CN113537499A - 一种面向制造的深度数字孪生系统 - Google Patents
一种面向制造的深度数字孪生系统 Download PDFInfo
- Publication number
- CN113537499A CN113537499A CN202110828375.7A CN202110828375A CN113537499A CN 113537499 A CN113537499 A CN 113537499A CN 202110828375 A CN202110828375 A CN 202110828375A CN 113537499 A CN113537499 A CN 113537499A
- Authority
- CN
- China
- Prior art keywords
- digital
- manufacturing
- virtual
- module
- twin
- 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
- 238000004519 manufacturing process Methods 0.000 title abstract description 33
- 238000000034 method Methods 0.000 claims abstract description 30
- 230000003993 interaction Effects 0.000 claims abstract description 27
- 230000008569 process Effects 0.000 claims abstract description 21
- 238000005728 strengthening Methods 0.000 claims abstract description 15
- 230000005012 migration Effects 0.000 claims abstract description 13
- 238000013508 migration Methods 0.000 claims abstract description 13
- 238000012545 processing Methods 0.000 claims abstract description 12
- 230000008859 change Effects 0.000 claims abstract description 9
- 238000007405 data analysis Methods 0.000 claims abstract description 4
- 238000003754 machining Methods 0.000 claims abstract description 4
- 238000007499 fusion processing Methods 0.000 claims description 3
- 230000007246 mechanism Effects 0.000 claims description 3
- 230000004927 fusion Effects 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 3
- 230000005540 biological transmission Effects 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 230000008447 perception Effects 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000003190 augmentative effect Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000002860 competitive effect Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000002708 enhancing effect Effects 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N5/00—Computing arrangements using knowledge-based models
- G06N5/04—Inference or reasoning models
-
- 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
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/04—Manufacturing
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/30—Computing systems specially adapted for manufacturing
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Manufacturing & Machinery (AREA)
- Marketing (AREA)
- Primary Health Care (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- General Health & Medical Sciences (AREA)
- Economics (AREA)
- Health & Medical Sciences (AREA)
- Human Resources & Organizations (AREA)
- Artificial Intelligence (AREA)
- Computational Linguistics (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种面向制造的深度数字孪生系统,属于智能制造系统技术领域;一种面向制造的深度数字孪生系统,包括有数字阴影推理模块、虚实交互强化模块和迁移泛化模块,以知识模型的方法构建数字孪生系统的数字阴影,并在数字阴影阶段进行数据分析与推理,支持现场加工决策;通过数字孪生虚实交互的过程,孪生空间不断对加工过程的动态变化进行反馈与学习,强化孪生空间的决策能力;可以根据系统任务的变化及场景的变化,快速构建系统的几何、知识及决策模型,具有较强的自适应性;本发明有效提高了制造系统对制造任务的适应性,满足了多种制造任务的要求,强化了智能制造系统的精度。
Description
技术领域
本发明涉及智能制造系统技术领域,特别是涉及一种面向制造的深度数字孪生系统。
背景技术
随着工业物联网、工业大数据、人工智能等新一代信息技术的快速发展与落地应用,以及美国工业互联网、德国工业4.0等各国制造发展战略的提出,大力推行智能制造成为全球制造业竞相发展的方向。在制造企业内部落实智能制造的难题之一就是如何实现信息物理的融合。通过集成DT(数字孪生)、VR/AR(虚拟现实/增强现实)、IoTs(物联网及其服务)等技术,形成了虚实融合的制造系统,该系统具备强大的感知、计算及操控能力,可以实现作业过程的精细管控、降低对工人经验的依赖、提升复杂人工作业的智能化。DT作为CPS(信息物理系统)的一项关键使能技术,近年来受到了广泛的关注。在众多概念当中,由陶飞给出的数字孪生定义较为全面:数字孪生是一种集成多物理、多尺度、多学科属性,具有实时同步、忠实映射、高保真度特性,能够实现物理世界与信息世界交互与融合的技术手段。
目前,DT在制造业中已经得到了初步探索性应用,且具有良好的应用效果。但是,面对未来数字孪生更加广泛和深度的应用,需要我们更加深入的去研究数字孪生的理论基础和应用价值;鉴于此,本发明以如何实现智能制造,深度落实DT的理论和方法应用为研究背景,融合了深度学习方法及功能,类比到数字孪生的应用中,提出了一种面向制造的深度数字孪生系统。
发明内容
本发明的目的在于提高制造系统对制造任务的适应性,满足多种制造任务的要求,强化智能制造系统的精度而提出的一种面向制造的深度数字孪生系统。
为了实现上述目的,本发明采用了如下技术方案:
一种面向制造的深度数字孪生系统,包括有数字孪生主系统,所述数字孪生主系统包括有数字阴影推理模块、虚实交互强化模块和迁移泛化模块;
数字阴影推理模块,以知识模型的方法构建数字孪生主系统的数字阴影,并在数字阴影阶段进行数据分析与推理,支持现场加工决策;
虚实交互强化模块,通过分析数字孪生虚实交互的过程,孪生空间不断对加工过程的动态变化进行反馈与学习,强化孪生空间的决策能力;
迁移泛化模块,针对不同类别、不同场景的加工要求,数字孪生主系统根据采集的数据,实时分析新场景下的关键要素,并通过历史的加工系统信息,快速自适应调整与构建数字孪生主系统。
优选地,所述数字阴影推理模块,包括数字阴影推理过程,是通过分析知识模型组成的数字阴影,并结合知识推理的相关方法,快速形成数字孪生主系统的决策机制。
优选地,所述虚实交互强化模块,包括有虚实交互强化过程,是数字孪生主系统通过分析虚实融合过程中的交互过程,识别出交互过程中的有效流程,并深度强化虚拟空间与物理空间的操作。
优选地,所述迁移泛化模块,包括迁移泛化过程,可以根据数字孪生主系统任务及场景的变化,快速构建数字孪生主系统的几何、知识及决策模型。
与现有技术相比,本发明提供了一种面向制造的深度数字孪生系统,具备以下有益效果:
本发明将虚实交互中的数据传输的感知变量形成知识进行推理,通过虚实融合操作强化物理空间与虚拟空间,且可根据不同加工要求的进行调整,系统泛化性能强和扩展性强,促进制造系统向高精度制造发展。
综上所述,本发明有效提高了制造系统对制造任务的适应性,满足了多种制造任务的要求,强化了智能制造系统的精度。
附图说明
图1为本发明提出的一种面向制造的深度数字孪生系统的流程示意图。
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。
实施例1:
请参阅图1,一种面向制造的深度数字孪生系统,包括有数字孪生主系统,数字孪生主系统包括有数字阴影推理模块、虚实交互强化模块和迁移泛化模块;
数字阴影推理模块,以知识模型的方法构建数字孪生主系统的数字阴影,并在数字阴影阶段进行数据分析与推理,支持现场加工决策;
虚实交互强化模块,通过分析数字孪生虚实交互的过程,孪生空间不断对加工过程的动态变化进行反馈与学习,强化孪生空间的决策能力;
迁移泛化模块,针对不同类别、不同场景的加工要求,数字孪生主系统根据采集的数据,实时分析新场景下的关键要素,并通过历史的加工系统信息,快速自适应调整与构建数字孪生主系统。
数字阴影推理模块,包括数字阴影推理过程,是通过分析知识模型组成的数字阴影,并结合知识推理的相关方法,快速形成数字孪生主系统的决策机制。
虚实交互强化模块,包括有虚实交互强化过程,是数字孪生主系统通过分析虚实融合过程中的交互过程,识别出交互过程中的有效流程,并深度强化虚拟空间与物理空间的操作。
迁移泛化模块,包括迁移泛化过程,可以根据数字孪生主系统任务及场景的变化,快速构建数字孪生主系统的几何、知识及决策模型。
本发明将虚实交互中的数据传输的感知变量形成知识进行推理,通过虚实融合操作强化物理空间与虚拟空间,且可根据不同加工要求的进行调整,系统泛化性能强和扩展性强,促进制造系统向高精度制造发展。综上所述,本发明有效提高了制造系统对制造任务的适应性,满足了多种制造任务的要求,强化了智能制造系统的精度。
以上,仅为本发明较佳的具体实施方式,但本发明的保护范围并不局限于此,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,根据本发明的技术方案及其发明构思加以等同替换或改变,都应涵盖在本发明的保护范围之内。
Claims (4)
1.一种面向制造的深度数字孪生系统,其特征在于,包括有数字孪生主系统,所述数字孪生主系统包括有数字阴影推理模块、虚实交互强化模块和迁移泛化模块;
数字阴影推理模块,以知识模型的方法构建数字孪生主系统的数字阴影,并在数字阴影阶段进行数据分析与推理,支持现场加工决策;
虚实交互强化模块,通过分析数字孪生虚实交互的过程,孪生空间不断对加工过程的动态变化进行反馈与学习,强化孪生空间的决策能力;
迁移泛化模块,针对不同类别、不同场景的加工要求,数字孪生主系统根据采集的数据,实时分析新场景下的关键要素,并通过历史的加工系统信息,快速自适应调整与构建数字孪生主系统。
2.根据权利要求1所述的一种面向制造的深度数字孪生系统,其特征在于,所述数字阴影推理模块,包括数字阴影推理过程,是通过分析知识模型组成的数字阴影,并结合知识推理的相关方法,快速形成数字孪生主系统的决策机制。
3.根据权利要求1所述的一种面向制造的深度数字孪生系统,其特征在于,所述虚实交互强化模块,包括有虚实交互强化过程,是数字孪生主系统通过分析虚实融合过程中的交互过程,识别出交互过程中的有效流程,并深度强化虚拟空间与物理空间的操作。
4.根据权利要求1所述的一种面向制造的深度数字孪生系统,其特征在于,所述迁移泛化模块,包括迁移泛化过程,可以根据数字孪生主系统任务及场景的变化,快速构建数字孪生主系统的几何、知识及决策模型。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110828375.7A CN113537499A (zh) | 2021-07-22 | 2021-07-22 | 一种面向制造的深度数字孪生系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110828375.7A CN113537499A (zh) | 2021-07-22 | 2021-07-22 | 一种面向制造的深度数字孪生系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113537499A true CN113537499A (zh) | 2021-10-22 |
Family
ID=78120338
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110828375.7A Pending CN113537499A (zh) | 2021-07-22 | 2021-07-22 | 一种面向制造的深度数字孪生系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113537499A (zh) |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111026063A (zh) * | 2019-12-25 | 2020-04-17 | 南方科技大学 | 数字孪生体构建方法、装置、计算机设备及存储介质 |
CN111177942A (zh) * | 2020-01-06 | 2020-05-19 | 中国矿业大学(北京) | 矿井无人化综掘工作面数字孪生智能监控系统 |
CN111695734A (zh) * | 2020-06-12 | 2020-09-22 | 中国科学院重庆绿色智能技术研究院 | 一种基于数字孪生及深度学习的多工艺规划综合评估系统及方法 |
-
2021
- 2021-07-22 CN CN202110828375.7A patent/CN113537499A/zh active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111026063A (zh) * | 2019-12-25 | 2020-04-17 | 南方科技大学 | 数字孪生体构建方法、装置、计算机设备及存储介质 |
CN111177942A (zh) * | 2020-01-06 | 2020-05-19 | 中国矿业大学(北京) | 矿井无人化综掘工作面数字孪生智能监控系统 |
CN111695734A (zh) * | 2020-06-12 | 2020-09-22 | 中国科学院重庆绿色智能技术研究院 | 一种基于数字孪生及深度学习的多工艺规划综合评估系统及方法 |
Non-Patent Citations (3)
Title |
---|
ASMA LADJA ET.AL.: "A knowledge-based Digital Shadow for machining industry in a Digital Twin perspective", 《JOURNAL OF MANUFACTURING SYSTEMS》 * |
张帆等: "智慧矿山数字孪生技术研究综述", 《煤炭科学技术》 * |
张艳丽等: "数字孪生与全息技术融合下的未来学习:新内涵、新图景与新场域", 《远程教育杂志》 * |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111444811B (zh) | 一种三维点云目标检测的方法 | |
CN111325843B (zh) | 一种基于语义逆深度滤波的实时语义地图构建方法 | |
CN107025457B (zh) | 一种图像处理方法和装置 | |
Chen et al. | Saliency detection via the improved hierarchical principal component analysis method | |
CN109117560A (zh) | 基于mbd的汽车典型机加工零件三维工艺设计方法及平台 | |
CN110363816A (zh) | 一种基于深度学习的移动机器人环境语义建图方法 | |
CN108875555B (zh) | 基于神经网络的视频兴趣区域和显著目标提取与定位系统 | |
CN112802204B (zh) | 未知环境下三维空间场景先验的目标语义导航方法及系统 | |
CN109801297B (zh) | 一种基于卷积实现的图像全景分割预测优化方法 | |
CN106599915A (zh) | 一种车载激光点云分类方法 | |
US11860846B2 (en) | Methods, systems and apparatus to improve spatial-temporal data management | |
CN110097598A (zh) | 一种基于pvfh特征的三维物体位姿估计方法 | |
CN102073758A (zh) | 基于图灵机模型的增强现实装配环境系统建模方法 | |
CN116630623A (zh) | 一种面向工业场景的工件点云实例分割方法 | |
Li et al. | Sustainable CNN for robotic: An offloading game in the 3D vision computation | |
CN113537499A (zh) | 一种面向制造的深度数字孪生系统 | |
CN113256793A (zh) | 一种三维数据处理方法及系统 | |
CN112396137A (zh) | 一种融合上下文语义的点云语义分割方法 | |
CN108921852B (zh) | 基于视差与平面拟合的双分支室外非结构化地形分割网络 | |
CN116545871A (zh) | 一种多模态网络流量预测方法、装置、介质 | |
CN114531665B (zh) | 一种基于莱维飞行的无线传感器网络节点分簇方法及系统 | |
CN111402382B (zh) | 一种提升分层分块三维模型数据渲染效率的分类优化方法 | |
CN118202389A (zh) | 基于自适应深度学习的点云压缩概率预测方法 | |
CN113255514A (zh) | 基于局部场景感知图卷积网络的行为识别方法 | |
Liu et al. | V2X-PC: Vehicle-to-everything Collaborative Perception via Point Cluster |
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 |