CN114418462A - 基于层次化数字孪生体的主力设备安全管理方法及系统 - Google Patents

基于层次化数字孪生体的主力设备安全管理方法及系统 Download PDF

Info

Publication number
CN114418462A
CN114418462A CN202210309163.2A CN202210309163A CN114418462A CN 114418462 A CN114418462 A CN 114418462A CN 202210309163 A CN202210309163 A CN 202210309163A CN 114418462 A CN114418462 A CN 114418462A
Authority
CN
China
Prior art keywords
equipment
level
digital twin
safety
prediction
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.)
Granted
Application number
CN202210309163.2A
Other languages
English (en)
Other versions
CN114418462B (zh
Inventor
王钰
张大伟
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Beijing Unita Information Technology Co ltd
Original Assignee
Beijing Unita Information Technology Co ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Beijing Unita Information Technology Co ltd filed Critical Beijing Unita Information Technology Co ltd
Priority to CN202210309163.2A priority Critical patent/CN114418462B/zh
Publication of CN114418462A publication Critical patent/CN114418462A/zh
Application granted granted Critical
Publication of CN114418462B publication Critical patent/CN114418462B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • 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
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0637—Strategic management or analysis, e.g. setting a goal or target of an organisation; Planning actions based on goals; Analysis or evaluation of effectiveness of goals
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F21/00—Security arrangements for protecting computers, components thereof, programs or data against unauthorised activity
    • G06F21/50—Monitoring users, programs or devices to maintain the integrity of platforms, e.g. of processors, firmware or operating systems
    • G06F21/55—Detecting local intrusion or implementing counter-measures
    • G06F21/56—Computer malware detection or handling, e.g. anti-virus arrangements
    • G06F21/568—Computer malware detection or handling, e.g. anti-virus arrangements eliminating virus, restoring damaged files
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N20/00—Machine learning
    • 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
    • G06Q10/00—Administration; Management
    • G06Q10/10—Office automation; Time management
    • G06Q10/103—Workflow collaboration or project management

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Human Resources & Organizations (AREA)
  • Theoretical Computer Science (AREA)
  • Strategic Management (AREA)
  • General Physics & Mathematics (AREA)
  • Software Systems (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Physics & Mathematics (AREA)
  • Economics (AREA)
  • General Engineering & Computer Science (AREA)
  • Computer Security & Cryptography (AREA)
  • Operations Research (AREA)
  • Marketing (AREA)
  • Tourism & Hospitality (AREA)
  • Educational Administration (AREA)
  • Data Mining & Analysis (AREA)
  • General Business, Economics & Management (AREA)
  • Health & Medical Sciences (AREA)
  • Virology (AREA)
  • Computer Hardware Design (AREA)
  • Quality & Reliability (AREA)
  • Game Theory and Decision Science (AREA)
  • General Health & Medical Sciences (AREA)
  • Development Economics (AREA)
  • Artificial Intelligence (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Evolutionary Computation (AREA)
  • Medical Informatics (AREA)
  • Computing Systems (AREA)
  • Mathematical Physics (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明公开一种基于层次化数字孪生体的主力设备安全管理方法及系统，其中，方法为：在一级设备侧构建并部署一级设备数字孪生体，同时在二级以下设备侧构建并部署与设备级别相对应的设备数字孪生体，一级设备孪生体的输入包括一级设备的实时工况和二级以下设备数字孪生体的输出，一级设备孪生体的输出包括设备安全态势预测预警信息和设备安全管理策略；二级以下设备数字孪生体的输入包括该级别设备安全态势预测预警信息和安全管理策略以及下一级设备数字孪生体的输出，二级以下设备数字孪生体的输出为面向该级别设备的安全态势预测式统计信息和安全监管策略。

Description

基于层次化数字孪生体的主力设备安全管理方法及系统
技术领域
本发明涉及数字孪生体技术领域。具体地说是一种基于层次化数字孪生体的主力设备安全管理方法及系统。
背景技术
对层次化组织而言，分级开展决策与预测是非常自然的选择。随着数字孪生技术在决策领域的应用，针对不同层级构建层次化的数字孪生体并实现级联已成为实现体系化管理的重要手段。
目前在数字孪生级联体构建方面研究很少，目前的成果主要集中在针对某一型设备或场景单独提供数字孪生体上，在设备健康管理方面取得一定应用，也有一些概念涉及到分布式数字孪生，但上述内容尚不能满足要求。
具体地说，一是仅依靠单个数字孪生体不能满足层次化组织的体系化管理要求，对一个制造型企业来说，单独提供数字孪生机床只是有利于单个设备的控制，而局部最优往往并不形成全局满意解；二是现有分布式概念主要基于本级获取的当前态势开展决策与预测，没有利用下一级的预测结果。而以一个规模较大的组织而言，全部依靠本级计算对计算资源和算法要求过高，不仅限制了可行性更影响到结果的可信度，很明显，如果能够利用下级预测结果来支持本级预测与决策，不仅能够提高决策效率与预测可信度，也更贴合不同层级、粒度不同、分工不同的自然设定。如制造型企业中，机床层、生产线层、工厂层的决策预测需求就明显不同。
发明内容
为此，本发明所要解决的技术问题在于提供一种基于层次化数字孪生体的主力设备安全管理方法及系统，其中，基于层次化数字孪生体的主力设备安全管理方法能够基于下级预测结果进行本级决策与预测，便于更全面掌握主力设备安全态势，更敏捷处理安全事件。
为解决上述技术问题，本发明提供如下技术方案：
基于层次化数字孪生体的主力设备安全管理方法，在一级设备侧构建并部署一级设备数字孪生体，同时在二级以下设备侧构建并部署与设备级别相对应的设备数字孪生体，一级设备孪生体的输入包括一级设备的实时工况和二级以下设备数字孪生体的输出，一级设备孪生体的输出包括设备安全态势预测预警信息和设备安全管理策略；二级以下设备数字孪生体的输入包括该级别设备安全态势预测预警信息和安全管理策略以及下一级设备数字孪生体的输出，二级以下设备数字孪生体的输出为面向该级别设备的安全态势预测式统计信息和安全监管策略。
上述基于层次化数字孪生体的主力设备安全管理方法，具体步骤如下：
s100)依据应用需求设计数字孪生级联体；数字孪生级联体由一组层次化联接的数字孪生体构成，数字孪生体间有明确的“从属关系”，下级数字孪生体输出的预测结果是上级数字孪生体的输入；
s200）依据步骤s100）设计出的数字孪生级联体构建一级设备数字孪生体以及二级以下设备数字孪生体；
s300）一级设备数字孪生体依据一级设备的实时工况和二级以下设备数字孪生体的输出输出一级设备安全态势预测预警信息和一级设备安全管理策略；对于二级以下设备数字孪生体，每级设备数字孪生体依据该级别设备安全态势预测预警信息和安全管理策略以及下一级设备数字孪生体的输出输出面向该级别设备的安全态势预测式统计信息和安全监管策略。
数字孪生级联体
Figure 615582DEST_PATH_IMAGE002
示例了三级结构，用下标表明了各孪生体间的从属关系。最上层包含一个
Figure 247902DEST_PATH_IMAGE003
，有两个直属下级
Figure 293218DEST_PATH_IMAGE004
与
Figure 157269DEST_PATH_IMAGE005
；第二层中，
Figure 174903DEST_PATH_IMAGE006
有两个直属下级
Figure 466207DEST_PATH_IMAGE007
与
Figure 451350DEST_PATH_IMAGE008
,
Figure 915829DEST_PATH_IMAGE009
有三个直属下级
Figure DEST_PATH_IMAGE010
、
Figure 256812DEST_PATH_IMAGE011
与
Figure DEST_PATH_IMAGE012
。
上述基于层次化数字孪生体的主力设备安全管理方法，二级以下设备数字孪生体包括对应级别的信息同步模块、决策智能体模块、态势预测模块和态势数据报送模块；信息同步模块用于获取该级别设备的当前状态信息，记为
Figure 984596DEST_PATH_IMAGE013
，用于该级别设备数字孪生体开展决策与预测的输入，其中，
Figure 457035DEST_PATH_IMAGE014
的含义是该级别设备数字孪生体
Figure 397309DEST_PATH_IMAGE015
的状态参数
Figure 389536DEST_PATH_IMAGE016
的当前值；决策智能体模块用于利用事先构建的决策模型利用该级别设备的当前状态信息生成当前决策
Figure 288222DEST_PATH_IMAGE017
，其中,
Figure 795426DEST_PATH_IMAGE018
的含义是该级别设备数字孪生体
Figure 788659DEST_PATH_IMAGE019
的决策参数
Figure 635392DEST_PATH_IMAGE020
的当前值，决策模型主要通过DQN等强化学习算法训练得到，其核心原理是以事先定义的目标完成度作为奖励，基于事先构建的仿真场景反馈决策执行效果，通过大规模的策略空间搜索最终形成可用的决策模型；预测模块用于利用事先构建的预测模型依据该级别设备的当前状态信息和当前决策生成未来态势
Figure 439400DEST_PATH_IMAGE021
。其中,
Figure 433901DEST_PATH_IMAGE022
的含义是底层数字孪生体
Figure 981557DEST_PATH_IMAGE023
的在未来
Figure 200573DEST_PATH_IMAGE024
时刻的预测参数
Figure DEST_PATH_IMAGE025
值；态势数据报送模块用于向上一级设备数字孪生体同步本级的预测数据。
上述基于层次化数字孪生体的主力设备安全管理方法，位于两个级别的设备数字孪生体之间的设备数字孪生体中的信息同步模块还获取下一级设备数字孪生体报送上来的预测数据。
上述基于层次化数字孪生体的主力设备安全管理方法，预测模块利用事先构建的预测模型依据该级别设备的当前状态信息和当前决策生成未来态势的具体方法为：基于该级别设备的当前状态信息与当前决策计算下一步的状态信息与预测参数值，再基于得到的下一步可能状态信息生成下一步的决策，进而推演再下一步的可能状态与预测参数值，如此持续计算直至满足事先设定的预测参数值门限。
上述基于层次化数字孪生体的主力设备安全管理方法，一级设备数字孪生体包括一级设备信息同步模块、一级设备决策智能体和一级设备态势预测模块；一级设备信息同步模块用于获取一级设备的当前状态信息，一级设备决策智能体模块用于利用事先构建的决策模型利用一级设备的当前状态信息生成当前决策，一级设备预测模块用于利用事先构建的预测模型依据一级设备的当前状态信息和当前决策生成未来态势。
上述基于层次化数字孪生体的主力设备安全管理方法，一级设备预测模块利用事先构建的预测模型依据一级设备的当前状态信息和当前决策生成未来态势的方法与二级以下设备数字孪生体的预测模块利用事先构建的预测模型依据该级别设备的当前状态信息和当前决策生成未来态势的方法相同。
利用上述基于层次化数字孪生体的主力设备安全管理方法进行主力设备安全管理的系统，其特征在于，包括数字孪生级联体，数字孪生级联体包括二级以上设备数字孪生体，每级设备数字孪生体均用于该级别设备的安全监管与该级别下一级别设备的安全监管；每级设备数字孪生体与该级别下一级别设备的设备数字孪生体通信连接。
本发明的技术方案取得了如下有益的技术效果：
1.本发明能够更自然地支持分级决策架构，更充分适应云边端计算架构，实现更具说服力的预测。
2.本发明能够提供满足不同层次对主力设备安全管理的要求，更全面掌握主力设备安全态势，更敏捷处理安全事件，有利于提高企业效益与管理机构监管力度。
附图说明
图1为本发明中基于层次化数字孪生体的主力设备安全管理系统的工作原理图；
图2为本发明中基于层次化数字孪生体的主力设备安全管理方法流程示意图。
具体实施方式
如图1所示，本发明中基于层次化数字孪生体的主力设备安全管理系统，包括一级设备数字孪生体、二级设备数字孪生体和三级设备数字孪生体，一级设备数字孪生体与二级设备数字孪生体通信连接，二级设备数字孪生体与三级设备数字孪生体通信连接。其中，一级设备数字孪生体用于对一级设备和二级设备的安全监管，二级设备数字孪生体用于对二级设备和三级设备的安全监管，三级设备数字孪生体用于对三级设备的安全监管。
一级设备数字孪生体包括一级设备信息同步模块、一级设备决策智能体和一级设备态势预测模块；一级设备信息同步模块用于获取一级设备的当前状态信息，一级设备决策智能体模块用于利用事先构建的决策模型利用一级设备的当前状态信息生成当前决策，一级设备预测模块用于利用事先构建的预测模型依据一级设备的当前状态信息和当前决策生成未来态势。
二级设备数字孪生体包括二级设备信息同步模块、二级设备决策智能体模块、二级设备态势预测模块和二级设备态势数据报送模块；二级设备信息同步模块用于获取二级设备的当前状态信息，二级设备决策智能体模块用于利用事先构建的决策模型利用二级设备的当前状态信息生成当前决策，二级设备预测模块用于利用事先构建的预测模型依据二级设备的当前状态信息和当前决策生成未来态势，二级设备态势数据报送模块用于向一级设备数字孪生体同步二级的预测数据。
三级设备数字孪生体包括三级设备信息同步模块、三级设备决策智能体模块、三级设备态势预测模块和三级设备态势数据报送模块；三级设备信息同步模块用于获取三级设备的当前状态信息，三级设备决策智能体模块用于利用事先构建的决策模型利用三级设备的当前状态信息生成当前决策，三级设备预测模块用于利用事先构建的预测模型依据三级设备的当前状态信息和当前决策生成未来态势，三级设备态势数据报送模块用于向二级设备数字孪生体同步二级的预测数据。
具体应用实例
构建部署于设备侧且用于设备级主力设备安全监管的主力设备数字孪生体，以主力设备数字孪生体为三级设备数字孪生体；构建部署于企业侧且用于企业级主力设备安全监管的企业设备数字孪生体，以企业设备数字孪生体为二级设备数字孪生体；构建部署于管理机构侧且用于产业级主力设备安全监管的区域设备数字孪生体，以区域设备竖立孪生体为一级设备数字孪生体。
设主力设备安全等级分为4级：高、中、低、危；安全事件类型分为2类：病毒感染、故障停机；安全事件状态分为3种：发生未处置、处置中、处置完成；工作状态分为3类：工作、保养、计划外停机。
再设主力设备数字孪生体的输入包括工作状态、主轴转速、高危安全漏洞数量、正在执行的加工任务4个参数；输出包括当前安全等级、下一时刻安全等级、当前安全事件及状态、下一时刻安全事件及状态、设备安全管理策略5个参数。其中，当前安全等级利用k-means算法实时判断、当前安全事件及状态（｛事件，状态｝）利用数据分析得到、下一时刻安全等级与下一时刻安全事件及状态（｛事件，状态｝）利用仿真推演得到，设备安全管理策略（｛执行时刻，执行动作｝）利用Q-learning算法实时生成，如表1所示。
表1设备侧主力设备安全管理策略
Figure DEST_PATH_IMAGE027
设企业安全等级分为高、中、低、危4级；企业安全事件分为病毒感染、故障停机2类；安全事件等级分为重大、大、普通、小、微5级；安全事件状态分为未处置、处置中、处置完成3类。
再设企业设备数字孪生体的输入包括各主力设备数字孪生体上报的当前设备安全等级、下一时刻设备安全等级、当前设备安全事件及状态、下一时刻设备安全事件及状态、设备安全管理策略5个参数；输出为当前企业安全等级、下一时刻企业安全等级、当前企业安全事件及状态、下一时刻安全事件及状态、企业安全管理策略5个参数。其中，当前企业安全等级利用k-means算法实时判断、当前企业安全事件及状态（｛事件，等级，状态｝）利用统计分析得到、下一时刻企业安全等级与下一时刻企业安全事件及状态（｛事件，等级，状态｝）利用仿真推演得到，企业安全管理策略（｛执行时刻，执行对象，执行动作｝）利用Q-learning算法实时生成，如表2所示。
表2企业安全管理策略
Figure DEST_PATH_IMAGE029
设区域安全等级分为高、中、低、危4级；区域安全事件分为病毒感染、产能缺乏2类；安全事件等级分为重大、大、普通、小、微5级；安全事件状态分为未处置、处置中、处置完成3类。
再设区域设备数字孪生体的输入包括当前企业安全等级、下一时刻企业安全等级、当前企业安全事件及状态、下一时刻企业安全事件及状态、企业安全管理策略5个参数；输入包括区域当前安全等级、下一时刻区域企业安全等级、当前区域安全事件及状态、下一时刻安全事件及状态、区域安全管理策略5个参数。其中，当前区域安全等级利用k-means算法实时判断、当前区域安全事件及状态（｛事件，等级，状态｝）利用统计分析得到、下一时刻区域安全等级与下一时刻区域安全事件及状态（｛事件，等级，状态｝）利用仿真推演得到，区域安全管理策略（｛执行时刻，执行对象，执行动作｝）利用Q-learning算法实时生成，如表3所示。
表3 区域安全管理策略
Figure DEST_PATH_IMAGE031
由表1、表2和表3可知，在设备侧、企业侧和管理机构侧设置不同的监管内容，可以依据即时获取的相关信息对区域主力设备实施层次化安全监管，能够更全面掌握主力设备的安全态势，也可以更敏捷处理安全事件，有利于提高企业效益和管理机构的监管力度。
显然，上述实施例仅仅是为清楚地说明所作的举例，而并非对实施方式的限定。对于所属领域的普通技术人员来说，在上述说明的基础上还可以做出其它不同形式的变化或变动。这里无需也无法对所有的实施方式予以穷举。而由此所引伸出的显而易见的变化或变动仍处于本专利申请权利要求的保护范围之中。

Claims (8)

1.基于层次化数字孪生体的主力设备安全管理方法，其特征在于，在一级设备侧构建并部署一级设备数字孪生体，同时在二级以下设备侧构建并部署与设备级别相对应的设备数字孪生体，一级设备孪生体的输入包括一级设备的实时工况和二级以下设备数字孪生体的输出，一级设备孪生体的输出包括设备安全态势预测预警信息和设备安全管理策略；二级以下设备数字孪生体的输入包括该级别设备安全态势预测预警信息和安全管理策略以及下一级设备数字孪生体的输出，二级以下设备数字孪生体的输出为面向该级别设备的安全态势预测式统计信息和安全监管策略。
2.根据权利要求1所述的基于层次化数字孪生体的主力设备安全管理方法，其特征在于，具体步骤如下：
s100)依据应用需求设计数字孪生级联体；
s200）依据步骤s100）设计出的数字孪生级联体构建一级设备数字孪生体以及二级以下设备数字孪生体；
s300）一级设备数字孪生体依据一级设备的实时工况和二级以下设备数字孪生体的输出输出一级设备安全态势预测预警信息和一级设备安全管理策略；对于二级以下设备数字孪生体，每级设备数字孪生体依据该级别设备安全态势预测预警信息和安全管理策略以及下一级设备数字孪生体的输出输出面向该级别设备的安全态势预测式统计信息和安全监管策略。
3.根据权利要求2所述的基于层次化数字孪生体的主力设备安全管理方法，其特征在于，二级以下设备数字孪生体包括对应级别的信息同步模块、决策智能体模块、态势预测模块和态势数据报送模块；信息同步模块用于获取该级别设备的当前状态信息，决策智能体模块用于利用事先构建的决策模型利用该级别设备的当前状态信息生成当前决策，预测模块用于利用事先构建的预测模型依据该级别设备的当前状态信息和当前决策生成未来态势，态势数据报送模块用于向上一级设备数字孪生体同步本级的预测数据。
4.根据权利要求3所述的基于层次化数字孪生体的主力设备安全管理方法，其特征在于，位于两个级别的设备数字孪生体之间的设备数字孪生体中的信息同步模块还获取下一级设备数字孪生体报送上来的预测数据。
5.根据权利要求4所述的基于层次化数字孪生体的主力设备安全管理方法，其特征在于，预测模块利用事先构建的预测模型依据该级别设备的当前状态信息和当前决策生成未来态势的具体方法为：基于该级别设备的当前状态信息与当前决策计算下一步的状态信息与预测参数值，再基于得到的下一步可能状态信息生成下一步的决策，进而推演再下一步的可能状态与预测参数值，如此持续计算直至满足事先设定的预测参数值门限。
6.根据权利要求5所述的基于层次化数字孪生体的主力设备安全管理方法，其特征在于，一级设备数字孪生体包括一级设备信息同步模块、一级设备决策智能体和一级设备态势预测模块；一级设备信息同步模块用于获取一级设备的当前状态信息，一级设备决策智能体模块用于利用事先构建的决策模型利用一级设备的当前状态信息生成当前决策，一级设备预测模块用于利用事先构建的预测模型依据一级设备的当前状态信息和当前决策生成未来态势。
7.根据权利要求6所述的基于层次化数字孪生体的主力设备安全管理方法，其特征在于，一级设备预测模块利用事先构建的预测模型依据一级设备的当前状态信息和当前决策生成未来态势的方法与二级以下设备数字孪生体的预测模块利用事先构建的预测模型依据该级别设备的当前状态信息和当前决策生成未来态势的方法相同。
8.利用权利要求1～7任一所述的基于层次化数字孪生体的主力设备安全管理方法进行主力设备安全管理的系统，其特征在于，包括数字孪生级联体，数字孪生级联体包括二级以上设备数字孪生体，每级设备数字孪生体均用于该级别设备的安全监管与该级别下一级别设备的安全监管；每级设备数字孪生体与该级别下一级别设备的设备数字孪生体通信连接。
CN202210309163.2A 2022-03-28 2022-03-28 基于层次化数字孪生体的主力设备安全管理方法及系统 Active CN114418462B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210309163.2A CN114418462B (zh) 2022-03-28 2022-03-28 基于层次化数字孪生体的主力设备安全管理方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210309163.2A CN114418462B (zh) 2022-03-28 2022-03-28 基于层次化数字孪生体的主力设备安全管理方法及系统

Publications (2)

Publication Number Publication Date
CN114418462A true CN114418462A (zh) 2022-04-29
CN114418462B CN114418462B (zh) 2022-07-01

Family

ID=81263157

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210309163.2A Active CN114418462B (zh) 2022-03-28 2022-03-28 基于层次化数字孪生体的主力设备安全管理方法及系统

Country Status (1)

Country Link
CN (1) CN114418462B (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115460485A (zh) * 2022-08-26 2022-12-09 烽火通信科技股份有限公司 一种基于数据交互的层次化光网络模型及建模方法
CN118555139A (zh) * 2024-07-29 2024-08-27 石家庄学院 一种基于物联网的网络安全态势分析系统

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20200142365A1 (en) * 2018-11-05 2020-05-07 Johnson Controls Technology Company Building management system with device twinning, natural language processing (nlp), and block chain
CN112418523A (zh) * 2020-11-23 2021-02-26 杭州电子科技大学 一种基于数字孪生的售后设备预测性维护协同系统
CN112632692A (zh) * 2020-11-30 2021-04-09 中国运载火箭技术研究院 基于积木式试验的数字孪生模型确认和可信度评估方法
CN113627032A (zh) * 2021-08-27 2021-11-09 西安科技大学 一种基于数字孪生的设备设计/维修方案智能决策方法
CN113642209A (zh) * 2021-07-16 2021-11-12 中国人民解放军总参谋部第六十研究所 基于数字孪生的结构植入故障响应数据获取及评判方法
CN114077235A (zh) * 2021-11-18 2022-02-22 四川启睿克科技有限公司 一种基于数字孪生技术的设备预测性维护系统及方法
CN114118777A (zh) * 2021-11-24 2022-03-01 上海交通大学 基于数字孪生技术的工业控制系统功能安全量化评估方法

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20200142365A1 (en) * 2018-11-05 2020-05-07 Johnson Controls Technology Company Building management system with device twinning, natural language processing (nlp), and block chain
CN112418523A (zh) * 2020-11-23 2021-02-26 杭州电子科技大学 一种基于数字孪生的售后设备预测性维护协同系统
CN112632692A (zh) * 2020-11-30 2021-04-09 中国运载火箭技术研究院 基于积木式试验的数字孪生模型确认和可信度评估方法
CN113642209A (zh) * 2021-07-16 2021-11-12 中国人民解放军总参谋部第六十研究所 基于数字孪生的结构植入故障响应数据获取及评判方法
CN113627032A (zh) * 2021-08-27 2021-11-09 西安科技大学 一种基于数字孪生的设备设计/维修方案智能决策方法
CN114077235A (zh) * 2021-11-18 2022-02-22 四川启睿克科技有限公司 一种基于数字孪生技术的设备预测性维护系统及方法
CN114118777A (zh) * 2021-11-24 2022-03-01 上海交通大学 基于数字孪生技术的工业控制系统功能安全量化评估方法

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115460485A (zh) * 2022-08-26 2022-12-09 烽火通信科技股份有限公司 一种基于数据交互的层次化光网络模型及建模方法
CN115460485B (zh) * 2022-08-26 2024-05-28 烽火通信科技股份有限公司 一种基于数据交互的层次化光网络模型及建模方法
CN118555139A (zh) * 2024-07-29 2024-08-27 石家庄学院 一种基于物联网的网络安全态势分析系统

Also Published As

Publication number Publication date
CN114418462B (zh) 2022-07-01

Similar Documents

Publication Publication Date Title
CN114418462B (zh) 基于层次化数字孪生体的主力设备安全管理方法及系统
Lee et al. Industrial artificial intelligence
CN107330056B (zh) 基于大数据云计算平台的风电场scada系统及其运行方法
CN102521781B (zh) 一种基于独立监控服务的跨安全区的设备统一监控方法及其监控系统
CN104392752B (zh) 一种实时在线的核反应堆故障诊断与监测系统
CN206322012U (zh) 一种用于选煤厂的mes系统
CN105467953A (zh) 一种面向工业大数据的知识表示及其自动化应用方法
CN102361014A (zh) 大规模半导体制造过程的状态监控与故障诊断方法
CN103279075A (zh) 一种间歇化工生产过程及其控制方法
CN106200615B (zh) 一种基于关联关系的轨道交通智能预警实现方法
CN110320893A (zh) 一种基于rcm的火电机组设备检修方法
CN108710362A (zh) 一种基于工业互联网平台的数控机床联网诊断方法
CN116976862B (zh) 一种工厂设备信息化管理系统及方法
Hu et al. Short-term hydropower generation scheduling using an improved cloud adaptive quantum-inspired binary social spider optimization algorithm
KR20210147594A (ko) 에너지 데이터 수집 및 관리에 최적화 기능을 제공하는 엣지 컴퓨팅 장치의 통신시스템 및 데이터베이스 운영방법
De Sousa et al. Big data analysis for predictive maintenance at the INFN-CNAF data center using machine learning approaches
Stefaniak et al. Computerised decision-making support system based on data fusion for machinery system’s management and maintenance
Shukla et al. Digital twin-based prediction for CNC machines inspection using blockchain for industry 4.0
CN117696224A (zh) 一种基于大模型的磨矿优化处理系统
Genkin et al. B-SMART: A Reference Architecture for Autonomic Smart Buildings.
CN115640980A (zh) 基于目标控制的电网工程造价动态管理系统
CN109143851A (zh) 多标记故障深度学习的识别及其结果智能表达的方法
US20230124678A1 (en) Storage medium to store transmission data setting support program, gateway device, and transmission data setting supporting method
CN114356615A (zh) 基于物联网轨道交通软件与应用故障自愈的解决方法
Banica et al. Stepping into the industry 4.0: the digital twin approach

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
GR01 Patent grant
GR01 Patent grant