CN113673948A - 一种基于工业互联网的数字孪生基础开发平台 - Google Patents

Abstract

本发明涉及一种基于工业互联网的数字孪生基础开发平台，依托数字孪生开发平台架构搭建、数字孪生快速组态引擎、数字孪生仿真资源库构建等先进技术，重点解决智能工厂等典型工业应用场景过程管控可视化程度不高、虚拟仿真构建能力不足，系统级数字孪生场景搭建及开发效率低等问题，是一套基于工业互联网技术的可视化、低代码、组态化的数字孪生开发平台，能够将管控要素数字化、模型化，为工业用户提供面向全局视角的智能化生产服务，提供更为智慧的数据分析能力，实现全维度、全链路过程智能化管理。

Description

一种基于工业互联网的数字孪生基础开发平台

技术领域

本发明涉及3D开发技术领域，特别是一种基于工业互联网的数字孪生基础开发平台。

背景技术

近年来，随着3D技术的飞速发展以及5G的加速普及，3D可视化场景应用开始频繁出现在我们的视野中，从VR看房的720°实景，到虚拟与实景相结合的3D企业宣传展厅；从线上预约线下看展，到云端参展云上逛展，在数字化呈现文化特色方面，3D可视化、虚拟现实等技术逐渐引领市场潮流。

但是，现有的3D 开发存在人员投入大、开发效率低、场景制作周期长、模型无法复用、系统部署复杂等问题。

发明内容

本发明所要解决的技术问题是针对现有技术的不足，提供一种能够将管控要素数字化、模型化，为工业用户提供面向全局视角的智能化生产服务，提供更为智慧的数据分析能力，实现全维度、全链路过程智能化管理的基于工业互联网的数字孪生基础开发平台。

本发明所要解决的技术问题是通过以下的技术方案来实现的。本发明是一种基于工业互联网的数字孪生基础开发平台，该平台包括组态开发层、服务层、数字孪生层、物理层，

所述组态开发层包括组态HMI编辑开发，用于虚拟场景快速搭建；

组态控制逻辑开发，用于控制逻辑关系模型搭建；

数据抽取逻辑开发，用于数据模型搭建；

所述服务层，用于提供场景配置服务、公/私有云服务、动作服务、控制逻辑服务、数据抽取服务、数据模型定义服务和实时数据库；

所述数字孪生层，包括数字孪生构建模块，分为组件结构化定义模块、数字孪生数据挖掘模块和虚拟仿真模块；

三维引擎模块，为自有组态可视化开发模块JARIJS；

虚拟实体模块，分为模型库管理模块和模型激励源控制管理模块；

数据存储模块，分为结构化数据库和内存数据库；

所述物理层，用于接入系统和感知对象，进行数据解析和清洗。

本发明所要解决的技术问题还可以通过以下的技术方案来进一步实现，对于以上所述的基于工业互联网的数字孪生基础开发平台，所述组态HMI编辑开发包括提供场景元素库、进行场景参数配置和构建场景动作模型；

所述组态控制逻辑开发包括提供组件控制逻辑库、提供二次开发接口和自定义逻辑扩展；

所述数据抽取逻辑开发包括数据分拆、数据绑定、组件框架和组态元素数据配置。

本发明所要解决的技术问题还可以通过以下的技术方案来进一步实现，对于以上所述的基于工业互联网的数字孪生基础开发平台，所述组件结构化定义包括组件对象定义、组件控制规则定义、组件输入输出定义和组件几何面定义；

所述数字孪生数据挖掘包括数据逻辑定义、数据抽取方式定义、数据维度定义和数据关系定义；

所述虚拟仿真包括动态仿真模拟、仿真运行逻辑管理和提供仿真算法库以及第三方仿真文件。

本发明所要解决的技术问题还可以通过以下的技术方案来进一步实现，对于以上所述的基于工业互联网的数字孪生基础开发平台，所述模型库管理模块用于提供模型单体、贴图库、2D/3D编辑器、模型导入及优化和业务属性语义；

所述模型激励源控制管理模块用于激励源定义、激励源数据定义、激励源规则定义和模型驱动。

本发明所要解决的技术问题还可以通过以下的技术方案来进一步实现，对于以上所述的基于工业互联网的数字孪生基础开发平台，所述结构化数据库用于存储非结构化文件，包括共享建模文件；

所述内存数据库用于存储非结构化通信信息。

本发明所要解决的技术问题还可以通过以下的技术方案来进一步实现，对于以上所述的基于工业互联网的数字孪生基础开发平台，所述接入系统用于设备接入，包括CoAP、LWM2M、MQTT、SDK、HTTP的封装与接入；

所述感知对象包括感知数据，分为传感器数据、IOT设备数据、摄像头数据以及机器人数据；

场景数据，分为BIM场景数据、点云扫描数据、GIS数据以及第三方开源数据。

与现有技术相比，本发明的有益效果：

1、平台基于面向智慧园区、智能工厂业务领域全维度管控单元级、系统级数字孪生技术，快速搭建满足客户应用场景的数字孪生基础开发平台，以自主可控的数字孪生技术，提供可视化、低代码、组态化、生态化的数字孪生编辑工具集、虚拟仿真模型库，将管控要素数字化、模型化，运用平台汇集的大数据开展诊断、预测、决策，提高基于数字孪生的工业软件开发、测试、部署能力，助力用户提升资源优化配置能力、过程控制能力，提升服务能力；

2、解决了传统 3D 开发人员投入大、开发效率低、场景制作周期长、模型无法复用、系统部署复杂等问题，提供高度组态化、低代码化的模型场景，通过采集的工业大数据开展仿真、诊断、预测、决策，构筑园区和车间智能监测、智能运维、智能运营、智能控制等。

附图说明

图1为本发明的一种平台架构图；

图2为本发明的算法校验流程图；

图3为本发明的组态封装流程图。

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，下面将结合本发明附图，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。

参照图1-3，本发明涉及一种基于工业互联网的数字孪生基础开发平台，依托数字孪生开发平台架构搭建、数字孪生快速组态引擎、数字孪生仿真资源库构建等先进技术，重点解决智能工厂等典型工业应用场景过程管控可视化程度不高、虚拟仿真构建能力不足，系统级数字孪生场景搭建及开发效率低等问题，是一套基于工业互联网技术的可视化、低代码、组态化的数字孪生开发平台，将管控要素数字化、模型化，为工业用户提供面向全局视角的智能化生产服务，提供更为智慧的数据分析能力，实现全维度、全链路过程智能化管理。

该平台以物联网、大数据、数字孪生等技术为支撑，构建PaaS层数字孪生应用开发平台，结合智慧园区、智能工厂等典型应用场景，开展数字孪生开发平台架构、数字孪生快速组态引擎、数字孪生仿真资源库、基于基础协议库的数字孪生集成等内容的研究，实现单元级、系统级数字孪生管控系统的快速搭建。

1、数字孪生基础开发平台架构

数字孪生基础开发平台针对传统三维引擎兼容性差、业务针对性不强等问题，构建物理层数据协议集成模块、数字孪生模型库模块、数字孪生快速组态引擎以及数字孪生仿真算法库模块，结合各模块的功能业务需求，建立开放性架构的模型标准，高性能计算引擎以及支撑仿真应用的工具化组件；

数字孪生基础开发平台是基于云的数字孪生技术使能平台，面向智慧园区、智能工厂生产实现全维度管控，快速实现单元级、系统级数字孪生，开发人员通过平台内的可视化界面在线进行应用场景搭建以及数据的绑定，快速进行数字孪生虚拟化应用开发，以自主可控的数字孪生技术，提供可视化、低代码、组态化、生态化的数字孪生编辑工具集和虚拟仿真模型库，将管控要素数字化、模型化，为工业客户提供面向全局视角的智能化生产服务，提供更为智慧的数据分析能力，助力工业企业实现全维度、全链路过程智能化管理。

2、面向工厂车间的三维模型库搭建技术

针对工厂车间三维模型存在的模型占用资源大、模型复用率底、模型缺乏有效的管理等难题，提供面向工厂车间的三维模型库搭建技术，研究并制订了一套通用的模型标准，并基于此标准实现三维场景模型从第三方平台的接入，由此不断丰富模型库的体量；在模型搜索管理层对搜索到的模型进行编辑，进行模型数据库管理架构设计，实现通过对模型搜索机制、模型数据存储机制、模型分类机制进行设计与优化，解决海量模型管理困难问题，提高模型的利用率和普及率，进而提高应用的开发效率和质量；

通过对模型库管理系统的架构进行分析，将管理系统分为模型门户管理层、模型搜索管理层、模型功能管理层以及API交互层；对于模型门户管理层，采用分角色分权限管理，对系统内不同的用户角色赋予不同的系统权限，实现机理模型库管理的系统的角色管理；对于模型数据管理层,用于模型数据库进行设计，对模型进行分类存储、并根据用户需求快速调取模型。模型支持跨平台调用，为使用者提供模型交互API接口，通过API接口向外部应用程序提供服务，包括：通过API接，将所需模型下载后直接调用到其他平台或系统进行复用。

3、车间生产过程仿真算法库搭建技术

面向生产过程仿真算法库的搭建包括建立算法方程库、仿真材料库、数字孪生模型库以及目标仿真描述语言，通过设置目标仿真实体描述性语言、基于系统输入条件信息从算法方程库中找出与给定条件相对应的描述语言、根据描述语言映射绑定相似的与所需算法最接近的仿真算法，根据映射仿真算法对动态仿真模型进行重建，结合仿真效果对分析算法、仿真参数等进行重构和优化；在完成仿真效果与实体运行效果的认证后，将算法与参数配置一并存入算法库、建立优化后描述目标实体条件与算法模型的匹配关系、作为未来类似环境下的匹配算法备选项、达到仿真算法库中算法智能学习的效果。

4、基于webgl的数字孪生组态封装技术

国外关于组态引擎的研究主要集中在C/S架构的开发引擎方向，但是不具备多系统的兼容性特征，而且操作方式以及开发流程较为繁琐；国内组态平台的研究方向以可视化展示为主，在场景控制逻辑以及制造业务方面体现较少；

本申请的平台依托3D基础算法、webgl搭建底层HTML-3D数字孪生快速组态引擎，兼容各类主流网页浏览器，通过对复杂难懂的3D底层进行封装以及海量的3D模型资源库的支持，提供物联网应用的数字孪生可视化PaaS平台；

本申请的平台实现基于浏览器B/S架构下的数字孪生组态引擎，孪生场景包含多个物体以及组件，参考ECS架构的设计思路解决面向对象框架下GameObject过多造成的实例难以维护以及耦合过重的问题，将场景中的实体抽象成Entity，数据抽象为Component，功能描述抽象为System，通过组合的方式来配置和生成GameObject；

该平台采用组件式管理方式在此基础上对其功能强化并封装成独立组件为应用提供服务，基于ACM（角色、组件、消息）的管理模型，用于对角色、组件等资源有效的管理及通信控制，掌控数字孪生场景中的所有对象并对运行过程进行有效的管理；

基于WebGL打造并包装自有组态可视化开发模块JARIJS，通过对常用功能组件的封装实现可视化编辑器核心引擎的构建，通过引擎支撑实现从模型导入、模型编辑器、场景控制面板、逻辑控制面板以及数据配置管理界面等一系列的综合体，即数字孪生平台可视化编辑器，并结合平台内的实施业务进行正式的应用；

同时通过对重点实现面向开发、实施工程师的组态化快速实施开发，实现对于应用场景的模型搭建，不同的模型和组件之间的控制关系、逻辑关系和数据展示关系的配置，从而满足各种虚拟化应用的功能，能够合理的调用系统的数据孪生模型以及系统内的组件工具集。

本申请的优点在于：

1、平台基于面向智慧园区、智能工厂业务领域全维度管控单元级、系统级数字孪生技术，快速搭建满足客户应用场景的数字孪生基础开发平台，以自主可控的数字孪生技术，提供可视化、低代码、组态化、生态化的数字孪生编辑工具集、虚拟仿真模型库，将管控要素数字化、模型化，运用平台汇集的大数据开展诊断、预测、决策，提高基于数字孪生的工业软件开发、测试、部署能力，助力用户提升资源优化配置能力、过程控制能力，提升服务能力；

2、解决了传统 3D 开发人员投入大、开发效率低、场景制作周期长、模型无法复用、系统部署复杂等问题，提供高度组态化、低代码化的模型场景，通过采集的工业大数据开展仿真、诊断、预测、决策，构筑园区和车间智能监测、智能运维、智能运营、智能控制等。

Claims (6)

1.一种基于工业互联网的数字孪生基础开发平台，其特征在于：该平台包括组态开发层、服务层、数字孪生层、物理层，

所述组态开发层包括组态HMI编辑开发，用于虚拟场景快速搭建；

组态控制逻辑开发，用于控制逻辑关系模型搭建；

数据抽取逻辑开发，用于数据模型搭建；

所述服务层，用于提供场景配置服务、公/私有云服务、动作服务、控制逻辑服务、数据抽取服务、数据模型定义服务和实时数据库；

所述数字孪生层，包括数字孪生构建模块，分为组件结构化定义模块、数字孪生数据挖掘模块和虚拟仿真模块；

三维引擎模块，为自有组态可视化开发模块JARIJS；

虚拟实体模块，分为模型库管理模块和模型激励源控制管理模块；

数据存储模块，分为结构化数据库和内存数据库；

所述物理层，用于接入系统和感知对象，进行数据解析和清洗。

2.根据权利要求1所述的基于工业互联网的数字孪生基础开发平台，其特征在于：所述组态HMI编辑开发包括提供场景元素库、进行场景参数配置和构建场景动作模型；

所述组态控制逻辑开发包括提供组件控制逻辑库、提供二次开发接口和自定义逻辑扩展；

所述数据抽取逻辑开发包括数据分拆、数据绑定、组件框架和组态元素数据配置。

3.根据权利要求1所述的基于工业互联网的数字孪生基础开发平台，其特征在于：所述组件结构化定义包括组件对象定义、组件控制规则定义、组件输入输出定义和组件几何面定义；

所述数字孪生数据挖掘包括数据逻辑定义、数据抽取方式定义、数据维度定义和数据关系定义；

所述虚拟仿真包括动态仿真模拟、仿真运行逻辑管理和提供仿真算法库以及第三方仿真文件。

4.根据权利要求1所述的基于工业互联网的数字孪生基础开发平台，其特征在于：所述模型库管理模块用于提供模型单体、贴图库、2D/3D编辑器、模型导入及优化和业务属性语义；

所述模型激励源控制管理模块用于激励源定义、激励源数据定义、激励源规则定义和模型驱动。

5.根据权利要求1所述的基于工业互联网的数字孪生基础开发平台，其特征在于：所述结构化数据库用于存储非结构化文件，包括共享建模文件；

所述内存数据库用于存储非结构化通信信息。

6.根据权利要求1所述的基于工业互联网的数字孪生基础开发平台，其特征在于：所述接入系统用于设备接入，包括CoAP、LWM2M、MQTT、SDK、HTTP的封装与接入；

所述感知对象包括感知数据，分为传感器数据、IOT设备数据、摄像头数据以及机器人数据；

场景数据，分为BIM场景数据、点云扫描数据、GIS数据以及第三方开源数据。

Images