述工业大数据验证样例的状态分类之间的误差，确定第一状态预估代价和第二状态预估代价；
14、将所述第一状态预估代价和第二状态预估代价加载到所述拟调试设备状态分类网络的代价整合组件进行代价整合操作，获得第一目标状态预估代价；
15、依据所述第一目标状态预估代价对所述拟调试设备状态分类网络进行调试直到符合设定的调试截止要求，获得设备状态分类网络；
16、对所述设备状态分类网络中代价整合组件的影响系数变量进行标准化操作，以将所述设备状态分类网络中的代价整合组件变换成度量整合组件，获得目标设备状态分类网络。
17、在一些实施例中，所述代价整合组件的影响系数变量包括第一代价影响系数和第二代价影响系数；所述将所述第一状态预估代价和第一状态预估代价加载到所述拟调试设备状态分类网络的代价整合组件进行代价整合操作，获得第一目标状态预估代价包括：
18、将所述第一状态预估代价加载到所述拟调试设备状态分类网络的代价整合组件，依据所述第一代价影响系数和对应的第一代价偏移量对所述第一状态预估代价进行输出计算，获得第一目标子状态预估代价；所述第一代价影响系数与所述第一代价偏移量负相关；
19、将所述第二状态预估代价加载到所述拟调试设备状态分类网络的代价整合组件，依据所述第二代价影响系数和对应的第二代价偏移量对所述第二状态预估代价进行输出计算，获得第二目标子状态预估代价；所述第二代价影响系数与所述第二代价偏移量负相关；
20、将所述第一目标子状态预估代价与所述第二目标子状态预估代价相加得到第一目标状态预估代价。
21、在一些实施例中，所述方法还包括：
22、依据每个所述工业大数据验证样例的第一状态推理信息与第二状态推理信息之间的误差，确定第一调试代价和第二调试代价；所述第一调试代价用于令所述第一状态推理信息向所述第二状态推理信息靠近，所述第二调试代价用于令所述第二状态推理信息向所述第一状态推理信息靠近；
23、将所述第一调试代价与所述第二调试代价相加得到第二目标状态预估代价；
24、所述依据所述第一目标状态预估代价对所述拟调试设备状态分类网络进行调试直到符合设定的调试截止要求，获得设备状态分类网络包括：
25、依据所述第一目标状态预估代价和所述第二目标状态预估代价，确定总状态预估代价；
26、依据所述总状态预估代价对所述拟调试设备状态分类网络进行调试直到符合设定的调试截止要求，获得设备状态分类网络。
27、在一些实施例中，所述多任务状态识别组件包括表征向量抽取组件和多任务状态推理组件，所述多任务状态推理组件包括状态推理评估组件和归一映射推理组件；所述将所述工业大数据调试样例集和所述工业大数据验证样例集加载到拟调试设备状态分类网络的多任务状态识别组件进行设备状态推理，获得每个工业大数据验证样例对应的第一状态推理信息和第二状态推理信息，包括：
28、将所述工业大数据调试样例集和所述工业大数据验证样例集加载到所述表征向量抽取组件进行表征向量抽取，获得各所述工业大数据调试样例的训练表征向量和各所述工业大数据验证样例的验证表征向量；
29、依据每个状态分类对应的各工业大数据调试样例的训练表征向量，确定每个状态分类的状态分类表征向量；
30、依据所述状态推理评估组件确定每个验证表征向量与各所述状态分类表征向量之间的共性系数，获得每个所述工业大数据验证样例的第一状态推理信息；
31、依据所述归一映射推理组件确定每个验证表征向量对应各所述状态分类的置信度，获得每个所述工业大数本文档来自技高网...
【技术保护点】
1.一种基于数字孪生的工业大数据模拟方法，其特征在于，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，所述代价整合组件的影响系数变量包括第一代价影响系数和第二代价影响系数；所述将所述第一状态预估代价和第一状态预估代价加载到所述拟调试设备状态分类网络的代价整合组件进行代价整合操作，获得第一目标状态预估代价包括：
3.根据权利要求1所述的方法，其特征在于，所述方法还包括：
4.根据权利要求1所述的方法，其特征在于，所述多任务状态识别组件包括表征向量抽取组件和多任务状态推理组件，所述多任务状态推理组件包括状态推理评估组件和归一映射推理组件；所述将所述工业大数据调试样例集和所述工业大数据验证样例集加载到拟调试设备状态分类网络的多任务状态识别组件进行设备状态推理，获得每个工业大数据验证样例对应的第一状态推理信息和第二状态推理信息，包括：
5.根据权利要求1所述的方法，其特征在于，所述获取工业大数据调试样例集和工业大数据验证样例集，包括：
6.根据权利要求5所述的方法，其特征在于，所述对所述设备状态分类网络中代价整合组件的
7.根据权利要求1所述的方法，其特征在于，所述依据设定个数个状态分类中各状态分类的目标状态分类表征向量，基于目标设备状态分类网络的多任务状态识别组件对所述待分析工业大数据集进行设备状态推理，获得第一状态推理信息和第二状态推理信息，包括：
8.根据权利要求7所述的方法，其特征在于，所述目标工业大数据调试样例集依据包括所述设定个数个状态分类的工业大数据集样例的支持数据集得到；所述依据所述目标设备状态分类网络的度量整合组件对所述第一状态推理信息和所述第二状态推理信息进行度量整合操作，获得整合状态推理信息包括：
9.根据权利要求7或8所述的方法，其特征在于，所述获取待分析工业大数据集包括：
10.一种工业大数据模拟系统，包括存储器和处理器，所述存储器存储有可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现权利要求1至9任一项所述方法中的步骤。
...【技术特征摘要】
1.一种基于数字孪生的工业大数据模拟方法，其特征在于，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，所述代价整合组件的影响系数变量包括第一代价影响系数和第二代价影响系数；所述将所述第一状态预估代价和第一状态预估代价加载到所述拟调试设备状态分类网络的代价整合组件进行代价整合操作，获得第一目标状态预估代价包括：
3.根据权利要求1所述的方法，其特征在于，所述方法还包括：
4.根据权利要求1所述的方法，其特征在于，所述多任务状态识别组件包括表征向量抽取组件和多任务状态推理组件，所述多任务状态推理组件包括状态推理评估组件和归一映射推理组件；所述将所述工业大数据调试样例集和所述工业大数据验证样例集加载到拟调试设备状态分类网络的多任务状态识别组件进行设备状态推理，获得每个工业大数据验证样例对应的第一状态推理信息和第二状态推理信息，包括：
5.根据权利要求1所述的方法，其特征在于，所述获取工业大数据调试样例集和工业大数据验证样例集，包括：
6.根据权利要求5所述的方法，其特征在于，所述对所述设...
【专利技术属性】
技术研发人员：杨勋，胡建国，
申请(专利权)人：北京国联视讯信息技术股份有限公司，
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。