CN116821223B - 基于数字孪生的工业可视化控制平台及方法 - Google Patents
基于数字孪生的工业可视化控制平台及方法 Download PDFInfo
- Publication number
- CN116821223B CN116821223B CN202311076556.4A CN202311076556A CN116821223B CN 116821223 B CN116821223 B CN 116821223B CN 202311076556 A CN202311076556 A CN 202311076556A CN 116821223 B CN116821223 B CN 116821223B
- Authority
- CN
- China
- Prior art keywords
- data
- industrial
- representing
- visual
- target
- 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
- 230000000007 visual effect Effects 0.000 title claims abstract description 97
- 238000000034 method Methods 0.000 title claims abstract description 20
- 238000004088 simulation Methods 0.000 claims abstract description 65
- 238000007781 pre-processing Methods 0.000 claims abstract description 37
- 238000004519 manufacturing process Methods 0.000 claims abstract description 29
- 238000012545 processing Methods 0.000 claims abstract description 11
- 230000006870 function Effects 0.000 claims description 16
- 230000001276 controlling effect Effects 0.000 claims description 12
- 239000008186 active pharmaceutical agent Substances 0.000 claims description 9
- 238000012937 correction Methods 0.000 claims description 9
- 238000010606 normalization Methods 0.000 claims description 9
- 230000004044 response Effects 0.000 claims description 9
- 238000012800 visualization Methods 0.000 claims description 8
- 238000004364 calculation method Methods 0.000 claims description 5
- 238000005516 engineering process Methods 0.000 claims description 4
- 230000007246 mechanism Effects 0.000 claims description 4
- 230000008859 change Effects 0.000 claims description 3
- 238000004140 cleaning Methods 0.000 claims description 3
- 238000013507 mapping Methods 0.000 claims description 3
- 239000003550 marker Substances 0.000 claims description 3
- 230000001105 regulatory effect Effects 0.000 claims description 3
- 238000012216 screening Methods 0.000 claims description 3
- 230000008569 process Effects 0.000 claims 1
- 238000013523 data management Methods 0.000 abstract description 5
- 238000004590 computer program Methods 0.000 description 3
- 238000007726 management method Methods 0.000 description 3
- 238000012544 monitoring process Methods 0.000 description 3
- 238000003860 storage Methods 0.000 description 3
- 238000011161 development Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000001360 synchronised effect Effects 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 230000008094 contradictory effect Effects 0.000 description 1
- 238000013499 data model Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000013467 fragmentation Methods 0.000 description 1
- 238000006062 fragmentation reaction Methods 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本申请涉及一种基于数字孪生的工业可视化控制平台及方法，所属领域为数据处理技术领域，所述平台包括：数据采集模块，用于基于多种数据源，获取工业进程中各个工业流程所产生的工业数据信息；预处理模块，用于对工业数据信息进行预处理，生成第一模拟源数据；可视化展示模块，用于基于第一模拟源数据，通过虚拟建模，对工业数据信息对应的工业场景进行可视化展示；预测模块，用于基于可视化展示结果，从关键节点提取出第二模拟源数据，并输入至预设的工业设备寿命预测模型，输出预测结果；控制模块，用于根据预测结果，控制可视化展示模块发出可视化提示信号。本申请可以提高效率，降低成本，能够有效提高工业数据管控能力。
Description
技术领域
本申请涉及数据处理技术领域，特别是涉及一种基于数字孪生的工业可视化控制平台及方法。
背景技术
现有企业对于生产数据都由各自系统进行独立管理，数据结构差异性大，大量数据存放于历史遗留应用中，系统间碎片化、零散化、低效率的数据交互和分析普遍存在，导致数据来源极为复杂，现有数据统计汇总方式落后、速度慢、效率低，即使通过BI中台等方式汇集整理分析，也只做到了看板可视化，而不是数字孪生形态的可视化控制。
现有技术中的工业类数字孪生软件集中于应用前端、展示效果、仿真计算、零代码部署场景等方面，没有完整的能够从底层数据汇集后拉通到应用、可视化、监控和业务数据一体化管理应用的数字孪生，要做到一体化则需采用工程类定制化方式，需要开发多类模块，使用多套工具开发，导致定制化制作很花时间，成本高昂，而采用市面上的低代码平台技术开发，则又面临只能做到展示层，无法贯通到单一设备最底层及生产业务流程的问题。
因此，亟需提出一种能够有效提高工业数据管控能力的基于数字孪生的工业可视化控制平台及方法。
发明内容
基于此，有必要针对上述技术问题，提供一种能够有效提高工业数据管控能力的基于数字孪生的工业可视化控制平台及方法。
一方面，提供一种基于数字孪生的工业可视化控制平台，包括：
数据采集模块，用于基于多种数据源，获取工业进程中各个工业流程所产生的工业数据信息；
预处理模块，用于对所述工业数据信息进行预处理，生成第一模拟源数据；
可视化展示模块，用于基于所述第一模拟源数据，通过虚拟建模，对所述工业数据信息对应的工业场景进行可视化展示；
预测模块，用于基于可视化展示结果，从关键节点提取出第二模拟源数据，并输入至预设的工业设备寿命预测模型，输出预测结果；
控制模块，用于根据所述预测结果，控制所述可视化展示模块发出可视化提示信号。
可选的，所述数据采集模块包括硬件采集单元、接口API采集单元、数据库采集单元、爬虫采集单元和日志采集单元；
所述硬件采集单元，用于基于PLC控制器，采集工业实体设备相关参数信息；
所述接口API采集单元，用于基于第三方开放API接口采集获取设备或系统相关运行数据；
所述数据库采集单元，用于连接数据库，并通过执行SQL语句获取相关工业数据；
所述爬虫采集单元，用于采集互联网公开的相关工业数据；
所述日志采集单元，用于采集上传网络设备的工业日志数据。
可选的，所述预处理模块包括数据库建立单元、规则生成单元和预处理单元：
数据库建立单元，用于建立数据库，所述数据库包括结构化数据库、半结构化数据库和非结构化数据库；
规则生成单元，用于基于所述数据库，生成对应的预处理规则；
预处理单元，用于基于所述预处理规则，对所述工业数据信息进行预处理，生成第一模拟源数据。
可选的，所述基于所述预处理规则，对所述工业数据信息进行预处理，生成第一模拟源数据包括：
对所述工业数据信息进行数据清洗，并按照固定数据量筛选出清洗过后的工业数据信息，得到第一数据集；
根据数据类型，对所述第一数据集里的数据进行一次分类，并分别存储于对应的数据库中；
分别对不同数据库中相同类别的数据进行二次分类，并将二次分类后的数据进行归一化处理，所述归一化处理的计算公式为：
其中，表示数据属性数量，/>表示第i个数据的归一化系数，/>表示第h个数据属性的自定义系数，/>表示第i个数据的第h个数据属性，/>表示第i个数据的权值，/>表示第i个数据的第h个数据属性的归一化值，/>，/>表示数据数量；
利用关联机制，确定归一化处理后的目标数据对应的不同数据库中的关联数据；
基于多个所述目标数据及其对应的关联数据，生成映射关系集合，以得到所述第一模拟源数据。
可选的，所述利用关联机制，确定归一化处理后的目标数据对应的不同数据库中的关联数据包括：
基于所述归一化值，利用关联函数，计算所述目标数据与不同数据库中相关数据的关联系数，所述关联函数包括：
其中，表示关联系数，/>表示关联函数，/>表示目标数据分类标记，/>表示相关数据分类标记，/>表示目标数据归一化值，/>表示相关数据归一化值，/>表示修正系数，/>表示修正函数，/>表示数据库类别数量，/>表示目标数据和相关数据所属数据库赋值之和；
响应于检测到所述关联系数大于第一预设值时，确定所述目标数据与所述相关数据为关联数据。
可选的，所述基于所述第一模拟源数据，通过虚拟建模，对所述工业数据信息对应的工业场景进行可视化展示包括：
基于数字孪生技术以及所述多种数据源，对目标工业场景进行呈现，构建与其相匹配的虚拟模型，得到第一可视化展示结果；
利用拟合函数将所述目标数据和所述关联数据进行拟合，得到所述目标数据的拟合值；
将所述拟合值置于所述目标数据在所述虚拟模型中对应的位置节点；
按照所述位置节点在目标工业场景中的顺序，对多个所述拟合值进行连接，生成可视化网格；
将所述第一可视化展示结果与所述可视化网格进行结合，生成第二可视化展示结果，即最终的工业场景可视化展示结果。
可选的，所述利用拟合函数将所述目标数据和所述关联数据进行拟合，得到所述目标数据的拟合值包括：
其中，表示拟合值，/>表示拟合函数，/>表示目标数据和相关数据所属数据库赋值之和，/>表示数据量状态变化系数，/>表示校正函数。
可选的，所述基于可视化展示结果，从关键节点提取出第二模拟源数据，并输入至预设的工业设备寿命预测模型，输出预测结果包括：
响应于检测到所述拟合值大于第二预设值时，确定所述目标数据对应的目标位置节点为关键节点；
计算目标关键节点与相邻节点的斜率之和；
当所述斜率之和大于第三预设值时，确定所述目标关键节点对应的数据为所述第二模拟源数据；
将所述第二模拟源数据输入至预设的工业设备寿命预测模型，并输出预测结果，所述工业设备寿命预测模型包括：
其中，表示/>时刻工业设备寿命预测值，/>表示工业设备出厂预估寿命值，/>表示迭代系数，/>、/>分别表示/>时刻和/>时刻的工业设备损耗系数，/>表示时间差，表示调节函数，/>表示/>时刻到/>时刻的拟合值之差，/>表示常数。
可选的，所述根据所述预测结果，控制所述可视化展示模块发出可视化提示信号包括：
响应于检测到工业设备寿命预测值小于第四预设值时，对目标关键节点进行标识，以控制所述可视化展示模块发出可视化提示信号。
另一方面，提供了一种基于数字孪生的工业可视化控制方法，所述方法包括：
基于多种数据源，获取工业进程中各个工业流程所产生的工业数据信息；
对所述工业数据信息进行预处理，生成第一模拟源数据；
基于所述第一模拟源数据，通过虚拟建模，对所述工业数据信息对应的工业场景进行可视化展示；
基于可视化展示结果，从关键节点提取出第二模拟源数据，并输入至预设的工业设备寿命预测模型，输出预测结果；
根据所述预测结果，控制所述可视化展示模块发出可视化提示信号。
再一方面，提供了一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现以下步骤：
基于多种数据源，获取工业进程中各个工业流程所产生的工业数据信息；
对所述工业数据信息进行预处理，生成第一模拟源数据；
基于所述第一模拟源数据，通过虚拟建模，对所述工业数据信息对应的工业场景进行可视化展示；
基于可视化展示结果，从关键节点提取出第二模拟源数据，并输入至预设的工业设备寿命预测模型，输出预测结果；
根据所述预测结果，控制所述可视化展示模块发出可视化提示信号。
又一方面，提供了一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现以下步骤：
基于多种数据源，获取工业进程中各个工业流程所产生的工业数据信息；
对所述工业数据信息进行预处理，生成第一模拟源数据；
基于所述第一模拟源数据，通过虚拟建模，对所述工业数据信息对应的工业场景进行可视化展示；
基于可视化展示结果，从关键节点提取出第二模拟源数据，并输入至预设的工业设备寿命预测模型，输出预测结果；
根据所述预测结果，控制所述可视化展示模块发出可视化提示信号。
上述基于数字孪生的工业可视化控制平台及方法，所述平台包括：数据采集模块，用于基于多种数据源，获取工业进程中各个工业流程所产生的工业数据信息；预处理模块，用于对所述工业数据信息进行预处理，生成第一模拟源数据；可视化展示模块，用于基于所述第一模拟源数据，通过虚拟建模，对所述工业数据信息对应的工业场景进行可视化展示；预测模块，用于基于可视化展示结果，从关键节点提取出第二模拟源数据，并输入至预设的工业设备寿命预测模型，输出预测结果；控制模块，用于根据所述预测结果，控制所述可视化展示模块发出可视化提示信号，本申请可以实现完整的从底层数据汇集后拉通到应用、可视化、监控等一体化管理的数字孪生，无需进行定制化制作，提高效率，降低成本，能够有效提高工业数据管控能力。
附图说明
图1为一个实施例中基于数字孪生的工业可视化控制平台的结构框图；
图2为一个实施例中基于数字孪生的工业可视化控制方法的流程示意图。
具体实施方式
为使本申请的目的、技术方案和优点更加清楚，下面将结合本申请实施例中的附图，对本申请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申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，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，都属于本申请保护的范围。
应当理解，在本申请的描述中，除非上下文明确要求，否则整个说明书中的“包括”、“包含”等类似词语应当解释为包含的含义而不是排他或穷举的含义；也就是说，是“包括但不限于”的含义。
还应当理解，术语“第一”、“第二”等仅用于描述目的，而不能理解为指示或暗示相对重要性。此外，在本申请的描述中，除非另有说明，“多个”的含义是两个或两个以上。
需要注意的是，术语“S1”、“S2”等仅用于步骤的描述目的，并非特别指称次序或顺位的意思，亦非用以限定本申请，其仅仅是为了方便描述本申请的方法，而不能理解为指示步骤的先后顺序。另外，各个实施例之间的技术方案可以相互结合，但是必须是以本领域普通技术人员能够实现为基础，当技术方案的结合出现相互矛盾或无法实现时应当认为这种技术方案的结合不存在，也不在本申请要求的保护范围之内。
在一个实施例中，如图1所示，提供了一种基于数字孪生的工业可视化控制平台，包括：
数据采集模块，用于基于多种数据源，获取工业进程中各个工业流程所产生的工业数据信息。
需要说明的是，多种数据源可以包括硬件数据、API接口数据、数据库数据、网上公开数据以及日志数据等，其中硬件数据可以是工业设备出厂标识、寿命参数、扩展接口参数、运行参数等，数据库数据可以是预存于属于库的工业设备历史运行数据等，网上公开数据可以是特定行业的公开数据信息，如工业行业，包括图片、视频、文字等信息，API接口数据是工业行业使用的第三方系统API接口，比如WMS系统接口、WCS系统接口等，用于获取共享整个工业场景中的相关数据信息，日志数据可以是工业场景中应用程序、操作系统或网络设备等系统存储的多种日志数据，基于此，获取工业进程中各个工业流程所产生的工业数据信息，如工业设备运行状态信息、设备标识、寿命参数等，具体的，在一些实施方式中：
所述数据采集模块包括硬件采集单元、数据库采集单元、爬虫采集单元和日志采集单元；
所述硬件采集单元，用于基于PLC控制器，采集工业实体设备相关参数信息，其中，PLC控制器一般指可编程逻辑控制器，是种专门为在工业环境下应用而设计的数字运算操作电子系统，它采用一种可编程的存储器，在其内部存储执行逻辑运算、顺序控制、定时、计数和算术运算等操作的指令，通过数字式或模拟式的输入输出来控制各种类型的机械设备或生产过程；
所述数据库采集单元，用于连接数据库，并通过执行SQL语句获取相关工业数据，其通常应用于大规模数据的查询和处理任务中；
所述爬虫采集单元，用于采集互联网公开的相关工业数据；
所述日志采集单元，用于采集上传网络设备的工业日志数据。
预处理模块，用于对所述工业数据信息进行预处理，生成第一模拟源数据；
需要说明的是，第一模拟源数据适用于后续进行虚拟建模的相关数据。
在一些具体实施方式中，所述预处理模块包括数据库建立单元、规则生成单元和预处理单元，具体为：
数据库建立单元，用于建立数据库，所述数据库包括结构化数据库、半结构化数据库和非结构化数据库，其中，结构化的数据一般是指可以使用关系型数据库表示和存储，可以用二维表来逻辑表达实现的数据，如时间及其对应的状态属性，半结构化的数据是结构化数据的一种形式，它并不符合关系型数据库或其他数据表的形式关联起来的数据模型结构，但包含相关标记，用来分隔语义元素以及对记录和字段进行分层，数据的结构和内容混在一起，没有明显的区分，因此，它也被称为自描述的结构，简单的说半结构化数据就是介于完全结构化数据和完全无结构的数据之间的数据，如：HTML文档、JSON、XML数据，非结构化数据指的是没有固定结构的数据，如图片、日志文件等；
规则生成单元，用于基于所述数据库，生成对应的预处理规则；
预处理单元，用于基于所述预处理规则，对所述工业数据信息进行预处理，生成第一模拟源数据，具体的：
对所述工业数据信息进行数据清洗，并按照固定数据量筛选出清洗过后的工业数据信息，得到第一数据集，该固定数据量可以根据实际需求进行设置；
根据数据类型，对所述第一数据集里的数据进行一次分类，并分别存储于对应的数据库中，此处的数据库指的是结构化数据库、半结构化数据库和非结构化数据库；
分别对不同数据库中相同类别的数据进行二次分类，并将二次分类后的数据进行归一化处理，所述归一化处理的计算公式为：
其中，表示数据属性数量，/>表示第i个数据的归一化系数，/>表示第h个数据属性的自定义系数，/>表示第i个数据的第h个数据属性，/>表示第i个数据的权值，/>表示第i个数据的第h个数据属性的归一化值，/>，/>表示数据数量；
利用关联机制，确定归一化处理后的目标数据对应的不同数据库中的关联数据，具体的：
基于所述归一化值，利用关联函数，计算所述目标数据与不同数据库中相关数据的关联系数，所述关联函数包括：
其中，表示关联系数，/>表示关联函数，/>表示目标数据分类标记，/>表示相关数据分类标记，/>表示目标数据归一化值，/>表示相关数据归一化值，/>表示修正系数，/>表示修正函数，/>表示数据库类别数量，/>表示目标数据和相关数据所属数据库赋值之和；
响应于检测到所述关联系数大于第一预设值时，确定所述目标数据与所述相关数据为关联数据，其中，第一预设值可以根据实际需求进行设置。
基于多个所述目标数据及其对应的关联数据，生成映射关系集合，以得到所述第一模拟源数据。
可视化展示模块，用于基于所述第一模拟源数据，通过虚拟建模，对所述工业数据信息对应的工业场景进行可视化展示；
需要说明的是，该步骤具体为：
基于数字孪生技术以及所述多种数据源，对目标工业场景进行呈现，构建与其相匹配的虚拟模型，得到第一可视化展示结果；
利用拟合函数将所述目标数据和所述关联数据进行拟合，得到所述目标数据的拟合值，其中，定义所述拟合值的计算公式如下：
其中，表示拟合值，/>表示拟合函数，/>表示目标数据和相关数据所属数据库赋值之和，/>表示数据量状态变化系数，/>表示校正函数。
将所述拟合值置于所述目标数据在所述虚拟模型中对应的位置节点，示例性的，目标数据为虚拟模型中某个设备的数据，则该拟合值置于该设备在虚拟模型中对应的位置节点上，每个拟合值与该位置节点的放置区别在于，对应三维坐标轴（x,y,z）中的z值不同，该z值根据拟合值的大小进行对应选择；
按照所述位置节点在目标工业场景中的顺序，如从近到远排序，对多个所述拟合值进行连接，生成可视化网格；
将所述第一可视化展示结果与所述可视化网格进行结合，生成第二可视化展示结果，即最终的工业场景可视化展示结果。
预测模块，用于基于可视化展示结果，从关键节点提取出第二模拟源数据，并输入至预设的工业设备寿命预测模型，输出预测结果；
需要说明的是，该步骤具体包括：
响应于检测到所述拟合值大于第二预设值时，确定所述目标数据对应的目标位置节点为关键节点，其中，第二预设值可以根据实际需求设定；
计算目标关键节点与相邻节点的斜率之和，其中，斜率的计算方法为：连接两个节点的z值，生成对应的直线，以较小z值端为坐标原点，生成对应的二维坐标系，将该直线置于所述二维坐标系中，即可计算出该直线对应的斜率，若目标关键节点连接多个相邻节点，则计算多个直线斜率，并求和；
当所述斜率之和大于第三预设值时，确定所述目标关键节点对应的数据为所述第二模拟源数据，其中，第三预设值可以根据实际需求设定；
将所述第二模拟源数据输入至预设的工业设备寿命预测模型，并输出预测结果，所述工业设备寿命预测模型包括：
其中，表示/>时刻工业设备寿命预测值，/>表示工业设备出厂预估寿命值，/>表示迭代系数，/>、/>分别表示/>时刻和/>时刻的工业设备损耗系数，/>表示时间差，表示调节函数，/>表示/>时刻到/>时刻的拟合值之差，/>表示常数。
控制模块，用于根据所述预测结果，控制所述可视化展示模块发出可视化提示信号。
需要说明的是，该步骤具体为：
响应于检测到工业设备寿命预测值小于第四预设值时，对目标关键节点进行标识，以控制所述可视化展示模块发出可视化提示信号，其中，第四预设值可以根据实际需求设定，该可视化提示信号可以是红色闪烁灯光等。
上述基于数字孪生的工业可视化控制平台中，所述平台包括：数据采集模块，用于基于多种数据源，获取工业进程中各个工业流程所产生的工业数据信息；预处理模块，用于对所述工业数据信息进行预处理，生成第一模拟源数据；可视化展示模块，用于基于所述第一模拟源数据，通过虚拟建模，对所述工业数据信息对应的工业场景进行可视化展示；预测模块，用于基于可视化展示结果，从关键节点提取出第二模拟源数据，并输入至预设的工业设备寿命预测模型，输出预测结果；控制模块，用于根据所述预测结果，控制所述可视化展示模块发出可视化提示信号，本申请可以实现完整的从底层数据汇集后拉通到应用、可视化、监控等一体化管理的数字孪生，无需进行定制化制作，提高效率，降低成本，能够有效提高工业数据管控能力。
上述基于数字孪生的工业可视化控制平台中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中，也可以以软件形式存储于计算机设备中的存储器中，以便于处理器调用执行以上各个模块对应的操作。
在一个实施例中，如图2所示，提供了一种基于数字孪生的工业可视化控制方法，包括：
S1：基于多种数据源，获取工业进程中各个工业流程所产生的工业数据信息；
S2：对所述工业数据信息进行预处理，生成第一模拟源数据；
S3：基于所述第一模拟源数据，通过虚拟建模，对所述工业数据信息对应的工业场景进行可视化展示；
S4：基于可视化展示结果，从关键节点提取出第二模拟源数据，并输入至预设的工业设备寿命预测模型，输出预测结果；
S5：根据所述预测结果，控制所述可视化展示模块发出可视化提示信号。
应该理解的是，虽然图2的流程图中的各个步骤按照箭头的指示依次显示，但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明，这些步骤的执行并没有严格的顺序限制，这些步骤可以以其它的顺序执行。而且，图2中的至少一部分步骤可以包括多个子步骤或者多个阶段，这些子步骤或者阶段并不必然是在同一时刻执行完成，而是可以在不同的时刻执行，这些子步骤或者阶段的执行顺序也不必然是依次进行，而是可以与其它步骤或者其它步骤的子步骤或者阶段的至少一部分轮流或者交替地执行。
关于基于数字孪生的工业可视化控制方法的具体限定可以参见上文中对于基于数字孪生的工业可视化控制平台的限定，在此不再赘述。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一非易失性计算机可读取存储介质中，该计算机程序在执行时，可包括如上述各方法的实施例的流程。其中，本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用，均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器（ROM）、可编程ROM（PROM）、电可编程ROM（EPROM）、电可擦除可编程ROM（EEPROM）或闪存。易失性存储器可包括随机存取存储器（RAM）或者外部高速缓冲存储器。作为说明而非局限，RAM以多种形式可得，诸如静态RAM（SRAM）、动态RAM（DRAM）、同步DRAM（SDRAM）、双数据率SDRAM（DDRSDRAM）、增强型SDRAM（ESDRAM）、同步链路（Synchlink） DRAM（SLDRAM）、存储器总线（Rambus）直接RAM（RDRAM）、直接存储器总线动态RAM（DRDRAM）、以及存储器总线动态RAM（RDRAM）等。
以上实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本申请的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本申请构思的前提下，还可以做出若干变形和改进，这些都属于本申请的保护范围。因此，本申请专利的保护范围应以所附权利要求为准。
Claims (6)
1.一种基于数字孪生的工业可视化控制系统，其特征在于，包括：
数据采集模块，用于基于多种数据源，获取工业进程中各个工业流程所产生的工业数据信息；
预处理模块，用于对所述工业数据信息进行预处理，生成第一模拟源数据；
可视化展示模块，用于基于所述第一模拟源数据，通过虚拟建模，对所述工业数据信息对应的工业场景进行可视化展示；
预测模块，用于基于可视化展示结果，从关键节点提取出第二模拟源数据，并输入至预设的工业设备寿命预测模型，输出预测结果；
控制模块，用于根据所述预测结果，控制所述可视化展示模块发出可视化提示信号；
所述第一模拟源数据的生成方法包括：
对所述工业数据信息进行数据清洗，并按照固定数据量筛选出清洗过后的工业数据信息，得到第一数据集；
根据数据类型，对所述第一数据集里的数据进行一次分类，并分别存储于对应的数据库中；
分别对不同数据库中相同类别的数据进行二次分类，并将二次分类后的数据进行归一化处理，得到归一化值；
利用关联机制，确定归一化处理后的目标数据对应的不同数据库中的关联数据，包括：
基于所述归一化值，利用关联函数，计算所述目标数据与不同数据库中相关数据的关联系数，所述关联函数包括：
其中，表示关联系数，/>表示关联函数，/>表示目标数据分类标记，/>表示相关数据分类标记，/>表示目标数据归一化值，/>表示相关数据归一化值，/>表示修正系数，/>表示修正函数，/>表示数据库类别数量，/>表示目标数据和相关数据所属数据库赋值之和；
响应于检测到所述关联系数大于第一预设值时，确定所述目标数据与所述相关数据为关联数据；
基于多个所述目标数据及其对应的关联数据，生成映射关系集合，以得到所述第一模拟源数据；
所述基于所述第一模拟源数据，通过虚拟建模，对所述工业数据信息对应的工业场景进行可视化展示包括：
基于数字孪生技术以及所述多种数据源，对目标工业场景进行呈现，构建与其相匹配的虚拟模型，得到第一可视化展示结果；
利用拟合函数将所述目标数据和所述关联数据进行拟合，得到所述目标数据的拟合值；
其中，表示拟合值，/>表示拟合函数，/>表示目标数据和相关数据所属数据库赋值之和，/>表示数据量状态变化系数，/>表示校正函数；
将所述拟合值置于所述目标数据在所述虚拟模型中对应的位置节点；
按照所述位置节点在目标工业场景中的顺序，对多个所述拟合值进行连接，生成可视化网格；
将所述第一可视化展示结果与所述可视化网格进行结合，生成第二可视化展示结果，即最终的工业场景可视化展示结果；
所述基于可视化展示结果，从关键节点提取出第二模拟源数据，并输入至预设的工业设备寿命预测模型，输出预测结果包括：
响应于检测到所述拟合值大于第二预设值时，确定所述目标数据对应的目标位置节点为关键节点；
计算目标关键节点与相邻节点的斜率之和；
当所述斜率之和大于第三预设值时，确定所述目标关键节点对应的数据为所述第二模拟源数据；
将所述第二模拟源数据输入至预设的工业设备寿命预测模型，并输出预测结果，所述工业设备寿命预测模型包括：
其中，表示/>时刻工业设备寿命预测值，/>表示工业设备出厂预估寿命值，/>表示迭代系数，/>、/>分别表示/>时刻和/>时刻的工业设备损耗系数，/>表示时间差，/>表示调节函数，/>表示/>时刻到/>时刻的拟合值之差，/>表示常数。
2.根据权利要求1所述的基于数字孪生的工业可视化控制系统，其特征在于，所述数据采集模块包括硬件采集单元、接口API采集单元、数据库采集单元、爬虫采集单元和日志采集单元；
所述硬件采集单元，用于基于PLC控制器，采集工业实体设备相关参数信息；
所述接口API采集单元，用于基于第三方开放API接口采集获取设备或系统相关运行数据；
所述数据库采集单元，用于连接数据库，并通过执行SQL语句获取相关工业数据；
所述爬虫采集单元，用于采集互联网公开的相关工业数据；
所述日志采集单元，用于采集上传网络设备的工业日志数据。
3.根据权利要求2所述的基于数字孪生的工业可视化控制系统，其特征在于，所述预处理模块包括数据库建立单元、规则生成单元和预处理单元：
数据库建立单元，用于建立数据库，所述数据库包括结构化数据库、半结构化数据库和非结构化数据库；
规则生成单元，用于基于所述数据库，生成对应的预处理规则；
预处理单元，用于基于所述预处理规则，对所述工业数据信息进行预处理，生成第一模拟源数据。
4.根据权利要求3所述的基于数字孪生的工业可视化控制系统，其特征在于，所述归一化处理的计算公式为：
其中，表示数据属性数量，/>表示第i个数据的归一化系数，/>表示第h个数据属性的自定义系数，/>表示第i个数据的第h个数据属性，/>表示第i个数据的权值，/>表示第i个数据的第h个数据属性的归一化值，/>，/>表示数据数量。
5.根据权利要求4所述的基于数字孪生的工业可视化控制系统，其特征在于，所述根据所述预测结果，控制所述可视化展示模块发出可视化提示信号包括：
响应于检测到工业设备寿命预测值小于第四预设值时，对目标关键节点进行标识，以控制所述可视化展示模块发出可视化提示信号。
6.一种应用于如权利要求1-5任一所述的基于数字孪生的工业可视化控制系统的基于数字孪生的工业可视化控制方法，其特征在于，所述方法包括：
基于多种数据源，获取工业进程中各个工业流程所产生的工业数据信息；
对所述工业数据信息进行预处理，生成第一模拟源数据；
基于所述第一模拟源数据，通过虚拟建模，对所述工业数据信息对应的工业场景进行可视化展示；
基于可视化展示结果，从关键节点提取出第二模拟源数据，并输入至预设的工业设备寿命预测模型，输出预测结果；
根据所述预测结果，控制所述可视化展示模块发出可视化提示信号。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311076556.4A CN116821223B (zh) | 2023-08-25 | 2023-08-25 | 基于数字孪生的工业可视化控制平台及方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311076556.4A CN116821223B (zh) | 2023-08-25 | 2023-08-25 | 基于数字孪生的工业可视化控制平台及方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN116821223A CN116821223A (zh) | 2023-09-29 |
| CN116821223B true CN116821223B (zh) | 2023-11-24 |
Family
ID=88118722
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311076556.4A Active CN116821223B (zh) | 2023-08-25 | 2023-08-25 | 基于数字孪生的工业可视化控制平台及方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116821223B (zh) |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117095135B (zh) * | 2023-10-19 | 2024-01-02 | 云南三耳科技有限公司 | 可在线编辑的工业三维场景建模布置方法、装置 |
Citations (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107340492A (zh) * | 2017-05-31 | 2017-11-10 | 国网上海市电力公司 | 基于大数据挖掘和场景预判的电能计量装置故障分析方法 |
| CN109213752A (zh) * | 2018-08-06 | 2019-01-15 | 国网福建省电力有限公司信息通信分公司 | 一种基于cim的数据清洗转换方法 |
| CN111833426A (zh) * | 2020-07-23 | 2020-10-27 | 四川长虹电器股份有限公司 | 基于数字孪生的三维可视化方法 |
| CN111857065A (zh) * | 2020-06-08 | 2020-10-30 | 北京邮电大学 | 基于边缘计算和数字孪生的智能生产系统和方法 |
| CN114138265A (zh) * | 2021-12-03 | 2022-03-04 | 北京数字政通科技股份有限公司 | 一种基于数字孪生的可视化方法 |
| CN114282709A (zh) * | 2021-11-26 | 2022-04-05 | 中国海洋大学 | 基于数字孪生的结构件疲劳裂纹扩展预测方法 |
| CN115034638A (zh) * | 2022-06-21 | 2022-09-09 | 海尔数字科技（上海）有限公司 | 数字孪生处理方法及数字孪生系统 |
| CN115453984A (zh) * | 2022-08-09 | 2022-12-09 | 深圳市国电科技通信有限公司 | 基于数字孪生平台的smt产线监测系统及其控制方法 |
| CN115618212A (zh) * | 2022-10-11 | 2023-01-17 | 贵州电网有限责任公司电力科学研究院 | 电力数据处理方法、装置、计算机设备和存储介质 |
| CN115907700A (zh) * | 2022-09-26 | 2023-04-04 | 北京卫星制造厂有限公司 | 一种车间数字孪生模型实时映射与可视化监控方法 |
| CN116414081A (zh) * | 2021-12-29 | 2023-07-11 | 中国科学院沈阳自动化研究所 | 一种基于数字孪生的智慧车间实时监控方法 |
Family Cites Families (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20210151187A1 (en) * | 2018-08-22 | 2021-05-20 | Siemens Healthcare Gmbh | Data-Driven Estimation of Predictive Digital Twin Models from Medical Data |
| CA3177620A1 (en) * | 2021-05-06 | 2022-11-06 | Strong Force Iot Portfolio 2016, Llc | Quantum, biological, computer vision, and neural network systems for industrial internet of things |
-
2023
- 2023-08-25 CN CN202311076556.4A patent/CN116821223B/zh active Active
Patent Citations (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107340492A (zh) * | 2017-05-31 | 2017-11-10 | 国网上海市电力公司 | 基于大数据挖掘和场景预判的电能计量装置故障分析方法 |
| CN109213752A (zh) * | 2018-08-06 | 2019-01-15 | 国网福建省电力有限公司信息通信分公司 | 一种基于cim的数据清洗转换方法 |
| CN111857065A (zh) * | 2020-06-08 | 2020-10-30 | 北京邮电大学 | 基于边缘计算和数字孪生的智能生产系统和方法 |
| CN111833426A (zh) * | 2020-07-23 | 2020-10-27 | 四川长虹电器股份有限公司 | 基于数字孪生的三维可视化方法 |
| CN114282709A (zh) * | 2021-11-26 | 2022-04-05 | 中国海洋大学 | 基于数字孪生的结构件疲劳裂纹扩展预测方法 |
| CN114138265A (zh) * | 2021-12-03 | 2022-03-04 | 北京数字政通科技股份有限公司 | 一种基于数字孪生的可视化方法 |
| CN116414081A (zh) * | 2021-12-29 | 2023-07-11 | 中国科学院沈阳自动化研究所 | 一种基于数字孪生的智慧车间实时监控方法 |
| CN115034638A (zh) * | 2022-06-21 | 2022-09-09 | 海尔数字科技（上海）有限公司 | 数字孪生处理方法及数字孪生系统 |
| CN115453984A (zh) * | 2022-08-09 | 2022-12-09 | 深圳市国电科技通信有限公司 | 基于数字孪生平台的smt产线监测系统及其控制方法 |
| CN115907700A (zh) * | 2022-09-26 | 2023-04-04 | 北京卫星制造厂有限公司 | 一种车间数字孪生模型实时映射与可视化监控方法 |
| CN115618212A (zh) * | 2022-10-11 | 2023-01-17 | 贵州电网有限责任公司电力科学研究院 | 电力数据处理方法、装置、计算机设备和存储介质 |
Non-Patent Citations (2)
| Title |
|---|
| Overview of predictive maintenance based on digital twin technology;Dong Zhong 等;《Heliyon》;第9卷(第4期);1-23 * |
| 大数据驱动的车间数字孪生模型构建方法;闫纪红 等;《机械工程学报》;第59卷(第12期);62-77 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN116821223A (zh) | 2023-09-29 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US10191904B2 (en) | Visualizing relationships between data elements and graphical representations of data element attributes | |
| US7822795B2 (en) | Apparatus and methods for displaying and determining dependency relationships among subsystems in a computer software system | |
| CN110869920B (zh) | 多维工业知识图形 | |
| US11704340B2 (en) | Linking discrete dimensions to enhance dimensional analysis | |
| CN116821223B (zh) | 基于数字孪生的工业可视化控制平台及方法 | |
| Khan et al. | Data tweening: incremental visualization of data transforms | |
| WO2005050447A1 (ja) | バッチ処理装置 | |
| US10417924B2 (en) | Visual work instructions for assembling product | |
| CN116126809B (zh) | 一种基于国标的建筑信息模型数据存储转换方法 | |
| CN115713161A (zh) | 一种基于bim技术的建筑信息管理系统 | |
| Guo et al. | An event-driven dynamic updating method for 3D geo-databases | |
| CN113326314A (zh) | 数据可视化方法、装置、电子设备及可读存储介质 | |
| JP2022093293A (ja) | エクセルツールを用いたオンラインレポート作成システム | |
| CN113722564A (zh) | 基于空间图卷积能源物资供应链的可视化方法及装置 | |
| Shafiq et al. | Application of signature-based matching for IFC model comparison | |
| US20070179922A1 (en) | Apparatus and method for forecasting control chart data | |
| US20140244673A1 (en) | Systems and methods for visualizing master data services information | |
| US11281689B1 (en) | Distributed interaction feature generation system | |
| CN115983736B (zh) | 一种基于主从关系的主数据建模方法 | |
| US20090063598A1 (en) | Apparatus and method for calculating and visualizing targets | |
| CN117573199B (zh) | 一种模型差异对比分析方法、装置、设备及介质 | |
| WO2024045090A1 (zh) | 产品模型的仿真方法和装置 | |
| US20070226042A1 (en) | Apparatus and method for improved forecasting | |
| CN116466917A (zh) | 一种基于人工智能的软件建模方法、计算机设备和存储介质 | |
| WO2023274987A1 (en) | Data packages for fast data processing in life cycle assessment |
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 |