CN115759509B - 复杂系统级数字孪生运行虚实一致性判定与交互方法 - Google Patents
复杂系统级数字孪生运行虚实一致性判定与交互方法 Download PDFInfo
- Publication number
- CN115759509B CN115759509B CN202211410916.5A CN202211410916A CN115759509B CN 115759509 B CN115759509 B CN 115759509B CN 202211410916 A CN202211410916 A CN 202211410916A CN 115759509 B CN115759509 B CN 115759509B
- Authority
- CN
- China
- Prior art keywords
- space
- state
- time
- virtual
- data
- 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.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 86
- 230000008569 process Effects 0.000 claims abstract description 31
- 230000003993 interaction Effects 0.000 claims abstract description 25
- 238000012512 characterization method Methods 0.000 claims abstract description 19
- 238000004458 analytical method Methods 0.000 claims abstract description 8
- 230000007246 mechanism Effects 0.000 claims abstract description 4
- 238000013507 mapping Methods 0.000 claims description 31
- 230000009471 action Effects 0.000 claims description 23
- 230000006399 behavior Effects 0.000 claims description 21
- 238000005070 sampling Methods 0.000 claims description 19
- 238000010276 construction Methods 0.000 claims description 14
- 238000011156 evaluation Methods 0.000 claims description 11
- 230000003542 behavioural effect Effects 0.000 claims description 9
- 230000005540 biological transmission Effects 0.000 claims description 9
- 238000005065 mining Methods 0.000 claims description 9
- 230000008447 perception Effects 0.000 claims description 8
- 238000005516 engineering process Methods 0.000 claims description 7
- 238000004088 simulation Methods 0.000 claims description 7
- 238000012545 processing Methods 0.000 claims description 6
- 230000004044 response Effects 0.000 claims description 6
- 238000003860 storage Methods 0.000 claims description 6
- 238000004891 communication Methods 0.000 claims description 3
- 238000012544 monitoring process Methods 0.000 claims description 3
- 238000012800 visualization Methods 0.000 claims description 3
- 238000005457 optimization Methods 0.000 abstract description 3
- 230000009286 beneficial effect Effects 0.000 abstract description 2
- 230000002457 bidirectional effect Effects 0.000 abstract 1
- 230000006870 function Effects 0.000 description 7
- 230000008878 coupling Effects 0.000 description 4
- 238000010168 coupling process Methods 0.000 description 4
- 238000005859 coupling reaction Methods 0.000 description 4
- 239000010410 layer Substances 0.000 description 4
- 230000002452 interceptive effect Effects 0.000 description 3
- 230000004927 fusion Effects 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 230000000704 physical effect Effects 0.000 description 2
- 230000006978 adaptation Effects 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 239000011229 interlayer Substances 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000010025 steaming Methods 0.000 description 1
Classifications
-
- 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
- Y02P90/02—Total factory control, e.g. smart factories, flexible manufacturing systems [FMS] or integrated manufacturing systems [IMS]
Abstract
本发明涉及一种复杂系统级数字孪生运行虚实一致性判定与交互方法,包括以下步骤:描述复杂系统实体各项特征属性,基于虚拟空间四维模型,进行物理空间表征;面向虚实空间运行交互过程,提出虚拟空间和物理空间一致性判定方法;建立虚拟空间和物理空间在时域中的运行与交互机制,实现复杂系统级数字孪生应用。本发明有效描述了复杂系统物理空间与虚拟空间内的子空间,提出了基于动态运行的虚实一致性判定方法,并提出了虚实子空间之间的具体运行及其交互方法,为复杂系统运行过程的表征、分析与优化决策等提供依据,有利于提高复杂系统数字孪生体的精度,保障虚实空间的一致性、实时性,使复杂系统数字孪生体与现实联动一致,实现双向交互。
Description
技术领域
本发明属于一种面向服务的典型复杂系统中数字孪生的应用技术领域,具体涉及一种复杂系统级数字孪生运行虚实一致性判定与交互方法。
背景技术
复杂系统是指内部具有复杂物理状态、网络拓扑属性和耦合依赖关系等特征的系统,具有非线性多约束、强动态关联、流程复杂、功能耦合关系复杂等特点。随着21世纪信息科学的飞速发展,传统的系统工程也蒸蒸日上,不断扩大其应用领域。包括:1、舰面保障系统:用于指挥和保障多型机群在舰面上执行各类保障作业的工程系统。已知舰面保障系统需要在投入海上大规模作战前完成一系列保障服务。同时,舰面保障服务涉及保障系统任务范围内人员、设备、环境全要素的调度安排,内含一系列作业群组关联,保障过程还需保证相应的保障可靠性、实时性、保障效率要求;2、工业互联网:面向各公司、企业的复杂制造服务,通过信息-物理系统完成制造过程信息流传递、个性化任务需求等。其需要完成基于数据的驱动、传输和动态演化,服务层、物理层、孪生层具有层级间、层级内耦合关系;3、数字战场:通过武器装备、人员、作战环境等组合,从开放式复杂系统角度对作分析、功能联合、数据传递,实现数字战场的信息交互,提高作战效能。可见,传统的简单系统级工程难以满足复杂系统日益增长的需求。
数字孪生是一种集成多物理、多尺度、多学科属性的技术,具有虚实融合、实时交互连接、迭代优化以及全流程数据驱动等特点,可以对物理实体提供数据分析、状态预测、仿真决策等功能,辅助物理设备进行行为优化和决策。其中虚拟空间是对物理空间的物理实体进行的映射,可将复杂物理系统信息化、抽象化,构建满足物理系统各项属性的数字孪生体,基于虚拟空间扩展物理实体在现实环境中的行为,为物理实体提供数据空间驱动的维修保障、故障趋势上的预测、信息的融合、辅助决策等功能。数字孪生体可面向复杂系统多维度、全系统、全要素、多属性,实现虚实联动一致与双向演化,完成复杂系统目标任务。
发明内容
为解决上述技术问题,基于数字孪生技术,本发明提供一种复杂系统级数字孪生运行虚实一致性判定与交互方法,有效描述了复杂系统级数字孪生体的内部构建与运行交互关系,明确了过程数据的流动,实现了对虚拟空间与物理空间交互过程中是否一致的定量判定。解决现有复杂系统孪生架构、内部系统运行流程不清晰、难以保证虚实联动一致等问题,实现复杂系统级保障要求。
本发明解决以上技术问题采取的技术方案为:
一种复杂系统级数字孪生运行虚实一致性判定方法与交互流程,包括以下步骤:
步骤1:描述复杂系统实体的各项特征属性,构建物理空间内的各项子空间:根据各项任务需求,自上而下分解为作业流程二级子系统、参与各项作业的要素实体,构建实体空间基于物联网技术与数采模块,对实体空间数据进行采集和提取,并对原始数据进行分类、映射、关联等操作,形成数据空间/>通过传感器、物理感知模块,感知实体空间的各要素实时状态,包括时序状态下要素的时间量、空间量、工作状态、负载状态等,建立状态空间/>描述物理空间内动作执行的全过程,包括接受辅助决策、实体空间状态约束判别、指令执行等,建立动作空间/>
步骤2:基于虚实空间构建和虚实空间运行交互进行一致性判定:对虚拟状态空间和物理状态空间在同一采样下的状态数据相似度进行计算,通过评价指标θe1进行判定;对虚拟状态空间相对于物理状态空间的映射跟随进行讨论,基于虚实空间各个步骤运行过程的的时间分析,对状态映射的时间延迟进行计算,并通过评价指标θe2对状态跟随一致性进行判定;对虚拟空间内行为空间的态势预演与实体空间状态演化的时间差进行计算,包括虚实空间运行过程的时间、状态预演的超前时间、实际决策时的实体状态时刻,并通过评价指标θe3对状态预演一致性进行判定;
步骤3:根据复杂系统数字孪生体的各个子空间机制与关联关系,建立所述复杂系统级孪生体虚拟空间、物理空间的运行与交互流程,并对流程中各个步骤进行时域分析。结合步骤2中一致性判定方法,实现完整的虚实交互。实现复杂系统级数字孪生工程应用。
所述步骤1中,对于所述物理空间表征,包括实体空间、数据空间、状态空间、动作空间的表征是基于虚拟空间的四维架构/>进行构建的,从而与之形成双向映射关联。
所述物理空间的详细表征方法如下:
(1)实体空间表征:通过实际复杂系统内监视器、传感器、设备内嵌仪表等实体感知器件,对实体空间构建模型相关信息进行提取和采集,基于系统任务需求,针对系统任务集内某一任务Tp,自上而下对实体空间内部结构解析,分解至二级子系统即某任务内依照时序流程的作业集{Gk,k=1,2,…,n(p)},n(p)为第p项任务中的作业个数;最终分解为完成单项作业(或功能)所需的要素集其中f(m)为要素对应的功能属性,Ns为要素类别的数目,Ni为第i类要素内的要素数目。构成实体空间,完成对复杂系统实体结构的实时表征;
(2)数据空间表征:通过实际复杂系统内数据采集器、有线/无线通信、物联网等技术,实现对实体空间内各要素异构数据的采集,并将所述原始数据存储至物理空间的数据空间中,通过数据处理、分类、关联挖掘、与业务映射关联,将数据整理并存储为与虚拟空间构建格式相同的三维数据集;
(3)状态空间表征:针对传感器、状态感知器件等,监控实体空间内各要素的实时状态,包括时序集{S(t1),S(t2),…,S(tN)}、空间集{S(w1),S(w2),…,S(wN)}、工作状态 负载状态/>等;其中N为要素的总个数,αk(j)为第j要素所在任务系统对于作业的优先级,pm(j)为第j要素对应功能属性在任务流程内的重要度;
(4)动作空间表征:参考虚拟空间预演和决策引擎得到的辅助决策输入,基于实际规则对实体空间状态、约束条件等进行判别,完善执行方案,并将实际指令输入实体空间进行作业。
所述虚实一致性判定方法包括:
(1)状态空间一致性判定:其中包括:
①虚实状态空间数据一致性判定:对同一采样时间t=t0下主要状态量:时间量、状态量、工作状态、负载状态进行一致性判定。所述一致性判定公式计算如下:
其中,分别表示虚拟、物理空间内第j要素的第l项状态量,状态量分别包括时间量、空间量、工作状态、负载状态四项;σl为第l项状态量的加权系数,其中/>Ml为第l项状态量的归一化系数,其中/> 表示第i项作业在任务流程内的重要度,/>表示各要素状态量的归一化状态指标;rs表示虚拟、物理空间状态的相关系数,rs∈[-1,1]。取θe1为可变阈值,当rs大于阈值θe1时,表示虚实状态相似度满足要求;
②虚实状态空间跟随过程一致性判定:在虚实交互流程下,验证虚拟空间内状态预演对于物理空间实际演化的跟随能力;取θe2为状态跟随时滞的评价指标;所述状态跟随判定公式计算如下:
其中,表示实体空间状态感知的总时间,/>表示虚拟空间状态映射的总时间;Δt1为实体空间内数据感知并采集的时间;Δt2为实体空间状态感知,并通过可视化平台实时呈现在监视器中的时间;Δt3为原始数据进行数据分类、关联挖掘与更新的时间;Δt4为模型构建数据输入、实时演化的时间;Δt5为状态空间更新实时状态序列的时间;其中Δta、Δtb、Δtc、Δtd为运行过程相关数据流传输至指定空间的时间,这些部分在实际运行中时间量级较小,可忽略不计。Δtcon_state为虚拟状态空间对于物理状态空间在[t0,tb]采样区域内的最大时间滞后,与阈值θe2进行比较,当Δtcon_state小于阈值θe2时,表示虚实状态跟随一致性满足要求;
(2)行为空间一致性判定:主要考虑针对态势预演与世纪演化跟随的一致性判定:在虚拟空间的行为空间内,对输入的模型关联关系和历史状态序列进行仿真,预演未来一段时间[t0,tm]内的状态序列,并针对其与实体空间演化时间tn进行讨论;取θe3为状态预演的评价指标;
Δtcon_behavior=Δtprocess+tn-tm
其中,为虚拟空间状态预演的时间,/>为物理空间动作执行的时间;其中Δt6为行为空间输入模型关联、历史状态序列、状态判别和预测、模型演化的时间;Δt7为预演模型判别仿真、基于决策引擎生成决策方案的时间;Δt8为物理空间进行辅助决策判别与响应的时间;Δt9为执行实际指令的时间;其中Δta、Δtb、Δtc、Δtd、Δte、Δtf、Δtg为运行过程相关数据流传输至指定空间的时间,这些部分在实际运行中时间量级较小,可忽略不计。Δtprocess为辅助决策对于物理空间演化在[t0,tb]采样区域内的最大时间滞后;tm为预测状态时间序列的长度;tn为实际决策执行时的物理状态时刻;Δtcon_behaviour为虚拟空间辅助决策执行对于物理空间演化的时间差,与阈值θe3进行比较,当Δtcon_behaviour小于θe3时,表示状态预演一致性满足要求。
所述虚实空间交互方法主要包括以下步骤:
(1)状态感知:包括以下三个步骤:
1)数据采集:以物理空间内采样时间点t0为时间基准,通过传感器、物联网等技术手段,采集状态基准下的实体空间内复杂系统相关数据,经历Δt1时间采集数据并存储至数据空间/>
2)状态监控:以物理空间内采样时间点t0为时间基准,经历Δta时间感知t0状态基准下实体空间要素的状态集,经历Δt2时间形成状态空间内各类要素的状态序列{Sj,l,j=1,2,…,N,l=1,2,3,4},并通过可视化展示于状态空间
3)数据处理:经历Δt3时间对原始数据进行数据分类、映射、关联挖掘,并以三维数据形式储存于数据空间内,用于虚拟空间构建;
(2)状态映射:包括以下三个步骤:
1)模型构建与演化:数据空间内的基本描述数据d1传递至模型空间经历Δtb时间。通过数据配合知识引擎,经过Δt4时间构建出与实体空间具有相同群落结构、相同层级的模型,实现虚拟模型演化;
2)模型状态输入:将模型演化过程的实时状态经过Δtc时间输入虚拟状态空间内形成状态序列,并经过Δt5时间在状态空间内实现虚拟空间模型的状态更新;
3)运行状态输入:将状态空间的实时运行状态数据同步至数据空间该部分时间为Δtd。
(3)态势预演:包括以下三个步骤:
1)运行状态及映射关联输入:将数据空间内运行状态数据d2、历史运行数据d4、数据内部映射关联dd和数据与作业映射关联dt等经过Δte输入至行为空间
2)模型关联关系输入:将模型空间内的模型要素属性、模型关联关系经过Δtf输入至行为空间
3)仿真预演并存储:将注入的模型、运行状态、数据等进行判别、仿真,基于行为空间内预测模型经过Δt6时间预演在未来一段时间内孪生模型的演化态势,并经过Δtg时间将仿真数据d3存储至数据空间内;
(4)行为执行:包括以下两个步骤:
1)辅助决策及决策输入:根据预演得到的tm时刻的模型,通过相关决策引擎,判别目标、约束,经过Δt7时间生成决策方案并输入物理动作空间
2)行为响应与执行:根据输入的辅助决策,经过Δt8时间进行动作空间的行为响应,并经过Δt9时间执行指令至实体空间
如上所述,本发明的复杂系统级数字孪生运行虚实一致性判定方法与交互流程,具有以下有益效果:
(1)对复杂系统实体进行关键信息的提取和抽象,完成复杂系统数字孪生体的构建;
(2)通过数字孪生体的构建,可扩展、增强物理实体的决策功能,实现以虚监实、以虚驭实、以虚预实等功能;
(3)通过对虚实空间一致性判别与交互过程的时间量的讨论,对虚实一致性进行判定,验证了数字孪生体指导实际保障服务的实时性和可行性。
附图说明
图1为本发明的复杂系统级数字孪生运行虚实一致性判定与交互方法的步骤图;
图2是本发明的复杂系统虚实空间运行与交互流程图;
图3是本发明的基于虚实空间交互的虚实一致性判定图。
具体实施方式
下面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详细阐述。
本发明实施例以舰面保障系统为例,阐述本发明方法。舰面保障系统包括人员、环境、设备等多要素,模型具有多层级耦合关系,并针对舰面保障任务流程存在系统的组合和时序上的配合。
如图1所示,本发明采取的技术方案为:一种复杂系统级数字孪生运行虚实一致性判定方法与交互流程,包括以下步骤:
步骤1:描述保障系统实体的各项特征属性,构建物理空间内的各项子空间:根据各项保障任务需求,自上而下分解为作业流程二级子系统、参与各项作业的要素实体,构建实体空间基于物联网技术与数采模块,对实体空间数据进行采集和提取,并对原始数据进行分类、映射、关联等操作,形成数据空间/>通过传感器、物理感知模块,感知实体空间的各要素实时状态,包括时序状态下要素的时间量、空间量、工作状态、负载状态等,建立状态空间/>描述物理空间内保障动作执行的全过程,包括接受辅助决策、实体空间状态约束判别、保障指令执行等,建立动作空间/>
步骤2:基于虚实空间构建和虚实空间运行交互进行一致性判定:对虚拟状态空间和物理状态空间在同一采样下的状态数据相似度进行计算,通过评价指标θe1进行判定;对虚拟状态空间相对于物理状态空间的映射跟随进行讨论,基于虚实空间各个步骤运行过程的的时间分析,对状态映射的时间延迟进行计算,并通过评价指标θe2对状态跟随一致性进行判定;对虚拟空间内行为空间的态势预演与实体空间状态演化的时间差进行计算,包括虚实空间运行过程的时间、状态预演的超前时间、实际决策时的实体状态时刻,并通过评价指标θe3对状态预演一致性进行判定;
步骤3:根据复杂系统数字孪生体的各个子空间机制与关联关系,建立所述复杂系统级孪生体虚拟空间、物理空间的运行与交互流程,并对流程中各个步骤进行时域分析。结合步骤2中一致性判定方法,实现完整的虚实交互。实现复杂系统级数字孪生工程应用。
所述步骤1中,对于所述物理空间表征,包括实体空间、数据空间、状态空间、动作空间的表征是基于虚拟空间的四维架构/>进行构建的,从而与之形成双向映射关联。
所述物理空间的详细表征方法如下:
(1)实体空间表征:通过实际复杂保障系统内监视器、传感器、设备内嵌仪表等实体感知器件,对实体空间构建模型相关信息进行提取和采集,基于系统任务需求,针对系统任务集内某一任务Tp,自上而下对实体空间内部结构解析,分解至二级子系统即某任务内依照时序流程的作业集{Gk,k=1,2,…,n(p)},n(p)为第p项任务中的作业个数;最终分解为完成单项作业(或功能)所需的要素集其中f(m)为要素对应的功能属性,Ns为要素类别的数目,Ni为第i类要素内的要素数目。构成实体空间,完成对复杂系统实体结构的实时表征;
(2)数据空间表征:通过实际保障系统内数据采集器、有线/无线通信、物联网等技术,实现对实体空间内各要素异构数据的采集,并将所述原始数据存储至物理空间的数据空间中,通过数据处理、分类、关联挖掘、与业务映射关联,将数据整理并存储为与虚拟空间构建格式相同的三维数据集;
(3)状态空间表征:针对传感器、状态感知器件等,监控实体空间内各要素的实时状态,包括时序集{S(t1),S(t2),…,S(tN)}、空间集{S(w1),S(w2),…,S(wN)}、工作状态 负载状态/>等;其中N为要素的总个数,αk(j)为第j要素所在任务系统对于作业的优先级,pm(j)为第j要素对应功能属性在任务流程内的重要度;
(4)动作空间表征:参考虚拟空间预演和决策引擎得到的辅助决策输入,基于实际保障规则对实体空间状态、约束条件等进行判别,完善保障执行方案,并将实际指令输入实体空间进行保障作业。
如图2所示,步骤2中所述复杂系统虚实一致性判定方法包括:
(1)状态空间一致性判定:其中包括:
1)虚实状态空间数据一致性判定:对同一采样时间t=t0下的状态量:时间量、状态量、工作状态、负载状态进行一致性判定;所述一致性判定公式计算如下:
其中,分别表示虚拟、物理空间内第j要素的第l项状态量,状态量分别包括时间量、空间量、工作状态、负载状态四项;σl为第l项状态量的加权系数,其中/>Ml为第l项状态量的归一化系数,其中/> 表示第i项作业在任务流程内的重要度,/>表示各要素状态量的归一化状态指标;rs表示虚拟、物理空间状态的相关系数,rs∈[-1,1]。取θe1为可变阈值,当rs大于阈值θe1时,表示虚实状态相似度满足要求;
2)虚实状态空间跟随过程一致性判定:在虚实交互流程下,验证虚拟空间内状态预演对于物理空间实际演化的跟随能力;取θe2为状态跟随时滞的评价指标;所述状态跟随判定公式计算如下:
其中,表示实体空间状态感知的总时间,/>表示虚拟空间状态映射的总时间;Δt1为实体空间内数据感知并采集的时间;Δt2为实体空间状态感知,并通过可视化平台实时呈现在监视器中的时间;Δt3为原始数据进行数据分类、关联挖掘与更新的时间;Δt4为模型构建数据输入、实时演化的时间;Δt5为状态空间更新实时状态序列的时间;其中Δta、Δtb、Δtc、Δtd为运行过程相关数据流传输至指定空间的时间,这些部分在实际运行中时间量级较小,可忽略不计。Δtcon_stare为虚拟状态空间对于物理状态空间在[t0,tb]采样区域内的最大时间滞后,与阈值θe2进行比较,当Δtcn_state小于阈值θe2时,表示虚实状态跟随一致性满足要求;
(2)行为空间一致性判定:主要考虑针对态势预演与世纪演化跟随的一致性判定:在虚拟空间的行为空间内,对输入的模型关联关系和历史状态序列进行仿真,预演未来一段时间[t0,tm]内的状态序列,并针对其与实体空间演化时间tn进行讨论;取θe3为状态预演的评价指标;
Δtcon_behaviour=Δtprocess+tn-tm
其中,为虚拟空间状态预演的时间,/>为物理空间动作执行的时间;其中Δt6为行为空间输入模型关联、历史状态序列、状态判别和预测、模型演化的时间;Δt7为预演模型判别仿真、基于决策引擎生成决策方案的时间;Δt8为物理空间进行辅助决策判别与响应的时间;Δt9为执行实际指令的时间;其中Δta、Δtb、Δtc、Δtd、Δte、Δtf、Δtg为运行过程相关数据流传输至指定空间的时间,这些部分在实际运行中时间量级较小,可忽略不计。Δtprocess为辅助决策对于物理空间演化在[t0,tb]采样区域内的最大时间滞后;tm为预测状态时间序列的长度;tn为实际决策执行时的物理状态时刻;Δtcon_behaviour为虚拟空间辅助决策执行对于物理空间演化的时间差,与阈值θe3进行比较,当Δtcon_behaviour小于θe3时,表示状态预演一致性满足要求。
如图3所示,步骤3中所述虚实空间交互方法主要包括以下步骤:
(1)状态感知:包括以下三个步骤:
1)数据采集:以物理空间内采样时间点t0为时间基准,通过传感器、物联网等技术手段,采集状态基准下的实体空间内复杂系统相关数据,经历Δt1时间采集数据并存储至数据空间/>
2)状态监控:以物理空间内采样时间点t0为时间基准,经历Δta时间感知t0状态基准下实体空间要素的状态集,经历Δt2时间形成状态空间内各类要素的状态序列{Sj,l,j=1,2,…,N,l=1,2,3,4},并通过可视化展示于状态空间
3)数据处理:经历Δt3时间对原始数据进行数据分类、映射、关联挖掘,并以三维数据形式储存于数据空间内,用于虚拟空间构建;
(2)状态映射:包括以下三个步骤:
1)模型构建与演化:数据空间内的基本描述数据d1传递至模型空间经历Δtb时间。通过数据配合知识引擎,经过Δt4时间构建出与实体空间具有相同群落结构、相同层级的模型,实现虚拟模型演化;
2)模型状态输入:将模型演化过程的实时状态经过Δtc时间输入虚拟状态空间内形成状态序列,并经过Δt5时间在状态空间内实现虚拟空间模型的状态更新;
3)运行状态输入:将状态空间的实时运行状态数据同步至数据空间该部分时间为Δtd;
(3)态势预演:包括以下三个步骤:
1)运行状态及映射关联输入:将数据空间内运行状态数据d2、历史运行数据d4、数据内部映射关联dd和数据与作业映射关联dt等经过Δte输入至行为空间
2)模型关联关系输入:将模型空间内的模型要素属性、模型关联关系经过Δtf输入至行为空间
3)仿真预演并存储:将注入的模型、运行状态、数据等进行判别、仿真,基于行为空间内预测模型经过Δt6时间预演在未来一段时间内孪生模型的演化态势,并经过Δtg时间将仿真数据d3存储至数据空间内;
(4)行为执行:包括以下两个步骤:
1)辅助决策及决策输入:根据预演得到的tm时刻的模型,通过相关决策引擎,判别目标、约束,经过Δt7时间生成决策方案并输入物理动作空间
2)行为响应与执行:根据输入的辅助决策,经过Δt8时间进行动作空间的行为响应,并经过Δt9时间执行指令至实体空间
本发明说明书中未作详细描述的内容属于本领域专业技术人员公知的现有技术。
以上所述仅是本发明的优选实施方式,应当指出,对于本技术领域的普通技术人员来说,在不脱离本发明原理的前提下,还可以做出若干改进和润饰,这些改进和润饰也应视为本发明的保护范围。
Claims (5)
1.一种复杂系统级数字孪生运行虚实一致性判定与交互方法,其特征在于,包括以下步骤:
步骤1:描述复杂系统实体的各项特征属性,构建物理空间内的各项子空间:根据各项系统任务需求,自上而下分解为作业流程二级子系统、参与各项作业的要素实体,构建实体空间基于物联网技术与数采模块,对实体空间数据进行采集和提取,并对原始数据进行分类、映射、关联操作,形成数据空间/>通过传感器、物理感知模块,感知实体空间的各要素实时状态,包括时序状态下要素的时间量、空间量、工作状态、负载状态,建立状态空间/>描述物理空间内动作执行的全过程,包括接受辅助决策、实体空间状态约束判别、操作指令执行,建立动作空间/>
步骤2:基于虚实空间构建和虚实空间运行交互进行一致性判定:对虚拟空间的状态空间和物理空间的状态空间在同一采样下的状态数据相似度进行计算,通过评价指标θe1对状态数据一致性进行判定;对虚拟空间的状态空间相对于物理空间的状态空间的映射跟随进行分析,基于虚实空间各个步骤运行过程的时间分析,对状态映射的时间延迟进行计算,并通过状态跟随时滞的评价指标θe2对状态跟随一致性进行判定;对虚拟空间内的行为空间的态势预演与实体空间状态演化的时间差进行计算,包括虚实空间运行过程的时间、状态预演的超前时间、实际决策时的实体状态时刻,并通过状态预演的评价指标θe3对状态预演一致性进行判定;
步骤3:根据复杂系统数字孪生体的各个子空间机制与关联关系,建立所述复杂系统级孪生体虚拟空间、物理空间的运行与交互流程,并对流程中各个步骤进行时域分析;结合步骤2中一致性判定方法,实现完整的虚实交互,实现复杂系统级数字孪生工程应用。
2.根据权利要求1中所述的一种复杂系统级数字孪生运行虚实一致性判定与交互方法,其特征在于:
所述步骤1中,对于所述物理空间的表征,包括对实体空间、数据空间、状态空间、动作空间的表征物理空间是基于虚拟空间的四维架构/>进行构建,从而与之形成双向映射关联,其中,/>为虚拟空间的模型空间,数据空间,状态空间,行为空间。
3.根据权利要求2中所述的一种复杂系统级数字孪生运行虚实一致性判定与交互方法,其特征在于:所述物理空间的表征方法如下:
(1)实体空间表征:通过复杂系统内的实体感知器件,对实体空间中用于模型构建的信息进行提取和采集,基于系统任务需求,针对系统任务集内某一任务Tp,自上而下对实体空间内部结构解析,分解至二级子系统即某任务内依照时序流程的作业集{Gk,k=1,2,...,n(p)},n(p)为第p项任务中的作业个数;最终分解为完成单项作业所需的要素集其中f(m)为要素对应的功能属性,Ns为要素类别的数目,Ni为第i类要素内的要素数目;构成实体空间,完成对复杂系统实体结构的实时表征;所述实体感知器件包括监视器、传感器和设备内嵌仪表;
(2)数据空间表征:通过复杂系统内的数据采集器、有线/无线通信、物联网,实现对实体空间内各要素异构数据的采集,并将所述原始数据存储至物理空间的数据空间中,通过数据处理、分类、关联挖掘、与业务映射关联,将数据整理并存储为与虚拟空间构建格式相同的三维数据集;
(3)状态空间表征:针对实体感知器件,监控实体空间内各要素的实时状态,包括时序集{S(t1),S(t2),…,S(tN)}、空间集{S(w1),S(w2),…,S(wN)}、工作状态负载状态/>其中N为要素的总个数,αk(j)为第j要素所在任务系统对于作业的优先级,pm(j)为第j要素对应功能属性在任务流程内的重要度;
(4)动作空间表征:参考态势预演和决策引擎得到的辅助决策,基于实际动作规则对实体状态、约束条件进行判别,完善执行方案,执行实际指令至实体空间进行作业。
4.根据权利要求3所述的一种复杂系统级数字孪生运行虚实一致性判定与交互方法,其特征在于:所述步骤2给出虚拟空间和物理空间一致性判定方法包括:
(1)状态空间一致性判定:其中包括:
①虚实状态空间数据一致性判定:以物理空间内采样时间点t0为时间基准,对同一采样时间t=t0下的状态量:时间量、状态量、工作状态、负载状态进行一致性判定;一致性判定公式计算如下:
其中,分别表示虚拟、物理空间内第j要素的第l项状态量,状态量分别包括时间量、空间量、工作状态、负载状态四项;σl为第l项状态量的加权系数,其中/>Ml为第l项状态量的归一化系数,其中/>Sj,l表示物理空间的状态空间内各类要素的状态序列;/>表示第i类要素在任务流程内的重要度,/>表示各要素状态量的归一化状态指标;rs表示虚拟、物理空间状态的相关系数,rs∈[-1,1];当rs大于θe1时,表示虚实状态相似度满足要求;
②虚实状态空间跟随过程一致性判定:在虚实交互流程下,验证虚拟空间内状态预演对于物理空间实际演化的跟随能力;所述状态跟随判定公式计算如下:
其中,表示实体空间状态感知的总时间,/>表示虚拟空间状态映射的总时间;Δt1为实体空间内数据感知并采集的时间;Δt2为实体空间状态感知,并通过可视化平台实时呈现在监视器中的时间;Δt3为原始数据进行数据分类、关联挖掘与更新的时间;Δt4为模型构建数据输入、实时演化的时间;Δt5为虚拟空间的状态空间更新实时状态序列的时间;其中Δta、Δtb、Δtc、Δtd为运行过程相关数据流传输至指定空间的时间;Δtcon_state为虚拟空间的状态空间对于物理空间的状态空间在[t0,tb]采样区域内的最大时间滞后,与θe2进行比较,当Δtcon_state小于θe2时,表示虚实状态跟随一致性满足要求;
(2)行为空间一致性判定:考虑针对态势预演与实际演化跟随的一致性判定:在虚拟空间的行为空间内,对输入的模型关联关系和历史状态序列进行仿真,预演未来一段时间[t0,tm]内的状态序列,并针对其与实体空间演化时间tn进行讨论;取θe3为状态预演的评价指标;
Δtcon_behaviour=Δtprocess+tn-tm
其中,为虚拟空间状态预演的时间,/>为物理空间动作执行的时间;其中Δt6为行为空间输入模型关联、历史状态序列、状态判别和预测、模型演化的时间;Δt7为预演模型判别仿真、基于决策引擎生成决策方案的时间;Δt8为物理空间进行辅助决策判别与响应的时间;Δt9为执行实际指令的时间;Δta、Δtb、Δtc、Δtd、Δte、Δtf、Δtg为运行过程相关数据流传输至指定空间的时间;Δtprocess为辅助决策对于物理空间演化在[t0,tb]采样区域内的最大时间滞后;tm为预测状态时间序列的长度;tn为实际决策执行时的物理状态时刻;Δtcon_behaviour为虚拟空间辅助决策执行对于物理空间演化的时间差,与θe3进行比较,当Δtcon_behaviour小于θe3时,表示状态预演一致性满足要求。
5.根据权利要求4中所述的一种复杂系统级数字孪生运行虚实一致性判定与交互方法,其特征在于:所述步骤3具体包括:
(1)状态感知:包括以下三个步骤:
1)数据采集:以物理空间内采样时间点t0为时间基准,通过传感器、物联网采集状态基准下的实体空间内复杂系统相关数据,经历Δt1时间采集数据并存储至数据空间
2)状态监控:以物理空间内采样时间点t0为时间基准,经历Δta时间感知t0状态基准下实体空间要素的状态集,经历Δt2时间形成的物理空间的状态空间内各类要素的状态序列{Sj,l,j=1,2,...,N,l=1,2,3,4},并通过可视化展示于状态空间
3)数据处理:经历Δt3时间对原始数据进行数据分类、映射、关联挖掘,并以三维数据形式储存于数据空间内,用于虚拟空间构建;
(2)状态映射:包括以下三个步骤:
1)模型构建与演化:数据空间内的基本描述数据d1传递至实体空间经历Δtb时间;通过数据配合知识引擎,经过Δt4时间构建出与实体空间具有相同群落结构、相同层级的模型,实现虚拟的模型演化;
2)模型状态输入:将模型演化过程的实时状态经过Δtc时间输入虚拟空间的状态空间内形成状态序列,并经过Δt5时间在状态空间内实现虚拟空间的模型的状态更新;
3)运行状态输入:将虚拟空间的状态空间的实时运行状态数据同步至数据空间时间为Δtd;
(3)态势预演:包括以下三个步骤:
1)运行状态及映射关联输入:将数据空间内运行状态数据d2、历史运行数据d4、数据内部映射关联dd和数据与作业映射关联dt经过Δte输入至行为空间
2)模型关联关系输入:将模型空间内的模型要素属性、模型关联关系经过Δtf输入至行为空间
3)仿真预演并存储:将注入的模型、运行状态、数据进行判别、仿真,基于行为空间内预测模型经过Δt6时间预演在未来一段时间内模型的演化态势,并经过Δtg时间将仿真数据d3存储至数据空间内;
(4)行为执行:包括以下两个步骤:
1)辅助决策及决策输入:根据预演得到的tm时刻的模型,通过相关决策引擎,判别目标、约束,经过Δt7时间生成决策方案并输入物理空间的动作空间
2)行为响应与执行:根据输入的辅助决策,经过Δt8时间进行动作空间的行为响应,并经过Δt9时间执行指令至实体空间
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211410916.5A CN115759509B (zh) | 2022-11-11 | 2022-11-11 | 复杂系统级数字孪生运行虚实一致性判定与交互方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211410916.5A CN115759509B (zh) | 2022-11-11 | 2022-11-11 | 复杂系统级数字孪生运行虚实一致性判定与交互方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115759509A CN115759509A (zh) | 2023-03-07 |
CN115759509B true CN115759509B (zh) | 2023-10-31 |
Family
ID=85369531
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211410916.5A Active CN115759509B (zh) | 2022-11-11 | 2022-11-11 | 复杂系统级数字孪生运行虚实一致性判定与交互方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115759509B (zh) |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109116751A (zh) * | 2018-07-24 | 2019-01-01 | 西安西电电气研究院有限责任公司 | 基于数字孪生技术的数字化系统及其构建方法 |
CN111104768A (zh) * | 2019-12-23 | 2020-05-05 | 中国人民解放军火箭军工程大学 | 一种基于数字孪生模型的时序类潜在问题识别方法及系统 |
CN112800668A (zh) * | 2021-01-20 | 2021-05-14 | 西安科技大学 | 基于数字孪生的复杂产品运维与制造集成总体模型 |
CN112905385A (zh) * | 2021-01-27 | 2021-06-04 | 北京航空航天大学 | 一种基于模型备份的数字孪生模型运行及迭代演化方法 |
WO2021169598A1 (zh) * | 2020-02-27 | 2021-09-02 | 广东工业大学 | 生产线基于数字孪生的物理仿真方法及其系统 |
EP3982260A1 (en) * | 2019-06-07 | 2022-04-13 | Nippon Telegraph And Telephone Corporation | Digital twin operation device, digital twin operation method, program and data structure |
CN114580162A (zh) * | 2022-02-24 | 2022-06-03 | 北京航空航天大学 | 一种面向装备的数字孪生动态可信度计算方法和系统 |
CN114970086A (zh) * | 2022-04-08 | 2022-08-30 | 北京航空航天大学 | 一种基于数据空间的复杂系统级数字孪生构建方法 |
CN115051926A (zh) * | 2022-06-22 | 2022-09-13 | 烽火通信科技股份有限公司 | 一种数字孪生架构、模型评价体系以及模型运行方法 |
-
2022
- 2022-11-11 CN CN202211410916.5A patent/CN115759509B/zh active Active
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109116751A (zh) * | 2018-07-24 | 2019-01-01 | 西安西电电气研究院有限责任公司 | 基于数字孪生技术的数字化系统及其构建方法 |
EP3982260A1 (en) * | 2019-06-07 | 2022-04-13 | Nippon Telegraph And Telephone Corporation | Digital twin operation device, digital twin operation method, program and data structure |
CN111104768A (zh) * | 2019-12-23 | 2020-05-05 | 中国人民解放军火箭军工程大学 | 一种基于数字孪生模型的时序类潜在问题识别方法及系统 |
WO2021169598A1 (zh) * | 2020-02-27 | 2021-09-02 | 广东工业大学 | 生产线基于数字孪生的物理仿真方法及其系统 |
CN112800668A (zh) * | 2021-01-20 | 2021-05-14 | 西安科技大学 | 基于数字孪生的复杂产品运维与制造集成总体模型 |
CN112905385A (zh) * | 2021-01-27 | 2021-06-04 | 北京航空航天大学 | 一种基于模型备份的数字孪生模型运行及迭代演化方法 |
CN114580162A (zh) * | 2022-02-24 | 2022-06-03 | 北京航空航天大学 | 一种面向装备的数字孪生动态可信度计算方法和系统 |
CN114970086A (zh) * | 2022-04-08 | 2022-08-30 | 北京航空航天大学 | 一种基于数据空间的复杂系统级数字孪生构建方法 |
CN115051926A (zh) * | 2022-06-22 | 2022-09-13 | 烽火通信科技股份有限公司 | 一种数字孪生架构、模型评价体系以及模型运行方法 |
Non-Patent Citations (1)
Title |
---|
数据驱动的复杂产品智能服务技术与应用;李浩 等;《中国机械工程》;第31卷(第07期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN115759509A (zh) | 2023-03-07 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109947086A (zh) | 基于对抗学习的机械故障迁移诊断方法及系统 | |
Yang et al. | Belief rule-base inference methodology using the evidential reasoning approach-RIMER | |
Khelif et al. | RUL prediction based on a new similarity-instance based approach | |
Şentürk et al. | Design of fuzzy ũ control charts | |
CN111192379A (zh) | 一种飞机整机的综合故障诊断方法 | |
Liu et al. | Model fusion and multiscale feature learning for fault diagnosis of industrial processes | |
Jin et al. | An agent-based traffic recommendation system: Revisiting and revising urban traffic management strategies | |
Azimi et al. | A Layered Quality Framework for Machine Learning-driven Data and Information Models. | |
CN112488171A (zh) | 一种变分模式分解的sru故障预测方法 | |
CN116881744A (zh) | 一种基于物联网的运维数据分发方法、装置、设备及介质 | |
CN113742195B (zh) | 一种基于贝叶斯神经网络的系统健康状态预测方法 | |
Qin et al. | Personalized federated darts for electricity load forecasting of individual buildings | |
CN114625883A (zh) | 一种面向工业设备异常监测的时序数据与知识融合表征方法 | |
Zhang et al. | Zero-small sample classification method with model structure self-optimization and its application in capability evaluation | |
Zhang et al. | Air target intention recognition and causal effect analysis combining uncertainty information reasoning and potential outcome framework | |
CN115759509B (zh) | 复杂系统级数字孪生运行虚实一致性判定与交互方法 | |
Hong et al. | Performance balance oriented product structure optimization involving heterogeneous uncertainties in intelligent manufacturing with an industrial network | |
Xie et al. | Estimating a civil aircraft’s development cost with a GM (1, N) model and an MLP neural network | |
Ghansah et al. | Cyber-physical systems and digital twins for “cognitive building” in the construction industry | |
Elwakil | Knowledge discovery based simulation system in construction | |
Singaravel et al. | Explainable deep convolutional learning for intuitive model development by non–machine learning domain experts | |
CN114912169A (zh) | 基于多源信息融合的工业建筑供热自主优化调控方法 | |
Prashanthi et al. | Defect prediction in software using spiderhunt-based deep convolutional neural network classifier | |
Abbas et al. | Interpretable hidden markov model-based deep reinforcement learning hierarchical framework for predictive maintenance of turbofan engines | |
Minghua et al. | Rough Set Neural Network Evaluation Method for UAV Reconnaissance Effectiveness |
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 |