发明内容
有鉴于此,本发明的目的在于提供一种物模型处理方法、装置和电子设备,以进行更广泛规模的功能性验证,模拟真实业务的数据情况。
第一方面,本发明实施例提供了一种物模型处理方法,方法包括:定义物模型的参数数据;基于参数数据构建草稿物模型;基于草稿物模型发布仿真物实例;收集仿真物实例的运行数据;基于运行数据调整参数数据。
在本发明较佳的实施例中,上述基于草稿物模型发布仿真物实例的步骤,包括:获取物模型的仿真数据;基于仿真数据和草稿物模型发布仿真物实例。
在本发明较佳的实施例中,上述收集仿真物实例的运行数据的步骤,包括:收集仿真物实例多次运行的运行数据;上述基于运行数据调整参数数据的步骤,包括:基于多次运行的运行数据调整参数数据。
在本发明较佳的实施例中,上述基于多次运行的运行数据调整参数数据的步骤,包括:基于多次运行的运行数据,确定仿真物实例的运行规律;基于运行规律调整参数数据。
在本发明较佳的实施例中,上述基于多次运行的运行数据调整参数数据的步骤,包括:基于多次运行的运行数据,通过深度学习的方式调整参数数据。
在本发明较佳的实施例中,上述基于运行数据调整参数数据的步骤,包括:基于运行数据调整参数数据中的属性值;或者,基于运行数据在参数数据中添加属性类型,并为属性类型赋予属性值。
在本发明较佳的实施例中,上述基于运行数据调整参数数据的步骤之后,方法还包括:基于调整后的参数数据构建最终物模型;基于最终物模型发布最终物实例;收集最终物实例的运行数据;基于最终物实例的运行数据调整最终物模型的参数数据。
第二方面,本发明实施例还提供一种物模型处理装置,装置包括:物模型定义模块,用于定义物模型的参数数据;草稿物模型构建模块,用于基于参数数据构建草稿物模型;仿真物实例发布模块,用于基于草稿物模型发布仿真物实例;仿真物实例运行模块,用于收集仿真物实例的运行数据;物模型调整模块,用于基于运行数据调整参数数据。
第三方面,本发明实施例还提供一种电子设备,包括处理器和存储器,存储器存储有能够被处理器执行的计算机可执行指令,处理器执行计算机可执行指令以实现上述的物模型处理方法的步骤。
第四方面,本发明实施例还提供一种计算机可读存储介质,计算机可读存储介质存储有计算机可执行指令,计算机可执行指令在被处理器调用和执行时,计算机可执行指令促使处理器实现上述的物模型处理方法的步骤。
本发明实施例带来了以下有益效果:
本发明实施例提供的一种物模型处理方法、装置和电子设备,通过定义物模型的参数数据,在构建草稿物模型之后可以基于草稿物模型发布仿真物实例,收集仿真物实例的运行数据,并且可以基于运行数据调整参数数据。该方式中,可以构建草稿物模型,并且可以通过仿真发布仿真物实例的形式根据仿真物实例的运行数据调整物模型的参数数据,调整后的物模型可以进行更广泛规模的功能性验证,模拟真实业务的数据情况,提升了调试的有效性、可靠性,加速的物模型的整体开发速度。
通过定义物模型的参数数据,在构建草稿物模型之后可以基于草稿物模型发布仿真物实例,收集仿真物实例的运行数据,并且可以基于运行数据调整参数数据。该方式中,可以构建草稿物模型,并且可以通过仿真发布仿真物实例的形式根据仿真物实例的运行数据调整物模型的参数数据,调整后的物模型可以进行更广泛规模的功能性验证,模拟真实业务的数据情况,提升了调试的有效性、可靠性,加速的物模型的整体开发速度。
本发明公开的其他特征和优点将在随后的说明书中阐述,或者,部分特征和优点可以从说明书推知或毫无疑义地确定,或者通过实施本发明公开的上述技术即可得知。
为使本发明公开的上述目的、特征和优点能更明显易懂,下文特举较佳实施例,并配合所附附图,作详细说明如下。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,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。
目前,一些物联网平台支持使用“设备模拟器”,人工手动在设备模拟器中输入一些字符串做一些简单的仿真上数。例如:人工输入一个参数值,发送到物联网平台作为接收值;或是设一些简单规则,让系统代替人发送数值。这样调试只能做一些基础功能性验证,无法模拟真实业务的数据情况。基于此,本发明实施例提供的一种物模型处理方法、装置和电子设备,该方式具体为一种用于工业模型迭代仿真发布和调试的方法与系统,披露了一种方便物模型开发人员迭代和调试物模型,且调试的数据接近真实业务数据的方法与系统。
为便于对本实施例进行理解,首先对本发明实施例所公开的一种物模型处理方法进行详细介绍。
实施例1
本发明实施例提供一种物模型处理方法,参见图1所示的一种物模型处理方法的流程图,该物模型处理方法包括如下步骤:
步骤S102,定义物模型的参数数据。
本实施例的方法可以应用于物联网平台,物联网(The Internet of Things,IOT)通过各种信息传感器、射频识别技术、全球定位系统、红外感应器、激光扫描器等各种装置与技术,实时采集任何需要监控、连接、互动的物体或过程,采集其声、光、热、电、力学、化学、生物、位置等各种需要的信息,通过各类可能的网络接入,实现物与物、物与人的泛在连接,实现对物品和过程的智能化感知、识别和管理。物联网是一个基于互联网、传统电信网等的信息承载体,它让所有能够被独立寻址的普通物理对象形成互联互通的网络。
本实施例中将工业物理世界的对象抽象成的数字模型称之为物模型,其中,工业物理世界的对象包括但不局限于:厂房、生产线、设备等。参数是数据可以为构建物模型需要用到的参数,例如:设备的温度和湿度、厂房的位置,生产线的运转速度等数据。
步骤S104,基于参数数据构建草稿物模型。
在完成物模型的定义操作后,可以基于参数数据构建一个草稿物模型,构建草稿物模型可以理解为对真实物模型的仿真处理,得到草稿物模型后可以进行仿真发布,即发布仿真物实例。
步骤S106,基于草稿物模型发布仿真物实例。
当用户修改了物模型且未发布(未将更新应用到真实关联的物实例)前,物模型既处于草稿状态,用户可以对草稿状态的物模型(即草稿物模型)进行“仿真发布”。所谓“仿真发布”是会生成一个应用了“草稿物模型”的“仿真物实例”。
步骤S108,收集仿真物实例的运行数据。
其中,仿真物实例会发布在云端服务器中,以方便其进行运行。仿真发布仿真物实例之后,可以手机仿真物实例的运行数据,确定仿真物实例与真实的物理空间的实体之间的差距。
步骤S110,基于运行数据调整参数数据。
收集仿真物实例的运行数据后,可以根据运行数据调整物模型的参数数据,即根据确定仿真物实例与真实的物理空间的实体之间的差距调整物模型的参数数据。
调整物模型的参数数据之后,可以根据调整后的参数数据继续构建草稿物模型、发布仿真物实例,收集仿真物实例的运行数据后继续调整物模型的参数数据。在多次调整物模型的参数数据后,可以生成最终的物实例,最终的物实例可以进行更广泛规模的功能性验证,模拟真实业务的数据情况。
本发明实施例提供的一种物模型处理方法,通过定义物模型的参数数据,在构建草稿物模型之后可以基于草稿物模型发布仿真物实例,收集仿真物实例的运行数据,并且可以基于运行数据调整参数数据。该方式中,可以构建草稿物模型,并且可以通过仿真发布仿真物实例的形式根据仿真物实例的运行数据调整物模型的参数数据,调整后的物模型可以进行更广泛规模的功能性验证,模拟真实业务的数据情况,提升了调试的有效性、可靠性,加速的物模型的整体开发速度。
实施例2
本发明实施例还提供另一种物模型处理方法;该方法在上述实施例方法的基础上实现;该方法重点描述基于草稿物模型发布仿真物实例的具体实现方式。如图2所示的另一种物模型处理方法的流程图,该物模型处理方法包括如下步骤:
步骤S202,定义物模型的参数数据。
参见图3所示的一种物模型处理方法的示意图,定义物模型的参数数据的步骤即图3中的对物模型进行定义。
步骤S204,基于参数数据构建草稿物模型。
如图3所示,基于参数数据构建草稿物模型的步骤即图3中的物模型草稿管理。
步骤S206,获取物模型的仿真数据。
如图3所示,在进行物模型仿真调试前,需要自定义仿真数据。其中,仿真数据可以是一个设备的温度、电流、电压、转速,或者一个行动的设备当前的地理位置等数据。
步骤S208,基于仿真数据和草稿物模型发布仿真物实例。
在自定义获取仿真数据之后,可以基于自定义的仿真数据和草稿物模型发布仿真物实例,即图3中的物模型仿真调试。
步骤S210,收集仿真物实例的运行数据。
在收集仿真物实例的运行数据,并且基于运行数据调整参数数据时。可以每运行一次,就收集运行一次的运行数据,并基于运行一次的运行数据调整参数数据。也可以运行多次仿真物实例,基于多次运行的仿真物实例统一调整参数数据,此时可以通过以下步骤收集仿真物实例的运行数据:收集仿真物实例多次运行的运行数据。
步骤S212,基于运行数据调整参数数据。
基于运行数据调整参数数据的步骤即图3中的物模型修改。在多次仿真物实例时,可以通过以下步骤基于运行数据调整参数数据:基于多次运行的运行数据调整参数数据。
其中,可以先总结多次运行的运行数据的规律,根据总结的规律调整参数数据。例如:基于多次运行的运行数据,确定仿真物实例的运行规律;基于运行规律调整参数数据。除此以外,还可以挺过深度学习的方式调整参数数据。例如:基于多次运行的运行数据,通过深度学习的方式调整参数数据。
具体来说,可以通过以下步骤基于运行数据调整参数数据的步骤:基于运行数据调整参数数据中的属性值;或者,基于运行数据在参数数据中添加属性类型,并为属性类型赋予属性值。
也就是说,如果想要修改参数数据中已经有的数据类型,可以直接修改该数据类型中的属性值;如果想要修改的数据类型不存在于参数数据中,则可以在参数数据中添加属性类型,并为属性类型赋予属性值。
在完成物模型修改后可以重新定义物模型,以继续调整物模型。完成调整后的物模型可以发布(即图3中的物模型发布的步骤),可以通过以下步骤执行:基于调整后的参数数据构建最终物模型;基于最终物模型发布最终物实例;收集最终物实例的运行数据;基于最终物实例的运行数据调整最终物模型的参数数据。
本实施例中关于技术模块调用架构,可以参见图4所示的一种物模型处理方法的技术模块调用架构示意图,如图4所示,在完成物模型实例注册后,可以继续根据真实数据修改物模型,即:收集最终物实例的运行数据;基于最终物实例的运行数据调整最终物模型的参数数据。
本发明实施例中可以通过下述逐步后进行物模型的创建和处理:1.用户在一个已发布的物模型点击“修改模型”,进入草稿。2.编辑物模型草稿,修改“温度”属性,新增了一个属性“转速”。3.用户点击“仿真发布”。4.统提示用户对新增的属性的数据生成规则进行补充(和仿真设备模版的类似),用户补充后点确定。5. “模拟物实例”成功生成(物标识是自动随机分配的),用户点击查看“仿真物实例”6. 用户查看“仿真物实例”的详情页查看工况。
本发明实施例提供的上述方法,系统会可以从物模型角度,对于正在运行的一个或多个物实例(, 学习收集到的每个属性的历史工况数据。其中,学习的数据可以是回放一个物实例历史数据,也可以对多个物实例数据的综合,或是抽出规律重新演绎,或是深度学习。
本发明实施例提供的上述方法,当用户修改了物模型且未发布(未将更新应用到真实关联的物实例)前,既处于草稿状态,用户可以对草稿状态的物模型进行“仿真发布”。所谓“仿真发布”是会生成一个应用了“草稿物模型”的“仿真物实例”。
本发明实施例提供的上述方法,对于“草稿物模型”中已有的属性类型,系统会使用学习到的历史工况数据喂给“仿真物实例”;而对于草稿物模型中新增的属性类型,系统会要求用户属性数据设置规则,从而生成仿真数据喂给“仿真物实例”。“仿真物实例”用于调试“草稿物模型”中定义的数据是否正确,会随“草稿物模型”的更新而更新运行数据。
该方式中,物模型开发人员可以非常快捷、高效地对正在修改的草稿物模型进行调试。使用接近真实业务的数据反馈调试草稿物模型,提升了调试的有效性、可靠性,加速的物模型的整体开发速度。
实施例3
对应于上述方法实施例,本发明实施例提供了一种物模型处理装置,如图5所示的一种物模型处理装置的结构示意图,该物模型处理装置包括:
物模型定义模块51,用于定义物模型的参数数据;
草稿物模型构建模块52,用于基于参数数据构建草稿物模型;
仿真物实例发布模块53,用于基于草稿物模型发布仿真物实例;
仿真物实例运行模块54,用于收集仿真物实例的运行数据;
物模型调整模块55,用于基于运行数据调整参数数据。
本发明实施例提供的一种物模型处理装置,通过定义物模型的参数数据,在构建草稿物模型之后可以基于草稿物模型发布仿真物实例,收集仿真物实例的运行数据,并且可以基于运行数据调整参数数据。该方式中,可以构建草稿物模型,并且可以通过仿真发布仿真物实例的形式根据仿真物实例的运行数据调整物模型的参数数据,调整后的物模型可以进行更广泛规模的功能性验证,模拟真实业务的数据情况,提升了调试的有效性、可靠性,加速的物模型的整体开发速度。
上述仿真物实例发布模块,用于获取物模型的仿真数据;基于仿真数据和草稿物模型发布仿真物实例。
上述仿真物实例运行模块,用于收集仿真物实例多次运行的运行数据;上述物模型调整模块,用于基于多次运行的运行数据调整参数数据。
上述物模型调整模块,用于基于多次运行的运行数据,确定仿真物实例的运行规律;基于运行规律调整参数数据。
上述物模型调整模块,用于基于多次运行的运行数据,通过深度学习的方式调整参数数据。
上述物模型调整模块,用于基于运行数据调整参数数据中的属性值;或者,基于运行数据在参数数据中添加属性类型,并为属性类型赋予属性值。
上述装置还包括最终物模型调整模块,用于基于调整后的参数数据构建最终物模型;基于最终物模型发布最终物实例;收集最终物实例的运行数据;基于最终物实例的运行数据调整最终物模型的参数数据。
本发明实施例提供的物模型处理装置,与上述实施例提供的物模型处理方法具有相同的技术特征,所以也能解决相同的技术问题,达到相同的技术效果。
实施例4
本发明实施例还提供了一种电子设备,用于运行上述物模型处理方法;参见图6所示的一种电子设备的结构示意图,该电子设备包括存储器100和处理器101,其中,存储器100用于存储一条或多条计算机指令,一条或多条计算机指令被处理器101执行,以实现上述物模型处理方法。
进一步地,图6所示的电子设备还包括总线102和通信接口103,处理器101、通信接口103和存储器100通过总线102连接。
其中,存储器100可能包含高速随机存取存储器(RAM,Random Access Memory),也可能还包括非不稳定的存储器(non-volatile memory),例如至少一个磁盘存储器。通过至少一个通信接口103(可以是有线或者无线)实现该系统网元与至少一个其他网元之间的通信连接,可以使用互联网,广域网,本地网,城域网等。总线102可以是ISA总线、PCI总线或EISA总线等。总线可以分为地址总线、数据总线、控制总线等。为便于表示,图6中仅用一个双向箭头表示,但并不表示仅有一根总线或一种类型的总线。
处理器101可能是一种集成电路芯片,具有信号的处理能力。在实现过程中,上述方法的各步骤可以通过处理器101中的硬件的集成逻辑电路或者软件形式的指令完成。上述的处理器101可以是通用处理器,包括中央处理器(Central Processing Unit,简称CPU)、网络处理器(Network Processor,简称NP)等;还可以是数字信号处理器(DigitalSignal Processor,简称DSP)、专用集成电路(Application Specific IntegratedCircuit,简称ASIC)、现场可编程门阵列(Field-Programmable Gate Array,简称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。可以实现或者执行本发明实施例中的公开的各方法、步骤及逻辑框图。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。结合本发明实施例所公开的方法的步骤可以直接体现为硬件译码处理器执行完成,或者用译码处理器中的硬件及软件模块组合执行完成。软件模块可以位于随机存储器,闪存、只读存储器,可编程只读存储器或者电可擦写可编程存储器、寄存器等本领域成熟的存储介质中。该存储介质位于存储器100,处理器101读取存储器100中的信息,结合其硬件完成前述实施例的方法的步骤。
本发明实施例还提供了一种计算机可读存储介质,该计算机可读存储介质存储有计算机可执行指令,该计算机可执行指令在被处理器调用和执行时,计算机可执行指令促使处理器实现上述物模型处理方法,具体实现可参见方法实施例,在此不再赘述。
本发明实施例所提供的物模型处理方法和装置的计算机程序产品,包括存储了程序代码的计算机可读存储介质,程序代码包括的指令可用于执行前面方法实施例中的方法,具体实现可参见方法实施例,在此不再赘述。
所属领域的技术人员可以清楚地了解到,为描述的方便和简洁,上述描述的装置和/或电子设备的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
最后应说明的是:以上实施例,仅为本发明的具体实施方式,用以说明本发明的技术方案,而非对其限制,本发明的保护范围并不局限于此,尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,其依然可以对前述实施例所记载的技术方案进行修改或可轻易想到变化,或者对其中部分技术特征进行等同替换;而这些修改、变化或者替换,并不使相应技术方案的本质脱离本发明实施例技术方案的精神和范围,都应涵盖在本发明的保护范围之内。因此,本发明的保护范围应所述以权利要求的保护范围为准。