CN116776644A - 一种基于数字孪生的大坝运行监测仿真方法和系统 - Google Patents
一种基于数字孪生的大坝运行监测仿真方法和系统 Download PDFInfo
- Publication number
- CN116776644A CN116776644A CN202311041927.5A CN202311041927A CN116776644A CN 116776644 A CN116776644 A CN 116776644A CN 202311041927 A CN202311041927 A CN 202311041927A CN 116776644 A CN116776644 A CN 116776644A
- Authority
- CN
- China
- Prior art keywords
- dam
- state
- data
- interpolation
- simulation
- 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
Links
- 238000004088 simulation Methods 0.000 title claims abstract description 221
- 238000012544 monitoring process Methods 0.000 title claims abstract description 100
- 238000000034 method Methods 0.000 title claims abstract description 92
- 238000009877 rendering Methods 0.000 claims abstract description 111
- 238000012545 processing Methods 0.000 claims abstract description 28
- 238000004364 calculation method Methods 0.000 claims abstract description 8
- 238000005070 sampling Methods 0.000 claims description 110
- 238000012546 transfer Methods 0.000 claims description 17
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 12
- 238000006243 chemical reaction Methods 0.000 claims description 6
- 238000004040 coloring Methods 0.000 claims description 4
- 238000011161 development Methods 0.000 claims description 4
- 238000005516 engineering process Methods 0.000 claims description 4
- 230000005484 gravity Effects 0.000 claims description 3
- 239000000463 material Substances 0.000 claims description 3
- 230000005540 biological transmission Effects 0.000 abstract description 16
- 238000012800 visualization Methods 0.000 abstract description 11
- 230000008569 process Effects 0.000 abstract description 8
- 238000012423 maintenance Methods 0.000 abstract description 3
- 238000005094 computer simulation Methods 0.000 abstract description 2
- 238000010586 diagram Methods 0.000 description 13
- 238000006073 displacement reaction Methods 0.000 description 10
- 230000006870 function Effects 0.000 description 9
- 238000004590 computer program Methods 0.000 description 8
- 238000003860 storage Methods 0.000 description 6
- 238000010276 construction Methods 0.000 description 4
- 238000013500 data storage Methods 0.000 description 3
- 230000018109 developmental process Effects 0.000 description 3
- 239000012634 fragment Substances 0.000 description 3
- 230000011218 segmentation Effects 0.000 description 3
- 238000012360 testing method Methods 0.000 description 3
- 230000006399 behavior Effects 0.000 description 2
- 238000002474 experimental method Methods 0.000 description 2
- 238000007667 floating Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012163 sequencing technique Methods 0.000 description 2
- 238000007794 visualization technique Methods 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000006835 compression Effects 0.000 description 1
- 238000007906 compression Methods 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000013178 mathematical model Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000000611 regression analysis Methods 0.000 description 1
- 230000008439 repair process Effects 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 238000004904 shortening Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
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
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
-
- 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
- G06Q10/20—Administration of product repair or maintenance
-
- 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
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/08—Construction
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T15/00—3D [Three Dimensional] image rendering
- G06T15/10—Geometric effects
- G06T15/20—Perspective computation
- G06T15/205—Image-based rendering
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T17/00—Three dimensional [3D] modelling, e.g. data description of 3D objects
- G06T17/20—Finite element generation, e.g. wire-frame surface description, tesselation
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Business, Economics & Management (AREA)
- Data Mining & Analysis (AREA)
- Geometry (AREA)
- Human Resources & Organizations (AREA)
- Strategic Management (AREA)
- Mathematical Analysis (AREA)
- Mathematical Physics (AREA)
- Computer Graphics (AREA)
- Pure & Applied Mathematics (AREA)
- Economics (AREA)
- Mathematical Optimization (AREA)
- General Engineering & Computer Science (AREA)
- Marketing (AREA)
- Software Systems (AREA)
- Computational Mathematics (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Operations Research (AREA)
- Primary Health Care (AREA)
- Computer Hardware Design (AREA)
- Life Sciences & Earth Sciences (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Entrepreneurship & Innovation (AREA)
- Evolutionary Computation (AREA)
- Quality & Reliability (AREA)
- Evolutionary Biology (AREA)
- Bioinformatics & Computational Biology (AREA)
- General Health & Medical Sciences (AREA)
- Probability & Statistics with Applications (AREA)
- Health & Medical Sciences (AREA)
- Algebra (AREA)
- Computing Systems (AREA)
- Databases & Information Systems (AREA)
- Processing Or Creating Images (AREA)
Abstract
本发明公开了一种基于数字孪生的大坝运行监测仿真方法和系统,属于仿真建模技术领域。现有方案,没有公开如何对数据量比较大的监测数据以及仿真模型参数进行处理,影响大坝监测仿真模型的生成效率,不利于大坝及时运维。本发明的一种基于数字孪生的大坝运行监测仿真方法,通过构建大坝数据处理模型,对大坝仿真模型参数和大坝状态数据进行拆分处理;利用渲染引擎模型对状态物理量进行分批加载,能够有效减少单次数据传输以及计算的数据处理量,从而能有效提升大坝监测图像的生成效率,缩短了大坝监测可视化所需时间,进而可以及时对大坝运行状态进行监测,确保大坝能被及时运维。
Description
技术领域
本发明涉及一种基于数字孪生的大坝运行监测仿真方法和系统,属于仿真建模技术领域。
背景技术
中国专利(CN113593051B)公开了一种大坝可视化方法,包括仿真模型的构建、场景模型的构建,所述场景模型的构建方法包括以下步骤:第一步,输入坐标或地名,选取模型区域,并对选取的模型区域生成纹理图;第二步,对选取的模型区域获取地理信息系统GIS高度信息,优化处理高程值,生成3D地形图;第三步,将第一步中的纹理图贴在第二步中的3D地形图表面,生成场景模型;场景模型构建完成后,与仿真模型定位结合,得到渲染模型,并对渲染模型进行渲染输出,实现实景的可视化,能够生动、美观的展示仿真模型,用户体验好,便于推广使用。
虽然应用上述方案的大坝可视化方法,可以对大坝运行状态进行监控,但由于大坝状态监测数据一般要包括速度、温度、压力、密度和应力等物理量,需要处理的数据量比较大;同时大坝仿真模型的构建,涉及大坝状态监测数据的表示、变换、绘制和渲染等,需要用到的模型参数也比较多。
然而上述方案,没有公开如何对数据量比较大的监测数据以及仿真模型参数进行处理,如果直接应用数据量比较大的监测数据以及仿真模型参数进行大坝仿真监测,将会极大影响大坝监测仿真模型的生成效率,使得大坝监测可视化所需的时间较长,进而无法及时对大坝运行状态进行监测,影响了大坝有效运维。
发明内容
针对上述问题或上述问题之一,本发明的目的一在于提供一种通过构建大坝数据处理模型,对大坝运行仿真结果数据进行拆分,得到大坝仿真模型参数和大坝状态数据;利用渲染引擎模型加载大坝仿真模型参数以及部分状态物理量;根据部分状态物理量进行插值渲染,得到大坝运行状态插值图像;渲染引擎模型加载剩余的状态物理量,进行插值渲染,以对大坝运行状态插值图像进行更新,得到大坝运行状态仿真图像,方案科学、合理,切实可行的基于数字孪生的大坝运行监测仿真方法。
针对上述问题或上述问题之一,本发明的目的二在于提供一种通过设置大坝数据服务端,将大坝运行仿真结果数据按照索引关系进行拆分;设置浏览器端,将收到大坝仿真模型参数和部分大坝状态数据,进行合并,得到大坝运行待仿真数据;将大坝运行待仿真数据缓存到浏览器端数据库中,并把大坝运行待仿真数据传输给渲染引擎进行插值渲染,得到的大坝运行状态插值图像;然后继续加载大坝状态数据,进行插值渲染,以将基于插值渲染得到的大坝运行状态插值图像逐步替换为基于大坝状态数据的大坝运行状态仿真图像,实现基于数字孪生的大坝运行监测仿真,方案科学、合理,切实可行的大坝运行监测仿真系统。
针对上述问题或上述问题之一,本发明的目的三在于提供一种通过数据拆分传输以及状态物理量分批加载,有效提升大坝监测图像的生成效率,缩短了大坝监测可视化所需时间,进而能及时对大坝运行状态进行监测,确保大坝能被及时运维的基于数字孪生的大坝运行监测仿真方法和系统。
为实现上述目的之一,本发明的第一种技术方案为:
一种基于数字孪生的大坝运行监测仿真方法,包括以下内容:
获取大坝运行仿真结果数据;
通过预先构建的大坝数据处理模型,对大坝运行仿真结果数据进行拆分,得到大坝仿真模型参数和大坝状态数据;大坝状态数据包括按照采样时序排布的若干状态物理量;
利用预先构建的渲染引擎模型加载大坝仿真模型参数以及部分状态物理量;根据部分状态物理量进行插值,得到对应若干采样时刻的大坝插值数据;根据大坝插值数据,进行插值渲染,得到大坝运行状态插值图像;
渲染引擎模型加载与若干采样时刻相对应的状态物理量,进行仿真渲染,以对大坝运行状态插值图像进行更新,得到大坝运行状态仿真图像,实现基于数字孪生的大坝运行监测仿真。
本发明经过不断探索以及试验,构建大坝数据处理模型,对大坝运行仿真结果数据进行拆分,得到大坝仿真模型参数和大坝状态数据;利用渲染引擎模型加载大坝仿真模型参数以及部分状态物理量;根据部分状态物理量进行插值渲染,得到大坝运行状态插值图像;渲染引擎模型再加载剩余的状态物理量,进行插值渲染,以对大坝运行状态插值图像进行更新,得到大坝运行状态仿真图像,实现基于数字孪生的大坝运行监测仿真,方案科学、合理,切实可行。
本发明通过对大坝仿真模型参数和大坝状态数据进行拆分处理,以及对状态物理量进行分批加载,能够有效减少单次数据传输以及计算的数据处理量,从而能有效提升大坝监测图像的生成效率,缩短了大坝监测可视化所需时间,进而可以及时对大坝运行状态进行监测,确保大坝能被及时运维,因而本发明能有效解决监测数据以及仿真模型参数数据量比较大的问题。
作为优选技术措施:
获取大坝运行仿真结果数据的方法如下:
步骤11,利用传感器单元或/和遥感单元或/和气象处理单元或/和定位单元构建大坝监测模型;
步骤12,通过大坝监测模型收集大坝监测数据;
所述大坝监测数据包括水位或/和水压或/和温度或/和风速;
步骤13,根据监测数据,设置大坝状态计算方程组;
步骤14,根据大坝状态计算方程组以及大坝几何参数,构建大坝仿真模型,用于预测大坝在不同条件下的大坝状态信息;
大坝几何参数至少包括大坝尺寸或/和大坝形状或/和大坝材料或/和大坝结构或/和大坝重力中心;
步骤15,将大坝仿真模型的模型参数以及大坝状态数据按照索引关系汇聚,形成大坝运行仿真结果数据。
作为优选技术措施:
对大坝运行仿真结果数据进行拆分的方法如下:
步骤21,将大坝运行仿真结果数据按照索引关系进行拆分,得到大坝仿真模型参数以及大坝状态数据;
步骤22,对大坝仿真模型参数以及大坝状态数据进行二进制转换,得到二进制模型参数以及状态物理量;
状态物理量至少包括水位或/和水压或/和温度或/和风速或/和应力或/和变形参数;
或/和,加载部分状态物理量的方法如下:
步骤31,渲染引擎模型向大坝数据处理模型发送超文本传输协议请求;
超文本传输协议请求为要求获取与两个采样时刻或多个采样时刻相对应的状态物理量的传输请求;
两个采样时刻或多个采样时刻之间间隔若干采样时刻;
步骤32,大坝数据处理模型获得超文本传输协议请求后,返回对应采样时刻的状态物理量;
步骤33,根据采样时刻的先后,将返回的状态物理量进行排序并进行加载,得到部分状态物理量。
作为优选技术措施:
根据部分状态物理量进行插值的方法如下:
步骤41,获取与两个采样时刻或多个采样时刻相对应的状态物理量;
步骤42,根据状态物理量以及采样时刻,利用插值法进行插值,得到处于两个采样时刻或多个采样时刻之间的多个状态物理量;
所述插值法为邻近插值法或线性插值法或三次样条插值法或三次立方插值法或三次埃尔米特插值法;
步骤43,将多个状态物理量以及获取的状态物理量按照采样时刻进行排序,得到大坝插值数据。
作为优选技术措施:
所述线性插值法,利用斜率对一个或多个未知的状态物理量和已知的状态物理量之间关系进行建模,其包括以下内容:
步骤421,获取已知的状态物理量以及采样时刻;
步骤422,根据已知的状态物理量以及采样时刻,在坐标轴上,标注出相应的数据点;
步骤423,用一系列首尾相连的线段依次连接相邻的数据点,得到若干插值线段;
步骤424,利用前后已知的数据点,计算若干插值线段的斜率;
步骤425,根据斜率以及前后已知的数据点,得到插值线段上点的插值高度,并将插值高度作为未知的状态物理量。
作为优选技术措施:
渲染引擎模型进行插值渲染的方法如下:
步骤51,根据大坝仿真模型参数,生成大坝实体模型;
步骤52,利用大坝插值数据,对大坝实体模型进行处理,得到大坝三维场景;
步骤53,将大坝三维场景渲染成像素点,并能显示在屏幕上;
步骤54,将一个或多个像素点转化为屏幕空间的图元;
步骤55,将图元离散化为片元,所述片元为多种状态的集合;
多种状态包括屏幕坐标、深度、法线和纹理,其用于计算出每个像素的颜色。
步骤56,给每个片元进行上色,得到能在屏幕显示的大坝运行状态插值图像。
作为优选技术措施:
得到大坝运行状态仿真图像的方法如下:
步骤61,根据大坝待运行监测时长,得到起始采样时刻和结尾采样时刻;
起始采样时刻为仿真开始时间,其对应的状态物理量为起始状态物理量;结尾采样时刻为仿真结束时间,其对应的状态物理量为结尾状态物理量;
步骤62,根据起始状态物理量和结尾状态物理量,利用插值法进行插值,得到处于两个采样时刻之间的多个状态物理量;多个状态物理量与起始状态物理量、结尾状态物理量组成大坝插值数据;利用大坝插值数据以及大坝仿真模型参数,得到能屏幕展示的初始状态的大坝运行状态插值图像;
步骤63,根据起始采样时刻、结尾采样时刻,确定位于中间的居中采样时刻;
当居中采样时刻不为整数时,进行四舍五入取整;根据居中采样时刻,加载与居中采样时刻相对应的居中状态物理量;
根据起始状态物理量、居中状态物理量,进行插值,得到大坝状态起始插值数组;
根据居中状态物理量、最后状态物理量,进行插值,得到大坝状态结尾插值数组;
步骤64,根据大坝状态起始插值数组、大坝状态结尾插值数组,渲染引擎模型进行插值渲染,得到大坝局部插值图像,并对大坝运行状态插值图像进行对应更新;
步骤65,将居中采样时刻作为新的结尾采样时刻,与起始采样时刻作为第一组合执行步骤63-步骤64;
同时在居中采样时刻的基础上增加一个采样时刻,得到新的起始采样时刻,新的起始采样时刻与结尾采样时刻作为第二组合,执行步骤63-步骤64;
将得到的新的居中采样时刻,不断地与起始采样时刻、结尾采样时刻组成新的组合,执行步骤63-步骤64;直至所有的状态物理量,都被加载完成,以将基于插值渲染得到的大坝运行状态插值图像全部替换为基于状态物理量的大坝运行状态仿真图像。
为实现上述目的之一,本发明的第二种技术方案为:
一种基于数字孪生的大坝运行监测仿真方法,包括以下步骤:
第一步,获取大坝运行仿真结果数据;
第二步,通过预先构建的大坝数据处理模型,对大坝运行仿真结果数据进行拆分,得到大坝仿真模型参数和大坝状态数据;大坝状态数据包括按照采样时序排布的若干状态物理量;
第三步,利用预先构建的渲染引擎模型加载大坝仿真模型参数以及部分状态物理量;根据部分状态物理量进行插值,得到对应若干采样时刻的大坝插值数据;并根据大坝插值数据、部分状态物理量以及大坝仿真模型参数,进行插值渲染,得到大坝运行状态插值图像;
第四步,渲染引擎模型继续加载与若干采样时刻相对应的一个或多个状态物理量,并进行插值渲染,得到大坝更新状态图像,并根据大坝更新状态图像对大坝运行状态插值图像进行更新;
第五步,循环进行第四步,直到所有的状态物理量,都被加载完成,以将插值渲染得到的大坝运行状态插值图像全部替换为基于状态物理量的大坝运行状态仿真图像,实现基于数字孪生的大坝运行监测。
本发明经过不断探索以及试验,构建大坝数据处理模型,对大坝运行仿真结果数据进行拆分,得到大坝仿真模型参数和大坝状态数据;利用渲染引擎模型加载大坝仿真模型参数以及部分状态物理量;根据部分状态物理量进行插值渲染,得到大坝运行状态插值图像;渲染引擎模型再分一次或多次加载剩余的状态物理量,进行插值渲染,以对大坝运行状态插值图像进行更新,得到大坝运行状态仿真图像,实现基于数字孪生的大坝运行监测仿真,方案科学、合理,切实可行。
本发明通过数据拆分传输以及状态物理量分批加载,有效提升大坝监测图像的生成效率,缩短了大坝监测可视化所需时间,进而能及时对大坝运行状态进行监测,确保大坝能被及时运维,从而本发明能有效解决监测数据以及仿真模型参数数据量比较大的问题。
为实现上述目的之一,本发明的第三种技术方案为:
一种基于数字孪生的大坝运行监测仿真系统,
采用上述的一种基于数字孪生的大坝运行监测仿真方法,其包括大坝数据服务端和浏览器端;
大坝数据服务端,用于将大坝运行仿真结果数据按照索引关系进行拆分,得到大坝仿真模型参数和大坝状态数据,并对大坝仿真模型参数与大坝状态数据进行二进制转换,得到二进制的大坝仿真模型参数和大坝状态数据;
浏览器端,用于向大坝数据服务端请求加载二进制的大坝仿真模型参数和部分大坝状态数据,当收到二进制的大坝仿真模型参数和部分大坝状态数据,通过索引将二进制的大坝仿真模型参数和部分大坝状态数据合并,得到大坝运行待仿真数据;将大坝运行待仿真数据缓存到浏览器端数据库中,并把大坝运行待仿真数据传输给渲染引擎进行插值渲染,得到的大坝运行状态插值图像;然后分一次或多次继续加载大坝状态数据,进行插值渲染,以将基于插值渲染得到的大坝运行状态插值图像逐步替换为基于大坝状态数据的大坝运行状态仿真图像,实现基于数字孪生的大坝运行监测仿真。
本发明经过不断探索以及试验,通过设置大坝数据服务端,将大坝运行仿真结果数据按照索引关系进行拆分;设置浏览器端,将收到大坝仿真模型参数和部分大坝状态数据,进行合并,得到大坝运行待仿真数据;将大坝运行待仿真数据缓存到浏览器端数据库中,并把大坝运行待仿真数据传输给渲染引擎进行插值渲染,得到的大坝运行状态插值图像;然后分一次或多次继续加载大坝状态数据,进行插值渲染,以将基于插值渲染得到的大坝运行状态插值图像逐步替换为基于大坝状态数据的大坝运行状态仿真图像,实现基于数字孪生的大坝运行监测仿真,方案科学、合理,切实可行。
本发明通过数据拆分传输以及状态物理量分批加载,并且先利用部分状态物理量进行插值渲染,再逐步加载真实的状态物理量,进行插值图像更新,有效提升大坝监测图像的生成效率,缩短了大坝监测可视化所需时间,进而能及时对大坝运行状态进行监测,确保大坝能被及时运维。
为实现上述目的之一,本发明的第四种技术方案为:
一种基于数字孪生的大坝运行监测仿真方法,应用于上述的一种基于数字孪生的大坝运行监测仿真系统,其包括以下内容:
大坝数据服务端获取大坝运行仿真结果数据后,将大坝运行仿真结果数据按照索引关系进行拆分,得到大坝仿真模型参数和大坝状态数据,并对大坝仿真模型参数与大坝状态数据进行二进制转换,得到二进制的大坝仿真模型参数和大坝状态数据;
浏览器端判断位于本地的浏览器端数据库是否有关于二进制的大坝仿真模型参数和大坝状态数据的数据缓存;
如果有数据缓存,则将缓存数据提供给渲染引擎直接渲染;
如果没有数据缓存,则浏览器端通过网页开发技术向大坝数据服务端请求加载二进制的大坝仿真模型参数和部分大坝状态数据;
当浏览器端收到二进制的大坝仿真模型参数和部分大坝状态数据,通过索引将二进制的大坝仿真模型参数和部分大坝状态数据合并,得到大坝运行待仿真数据;
将大坝运行待仿真数据缓存到浏览器端数据库中,并把大坝运行待仿真数据传输给渲染引擎进行插值渲染,得到的大坝运行状态插值图像;
然后分一次或多次继续加载大坝状态数据,进行插值渲染,以将基于插值渲染得到的大坝运行状态插值图像逐步替换为基于大坝状态数据的大坝运行状态仿真图像,实现基于数字孪生的大坝运行监测。
本发明首先对数据进行拆分传输,再利用部分状态物理量进行插值渲染,进而逐步加载真实的状态物理量,进行插值图像更新,有效提升大坝监测图像的生成效率,缩短了大坝监测可视化所需时间,进而能及时对大坝运行状态进行监测,确保大坝能被及时运维。
进一步,本发明采用了数据预加载的方法,通过预先加载大坝运行待仿真数据,使得渲染动画时能流畅播放;并根据逐渐加载的大坝运行待仿真数据进行实时插值渲染,当加载的帧数据与待渲染的帧总数相同之后,渲染出的仿真云图为加载大坝状态数据的大坝运行状态仿真图。
作为优选技术措施:
浏览器端进行插值渲染的方法如下:
S1,浏览器端发送超文本传输协议请求加载大坝仿真模型参数,同时发送关于请求获取起始采样时刻和结尾采样时刻数据的超文本传输协议请求;
S2,大坝数据服务端将大坝状态数据中的状态物理量按照采样时序进行排序,返回对应的起始采样时刻状态物理量和结尾采样时刻状态物理量;根据起始采样时刻状态物理量和结尾采样时刻状态物理量,采用插值法进行插值,得到大坝插值数据;并利用大坝插值数据以及大坝仿真模型参数,得到能屏幕展示的初始状态的大坝运行状态插值图像;
S3,根据起始采样时刻、结尾采样时刻,确定位于中间的居中采样时刻;
当居中采样时刻不为整数时,进行四舍五入取整;根据居中采样时刻,加载与居中采样时刻相对应的居中状态物理量;
根据起始状态物理量、居中状态物理量,进行插值,得到大坝状态起始插值数组;
根据居中状态物理量、最后状态物理量,进行插值,得到大坝状态结尾插值数组;
S4,根据大坝状态起始插值数组、大坝状态结尾插值数组,浏览器端的渲染引擎进行插值渲染,得到大坝局部插值图像,并对大坝运行状态插值图像进行对应更新;
S5,将居中采样时刻作为新的结尾采样时刻,与起始采样时刻作为第一组合执行S3-S4;
同时在居中采样时刻的基础上增加一个采样时刻,得到新的起始采样时刻,新的起始采样时刻与结尾采样时刻作为第二组合,执行S3-S4;
将得到的新的居中采样时刻,不断地与起始采样时刻、结尾采样时刻组成新的组合,执行S3-S4;直至所有的状态物理量,都被加载完成,以将基于插值渲染得到的大坝运行状态插值图像全部替换为基于状态物理量的大坝运行状态仿真图像。
与现有技术方案相比,本发明具有以下有益效果:
本发明经过不断探索以及试验,构建大坝数据处理模型,对大坝运行仿真结果数据进行拆分,得到大坝仿真模型参数和大坝状态数据;利用渲染引擎模型加载大坝仿真模型参数以及部分状态物理量;根据部分状态物理量进行插值渲染,得到大坝运行状态插值图像;渲染引擎模型再分一次或多次加载剩余的状态物理量,进行插值渲染,以对大坝运行状态插值图像进行更新,得到大坝运行状态仿真图像,实现基于数字孪生的大坝运行监测仿真,方案科学、合理,切实可行。
本发明经过不断探索以及试验,通过设置大坝数据服务端,将大坝运行仿真结果数据按照索引关系进行拆分;设置浏览器端,将收到大坝仿真模型参数和部分大坝状态数据,进行合并,得到大坝运行待仿真数据;将大坝运行待仿真数据缓存到浏览器端数据库中,并把大坝运行待仿真数据传输给渲染引擎进行插值渲染,得到的大坝运行状态插值图像;然后分一次或多次继续加载大坝状态数据,进行插值渲染,以将基于插值渲染得到的大坝运行状态插值图像逐步替换为基于大坝状态数据的大坝运行状态仿真图像,实现基于数字孪生的大坝运行监测仿真,方案科学、合理,切实可行。
本发明通过数据拆分传输以及状态物理量分批加载,有效提升大坝监测图像的生成效率,缩短了大坝监测可视化所需时间,进而能及时对大坝运行状态进行监测,确保大坝能被及时运维,从而本发明能有效解决监测数据以及仿真模型参数数据量比较大的问题。
附图说明
图1为本发明大坝运行监测仿真方法的第一种流程示意图;
图2为本发明大坝运行监测仿真方法的第二种流程示意图;
图3为本发明大坝运行监测仿真方法的第三种流程示意图;
图4为本发明浏览器端数据库数据操作流程示意图;
图5为应用本发明的一种大坝运行监测仿真示意图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本发明进行进一步详细说明。应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。
相反,本发明涵盖任何由权利要求定义的在本发明的精髓和范围上做的替代、修改、等效方法以及方案。进一步,为了使公众对本发明有更好的了解,在下文对本发明的细节描述中,详尽描述了一些特定的细节部分。对本领域技术人员来说没有这些细节部分的描述也可以完全理解本发明。
除非另有定义,本文所使用的所有的技术和科学术语与属于本发明的技术领域的技术人员通常理解的含义相同。本文所使用的术语只是为了描述具体的实施例的目的,不是旨在限制本发明。本文所使用的术语“或/和”包括一个或多个相关的所列项目的任意的和所有的组合。
如图1所示,本发明基于数字孪生的大坝运行监测仿真方法的第一种具体实施例:
一种基于数字孪生的大坝运行监测仿真方法,包括以下内容:
获取大坝运行仿真结果数据;
通过预先构建的大坝数据处理模型,对大坝运行仿真结果数据进行拆分,得到大坝仿真模型参数和大坝状态数据;大坝状态数据包括按照采样时序排布的若干状态物理量;
利用预先构建的渲染引擎模型加载大坝仿真模型参数以及部分状态物理量;根据部分状态物理量进行插值,得到对应若干采样时刻的大坝插值数据;根据大坝插值数据,进行插值渲染,得到大坝运行状态插值图像;
渲染引擎模型加载与若干采样时刻相对应的状态物理量,进行仿真渲染,以对大坝运行状态插值图像进行更新,得到大坝运行状态仿真图像,实现基于数字孪生的大坝运行监测。
如图2所示,本发明基于数字孪生的大坝运行监测仿真方法的第二种具体实施例:
一种基于数字孪生的大坝运行监测仿真方法,包括以下步骤:
第一步,获取大坝运行仿真结果数据;
第二步,通过预先构建的大坝数据处理模型,对大坝运行仿真结果数据进行拆分,得到大坝仿真模型参数和大坝状态数据;大坝状态数据包括按照采样时序排布的若干状态物理量;
第三步,利用预先构建的渲染引擎模型加载大坝仿真模型参数以及部分状态物理量;根据部分状态物理量进行插值,得到对应若干采样时刻的大坝插值数据;并根据大坝插值数据、部分状态物理量以及大坝仿真模型参数,进行插值渲染,得到大坝运行状态插值图像;
第四步,渲染引擎模型继续加载与若干采样时刻相对应的一个或多个状态物理量,并进行插值渲染,得到大坝更新状态图像,并根据大坝更新状态图像对大坝运行状态插值图像进行更新;
第五步,循环进行第四步,直到所有的状态物理量,都被加载完成,以将插值渲染得到的大坝运行状态插值图像全部替换为基于状态物理量的大坝运行状态仿真图像,实现基于数字孪生的大坝运行监测。
本发明进行数据插值的第一种具体实施例:
当大坝运行监测仿真需要10秒仿真动画时,浏览器端先从大坝数据服务端请求第1秒和第10秒的真实状态物理量,然后通过插值法得到2-9秒的大坝插值数据。
同时加载第5秒的真实状态物理量并替换第5秒的大坝插值数据;然后通过插值法分别得到2-4秒、6-9秒的大坝插值数据。
再加载第3秒和第8秒的真实状态物理量并替换第3秒和第8秒的大坝插值数据;然后通过插值法得到第2秒、第4秒、第6-7秒、第9秒的大坝插值数据。
继续加载第2秒、第4秒、第7秒、第9秒的真实状态物理量并替换第2秒、第4秒、第7秒、第9秒的大坝插值数据;然后通过插值法得到第6秒的大坝插值数据。最后加载第6秒的真实状态物理量,至此所有的大坝插值数据都被替换为真实的状态物理量。
本发明进行数据插值的第二种具体实施例:
当大坝运行监测仿真需要10秒仿真动画时,浏览器端先从大坝数据服务端请求第1s和第10s的真实数据,然后插值2-9s的数据,同时加载第5s的真实数据并替换第5s的插值数据,然后对1-5s、5-10s的数据进行插值。循环上述插值过程,直到所有的大坝插值数据都被替换为真实的状态物理量。
本发明基于数字孪生的大坝运行监测仿真系统的一种具体实施例:
一种基于数字孪生的大坝运行监测仿真系统,包括大坝数据服务端、浏览器端,其用于数据处理、二维插值、本地数据缓存、模型渲染。
大坝数据服务端将大坝仿真模型参数与大坝状态数据按照索引关系拆分,然后对拆分的大坝仿真模型参数与大坝状态数据进行二进制转换。当浏览器端访问大坝数据服务端,首先会判断本地的浏览器端数据库是否有数据缓存,如果有缓存,则将缓存模型数据提供给渲染引擎直接渲染,如果没有缓存,则浏览器端通过网页开发技术向大坝数据服务端请求多次加载数据,当收到相关数据后,通过索引将模型和大坝状态数据合并,缓存到浏览器端数据库,并把数据传输给渲染引擎进行渲染。
为了渲染大坝运行仿真结果动画,浏览器端发送超文本传输协议请求加载大坝仿真模型参数,同时发送大坝运行仿真结果第一帧和最后一帧的超文本传输协议请求,大坝数据服务端返回对应的大坝状态数据,大坝状态数据包括多帧状态物理量。
再根据状态物理量的时间进行排序,将排序后的第一帧状态物理量与网格进行组合,渲染得到能屏幕展示的初始状态的大坝运行状态仿真图。
当播放大坝随着时间的位移进行形变的动画时,根据需要展示的总帧数进行状态物理量插值。之后,发送超文本传输协议请求加载剩余状态物理量帧数据,帧数据会根据时间信息与之前的数据进行总排序,此时渲染的仿真云图会根据逐渐加载的数据进行实时插值渲染,当加载的帧数据与待渲染的帧总数相同之后,渲染的仿真云图都为加载真实状态物理量的结果,不再进行插值。
如图3所示,本发明基于数字孪生的大坝运行监测仿真方法的第三种具体实施例:
一种基于数字孪生的大坝运行监测仿真方法,包括以下内容:
第一阶段:大坝运行仿真结果数据处理,其具体包括以下内容:
通常情况下,监测数据会由专门的监测系统收集和处理,这些系统包括传感器、遥感技术单元、气象站、位置定位单元等等。这些设备可以检测水位、水压、温度、风速等指标,根据这些指标数据进行仿真分析。
大坝数据服务端获取大坝运行仿真结果数据之后,将大坝运行仿真结果数据进行拆分,得到大坝仿真模型参数与大坝状态数据。
大坝仿真模型通常是指基于现实大坝的实际测量数据和计算结果,构建出一个数学模型,以便更好地分析和预测大坝在不同条件下的行为。大坝仿真模型参数通常包括大坝的大小、形状、材料、结构、重力中心等信息。通过大坝仿真模型对大坝状态数据进行分析,可以更好地了解大坝的强度、稳定性、变形等特性。
大坝状态数据包括若干状态物理量,状态物理量通常包括水位、水压、温度、应力和变形等参数。在对大坝进行仿真时,这些参数可以被当作输入,以便计算出大坝的响应。通过对这些大坝状态数据进行计算和分析,工程师可以更好地了解大坝在不同条件下的行为,并预测可能出现的问题,从而采取相应的措施进行运维和大坝修复。
大坝数据服务端将拆分得到的大坝仿真模型参数与大坝状态数据,通过两个接口返回给浏览器端,降低了单次数据传输大小,从而有效降低了数据传输时间。
大坝数据服务端数据和浏览器端之间,主要通过传输控制协议TCP进行传输。传输控制协议TCP位于传输层,接收上一层的数据,对数据进行必要的分割,并将数据交给网络层,且保证这些数据能准确到达。
所以,作为传输层的协议,传输控制协议TCP主要任务是传输与数据分割。因而采用二进制数据进行传输是最好的选择。传输层能够充分发挥二进制协议空间占用小,带宽消耗低,数据传输的可靠性高,运算规则简单,便于数据分割等优点,大坝数据服务端对大坝仿真模型和大坝状态数据进行二进制转换成32位的浮点数型数组,并传输给浏览器端。
第二阶段:进行二维插值,其具体包括以下内容:
插值法又称“内插法”,是利用函数f(x)在某区间中已知的若干点的函数值,生成相应的特定函数,在区间上的其他点上用这特定函数的值作为函数f(x)的近似值。常见的插值方法有最邻近插值法、线性插值、三次样条插值、三次立方插值、三次埃尔米特插值法。
为了渲染大坝运行仿真结果动画,浏览器端发送超文本传输协议请求加载大坝仿真模型参数,同时发送请求第一帧和最后一帧状态物理量的超文本传输协议,大坝数据服务端根据超文本传输协议返回对应的状态物理量。
浏览器端判断状态物理量是否加载完成,当判断结果为“否”时,继续向大坝数据服务端发送加载请求,进行状态物理量的加载;当判断结果为“是”时,根据多帧状态物理量的时间进行排序,将排序后的第一帧状态物理量与大坝仿真模型参数进行合并,得到待渲染数据,将待渲染数据缓存到浏览器端数据库,进行待渲染数据存储,并把待渲染数据传输给渲染引擎进行渲染,从而得到能屏幕展示的初始状态的大坝运行状态仿真图。
当播放大坝随着时间变化的位移形变动画时,根据需要展示的总帧数进行状态物理量插值。
本发明采用线性插值方法进行插值,线性插值方法是利用斜率曲线对一个或多个自变量和因变量之间关系进行建模的一种回归分析。
线性插值方法是用一系列首尾相连的线段依次连接相邻各点,每条线段内的点的高度作为插值获得的高度值。线性插值的斜率为(y 1 -y)/(x 1 -x),并且任意两点斜率相等,也就是:
以(x 0 ,y 0 )表示某个时间点的前一个大坝位移形变状态数据,(x 1 ,y 1 )表示该时间点的后一个大坝位移形变状态数据,则对于在[x 0 ,x 1]范围内的时间点为x的点,其位移形变值y的计算公式如下:
化简后位移形变值y的计算公式如下:
当浏览器端通过请求获取到任意两个时间点的大坝位移形变状态物理量时,利用二维线性插值方法进行插值,可以计算出两个时间点之间任意时间点的大坝位移形变状态物理量。
大坝位移形变状态物理量的表达式如下:
(x
0
,y
0
),(x
1
,y
1
)
其中x代表时间点,y代表形变位移量。
之后,发送超文本传输协议请求加载剩余状态物理量帧数据,帧数据会根据时间信息与之前的数据进行总排序,此时渲染的仿真云图会根据逐渐加载的数据进行实时插值渲染,当加载的帧数据与待渲染的帧总数相同之后,渲染的仿真云图都为加载状态物理量的结果,不再进行插值。
第三阶段:进行数据存储,其具体包括以下内容:
浏览器端将大量数据提前储存在浏览器端数据库,这样可以减少从大坝数据服务端获取数据的需求以及减少数据传输时间。浏览器端数据库是一个运行在浏览器的非关系型数据库,作为一个数据库,它存储的数据量没有上限,同时它不仅可以存储字符串,还可以存储二进制数据。
当浏览器端访问大坝数据服务端,首先会判断本地的浏览器端数据库是否有模型数据缓存,如果有缓存,则将缓存的模型数据提供给渲染引擎直接渲染,如果没有缓存,则浏览器端通过网页开发技术向大坝数据服务端请求多次加载数据,当收到相关数据后,通过索引将模型和大坝状态数据合并,缓存到浏览器端数据库,进行数据存储,并把数据传输给渲染引擎进行渲染。
如图4所示,一个完整的浏览器端数据库数据操作流程,包括以下内容:
首先创建或打开浏览器端数据库,然后创建对象仓库。当从大坝数据服务端收到大坝仿真模型参数和状态物理量之后,通过数据增添方法将数据存储到数据库,监听存储结果,如果失败,则重复执行数据存储方法,直到数据保存成功,完成数据存储。
第四阶段:进行可视化模型渲染,其包括以下内容:
第1阶段为大坝三维场景创建阶段,其中大坝三维场景包括所有要呈现的3D对象和光源等,相机则定义了从哪个角度观察场景,渲染器负责将场景渲染成像素点,并显示在屏幕上。
第2阶段为应用阶段,即模型的生成过程。
第3阶段为几何阶段,即将顶点坐标从模型空间转化为齐次裁剪空间的阶段,这是由图形处理器主导的阶段,其将把中央处理器在应用阶段发来的数据进行进一步处理。
第4阶段为光栅化阶段,该阶段主要是将变换到屏幕空间的图元离散化为片元的过程。将检验屏幕上的某个像素是否被一个三角形网格所覆盖,被覆盖的区域将生成一个片元。当然,并不是所有的像素都会被一个三角形完整地覆盖,有相当多的情况都是一个像素块内只有一部分被三角形覆盖,被覆盖的区域被划为片元,但是片元不是真正意义上的像素,而是包括了很多种状态的集合,多种状态包括屏幕坐标、深度、法线、纹理等,这些状态用于最终计算出每个像素的颜色。最后通过片元着色器给每个片元进行上色,如此便能看到屏幕里的模型。
为了提高动画性能,本发明采用了数据预加载的方法。通过预先加载多个仿真结果数据帧,渲染动画时可以流畅播放,不会因临时加载数据导致卡顿。
播放过程中,每一帧渲染时,将该帧的状态物理量的值发送给片元着色器,从而片元着色器能准确渲染该帧的每个片元的颜色,重现仿真结果,可参见图5。
综上所述,本发明运用数据拆分、二进制压缩、二维插值、本地缓存等方案,提供了一种基于数字孪生的大量数据渲染大坝运行监测可视化方案,为工业仿真领域的可视化提供了一种思路与方法。
应用本发明方法的一种设备实施例:
一种计算机设备,其包括:
一个或多个处理器;
存储装置,用于存储一个或多个程序;
当所述一个或多个程序被所述一个或多个处理器执行时,使得所述一个或多个处理器实现上述的一种基于数字孪生的大坝运行监测仿真方法。
应用本发明方法的一种计算机介质实施例:
一种计算机可读存储介质,其上存储有计算机程序,该程序被处理器执行时实现上述的一种基于数字孪生的大坝运行监测仿真方法。
本领域内的技术人员应明白,本申请的实施例可提供为方法、系统、计算机程序产品。因此,本申请可采用完全硬件实施例、完全软件实施例、结合软件和硬件方面的实施例的形式。而且,本申请可采用在一个或多个其中包括有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本申请是参照根据本申请实施例的方法、设备(系统)、计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
最后应当说明的是:以上实施例仅用以说明本发明的技术方案而非对其限制,尽管参照上述实施例对本发明进行了详细的说明,所属领域的普通技术人员应当理解:依然可以对本发明的具体实施方式进行修改或者等同替换,而未脱离本发明精神和范围的任何修改或者等同替换,其均应涵盖在本发明的权利要求保护范围之内。
Claims (10)
1.一种基于数字孪生的大坝运行监测仿真方法,其特征在于,
包括以下内容:
获取大坝运行仿真结果数据;
通过预先构建的大坝数据处理模型,对大坝运行仿真结果数据进行拆分,得到大坝仿真模型参数和大坝状态数据;大坝状态数据包括按照采样时序排布的若干状态物理量;
利用预先构建的渲染引擎模型加载大坝仿真模型参数以及部分状态物理量;根据部分状态物理量进行插值,得到对应若干采样时刻的大坝插值数据;根据大坝插值数据,进行插值渲染,得到大坝运行状态插值图像;
渲染引擎模型加载与若干采样时刻相对应的状态物理量,进行仿真渲染,以对大坝运行状态插值图像进行更新,得到大坝运行状态仿真图像,实现基于数字孪生的大坝运行监测仿真。
2.如权利要求1所述的一种基于数字孪生的大坝运行监测仿真方法,其特征在于,
获取大坝运行仿真结果数据的方法如下:
步骤11,利用传感器单元或/和遥感单元或/和气象处理单元或/和定位单元构建大坝监测模型;
步骤12,通过大坝监测模型收集大坝监测数据;
所述大坝监测数据包括水位或/和水压或/和温度或/和风速;
步骤13,根据监测数据,设置大坝状态计算方程组;
步骤14,根据大坝状态计算方程组以及大坝几何参数,构建大坝仿真模型,用于预测大坝在不同条件下的大坝状态信息;
大坝几何参数至少包括大坝尺寸或/和大坝形状或/和大坝材料或/和大坝结构或/和大坝重力中心;
步骤15,将大坝仿真模型的模型参数以及大坝状态数据按照索引关系汇聚,形成大坝运行仿真结果数据。
3.如权利要求1所述的一种基于数字孪生的大坝运行监测仿真方法,其特征在于,
对大坝运行仿真结果数据进行拆分的方法如下:
步骤21,将大坝运行仿真结果数据按照索引关系进行拆分,得到大坝仿真模型参数以及大坝状态数据;
步骤22,对大坝仿真模型参数以及大坝状态数据进行二进制转换,得到二进制模型参数以及状态物理量;
状态物理量至少包括水位或/和水压或/和温度或/和风速或/和应力或/和变形参数;
或/和,加载部分状态物理量的方法如下:
步骤31,渲染引擎模型向大坝数据处理模型发送超文本传输协议请求;
超文本传输协议请求为要求获取与两个采样时刻或多个采样时刻相对应的状态物理量的传输请求;
两个采样时刻或多个采样时刻之间间隔若干采样时刻;
步骤32,大坝数据处理模型获得超文本传输协议请求后,返回对应采样时刻的状态物理量;
步骤33,根据采样时刻的先后,将返回的状态物理量进行排序并进行加载,得到部分状态物理量。
4.如权利要求3所述的一种基于数字孪生的大坝运行监测仿真方法,其特征在于,
根据部分状态物理量进行插值的方法如下:
步骤41,获取与两个采样时刻或多个采样时刻相对应的状态物理量;
步骤42,根据状态物理量以及采样时刻,利用插值法进行插值,得到处于两个采样时刻或多个采样时刻之间的多个状态物理量;
所述插值法为邻近插值法或线性插值法或三次样条插值法或三次立方插值法或三次埃尔米特插值法;
步骤43,将多个状态物理量以及获取的状态物理量按照采样时刻进行排序,得到大坝插值数据。
5.如权利要求4所述的一种基于数字孪生的大坝运行监测仿真方法,其特征在于,
所述线性插值法,利用斜率对一个或多个未知的状态物理量和已知的状态物理量之间关系进行建模,其包括以下内容:
步骤421,获取已知的状态物理量以及采样时刻;
步骤422,根据已知的状态物理量以及采样时刻,在坐标轴上,标注出相应的数据点;
步骤423,用一系列首尾相连的线段依次连接相邻的数据点,得到若干插值线段;
步骤424,利用前后已知的数据点,计算若干插值线段的斜率;
步骤425,根据斜率以及前后已知的数据点,得到插值线段上点的插值高度,并将插值高度作为未知的状态物理量。
6.如权利要求1所述的一种基于数字孪生的大坝运行监测仿真方法,其特征在于,
渲染引擎模型进行插值渲染的方法如下:
步骤51,根据大坝仿真模型参数,生成大坝实体模型;
步骤52,利用大坝插值数据,对大坝实体模型进行处理,得到大坝三维场景;
步骤53,将大坝三维场景渲染成像素点,并能显示在屏幕上;
步骤54,将一个或多个像素点转化为屏幕空间的图元;
步骤55,将图元离散化为片元,所述片元为多种状态的集合;
多种状态包括屏幕坐标、深度、法线和纹理,其用于计算出每个像素的颜色;
步骤56,给每个片元进行上色,得到能在屏幕显示的大坝运行状态插值图像。
7.如权利要求1所述的一种基于数字孪生的大坝运行监测仿真方法,其特征在于,
得到大坝运行状态仿真图像的方法如下:
步骤61,根据大坝待运行监测时长,得到起始采样时刻和结尾采样时刻;
起始采样时刻为仿真开始时间,其对应的状态物理量为起始状态物理量;结尾采样时刻为仿真结束时间,其对应的状态物理量为结尾状态物理量;
步骤62,根据起始状态物理量和结尾状态物理量,利用插值法进行插值,得到处于两个采样时刻之间的多个状态物理量;多个状态物理量与起始状态物理量、结尾状态物理量组成大坝插值数据;利用大坝插值数据以及大坝仿真模型参数,得到能屏幕展示的初始状态的大坝运行状态插值图像;
步骤63,根据起始采样时刻、结尾采样时刻,确定位于中间的居中采样时刻;
当居中采样时刻不为整数时,进行四舍五入取整;根据居中采样时刻,加载与居中采样时刻相对应的居中状态物理量;
根据起始状态物理量、居中状态物理量,进行插值,得到大坝状态起始插值数组;
根据居中状态物理量、最后状态物理量,进行插值,得到大坝状态结尾插值数组;
步骤64,根据大坝状态起始插值数组、大坝状态结尾插值数组,渲染引擎模型进行插值渲染,得到大坝局部插值图像,并对大坝运行状态插值图像进行对应更新;
步骤65,将居中采样时刻作为新的结尾采样时刻,与起始采样时刻作为第一组合执行步骤63-步骤64;
同时在居中采样时刻的基础上增加一个采样时刻,得到新的起始采样时刻,新的起始采样时刻与结尾采样时刻作为第二组合,执行步骤63-步骤64;
将得到的新的居中采样时刻,不断地与起始采样时刻、结尾采样时刻组成新的组合,执行步骤63-步骤64;直至所有的状态物理量,都被加载完成,以将基于插值渲染得到的大坝运行状态插值图像全部替换为基于状态物理量的大坝运行状态仿真图像。
8.一种基于数字孪生的大坝运行监测仿真方法,其特征在于,
包括以下步骤:
第一步,获取大坝运行仿真结果数据;
第二步,通过预先构建的大坝数据处理模型,对大坝运行仿真结果数据进行拆分,得到大坝仿真模型参数和大坝状态数据;大坝状态数据包括按照采样时序排布的若干状态物理量;
第三步,利用预先构建的渲染引擎模型加载大坝仿真模型参数以及部分状态物理量;根据部分状态物理量进行插值,得到对应若干采样时刻的大坝插值数据;并根据大坝插值数据、部分状态物理量以及大坝仿真模型参数,进行插值渲染,得到大坝运行状态插值图像;
第四步,渲染引擎模型继续加载与若干采样时刻相对应的一个或多个状态物理量,并进行插值渲染,得到大坝更新状态图像,并根据大坝更新状态图像对大坝运行状态插值图像进行更新;
第五步,循环进行第四步,直到所有的状态物理量,都被加载完成,以将插值渲染得到的大坝运行状态插值图像全部替换为基于状态物理量的大坝运行状态仿真图像,实现基于数字孪生的大坝运行监测。
9.一种基于数字孪生的大坝运行监测仿真系统,其特征在于,
采用如权利要求1-8任一所述的一种基于数字孪生的大坝运行监测仿真方法,其包括大坝数据服务端和浏览器端;
大坝数据服务端,用于将大坝运行仿真结果数据按照索引关系进行拆分,得到大坝仿真模型参数和大坝状态数据,并对大坝仿真模型参数与大坝状态数据进行二进制转换,得到二进制的大坝仿真模型参数和大坝状态数据;
浏览器端,用于向大坝数据服务端请求加载二进制的大坝仿真模型参数和部分大坝状态数据,当收到二进制的大坝仿真模型参数和部分大坝状态数据,通过索引将二进制的大坝仿真模型参数和部分大坝状态数据合并,得到大坝运行待仿真数据;将大坝运行待仿真数据缓存到浏览器端数据库中,并把大坝运行待仿真数据传输给渲染引擎进行插值渲染,得到的大坝运行状态插值图像;然后分一次或多次继续加载大坝状态数据,进行插值渲染,以将基于插值渲染得到的大坝运行状态插值图像逐步替换为基于大坝状态数据的大坝运行状态仿真图像,实现基于数字孪生的大坝运行监测仿真。
10.一种基于数字孪生的大坝运行监测仿真方法,其特征在于,
应用于如权利要求9所述的一种基于数字孪生的大坝运行监测仿真系统,其包括以下内容:
大坝数据服务端获取大坝运行仿真结果数据后,将大坝运行仿真结果数据按照索引关系进行拆分,得到大坝仿真模型参数和大坝状态数据,并对大坝仿真模型参数与大坝状态数据进行二进制转换,得到二进制的大坝仿真模型参数和大坝状态数据;
浏览器端判断位于本地的浏览器端数据库是否有关于二进制的大坝仿真模型参数和大坝状态数据的数据缓存;
如果有数据缓存,则将缓存数据提供给渲染引擎直接渲染;
如果没有数据缓存,则浏览器端通过网页开发技术向大坝数据服务端请求加载二进制的大坝仿真模型参数和部分大坝状态数据;
当浏览器端收到二进制的大坝仿真模型参数和部分大坝状态数据,通过索引将二进制的大坝仿真模型参数和部分大坝状态数据合并,得到大坝运行待仿真数据;
将大坝运行待仿真数据缓存到浏览器端数据库中,并把大坝运行待仿真数据传输给渲染引擎进行插值渲染,得到的大坝运行状态插值图像;
然后分一次或多次继续加载大坝状态数据,进行插值渲染,以将基于插值渲染得到的大坝运行状态插值图像逐步替换为基于大坝状态数据的大坝运行状态仿真图像,实现基于数字孪生的大坝运行监测。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311041927.5A CN116776644B (zh) | 2023-08-18 | 2023-08-18 | 一种基于数字孪生的大坝运行监测仿真方法和系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311041927.5A CN116776644B (zh) | 2023-08-18 | 2023-08-18 | 一种基于数字孪生的大坝运行监测仿真方法和系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116776644A true CN116776644A (zh) | 2023-09-19 |
CN116776644B CN116776644B (zh) | 2023-10-27 |
Family
ID=87986178
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311041927.5A Active CN116776644B (zh) | 2023-08-18 | 2023-08-18 | 一种基于数字孪生的大坝运行监测仿真方法和系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116776644B (zh) |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6064393A (en) * | 1995-08-04 | 2000-05-16 | Microsoft Corporation | Method for measuring the fidelity of warped image layer approximations in a real-time graphics rendering pipeline |
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 |
CN113593051A (zh) * | 2021-08-06 | 2021-11-02 | 浙江远算科技有限公司 | 一种实景可视化方法及大坝可视化方法及计算机设备 |
CN114547951A (zh) * | 2022-04-24 | 2022-05-27 | 浙江远算科技有限公司 | 一种基于数据同化的大坝状态预测方法及系统 |
CN114820990A (zh) * | 2022-06-29 | 2022-07-29 | 浙江远算科技有限公司 | 一种基于数字孪生的流域防洪可视化方法及系统 |
KR20230085389A (ko) * | 2021-12-07 | 2023-06-14 | 주식회사 애드업 | 컴퓨터 그래픽을 이용한 IoT 건물 관제 디지털 트윈 구축 장치 및 방법 |
CN116385680A (zh) * | 2023-03-30 | 2023-07-04 | 宁波市水利水电规划设计研究院有限公司 | 一种基于ue技术的三维沉浸式大坝安全监测方法与系统 |
-
2023
- 2023-08-18 CN CN202311041927.5A patent/CN116776644B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6064393A (en) * | 1995-08-04 | 2000-05-16 | Microsoft Corporation | Method for measuring the fidelity of warped image layer approximations in a real-time graphics rendering pipeline |
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 |
CN113593051A (zh) * | 2021-08-06 | 2021-11-02 | 浙江远算科技有限公司 | 一种实景可视化方法及大坝可视化方法及计算机设备 |
KR20230085389A (ko) * | 2021-12-07 | 2023-06-14 | 주식회사 애드업 | 컴퓨터 그래픽을 이용한 IoT 건물 관제 디지털 트윈 구축 장치 및 방법 |
CN114547951A (zh) * | 2022-04-24 | 2022-05-27 | 浙江远算科技有限公司 | 一种基于数据同化的大坝状态预测方法及系统 |
CN114820990A (zh) * | 2022-06-29 | 2022-07-29 | 浙江远算科技有限公司 | 一种基于数字孪生的流域防洪可视化方法及系统 |
CN116385680A (zh) * | 2023-03-30 | 2023-07-04 | 宁波市水利水电规划设计研究院有限公司 | 一种基于ue技术的三维沉浸式大坝安全监测方法与系统 |
Non-Patent Citations (2)
Title |
---|
曹树明;: "监测数据网页端三维可视化展示", 水科学与工程技术, no. 03 * |
李彪;王滨;戴树岭;: "可视化仿真中数据处理技术研究", 计算机仿真, no. 04 * |
Also Published As
Publication number | Publication date |
---|---|
CN116776644B (zh) | 2023-10-27 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110807835B (zh) | 一种建筑物bim模型和实景三维模型的融合方法 | |
CN108399649B (zh) | 一种基于级联回归网络的单张图片三维人脸重建方法 | |
CN112002014A (zh) | 面向精细结构的三维人脸重建方法、系统、装置 | |
CN103268221B (zh) | 一种基于web技术的气象数据体三维显示方法及装置 | |
CN113436308B (zh) | 一种三维环境空气质量动态渲染方法 | |
CN110992458A (zh) | 一种大规模倾斜摄影模型组织与调度方法 | |
CN112419512B (zh) | 一种基于语义信息的空中三维模型修复系统及方法 | |
CN111104850B (zh) | 一种基于残差网络的遥感影像建筑物自动提取方法和系统 | |
CN107170040A (zh) | 一种三维桥梁场景构建方法和装置 | |
CN108733952B (zh) | 一种基于序贯模拟的土壤含水量空间变异性三维表征方法 | |
CN111524220B (zh) | 三维模型剖切的方法、系统、电子设备和介质 | |
CN117217058A (zh) | 一种抽蓄电站水工结构安全监测方法、系统、设备及介质 | |
CN110910504A (zh) | 区域的三维模型的确定方法及装置 | |
CN116776644B (zh) | 一种基于数字孪生的大坝运行监测仿真方法和系统 | |
CN115952743B (zh) | 耦合随机森林和hasm的多源降水数据协同降尺度方法和系统 | |
CN109919990B (zh) | 利用深度感知网络和视差遥感影像进行森林高度预测方法 | |
CN116977586A (zh) | 一种基于电网gis平台的实景三维建模方法 | |
CN115017585A (zh) | 一种拱坝变形行为表征可视化分析系统 | |
CN113591614B (zh) | 一种基于紧邻空间特征学习的遥感影像道路提取方法 | |
CN112669426B (zh) | 基于生成对抗网络的三维地理信息模型渲染方法及系统 | |
Zhao et al. | A crowdsourcing-based platform for labelling remote sensing images | |
CN111681307B (zh) | 一种应用于三维软件的动态三维坐标轴的实现方法 | |
Ragia et al. | Precise photorealistic visualization for restoration of historic buildings based on tacheometry data | |
CN114216407A (zh) | 一种基于三维激光扫描技术的隧道结构健康监测系统 | |
CN113487741A (zh) | 稠密三维地图更新方法及装置 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |