CN113269873A - 一种基于数字孪生的三维全息可视化模型及实现方法 - Google Patents
一种基于数字孪生的三维全息可视化模型及实现方法 Download PDFInfo
- Publication number
- CN113269873A CN113269873A CN202110610864.5A CN202110610864A CN113269873A CN 113269873 A CN113269873 A CN 113269873A CN 202110610864 A CN202110610864 A CN 202110610864A CN 113269873 A CN113269873 A CN 113269873A
- Authority
- CN
- China
- Prior art keywords
- data
- module
- digital
- model
- dimensional holographic
- 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
- 238000000034 method Methods 0.000 title claims abstract description 38
- 238000012800 visualization Methods 0.000 title claims abstract description 29
- 238000013507 mapping Methods 0.000 claims abstract description 35
- 238000004458 analytical method Methods 0.000 claims abstract description 21
- 230000005540 biological transmission Effects 0.000 claims abstract description 21
- 230000000007 visual effect Effects 0.000 claims abstract description 20
- 230000004927 fusion Effects 0.000 claims abstract description 17
- 238000007499 fusion processing Methods 0.000 claims abstract description 16
- 230000009466 transformation Effects 0.000 claims abstract description 16
- 238000011156 evaluation Methods 0.000 claims description 10
- 238000012545 processing Methods 0.000 claims description 10
- 238000013528 artificial neural network Methods 0.000 claims description 8
- 238000000605 extraction Methods 0.000 claims description 7
- 238000004891 communication Methods 0.000 claims description 6
- 238000004140 cleaning Methods 0.000 claims description 5
- 230000003993 interaction Effects 0.000 claims description 5
- 239000011521 glass Substances 0.000 claims 1
- 230000008859 change Effects 0.000 abstract description 4
- 238000013461 design Methods 0.000 abstract description 4
- 238000012986 modification Methods 0.000 abstract description 3
- 230000004048 modification Effects 0.000 abstract description 3
- 230000009286 beneficial effect Effects 0.000 abstract description 2
- 230000001133 acceleration Effects 0.000 description 9
- 238000004088 simulation Methods 0.000 description 7
- 238000013135 deep learning Methods 0.000 description 6
- 238000005516 engineering process Methods 0.000 description 6
- 238000004519 manufacturing process Methods 0.000 description 5
- 238000013079 data visualisation Methods 0.000 description 4
- 238000009825 accumulation Methods 0.000 description 3
- 238000010276 construction Methods 0.000 description 3
- 238000011161 development Methods 0.000 description 3
- 238000005065 mining Methods 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 239000004984 smart glass Substances 0.000 description 3
- 238000013473 artificial intelligence Methods 0.000 description 2
- 230000019771 cognition Effects 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 230000004075 alteration Effects 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 230000003190 augmentative effect Effects 0.000 description 1
- 230000003930 cognitive ability Effects 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 230000001737 promoting effect Effects 0.000 description 1
- 238000012827 research and development Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T17/00—Three dimensional [3D] modelling, e.g. data description of 3D objects
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/045—Combinations of networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T3/00—Geometric image transformations in the plane of the image
- G06T3/40—Scaling of whole images or parts thereof, e.g. expanding or contracting
- G06T3/4007—Scaling of whole images or parts thereof, e.g. expanding or contracting based on interpolation, e.g. bilinear interpolation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/70—Denoising; Smoothing
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Software Systems (AREA)
- General Health & Medical Sciences (AREA)
- Computing Systems (AREA)
- Computational Linguistics (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- Biomedical Technology (AREA)
- Molecular Biology (AREA)
- Biophysics (AREA)
- General Engineering & Computer Science (AREA)
- Artificial Intelligence (AREA)
- Mathematical Physics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Health & Medical Sciences (AREA)
- Computer Graphics (AREA)
- Geometry (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种基于数字孪生的三维全息可视化模型及实现方法,由数据采集模块、数据传输模块、数据融合变换模块、可视化映射模块、显示模块、辅助终端,其中:数据采集模块用于采集实体对象数据;所述实现方法如下:步骤一:通过数据采集模块采集实体对象数据;步骤二:通过数据融合变换模块对采集的数据进行融合处理和分析;步骤三:通过可视化映射模块将实体中的物理对象映射到数字空间中的模型对象;本发明的有益效果是:模块化设计,帮助分析人员自动分析时,直观地看到参数的修改或者算法的选择,增强了模型构建的效率;通过辅助终端与数字信息进行交互,对数字化模型进行预测、分析和操作,支撑数字孪生全息数据的完善变更。
Description
技术领域
本发明属于模型技术领域,具体涉及一种基于数字孪生的三维全息可视化模型及实现方法。
背景技术
数字孪生是充分利用物理模型、传感器更新、运行历史数据,集成多学科、多物理量、多尺度、多概率的仿真过程,在虚拟空间中完成映射,从而反映相对应的实体装备的全生命周期过程。数字孪生是一种超越现实的概念,可以被视为一个或多个重要的、彼此依赖的装备系统的数字映射系统。
数字孪生是个普遍适应的理论技术体系,可以在众多领域应用,目前在产品设计、产品制造、医学分析、工程建设领域应用较多。目前在国内应用最深入的是工程建设领域,关注度最高、研究最热的是智能制造领域。
数字孪生,做为物理产品的数字化表达科技工具,给工业领域带来了全生命跟踪的可能,并且引领着智能制造与数字化工业思维的落地途径与发展。在过去的2018年,我们看到数字孪生的技术发展焦点围绕着“物理认知”以及“流程展现”两个维度。这对工艺设计和工程应用等制造环节提升了新的认知能力,特别是在促进对生产运营的认知增加了可靠性判断的依据。
数字孪生在资产密集型行业的大部分宣传都是关于以设备维护为重点的应用,各种基于数字化模型进行的各类仿真、分析、数据积累、挖掘,甚至人工智能的应用,都能确保它与现实物理系统的适用性,是增强现实(AR)和虚拟现实(VR)工具发展的基础,可帮助技术人员更好地执行服务任务。
数字孪生技术是数字仿真模拟技术的进阶升级版,以往的军工产业的数字仿真模拟依靠的是人工测量数据并利用turegird建模并利用ANYSY软件进行数字模拟,数字孪生技术则是利用全息技术和VR技术,用人工智能创建一个完全拟真的环境和数字空间,用以全态化全周期的实验;这种技术一旦使用,可以大幅度地提高个研发团队的工作直观度,利于进一步交流改进。
数据可视化,是关于数据视觉表现形式的科学技术研究,其中,这种数据的视觉表现形式被定义为,一种以某种概要形式抽提出来的信息,包括相应信息单位的各种属性和变量。
它是一个处于不断演变之中的概念,其边界在不断地扩大;主要指的是技术上较为高级的技术方法,而这些技术方法允许利用图形、图像处理、计算机视觉以及用户界面,通过表达、建模以及对立体、表面、属性以及动画的显示,对数据加以可视化解释,与立体建模之类的特殊技术方法相比,数据可视化所涵盖的技术方法要广泛得多。
为了提高可视化模型构建的效率,支撑数字孪生全息数据的完善变更,为此我们提出一种基于数字孪生的三维全息可视化模型及实现方法。
发明内容
本发明的目的在于提供一种基于数字孪生的三维全息可视化模型及实现方法,提高可视化模型构建的效率,支撑数字孪生全息数据的完善变更。
为实现上述目的,本发明提供如下技术方案:一种基于数字孪生的三维全息可视化模型及实现方法,由数据采集模块、数据传输模块、数据融合变换模块、可视化映射模块、显示模块、辅助终端,其中:
数据采集模块用于采集实体对象数据;
数据传输模块用于对采集后的数据进行实时数据通信传输;
数据融合变换模块用于对采集的数据进行融合处理分析、并提供给可视化映射模块使用;
可视化映射模块用于将实体中的物理对象映射到数字空间中的模型对象;
显示模块用于显示数据处理和变换模块处理后的信息;
辅助终端用于数字信息的显示和交互;
所述实现方法如下:
步骤一:通过数据采集模块采集实体对象数据;
步骤二:通过数据融合变换模块对采集的数据进行融合处理和分析;
步骤三:通过可视化映射模块将实体中的物理对象映射到数字空间中的模型对象;
步骤四:通过辅助终端与数字信息进行交互,对数字化模型进行预测、分析和操作。
作为本发明的一种优选的技术方案,所述数据传输模块为WiFi、4G、GPRS模块中的一种或至少两种组合。
作为本发明的一种优选的技术方案,构建的模型通过神经网络进行优化加速。
作为本发明的一种优选的技术方案,所述采集的数据进行融合处理分析包括去除数据噪声、数据清洗、提取特征。
作为本发明的一种优选的技术方案,所述特征提取时,使用双线性插值算法对图片进行缩放,利用卷积核对图像进行卷积处理,确定处理后图像各特征图大小。
作为本发明的一种优选的技术方案,还包括迭代更新模块、且迭代更新模块用于重构社会模型,进行模型的迭代更新。
作为本发明的一种优选的技术方案,所述辅助终端为MR智能眼镜、VR头盔。
作为本发明的一种优选的技术方案,还包括评价模块、且评价模块用于对模型进行评价。
与现有技术相比,本发明的有益效果是:
(1)模块化设计,帮助分析人员自动分析时,直观地看到参数的修改或者算法的选择,增强了模型构建的效率;
(2)通过辅助终端与数字信息进行交互,对数字化模型进行预测、分析和操作,支撑数字孪生全息数据的完善变更。
附图说明
图1为本发明的实现方法流程图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅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。
实施例1
请参阅图1,本发明提供一种技术方案:一种基于数字孪生的三维全息可视化模型及实现方法,由数据采集模块、数据传输模块、数据融合变换模块、可视化映射模块、显示模块、辅助终端,其中:
数据采集模块用于采集实体对象数据;
数据传输模块用于对采集后的数据进行实时数据通信传输;
数据融合变换模块用于对采集的数据进行融合处理分析、并提供给可视化映射模块使用;
可视化映射模块用于将实体中的物理对象映射到数字空间中的模型对象;
显示模块用于显示数据处理和变换模块处理后的信息;
辅助终端用于数字信息的显示和交互;
包括如下步骤:
步骤一:通过数据采集模块采集实体对象数据;
步骤二:通过数据融合变换模块对采集的数据进行融合处理和分析;
步骤三:通过可视化映射模块将实体中的物理对象映射到数字空间中的模型对象;
步骤四:通过辅助终端与数字信息进行交互,对数字化模型进行预测、分析和操作。
数字孪生可以为实际业务决策提供依据,可视化决策系统最具有实际应用意义的,是可以帮助用户建立现实世界的数字孪生;基于既有海量数据信息,通过数据可视化建立一系列业务决策模型,能够实现对当前状态的评估、对过去发生问题的诊断,以及对未来趋势的预测,为业务决策提供全面、精准的决策依据。
本实施例中,优选的,数据传输模块为WiFi模块。
本实施例中,优选的,构建的模型通过神经网络进行优化加速;神经网络加速是为了进一步提高模型的运行速度,使用TensorRT进行推理加速,TensorRT是一个针对NVIDIAGPU的高性能深度学习推理加速优化器,深度学习框架PyTorch实现的模型不能直接由TensorRT优化,因此采用先将PyTorch模型转为中间格式文件ONNX后,再由TensorRT优化加速。
本实施例中,优选的,采集的数据进行融合处理分析包括去除数据噪声、数据清洗、提取特征。
本实施例中,优选的,特征提取时,使用双线性插值算法对图片进行缩放,利用卷积核对图像进行卷积处理,确定处理后图像各特征图大小。
本实施例中,优选的,辅助终端为MR智能眼镜。
实施例2
请参阅图1,本发明提供一种技术方案:一种基于数字孪生的三维全息可视化模型及实现方法,由数据采集模块、数据传输模块、数据融合变换模块、可视化映射模块、显示模块、辅助终端,其中:
数据采集模块用于采集实体对象数据;
数据传输模块用于对采集后的数据进行实时数据通信传输;
数据融合变换模块用于对采集的数据进行融合处理分析、并提供给可视化映射模块使用;
可视化映射模块用于将实体中的物理对象映射到数字空间中的模型对象;
显示模块用于显示数据处理和变换模块处理后的信息;
辅助终端用于数字信息的显示和交互;
包括如下步骤:
步骤一:通过数据采集模块采集实体对象数据;
步骤二:通过数据融合变换模块对采集的数据进行融合处理和分析;
步骤三:通过可视化映射模块将实体中的物理对象映射到数字空间中的模型对象;
步骤四:通过辅助终端与数字信息进行交互,对数字化模型进行预测、分析和操作。
数字孪生可以为实际业务决策提供依据,可视化决策系统最具有实际应用意义的,是可以帮助用户建立现实世界的数字孪生;基于既有海量数据信息,通过数据可视化建立一系列业务决策模型,能够实现对当前状态的评估、对过去发生问题的诊断,以及对未来趋势的预测,为业务决策提供全面、精准的决策依据。
本实施例中,优选的,数据传输模块为4G、GPRS模块。
本实施例中,优选的,构建的模型通过神经网络进行优化加速;神经网络加速是为了进一步提高模型的运行速度,使用TensorRT进行推理加速,TensorRT是一个针对NVIDIAGPU的高性能深度学习推理加速优化器,深度学习框架PyTorch实现的模型不能直接由TensorRT优化,因此采用先将PyTorch模型转为中间格式文件ONNX后,再由TensorRT优化加速。
本实施例中,优选的,采集的数据进行融合处理分析包括去除数据噪声、数据清洗、提取特征。
本实施例中,优选的,特征提取时,使用双线性插值算法对图片进行缩放,利用卷积核对图像进行卷积处理,确定处理后图像各特征图大小。
本实施例中,优选的,辅助终端为VR头盔。
本实施例中,优选的,还包括评价模块、且评价模块用于对模型进行评价。
实施例3
请参阅图1,本发明提供一种技术方案:一种基于数字孪生的三维全息可视化模型及实现方法,由数据采集模块、数据传输模块、数据融合变换模块、可视化映射模块、显示模块、辅助终端,其中:
数据采集模块用于采集实体对象数据;
数据传输模块用于对采集后的数据进行实时数据通信传输;
数据融合变换模块用于对采集的数据进行融合处理分析、并提供给可视化映射模块使用;
可视化映射模块用于将实体中的物理对象映射到数字空间中的模型对象;
显示模块用于显示数据处理和变换模块处理后的信息;
辅助终端用于数字信息的显示和交互;
包括如下步骤:
步骤一:通过数据采集模块采集实体对象数据;
步骤二:通过数据融合变换模块对采集的数据进行融合处理和分析;
步骤三:通过可视化映射模块将实体中的物理对象映射到数字空间中的模型对象;
步骤四:通过辅助终端与数字信息进行交互,对数字化模型进行预测、分析和操作。
数字孪生可以为实际业务决策提供依据,可视化决策系统最具有实际应用意义的,是可以帮助用户建立现实世界的数字孪生;基于既有海量数据信息,通过数据可视化建立一系列业务决策模型,能够实现对当前状态的评估、对过去发生问题的诊断,以及对未来趋势的预测,为业务决策提供全面、精准的决策依据。
本实施例中,优选的,数据传输模块为WiFi、4G、GPRS模块。
本实施例中,优选的,构建的模型通过神经网络进行优化加速;神经网络加速是为了进一步提高模型的运行速度,使用TensorRT进行推理加速,TensorRT是一个针对NVIDIAGPU的高性能深度学习推理加速优化器,深度学习框架PyTorch实现的模型不能直接由TensorRT优化,因此采用先将PyTorch模型转为中间格式文件ONNX后,再由TensorRT优化加速。
本实施例中,优选的,采集的数据进行融合处理分析包括去除数据噪声、数据清洗、提取特征。
本实施例中,优选的,特征提取时,使用双线性插值算法对图片进行缩放,利用卷积核对图像进行卷积处理,确定处理后图像各特征图大小。
本实施例中,优选的,还包括迭代更新模块、且迭代更新模块用于重构社会模型,进行模型的迭代更新。
本实施例中,优选的,辅助终端为MR智能眼镜、VR头盔。
本实施例中,优选的,还包括评价模块、且评价模块用于对模型进行评价。
尽管已经示出和描述了本发明的实施例,对于本领域的普通技术人员而言,可以理解在不脱离本发明的原理和精神的情况下可以对这些实施例进行多种变化、修改、替换和变型,本发明的范围由所附权利要求及其等同物限定。
Claims (8)
1.一种基于数字孪生的三维全息可视化模型及实现方法,其特征在于:由数据采集模块、数据传输模块、数据融合变换模块、可视化映射模块、显示模块、辅助终端,其中:
数据采集模块用于采集实体对象数据;
数据传输模块用于对采集后的数据进行实时数据通信传输;
数据融合变换模块用于对采集的数据进行融合处理分析、并提供给可视化映射模块使用;
可视化映射模块用于将实体中的物理对象映射到数字空间中的模型对象;
显示模块用于显示数据处理和变换模块处理后的信息;
辅助终端用于数字信息的显示和交互;
所述实现方法如下:
步骤一:通过数据采集模块采集实体对象数据;
步骤二:通过数据融合变换模块对采集的数据进行融合处理和分析;
步骤三:通过可视化映射模块将实体中的物理对象映射到数字空间中的模型对象;
步骤四:通过辅助终端与数字信息进行交互,对数字化模型进行预测、分析和操作。
2.根据权利要求1所述的一种基于数字孪生的三维全息可视化模型及实现方法,其特征在于:所述数据传输模块为WiFi、4G、GPRS模块中的一种或至少两种组合。
3.根据权利要求1所述的一种基于数字孪生的三维全息可视化模型及实现方法,其特征在于:构建的模型通过神经网络进行优化加速。
4.根据权利要求1所述的一种基于数字孪生的三维全息可视化模型及实现方法,其特征在于:所述采集的数据进行融合处理分析包括去除数据噪声、数据清洗、提取特征。
5.根据权利要求4所述的一种基于数字孪生的三维全息可视化模型及实现方法,其特征在于:所述特征提取时,使用双线性插值算法对图片进行缩放,利用卷积核对图像进行卷积处理,确定处理后图像各特征图大小。
6.根据权利要求1所述的一种基于数字孪生的三维全息可视化模型及实现方法,其特征在于:还包括迭代更新模块、且迭代更新模块用于重构社会模型,进行模型的迭代更新。
7.根据权利要求1所述的一种基于数字孪生的三维全息可视化模型及实现方法,其特征在于:所述辅助终端为MR智能眼镜、VR头盔。
8.根据权利要求1所述的一种基于数字孪生的三维全息可视化模型及实现方法,其特征在于:还包括评价模块、且评价模块用于对模型进行评价。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110610864.5A CN113269873A (zh) | 2021-06-01 | 2021-06-01 | 一种基于数字孪生的三维全息可视化模型及实现方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110610864.5A CN113269873A (zh) | 2021-06-01 | 2021-06-01 | 一种基于数字孪生的三维全息可视化模型及实现方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113269873A true CN113269873A (zh) | 2021-08-17 |
Family
ID=77234039
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110610864.5A Pending CN113269873A (zh) | 2021-06-01 | 2021-06-01 | 一种基于数字孪生的三维全息可视化模型及实现方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113269873A (zh) |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110456635A (zh) * | 2019-07-02 | 2019-11-15 | 北京航空航天大学 | 基于数字孪生技术的电动汽车动力系统的控制方法 |
CN112132955A (zh) * | 2020-09-01 | 2020-12-25 | 大连理工大学 | 人体骨骼的数字孪生体构建方法 |
CN112162519A (zh) * | 2020-10-21 | 2021-01-01 | 桂林电子科技大学 | 一种复合型机床数字孪生监控系统 |
CN112711900A (zh) * | 2020-12-02 | 2021-04-27 | 济南浪潮高新科技投资发展有限公司 | 一种农作物数字孪生建模方法 |
KR20210059283A (ko) * | 2019-11-15 | 2021-05-25 | 디포커스 (주) | 디지털 트윈 기반의 건설기계 지능화를 위한 시각화 시스템 |
-
2021
- 2021-06-01 CN CN202110610864.5A patent/CN113269873A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110456635A (zh) * | 2019-07-02 | 2019-11-15 | 北京航空航天大学 | 基于数字孪生技术的电动汽车动力系统的控制方法 |
KR20210059283A (ko) * | 2019-11-15 | 2021-05-25 | 디포커스 (주) | 디지털 트윈 기반의 건설기계 지능화를 위한 시각화 시스템 |
CN112132955A (zh) * | 2020-09-01 | 2020-12-25 | 大连理工大学 | 人体骨骼的数字孪生体构建方法 |
CN112162519A (zh) * | 2020-10-21 | 2021-01-01 | 桂林电子科技大学 | 一种复合型机床数字孪生监控系统 |
CN112711900A (zh) * | 2020-12-02 | 2021-04-27 | 济南浪潮高新科技投资发展有限公司 | 一种农作物数字孪生建模方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112528525B (zh) | 一种基于建模技术的可视化工业流程管控平台 | |
CN112731887B (zh) | 石化无人值守装卸线数字孪生智能监控系统及方法 | |
CN112818446A (zh) | 一种智能车间数字孪生系统的构建方法 | |
CN111368417B (zh) | 面向重大装备或关键部件的“形-性”一体化数字孪生方法 | |
CN113220776B (zh) | 一种工业数据处理系统和方法 | |
CN115062478A (zh) | 基于数字孪生的动态车间生产排程调度方法、系统及介质 | |
CN111950066B (zh) | 一种基于bim和gis技术的数字孪生数据驱动系统 | |
CN111966068A (zh) | 电机产线增强现实监控方法、装置、电子设备及存储介质 | |
CN112462696A (zh) | 一种智能制造车间数字孪生模型构建方法与系统 | |
CN112799369A (zh) | 一种产品装配过程管控方法和装置 | |
CN110471383A (zh) | 设备管理方法、装置、系统以及电子设备 | |
CN116976549A (zh) | 一种面向设备密集离散型制造工厂的智能优化管控方法 | |
CN114722565A (zh) | 一种元宇宙数字孪生系统 | |
CN114415607A (zh) | 基于数据驱动的设计工艺制造一体化数字孪生系统 | |
CN114218763A (zh) | 一种基于数字孪生的产线动态虚拟重组方法 | |
CN114925121A (zh) | 一种基于三维可视化技术的总装车间监控系统 | |
CN113496548A (zh) | 一种面向透明工厂的生产现场数据映射方法 | |
CN117332635B (zh) | 一种基于数字孪生的结构在线监测系统及方法 | |
CN116414081A (zh) | 一种基于数字孪生的智慧车间实时监控方法 | |
CN114147706A (zh) | 一种基于数字孪生的协作机器人远程监测系统与方法 | |
CN113269873A (zh) | 一种基于数字孪生的三维全息可视化模型及实现方法 | |
CN114859830A (zh) | 一种应用于工业生产的数字孪生系统 | |
Li et al. | Research on Mathematical Calculation of Bridge Health Monitoring System based on BIM Model Time History Analysis | |
CN115761147A (zh) | 一种化工厂可视化系统及方法 | |
CN114254414A (zh) | 面向数字孪生的旋转机组虚拟现实方法、装置、电子设备 |
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 |