CN116011103A - 针对磁悬浮动力装备基于数字孪生的协同管理方法及系统 - Google Patents

Abstract

本公开是关于一种针对磁悬浮动力装备基于数字孪生的协同管理方法及系统。该方法应用于协同管理系统，终端设备获取环境数据、设备运行参数以及控制指令，并根据控制指令，在确定终端设备为待孪生的终端设备的情况下，将环境数据和设备运行参数上传至对应的边缘服务器；边缘服务器基于环境数据和设备运行参数，训练边缘服务器中的数字孪生模型，并向中心云服务器发送训练后的数字孪生模型对应的本地模型参数，数字孪生模型用于对待孪生的终端设备进行数字孪生，得到终端设备对应的数字孪生；中心云服务器对至少一个边缘服务器发送的本地模型参数进行聚合，得到数字孪生模型对应的全局模型参数。该方法实现了协同管理系统与数字孪生技术的结合。

Description

针对磁悬浮动力装备基于数字孪生的协同管理方法及系统

技术领域

本公开涉及计算机技术领域，尤其涉及一种针对磁悬浮动力装备基于数字孪生的协同管理方法及系统。

背景技术

数字技术是以数据资源为关键要素，以现代信息网络为主要载体，以信息通信技术融合应用、全要素数字化转型为重要推动力，正推动生产方式、生活方式和治理方式深刻变革。数字技术是实现制造企业新能力构建的重要手段，例如在线诊断等新业务模式的能力、产品全生命期追溯的能力、在线异地协同开发的能力等。

磁悬浮动力装备是一项技术产业，是一系列磁悬浮产品的总称，主要包含磁悬浮鼓风机、磁悬浮高速电机、磁悬浮轴承、磁悬浮冷媒压缩机、磁悬浮高速雾化器、磁悬浮加工主轴、磁悬浮电子印刷辊以及磁悬浮涡轮机等借助磁悬浮技术形成的产业集群。磁悬浮动力装备具备无接触摩擦、无能量损耗、可实现高速运转的特点，但正是在工作时需要维持相当高的转速，一旦轴承失速，不仅会对机器造成伤害，还会带来巨大的安全隐患。因此磁悬浮动力装备的生产、测试、运维需要智慧、高效、安全的协同管理系统。

发明内容

为克服相关技术中存在的问题，本公开提供一种针对磁悬浮动力装备基于数字孪生的协同管理方法及系统。

根据本公开实施例的第一方面，提供一种针对磁悬浮动力装备基于数字孪生的协同管理方法，所述方法应用于协同管理系统，所述协同管理系统包括多个终端设备、终端设备对应的边缘服务器和中心云服务器，所述终端设备至少包括磁悬浮动力装备和末端设备，所述方法包括：

所述终端设备获取对应的环境数据、设备运行参数以及控制指令，并根据所述控制指令，确定所述终端设备是否为待孪生的终端设备；

所述终端设备为待孪生的终端设备的情况下，将所述终端设备对应的环境数据和设备运行参数上传至对应的边缘服务器；

所述边缘服务器基于所述终端设备对应的环境数据和设备运行参数，训练所述边缘服务器中的数字孪生模型，并向所述中心云服务器发送训练后的所述数字孪生模型对应的本地模型参数，所述数字孪生模型用于对待孪生的终端设备进行数字孪生，得到所述终端设备对应的数字孪生；

所述中心云服务器对至少一个所述边缘服务器发送的本地模型参数进行聚合，得到所述数字孪生模型对应的全局模型参数，并向至少一个所述边缘服务器下发所述全局模型参数，以使所述边缘服务器基于接收到的所述全局模型参数更新所述数字孪生模型。

在一些实施例中，所述中心云服务器包括计划管理模块，所述方法还包括：

所述中心云服务器中的计划管理模块基于订单数据管理所述终端设备，所述订单数据包括客户关系数据、客户需求数据、制造计划数据或者供应链数据。

在一些实施例中，所述协同管理系统还包括数据采集与监控系统，所述终端设备获取对应的环境数据、设备运行参数以及控制指令，包括：

所述中心云服务器根据所述订单数据，确定待孪生的所述终端设备，并向所述数据采集与监控系统发送所述控制指令，所述控制指令用于指示所述终端设备是否为待孪生的终端设备；

所述数据采集与监控系统接收所述控制指令，采集所述终端设备对应的环境数据和设备运行参数，并向所述终端设备发送对应的环境数据、设备运行参数以及控制指令。

在一些实施例中，所述数据采集与监控系统包括采集与监控模块、数据处理模块、接口管理模块和架构模块，所述数据采集与监控系统接收所述控制指令，采集所述终端设备对应的环境数据和设备运行参数，包括：

所述采集与监控模块对所述终端设备进行监控，并采集所述终端设备对应的环境数据和设备运行参数；

所述数据处理模块接收所述控制指令；

所述接口管理模块确定目标通信协议；

所述架构模块按照所述目标通信协议与其他设备进行交互。

在一些实施例中，所述边缘服务器基于所述终端设备对应的环境数据和设备运行参数，训练所述边缘服务器中的数字孪生模型，包括：

所述边缘服务器在第t次迭代训练开始时从所述中心云服务器获取所述数字孪生模型，t为大于1的整数；

所述边缘服务器基于所述终端设备对应的环境数据和设备运行参数，采用梯度下降算法训练所述数字孪生模型。

在一些实施例中，所述数字孪生模型表示为：

其中，w_i(t)表示第i个边缘服务器中第t次迭代训练的数字孪生模型，w(t-1)表示多个边缘服务器在第t-1次迭代训练出的数字孪生模型，η表示学习率，

表示对w(t-1)采用梯度下降算法进行训练。

在一些实施例中，在所述数字孪生模型的一次迭代训练过程中，所述终端设备的设备能耗为：

其中，

表示设备能耗，α表示能耗系数，ξ_i表示执行一个数据单元所需的CPU周期数，D_i表示所述第i个边缘服务器对应的终端设备的环境数据和设备运行参数，所述

表示CPU周期频率；

所述终端设备的机器界面的计算时间为：

其中，

表示计算时间，ξ_i表示执行一个数据单元所需的CPU周期数，D_i表示所述第i个边缘服务器对应的终端设备的环境数据和设备运行参数，所述

表示CPU周期频率；

所述终端设备的传输时间为：

其中，

表示传输时间，|w_i(t)|表示本地模型参数的大小，r_i表示传输速度；

所述终端设备的传输能耗为：

其中，

表示传输能耗，β表示传输能耗系数，P_i表示传输功率，|w_i(t)|表示本地模型参数的大小，r_i表示传输速度。

在一些实施例中，所述协同管理系统还包括基站，所述中心云服务器对至少一个所述边缘服务器发送的本地模型参数进行聚合，得到所述数字孪生模型对应的全局模型参数，包括：

所述中心云服务器对至少一个所述边缘服务器发送的本地模型参数进行聚合表示为：

其中，w(t)表示聚合后的数字孪生模型，D_g表示基站的设备信息，D_i表示所述第i个边缘服务器对应的终端设备的环境数据和设备运行参数，w_i(t)表示第i个边缘服务器中第t次迭代训练的数字孪生模型，N表示边缘服务器的数量。

在一些实施例中，所述方法还包括：

所述中心云服务器存储所述终端设备对应的数字孪生，且不同的数字孪生之间进行虚拟的通信连接；

若不同的终端设备之间的物理通信出现故障时，基于所述中心云服务器中不同的所述终端设备对应的数字孪生进行虚拟通信。

在一些实施例中，所述方法还包括：

所述边缘服务器基于所述终端设备的设备运行原理以及设备外形，对所述终端设备进行建模。

在一些实施例中，所述方法还包括：

所述边缘服务器将所述终端设备设置为区块链中的节点。

在一些实施例中，所述磁悬浮动力装备包括磁悬浮设备和生产设备，所述末端设备包括物联网设备、传感器和摄像头。

在一些实施例中，所述边缘服务器与所述中心云服务器之间采用5G无线通信。

根据本公开实施例的第二方面，提供一种针对磁悬浮动力装备基于数字孪生的协同管理系统，所述协同管理系统包括多个终端设备、终端设备对应的边缘服务器和中心云服务器，所述终端设备至少包括磁悬浮动力装备和末端设备：

所述终端设备，用于获取对应的环境数据、设备运行参数以及控制指令，并根据所述控制指令，确定所述终端设备是否为待孪生的终端设备；

所述终端设备，用于在为待孪生的终端设备的情况下，将所述终端设备对应的环境数据和设备运行参数上传至对应的边缘服务器；

所述边缘服务器，用于基于所述终端设备对应的环境数据和设备运行参数，训练所述边缘服务器中的数字孪生模型，并向所述中心云服务器发送训练后的所述数字孪生模型对应的本地模型参数，所述数字孪生模型用于对待孪生的终端设备进行数字孪生，得到所述终端设备对应的数字孪生；

所述中心云服务器，用于对至少一个所述边缘服务器发送的本地模型参数进行聚合，得到所述数字孪生模型对应的全局模型参数，并向至少一个所述边缘服务器下发所述全局模型参数，以使所述边缘服务器基于接收到的所述全局模型参数更新所述数字孪生模型。

在一些实施例中，所述中心云服务器包括计划管理模块，所述中心云服务器中的计划管理模块，用于基于订单数据管理所述终端设备，所述订单数据包括客户关系数据、客户需求数据、制造计划数据或者供应链数据。

在一些实施例中，所述协同管理系统还包括数据采集与监控系统；

所述中心云服务器，用于根据所述订单数据，确定待孪生的所述终端设备，并向所述数据采集与监控系统发送所述控制指令，所述控制指令用于指示所述终端设备是否为待孪生的终端设备；

所述数据采集与监控系统，用于接收所述控制指令，采集所述终端设备对应的环境数据和设备运行参数，并向所述终端设备发送对应的环境数据、设备运行参数以及控制指令。

在一些实施例中，所述数据采集与监控系统包括采集与监控模块、数据处理模块、接口管理模块和架构模块；

所述采集与监控模块，用于对所述终端设备进行监控，并采集所述终端设备对应的环境数据和设备运行参数；

所述数据处理模块，用于接收所述控制指令；

所述接口管理模块，用于确定目标通信协议；

所述架构模块，用于按照所述目标通信协议与其他设备进行交互。

在一些实施例中，所述边缘服务器，用于在第t次迭代训练开始时从所述中心云服务器获取所述数字孪生模型，t为大于1的整数；基于所述终端设备对应的环境数据和设备运行参数，采用梯度下降算法训练所述数字孪生模型。

在一些实施例中，所述数字孪生模型表示为：

其中，w_i(t)表示第i个边缘服务器中第t次迭代训练的数字孪生模型，w(t-1)表示多个边缘服务器在第t-1次迭代训练出的数字孪生模型，η表示学习率，

表示对w(t-1)采用梯度下降算法进行训练。

在一些实施例中，在所述数字孪生模型的一次迭代训练过程中，所述终端设备的设备能耗为：

其中，

表示设备能耗，α表示能耗系数，ξ_i表示执行一个数据单元所需的CPU周期数，D_i表示所述第i个边缘服务器对应的终端设备的环境数据和设备运行参数，所述

表示CPU周期频率；

所述终端设备的机器界面的计算时间为：

其中，

表示计算时间，ξ_i表示执行一个数据单元所需的CPU周期数，D_i表示所述第i个边缘服务器对应的终端设备的环境数据和设备运行参数，所述

表示CPU周期频率；

所述终端设备的传输时间为：

其中，

表示传输时间，|w_i(t)|表示本地模型参数的大小，r_i表示传输速度；

所述终端设备的传输能耗为：

其中，

表示传输能耗，β表示传输能耗系数，P_i表示传输功率，|w_i(t)|表示本地模型参数的大小，r_i表示传输速度。

在一些实施例中，所述协同管理系统还包括基站，所述中心云服务器，用于对至少一个所述边缘服务器发送的本地模型参数进行聚合表示为：

其中，w(t)表示聚合后的数字孪生模型，D_g表示基站的设备信息，D_i表示所述第i个边缘服务器对应的终端设备的环境数据和设备运行参数，w_i(t)表示第i个边缘服务器中第t次迭代训练的数字孪生模型，N表示边缘服务器的数量。

在一些实施例中，所述中心云服务器，用于存储所述终端设备对应的数字孪生，且不同的数字孪生之间进行虚拟的通信连接；若不同的终端设备之间的物理通信出现故障时，基于所述中心云服务器中不同的所述终端设备对应的数字孪生进行虚拟通信。

在一些实施例中，所述边缘服务器，用于基于所述终端设备的设备运行原理以及设备外形，对所述终端设备进行建模。

在一些实施例中，所述边缘服务器，用于将所述终端设备设置为区块链中的节点。

在一些实施例中，所述磁悬浮动力装备包括磁悬浮设备和生产设备，所述末端设备包括物联网设备、传感器和摄像头。

在一些实施例中，所述边缘服务器与所述中心云服务器之间采用5G无线通信。

根据本公开实施例的第三方面，提供一种非临时性计算机可读存储介质，当所述存储介质中的指令由电子设备的处理器执行时，使得电子设备能够执行如本公开实施例的第一方面中任一项所述的协同管理方法。

采用本公开的上述方法，具有以下有益效果：

本公开实施例提供的针对磁悬浮动力装备基于数字孪生的协同管理方法，终端设备获取环境数据、设备运行参数以及控制指令，并根据控制指令，在确定终端设备为待孪生的终端设备的情况下，将环境数据和设备运行参数上传至对应的边缘服务器；边缘服务器基于环境数据和设备运行参数，训练边缘服务器中的数字孪生模型，并向中心云服务器发送训练后的数字孪生模型对应的本地模型参数，数字孪生模型用于对待孪生的终端设备进行数字孪生，得到终端设备对应的数字孪生；中心云服务器对至少一个边缘服务器发送的本地模型参数进行聚合，得到数字孪生模型对应的全局模型参数。该方法将协同管理系统与数字孪生技术的结合，利用终端设备、边缘服务器和中心云服务器相互协同，对终端设备进行虚实映射，即对终端设备进行数字孪生，从而减低信息传输、处理和存储的压力。

应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本公开。

附图说明

此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本发明的实施例，并与说明书一起用于解释本发明的原理。

图1是根据一示例性的实施例示出的一种针对磁悬浮动力装备基于数字孪生的协同管理系统的示意图；

图2是根据一示例性的实施例示出的一种针对磁悬浮动力装备基于数字孪生的协同管理方法的流程图；

图3是根据一示例性的实施例示出的一种针对磁悬浮动力装备基于数字孪生的协同管理方法的流程图；

图4是根据一示例性的实施例示出的一种针对磁悬浮动力装备基于数字孪生的系统管理系统的示意图。

具体实施方式

这里将详细地对示例性实施例进行说明，其示例表示在附图中。下面的描述涉及附图时，除非另有表示，不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本发明相一致的所有实施方式。相反，它们仅是与如所附权利要求书中所详述的、本发明的一些方面相一致的装置和方法的例子。

图1是根据一示例性的实施例示出的一种针对磁悬浮动力装备基于数字孪生的协同管理系统的示意图，参见图1，该协同管理系统包括多个终端设备、终端设备对应的边缘服务器和中心云服务器，终端设备至少包括磁悬浮动力装备和末端设备。

本公开实施例中，终端设备用于获取对应的环境数据、设备运行参数以及控制指令，并根据控制指令，确定终端设备是否为待孪生的终端设备；终端设备还用于在为待孪生的终端设备的情况下，将终端设备对应的环境数据和设备运行参数上传至对应的边缘服务器；边缘服务器用于基于终端设备对应的环境数据和设备运行参数，训练边缘服务器中的数字孪生模型，并向中心云服务器发送训练后的数字孪生模型对应的本地模型参数，数字孪生模型用于对待孪生的终端设备进行数字孪生，得到终端设备对应的数字孪生；中心云服务器用于对至少一个边缘服务器发送的本地模型参数进行聚合，得到数字孪生模型对应的全局模型参数，并向至少一个边缘服务器下发全局模型参数，以使边缘服务器基于接收到的全局模型参数更新数字孪生模型。

在一些实施例中，中心云服务器包括计划管理模块，中心云服务器中的计划管理模块，用于基于订单数据管理终端设备，订单数据包括客户关系数据、客户需求数据、制造计划数据或者供应链数据。

在一些实施例中，协同管理系统还包括数据采集与监控系统；中心云服务器用于根据订单数据，确定待孪生的终端设备，并向数据采集与监控系统发送控制指令，控制指令用于指示终端设备是否为待孪生的终端设备；数据采集与监控系统用于接收控制指令，采集终端设备对应的环境数据和设备运行参数，并向终端设备发送对应的环境数据、设备运行参数以及控制指令。

在一些实施例中，数据采集与监控系统包括采集与监控模块、数据处理模块、接口管理模块和架构模块；采集与监控模块用于对终端设备进行监控，并采集终端设备对应的环境数据和设备运行参数；数据处理模块用于接收控制指令；接口管理模块用于确定目标通信协议；架构模块用于按照目标通信协议与其他设备进行交互。

在一些实施例中，边缘服务器用于在第t次迭代训练开始时从中心云服务器获取数字孪生模型，t为大于1的整数；基于终端设备对应的环境数据和设备运行参数，采用梯度下降算法训练数字孪生模型。

在一些实施例中，数字孪生模型表示为：

其中，w_i(t)表示第i个边缘服务器中第t次迭代训练的数字孪生模型，w(t-1)表示多个边缘服务器在第t-1次迭代训练出的数字孪生模型，η表示学习率，

表示对w(t-1)采用梯度下降算法进行训练。

在一些实施例中，在数字孪生模型的一次迭代训练过程中，终端设备的设备能耗为：

其中，

表示设备能耗，α表示能耗系数，ξ_i表示执行一个数据单元所需的CPU周期数，D_i表示第i个边缘服务器对应的终端设备的环境数据和设备运行参数，

表示CPU周期频率；

终端设备的机器界面的计算时间为：

其中，

表示计算时间，ξ_i表示执行一个数据单元所需的CPU周期数，D_i表示第i个边缘服务器对应的终端设备的环境数据和设备运行参数，

表示CPU周期频率；

终端设备的传输时间为：

其中，

表示传输时间，|w_i(t)|表示本地模型参数的大小，r_i表示传输速度；

终端设备的传输能耗为：

其中，

表示传输能耗，β表示传输能耗系数，P_i表示传输功率，|w_i(t)|表示本地模型参数的大小，r_i表示传输速度。

在一些实施例中，协同管理系统还包括基站，中心云服务器，用于对至少一个边缘服务器发送的本地模型参数进行聚合表示为：

其中，w(t)表示聚合后的数字孪生模型，D_g表示基站的设备信息，D_i表示第i个边缘服务器对应的终端设备的环境数据和设备运行参数，w_i(t)表示第i个边缘服务器中第t次迭代训练的数字孪生模型，N表示边缘服务器的数量。

在一些实施例中，中心云服务器用于存储终端设备对应的数字孪生，且不同的数字孪生之间进行虚拟的通信连接；若不同的终端设备之间的物理通信出现故障时，基于中心云服务器中不同的终端设备对应的数字孪生进行虚拟通信。

在一些实施例中，边缘服务器用于基于终端设备的设备运行原理以及设备外形，对终端设备进行建模。

在一些实施例中，边缘服务器用于将终端设备设置为区块链中的节点。

在一些实施例中，磁悬浮动力装备包括磁悬浮设备和生产设备，末端设备包括物联网设备、传感器和摄像头。

在一些实施例中，边缘服务器与中心云服务器之间采用5G无线通信。

本公开实施例提供的针对磁悬浮动力装备基于数字孪生的协同管理系统，终端设备获取环境数据、设备运行参数以及控制指令，并根据控制指令，在确定终端设备为待孪生的终端设备的情况下，将环境数据和设备运行参数上传至对应的边缘服务器；边缘服务器基于环境数据和设备运行参数，训练边缘服务器中的数字孪生模型，并向中心云服务器发送训练后的数字孪生模型对应的本地模型参数，数字孪生模型用于对待孪生的终端设备进行数字孪生，得到终端设备对应的数字孪生；中心云服务器对至少一个边缘服务器发送的本地模型参数进行聚合，得到数字孪生模型对应的全局模型参数。该方法将协同管理系统与数字孪生技术的结合，利用终端设备、边缘服务器和中心云服务器相互协同，对终端设备进行虚实映射，即对终端设备进行数字孪生，从而减低信息传输、处理和存储的压力。

上述图1所示的实施例简单介绍了针对磁悬浮动力装备基于数字孪生的协同管理系统，下面结合图2和图3所示的针对磁悬浮动力装备基于数字孪生的协同管理方法，对针对磁悬浮动力装备基于数字孪生的协同管理系统和协同管理方法进行详细说明。

图2是根据一示例性的实施例示出的一种针对磁悬浮动力装备基于数字孪生的协同管理方法的流程图，参见图2，该方法应用于协同管理系统，协同管理系统包括多个终端设备、终端设备对应的边缘服务器和中心云服务器，终端设备至少包括磁悬浮动力装备和末端设备，该方法包括以下步骤：

步骤S201，终端设备获取对应的环境数据、设备运行参数以及控制指令，并根据控制指令，确定终端设备是否为待孪生的终端设备。

其中，环境数据是指描述终端设备所在环境的数据，例如环境数据为当前环境中的温度、湿度等数据，设备运行参数是指描述终端设备的运行情况的数据，例如，设备运行参数为转子的位移量、当前的计算能力、当前的排单情况等数据。控制指令是指示终端设备是否为待孪生的终端设备的指令。其中，环境数据、设备运行参数和控制指令可以是由其他设备获取后发送给该终端设备的。

步骤S202，终端设备为待孪生的终端设备的情况下，将终端设备对应的环境数据和设备运行参数上传至对应的边缘服务器。

本公开实施例中，为了缓解计算压力以及降低通信时延，为每个终端设备配备一个边缘服务器用于数据更新，因此，在确定了终端设备为待孪生的终端设备之后，将该终端设备对应的环境数据和设备运行参数上传至对应的边缘服务器。

步骤S203，边缘服务器基于终端设备对应的环境数据和设备运行参数，训练边缘服务器中的数字孪生模型，并向中心云服务器发送训练后的数字孪生模型对应的本地模型参数，数字孪生模型用于对待孪生的终端设备进行数字孪生，得到终端设备对应的数字孪生。

边缘服务器中存储有数字孪生模型，边缘服务器基于接收到的环境数据和设备运行参数训练该数字孪生模型，并将训练后的数字孪生模型对应的本地模型参数发送给中心云服务器。该数字孪生模型用于对待孪生的终端设备进行数字孪生，其中数字孪生是指一个虚拟设备，相当于对终端设备的数据的备份。

步骤S204，中心云服务器对至少一个边缘服务器发送的本地模型参数进行聚合，得到数字孪生模型对应的全局模型参数，并向至少一个边缘服务器下发全局模型参数，以使边缘服务器基于接收到的全局模型参数更新数字孪生模型。

由于本公开实施例中涉及多个边缘服务器，每个边缘服务器用于训练数字孪生模型的环境参数和设备运行参数是对应的终端设备的，无法采用其他终端设备的环境参数和设备运行参数进行训练，因此，边缘服务器在得到训练后的数字孪生模型后，将训练后的数字孪生模型对应的本地模型参数发送给中心云服务器，以使中心云服务器综合考虑多个边缘服务器的训练结果，得到全局模型参数，再将全局模型参数下发到边缘服务器，边缘服务器可以基于得到的全局模型参数对数字孪生模型进行下一次迭代训练。

需要说明的是，本公开实施例仅是说明了训练数字孪生模型的过程，在另一实施例中，数字孪生模型训练完成后，基于已经训练完成的数字孪生模型，对终端设备对应的环境数据和设备运行参数进行处理，得到该终端设备对应的数字孪生。

本公开实施例提供的针对磁悬浮动力装备基于数字孪生的协同管理方法，终端设备获取环境数据、设备运行参数以及控制指令，并根据控制指令，在确定终端设备为待孪生的终端设备的情况下，将环境数据和设备运行参数上传至对应的边缘服务器；边缘服务器基于环境数据和设备运行参数，训练边缘服务器中的数字孪生模型，并向中心云服务器发送训练后的数字孪生模型对应的本地模型参数，数字孪生模型用于对待孪生的终端设备进行数字孪生，得到终端设备对应的数字孪生；中心云服务器对至少一个边缘服务器发送的本地模型参数进行聚合，得到数字孪生模型对应的全局模型参数。该方法将协同管理系统与数字孪生技术的结合，利用终端设备、边缘服务器和中心云服务器相互协同，对终端设备进行虚实映射，即对终端设备进行数字孪生，从而减低信息传输、处理和存储的压力。

图3是根据一示例性的实施例示出的一种针对磁悬浮动力装备基于数字孪生的协同管理方法的流程图，参见图3，该方法应用于协同管理系统，协同管理系统包括多个终端设备、终端设备对应的边缘服务器、中心云服务器以及数据采集与监控系统，终端设备至少包括磁悬浮动力装备和末端设备，磁悬浮动力装备包括磁悬浮设备和生产设备，末端设备包括物联网设备、传感器和摄像头等，该方法包括以下步骤：

步骤S301，中心云服务器根据订单数据，确定待孪生的终端设备，并向数据采集与监控系统发送控制指令，控制指令用于指终端设备是否为待孪生的终端设备。

其中，订单数据包括客户关系数据、客户需求数据、制造计划数据或者供应链数据，其中，客户关系数据是指客户关系管理(CRM)，客户需求数据是指客户的需求，该客户关系数据和客户需求数据可以是用户输入的数据；制造计划数据和供应链数据可以是根据终端设备的转子的位移量、当前的计算能力、当前的排单情况等自动生成，该供应链数据也可以称为供应链管理(SCM)，制造计划数据也可以称为企业资源计划(ERP)。可选地，通过ERP系统搭建覆盖客户需求、制造计划、制造过程、物料供应的全过程生产制造管理模式。

在一些实施例中，中心云服务器根据订单数据，确定当前客户需求量较大，且当前排单较多的终端设备，然后将该终端设备确定为待孪生的终端设备。当前也可以采用其他方式确定待孪生的终端设备，本公开实施例对确定待孪生的终端设备的具体实施方式不做限制。

另外，本公开实施例中，在确定了待孪生的终端设备后，还需要向数据采集与监控系统(SCADA)发送控制指令，以使数据采集与监控系统可以根据该控制指令，采集相应的终端设备对应的环境数据和设备运行参数。

步骤S302，数据采集与监控系统接收控制指令，采集终端设备对应的环境数据和设备运行参数，并向终端设备发送对应的环境数据、设备运行参数以及控制指令。

其中，数据采集与监控系统是用于采集数据的系统，该数据采集与监控系统中可以包括传感器等用于采集数据的组件。

在一些实施例中，数据采集与监控系统与终端设备通过WiFi或LoRa的链路协议连接，通过WiFi或LoRa的链路协议将采集到的环境数据、设备运行参数，以及控制指令发送给终端设备。

在一些实施例中，数据采集与监控系统包括采集与监控模块、数据处理模块、接口管理模块和架构模块，数据采集与监控系统接收控制指令，采集终端设备对应的环境数据和设备运行参数，包括：采集与监控模块对终端设备进行监控，并采集终端设备对应的环境数据和设备运行参数；数据处理模块接收控制指令；接口管理模块确定目标通信协议；架构模块按照目标通信协议与其他设备进行交互。

其中，数据采集与监控系统对磁悬浮动力装备智慧制造中的物联网设备、传感器、工业摄像头、PLC/DSC控制系统进行数据采集、监控变量配置与管理、与设备/单元/车间多层级监控。目标通信协议可以为Modbus/TCP、分布式网络协议3(DNP3)和以太网/IP等通信协议。架构模块采用OPC UA统一架构，进行信息建模、服务封装和对象交互，支持开发各种生产运营模块并插接到平台上运行。该架构模块可以实现包括模型的发现、注册、交互及安全机制，实现模型的动态加载、即插即工作、请求-响应模式通信、发布-订阅模式通信以及事件处理机制，共同实现生产数据的全面融合及各项管控功能的无缝集成，并支持分期建设和持续改进。数据处理模块使用spark相关处理技术，利用Mysql、Orcale等数据库，用信息中间件kafka高效传输指令与信息。

步骤S303，终端设备接收对应的环境数据、设备运行参数以及控制指令，并根据控制指令，确定终端设备是否为待孪生的终端设备，在终端设备为待孪生的终端设备的情况下，将终端设备对应的环境数据和设备运行参数上传至对应的边缘服务器。

本公开实施例中，为了保证环境数据和设备运行参数的安全，以及节省终端设备本地的计算量，为每个终端设备设置了对应的边缘服务器，该边缘服务器用于对该终端设备对应的数据进行处理。

在一些实施例中，边缘服务器包括数字孪生模块，终端设备将对应的环境数据和设备运行参数上传至对应的边缘服务器中的数字孪生模块，该数字孪生模块用于对终端设备进行数字孪生。

步骤S304，边缘服务器基于终端设备对应的环境数据和设备运行参数，训练边缘服务器中的数字孪生模型，并向中心云服务器发送训练后的数字孪生模型对应的本地模型参数。

数字孪生模型用于对待孪生的终端设备进行数字孪生，得到终端设备对应的数字孪生。

在一些实施例中，边缘服务器基于终端设备对应的环境数据和设备运行参数，训练边缘服务器中的数字孪生模型，包括：边缘服务器在第t次迭代训练开始时从中心云服务器获取数字孪生模型，t为大于1的整数；边缘服务器基于终端设备对应的环境数据和设备运行参数，采用梯度下降算法训练数字孪生模型。

在一些实施例中，数字孪生模型表示为：

其中，w_i(t)表示第i个边缘服务器中第t次迭代训练的数字孪生模型，w(t-1)表示多个边缘服务器在第t-1次迭代训练出的数字孪生模型，η表示学习率，

表示对w(t-1)采用梯度下降算法进行训练。

在一些实施例中，在数字孪生模型的一次迭代训练过程中，终端设备的设备能耗为：

其中，

表示设备能耗，α表示能耗系数，ξ_i表示执行一个数据单元所需的CPU周期数，D_i表示第i个边缘服务器对应的终端设备的环境数据和设备运行参数，

表示CPU周期频率；

终端设备的机器界面的计算时间为：

其中，

表示计算时间，ξ_i表示执行一个数据单元所需的CPU周期数，D_i表示第i个边缘服务器对应的终端设备的环境数据和设备运行参数，

表示CPU周期频率；

终端设备的传输时间为：

其中，

表示传输时间，|w_i(t)|表示本地模型参数的大小，r_i表示传输速度；

终端设备的传输能耗为：

其中，

表示传输能耗，β表示传输能耗系数，P_i表示传输功率，|w_i(t)|表示本地模型参数的大小，r_i表示传输速度。

在一些实施例中，采用梯度下降算法训练数字孪生模型，梯度为

对于正常数L是一致Lipschitz连续的，即：

其中，w_t+1表示第t+1次迭代训练的数字孪生模型，w_t表示第t次迭代训练的数字孪生模型。

另外考虑了目标函数F(w)具有参数μ的强凸性，并且是二次连续可微的，可以获得：

由于F(w)是强凸的，因此对于任何w，也可以得到：

在w＝w_t的情况下：

通过从

和

的两侧减去F(w_*)，可以得到E[F(w(t+1))-F(w^*)]，且E[F(w(t+1))-F(w^*)]满足下述关系：

因此，联邦学习算法在训练过程中收敛到最优全局模型，即使边缘服务器训练的数字孪生模型达到最优。

在一些实施例中，边缘服务器基于终端设备的设备运行原理以及设备外形，对终端设备进行建模。建模得到的是与该终端设备的设备运行原理以及设备外形类似的虚拟设备，之后在对终端设备进行数字孪生之后，将该终端设备的数据备份至该虚拟设备，即可得到终端设备对应的数字孪生。

在一些实施例中，边缘服务器与中心云服务器之间采用5G无线通信，当然也可以采用其他通信方式，本公开实施例对此不做限制。

在一些实施例中，边缘服务器还确定数字孪生模型的更新频率，以及将终端设备设置为区块链中的节点，以防止终端设备的数据或者模型遭到泄露或者篡改。

需要说明的是，在一些实施例中，上述边缘服务器所执行的步骤，可以由边缘服务器中的数字孪生模块执行。

本公开实施例中，边缘服务器承载了较高时延需求的调度、控制、诊断、预测任务。

步骤S305，中心云服务器对至少一个边缘服务器发送的本地模型参数进行聚合，得到数字孪生模型对应的全局模型参数，并向至少一个边缘服务器下发全局模型参数，以使边缘服务器基于接收到的全局模型参数更新数字孪生模型。

在一些实施例中，协同管理系统还包括基站，中心云服务器对至少一个边缘服务器发送的本地模型参数进行聚合，得到数字孪生模型对应的全局模型参数，包括：

中心云服务器对至少一个边缘服务器发送的本地模型参数进行聚合表示为：

其中，w(t)表示聚合后的数字孪生模型，D_g表示基站的设备信息，D_i表示第i个边缘服务器对应的终端设备的环境数据和设备运行参数，w_i(t)表示第i个边缘服务器中第t次迭代训练的数字孪生模型，N表示边缘服务器的数量。

重复上述过程，直到最小化的本地模型参数w(t)满足下述关系：

其中，F_g(w)表示最优的目标函数，F_i(w)表示第i个边缘服务器对应的目标函数。

在一些实施例中，中心云服务器中包括计划管理模块，中心云服务器中的计划管理模块基于订单数据管理终端设备，订单数据包括客户关系数据、客户需求数据、制造计划数据或者供应链数据。其中，管理终端设备是指生成控制指令，以及训练数字孪生模型，以及确定是否对终端设备进行数字孪生等。

步骤S306，边缘服务器基于训练完成的数字孪生模型，对多个终端设备进行数字孪生，得到每个终端设备对应的数字孪生，将得到的数字孪生发送至中心云服务器，中心云服务器存储终端设备对应的数字孪生，且不同的数字孪生之间虚拟的通信连接；若不同的终端设备之间的物理通信出现故障时，基于中心云服务器中不同的终端设备对应的数字孪生进行虚拟通信。

在一些实施例中，终端设备之间进行有线/无线通信的物与物通信(P2PCommunications)。中心云服务器中的数字孪生可以通过虚与虚通信(V2VCommunications)连接，彼此之间构建数字孪生网络，来完成磁悬浮动力装备智慧制造的自我优化与演进。

在一些实施例中，WISE-PaaS提供多种编程语言开发工具，存储到中心云服务器中的数据库中，随时准备将终端设备上运行的应用程序作为数据源。以Hadoop作为大数据底座，采用spark deltaLake构建数据库，采用clickhouse实现数据集市，获取Mysql、Orcale等数据库的数据，使用spark相关处理技术进行处理。

在一些实施例中，中心云服务器还提供数据建模工具、对象模型服务工具、计算引擎、计划引擎、规则引擎等，进行中心调度、控制、诊断与预测工作。

另外，参见图4所示的协同管理系统的示意图，该协同管理系统包括云、边、端三部分，其中，云是指中心云服务器(云服务器)，边是指边缘服务器，端是指终端设备(磁悬浮设备)，云边端三部分基于上述实施方式的步骤进行协同处理，实现了磁悬浮动力装备智慧制造场景的数字孪生与云边端协同管理，从图4可以看出，各个终端设备之间可以相互通信，终端设备与边缘服务器之间可以相互通信，边缘服务器与中心云服务器之间可以相互通信。

本公开实施例提供的针对磁悬浮动力装备基于数字孪生的协同管理方法，终端设备获取环境数据、设备运行参数以及控制指令，并根据控制指令，在确定终端设备为待孪生的终端设备的情况下，将环境数据和设备运行参数上传至对应的边缘服务器；边缘服务器基于环境数据和设备运行参数，训练边缘服务器中的数字孪生模型，并向中心云服务器发送训练后的数字孪生模型对应的本地模型参数，数字孪生模型用于对待孪生的终端设备进行数字孪生，得到终端设备对应的数字孪生；中心云服务器对至少一个边缘服务器发送的本地模型参数进行聚合，得到数字孪生模型对应的全局模型参数。该方法将协同管理系统与数字孪生技术的结合，利用终端设备、边缘服务器和中心云服务器相互协同，对终端设备进行虚实映射，即对终端设备进行数字孪生，从而减低信息传输、处理和存储的压力。

并且，利用云边端架构进行智慧化磁悬浮动力装备的生产与服务管控，并面向计划通过云服务器下发指令选择需进行数字孪生的设备，进行必要的虚实映射总而实现虚拟诊断、验证与自演进，减低信息传输、处理和存储的压力，同时结合区块链与联邦学习技术，保证磁悬浮设备数据的安全性并满足分散性决策需求。

本公开实施例还提供了一种非临时性计算机可读存储介质，当存储介质中的指令由电子设备的处理器执行时，使得电子设备能够执行上述实施例中的针对磁悬浮动力装备基于数字孪生的协同管理方法。

本领域技术人员在考虑说明书及实践这里公开的发明后，将容易想到本发明的其它实施方案。本申请旨在涵盖本发明的任何变型、用途或者适应性变化，这些变型、用途或者适应性变化遵循本发明的一般性原理并包括本公开未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的，本发明的真正范围和精神由下面的权利要求指出。

应当理解的是，本发明并不局限于上面已经描述并在附图中示出的精确结构，并且可以在不脱离其范围进行各种修改和改变。本发明的范围仅由所附的权利要求来限制。

Claims (10)

1.一种针对磁悬浮动力装备基于数字孪生的协同管理方法，其特征在于，所述方法应用于协同管理系统，所述协同管理系统包括多个终端设备、终端设备对应的边缘服务器和中心云服务器，所述终端设备至少包括磁悬浮动力装备和末端设备，所述方法包括：

所述终端设备获取对应的环境数据、设备运行参数以及控制指令，并根据所述控制指令，确定所述终端设备是否为待孪生的终端设备；

所述终端设备为待孪生的终端设备的情况下，将所述终端设备对应的环境数据和设备运行参数上传至对应的边缘服务器；

所述边缘服务器基于所述终端设备对应的环境数据和设备运行参数，训练所述边缘服务器中的数字孪生模型，并向所述中心云服务器发送训练后的所述数字孪生模型对应的本地模型参数，所述数字孪生模型用于对待孪生的终端设备进行数字孪生，得到所述终端设备对应的数字孪生；

所述中心云服务器对至少一个所述边缘服务器发送的本地模型参数进行聚合，得到所述数字孪生模型对应的全局模型参数，并向至少一个所述边缘服务器下发所述全局模型参数，以使所述边缘服务器基于接收到的所述全局模型参数更新所述数字孪生模型。

2.根据权利要求1所述的协同管理方法，其特征在于，所述中心云服务器包括计划管理模块，所述方法还包括：

所述中心云服务器中的计划管理模块基于订单数据管理所述终端设备，所述订单数据包括客户关系数据、客户需求数据、制造计划数据或者供应链数据。

3.根据权利要求2所述的协同管理方法，其特征在于，所述协同管理系统还包括数据采集与监控系统，所述终端设备获取对应的环境数据、设备运行参数以及控制指令，包括：

所述中心云服务器根据所述订单数据，确定待孪生的所述终端设备，并向所述数据采集与监控系统发送所述控制指令，所述控制指令用于指示所述终端设备是否为待孪生的终端设备；

所述数据采集与监控系统接收所述控制指令，采集所述终端设备对应的环境数据和设备运行参数，并向所述终端设备发送对应的环境数据、设备运行参数以及控制指令。

4.根据权利要求3所述的协同管理方法，其特征在于，所述数据采集与监控系统包括采集与监控模块、数据处理模块、接口管理模块和架构模块，所述数据采集与监控系统接收所述控制指令，采集所述终端设备对应的环境数据和设备运行参数，包括：

所述采集与监控模块对所述终端设备进行监控，并采集所述终端设备对应的环境数据和设备运行参数；

所述数据处理模块接收所述控制指令；

所述接口管理模块确定目标通信协议；

所述架构模块按照所述目标通信协议与其他设备进行交互。

5.根据权利要求1所述的协同管理方法，其特征在于，所述边缘服务器基于所述终端设备对应的环境数据和设备运行参数，训练所述边缘服务器中的数字孪生模型，包括：

所述边缘服务器在第t次迭代训练开始时从所述中心云服务器获取所述数字孪生模型，t为大于1的整数；

所述边缘服务器基于所述终端设备对应的环境数据和设备运行参数，采用梯度下降算法训练所述数字孪生模型。

6.根据权利要求1所述的协同管理方法，其特征在于，所述协同管理系统还包括基站，所述中心云服务器对至少一个所述边缘服务器发送的本地模型参数进行聚合，得到所述数字孪生模型对应的全局模型参数，包括：

所述中心云服务器对至少一个所述边缘服务器发送的本地模型参数进行聚合表示为：

其中，w(t)表示聚合后的数字孪生模型，D_g表示基站的设备信息，D_i表示第i个边缘服务器对应的终端设备的环境数据和设备运行参数，w_i(t)表示所述第i个边缘服务器中第t次迭代训练的数字孪生模型，N表示边缘服务器的数量。

7.根据权利要求1所述的协同管理方法，其特征在于，所述方法还包括：

所述中心云服务器存储所述终端设备对应的数字孪生，且不同的数字孪生之间进行虚拟的通信连接；

若不同的终端设备之间的物理通信出现故障时，所述中心云服务器中不同的所述终端设备对应的数字孪生进行虚拟通信。

8.根据权利要求1所述的协同管理方法，其特征在于，所述方法还包括：

所述边缘服务器将所述终端设备设置为区块链中的节点。

9.根据权利要求1所述的协同管理方法，其特征在于，所述磁悬浮动力装备包括磁悬浮设备和生产设备，所述末端设备包括物联网设备、传感器和摄像头。

10.一种针对磁悬浮动力装备基于数字孪生的协同管理系统，其特征在于，所述协同管理系统，所述协同管理系统包括多个终端设备、终端设备对应的边缘服务器和中心云服务器，所述终端设备至少包括磁悬浮动力装备和末端设备：

所述终端设备，用于获取对应的环境数据、设备运行参数以及控制指令，并根据所述控制指令，确定所述终端设备是否为待孪生的终端设备；

所述终端设备，用于在为待孪生的终端设备的情况下，将所述终端设备对应的环境数据和设备运行参数上传至对应的边缘服务器；

所述边缘服务器，用于基于所述终端设备对应的环境数据和设备运行参数，训练所述边缘服务器中的数字孪生模型，并向所述中心云服务器发送训练后的所述数字孪生模型对应的本地模型参数，所述数字孪生模型用于对待孪生的终端设备进行数字孪生，得到所述终端设备对应的数字孪生；

所述中心云服务器，用于对至少一个所述边缘服务器发送的本地模型参数进行聚合，得到所述数字孪生模型对应的全局模型参数，并向至少一个所述边缘服务器下发所述全局模型参数，以使所述边缘服务器基于接收到的所述全局模型参数更新所述数字孪生模型。

Images