CN114626228A - 一种数字孪生模型构建方法 - Google Patents
一种数字孪生模型构建方法 Download PDFInfo
- Publication number
- CN114626228A CN114626228A CN202210271685.8A CN202210271685A CN114626228A CN 114626228 A CN114626228 A CN 114626228A CN 202210271685 A CN202210271685 A CN 202210271685A CN 114626228 A CN114626228 A CN 114626228A
- Authority
- CN
- China
- Prior art keywords
- module
- digital twin
- twin model
- data
- determining
- 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
- 238000010276 construction Methods 0.000 title claims abstract description 13
- 238000000034 method Methods 0.000 claims abstract description 33
- 238000012545 processing Methods 0.000 claims abstract description 29
- 238000004891 communication Methods 0.000 claims abstract description 17
- 238000005457 optimization Methods 0.000 claims description 17
- 230000003068 static effect Effects 0.000 claims description 17
- 238000009826 distribution Methods 0.000 claims description 15
- 238000011156 evaluation Methods 0.000 claims description 11
- 238000012800 visualization Methods 0.000 claims description 6
- 230000035945 sensitivity Effects 0.000 claims description 4
- 238000003062 neural network model Methods 0.000 claims description 3
- 238000012549 training Methods 0.000 claims description 3
- 238000011161 development Methods 0.000 abstract description 3
- 230000009286 beneficial effect Effects 0.000 abstract description 2
- 230000005540 biological transmission Effects 0.000 description 5
- 238000013461 design Methods 0.000 description 3
- 238000004519 manufacturing process Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 241000282414 Homo sapiens Species 0.000 description 1
- 238000009825 accumulation Methods 0.000 description 1
- 238000005094 computer simulation Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 230000004927 fusion Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
-
- 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
-
- 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
- G06N3/08—Learning methods
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W76/00—Connection management
- H04W76/10—Connection setup
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Computational Linguistics (AREA)
- Software Systems (AREA)
- Mathematical Physics (AREA)
- Computing Systems (AREA)
- Life Sciences & Earth Sciences (AREA)
- Artificial Intelligence (AREA)
- Biomedical Technology (AREA)
- Biophysics (AREA)
- Molecular Biology (AREA)
- Data Mining & Analysis (AREA)
- General Health & Medical Sciences (AREA)
- Geometry (AREA)
- Computer Hardware Design (AREA)
- Signal Processing (AREA)
- Computer Networks & Wireless Communication (AREA)
- Telephonic Communication Services (AREA)
Abstract
本发明公开了一种数字孪生模型构建方法，包括接收模块、确定模块、处理模块、抽象模块、数字孪生模型优化模块，其中：所述接收模块，用于接收来自目标业务的物理实体数据；所述确定模块与接收模块通信连接，并通过确定模块对接收的物理实体数据进行实体确定，并确定实体中所包括的属性数据；所述处理模块与确定模块通信连接，并通过处理模块对属性数据进行处理；所述抽象模块与处理模块通信连接；本发明的有益效果是：降低了构建数字孪生模型的繁琐，缩短了开发周期，实现了数字孪生模型的快速构建；通过数字孪生模型优化模块对构建的数字孪生模型进行优化，得到对应目标业务的最优数字孪生模型，保证了构建的数字孪生模型的准确性。
Description
技术领域
本发明属于数字孪生技术领域，具体涉及一种数字孪生模型构建方法。
背景技术
随着数字孪生概念的成熟和技术的发展，从部件到整机，从产品到产线，从生产到服务，从静态到动态，一个数字孪生世界正在被不断构筑；当前，基于传感器、智能装备、工业软件、工业互联网、IoT、云计算和边缘计算的成熟和更广泛的商业实践积累，数字孪生也走到了一个新的时间节点；数字孪生将实体的数据实时转移到虚拟空间，为实现数字化、智能化、网络化的产业模式提供了一个虚拟的底座，为人类的未来想象提供了一条愈发清晰的探索之路。
尽管当前对数字孪生存在多种不同认识和理解，目前尚未形成统一共识的定义，但可以确定的是，物理实体、虚拟模型、数据、连接和服务是数字孪生的核心要素；展开来说，数字孪生就是在一个设备或系统“物理实体”的基础上，创造一个数字版的“虚拟模型”；这个“虚拟模型”被创建在信息化平台上提供服务，与电脑的设计图纸又不同，相比于设计图纸，数字孪生体最大的特点在于，它是对实体对象的动态仿真；同时，数字孪生体“动”的依据，来自实体对象的物理设计模型、传感器反馈的“数据”，以及运行的历史数据；实体对象的实时状态，还有外界环境条件，都会“连接”到“孪生体”上。
数字孪生作为实现数字化转型和促进智能化升级的重要使能途径,一直备受各行各业关注,已从理论研究走向了实际应用阶段；数字孪生是以多维虚拟模型和融合数据双驱动,通过虚实闭环交互,来实现监控、仿真、预测、优化等实际功能服务和应用需求,其中数字孪生模型构建是实现数字孪生落地应用的前提。
现有的数字孪生模型构建需要耗费大量的人力，增加了模型构建时的繁琐。
发明内容
本发明的目的在于提供一种数字孪生模型构建方法，以解决上述背景技术中提出的现有的数字孪生模型构建需要耗费大量的人力，增加了模型构建时的繁琐问题。
为实现上述目的，本发明提供如下技术方案：一种数字孪生模型构建方法，包括接收模块、确定模块、处理模块、抽象模块、数字孪生模型优化模块，其中：
所述接收模块，用于接收来自目标业务的物理实体数据；
所述确定模块与接收模块通信连接，并通过确定模块对接收的物理实体数据进行实体确定，并确定实体中所包括的属性数据；
所述处理模块与确定模块通信连接，并通过处理模块对属性数据进行处理；
所述抽象模块与处理模块通信连接，并通过抽象模块在属性数据中抽象出静态常量数据和动态变量数据；根据静态常量数据和动态变量数据构建数字孪生模型；
所述数字孪生模型优化模块与抽象模块通信连接，并通过数字孪生模型优化模块对构建的数字孪生模型进行优化，得到对应目标业务的最优数字孪生模型；
所述模型构建方法如下：
步骤一：通过接收模块接收来自目标业务的物理实体数据；
步骤二：通过确定模块对接收的物理实体数据进行实体确定，并确定实体中所包括的属性数据；
步骤三：通过处理模块对属性数据进行处理；
步骤四：通过抽象模块在属性数据中抽象出静态常量数据和动态变量数据；根据静态常量数据和动态变量数据构建数字孪生模型；
步骤五：通过数字孪生模型优化模块对构建的数字孪生模型进行优化，得到对应目标业务的最优数字孪生模型。
作为本发明的一种优选的技术方案，所述属性数据进行处理的方法如下：
步骤一：确定实体中所包括的属性数据，属性数据包括多个特征的特征值的数据集合；
步骤二：对于每一特征，统计特征在多个属性数据中的原始分布以及分布参数；
步骤三：根据各个特征的分布参数确定对特征进行调整，以使得调整后的特征在多个属性数据中的分布为正态分布，调整后的特征用于输入至神经网络模型中进行训练。
作为本发明的一种优选的技术方案，所述通信连接的方式为WIFI、GPRS、5G、RS485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，还包括可视化模块，通过可视化模块对构建的数字孪生模型进行查看。
作为本发明的一种优选的技术方案，所述查看的方式为手机端、电脑端中的一种或两种组合。
作为本发明的一种优选的技术方案，还包括评价模块，通过评价模块对构建的数字孪生模型进行评价。
作为本发明的一种优选的技术方案，所述评价包括可行性、通用性、时效性、稳定性、灵敏性。
与现有技术相比，本发明的有益效果是：
(1)降低了构建数字孪生模型的繁琐，缩短了开发周期，实现了数字孪生模型的快速构建；
(2)通过数字孪生模型优化模块对构建的数字孪生模型进行优化，得到对应目标业务的最优数字孪生模型，保证了构建的数字孪生模型的准确性。
附图说明
图1为本发明的模型构建方法流程图；
图2为本发明的属性数据进行处理的方法流程图。
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：一种数字孪生模型构建方法，包括接收模块、确定模块、处理模块、抽象模块、数字孪生模型优化模块，其中：
接收模块，用于接收来自目标业务的物理实体数据；
确定模块与接收模块通信连接，并通过确定模块对接收的物理实体数据进行实体确定，并确定实体中所包括的属性数据；
处理模块与确定模块通信连接，并通过处理模块对属性数据进行处理；
抽象模块与处理模块通信连接，并通过抽象模块在属性数据中抽象出静态常量数据和动态变量数据；根据静态常量数据和动态变量数据构建数字孪生模型；
数字孪生模型优化模块与抽象模块通信连接，并通过数字孪生模型优化模块对构建的数字孪生模型进行优化，得到对应目标业务的最优数字孪生模型，保证了构建的数字孪生模型的准确性；
模型构建方法如下：
步骤一：通过接收模块接收来自目标业务的物理实体数据；
步骤二：通过确定模块对接收的物理实体数据进行实体确定，并确定实体中所包括的属性数据；
步骤三：通过处理模块对属性数据进行处理；
步骤四：通过抽象模块在属性数据中抽象出静态常量数据和动态变量数据；根据静态常量数据和动态变量数据构建数字孪生模型；
步骤五：通过数字孪生模型优化模块对构建的数字孪生模型进行优化，得到对应目标业务的最优数字孪生模型。
本实施例中，优选的，通信连接的方式为WIFI、GPRS组合，无线数据传输方式，只需将新增设备与无线数传电台相连接就可以实现扩充，具有更好的扩展性；采用无线数据传输方式出现故障时则能快速找出原因，恢复线路正常运行。
本实施例中，优选的，还包括可视化模块，通过可视化模块对构建的数字孪生模型进行查看，工程师或管理者在办公室就能清晰、直观地查看整个目标业务的实时状态。
本实施例中，优选的，查看的方式为手机端、电脑端组合，方便用户实时查看，增加使用的便捷。
本实施例中，优选的，还包括评价模块，通过评价模块对构建的数字孪生模型进行评价，评价包括可行性、通用性、时效性、稳定性、灵敏性。
实施例2
请参阅图1和图2，本发明提供一种技术方案：一种数字孪生模型构建方法，包括接收模块、确定模块、处理模块、抽象模块、数字孪生模型优化模块，其中：
接收模块，用于接收来自目标业务的物理实体数据；
确定模块与接收模块通信连接，并通过确定模块对接收的物理实体数据进行实体确定，并确定实体中所包括的属性数据；
处理模块与确定模块通信连接，并通过处理模块对属性数据进行处理；
抽象模块与处理模块通信连接，并通过抽象模块在属性数据中抽象出静态常量数据和动态变量数据；根据静态常量数据和动态变量数据构建数字孪生模型；
数字孪生模型优化模块与抽象模块通信连接，并通过数字孪生模型优化模块对构建的数字孪生模型进行优化，得到对应目标业务的最优数字孪生模型，保证了构建的数字孪生模型的准确性；
模型构建方法如下：
步骤一：通过接收模块接收来自目标业务的物理实体数据；
步骤二：通过确定模块对接收的物理实体数据进行实体确定，并确定实体中所包括的属性数据；
步骤三：通过处理模块对属性数据进行处理；
步骤四：通过抽象模块在属性数据中抽象出静态常量数据和动态变量数据；根据静态常量数据和动态变量数据构建数字孪生模型；
步骤五：通过数字孪生模型优化模块对构建的数字孪生模型进行优化，得到对应目标业务的最优数字孪生模型。
本实施例中，优选的，属性数据进行处理的方法如下：
步骤一：确定实体中所包括的属性数据，属性数据包括多个特征的特征值的数据集合；
步骤二：对于每一特征，统计特征在多个属性数据中的原始分布以及分布参数；
步骤三：根据各个特征的分布参数确定对特征进行调整，以使得调整后的特征在多个属性数据中的分布为正态分布，调整后的特征用于输入至神经网络模型中进行训练。
本实施例中，优选的，通信连接的方式为WIFI、GPRS、5G、RS485组合，无线数据传输方式和有线方式结合，增加使用便利的同时，还有助于保证数据传输的稳定。
本实施例中，优选的，还包括可视化模块，通过可视化模块对构建的数字孪生模型进行查看，工程师或管理者在办公室就能清晰、直观地查看整个目标业务的实时状态。
本实施例中，优选的，查看的方式为手机端、电脑端组合，方便用户实时查看，增加使用的便捷。
本实施例中，优选的，还包括评价模块，通过评价模块对构建的数字孪生模型进行评价，评价包括可行性、通用性、时效性、稳定性、灵敏性。
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 (7)
1.一种数字孪生模型构建方法，其特征在于：包括接收模块、确定模块、处理模块、抽象模块、数字孪生模型优化模块，其中：
所述接收模块，用于接收来自目标业务的物理实体数据；
所述确定模块与接收模块通信连接，并通过确定模块对接收的物理实体数据进行实体确定，并确定实体中所包括的属性数据；
所述处理模块与确定模块通信连接，并通过处理模块对属性数据进行处理；
所述抽象模块与处理模块通信连接，并通过抽象模块在属性数据中抽象出静态常量数据和动态变量数据；根据静态常量数据和动态变量数据构建数字孪生模型；
所述数字孪生模型优化模块与抽象模块通信连接，并通过数字孪生模型优化模块对构建的数字孪生模型进行优化，得到对应目标业务的最优数字孪生模型；
所述模型构建方法如下：
步骤一：通过接收模块接收来自目标业务的物理实体数据；
步骤二：通过确定模块对接收的物理实体数据进行实体确定，并确定实体中所包括的属性数据；
步骤三：通过处理模块对属性数据进行处理；
步骤四：通过抽象模块在属性数据中抽象出静态常量数据和动态变量数据；根据静态常量数据和动态变量数据构建数字孪生模型；
步骤五：通过数字孪生模型优化模块对构建的数字孪生模型进行优化，得到对应目标业务的最优数字孪生模型。
2.根据权利要求1所述的一种数字孪生模型构建方法，其特征在于：所述属性数据进行处理的方法如下：
步骤一：确定实体中所包括的属性数据，属性数据包括多个特征的特征值的数据集合；
步骤二：对于每一特征，统计特征在多个属性数据中的原始分布以及分布参数；
步骤三：根据各个特征的分布参数确定对特征进行调整，以使得调整后的特征在多个属性数据中的分布为正态分布，调整后的特征用于输入至神经网络模型中进行训练。
3.根据权利要求1所述的一种数字孪生模型构建方法，其特征在于：所述通信连接的方式为WIFI、GPRS、5G、RS485中的一种或至少两种组合。
4.根据权利要求1所述的一种数字孪生模型构建方法，其特征在于：还包括可视化模块，通过可视化模块对构建的数字孪生模型进行查看。
5.根据权利要求4所述的一种数字孪生模型构建方法，其特征在于：所述查看的方式为手机端、电脑端中的一种或两种组合。
6.根据权利要求1所述的一种数字孪生模型构建方法，其特征在于：还包括评价模块，通过评价模块对构建的数字孪生模型进行评价。
7.根据权利要求6所述的一种数字孪生模型构建方法，其特征在于：所述评价包括可行性、通用性、时效性、稳定性、灵敏性。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210271685.8A CN114626228A (zh) | 2022-03-18 | 2022-03-18 | 一种数字孪生模型构建方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210271685.8A CN114626228A (zh) | 2022-03-18 | 2022-03-18 | 一种数字孪生模型构建方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN114626228A true CN114626228A (zh) | 2022-06-14 |
Family
ID=81901771
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202210271685.8A Pending CN114626228A (zh) | 2022-03-18 | 2022-03-18 | 一种数字孪生模型构建方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN114626228A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115730401A (zh) * | 2022-11-18 | 2023-03-03 | 中复连众风电科技有限公司 | 一种风电叶片模具参数化设计系统及方法 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111161410A (zh) * | 2019-12-30 | 2020-05-15 | 中国矿业大学(北京) | 一种矿井数字孪生模型及其构建方法 |
| WO2020205484A1 (en) * | 2019-03-29 | 2020-10-08 | Smartrac Technology Fletcher, Inc. | Digital twin system with energy harvesting sensor devices |
| CN112906206A (zh) * | 2021-01-29 | 2021-06-04 | 航天科工智能运筹与信息安全研究院(武汉)有限公司 | 数字孪生模型构建方法和装置 |
| 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 |
-
2022
- 2022-03-18 CN CN202210271685.8A patent/CN114626228A/zh active Pending
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2020205484A1 (en) * | 2019-03-29 | 2020-10-08 | Smartrac Technology Fletcher, Inc. | Digital twin system with energy harvesting sensor devices |
| CN111161410A (zh) * | 2019-12-30 | 2020-05-15 | 中国矿业大学(北京) | 一种矿井数字孪生模型及其构建方法 |
| CN112906206A (zh) * | 2021-01-29 | 2021-06-04 | 航天科工智能运筹与信息安全研究院(武汉)有限公司 | 数字孪生模型构建方法和装置 |
| 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 |
Non-Patent Citations (1)
| Title |
|---|
| 郑孟蕾等: ""基于时序数据库的产品数字孪生模型海量动态数据建模方法"", 清华大学学报(自然科学版), vol. 61, no. 11, 30 November 2021 (2021-11-30) * |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115730401A (zh) * | 2022-11-18 | 2023-03-03 | 中复连众风电科技有限公司 | 一种风电叶片模具参数化设计系统及方法 |
| CN115730401B (zh) * | 2022-11-18 | 2024-05-07 | 中复连众风电科技有限公司 | 一种风电叶片模具参数化设计系统及方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN112350872B (zh) | 网络架构配置信息生成方法、装置、存储介质及电子设备 | |
| CN109460827A (zh) | 一种深度学习环境的搭建与优化方法和系统 | |
| CN108023942A (zh) | 基于云平台的cad建模数据传输方法、服务器和客户端 | |
| CN109981692A (zh) | 一种新型工业物联网架构及其实现方法 | |
| CN113256163B (zh) | 智慧城市政务云平台网外运算方法及系统 | |
| CN111159897A (zh) | 基于系统建模应用的目标优化方法和装置 | |
| CN112329184A (zh) | 网络架构配置信息生成方法、装置、存储介质及电子设备 | |
| CN114626228A (zh) | 一种数字孪生模型构建方法 | |
| CN118283090A (zh) | 基于aiot中台组件化能力的跨场景物联网应用快速搭建方法 | |
| WO2024114340A1 (zh) | 多物流场景的数字孪生模型构建方法、装置、设备及介质 | |
| CN117828820A (zh) | 电力系统数字孪生模型库构建方法及相关设备 | |
| CN113222363B (zh) | 一种基于强化学习的智慧云制造系统及调度方法 | |
| CN112507037B (zh) | 基于产品样机和计算机模型的数字主线定义方法及系统 | |
| CN112449354A (zh) | 基站站型替换方法、装备及sdr网管系统 | |
| CN114840187A (zh) | 一种软件架构优化方法和装置 | |
| CN115291561A (zh) | 一种制造系统与装备虚拟调试平台、方法、设备及应用 | |
| CN115343572A (zh) | 一种针对供电链路的检测方法和装置 | |
| CN114676996A (zh) | 路网形态与产业布局关联性度量方法、装置、设备及介质 | |
| CN114723976A (zh) | 计算图的子图模式匹配方法及装置 | |
| CN113162791B (zh) | 一种数据采集处理系统逆向继承建模的处理方法 | |
| CN114707913B (zh) | 水库供水方案的确定方法及装置 | |
| CN114880757B (zh) | 一种综合管廊信息管理bim模型的构建方法 | |
| CN118069251B (zh) | 储能站数据展示方法、装置、计算机设备及存储介质 | |
| CN118070873B (zh) | 一种基于迁移学习的边缘数字孪生体部署方法 | |
| CN111694717A (zh) | 一种确定系统承压能力值的方法和装置 |
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 |