CN116861708A - 生产设备多维模型构建方法及装置 - Google Patents
生产设备多维模型构建方法及装置 Download PDFInfo
- Publication number
- CN116861708A CN116861708A CN202311127251.1A CN202311127251A CN116861708A CN 116861708 A CN116861708 A CN 116861708A CN 202311127251 A CN202311127251 A CN 202311127251A CN 116861708 A CN116861708 A CN 116861708A
- Authority
- CN
- China
- Prior art keywords
- equipment
- model
- fault
- information
- knowledge
- 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
- 238000004519 manufacturing process Methods 0.000 title claims abstract description 92
- 238000000034 method Methods 0.000 title claims abstract description 50
- 238000004891 communication Methods 0.000 claims abstract description 111
- 230000003993 interaction Effects 0.000 claims abstract description 89
- 238000010276 construction Methods 0.000 claims abstract description 40
- 238000003745 diagnosis Methods 0.000 claims abstract description 20
- 238000012423 maintenance Methods 0.000 claims abstract description 11
- 230000002452 interceptive effect Effects 0.000 claims abstract description 6
- 230000006870 function Effects 0.000 claims description 72
- 238000001514 detection method Methods 0.000 claims description 33
- 238000004458 analytical method Methods 0.000 claims description 24
- 230000000875 corresponding effect Effects 0.000 claims description 23
- 230000007246 mechanism Effects 0.000 claims description 23
- 230000000007 visual effect Effects 0.000 claims description 22
- 238000011161 development Methods 0.000 claims description 20
- 230000008447 perception Effects 0.000 claims description 20
- 238000000605 extraction Methods 0.000 claims description 18
- 238000012545 processing Methods 0.000 claims description 18
- 238000010586 diagram Methods 0.000 claims description 12
- 238000006243 chemical reaction Methods 0.000 claims description 11
- 238000013461 design Methods 0.000 claims description 11
- 238000013507 mapping Methods 0.000 claims description 10
- 230000008569 process Effects 0.000 claims description 10
- 230000008859 change Effects 0.000 claims description 9
- 230000009471 action Effects 0.000 claims description 7
- 238000012544 monitoring process Methods 0.000 claims description 7
- 238000012216 screening Methods 0.000 claims description 4
- 230000002596 correlated effect Effects 0.000 claims description 3
- 238000004806 packaging method and process Methods 0.000 claims description 3
- 230000000737 periodic effect Effects 0.000 claims description 3
- 238000007726 management method Methods 0.000 description 7
- 230000005540 biological transmission Effects 0.000 description 6
- 238000013506 data mapping Methods 0.000 description 5
- 230000000694 effects Effects 0.000 description 4
- 230000004927 fusion Effects 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 3
- 238000005065 mining Methods 0.000 description 3
- 238000003860 storage Methods 0.000 description 3
- 238000012800 visualization Methods 0.000 description 3
- 238000012790 confirmation Methods 0.000 description 2
- 230000010354 integration Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000008901 benefit Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 239000000470 constituent Substances 0.000 description 1
- 238000013075 data extraction Methods 0.000 description 1
- 238000007418 data mining Methods 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000011835 investigation Methods 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 230000000877 morphologic effect Effects 0.000 description 1
- 238000003058 natural language processing Methods 0.000 description 1
- 230000006855 networking Effects 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 230000002441 reversible effect Effects 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- 238000012795 verification Methods 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
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Geometry (AREA)
- Computer Hardware Design (AREA)
- Life Sciences & Earth Sciences (AREA)
- Artificial Intelligence (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Biology (AREA)
- Testing And Monitoring For Control Systems (AREA)
Abstract
本申请实施例提供一种生产设备多维模型构建方法及装置，涉及生产设备建模技术领域。所述方法包括：获取目标生产设备的多维度模型的模型构建需求信息；多维度模型包括知识维度、通信维度和几何维度；确定多维度模型的交互逻辑信息；确定多维度模型的功能模块配置结果；确定多维度模型的数据结构；基于交互逻辑信息、功能模块配置结果和数据结构进行构建得到目标生产设备的故障诊断多维模型。本申请实施例通过从生产设备的通信、知识、几何维度出发，考虑各维度的构建需求、交互逻辑、功能模块以及数据结构，以构建得到面向故障诊断的生产设备多维模型，能够支撑生产设备故障快速精准诊断，提升生产设备智能化运维服务水平。
Description
技术领域
本申请涉及生产设备建模技术领域，具体而言，涉及一种生产设备多维模型构建方法及装置。
背景技术
生产设备作为制造活动的基本载体，是制造企业最核心的资产，其运行稳定性直接影响企业生产、经营、供应等价值创造活动。随着物联网、云计算、大数据等新一代信息技术与制造业加速融合发展，生产设备功能和性能持续迭代优化演进升级，生产设备模型在生产设备泛在连接、动态感知、高效管控与智能优化活动中发挥着越来越重要的作用。生产设备模型作为人类主观意识借助数字技术客观阐述生产设备形态结构、组成元素、活动机理等表达目的的虚拟对象，当前已成为提升生产设备创新服务能力与数字化管理水平的核心关键。
目前，生产设备在故障诊断中存在模型种类繁多、交互逻辑不清晰、融合集成困难等问题，因此，亟需一种构建面向故障诊断的生产设备多维模型的方案，以支撑生产设备故障快速精准诊断，提升生产设备智能化运维服务水平。
发明内容
本申请实施例的目的在于提供一种生产设备多维模型构建方法及装置，用以构建面向故障诊断的生产设备多维模型，从而支撑生产设备故障快速精准诊断，提升生产设备智能化运维服务水平。
第一方面，本申请实施例提供了一种生产设备多维模型构建方法，包括：
获取目标生产设备的多维度模型的模型构建需求信息；其中，所述多维度模型包括知识维度模型、通信维度模型和几何维度模型；
基于所述模型构建需求信息确定所述多维度模型的交互逻辑信息；
基于所述模型构建需求信息和所述交互逻辑信息确定所述多维度模型的功能模块配置结果；
基于所述交互逻辑信息和功能模块配置结果确定所述多维度模型的数据结构；
基于所述交互逻辑信息、所述功能模块配置结果和所述数据结构进行构建得到所述目标生产设备的故障诊断多维模型；
所述基于所述模型构建需求信息和所述交互逻辑信息确定所述多维度模型的功能模块配置结果，具体包括：
基于所述知识维度模型对应的模型构建需求信息，以及所述知识维度模型分别与通信维度模型、几何维度模型的交互逻辑信息进行配置得到设备故障知识获取表示功能模块和设备故障知识搜索功能模块；
基于所述通信维度模型对应的模型构建需求信息，以及所述通信维度模型分别与知识维度模型、几何维度模型的交互逻辑信息进行配置得到设备故障感知功能模块和设备通信控制功能模块；
基于所述几何维度模型对应的模型构建需求信息，以及所述几何维度模型分别与知识维度模型、通信维度模型的交互逻辑信息进行配置得到设备故障可视化展示功能模块。
在本申请实施例中，通过从生产设备的通信、知识、几何维度出发，考虑各维度的构建需求、交互逻辑、功能模块以及数据结构，以构建得到面向故障诊断的生产设备多维模型，从而能够支撑生产设备故障快速精准诊断，提升生产设备智能化运维服务水平。
在一个可能的实施例中，所述模型构建需求信息包括模型设计需求信息、模型开发需求信息和模型应用需求信息；
其中，所述模型设计需求信息包括各维度模型的统一语义表达信息、内部运行机理信息和外部交互关系定义信息；
所述模型开发需求信息包括数据字典开发信息、功能开发信息和交互调用接口开发信息；
所述模型应用需求信息包括设备故障自动感知信息、设备故障人工录入信息、设备故障知识检索信息、设备故障原因分析信息、设备故障位置溯源信息、设备故障现场处置信息和设备定期维护保养信息。
在一个可能的实施例中，所述多维度模型的交互逻辑信息包括通信维度模型与知识维度模型的交互逻辑、知识维度模型与几何维度模型的交互逻辑、以及通信维度模型与几何维度模型的交互逻辑；
所述基于所述模型构建需求信息确定所述多维度模型的交互逻辑信息，包括：
通过设备通信维度的通讯接口、工业传感器和工业网关采集设备故障数据；基于预存的设备知识维度的知识图谱，并结合预存的设备故障手册、表单记录和经验数据对所述设备故障数据进行设备故障知识提取；基于所述设备故障知识生成设备故障处置决策信息，并根据所述设备故障处置决策信息生成设备通信维度的设备控制指令，以确定通信维度模型与知识维度模型的交互逻辑；
基于用户发起的故障知识搜索请求获取设备故障感知结果，根据预先定义的设备几何维度的故障展示参数对设备知识维度的设备故障知识以及所述设备故障感知结果进行故障感知数据的提取和映射，以确定知识维度模型与几何维度模型的交互逻辑；
通过设备通信维度的通讯接口、工业传感器和工业网关采集设备故障数据；基于预先定义的设备几何维度的故障展示参数对所述设备故障数据进行可视化展示，生成设备故障的空间位置信息、现象特征信息及时序变化信息，以确定通信维度模型与几何维度模型的交互逻辑。
在一个可能的实施例中，所述设备故障知识获取表示功能模块的内部运行机理包括：
按照设备类型对输入的设备故障数据进行分类，并分别采用预设的数据处理方式对不同类型的设备故障数据进行数据处理；
对经过数据处理的设备故障数据进行处理质量检测，并对处理质量检测结果满足预设要求的设备故障数据进行知识抽取；
对抽取得到的设备故障知识进行知识抽取质量检测，并对抽取质量检测结果满足预设要求的设备故障知识进行知识表示；
基于知识表示的结果进行设备故障知识表示能力检测，并对表示能力检测结果满足预设要求的设备故障知识进行存储。
在一个可能的实施例中，所述设备故障知识搜索功能模块的内部运行机理包括：
对用户发起的故障知识搜索请求进行语义解析，将语义解析后的故障知识搜索请求与预存的设备故障知识库或知识图谱进行匹配，并生成得到设备故障知识；
基于所述设备故障知识库或知识图谱对所述设备故障知识进行关联，并从关联得到搜索结果中筛选出故障知识置信度最高的设备故障知识搜索结果；
基于预设检测规则对所述设备故障知识搜索结果进行搜索质量检测，并对搜索质量检测结果满足预设要求的设备故障知识搜索结果进行反馈。
在一个可能的实施例中，所述设备故障感知功能模块的内部运行机理包括：
基于预设的设备故障数据采集需求，设置数据采集参数；其中，所述数据采集参数包括数据采集覆盖设备范围、采集内容范围和时间范围；
根据拟采集故障相关数据的设备清单进行设备通信协议解析，基于解析得到的设备通信协议创建设备通信通道，并获取设备故障相关数据点表；
基于所述数据采集参数和设备故障相关数据点表对目标生产设备进行订阅和监测，获取得到多型设备故障相关采集数据；
对所述多型设备故障相关采集数据进行故障特征提取，并将提取得到的故障特征信息进行反馈。
在一个可能的实施例中，所述设备通信控制功能模块的内部运行机理包括：
基于多型设备控制需求设定设备控制指令参数；其中，所述设备控制指令参数包括设备控制范围和设备控制内容；
根据拟下达控制指令的设备清单进行设备通信协议解析，基于解析得到的设备通信协议创建设备通信控制通道；
根据设备控制指令参数对设备控制指令消息进行封装，并基于匹配到的目标地址下发设备控制指令消息；
对于接收到的设备控制指令进行语法和逻辑正确性检查，若检查通过则提取设备控制指令的命令参数，并对所述命令参数进行任务执行动作语义转化，得到译码后的设备控制指令；
将译码后的设备控制指令输入至设备控制系统内存专用单元，执行所述设备控制指令并反馈执行结果。
在一个可能的实施例中，所述设备故障可视化展示功能模块的内部运行机理包括：
根据预设的故障展示需求信息生成拟进行故障展示的设备清单；其中，所述故障展示需求信息包括设备故障所在位置、设备故障现象和设备故障时序变化；
基于所述故障展示需求信息提取设备故障相关数据，并对所述设备故障相关数据进行转换映射，形成用于可视化展示的三维轻量化模型；其中，所述设备故障相关数据包括设备故障空间位置数据、设备故障现象特征数据和设备故障时序变化数据。
在一个可能的实施例中，所述基于所述交互逻辑信息和功能模块配置结果确定所述多维度模型的数据结构，包括：
基于所述交互逻辑信息和功能模块配置结果提取所述多维度模型的实体及其属性信息；
基于所述多维度模型的实体及其属性信息确定所述多维度模型的实体间关联关系；
基于所述多维度模型的实体及其属性信息和实体间关联关系建立实体关系图，并基于所述实体关系图确定所述多维度模型的数据结构。
第二方面，本申请实施例提供了一种生产设备多维模型构建装置，包括：
需求信息获取模块，用于获取目标生产设备的多维度模型的模型构建需求信息；其中，所述多维度模型包括知识维度模型、通信维度模型和几何维度模型；
交互逻辑信息确定模块，用于基于所述模型构建需求信息确定所述多维度模型的交互逻辑信息；
功能配置模块，用于基于所述模型构建需求信息和所述交互逻辑信息确定所述多维度模型的功能模块配置结果；
数据结构确定模块，用于基于所述交互逻辑信息和功能模块配置结果确定所述多维度模型的数据结构；
多维模型构建模块，用于基于所述交互逻辑信息、所述功能模块配置结果和所述数据结构进行构建得到所述目标生产设备的故障诊断多维模型；
所述功能配置模块，具体用于：
基于所述知识维度模型对应的模型构建需求信息，以及所述知识维度模型分别与通信维度模型、几何维度模型的交互逻辑信息进行配置得到设备故障知识获取表示功能模块和设备故障知识搜索功能模块；
基于所述通信维度模型对应的模型构建需求信息，以及所述通信维度模型分别与知识维度模型、几何维度模型的交互逻辑信息进行配置得到设备故障感知功能模块和设备通信控制功能模块；
基于所述几何维度模型对应的模型构建需求信息，以及所述几何维度模型分别与知识维度模型、通信维度模型的交互逻辑信息进行配置得到设备故障可视化展示功能模块。
附图说明
为了更清楚地说明本申请实施例的技术方案，下面将对本申请实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本申请的某些实施例，因此不应被看作是对范围的限定，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他相关的附图。
图1为本申请实施例提供的一种生产设备多维模型构建方法的流程示意图；
图2为本申请实施例提供的一种生产设备多维模型构建装置的结构示意图。
具体实施方式
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描述。
应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步定义和解释。同时，在本申请的描述中，术语“第一”、“第二”等仅用于区分描述，而不能理解为指示或暗示相对重要性。
如图1所示，本申请实施例提供了一种生产设备多维模型构建方法，可以包括步骤：
S1、获取目标生产设备的多维度模型的模型构建需求信息；其中，多维度模型包括知识维度模型、通信维度模型和几何维度模型；
具体地，模型构建需求信息包括模型设计需求信息、模型开发需求信息和模型应用需求信息；
其中，模型设计需求信息包括各维度模型的统一语义表达信息、内部运行机理信息和外部交互关系定义信息；模型设计需求信息可以由设计人员终端设置并发送；
模型开发需求信息包括数据字典开发信息、功能开发信息和交互调用接口开发信息；模型开发需求信息可以由开发人员终端设置并发送；
模型应用需求信息包括设备故障自动感知信息、设备故障人工录入信息、设备故障知识检索信息、设备故障原因分析信息、设备故障位置溯源信息、设备故障现场处置信息和设备定期维护保养信息；模型应用需求信息可以由应用管理人员终端设置并发送。
在获取到设计、开发和应用管理等终端发送的模型构建需求信息后，再将所有的模型构建需求信息分别发送至设计、开发和应用管理等终端进行需求确认，若收到确认指令则将这些模型构建需求信息作为多维模型构建的依据。
通过基于模型设计、开发、应用管理等相关方的需求支撑面向故障诊断的生产设备多维模型构建，实现设备多维模型的统一描述、调用、交互及融合。
S2、基于模型构建需求信息确定多维度模型的交互逻辑信息；
在一个可能的实施例中，多维度模型的交互逻辑信息包括通信维度模型与知识维度模型的交互逻辑、知识维度模型与几何维度模型的交互逻辑、以及通信维度模型与几何维度模型的交互逻辑；
步骤S2具体包括：
S201、通过设备通信维度的通讯接口、工业传感器和工业网关采集设备故障数据；基于预存的设备知识维度的知识图谱，并结合预存的设备故障手册、表单记录和经验数据对设备故障数据进行设备故障知识提取；基于设备故障知识生成设备故障处置决策信息，并根据设备故障处置决策信息生成设备通信维度的设备控制指令，以确定通信维度模型与知识维度模型的交互逻辑；
S202、基于用户发起的故障知识搜索请求获取设备故障感知结果，根据预先定义的设备几何维度的故障展示参数对设备知识维度的设备故障知识以及设备故障感知结果进行故障感知数据的提取和映射，以确定知识维度模型与几何维度模型的交互逻辑；
S203、通过设备通信维度的通讯接口、工业传感器和工业网关采集设备故障数据；基于预先定义的设备几何维度的故障展示参数对设备故障数据进行可视化展示，生成设备故障的空间位置信息、现象特征信息及时序变化信息，以确定通信维度模型与几何维度模型的交互逻辑。
作为举例，生产设备多维模型的知识维度、通信维度和几何维度之间交互逻辑具体如下：
1、在设备数据可采集的前提条件下，通过SCADA/DCS/MDC等设备运行管理系统，预先定义设备数据采集相关参数，针对设备进行协议解析、通信配置获取和通道创建，通过OPC UA标准规范针对设备故障数据进行采集监测，将采集得到的设备故障数据传输至预存的设备知识库或者知识图谱进行设备知识维度的知识获取表示，或者将采集得到的设备故障数据传输给设备可视化展示环境进行设备几何维度的故障展示；
2、设备故障感知结果成功获取之后，结合设备故障相关手册、表单记录、音频视频等结构化、半结构化和非结构化数据，基于预设的设备知识提取方法对设备故障数据进行分类处理，通过RDF规则从中提取得到设备故障知识实体、属性和关系，并通过XML进行设备故障知识序列化表示，形成设备故障知识，并将其传输给设备可视化展示环境进行设备几何维度的故障可视化展示；
3、当接收到设备故障可视化展示请求之后，获取设备故障知识并获取设备故障感知结果等信息，参照用户定义的设备故障展示形式、交互方式以及场景环境等相关参数配置，基于STEP产品数据交换标准规范进行设备故障感知数据的提取、映射和转换，进而基于三维轻量化模型进行设备故障可视化的场景构建、方案生成和交互方式设置，最终呈现设备故障空间位置、现象特征和时序变化；
4、当设备发生故障或者进行日常维修保养时，针对设备故障知识发起的搜索请求，通过RDF规则针对搜索请求进行语义解析与实体属性关系转化，并针对设备故障关联关系进行挖掘，获取设备故障知识搜索结果，并基于设备故障知识搜索结果进行设备通信维度的设备通信控制；
5、在接收到设备故障位置、故障原因、故障处置建议等设备故障知识信息后，进行综合匹配相应的决策并生成控制指令以处置设备故障，通过设备通信控制连接，基于OPCUA标准规范进行控制指令传输，最终实现设备控制指令译码、指令执行以及结果反馈。
S3、基于模型构建需求信息和交互逻辑信息确定多维度模型的功能模块配置结果；
在一个可能的实施例中，基于模型构建需求信息和交互逻辑信息确定多维度模型的功能模块配置结果，包括：
S301、基于知识维度模型对应的模型构建需求信息，以及知识维度模型分别与通信维度模型、几何维度模型的交互逻辑信息进行配置得到设备故障知识获取表示功能模块和设备故障知识搜索功能模块；
在一个可能的实施例中，设备故障知识获取表示功能模块的内部运行机理包括：
按照设备类型对输入的设备故障数据进行分类，并分别采用预设的数据处理方式对不同类型的设备故障数据进行数据处理；
对经过数据处理的设备故障数据进行处理质量检测，并对处理质量检测结果满足预设要求的设备故障数据进行知识抽取；
对抽取得到的设备故障知识进行知识抽取质量检测，并对抽取质量检测结果满足预设要求的设备故障知识进行知识表示；
基于知识表示的结果进行设备故障知识表示能力检测，并对表示能力检测结果满足预设要求的设备故障知识进行存储。
作为举例，设备故障知识获取表示功能模块的内部运行机理具体如下：
1、基于输入的多型生产设备故障相关数据、设备故障处置相关表单记录、设备故障相关音视频文件、设备故障处置手册等故障数据，按照设备类型进行设备故障数据分类，对于同一类型设备的故障数据进行整合，将数据类型划分为结构化数据、半结构化数据以及非结构化数据三类：针对结构化数据，采用基于RDF框架的数据映射方式进行数据处理；针对半结构化数据，采用基于包装器的归纳处理方法进行数据处理；针对非结构化数据，采用基于机器学习的自然语言处理方式进行数据处理。不同类型设备故障数据处理完成后进行质量检测，满足要求则进行多型设备故障知识获取，否则重新进行数据处理；
2、针对处理形成的多型生产设备故障数据，进行设备故障知识实体、关系、属性抽取，获取设备故障现象、设备故障维修方法、设备故障原因、设备故障位置、发生故障设备、不同设备故障关联关系等知识，最终对设备故障知识抽取质量进行检测，若满足要求则进行多型设备故障知识表示，否则重新进行设备故障知识抽取；
3、根据抽取形成的多型生产设备故障知识，基于RDF框架定义设备故障知识表示形式，并基于XML规范序列化表示设备故障知识，最终开展设备故障知识表示能力检测，满足要求则将设备故障知识规范化存储，形成生产设备故障知识库或者知识图谱，否则重新进行多型设备故障知识表示。
在一个可能的实施例中，设备故障知识搜索功能模块的内部运行机理包括：
对用户发起的故障知识搜索请求进行语义解析，将语义解析后的故障知识搜索请求与预存的设备故障知识库或知识图谱进行匹配，并生成得到设备故障知识；
基于设备故障知识库或知识图谱对设备故障知识进行关联，并从关联得到搜索结果中筛选出故障知识置信度最高的设备故障知识搜索结果；
基于预设检测规则对设备故障知识搜索结果进行搜索质量检测，并对搜索质量检测结果满足预设要求的设备故障知识搜索结果进行反馈。
作为举例，设备故障知识搜索功能模块的内部运行机理具体如下：
1、生产设备管理人员可以根据发生故障的设备、故障现象、故障部位或故障参数等相关信息，发起设备故障知识搜索请求；然后对故障知识搜索请求其进行语义解析，转化为RDF三元组形式，并判断设备故障搜索请求的语义是否完整；若语义完整则根据RDF三元组中的实体、属性关系进行设备故障知识搜索，若不完整则进行搜索请求的语义补全；
2、针对语义解析之后的设备故障知识搜索请求，利用基于规则的知识模糊匹配技术，将搜索请求与生产设备故障知识库或知识图谱中的多型设备故障知识进行匹配，并基于RDF模板对多型设备故障知识关系与属性进行提取，进行多型设备故障知识实体、属性、关系的匹配组合，以生成与搜索请求匹配的设备故障知识，如果设备故障搜索请求未能成功匹配到设备故障知识，则重新进行匹配操作，通过匹配规则的自适应调整提升搜索请求的知识匹配成功率；
3、根据匹配成功的设备故障知识，利用RDF规则基于设备故障知识库或知识图谱进行多型设备故障关联关系的挖掘。判断设备故障知识搜索结果是否唯一，唯一则生成设备故障知识搜索结果。如果不唯一，则进行设备故障知识置信度计算及结果过滤，筛选出最具有参考价值的设备故障知识搜索结果；
4、针对形成的设备故障知识搜索结果进行质量检测，如果检测结果不满足要求，则转入第3点重新进行设备故障知识挖掘直至满足检测要求。满足要求后，以知识图谱网络化的方式进行搜索结果反馈，具体反馈结果包括但不限于设备故障维修方法、故障原因、故障位置、发生故障设备和不同设备故障之间的关联关系等知识，为设备管理相关人员提供决策参考。
S302、基于通信维度模型对应的模型构建需求信息，以及通信维度模型分别与知识维度模型、几何维度模型的交互逻辑信息进行配置得到设备故障感知功能模块和设备通信控制功能模块；
在一个可能的实施例中，设备故障感知功能模块的内部运行机理包括：
基于预设的设备故障数据采集需求，设置数据采集参数；其中，数据采集参数包括数据采集覆盖设备范围、采集内容范围和时间范围；
根据拟采集故障相关数据的设备清单进行设备通信协议解析，基于解析得到的设备通信协议创建设备通信通道，并获取设备故障相关数据点表；
基于数据采集参数和设备故障相关数据点表对目标生产设备进行订阅和监测，获取得到多型设备故障相关采集数据；
对多型设备故障相关采集数据进行故障特征提取，并将提取得到的故障特征信息进行反馈。
作为举例，设备故障感知功能模块的内部运行机理具体如下：
1、基于设备故障感知相关数据采集需求，设置数据采集覆盖设备范围、采集内容范围和时间范围等数据采集参数，根据拟采集故障相关数据的设备清单，对设备清单中的设备通信协议进行解析。然后基于OPC UA发现服务集，从设备OPC UA服务端获取通信配置信息；再根据OPC UA安全通道服务集，创建设备通信安全通道；接着利用OPC UA会话服务集，创建设备通信会话。最后逐一判断设备清单中的设备是否成功通信，成功则获取对应设备故障相关的数据点表，否则重新进行具体设备的通信协议解析等相关操作；
2、基于设备清单中的设备故障相关数据点表，通过OPC UA查询服务集查询设备OPC UA服务端地址空间中的故障相关数据信息，并根据设备故障相关数据是否已订阅和是否已监测情况，使用OPC UA订阅服务集和监视项服务集进行相应设备数据的订阅和监测操作。接下来设置设备故障数据采集频率及时间范围，并使用OPC UA属性服务集读取设备故障相关数据。最后判断设备清单中的设备数据是否成功读取，若未成功读取，则重新进行多型设备数据采集获取相关操作；若成功读取，则输出多型设备故障相关采集数据，为后续的设备故障模式识别奠定数据基础；
3、基于获取的多型设备故障相关采集数据，通过对数据进行特征提取，判断设备的采集数据是否存在故障特征。如果存在故障特征，则判断生成故障发生的设备、故障出现的位置和导致故障的原因，得到故障设备、故障位置和故障原因等相关信息，并将其反馈给设备相关管理人员；如果采集数据不存在故障特征，则反馈设备运行状态信息。
在一个可能的实施例中，设备通信控制功能模块的内部运行机理包括：
基于多型设备控制需求设定设备控制指令参数；其中，设备控制指令参数包括设备控制范围和设备控制内容；
根据拟下达控制指令的设备清单进行设备通信协议解析，基于解析得到的设备通信协议创建设备通信控制通道；
根据设备控制指令参数对设备控制指令消息进行封装，并基于匹配到的目标地址下发设备控制指令消息；
对于接收到的设备控制指令进行语法和逻辑正确性检查，若检查通过则提取设备控制指令的命令参数，并对命令参数进行任务执行动作语义转化，得到译码后的设备控制指令；
将译码后的设备控制指令输入至设备控制系统内存专用单元，执行设备控制指令并反馈执行结果。
作为举例，设备通信控制功能模块的内部运行机理具体如下：
1、基于多型设备控制需求，设定控制的设备范围和控制内容等指令参数，并根据拟下达控制指令的设备清单，对设备清单中的设备通信协议进行解析。基于OPC UA发现服务集，从设备OPC UA服务端获取通信配置信息；基于OPC UA安全通道服务集，创建设备通信控制安全通道；再基于OPC UA会话服务集，基于设备通信控制安全通道创建通信会话。最后逐一判断设备清单中的设备是否成功通信，未成功通信则重新进行具体设备的通信协议解析等相关操作；
2、设备清单中的设备成功通信后，基于OPC UA标准规范对设备控制指令消息进行封装，并逐一获取设备清单中设备的在线状态。若设备不在线，则等待设备重新上线后发送控制指令。若设备在线，则基于OPC UA查询服务集进行设备控制指令目标地址匹配，找到目标设备，然后进行设备控制指令传输。接着，判断设备控制指令是否成功下发；若成功下发，则基于OPC UA属性服务集对设备控制指令进行解析和读取；否则重新进行设备在线状态获取等操作。最后，判断控制指令消息是否完整，若完整，则输出设备控制指令，为后续的多型设备控制指令译码提供数据基础。否则重复进行多型设备控制指令传输相关操作；
3、针对接收的设备控制指令进行语法和逻辑正确性检查，检查通过则提取设备控制指令中的命令参数，并进行任务执行动作语义转化，否则重新获取传输得到的设备控制指令。最后判断设备控制指令是否成功译码，成功则输出译码之后的设备控制指令，为后续的多型设备控制指令执行提供数据基础，否则重新进行设备控制指令语法逻辑检查等相关操作；
4、针对译码后的设备控制指令内容，将指令输入到设备控制系统内存专用单元，然后执行设备控制指令，输出设备运行状态控制指令、生产任务控制指令、辅助功能控制指令等相关数据，并判断设备控制指令是否成功执行，若成功执行则反馈执行结果，否则重新执行设备控制指令。
S303、基于几何维度模型对应的模型构建需求信息，以及几何维度模型分别与知识维度模型、通信维度模型的交互逻辑信息进行配置得到设备故障可视化展示功能模块。
在一个可能的实施例中，设备故障可视化展示功能模块的内部运行机理包括：
根据预设的故障展示需求信息生成拟进行故障展示的设备清单；其中，故障展示需求信息包括设备故障所在位置、设备故障现象和设备故障时序变化；
基于故障展示需求信息提取设备故障相关数据，并对设备故障相关数据进行转换映射，形成用于可视化展示的三维轻量化模型；其中，设备故障相关数据包括设备故障空间位置数据、设备故障现象特征数据和设备故障时序变化数据。
作为举例，设备故障可视化展示功能模块的内部运行机理具体如下：
1、根据设备故障所在位置、设备故障现象、设备故障时序变化等故障展示需求，生成拟进行故障展示的设备清单。根据设备故障展示的实时性能要求，将设备故障相关数据分为实时数据和历史数据两类，主要针对历史数据采用大数据挖掘方式进行时域与频域特征的挖掘，对实时数据采用流处理方式进行故障特征提取。设备故障数据获取完成后进行质量检测，满足要求则进行多型设备故障数据映射操作，否则重新进行数据提取；
2、根据提取得到的设备故障空间位置数据、设备故障现象特征数据、设备故障时序变化数据等设备故障相关数据，采用STEP产品数据交换标准规范进行设备故障数据表达的规范性校验。若满足要求，针对设备故障空间位置数据基于STEP进行转换映射，对设备故障部位空间坐标进行设置，并针对设备故障部位空间区域进行标识；针对设备故障现象特征数据基于STEP进行转换映射，对设备故障现象特征属性进行设置，并针对设备故障现象特征要素进行标识；针对设备故障时序变化数据基于STEP进行转换映射，并对设备故障持续时间范围内数据进行遍历，基于时间片段对设备故障空间位置及现象特征进行设置。设备故障数据映射完成后进行评估，若设备故障数据完整映射则进行设备故障的可视化展示操作，否则重新进行数据映射；
3、基于STEP的设备故障数据映射之后形成了三维轻量化模型，通过设备故障可视化展示场景的构建、展示方案设计、人机交互方式设置，针对设备故障进行可视化展示，从而进行设备故障空间位置、故障现象、故障时序变化的可视化展示。
S4、基于交互逻辑信息和功能模块配置结果确定多维度模型的数据结构；
在一个可能的实施例中，基于交互逻辑信息和功能模块配置结果确定多维度模型的数据结构，包括：
基于交互逻辑信息和功能模块配置结果提取多维度模型的实体及其属性信息；
基于多维度模型的实体及其属性信息确定多维度模型的实体间关联关系；
基于多维度模型的实体及其属性信息和实体间关联关系建立实体关系图，并基于实体关系图确定多维度模型的数据结构。
在本申请实施例中，知识维度模型的数据结构具体如下：
生产设备知识维度模型数据结构主要描述了设备本体信息库、设备故障知识库和设备故障知识搜索引擎等实体。其中设备本体信息库主要用于存储设备的本体信息，包含设备配置信息、设备过程信息和设备静态信息等实体，设备本体信息库能够提供标准化的设备信息，方便不同系统之间进行数据交换和共享，从而实现设备知识的共享和协同；
设备故障知识库在设备本体信息库基础上，针对设备的故障进行分类整理，提供相应的解决方案，以支持设备故障的快速排查和解决；
设备故障知识搜索引擎是建立在设备本体信息库和设备故障知识库之上的工具，用于快速查找设备故障相关的知识和解决方案。
在本申请实施例中，通信维度模型的数据结构具体如下：
生产设备通信维度模型数据结构主要描述了设备通信协议、OPC UA服务集、设备感知信息和设备控制指令等实体。其中设备通信协议包括数据格式、传输方式、传输速率、数据编码规范、数据解码规范、错误处理方式等；OPC UA服务集包括服务定义、地址空间、访问权限等属性，包含发现服务集、安全通道服务集、会话服务集、属性服务集、查询服务集、订阅服务集、监视服务集等；设备感知信息包括设备采集工具、设备数据字典、设备实时感知数据和设备历史采集数据等；设备控制指令包括设备运行状态控制指令、设备生产任务控制指令、设备辅助功能控制指令、控制指令执行反馈等。
在本申请实施例中，几何维度模型的数据结构具体如下：
生产设备几何维度模型数据结构主要描述了设备几何属性、STEP数据交换规范和故障展示等实体。其中设备几何属性包含设备几何空间位置坐标数据、设备几何尺寸数据及设备几何空间关系数据等；STEP数据交换规范包含模型约束、投影、变换类型、组成要素类型、组成元素、坐标系统、动画类型、输出格式等；故障展示包括设备故障展示方案、设备故障可视化展示场景、设备故障现象等。
S5、基于交互逻辑信息、功能模块配置结果和数据结构进行构建得到目标生产设备的故障诊断多维模型。
与现有技术相比，本申请实施例针对生产设备在故障诊断过程中存在的模型种类繁多、交互逻辑不清晰、融合集成困难等问题，从生产设备通信、知识、几何等维度出发，考虑生产设备各维度模型的应用需求、交互逻辑、功能模块以及数据结构，构建得到面向故障诊断的生产设备多维模型，实现生产设备多维模型的统一描述、构建与调用，进而支撑生产设备故障快速精准诊断，提升生产设备智能化运维服务水平。
请参考图2，图2示出了本申请的一些实施例提供的生产设备多维模型构建装置的组成框图。应理解，该生产设备多维模型构建装置与上述图1方法实施例对应，能够执行上述方法实施例涉及的各个步骤，该生产设备多维模型构建装置的具体功能可以参见上文中的描述，为避免重复，此处适当省略详细描述。
图2的生产设备多维模型构建装置包括至少一个能以软件或固件的形式存储于存储器中或固化在生产设备多维模型构建装置中的软件功能模块，该生产设备多维模型构建装置包括：
需求信息获取模块210，用于获取目标生产设备的多维度模型的模型构建需求信息；其中，多维度模型包括知识维度模型、通信维度模型和几何维度模型；
交互逻辑信息确定模块220，用于基于模型构建需求信息确定多维度模型的交互逻辑信息；
功能配置模块230，用于基于模型构建需求信息和交互逻辑信息确定多维度模型的功能模块配置结果；
数据结构确定模块240，用于基于交互逻辑信息和功能模块配置结果确定多维度模型的数据结构；
多维模型构建模块250，用于基于交互逻辑信息、功能模块配置结果和数据结构进行构建得到目标生产设备的故障诊断多维模型；
所述功能配置模块230，具体用于：
基于所述知识维度模型对应的模型构建需求信息，以及所述知识维度模型分别与通信维度模型、几何维度模型的交互逻辑信息进行配置得到设备故障知识获取表示功能模块和设备故障知识搜索功能模块；
基于所述通信维度模型对应的模型构建需求信息，以及所述通信维度模型分别与知识维度模型、几何维度模型的交互逻辑信息进行配置得到设备故障感知功能模块和设备通信控制功能模块；
基于所述几何维度模型对应的模型构建需求信息，以及所述几何维度模型分别与知识维度模型、通信维度模型的交互逻辑信息进行配置得到设备故障可视化展示功能模块。
可以理解的是上述装置项实施例，是与本发明方法项实施例相对应的，本发明实施例提供的一种生产设备多维模型构建装置，可以实现本发明任意一项方法项实施例提供的生产设备多维模型构建方法。
所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的装置的具体工作过程，可以参考前述方法中的对应过程，在此不再过多赘述。
需要说明的是，本说明书中的各个实施例均采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似的部分互相参见即可。对于装置类实施例而言，由于其与方法实施例基本相似，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。
本申请所提供的几个实施例中，应该理解到，所揭露的装置和方法，也可以通过其它的方式实现。以上所描述的装置实施例仅仅是示意性的，例如，附图中的流程图和框图显示了根据本申请的多个实施例的装置、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段或代码的一部分，所述模块、程序段或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现方式中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个连续的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或动作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。
另外，在本申请各个实施例中的各功能模块可以集成在一起形成一个独立的部分，也可以是各个模块单独存在，也可以两个或两个以上模块集成形成一个独立的部分。
所述功能如果以软件功能模块的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备（可以是个人计算机，服务器，或者网络设备等）执行本申请各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器（ROM，Read-Only Memory）、随机存取存储器（RAM，Random Access Memory）、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述仅为本申请的实施例而已，并不用于限制本申请的保护范围，对于本领域的技术人员来说，本申请可以有各种更改和变化。凡在本申请的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本申请的保护范围之内。应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步定义和解释。
以上所述，仅为本申请的具体实施方式，但本申请的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本申请揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本申请的保护范围之内。因此，本申请的保护范围应以所述权利要求的保护范围为准。
需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
Claims (10)
1.一种生产设备多维模型构建方法，其特征在于，包括：
获取目标生产设备的多维度模型的模型构建需求信息；其中，所述多维度模型包括知识维度模型、通信维度模型和几何维度模型；
基于所述模型构建需求信息确定所述多维度模型的交互逻辑信息；
基于所述模型构建需求信息和所述交互逻辑信息确定所述多维度模型的功能模块配置结果；
基于所述交互逻辑信息和功能模块配置结果确定所述多维度模型的数据结构；
基于所述交互逻辑信息、所述功能模块配置结果和所述数据结构进行构建得到所述目标生产设备的故障诊断多维模型；
所述基于所述模型构建需求信息和所述交互逻辑信息确定所述多维度模型的功能模块配置结果，具体包括：
基于所述知识维度模型对应的模型构建需求信息，以及所述知识维度模型分别与通信维度模型、几何维度模型的交互逻辑信息进行配置得到设备故障知识获取表示功能模块和设备故障知识搜索功能模块；
基于所述通信维度模型对应的模型构建需求信息，以及所述通信维度模型分别与知识维度模型、几何维度模型的交互逻辑信息进行配置得到设备故障感知功能模块和设备通信控制功能模块；
基于所述几何维度模型对应的模型构建需求信息，以及所述几何维度模型分别与知识维度模型、通信维度模型的交互逻辑信息进行配置得到设备故障可视化展示功能模块。
2.根据权利要求1所述的生产设备多维模型构建方法，其特征在于，所述模型构建需求信息包括模型设计需求信息、模型开发需求信息和模型应用需求信息；
其中，所述模型设计需求信息包括各维度模型的统一语义表达信息、内部运行机理信息和外部交互关系定义信息；
所述模型开发需求信息包括数据字典开发信息、功能开发信息和交互调用接口开发信息；
所述模型应用需求信息包括设备故障自动感知信息、设备故障人工录入信息、设备故障知识检索信息、设备故障原因分析信息、设备故障位置溯源信息、设备故障现场处置信息和设备定期维护保养信息。
3.根据权利要求1所述的生产设备多维模型构建方法，其特征在于，所述多维度模型的交互逻辑信息包括通信维度模型与知识维度模型的交互逻辑、知识维度模型与几何维度模型的交互逻辑、以及通信维度模型与几何维度模型的交互逻辑；
所述基于所述模型构建需求信息确定所述多维度模型的交互逻辑信息，包括：
通过设备通信维度的通讯接口、工业传感器和工业网关采集设备故障数据；基于预存的设备知识维度的知识图谱，并结合预存的设备故障手册、表单记录和经验数据对所述设备故障数据进行设备故障知识提取；基于所述设备故障知识生成设备故障处置决策信息，并根据所述设备故障处置决策信息生成设备通信维度的设备控制指令，以确定通信维度模型与知识维度模型的交互逻辑；
基于用户发起的故障知识搜索请求获取设备故障感知结果，根据预先定义的设备几何维度的故障展示参数对设备知识维度的设备故障知识以及所述设备故障感知结果进行故障感知数据的提取和映射，以确定知识维度模型与几何维度模型的交互逻辑；
通过设备通信维度的通讯接口、工业传感器和工业网关采集设备故障数据；基于预先定义的设备几何维度的故障展示参数对所述设备故障数据进行可视化展示，生成设备故障的空间位置信息、现象特征信息及时序变化信息，以确定通信维度模型与几何维度模型的交互逻辑。
4.根据权利要求1所述的生产设备多维模型构建方法，其特征在于，所述设备故障知识获取表示功能模块的内部运行机理包括：
按照设备类型对输入的设备故障数据进行分类，并分别采用预设的数据处理方式对不同类型的设备故障数据进行数据处理；
对经过数据处理的设备故障数据进行处理质量检测，并对处理质量检测结果满足预设要求的设备故障数据进行知识抽取；
对抽取得到的设备故障知识进行知识抽取质量检测，并对抽取质量检测结果满足预设要求的设备故障知识进行知识表示；
基于知识表示的结果进行设备故障知识表示能力检测，并对表示能力检测结果满足预设要求的设备故障知识进行存储。
5.根据权利要求1所述的生产设备多维模型构建方法，其特征在于，所述设备故障知识搜索功能模块的内部运行机理包括：
对用户发起的故障知识搜索请求进行语义解析，将语义解析后的故障知识搜索请求与预存的设备故障知识库或知识图谱进行匹配，并生成得到设备故障知识；
基于所述设备故障知识库或知识图谱对所述设备故障知识进行关联，并从关联得到搜索结果中筛选出故障知识置信度最高的设备故障知识搜索结果；
基于预设检测规则对所述设备故障知识搜索结果进行搜索质量检测，并对搜索质量检测结果满足预设要求的设备故障知识搜索结果进行反馈。
6.根据权利要求1所述的生产设备多维模型构建方法，其特征在于，所述设备故障感知功能模块的内部运行机理包括：
基于预设的设备故障数据采集需求，设置数据采集参数；其中，所述数据采集参数包括数据采集覆盖设备范围、采集内容范围和时间范围；
根据拟采集故障相关数据的设备清单进行设备通信协议解析，基于解析得到的设备通信协议创建设备通信通道，并获取设备故障相关数据点表；
基于所述数据采集参数和设备故障相关数据点表对目标生产设备进行订阅和监测，获取得到多型设备故障相关采集数据；
对所述多型设备故障相关采集数据进行故障特征提取，并将提取得到的故障特征信息进行反馈。
7.根据权利要求1所述的生产设备多维模型构建方法，其特征在于，所述设备通信控制功能模块的内部运行机理包括：
基于多型设备控制需求设定设备控制指令参数；其中，所述设备控制指令参数包括设备控制范围和设备控制内容；
根据拟下达控制指令的设备清单进行设备通信协议解析，基于解析得到的设备通信协议创建设备通信控制通道；
根据设备控制指令参数对设备控制指令消息进行封装，并基于匹配到的目标地址下发设备控制指令消息；
对于接收到的设备控制指令进行语法和逻辑正确性检查，若检查通过则提取设备控制指令的命令参数，并对所述命令参数进行任务执行动作语义转化，得到译码后的设备控制指令；
将译码后的设备控制指令输入至设备控制系统内存专用单元，执行所述设备控制指令并反馈执行结果。
8.根据权利要求1所述的生产设备多维模型构建方法，其特征在于，所述设备故障可视化展示功能模块的内部运行机理包括：
根据预设的故障展示需求信息生成拟进行故障展示的设备清单；其中，所述故障展示需求信息包括设备故障所在位置、设备故障现象和设备故障时序变化；
基于所述故障展示需求信息提取设备故障相关数据，并对所述设备故障相关数据进行转换映射，形成用于可视化展示的三维轻量化模型；其中，所述设备故障相关数据包括设备故障空间位置数据、设备故障现象特征数据和设备故障时序变化数据。
9.根据权利要求1所述的生产设备多维模型构建方法，其特征在于，所述基于所述交互逻辑信息和功能模块配置结果确定所述多维度模型的数据结构，包括：
基于所述交互逻辑信息和功能模块配置结果提取所述多维度模型的实体及其属性信息；
基于所述多维度模型的实体及其属性信息确定所述多维度模型的实体间关联关系；
基于所述多维度模型的实体及其属性信息和实体间关联关系建立实体关系图，并基于所述实体关系图确定所述多维度模型的数据结构。
10.一种生产设备多维模型构建装置，其特征在于，包括：
需求信息获取模块，用于获取目标生产设备的多维度模型的模型构建需求信息；其中，所述多维度模型包括知识维度模型、通信维度模型和几何维度模型；
交互逻辑信息确定模块，用于基于所述模型构建需求信息确定所述多维度模型的交互逻辑信息；
功能配置模块，用于基于所述模型构建需求信息和所述交互逻辑信息确定所述多维度模型的功能模块配置结果；
数据结构确定模块，用于基于所述交互逻辑信息和功能模块配置结果确定所述多维度模型的数据结构；
多维模型构建模块，用于基于所述交互逻辑信息、所述功能模块配置结果和所述数据结构进行构建得到所述目标生产设备的故障诊断多维模型；
所述功能配置模块，具体用于：
基于所述知识维度模型对应的模型构建需求信息，以及所述知识维度模型分别与通信维度模型、几何维度模型的交互逻辑信息进行配置得到设备故障知识获取表示功能模块和设备故障知识搜索功能模块；
基于所述通信维度模型对应的模型构建需求信息，以及所述通信维度模型分别与知识维度模型、几何维度模型的交互逻辑信息进行配置得到设备故障感知功能模块和设备通信控制功能模块；
基于所述几何维度模型对应的模型构建需求信息，以及所述几何维度模型分别与知识维度模型、通信维度模型的交互逻辑信息进行配置得到设备故障可视化展示功能模块。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311127251.1A CN116861708B (zh) | 2023-09-04 | 2023-09-04 | 生产设备多维模型构建方法及装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311127251.1A CN116861708B (zh) | 2023-09-04 | 2023-09-04 | 生产设备多维模型构建方法及装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN116861708A true CN116861708A (zh) | 2023-10-10 |
| CN116861708B CN116861708B (zh) | 2023-11-03 |
Family
ID=88234487
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311127251.1A Active CN116861708B (zh) | 2023-09-04 | 2023-09-04 | 生产设备多维模型构建方法及装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116861708B (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117272684A (zh) * | 2023-11-15 | 2023-12-22 | 国家工业信息安全发展研究中心 | 生产设备运行管控信息模型构建方法及装置 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112418451A (zh) * | 2020-11-05 | 2021-02-26 | 武汉大学 | 基于数字孪生的变压器故障诊断定位系统 |
| CN113065276A (zh) * | 2021-03-09 | 2021-07-02 | 北京工业大学 | 一种基于数字孪生的智能建造方法 |
| CN114389359A (zh) * | 2021-12-23 | 2022-04-22 | 广西电网有限责任公司 | 一种基于云边协同的集控式继电保护设备智能运维方法 |
| EP4033317A1 (en) * | 2021-01-26 | 2022-07-27 | Sedapta S.r.l. | Method and system for managing a cyber-physical production system with predictive capabilities of anomalous operating conditions |
| CN116485576A (zh) * | 2023-04-20 | 2023-07-25 | 成都飞机工业（集团）有限责任公司 | 一种航空制造业知源大脑数据智能制造管理平台 |
-
2023
- 2023-09-04 CN CN202311127251.1A patent/CN116861708B/zh active Active
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112418451A (zh) * | 2020-11-05 | 2021-02-26 | 武汉大学 | 基于数字孪生的变压器故障诊断定位系统 |
| EP4033317A1 (en) * | 2021-01-26 | 2022-07-27 | Sedapta S.r.l. | Method and system for managing a cyber-physical production system with predictive capabilities of anomalous operating conditions |
| CN113065276A (zh) * | 2021-03-09 | 2021-07-02 | 北京工业大学 | 一种基于数字孪生的智能建造方法 |
| CN114389359A (zh) * | 2021-12-23 | 2022-04-22 | 广西电网有限责任公司 | 一种基于云边协同的集控式继电保护设备智能运维方法 |
| CN116485576A (zh) * | 2023-04-20 | 2023-07-25 | 成都飞机工业（集团）有限责任公司 | 一种航空制造业知源大脑数据智能制造管理平台 |
Non-Patent Citations (5)
| Title |
|---|
| JUN LI等: "Study on the Reference Architecture and Multi-Dimensional Fusion Framework of Production Equipment Models", ICCMS’23: PROCEEDINGS OF THE 2023 15TH INTERNATIONAL CONFERENCE ON COMPUTER MODELING AND SIMULATION, pages 172 - 183 * |
| 乔骥;王新迎;闵睿;白淑华;姚冬;蒲天骄;: "面向电网调度故障处理的知识图谱框架与关键技术初探", 中国电机工程学报, no. 18, pages 5837 - 5849 * |
| 方光华: "城轨信号智能运维系统研究", 机车电传动, pages 92 - 99 * |
| 李君等: "生产设备模型架构与多维模型融合通用方法研究", 新型工业化, pages 32 - 44 * |
| 高喜奎;白焰;王洋;蒋敏敏;吴赛;: "基于目标驱动的仪表故障诊断系统的设计", 自动化与仪表, no. 01, pages 9 - 13 * |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117272684A (zh) * | 2023-11-15 | 2023-12-22 | 国家工业信息安全发展研究中心 | 生产设备运行管控信息模型构建方法及装置 |
| CN117272684B (zh) * | 2023-11-15 | 2024-03-12 | 国家工业信息安全发展研究中心 | 生产设备运行管控信息模型构建方法及装置 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN116861708B (zh) | 2023-11-03 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| WO2019164815A1 (en) | Interactive digital twin | |
| US11258814B2 (en) | Methods and systems for using embedding from Natural Language Processing (NLP) for enhanced network analytics | |
| WO2016090929A1 (zh) | 软件系统故障诊断方法、服务器及系统 | |
| US20080275829A1 (en) | System and method for obfuscation of data across an enterprise | |
| CN116861708B (zh) | 生产设备多维模型构建方法及装置 | |
| WO2018080781A1 (en) | Systems and methods for monitoring and analyzing computer and network activity | |
| US11601453B2 (en) | Methods and systems for establishing semantic equivalence in access sequences using sentence embeddings | |
| CN111581920A (zh) | 文档转换方法、装置、设备及计算机存储介质 | |
| CN112579563B (zh) | 一种基于电网大数据的数仓可视化建模系统及方法 | |
| CN106708965A (zh) | 一种数据的处理方法和装置 | |
| CN112287114A (zh) | 一种知识图谱服务处理方法和装置 | |
| KR20220097299A (ko) | 인공 지능 기반 실시간 음성인식 원격 협업 방법 및 그 시스템 | |
| CN112052134A (zh) | 一种业务数据的监控方法及装置 | |
| CN116088846A (zh) | 一种持续集成代码格式的处理方法、相关装置及设备 | |
| CA2663735C (en) | System and method for obfuscation of data across an enterprise | |
| US20230305527A1 (en) | Method and apparatus for determining product manufacturing program, device and storage medium | |
| CN116541020A (zh) | 基于领域模型的代码生成方法、装置、设备、介质及产品 | |
| KR20240020166A (ko) | Esg 보조 툴을 이용하여 정형화된 esg 데이터로 기계학습 모델을 학습하는 방법 및 기계학습 모델로 자동완성된 esg 문서를 생성하는 서비스 서버 | |
| CN114185928A (zh) | 通用接口对接系统、方法、设备及存储介质 | |
| EP4105813A1 (en) | Method for analyzing data consisting of a large number of individual messages, computer program product and computer system | |
| CN108416023B (zh) | 一种模拟用户操作回写系统数据的方法 | |
| KR102046571B1 (ko) | 데이터 처리 룰 생성 방법 | |
| CN117540372B (zh) | 智能学习的数据库入侵检测与响应系统 | |
| US20240015169A1 (en) | Systems and methods for operator assisted response to real-time alerts in cyber-physical systems | |
| CN115795322B (zh) | 铁路配置数据比对方法、装置、电子设备及存储介质 |
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 |