CN112306464A - 利用数字孪生体实现工业场景下信息物理融合方法和系统 - Google Patents

Abstract

本发明公开了利用数字孪生体实现工业场景下信息物理融合方法和系统。包括：基于云的机理模型、数据模型、业务模型数字孪生体建模方法、CPS综合集成管理系统、标准化组态实施工具、边缘硬件网关/适配器、工业场景实例模型库构建和实施应用。本发明提供的利用数字孪生体实现工业场景下信息物理融合的方法及系统，不仅统一了信息模型规范，提升了工业互联网平台对工业要素管理水平，而且为提供更适用于工业场景需求的数据分析和应用开发服务提供平台，实现了信息世界与物理世界互联互通，为设备间自主通信、自主分析和自主决策提供了必要的支撑环境。

Description

利用数字孪生体实现工业场景下信息物理融合方法和系统

技术领域

本发明涉及计算机科学与自动化控制技术领域，特别是涉及离散制造企业在工业场景下利用数字孪生体实现信息物理融合的方法及系统。

背景技术

随着工业互联网技术受众的扩大以及行业认识的加深，工业互联网平台技术创新持续深化，技术体系从支撑“建平台”走向支持“用平台”。在这一过程中，通过工业模型沉淀和场景化二次开发所带来的平台服务功能提升，成为鲜明的技术发展主线。模型的沉淀、集成与管理成为平台核心能力，信息模型的集成与统一成为提升平台工业要素管理水平的关键，为平台资产、功能提供统一的语义描述；机理模型、数据模型、业务模型快速在平台中沉淀，使平台化提供工业个性服务成为可能。

发明内容

针对现有离散制造企业信息物理不融合的痛点，本发明的目的在于提供了一种利用数字孪生体实现工业场景下信息物理融合的方法。

本发明为实现上述目的所采用的技术方案是：利用数字孪生体实现工业场景下信息物理融合方法，包括：

CPS综合集成管理系统构建数字孪生体模型的建模、以及数字孪生体模型的管理，并提供SDK与API供数字孪生体模型上云端；

组态实施工具从云端下载数字孪生体模型，并根据数字孪生体模型进行可视化工程组态，同时提供行业模板库；

边缘网关控制器针对不同设备进行数据采集，并针对数字孪生体实现模型的加壳过程。

对CPS综合集成管理系统的模型管理，包括以下步骤：

快速模型编辑：对数字孪生体模型进行编辑，对从边缘侧网关加壳后的数字孪生体模型进行解壳操作；

模型导入与注册：从边缘侧网关加壳后进入CPS综合集成管理系统中的数字孪生体模型进行导入和授权注册；

跨域索引与模型匹配关系：建立数字孪生体模型间的关系，以实现模型间的跨域索引与匹配；

服务组合：针对不同的协议，微服务间进行组合协议的配置信息，从而实例化协议微服务提供的连接、断开、数据采集接口；之后根据数字孪生体模型进行数据对象绑定，进行模型解析，接口自动映射操作。

所述边缘侧网关控制器封装了设备PLC工作状态，外部设备的外部接口触发各种工作状态，然后由边缘网关控制器的控制组件访问各种IO接口；外部设备的主要的工作状态包括：占用、执行模式和执行状态；每种工作状态又拥有多种属性，包括：占用包括空闲、被占用、优先权、本地化属性。

对CPS综合集成管理系统的信号处理层进行信息融合，包括以下步骤：

(1)信号处理模型建模：经过数据采集模型上传的数据，首先在信号处理模型中进行注册，然后生成信号处理模型索引；其次，对数据进行服务封装以被云端调用；

(2)信号处理模型实例化：将配置的服务封装实例化，即对配置的参数进行赋值和配置，最终在边缘网关中运行；

对CPS综合集成管理系统的机理分析层进行信息融合，包括以下步骤：

对机理分析模型进行注册，并被封装成微服务，上传至逻辑执行层用于进一步的封装；

组态实施工具通过机理分析模型的导入、解析进行自定义配置，并将机理分析模型下载到边缘控制器中执行，实现按照机理分析模型中的算法对底层设备的控制。

对CPS综合集成管理系统的逻辑执行层进行信息融合，包括以下步骤：

(1)模型编辑：对逻辑执行层模型进行编辑；

(2)模型注册：将编辑之后的逻辑执行层模型上传至云平台，进行注册；

(3)模型索引/匹配：在云平台通过唯一ID号标识进行区别，同时建立索引，供其他层服务进行调用；

(4)微服务封装及组合：逻辑执行层模型使用微服务形式进行封装，把需要相互调用的其他微服务进行组合封装；

(5)模型导出：通过模型编辑、注册、索引匹配以及微服务化之后的逻辑执行层模型导出，形成可实例化的数字孪生体模型，供组态实施工具下载。

对CPS综合集成管理系统的实时控制层进行信息融合，包括以下步骤：

对实时控制的设备进行加载封装操作，创建实时控制层模型，封装的信息包括控制参数和控制协议；

实时控制层模型创建完成后，注册到含有行业模板库的数字化资产库，供用户访问数字化资产库进行导入和操作。

对工业互联网平台应用层进行信息融合，包括以下步骤：

将CPS综合管理系统上传的数字孪生体模型进行编排与管理，供组态实施工具从云端下载服务进行实例化开发；

通过边缘网关控制器将数字孪生体模型服务注册到云端，然后在云端将数字孪生体模型进行服务编排、定义数据封装、逻辑关联与设备建模操作，形成工业微服务组件库；

云端将服务存储在其分布式架构的从节点云主机上；组态实施工具从云端下载服务进行实例化开发，即当组态实施工具向云端发起服务请求时，云端从主节点中的服务编排列表查找到数字孪生体模型服务所在的云主机，组态实施工具将其服务进行下载到本地进行开发。

利用数字孪生体实现工业场景下信息物理融合系统，其特征在于，包括：

CPS综合集成管理系统，用于构建数字孪生体模型的建模、以及数字孪生体模型的管理，并提供SDK与API供数字孪生体模型上云端；

组态实施工具，用于从云端下载数字孪生体模型，并根据数字孪生体模型进行可视化工程组态，同时提供行业模板库；

边缘网关控制器，用于针对不同物理设备进行数据采集，同时针对数字孪生体实现模型的加壳过程。

所述CPS综合集成管理系统，包括：

数据采集层，用于从物理单元采集数据，构成数据采集层模型；

信号处理层，用于将数据采集层模型附加用于信号处理的算法，构成信号处理层模型；

机理分析层，用于将信号处理层模型附加用于机理分析的算法，构成机理分析层模型；

逻辑执行层，用于将机理分析层模型附加用于逻辑执行的算法，构成逻辑执行层模型；

实施控制层，用于对设备进行加载封装，构成实施控制层模型；

工业互联网平台应用层，用于对数字孪生体模型进行编排与管理；

数字孪生体模型，包括数据采集层模型、信号处理层模型、机理分析层模型、逻辑执行层模型、实施控制层模型。

本发明具有以下有益效果及优点：

1.通过机理模型、数据模型、业务模型分析在平台中沉淀的数字孪生体能够将物理设备的各种属性映射到虚拟空间中，形成可拆解、可复制、可转移、可修改、可删除、可重复操作的数字镜像；

2.边缘硬件网关/适配器，能够在完成工业协议解析，数据采集的基础上，实现数字孪生体模型的自动加载、解析、卸载；

3.标准化组态实施工具，可以提升不同制造业快速搭建不同工业工厂CPS应用能力；

4.CPS综合集成管理系统，能够形成标准化的CPS开发环境，使得工业软件在开发模式上的变革将驱动商业模式发生改变；

5.离散制造企业通过数字孪生体对象的建模，并在边缘网关、标准化组态实施工具、CPS综合集成管理系统中实施应用，将实现企业/工厂/车间内人、机、料、法、环、测互联互通，为设备间自主通信、自主分析和自主决策提供必要的支撑环境。

6.本发明通过数字孪生体建模，不仅统一了信息模型规范，提升了工业互联网平台对工业要素管理水平，为各类工业设备、系统进行更加有效的识别和交互提供了支撑；而且本发明还提供了对机理模型、数据模型、业务模型库的数字孪生体建模方法及CPS综合集成管理系统，进一步强化了平台的工业服务能力，为提供更适用于工业场景需求的数据分析和应用开发服务不断深化积累，提升分析结果的准确度。从而有效解决了工业场景下信息物理不融合的问题。

附图说明

图1为本发明实施例提供的利用数字孪生体实现工业场景下信息物理融合方法及系统功能架构图；

图2为本发明实施例提供的以工业机器人为例的数字孪生体对象封装、建模及实例化组态技术路线图；

图3为本发明实施例提供的利用数字孪生体实现工业场景下信息物理融合方法及系统行业实施案例图。

具体实施方式

下面结合附图及实施例对本发明做进一步的详细说明。

如图1所示，本发明实施例提供的利用数字孪生体实现工业场景下信息物理融合方法及系统功能架构包含CPS综合集成管理系统、标准化组态实施工具和边缘网关控制器三个组件。

其中，CPS综合集成管理系统主要实现数字孪生体模型的建模、分类索引、检索、导出模型上云；标准化组态实施工具实现跨层闭环应用的统一开发与部署；边缘网关控制器针对不同物理对象动态加载数字孪生体模型，并支持组态工具应用的实时运行。

供应链场景为工厂从设备销售端下单开始监控，经过仓储出库、物流发运、仓储入库、车间线边库直至装配完成，纵向集成工厂为车间设备端传感器、PLC控制系统、AGV控制系统、机床直至监控平台、MES系统和ERP系统等，全生命周期平台为产品设计、工艺规划、制造执行直至售后维保。

如图2所示，本发明实施例提供的以工业机器人为例的数字孪生体对象封装、建模及实例化组态技术路线，包括如下步骤：

步骤1，数据采集层。数据采集层直接与物理单元对接。目的是将数字孪生体对象与物理实体搭建起数据传输的闭环，通过从物理单元采集数据，数字孪生体对象能够感知物理单元的状态、反馈数据、响应请求等信息。数据采集层通过数字孪生体对象建模、上传云端、数字孪生体对象实例化组态三个环节形成CPS应用闭环。

其中，在数字孪生体对象建模环节中，首先进行模型编辑，这其中包括采集设备模型、协议模型、数据变量模型、解法模型、协议加密方法模型；之后，对模型进行注册；通过模型索引与匹配机制，建立以上模型之间的关系，形成数据采集的完整模型体系；再后针对具体协议进行微服务封装，如Modbus协议微服务、Hart协议微服务、DLT协议微服务等；最后导出模型，从而完成数字孪生体对象建模过程，并将该模型上传云端。

其中，在数字孪生体对象实例化组态环节中，首先从云端下载模型文件；之后针对不同的协议微服务进行匹配并录入协议必要的配置信息，如IP、端口、工作模式等，从而实例化协议微服务提供的连接、断开、数据采集等接口；之后根据设备模型、变量模型、解法模型进行数据对象绑定，绑定信息包括设备MAC地址、数据区、变量起始地址、变量长度、变量数据类型等信息。之后进行模型解析，接口自动映射命令。最后物理实体设备执行命令，从而完成整个CPS的应用闭环。

以普通工业机器人为例，数据采集层完成了将工业机器人实体进行数字孪生体信息模型映射的工作。

步骤2，信号处理层。信号处理分为数字孪生体模型建模和模型实例化过程。

(1)信号处理模型建模：经过数据采集模型上传上来的数据，首先在信号处理模型中进行注册，然后生成模型索引；其次原始数据可能依然不满足应用需求，需要进行二次封装处理，信号处理模型中的服务封装包括：数据采样服务封装，量程转换服务封装，单位转换服务封装，多信号组合服务封装，时间序列服务封装，自定义脚本信号封装，多服务多次组合封装；最终这些服务接口被云平台调用。

(2)信号处理模型实例化：信号处理解析过程就是将配置的服务封装具体实例化的过程，以数据采样服务封装为例，采样服务需要配置数据的采样周期参数、采样算法参数以及新采样值的重新定义参数。信号处理解析过程对这些参数进行赋值和具体配置，最终在边缘网关中运行。

以普通工业机器人为例，信号处理层是构建机器人机理分析模型的基础，在此步骤中，对数据采集层采集的数据进行分类、封装、建模、清晰、筛选、去重等一系列操作，并将每个信号与机器人之间进行逐一实例化。

步骤3，机理分析层。机理分析层获取信号处理层规约化的数据，为数据增加机理分析模型。机理分析模型分为面向基础学科的机理分析模型，例如解决物理、化学、数学等基础问题的模型；或者是面向行业的机理分析模型，是用于解决行业中的复杂算法问题的模型。在CPS综合管理系统中，可对数字孪生体机理分析层中的机理分析模型进行模型的注册，使得模型能够被发现，同时能够进行模型的检索、匹配、编辑等基本操作，或者通过封装、继承模型实现对模型的扩展。无论是原始模型还是扩展后的模型，都会被封装成微服务。通过细粒度的分解能够最大程度上的拆分机理分析的层次，可以通过微服务的配合对多种机理模型形成组合式的调用。机理模型向上层可传递给逻辑执行层进行进一步的封装，并随着数字孪生体的完善上传到工业互联网平台层，在平台层统一形成工业互联应用模板，或以标准形式直接封装成工业互联网服务被外部应用调用。机理模型同时能够随着数字孪生体在标准化组态实施工具中的实例化而被用户赋予更多的定制化信息。在标准化组态工具中，通过模型的导入、解析，可在组态工具中对机理模型进行自定义配置，包括数据对象的绑定、机理模型的实例化解析等。组态实例化部署即是将机理模型层下载到边缘控制器中执行，实现按照机理模型中的算法对底层设备实现最终控制的目的。

以普通工业机器人为例，机理分析层完成了构建工业机器人实体机理模型的工作。工业机器人的机理分析模型主要包括：驱动机理和传动机理等。也就是从设备厂商出获取的机器人指标参数、极限参数、报警参数等与机理分析相结合，从而得到该模型的工作基准模型。

步骤4，逻辑执行层。逻辑执行层包含各种逻辑、功能、接口等功能性函数抽象封装，在进行模型定义时需要进行数字孪生体建模操作，建模过程如下:

(1)逻辑执行层模型编辑，需要对动作、故障、步骤、数据处理、数据预处理、驱动、运动模型等进行编辑；

(2)逻辑执行层模型注册，将编辑之后完整的数字孪生体模型上传至云平台，进行注册；

(3)模型索引/匹配，在云平台通过唯一ID号标识进行区别，同时建立索引，供其他层服务进行调用；

(4)微服务封装及组合，模型使用微服务形式进行封装，把需要相互调用的其他微服务进行组合封装；

(5)模型导出，通过模型编辑、注册、索引匹配以及微服务化之后的模型可以打包进行导出，形成可实例化的数字孪生体模型。在实际业务处理种，不同层可从云平台端下载逻辑执行层数字孪生体模型进行实例化，通过服务调用方式进行逻辑操作执行。

以普通工业机器人为例，逻辑执行层完成了构建工业机器人数字孪生体的工艺模板或者工艺包，也即是面向不同行业，封装了不同的工艺模型以完成重复利用，例如：焊接机器人将提供焊接动作的工业机器人工艺包，如：定位、焊缝跟踪、焊缝寻迹、焊缝检测等一套标准化机器人动作的模型。这些工艺包的提供在精准获取机器人精度、故障、振动等方面的数据模型基础上完成的。

步骤5，实施控制层。实时控制层包括机器人控制器，PLC逻辑控制器等设备。在CPS综合集成管理系统中对实时控制设备进行加载封装操作，创建一种实时控制层模型，封装的信息包括一些控制参数，控制协议等信息，例如自由度、工作范围、速度、承载力等。CPS综合集成管理系统中，数字孪生体的表示为UML、CAEX等标准格式，数字孪生体模型创建完成后，导入注册到数字化模型资产库，用户可以任意访问用于描述设备能力、属性和方法等的数字化资产模型库进行导入，重新编辑等操作。使用者可以在CPS综合集成管理系统中对实时控制数字孪生体模型进行模型索引匹配搜索。

实时控制层类模型创建完成后，在CPS综合集成管理系统中对模型导出，导入到工业互联网云平台中作为实时控制类模型存储。集成商，操作者实际使用实时控制数字孪生体模型时，从工业互联网平台获取对应唯一标识的数字孪生体类模型，对该模型进行实例化组态，进行业务组态，数据对象实绑定，模型解析，系统自动进行命令映射转换，导入到设备运行时，从而实现命令执行。

以普通工业机器人为例，实时控制层是逻辑执行层的单一动作组合实现。同时将其应用与具体车间设备的真实存在的机器人本体控制中，来完成一个特定工位、特定技术要求的工作任务。

步骤6，工业互联网平台应用层。工业互联网平台应用层主要负责的是将CPS综合管理系统上传的资产模型文件进行统一编排与管理，当进行应用开发时标准化组态实施工具从云上下载服务进行实例化开发。即通过服务网关将模型文件服务注册到云端服务中心，然后在服务中心中将模型进行服务编排、定义数据封装、逻辑关联与设备建模等操作，形成工业微服务组件库。云端通过负载均衡技术将服务存储在其分布式架构的从节点云主机上。标准化组态实施工具从云上下载服务进行实例化开发，即当标准化组态实施工具向云端应用层发起服务请求时，云端会从主节点中的服务编排列表查找到该行业实例化模型服务所在的云主机，组态工具将其服务进行下载到本地进行开发。

这样利用工业互联网平台应用层对数字孪生体封装后的模型统一管理，能够将数字孪生体服务充分共享化、统一化和标准化。

如图3所示，为本发明实施例提供的利用数字孪生体实现工业场景下信息物理融合方法及系统行业实施案例包括：供应链维度方面实现物流一体化调度；纵向集成维度方面实现车间工艺控制逻辑快速可重构；全生命周期维度实现从装备设计仿真到设备预测性维护等提供落地支撑。

Claims (10)

1.利用数字孪生体实现工业场景下信息物理融合方法，其特征在于，包括：

CPS综合集成管理系统构建数字孪生体模型的建模、以及数字孪生体模型的管理，并提供SDK与API供数字孪生体模型上云端；

组态实施工具从云端下载数字孪生体模型，并根据数字孪生体模型进行可视化工程组态，同时提供行业模板库；

边缘网关控制器针对不同设备进行数据采集，并针对数字孪生体实现模型的加壳过程。

2.按照权利要求1所述利用数字孪生体实现工业场景下信息物理融合方法，其特征在于，对CPS综合集成管理系统的模型管理，包括以下步骤：

快速模型编辑：对数字孪生体模型进行编辑，对从边缘侧网关加壳后的数字孪生体模型进行解壳操作；

模型导入与注册：从边缘侧网关加壳后进入CPS综合集成管理系统中的数字孪生体模型进行导入和授权注册；

跨域索引与模型匹配关系：建立数字孪生体模型间的关系，以实现模型间的跨域索引与匹配；

服务组合：针对不同的协议，微服务间进行组合协议的配置信息，从而实例化协议微服务提供的连接、断开、数据采集接口；之后根据数字孪生体模型进行数据对象绑定，进行模型解析，接口自动映射操作。

3.按照权利要求2所述利用数字孪生体实现工业场景下信息物理融合方法，其特征在于，所述边缘侧网关控制器封装了设备PLC工作状态，外部设备的外部接口触发各种工作状态，然后由边缘网关控制器的控制组件访问各种IO接口；外部设备的主要的工作状态包括：占用、执行模式和执行状态；每种工作状态又拥有多种属性，包括：占用包括空闲、被占用、优先权、本地化属性。

4.按照权利要求1所述利用数字孪生体实现工业场景下信息物理融合方法，其特征在于，对CPS综合集成管理系统的信号处理层进行信息融合，包括以下步骤：

(1)信号处理模型建模：经过数据采集模型上传的数据，首先在信号处理模型中进行注册，然后生成信号处理模型索引；其次，对数据进行服务封装以被云端调用；

(2)信号处理模型实例化：将配置的服务封装实例化，即对配置的参数进行赋值和配置，最终在边缘网关中运行。

5.按照权利要求1所述利用数字孪生体实现工业场景下信息物理融合方法，其特征在于，对CPS综合集成管理系统的机理分析层进行信息融合，包括以下步骤：

对机理分析模型进行注册，并被封装成微服务，上传至逻辑执行层用于进一步的封装；

组态实施工具通过机理分析模型的导入、解析进行自定义配置，并将机理分析模型下载到边缘控制器中执行，实现按照机理分析模型中的算法对底层设备的控制。

6.按照权利要求1所述利用数字孪生体实现工业场景下信息物理融合方法，其特征在于，对CPS综合集成管理系统的逻辑执行层进行信息融合，包括以下步骤：

(1)模型编辑：对逻辑执行层模型进行编辑；

(2)模型注册：将编辑之后的逻辑执行层模型上传至云平台，进行注册；

(3)模型索引/匹配：在云平台通过唯一ID号标识进行区别，同时建立索引，供其他层服务进行调用；

(4)微服务封装及组合：逻辑执行层模型使用微服务形式进行封装，把需要相互调用的其他微服务进行组合封装；

(5)模型导出：通过模型编辑、注册、索引匹配以及微服务化之后的逻辑执行层模型导出，形成可实例化的数字孪生体模型，供组态实施工具下载。

7.按照权利要求1所述利用数字孪生体实现工业场景下信息物理融合方法，其特征在于，对CPS综合集成管理系统的实时控制层进行信息融合，包括以下步骤：

对实时控制的设备进行加载封装操作，创建实时控制层模型，封装的信息包括控制参数和控制协议；

实时控制层模型创建完成后，注册到含有行业模板库的数字化资产库，供用户访问数字化资产库进行导入和操作。

8.按照权利要求1所述利用数字孪生体实现工业场景下信息物理融合的方法，其特征在于，对工业互联网平台应用层进行信息融合，包括以下步骤：

将CPS综合管理系统上传的数字孪生体模型进行编排与管理，供组态实施工具从云端下载服务进行实例化开发；

通过边缘网关控制器将数字孪生体模型服务注册到云端，然后在云端将数字孪生体模型进行服务编排、定义数据封装、逻辑关联与设备建模操作，形成工业微服务组件库；

云端将服务存储在其分布式架构的从节点云主机上；组态实施工具从云端下载服务进行实例化开发，即当组态实施工具向云端发起服务请求时，云端从主节点中的服务编排列表查找到数字孪生体模型服务所在的云主机，组态实施工具将其服务进行下载到本地进行开发。

9.利用数字孪生体实现工业场景下信息物理融合系统，其特征在于，包括：

CPS综合集成管理系统，用于构建数字孪生体模型的建模、以及数字孪生体模型的管理，并提供SDK与API供数字孪生体模型上云端；

组态实施工具，用于从云端下载数字孪生体模型，并根据数字孪生体模型进行可视化工程组态，同时提供行业模板库；

边缘网关控制器，用于针对不同物理设备进行数据采集，同时针对数字孪生体实现模型的加壳过程。

10.按照权利要求9所述利用数字孪生体实现工业场景下信息物理融合系统，其特征在于，所述CPS综合集成管理系统，包括：

数据采集层，用于从物理单元采集数据，构成数据采集层模型；

信号处理层，用于将数据采集层模型附加用于信号处理的算法，构成信号处理层模型；

机理分析层，用于将信号处理层模型附加用于机理分析的算法，构成机理分析层模型；

逻辑执行层，用于将机理分析层模型附加用于逻辑执行的算法，构成逻辑执行层模型；

实施控制层，用于对设备进行加载封装，构成实施控制层模型；

工业互联网平台应用层，用于对数字孪生体模型进行编排与管理；

数字孪生体模型，包括数据采集层模型、信号处理层模型、机理分析层模型、逻辑执行层模型、实施控制层模型。

Images