CN112200493A - 一种数字孪生模型构建方法及装置 - Google Patents
一种数字孪生模型构建方法及装置 Download PDFInfo
- Publication number
- CN112200493A CN112200493A CN202011206154.8A CN202011206154A CN112200493A CN 112200493 A CN112200493 A CN 112200493A CN 202011206154 A CN202011206154 A CN 202011206154A CN 112200493 A CN112200493 A CN 112200493A
- Authority
- CN
- China
- Prior art keywords
- digital twin
- twin model
- model
- preset
- initial
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0637—Strategic management or analysis, e.g. setting a goal or target of an organisation; Planning actions based on goals; Analysis or evaluation of effectiveness of goals
- G06Q10/06375—Prediction of business process outcome or impact based on a proposed change
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/067—Enterprise or organisation modelling
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- Marketing (AREA)
- Game Theory and Decision Science (AREA)
- Development Economics (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Educational Administration (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明提供了一种数字孪生模型构建方法及装置,其中,该方法包括:根据目标业务系统的历史数据提取构成所述目标业务系统的多个组件、各组件之间的关联关系;根据所述多个组件及关联关系确定推演算法及数字孪生模型参数;根据所述目标业务系统的组件、关联关系、推演算法和数字孪生模型参数建立初始数字孪生模型;根据所述初始数字孪生模型和预设参数优化模型构建所述目标业务系统的数字孪生模型。通过实施本发明,目标业务系统的技术人员无需对建模过程进行深入了解即可对数字孪生模型进行优化,建模过程更加简单,得到的数字孪生模型更可靠。
Description
技术领域
本发明涉及数字化模型构建技术领域,具体涉及一种数字孪生模型构建方法及装置。
背景技术
对业务系统建立数字孪生模型,可以根据输入的事件源推演得到在该业务系统下的发展结果,在各个行业中,都可以在事件开始执行前通过数字孪生模型业务系统中的各流程进行推演,并修改各流程中的数据,使得最终的输出结果满足需求。但是在构建数字孪生模型时,需要将业务数据和数学模型相结合,通常而言,实际的业务领域和建模领域跨度较大,同一技术人员难以同时掌握二者的知识,导致适用于各业务的数字孪生模型的建立较为困难,建立的模型也无法准确推演出准确的结果。
发明内容
因此,本发明要解决的技术问题在于克服现有技术中建立的数字孪生模型推演结果不准确的缺陷,从而提供一种数字孪生模型构建方法及装置。
本发明第一方面提供了一种数字孪生模型构建方法,包括:根据目标业务系统的历史数据提取构成目标业务系统的多个组件、各组件之间的关联关系;根据多个组件及关联关系确定推演算法及数字孪生模型参数;根据目标业务系统的组件、关联关系、推演算法和数字孪生模型参数建立初始数字孪生模型;根据初始数字孪生模型和预设参数优化模型构建目标业务系统的数字孪生模型。
可选地,根据所述初始数字孪生模型和预设参数优化模型构建所述目标业务系统的数字孪生模型的步骤,包括:根据预设输入源和所述初始数字孪生模型确定所述目标业务系统的预测输出;根据所述预测输出判断所述初始数字孪生模型是否满足预设条件;若所述初始数字孪生模型不满足预设条件,获取控制参数;根据所述控制参数和所述预设参数优化模型确定数字孪生模型优化参数;根据所述数字孪生优化参数和所述初始数字孪生模型构建所述目标业务系统的数字孪生模型。
可选地,在本发明提供的数字孪生模型构建方法中,预设输入源对应有实际输出;所述根据所述预测输出判断所述初始数字孪生模型是否满足预设条件的步骤,包括:判断实际输出与预测输出的相似度是否大于预设阈值;若所述实际输出与预测输出的相似度大于或等于预设阈值,则判定所述初始数字孪生模型满足预设条件;若所述实际输出与预测输出的相似度小于预设阈值,则判定所述初始数字孪生模型不满足预设条件。
本发明第二方面提供了一种数字孪生模型构建装置,包括:数据分析模块,用于根据目标业务系统的历史数据提取构成目标业务系统的多个组件、各组件之间的关联关系;算法确定模块,用于根据多个组件及关联关系确定推演算法及数字孪生模型参数;初始数字孪生模型构建模块,用于根据目标业务系统的组件、关联关系、推演算法和数字孪生模型参数建立初始数字孪生模型;初始数字孪生模型优化模块,用于根据初始数字孪生模型和预设参数优化模型构建目标业务系统的数字孪生模型。
可选地,在本发明提供的数字孪生模型构建装置中,所述初始数字孪生模型优化模块包括:模型检验子模块,用于根据预设输入源和所述初始数字孪生模型确定所述目标业务系统的预测输出;条件判断子模块,用于根据所述预测输出判断所述初始数字孪生模型是否满足预设条件;控制参数获取子模块,用于若所述初始数字孪生模型不满足预设条件,获取控制参数;优化参数确定子模块,用于根据所述控制参数和所述预设参数优化模型确定数字孪生模型优化参数;数字孪生模型优化子模块,用于根据所述数字孪生优化参数和所述初始数字孪生模型构建所述目标业务系统的数字孪生模型。
可选地,在本发明提供的数字孪生模型构建装置中,预设输入源对应有实际输出;所述条件判断子模块具体用于:判断实际输出与预测输出的相似度是否大于预设阈值;若所述实际输出与预测输出的相似度大于或等于预设阈值,则判定所述初始数字孪生模型满足预设条件;若所述实际输出与预测输出的相似度小于预设阈值,则判定所述初始数字孪生模型不满足预设条件。
本发明第三方面提供了一种计算机设备,包括:至少一个处理器;以及与所述至少一个处理器通信连接的存储器;其中,所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,从而执行如本发明第一方面提供的数字孪生模型构建方法。
本发明第四方面提供了一种计算机可读存储介质,其特征在于,所述计算机可读存储介质存储有计算机指令,所述计算机指令用于使所述计算机执行如本发明第一方面提供的数字孪生模型构建方法。
本发明技术方案,具有如下优点:
本发明提供的数字孪生模型构建方法及装置,在根据目标业务系统的组件、各组件之间的关联关系、推演算法和数字孪生模型参数构建初始数字孪生模型后,通过预设参数优化模型对数字孪生模型参数进行了优化,从而得到了准确定更高的数字孪生模型。通过实施本发明,目标业务系统的技术人员无需对建模过程进行深入了解即可对数字孪生模型进行优化,建模过程更加简单,得到的数字孪生模型更可靠。
附图说明
为了更清楚地说明本发明具体实施方式或现有技术中的技术方案,下面将对具体实施方式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,下面描述中的附图是本发明的一些实施方式,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。
图1和图2为本发明实施例中数字孪生模型构建方法的具体示例的流程图;
图3和图4为本发明实施例中数字孪生模型构建装置的具体示例的原理框图;
图5为本发明实施例中提供的计算机设备的原理框图。
具体实施方式
下面将结合附图对本发明的技术方案进行清楚、完整地描述,显然,所描述的实施例是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
在本发明的描述中,需要说明的是,下面所描述的本发明不同实施方式中所涉及的技术特征只要彼此之间未构成冲突就可以相互结合。
实施例1
本发明实施例提供了一种数字孪生模型构建方法,如图1所示,包括:
步骤S10:根据目标业务系统的历史数据提取构成目标业务系统的多个组件、各组件之间的关联关系。
在一具体实施例中,不同的目标系统是由不同的组件构成的,并且组件之间存在一定的关联关系,该关联关系可以为组件间的业务流动关系、数据流动关系、资金流动关系或实体的流动关系等,例如,对于钢铁制造过程,包含有配矿、铁前、炼钢、钢轧等环节,每一个环节都是构成钢铁制造过程的组件,相邻两个环节之间存在实体的流动,从而表征各组件之间的关联关系。
由于本发明实施例中的数字孪生模型是基于事件网络构建的,因此需要先提取目标业务系统中的组件,并分析组件间的关联关系,从而构建事件网络,然后基于事件网络和数字孪生模型参数构建数字孪生模型。
各组件是由关键要素构成的,在建立数字孪生模型时,需要对各构建的关键要素进行描述,例如,在钢铁制造过程中,炼钢环节包括人力投入、原料投入、设备、工艺、环境、资金信息等要素,各组件中的关键要素的值可以作为数字孪生模型的输入值,也可以作为数字孪生模型推演的中间结果和最终结果。
步骤S20:根据所述多个组件及关联关系确定推演算法及数字孪生模型参数;
在一具体实施例中,根据各组件之间的关联关系将各组件进行连接,可以得到事件网络,而事件网络不具备对数据的处理能力,为了实现对目标业务系统的推演,需要在组件之间加入算法,如拟合分析、权重调优、模型融合等,因此,根据上述的多个组件及其关联关系,可以确定该事件网络的推演算法及数字孪生模型参数,数字孪生模型参数为构成上述算法的参数。
步骤S30:根据目标业务系统的组件、各组件之间的关联关系、推演算法和数字孪生模型参数建立初始数字孪生模型。
将数字孪生模型参数加入事件网络中,根据所确定的推演算法进行推演,从而得到初始数字孪生模型,该推演算法用于对各组件的要素的值进行处理,从而实现业务的推演。
步骤S40:根据初始数字孪生模型和预设参数优化模型构建目标业务系统的数字孪生模型。
在具体实施例中,数字孪生模型参数是对目标业务系统的历史数据进行通用的分析方法分析得到的,并没有根据目标业务系统的独特性进行调整,因此得到的初始数字孪生模型可能存在一定的误差,通过数字孪生模型推演得到的结果可能与实际情况不符,因此需要通过预设参数优化模型对数字孪生模型参数进行优化,从而根据优化后的数字孪生模型参数构建准确度更高的数字孪生模型。
本发明提供的数字孪生模型构建方法,在根据目标业务系统的组件、各组件之间的关联关系、推演算法和数字孪生模型参数构建初始数字孪生模型后,通过预设参数优化模型对数字孪生模型参数进行了优化,从而得到了准确性更高的数字孪生模型。通过实施本发明,目标业务系统的技术人员无需对建模过程进行深入了解即可对数字孪生模型进行优化,建模过程更加简单,得到的数字孪生模型更可靠。
在一可选实施例中,如图2所示,上述步骤S40具体包括:
步骤S41:根据预设输入源和初始数字孪生模型确定目标业务系统的预测输出。
在一具体实施例中,初始数字孪生模型是根据目标业务系统中不同维度的数据构建的,向初始数字孪生模型中输入一个或多个不同维度的数据,初始数字孪生模型会输出一个或过个不同维度的预测输出,例如,在配矿、铁前、炼钢、钢轧这一生产流程构建的初始数字孪生模型中,当输入源为订单量和订单完成时间时,各个环节所需的时间和资源的投入都可以作为初始数字孪生模型的预测输出。
步骤S42:根据预测输出判断初始数字孪生模型是否满足预设条件。
在一具体实施例中,输入初始数字孪生模型的预设输入源为历史数据,历史数据中包括与预设输入源相对应的真实输出,在判断初始数字孪生模型是否满足预设条件时,根据真实输出和预测输出的相似度判断。例如,在上述配矿、铁前、炼钢、钢轧这一生产流程构建的初始数字孪生模型中,可以将两年前的生产数据作为预设输入源,将一年前的生产经营情况作为预设输入源的真实输出,根据两年前的生产数据推演得到的生产经营情况和一年前的真实生产经营情况判断初始数字孪生模型是否满足预设条件。
若初始数字孪生模型不满足预设条件,执行如下步骤:
步骤S43:获取控制参数,在本发明实施例中,控制参数是指目标业务系统的经营人员根据对预测输出结果调整后的值。
示例性地,当在配矿、铁前、炼钢、钢轧这一生产流程构建的初始数字孪生模型中输入订单量为300吨,完成交付时间为45天时,推演算法会根据输入的数据进行推演,通过为配矿、铁前、炼钢、钢轧各流程的时间和资源投入进行调整,使得能在45天交付300吨的订单。但是在实际操作中,推演得到的结果可能是不合理的,相关技术人员可以对输出的结果进行调整,得到控制参数。
在具体实施例中,获取控制参数的目的是为了使模型的输出更加合理,上述通过相关技术人员对输出的结果进行调整获得控制参数的方式较灵活,但是在实际应用中,也可以直接将预设输入源对应的真实输出作为控制参数。
步骤S44:根据控制参数和预设参数优化模型确定数字孪生模型优化参数。
如上述步骤S43中所述,控制参数为经营人员根据对预测输出结果调整后的值,为了使初始数字孪生模型在推演过程中能够得到调整后的值,需要对数字孪生模型参数进行优化,在经营人员不具备建模能力的情况下,可以通过预设优化模型对数字孪生模型进行优化,使得优化后的数字孪生模型可以得到经营人员调整后的值。
步骤S45:根据数字孪生优化参数和初始数字孪生模型构建目标业务系统的数字孪生模型。
在一可选实施例中,上述步骤S42具体包括:判断实际输出与预测输出的相似度是否大于预设阈值,若实际输出与预测输出的相似度大于或等于预设阈值,则判定初始数字孪生模型满足预设条件,若实际输出与预测输出的相似度小于预设阈值,则判定初始数字孪生模型不满足预设条件。预设阈值的值可根据实际需求进行调整,例如,可以设置为90%,当实际输出与预测输出的相似度大于或等于90%时,判断初始数字孪生模型满足预设条件,当实际输出与预测输出的相似度小于90%时,判断初始数字孪生模型不满足预设条件。
实施例2
本实施例提供一种数字孪生模型构建装置,如图3所示,包括:
数据分析模块10,用于根据目标业务系统的历史数据提取构成所述目标业务系统的多个组件、各组件之间的关联关系,详细内容见上述步骤S10的描述。
算法确定模块20,用于根据所述多个组件及关联关系确定推演算法及数字孪生模型参数,详细内容见上述步骤S20的描述。
初始数字孪生模型构建模块30,用于根据所述目标业务系统的组件、各组件之间的关联关系和数字孪生模型参数建立初始数字孪生模型,详细内容见上述步骤S30的描述。
初始数字孪生模型优化模块40,用于根据所述初始数字孪生模型和预设参数优化模型构建所述目标业务系统的数字孪生模型,详细内容见上述步骤S40的描述。
本发明提供的数字孪生模型构建装置,在根据目标业务系统的组件、各组件之间的关联关系、推演算法和数字孪生模型参数构建初始数字孪生模型后,通过预设参数优化模型对数字孪生模型参数进行了优化,从而得到了准确定更高的数字孪生模型。通过实施本发明,目标业务系统的技术人员无需对建模过程进行深入了解即可对数字孪生模型进行优化,建模过程更加简单,得到的数字孪生模型更可靠。
在一可选实施例中,本发明实施例提供的数字孪生模型构建装置中,如图4所示,初始数字孪生模型优化模块40包括:
模型检验子模块41,用于根据预设输入源和所述初始数字孪生模型确定所述目标业务系统的预测输出,详细内容见上述步骤S41的描述。
条件判断子模块42,用于根据所述预测输出判断所述初始数字孪生模型是否满足预设条件,详细内容见上述步骤S42的描述。
控制参数获取子模块43,用于若所述初始数字孪生模型不满足预设条件,获取控制参数,详细内容见上述步骤S43的描述。
优化参数确定子模块44,用于根据所述控制参数和所述预设参数优化模型确定数字孪生模型优化参数,详细内容见上述步骤S44的描述。
数字孪生模型优化子模块45,用于根据所述数字孪生优化参数和所述初始数字孪生模型构建所述目标业务系统的数字孪生模型,详细内容见上述步骤S45的描述。
在一可选实施例中,本发明实施例提供的数字孪生模型构建装置中,设输入源对应有实际输出,所述条件判断子模块42具体用于:判断实际输出与预测输出的相似度是否大于预设阈值。若所述实际输出与预测输出的相似度大于或等于预设阈值,则判定所述初始数字孪生模型满足预设条件。若所述实际输出与预测输出的相似度小于预设阈值,则判定所述初始数字孪生模型不满足预设条件。详细内容见上述实施例中对步骤S42的描述。
实施例3
本发明实施例提供一种计算机设备,如图5所示,该计算机设备主要包括一个或多个处理器51以及存储器52,图5中以一个处理器51为例。
该计算机设备还可以包括:输入装置53和输出装置54。
处理器51、存储器52、输入装置53和输出装置54可以通过总线或者其他方式连接,图5中以通过总线连接为例。
处理器51可以为中央处理器(Central Processing Unit,CPU)。处理器51还可以为其他通用处理器、数字信号处理器(Digital Signal Processor,DSP)、专用集成电路(Application Specific Integrated Circuit,ASIC)、现场可编程门阵列(Field-Programmable Gate Array,FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等芯片,或者上述各类芯片的组合。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。存储器52可以包括存储程序区和存储数据区,其中,存储程序区可存储操作系统、至少一个功能所需要的应用程序;存储数据区可存储根据数字孪生模型构建装置的使用所创建的数据等。此外,存储器52可以包括高速随机存取存储器,还可以包括非暂态存储器,例如至少一个磁盘存储器件、闪存器件、或其他非暂态固态存储器件。在一些实施例中,存储器52可选包括相对于处理器51远程设置的存储器,这些远程存储器可以通过网络连接至数字孪生模型构建装置。输入装置53可接收用户输入的计算请求(或其他数字或字符信息),以及产生与数字孪生模型构建装置有关的键信号输入。输出装置54可包括显示屏等显示设备,用以输出计算结果。
实施例4
本发明实施例提供一种计算机可读存储介质,该计算机可读存储介质存储计算机指令,所述计算机存储介质存储有计算机可执行指令,该计算机可执行指令可执行上述任意方法实施例中的数字孪生模型构建方法。其中,所述存储介质可为磁碟、光盘、只读存储记忆体(Read-Only Memory,ROM)、随机存储记忆体(Random Access Memory,RAM)、快闪存储器(Flash Memory)、硬盘(Hard Disk Drive,缩写:HDD)或固态硬盘(Solid-StateDrive,SSD)等;所述存储介质还可以包括上述种类的存储器的组合。
显然,上述实施例仅仅是为清楚地说明所作的举例,而并非对实施方式的限定。对于所属领域的普通技术人员来说,在上述说明的基础上还可以做出其它不同形式的变化或变动。这里无需也无法对所有的实施方式予以穷举。而由此所引伸出的显而易见的变化或变动仍处于本发明创造的保护范围之中。
Claims (8)
1.一种数字孪生模型构建方法,其特征在于,包括:
根据目标业务系统的历史数据提取构成所述目标业务系统的多个组件、各组件之间的关联关系;
根据所述多个组件及关联关系确定推演算法及数字孪生模型参数;
根据所述目标业务系统的组件、关联关系、推演算法和数字孪生模型参数建立初始数字孪生模型;
根据所述初始数字孪生模型和预设参数优化模型构建所述目标业务系统的数字孪生模型。
2.根据权利要求1所述的数字孪生模型构建方法,其特征在于,根据所述初始数字孪生模型和预设参数优化模型构建所述目标业务系统的数字孪生模型的步骤,包括:
根据预设输入源和所述初始数字孪生模型确定所述目标业务系统的预测输出;
根据所述预测输出判断所述初始数字孪生模型是否满足预设条件;
若所述初始数字孪生模型不满足预设条件,获取控制参数;
根据所述控制参数和所述预设参数优化模型确定数字孪生模型优化参数;
根据所述数字孪生优化参数和所述初始数字孪生模型构建所述目标业务系统的数字孪生模型。
3.根据权利要求2所述的数字孪生模型构建方法,其特征在于,
所述预设输入源对应有实际输出;
所述根据所述预测输出判断所述初始数字孪生模型是否满足预设条件的步骤,包括:
判断实际输出与预测输出的相似度是否大于预设阈值;
若所述实际输出与预测输出的相似度大于或等于预设阈值,则判定所述初始数字孪生模型满足预设条件;
若所述实际输出与预测输出的相似度小于预设阈值,则判定所述初始数字孪生模型不满足预设条件。
4.一种数字孪生模型构建装置,其特征在于,包括:
数据分析模块,用于根据目标业务系统的历史数据提取构成所述目标业务系统的多个组件、各组件之间的关联关系;
算法确定模块,用于根据所述多个组件及关联关系确定推演算法及数字孪生模型参数;
初始数字孪生模型构建模块,用于根据所述目标业务系统的组件、关联关系、推演算法和数字孪生模型参数建立初始数字孪生模型;
初始数字孪生模型优化模块,用于根据所述初始数字孪生模型和预设参数优化模型构建所述目标业务系统的数字孪生模型。
5.根据权利要求4所述的数字孪生模型构建装置,其特征在于,所述初始数字孪生模型优化模块包括:
模型检验子模块,用于根据预设输入源和所述初始数字孪生模型确定所述目标业务系统的预测输出;
条件判断子模块,用于根据所述预测输出判断所述初始数字孪生模型是否满足预设条件;
控制参数获取子模块,用于若所述初始数字孪生模型不满足预设条件,获取控制参数;
优化参数确定子模块,用于根据所述控制参数和所述预设参数优化模型确定数字孪生模型优化参数;
数字孪生模型优化子模块,用于根据所述数字孪生优化参数和所述初始数字孪生模型构建所述目标业务系统的数字孪生模型。
6.根据权利要求5所述的数字孪生模型构建装置,其特征在于,所述预设输入源对应有实际输出;
所述条件判断子模块具体用于:
判断实际输出与预测输出的相似度是否大于预设阈值;
若所述实际输出与预测输出的相似度大于或等于预设阈值,则判定所述初始数字孪生模型满足预设条件;
若所述实际输出与预测输出的相似度小于预设阈值,则判定所述初始数字孪生模型不满足预设条件。
7.一种计算机设备,其特征在于,包括:
至少一个处理器;以及与所述至少一个处理器通信连接的存储器;其中,所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,从而执行如权利要求1-3中任一项所述的数字孪生模型构建方法。
8.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质存储有计算机指令,所述计算机指令用于使所述计算机执行如权利要求1-3中任一项所述的数字孪生模型构建方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011206154.8A CN112200493A (zh) | 2020-11-02 | 2020-11-02 | 一种数字孪生模型构建方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011206154.8A CN112200493A (zh) | 2020-11-02 | 2020-11-02 | 一种数字孪生模型构建方法及装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112200493A true CN112200493A (zh) | 2021-01-08 |
Family
ID=74032950
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011206154.8A Pending CN112200493A (zh) | 2020-11-02 | 2020-11-02 | 一种数字孪生模型构建方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112200493A (zh) |
Cited By (16)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112818490A (zh) * | 2021-03-18 | 2021-05-18 | 中国人民解放军陆军工程大学 | 一种云边架构的装备数字孪生平行仿真系统及方法 |
CN112906206A (zh) * | 2021-01-29 | 2021-06-04 | 航天科工智能运筹与信息安全研究院(武汉)有限公司 | 数字孪生模型构建方法和装置 |
CN113485295A (zh) * | 2021-07-07 | 2021-10-08 | 西北工业大学 | 基于数字孪生的四足机器人故障预测方法、装置及设备 |
CN113656971A (zh) * | 2021-08-18 | 2021-11-16 | 中国石油化工股份有限公司 | 数字孪生系统建立方法、装置、电子设备和可读存储介质 |
CN113792423A (zh) * | 2021-09-04 | 2021-12-14 | 苏州特比姆智能科技有限公司 | 一种tpm设备管理的数字孪生行为约束方法及系统 |
CN114417549A (zh) * | 2021-11-29 | 2022-04-29 | 天津大学 | 一种基于超级计算机的数字孪生目标场数据处理系统 |
CN114710395A (zh) * | 2022-03-31 | 2022-07-05 | 亚信科技(中国)有限公司 | 基于数字孪生技术的网络业务的实施实例的构建方法 |
CN114722625A (zh) * | 2022-04-24 | 2022-07-08 | 上海玫克生储能科技有限公司 | 锂电池的单体数字孪生模型建立方法、系统、终端和介质 |
CN115022965A (zh) * | 2022-07-25 | 2022-09-06 | 中国联合网络通信集团有限公司 | 小区定位方法、装置、电子设备及存储介质 |
CN115114268A (zh) * | 2022-06-30 | 2022-09-27 | 北京亚控科技发展有限公司 | 一种组织未来状态孪生方法、装置及设备 |
CN115221704A (zh) * | 2022-07-18 | 2022-10-21 | 应急管理部国家自然灾害防治研究院 | 一种基于数字孪生仿真平台的地质灾害推演方法及系统 |
CN115294283A (zh) * | 2022-08-30 | 2022-11-04 | 海尔数字科技(青岛)有限公司 | 一种数字孪生工厂构建方法、装置、设备和存储介质 |
CN115422696A (zh) * | 2022-04-24 | 2022-12-02 | 上海玫克生储能科技有限公司 | 一种模组数字孪生模型建立方法、系统、终端和介质 |
CN116227248A (zh) * | 2023-05-10 | 2023-06-06 | 长江三峡集团实业发展(北京)有限公司 | 重力储能系统的数字孪生体构建方法、装置及电子设备 |
CN116227647A (zh) * | 2022-09-28 | 2023-06-06 | 中国电力科学研究院有限公司 | 一种新型电力系统数字孪生推演优化方法及系统 |
CN118013766A (zh) * | 2024-04-10 | 2024-05-10 | 河北工程大学 | 基于数字孪生的智慧农业线上产业化服务系统 |
Citations (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2018132112A1 (en) * | 2017-01-16 | 2018-07-19 | Siemens Aktiengesellschaft | Digital twin graph |
CN108628261A (zh) * | 2017-03-21 | 2018-10-09 | 西门子公司 | 工艺控制装置和方法 |
CN109116751A (zh) * | 2018-07-24 | 2019-01-01 | 西安西电电气研究院有限责任公司 | 基于数字孪生技术的数字化系统及其构建方法 |
CN109343496A (zh) * | 2018-11-14 | 2019-02-15 | 中国电子工程设计院有限公司 | 应用于工业生产的数字孪生系统及其形成方法 |
CN109615113A (zh) * | 2018-11-19 | 2019-04-12 | 江苏科技大学 | 一种基于数字孪生的船用柴油机关重件加工质量预测方法 |
CN109684727A (zh) * | 2018-12-20 | 2019-04-26 | 华润电力技术研究院有限公司 | 孪生体模型构建方法、装置和计算机设备 |
CN109933035A (zh) * | 2019-04-24 | 2019-06-25 | 中国科学院重庆绿色智能技术研究院 | 一种基于数字孪生的生产线控制系统、方法及生产系统 |
CN110442936A (zh) * | 2019-07-24 | 2019-11-12 | 中国石油大学(北京) | 基于数字孪生模型的设备故障诊断方法、装置及系统 |
CN110502786A (zh) * | 2019-07-16 | 2019-11-26 | 深圳拓谱信息技术有限公司 | 用于生产线的数字孪生处理方法、装置、系统和设备 |
US20200097493A1 (en) * | 2018-09-23 | 2020-03-26 | Microsoft Technology Licensing, Llc | Individualized Telemetry Processing Leveraging Digital Twins Property(ies) and Topological Metadata |
CN111008502A (zh) * | 2019-11-25 | 2020-04-14 | 北京航空航天大学 | 一种数字孪生驱动的复杂装备故障预测方法 |
CN111445081A (zh) * | 2020-04-01 | 2020-07-24 | 浙江大学 | 产品作业动态调度的数字孪生虚实自适应迭代优化方法 |
CN111639430A (zh) * | 2020-05-29 | 2020-09-08 | 重庆大学 | 一种数字孪生驱动的天然气管道泄漏识别系统 |
-
2020
- 2020-11-02 CN CN202011206154.8A patent/CN112200493A/zh active Pending
Patent Citations (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2018132112A1 (en) * | 2017-01-16 | 2018-07-19 | Siemens Aktiengesellschaft | Digital twin graph |
CN108628261A (zh) * | 2017-03-21 | 2018-10-09 | 西门子公司 | 工艺控制装置和方法 |
CN109116751A (zh) * | 2018-07-24 | 2019-01-01 | 西安西电电气研究院有限责任公司 | 基于数字孪生技术的数字化系统及其构建方法 |
US20200097493A1 (en) * | 2018-09-23 | 2020-03-26 | Microsoft Technology Licensing, Llc | Individualized Telemetry Processing Leveraging Digital Twins Property(ies) and Topological Metadata |
CN109343496A (zh) * | 2018-11-14 | 2019-02-15 | 中国电子工程设计院有限公司 | 应用于工业生产的数字孪生系统及其形成方法 |
CN109615113A (zh) * | 2018-11-19 | 2019-04-12 | 江苏科技大学 | 一种基于数字孪生的船用柴油机关重件加工质量预测方法 |
CN109684727A (zh) * | 2018-12-20 | 2019-04-26 | 华润电力技术研究院有限公司 | 孪生体模型构建方法、装置和计算机设备 |
CN109933035A (zh) * | 2019-04-24 | 2019-06-25 | 中国科学院重庆绿色智能技术研究院 | 一种基于数字孪生的生产线控制系统、方法及生产系统 |
CN110502786A (zh) * | 2019-07-16 | 2019-11-26 | 深圳拓谱信息技术有限公司 | 用于生产线的数字孪生处理方法、装置、系统和设备 |
CN110442936A (zh) * | 2019-07-24 | 2019-11-12 | 中国石油大学(北京) | 基于数字孪生模型的设备故障诊断方法、装置及系统 |
CN111008502A (zh) * | 2019-11-25 | 2020-04-14 | 北京航空航天大学 | 一种数字孪生驱动的复杂装备故障预测方法 |
CN111445081A (zh) * | 2020-04-01 | 2020-07-24 | 浙江大学 | 产品作业动态调度的数字孪生虚实自适应迭代优化方法 |
CN111639430A (zh) * | 2020-05-29 | 2020-09-08 | 重庆大学 | 一种数字孪生驱动的天然气管道泄漏识别系统 |
Non-Patent Citations (3)
Title |
---|
AGNIVA BANERJEE: "Generating Digital Twin models using Knowledge Graphs for Industrial Production Lines", 《INDUSTRIAL KNOWLEDGE GRAPHS, CO-LOCATED WITH THE 9TH INTERNATIONAL ACM WEB SCIENCE CONFERENCE 2017》, pages 1 - 6 * |
刘占省 等: "基于数字孪生的智 能建造五维模型及关键方法研究", 《中国土木工程学会2020年学术年会论文集》, pages 112 - 124 * |
陈振 等: "基于数字孪生的飞机装配车间生产管控模式探索", 《航空制造技术》, vol. 61, no. 12, pages 46 - 50 * |
Cited By (26)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112906206A (zh) * | 2021-01-29 | 2021-06-04 | 航天科工智能运筹与信息安全研究院(武汉)有限公司 | 数字孪生模型构建方法和装置 |
CN112906206B (zh) * | 2021-01-29 | 2024-04-02 | 航天科工智能运筹与信息安全研究院(武汉)有限公司 | 数字孪生模型构建方法和装置 |
CN112818490A (zh) * | 2021-03-18 | 2021-05-18 | 中国人民解放军陆军工程大学 | 一种云边架构的装备数字孪生平行仿真系统及方法 |
CN113485295A (zh) * | 2021-07-07 | 2021-10-08 | 西北工业大学 | 基于数字孪生的四足机器人故障预测方法、装置及设备 |
CN113656971A (zh) * | 2021-08-18 | 2021-11-16 | 中国石油化工股份有限公司 | 数字孪生系统建立方法、装置、电子设备和可读存储介质 |
CN113656971B (zh) * | 2021-08-18 | 2024-06-04 | 中国石油化工股份有限公司 | 数字孪生系统建立方法、装置、电子设备和可读存储介质 |
CN113792423A (zh) * | 2021-09-04 | 2021-12-14 | 苏州特比姆智能科技有限公司 | 一种tpm设备管理的数字孪生行为约束方法及系统 |
CN113792423B (zh) * | 2021-09-04 | 2023-10-24 | 苏州特比姆智能科技有限公司 | 一种tpm设备管理的数字孪生行为约束方法及系统 |
CN114417549B (zh) * | 2021-11-29 | 2023-09-22 | 天津大学 | 一种基于超级计算机的数字孪生目标场数据处理系统 |
CN114417549A (zh) * | 2021-11-29 | 2022-04-29 | 天津大学 | 一种基于超级计算机的数字孪生目标场数据处理系统 |
CN114710395A (zh) * | 2022-03-31 | 2022-07-05 | 亚信科技(中国)有限公司 | 基于数字孪生技术的网络业务的实施实例的构建方法 |
CN114710395B (zh) * | 2022-03-31 | 2024-03-08 | 亚信科技(中国)有限公司 | 基于数字孪生技术的网络业务的实施实例的构建方法 |
CN115422696A (zh) * | 2022-04-24 | 2022-12-02 | 上海玫克生储能科技有限公司 | 一种模组数字孪生模型建立方法、系统、终端和介质 |
CN114722625A (zh) * | 2022-04-24 | 2022-07-08 | 上海玫克生储能科技有限公司 | 锂电池的单体数字孪生模型建立方法、系统、终端和介质 |
CN115114268B (zh) * | 2022-06-30 | 2023-08-11 | 北京亚控科技发展有限公司 | 一种组织未来状态孪生方法、装置及设备 |
CN115114268A (zh) * | 2022-06-30 | 2022-09-27 | 北京亚控科技发展有限公司 | 一种组织未来状态孪生方法、装置及设备 |
CN115221704A (zh) * | 2022-07-18 | 2022-10-21 | 应急管理部国家自然灾害防治研究院 | 一种基于数字孪生仿真平台的地质灾害推演方法及系统 |
CN115022965B (zh) * | 2022-07-25 | 2024-04-09 | 中国联合网络通信集团有限公司 | 小区定位方法、装置、电子设备及存储介质 |
CN115022965A (zh) * | 2022-07-25 | 2022-09-06 | 中国联合网络通信集团有限公司 | 小区定位方法、装置、电子设备及存储介质 |
CN115294283B (zh) * | 2022-08-30 | 2024-03-08 | 卡奥斯数字科技(青岛)有限公司 | 一种数字孪生工厂构建方法、装置、设备和存储介质 |
CN115294283A (zh) * | 2022-08-30 | 2022-11-04 | 海尔数字科技(青岛)有限公司 | 一种数字孪生工厂构建方法、装置、设备和存储介质 |
CN116227647A (zh) * | 2022-09-28 | 2023-06-06 | 中国电力科学研究院有限公司 | 一种新型电力系统数字孪生推演优化方法及系统 |
CN116227248B (zh) * | 2023-05-10 | 2023-07-07 | 长江三峡集团实业发展(北京)有限公司 | 重力储能系统的数字孪生体构建方法、装置及电子设备 |
CN116227248A (zh) * | 2023-05-10 | 2023-06-06 | 长江三峡集团实业发展(北京)有限公司 | 重力储能系统的数字孪生体构建方法、装置及电子设备 |
CN118013766A (zh) * | 2024-04-10 | 2024-05-10 | 河北工程大学 | 基于数字孪生的智慧农业线上产业化服务系统 |
CN118013766B (zh) * | 2024-04-10 | 2024-06-18 | 河北工程大学 | 基于数字孪生的智慧农业线上产业化服务系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112200493A (zh) | 一种数字孪生模型构建方法及装置 | |
CN112200492B (zh) | 一种数字孪生模型构建、业务活动预测分析方法及装置 | |
CN112884092B (zh) | Ai模型生成方法、电子设备及存储介质 | |
WO2017076154A1 (zh) | 网络事件预测以及建立网络事件预测模型的方法和装置 | |
WO2019001278A1 (zh) | 医疗保险基金精算预测方法、装置以及计算机设备 | |
JPWO2020021587A1 (ja) | 時系列データ診断装置、追加学習方法およびプログラム | |
CN110647447B (zh) | 用于分布式系统的异常实例检测方法、装置、设备和介质 | |
CN112102959A (zh) | 一种服务器、数据处理方法、装置及可读存储介质 | |
CN113268403A (zh) | 时间序列的分析预测方法、装置、设备及存储介质 | |
CN115545058A (zh) | 一种水表数据分析方法、系统及可读存储介质 | |
CN114220479A (zh) | 一种蛋白质结构预测方法、蛋白质结构预测装置及介质 | |
CN112365156A (zh) | 一种数据处理方法、数据处理装置、终端及存储介质 | |
CN113919432A (zh) | 一种分类模型构建方法、数据分类方法及装置 | |
CN113313304A (zh) | 一种基于大数据决策树的电网事故异常分析方法及系统 | |
CN115147236A (zh) | 一种处理方法、处理装置和电子设备 | |
CN111444170B (zh) | 基于预测业务场景的自动机器学习方法和设备 | |
CN113537631A (zh) | 药品需求量的预测方法、装置、电子设备及存储介质 | |
CN113327072A (zh) | 一种智能制造装备流程的数据共享方法及系统 | |
CN113129127A (zh) | 预警方法和装置 | |
EP4055780A1 (en) | Management of predictive models of a communication network | |
CN117132176B (zh) | 基于预报因子筛选的径流预报模型构建和径流预报方法 | |
CN116302661B (zh) | 一种异常预测方法、装置、电子设备及存储介质 | |
CN111400152B (zh) | 数据处理方法以及第一服务器和第二服务器 | |
US20240061414A1 (en) | B vs w two pack confirmation test | |
CN111984636B (zh) | 数据建模方法和装置、设备及存储介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination |