CN112731887B - 石化无人值守装卸线数字孪生智能监控系统及方法 - Google Patents

Abstract

本发明公开了一种石化无人值守装卸线数字孪生智能监控系统，包括物理实体、数字孪生体、智能网关、云服务器、网络交换机和客户交互终端。本发明根据实际的石化装卸线建立数字孪生模型，构建装卸线数字孪生体，孪生体通过智能网关获取设备运行状态和过程实时数据，经过数据融合更新孪生数据，采用神经网络深度学习算法进行感知分析、迭代优化与决策控制，同时基于数字孪生模型对设备运行状态进行实时监测、对装卸作业进行参数控制优化、对整个装卸线进行故障预测与维护。本发明解决了现有装卸线存在的效率低下、可视化程度低、人机交互能力差、设备协调能力弱等问题，提高了装卸线的监控实时性、作业高效性和设备的安全性。

Description

石化无人值守装卸线数字孪生智能监控系统及方法

技术领域

本发明属于石化行业装卸作业过程中监控与管理技术，特别是一种石化无人值守装卸线数字孪生智能监控系统及方法。

背景技术

当前，人类社会正处于大发展大变革大调整的新时代，云计算、物联网、大数据、人工智能等新一代信息技术的应用引领产业变革，以数字化为基础的数字经济成为新时代下工业领域的发展趋势，工业互联网、数字孪生等新模式应运而生。数字孪生技术作为实现数字化转型、解决物理世界与信息世界之间交互共融、践行智能制造目标的关键技术，正被广泛关注。

当前石化行业装卸作业系统的自动化水平虽然有所提高，但仍然存在诸多问题，装卸作业需要操作工操作，效率低下，系统存在监管漏洞引发生命财产安全问题，设备运行状态、信息的可视化程度不高，难以判断设备工作情况及故障预警，人机交互性不够好。因此需要使用数字孪生技术对装卸作业系统进行数字化转型升级，构造一个基于数字孪生的流程行业装卸线感知、分析、决策和执行的智能监控系统，从而实现过程优化、智能决策、故障诊断、远程运维、质量管理等功能。

发明内容

本发明的目的在于提供一种石化无人值守装卸线数字孪生智能监控系统及方法，解决了现有装卸线存在的效率低下、可视化程度低、人机交互能力差、设备协调能力弱等问题，可以对整个石化装卸线进行数字化虚拟映射，从而实现对装卸线的实时监控、智能决策、远程运维及故障诊断等功能。

实现本发明目的的技术解决方案为：一种石化无人值守装卸线数字孪生智能监控系统，包括物理实体、数字孪生体、智能网关、云服务器、网络交换机和客户交互终端。

所述物理实体包括物理装卸平台、汽车衡、储罐、装卸设备、传感器、作业任务和装卸流程。

所述数字孪生体是物理实体的数字虚拟映射，包括数字孪生模型和孪生数据，数字孪生模型包括物理数据模型和数字信息模型，通过获取物理实体的运行状态和实时数据进行数字孪生体的状态更新。

所述智能网关用于对石化装卸线多源海量数据进行实时采集、处理和传输，智能网关具有实时数据采集和边缘计算功能，对于从底层采集的数据进行筛选、清理和特征提取，智能网关还支持以太网接口、MODBUS接口、CAN总线接口、RS485接口、PROFIBUS总线接口、TCP/UDP通信协议，实现数据的低延迟安全传输。

所述系统的云服务器用于孪生数据的分析与优化，同时在云服务器上部署一个面向石化无人值守装卸线的数字孪生知识信息服务子系统，知识信息服务子系统对装卸线的设备资源、装卸过程进行虚拟化，融合虚拟模型，实现装卸线物理空间和虚拟空间的信息联通，提供可靠安全的服务系统数据，云服务器上还部署了用于存储孪生数据的云数据库。

所述云服务器中的云数据库采用微服务云平台架构，具有多模数据引擎和计算存储分离功能，具有对结构化、半结构化和非结构化数据的统一管理功能，以及WebService接口和ODBC数据库通信接口，实现对所述物理实体的历史运行数据、传感器更新数据以及物理模型数据分布式存储管理。

所述网络交换机用于智能监控系统的数据传输，实现数字孪生体与物理实体之间数据的双向交互、数字孪生体与服务系统之间数据的双向交互，以及将数据传递给客户显示终端实现装卸线的可视化监控；

所述客户交互终端用于展示智能装卸线的三维立体模型、系统的运行状态、设备的健康状况，用户通过终端对虚拟实体、物理实体进行交互操作。

一种基于石化无人值守装卸线数字孪生智能监控系统实现装卸线智能监控的方法，包括如下步骤：

步骤1，建立物理数据模型：

将装卸线异构的资源、数据进行聚类分析，抽象为物理数据模型，并通过关联规则挖掘对预处理完的数据集进行分析得出其中隐含的知识。

步骤2，建立孪生知识库：

将装卸实时数据和对应本体实例关联映射，保证了孪生知识库随着生产过程不断丰富扩充，将建立好的本体模型保存于云数据库。

步骤3，对本体模型进行操作：

通过Jena实现本体模型读取和其他操作，在此基础上加强对模型的动态推理，实现孪生模型物理数据到数字化本体的关联。

步骤4，建立三维立体模型：

基于虚拟可视化建立装卸线三维立体模型，封装运动行为并对其进行动态逻辑分析，通过接口与数据库进行关联实现对本体的操作，将本体模型与三维可视化模型进行充分融合，通过PLC连接端口可以实现对装卸作业的控制。

步骤5，采集与评估数据：

首先通过智能网关对底层设备进行数据的采集，通过网络传输到数据管理平台，最后数据经过管理平台进行选取、运算、存储，完成整个数据的采集与评估过程。

步骤6，优化仿真模型：

基于数字孪生模型构建仿真模型，定义仿真模型的迭代优化条件，基于实时采集的现场数据和数据库中的历史数据，采用多目标优化算法对仿真模型进行训练和优化，将仿真结果反馈给物理模型。

步骤7，进行数据融合：

对现场实时感知数据、模型数据、服务系统数据进行生成、建模、清洗、关联、聚类、挖掘、迭代、融合操作，真实刻画和反映系统的运行状态，将处理后的数据存储于云数据库。

步骤8，建立服务平台：

使用孪生数据作为服务平台的数据输入，经过计算推理，得出装卸作业过程的知识信息，同步显示仿真运行的可视化模型和实时监测的数据，经过模型仿真与孪生数据的迭代优化，对装卸作业进行决策控制，基于卷积神经网络算法对设备数据进行处理运算，反应设备健康状况，指导设备维护。

步骤9，进行交互控制：

通过OPC UA、TCP/UDP、Web Service通信接口实现数据实时采集、远程通信和多源动态数据的实时更新，工作人员通过操作终端实现对虚拟实体和物理实体的交互控制及虚拟监控。

本发明与现有装卸线监控系统相比，有着显著优点：

（1）本发明的石化无人值守装卸线数字孪生智能监控系统，通过构建物理数据模型、本体模型和三维立体模型实现对物理装卸线的虚拟映射，可以实时动态地反应物理实体的运行状态和设备健康状态等。

（2）本发明的石化无人值守装卸线数字孪生智能监控系统，通过对多源异构的数据进行处理，融合实时数据、历史数据、模型数据、服务数据形成孪生数据，实现“虚实交互”环境下系统全业务、全要素、全流程数据的集成与融合。

（3）本发明的石化无人值守装卸线数字孪生智能监控系统，采用神经网络深度学习算法对孪生数据进行感知分析与迭代优化，同时基于数字孪生模型对设备运行状态进行实时监测、对装卸作业进行参数控制优化、对整个装卸线进行故障预测与维护，提高装卸作业效率，增强设备协调能力，提高设备安全性。

（4）本发明的石化无人值守装卸线数字孪生智能监控系统，通过构建数字孪生知识信息服务子系统，不仅可以为用户提供装卸作业过程中安全可靠的信息，还可以实现人与物理实体、人与数字孪生虚拟实体的交互，提高了人机交互能力。

附图说明

图1为本发明石化无人值守装卸线数字孪生智能监控系统的组成结构示意图。

图2为本发明石化无人值守装卸线数字孪生智能监控系统的构架图。

图3为本发明石化无人值守装卸线数字孪生智能监控系统的数字孪生模型图。

图4为本发明石化无人值守装卸线数字孪生智能监控系统的数据流程图。

图5为本发明石化无人值守装卸线数字孪生智能监控系统的实施例示意图。

具体实施方式

为了说明本发明的技术方案及技术目的，下面结合附图及具体实施例对本发明做进一步的介绍。

结合图1，本发明所述的石化无人值守装卸线数字孪生智能监控系统包括物理实体、数字孪生体、智能网关、云服务器、网络交换机和客户交互终端。

所述物理实体不仅包含了装卸平台、装卸设备、传感器等物理对象，还包括装卸任务和装卸流程。物理装卸平台包括罐区、汽车衡和装卸操作站；罐区装置包括储罐、管道、泵、油气回收罐和各类传感器，汽车衡包括汽车衡传感器、光栅、地感、道闸、扫描器、高清摄像机，装卸操作站包括鹤位、鹤管、批量控制器、静电溢流保护器、静电夹、体积流量计、各类阀门和各类传感器。

所述数字孪生体是物理实体的虚拟映射，包括数字孪生模型和孪生数据。数字孪生模型包括物理数据模型和数字信息模型。通过获取物理实体的运行状态和实时数据进行数字孪生体的状态更新。

所述孪生数据是对现场实时感知数据、模型数据、历史数据进行关联、聚类、迭代、融合等操作而产生的能真实刻画系统运行状态的数据，孪生数据可以在物理实体和虚拟实体之间双向交互，实现“虚实交互”环境下系统全业务、全要素、全流程数据的集成与融合。

所述智能网关用于石化装卸平台多源海量数据进行实时采集、处理和传输，智能网关具有实时数据采集和边缘计算功能，对于从底层采集的数据进行初步的处理，包括筛选、清理和特征提取等工作，智能网关还支持以太网接口、MODBUS接口、CAN总线接口、RS485接口、PROFIBUS总线接口、TCP/UDP等通信协议，可以实现数据的低延迟安全传输。

所述云服务器用于孪生数据的分析与优化，在云服务器上部署一个面向石化无人值守装卸线的数字孪生知识信息服务子系统。知识信息服务子系统对装卸平台的设备资源、装卸过程进行虚拟化，融合虚拟模型，实现数字孪生智能监控系统物理空间和虚拟空间的信息联通。知识信息服务子系统包括基本信息模块、知识信息模块、任务信息模块和数字孪生信息模型显示模块。云服务器上还部署了用于存储孪生数据的云数据库。

所述云服务器中的云数据库采用微服务云平台架构，具有多模数据引擎和计算存储分离功能，具有对结构化、半结构化和非结构化数据的统一管理功能，以及Web Service接口和ODBC数据库通信接口，实现对所述物理实体的历史运行数据、传感器更新数据以及物理模型数据分布式存储管理。

云服务器部署了一个面向石化无人值守装卸线的数字孪生知识信息服务子系统，所述知识信息服务子系统对装卸线制造资源、装卸过程等进行虚拟化，并且融合了虚拟模型，实现装卸线物理空间和虚拟空间的信息联通，为企业在装卸作业过程中提供按需获取、安全可靠的信息。

所述服务系统包括基本信息模块、知识信息模块、任务信息模块以及数字孪生信息模型显示模块。基本信息模块包括装卸平台设备的基本信息和技术参数信息。知识信息模块主要对被采集的感知数据进行处理分析，经过计算推理，系统会显示装卸任务与装卸作业过程相关的知识信息，如物料信息、计划量、装卸点位置、设备使用状况等。任务状态模块体现了装卸线所承担的订单的完成情况，包括当前任务、进度、车辆调度等。预测订单完成时间以便合理安排其他的装卸任务。数字孪生模型显示模块界面同步显示了仿真运行的模型和实时监测的相关数据，可以对设备运行状态、装卸作业完成情况进行查看。

所述网络交换机用于装卸线智能监控系统的数据传输，实现数字孪生体与物理实体之间数据的双向交互、数字孪生体与服务系统之间数据的双向交互，以及将数据传递给客户显示终端实现石化装卸线的可视化。

所述客户交互终端用于展示装卸线的三维立体模型、装卸作业的运行状态、装卸设备的健康状况等系统服务信息，用户还可通过终端对虚拟实体、物理实体进行交互操作。

结合图2，基于物理装卸平台与虚拟装卸平台信息物理映射关系，建立了上述装卸线数字孪生智能监控系统的理论架构，包括物理层、数字层、模型层和应用层。其中物理层是人、物料和设备等物理实体以及相关生产活动的集合，通过优化配置的资源按照生产指标完成现实中生产加工的任务，可使用的有融合异构多源多模态数据融合封装技术，异构制造资源感知接入技术，分布式协同控制技术等。数字层是数字孪生信息服务平台，为装卸线数字孪生智能监控系统的运行提供各种支持服务，有物理感知数据的清洗、关联和挖掘等功能，同时具备孪生数据的集成、融合和处理功能。模型层包括三维立体模型、物理数据模型、本体模型，通过模型的融合建立装卸线数字孪生模型，是物理实体的高度刻画和映射，包括几何、行为、规则等模型以及相关仿真、分析、优化等活动。应用层负责为智能装卸作业提供相关服务，包括决策优化、产品质量管理、精准管控等各类生产服务。同时依托虚拟现实技术实现数据可视化、生产过程可视化等需求，加强交互，为更直观、便捷地管控生产提供便利。

结合图3，所述装卸线的数字孪生模型由装卸线物理数据模型以及数字信息模型相互关联组成，并通过相应的通信接口和映射关系实现信息的互联互通，根据智能装卸平台的物理模型及传感器实时更新数据，利用云数据库实时同步多源传感器数据和运行状态，并通过通信接口实现数据传输、信息交互和远程监控。

所述的装卸线物理数据模型，在装卸平台各工位的监测点部署传感设备如传感器、RFID设备等，感知数据通过智能网关上传到云服务器，并以此作为物理数据模型的输入，采用面向对象的方法建立装卸线的物理数据模型，按照资源把物理数据模型分为人员类、设备类、物料类等，各个类的属性和操作信息之间相互建立关联，对数据进行统一的管理。

所述的装卸线数字信息模型包括数字化本体模型和三维立体模型，采用本体的方法建立数字化描述模型，将装卸线的制造资源、生产活动等进行数字化、虚拟化映射，把装卸线本体分为制造资源本体、生产任务本体和装卸过程本体，分别建立本体模型。并建立知识推演规则，将感知数据与本体模型的动态属性建立映射关系，搭建知识库。使用三维建模软件建立装卸设备的几何模型，从几何形状、物理属性、行为响应等方面对物理装卸线进行真实地刻画和描述。

基于数字孪生的智能监控系统的数字孪生模型的构建步骤包括：(1)物理数据模型建立：将装卸线异构的资源、数据进行聚类分析，抽象为物理数据模型，并通过关联规则挖掘对预处理完的数据集进行分析得出其中隐含的知识；(2)本体模型建立：采用本体的方法建立数字化描述模型，将装卸线的制造资源、生产活动等进行数字化、虚拟化映射。把装卸线本体分为制造资源本体、生产任务本体和装卸过程本体，分别建立本体模型； (3)孪生知识库建立：将制造实时数据和对应本体实例关联映射，保证孪生知识库随着生产过程会不断丰富扩充，建立好的本体模型保存为 OWL 文件保存在数据库中；(4)本体模型操作：通过Jena实现本体模型的读取和其他操作，在此基础上加强对模型的动态推理，这样实现了孪生模型物理数据到数字化本体的关联；(5)三维立体模型建立：依托三维建模软件建立相关设备的几何模型，从几何形状、物理属性、行为响应等方面对物理装卸平台进行真实地刻画和描述，设置模型相应的物理属性，搭建专用组件库；(6)模型融合：基于虚拟可视化建立装卸线三维模型，封装运动行为并对其进行动态逻辑描述，通过接口与数据库进行关联实现对本体的操作，将本体模型与三维可视化模型进行充分融合，通过 PLC 连接端口可以实现对生产系统的控制，从而实现传统生产线物理空间与信息空间的信息交互与控制。

结合图4，装卸线数字孪生智能监控系统的数据流程包括：(1)数字孪生体建立：根据物理实体数据参数建立物理数据模型、本体模型和三维立体模型，对模型进行融合最终形成数字孪生体；(2)多源数据采集：使用智能网关等设备对物理装卸平台的实时数据进行采集，分别作为数字孪生体和孪生数据融合的输入；(3)模型仿真优化：基于数字孪生体构建仿真模型，定义仿真模型的迭代优化条件，基于融合的孪生数据，采用多目标优化算法对仿真模型进行训练和优化，将仿真结果反馈给物理模型。(4)数据融合：对现场实时数据、模型数据、服务系统数据进行生成、建模、清洗、关联、聚类、挖掘、迭代、演化、融合等操作，真实刻画和反映系统的运行状态；(5)数据存储：将经过数据融合生成的孪生数据存入云服务器，存入云数据库的数据为数据的融合、云服务器和显示操作终端提供数据的输入；(6)数据分析与优化：在云服务器上部署一个面向石化无人值守装卸线的数字孪生知识信息服务子系统, 该系统用于孪生数据的分析与优化； (7)数据交互：显示操作终端和云服务器、云服务器和数字孪生体、数字孪生体和物理实体之间都存在着数据的交互，实现“虚实交互”环境下系统全业务、全要素、全流程数据的集成与融合。

其中，装卸线智能监控系统的孪生数据实现“虚实交互”环境下系统全业务、全要素、全流程数据的集成与融合。数据融合的具体步骤如下：

步骤a：对多源异构的复杂数据进行分类与建模，对异常值（缺失值、离群点、去重处理、噪音数据）进行数据清洗，主要方法有插补法、分箱法和回归法等；

步骤b：将系统实时的孪生数据和历史数据进行关联、比对与整合，孪生数据与系统运行进行映射，多层次信息聚类与融合，源数据特征提取等；

步骤c：对物理数据、模型数据、服务系统数据进行交互迭代与优化，同时系统的孪生数据进行模态更新，对相似或不同特征模式多源数据的相关性动态演化。

结合图5，实施例逻辑结构主要由物理空间石化装卸线、虚拟空间石化装卸线、孪生数据和信息服务子系统组成。其中，虚拟空间石化装卸线是由孪生数据驱动的装卸线数字孪生模型，数字孪生模型由物理数据模型、本体模型、三维立体模型融合而成。信息服务子系统的建立流程包括：使用孪生数据作为服务平台的数据输入，经过计算推理，系统可以得出装卸作业过程的知识信息，如物料、计划量、设备状况等，同步显示仿真运行的可视化模型和实时监测的数据，经过模型仿真与孪生数据的迭代优化，对装卸作业进行决策控制，基于卷积神经网络算法对设备数据进行处理运算，反应设备健康状况，指导设备维护。本实施例基于石化行业智能装卸监控系统的设计理论方法和底层运行模型，通过物理石化装卸线和虚拟石化装卸线在对象要素级、装卸过程级和设备性能级实现对象孪生、过程孪生和性能孪生，实现双向映射与实时交互，以及根据石化无人值守装卸线实时数据的更新，实现物理无人值守装卸线与虚拟无人值守装卸线的全要素、全流程的数据融合。在石化无人值守装卸线孪生数据的驱动下，实现无人值守装卸线装卸要素管理、装卸过程预仿真、设备性能实时监控等在物理装卸线、虚拟装卸线、孪生数据与数字孪生信息服务子系统的迭代运行，从而在满足特定条件的约束前提下，达到无人值守装卸线配置和装备协同安全高效运行的目的。

一种基于石化无人值守装卸线数字孪生智能监控系统实现装卸线智能监控的方法，包括如下步骤：

步骤1，建立物理数据模型：

将装卸线异构的资源、数据进行聚类分析，抽象为物理数据模型，并通过关联规则挖掘对预处理完的数据集进行分析得出其中隐含的知识。

步骤2，建立孪生知识库：

将装卸实时数据和对应本体实例关联映射，保证了孪生知识库随着生产过程不断丰富扩充，将建立好的本体模型保存于云数据库。

步骤3，对本体模型进行操作：

通过Jena实现本体模型读取和其他操作，在此基础上加强对模型的动态推理，实现孪生模型物理数据到数字化本体的关联。

步骤4，建立三维立体模型：

基于虚拟可视化建立装卸线三维立体模型，封装运动行为并对其进行动态逻辑分析，通过接口与数据库进行关联实现对本体的操作，将本体模型与三维可视化模型进行充分融合，通过PLC连接端口可以实现对装卸作业的控制。

步骤5，采集与评估数据：

首先通过智能网关对底层设备进行数据的采集，通过网络传输到数据管理平台，最后数据经过管理平台进行选取、运算、存储，完成整个数据的采集与评估过程。

步骤6，优化仿真模型：

基于数字孪生模型构建仿真模型，定义仿真模型的迭代优化条件，基于实时采集的现场数据和数据库中的历史数据，采用多目标优化算法对仿真模型进行训练和优化，将仿真结果反馈给物理模型。

步骤7，进行数据融合：

对现场实时感知数据、模型数据、服务系统数据进行生成、建模、清洗、关联、聚类、挖掘、迭代、融合操作，真实刻画和反映系统的运行状态，将处理后的数据存储于云数据库。

步骤8，建立服务平台：

使用孪生数据作为服务平台的数据输入，经过计算推理，得出装卸作业过程的知识信息，同步显示仿真运行的可视化模型和实时监测的数据，经过模型仿真与孪生数据的迭代优化，对装卸作业进行决策控制，基于卷积神经网络算法对设备数据进行处理运算，反应设备健康状况，指导设备维护。

步骤9，进行交互控制：

通过OPC UA、TCP/UDP、Web Service通信接口实现数据实时采集、远程通信和多源动态数据的实时更新，工作人员通过操作终端实现对虚拟实体和物理实体的交互控制及虚拟监控。

本发明所述的石化无人值守装卸线数字孪生智能监控系统，将数字孪生技术应用于石化行业无人值守装卸线，将装卸作业中的物料、设备、过程数字化，模拟对象在现实中的行为，利用数字化无缝衔接现实和虚拟世界实现整个过程的虚拟化，创造出一个装卸线智能监控系统数字孪生模型。在进行装卸作业之前，孪生模型在虚拟空间中反复迭代仿真和优化，发现未知问题；在装卸过程中，可以同步整个装卸的情况，实时调控来达到最优作业，提高装卸的效率；在装卸完成后，可以对设备进行维护。本发明对于石化行业装卸线智能化的实现具有重要的现实意义。

Claims (2)

1.一种石化无人值守装卸线数字孪生智能监控系统，其特征在于，包括物理实体、数字孪生体、智能网关、云服务器、网络交换机和客户交互终端；

所述物理实体包括物理装卸平台、汽车衡、储罐、装卸设备、传感器、作业任务和装卸流程；

所述数字孪生体是物理实体的数字虚拟映射，包括数字孪生模型和孪生数据，数字孪生模型包括物理数据模型和数字信息模型，通过获取物理实体的运行状态和实时数据进行数字孪生体的状态更新；

所述智能网关用于对石化装卸线多源海量数据进行实时采集、处理和传输，智能网关具有实时数据采集和边缘计算功能，对于从底层采集的数据进行筛选、清理和特征提取，智能网关还支持以太网接口、MODBUS接口、CAN总线接口、RS485接口、PROFIBUS总线接口、TCP/UDP通信协议，实现数据的低延迟安全传输；

所述系统的云服务器用于孪生数据的分析与优化，同时在云服务器上部署一个面向石化无人值守装卸线的数字孪生知识信息服务子系统，知识信息服务子系统对装卸线的设备资源、装卸过程进行虚拟化，融合虚拟模型，实现装卸线物理空间和虚拟空间的信息联通，提供可靠安全的服务系统数据，云服务器上还部署了用于存储孪生数据的云数据库；

所述云服务器中的云数据库采用微服务云平台架构，具有多模数据引擎和计算存储分离功能，具有对结构化、半结构化和非结构化数据的统一管理功能，以及WebService接口和ODBC数据库通信接口，实现对所述物理实体的历史运行数据、传感器更新数据以及物理模型数据分布式存储管理；

所述网络交换机用于智能监控系统的数据传输，实现数字孪生体与物理实体之间数据的双向交互、数字孪生体与服务系统之间数据的双向交互，以及将数据传递给客户显示终端实现装卸线的可视化监控；

所述客户交互终端用于展示智能装卸线的三维立体模型、系统的运行状态、设备的健康状况，用户通过终端对虚拟实体、物理实体进行交互操作；

所述数字孪生模型由智能装卸线物理数据模型以及数字信息模型相互关联组成，并通过相应的通信接口和映射关系实现信息的互联互通，根据石化装卸线的物理数据模型及传感器实时更新数据，利用云数据库实时同步多源传感器数据和运行状态，并通过通信接口实现数据传输、信息交互和远程监控；

在数字孪生体中，

物理数据模型建立方法如下：在装卸线各工位的监测点部署数据采集设备来感知数据，实时数据通过智能网关上传到云数据库，并将此作为物理数据模型的输入，采用面向对象的方法建立物理数据模型，按照资源把物理数据模型分为人员类、设备类、物料类，各个类的属性和操作信息之间相互建立关联，对数据进行统一管理；

所述数字信息模型包括数字化本体模型和三维立体模型，采用本体的方法对装卸线进行数字化描述，将装卸线的装卸资源、生产任务、装卸过程进行数字化、虚拟化映射，把装卸线本体分为装卸资源本体、生产任务本体和装卸过程本体，分别建立本体模型；同时建立知识推演规则，将感知数据与本体模型的动态属性建立映射关系，搭建知识库，使用三维建模软件建立物理实体中的装卸设备的几何模型，从几何形状、物理属性、行为响应方面对物理装卸线进行真实地刻画和描述；

所述孪生数据实现“虚实交互”环境下系统全业务、全要素、全流程数据的集成与融合，装卸线的生产数据具有规模海量、多源异构、多尺度多维度的大数据特征，对现场实时感知数据、模型数据、服务系统数据进行生成、建模、清洗、关联、聚类、挖掘、迭代、演化、融合，形成孪生数据，真实刻画和反映系统的运行状态；

对现场实时感知数据、模型数据、服务系统数据进行生成、建模、清洗、关联、聚类、挖掘、迭代、演化、融合，形成孪生数据，具体包括如下步骤：

步骤a：对多源异构的复杂数据进行分类与建模，对异常值采用插补法、分箱法或回归法中的至少一种进行数据清洗，异常值包括缺失值、离群点、重复值、噪音数据；

步骤b：将装卸线的实时感知数据和历史感知数据进行关联、比对与整合，孪生数据与装卸线运行进行映射，实现多层次信息聚类与融合，以及源数据特征提取；

步骤c：对感知数据、模型数据、服务系统数据进行交互迭代与优化，同时对孪生数据进行模态更新，对相似或不同特征模式多源数据的相关性动态演化；

所述的数字孪生知识信息服务子系统，包括基本信息模块、知识信息模块、任务信息模块以及数字孪生信息模型显示模块；

基本信息模块包括物理装卸平台的基本信息和技术参数信息，知识信息模块对被采集的感知数据进行处理分析，经过计算推理，显示装卸任务与装卸作业过程相关的知识信息，任务状态模块体现了装卸线所承担的订单的完成情况，预测订单完成时间以便合理安排其他的装卸任务，数字孪生信息模型显示模块同步显示了仿真运行的模型和实时监测的相关数据，对设备运行状态、装卸作业完成情况进行查看；

知识信息模块对被采集的感知数据进行处理分析，经过计算推理，显示装卸任务与装卸作业过程相关的知识信息，包括物料信息、计划量、装卸点位置、设备使用状况；

任务状态模块体现了装卸线所承担的订单的完成情况，包括当前装卸任务、装卸进度和车辆调度。

2.一种基于权利要求1所述的石化无人值守装卸线数字孪生智能监控系统实现装卸线智能监控的方法，其特征在于，包括如下步骤：

步骤1，建立物理数据模型：

将装卸线异构的资源、数据进行聚类分析，抽象为物理数据模型，并通过关联规则挖掘对预处理完的数据集进行分析得出其中隐含的知识；

步骤2，建立孪生知识库：

将装卸实时数据和对应本体实例关联映射，保证了孪生知识库随着生产过程不断丰富扩充，将建立好的本体模型保存于云数据库；

步骤3，对本体模型进行操作：

通过Jena实现本体模型读取和其他操作，在此基础上加强对模型的动态推理，实现孪生模型物理数据到数字化本体的关联；

步骤4，建立三维立体模型：

基于虚拟可视化建立装卸线三维立体模型，封装运动行为并对其进行动态逻辑分析，通过接口与数据库进行关联实现对本体的操作，将本体模型与三维可视化模型进行充分融合，通过PLC连接端口可以实现对装卸作业的控制；

步骤5，采集与评估数据：

首先通过智能网关对底层设备进行数据的采集，通过网络传输到数据管理平台，最后数据经过管理平台进行选取、运算、存储，完成整个数据的采集与评估过程；

步骤6，优化仿真模型：

基于数字孪生模型构建仿真模型，定义仿真模型的迭代优化条件，基于实时采集的现场数据和数据库中的历史数据，采用多目标优化算法对仿真模型进行训练和优化，将仿真结果反馈给物理模型；

步骤7，进行数据融合：

对现场实时感知数据、模型数据、服务系统数据进行生成、建模、清洗、关联、聚类、挖掘、迭代、融合操作，真实刻画和反映系统的运行状态，将处理后的数据存储于云数据库；

步骤8，建立服务平台：

使用孪生数据作为服务平台的数据输入，经过计算推理，得出装卸作业过程的知识信息，同步显示仿真运行的可视化模型和实时监测的数据，经过模型仿真与孪生数据的迭代优化，对装卸作业进行决策控制，基于卷积神经网络算法对设备数据进行处理运算，反应设备健康状况，指导设备维护；

步骤9，进行交互控制：

通过OPC UA、TCP/UDP、Web Service通信接口实现数据实时采集、远程通信和多源动态数据的实时更新，工作人员通过操作终端实现对虚拟实体和物理实体的交互控制及虚拟监控。

Images