CN116956384A - 一种历史可回溯的数字孪生模型构建方法 - Google Patents
一种历史可回溯的数字孪生模型构建方法 Download PDFInfo
- Publication number
- CN116956384A CN116956384A CN202310925070.7A CN202310925070A CN116956384A CN 116956384 A CN116956384 A CN 116956384A CN 202310925070 A CN202310925070 A CN 202310925070A CN 116956384 A CN116956384 A CN 116956384A
- Authority
- CN
- China
- Prior art keywords
- data
- model
- variable
- digital twin
- action
- 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.)
- Pending
Links
- 238000010276 construction Methods 0.000 title claims abstract description 17
- 230000009471 action Effects 0.000 claims abstract description 61
- 238000003860 storage Methods 0.000 claims abstract description 48
- 238000000034 method Methods 0.000 claims abstract description 41
- 230000002159 abnormal effect Effects 0.000 claims abstract description 22
- 238000004458 analytical method Methods 0.000 claims abstract description 8
- 238000006243 chemical reaction Methods 0.000 claims abstract description 3
- 238000009877 rendering Methods 0.000 claims description 11
- 238000013144 data compression Methods 0.000 claims description 10
- 238000007906 compression Methods 0.000 claims description 9
- 230000006835 compression Effects 0.000 claims description 9
- 238000004519 manufacturing process Methods 0.000 claims description 7
- 238000013500 data storage Methods 0.000 claims description 6
- 238000004806 packaging method and process Methods 0.000 claims description 4
- 239000002245 particle Substances 0.000 claims description 4
- 238000013519 translation Methods 0.000 claims description 4
- 230000008859 change Effects 0.000 claims description 3
- 230000000694 effects Effects 0.000 claims description 3
- 230000004927 fusion Effects 0.000 claims description 2
- 230000004044 response Effects 0.000 claims description 2
- 238000013499 data model Methods 0.000 abstract description 5
- 230000000007 visual effect Effects 0.000 abstract description 3
- 239000008187 granular material Substances 0.000 abstract 1
- 239000000428 dust Substances 0.000 description 15
- 230000003993 interaction Effects 0.000 description 5
- 238000010586 diagram Methods 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 4
- 230000008569 process Effects 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000004422 calculation algorithm Methods 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 238000013507 mapping Methods 0.000 description 2
- 238000012544 monitoring process Methods 0.000 description 2
- 238000005507 spraying Methods 0.000 description 2
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 1
- 239000000470 constituent Substances 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000011835 investigation Methods 0.000 description 1
- 210000001503 joint Anatomy 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000007935 neutral effect Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 239000002699 waste material Substances 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/10—Geometric CAD
- G06F30/12—Geometric CAD characterised by design entry means specially adapted for CAD, e.g. graphical user interfaces [GUI] specially adapted for CAD
-
- 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
- G06F2111/00—Details relating to CAD techniques
- G06F2111/04—Constraint-based CAD
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Geometry (AREA)
- General Physics & Mathematics (AREA)
- Computer Hardware Design (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- Computational Mathematics (AREA)
- Human Computer Interaction (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Pure & Applied Mathematics (AREA)
- Architecture (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本发明公开了一种历史可回溯的数字孪生模型构建方法。本发明基于AutomationML行为模型的建模方法，实现数字孪生模型从状态数据模型向动作状态模型的转化；通过建立双端存储规则，实现以COLLADA标准的状态数据和JSON标准的动作数据以固定时间颗粒精度打包成历史数据包存储在历史数据库中；通过对历史数据包的解析方法，还原过去时刻的状态数据和动作数据并载入GUI界面和三维虚拟模型中回溯重演。本发明填补了数字孪生历史数据存储的短板，能够有效还原已发生的数字孪生体的状态和动作以便于用户对异常情况的进行有效的可视化分析。
Description
技术领域
本发明涉及数字孪生数据交互领域，具体涉及一种历史可回溯的数字孪生模型构建方法，属于工业领域。
背景技术
随着智能制造的推进和物联网技术的普及，数字孪生技术(DigitalTwin，DT)作为一种利用传感器更新、物理模型、运行历史等数据，集成多学科、多角度、多物理量、多概率的仿真过程，不断的被用于工业领域，被认为是万物互联的关键技术。数据交互是工业领域的重要环节，数据交互的技术包括存储、压缩、传输等，其主要体现为协议、网关，是数字孪生体数据模型的主要内容之一。
在传统的数字孪生构建方法中，主要通过构建虚拟三维模型和数据模型对接工业现场的数据接口，能够实现数字孪生对实体物理对象的数据监控、故障预测和方案优化等功能。其中虚拟三维模型提供了用户可视化需求，数据模型为数字孪生实时收集和处理数据提供了基础。
然而在目前的数字孪生技术构建的数据孪生体中，基本都是能实时反映物理模型的数字孪生模型，无法通过数字孪生模型去反映过去时序的孪生体状态。同时目前的数字孪生模型能实现对异常状态数据的报警和存储，但是缺少对异常状态发生前后数字孪生模型的历史回溯重演，不利于用户直观地查看异常状况发生的时刻设备的运行状态以及问题的排查。此外，由于数字孪生模型构建复杂，历史数据存储量大且结构复杂，需要一种通用的对于数字孪生模型产生的历史数据的压缩方法。
发明内容
本发明提出了一种历史可回溯的数字孪生模型构建方法，来解决当前数字孪生实现方案中的下述问题：无法反映数字孪生体历史状态和动作；无法实现数字孪生模型的海量历史数据的存储；无法实现数字孪生体对异常情况的回溯重演。
为了解决工业场景的数字孪生构建中出现的上述问题，本发明采用以下解决方法：采用AutomationML构建数字孪生行为模型。根据行为模型的输入自动生成数据库存储模型作为状态包模型存储，根据行为模型的输出自动生成数据库存储模型作为动作包模型存储，通过二者结合能够完整记录行为模型的状态和动作。提出一种双端存储规则实现以COLLADA标准的状态数据和JSON标准的动作数据打包处理经过数据压缩存储在历史数据库。提出一种对历史数据包的解析方法，对历史数据进行还原，拆解出状态数据作为数字孪生看板的实时监控数据，动作表注入数字孪生三维虚拟模型中渲染动作。
为了达到上述目的，本发明采用了如下技术方案：
本发明提供了一种基于AutomationML行为模型的建模方法。
采用AutomationML构建数字孪生行为模型，AutomationML在对已有数据交换格式的评估的基础上，是数字化制造中的标准化数据交换格式。它是一种中立的、独立于供应商的、可扩展的、开放且可自由访问的数据交换格式，可以实现一致且无损的高质量数据交换。由于作为数字孪生行为模型，在AutomationML中涉及更多的是几何和运动学信息模型，几何学信息可以描述完整的工厂场景，运动学信息则描述了三维实体的物理连接和对象之间的依赖关系。因此在这个过程中我们使用COLLADA标准格式存储数据。行为模型是数字孪生模型的核心，其输入是各个设备接口的上传的设备数据经过OPCUA协议转化后的COLLADA格式的状态数据组，包括设备名称、设备变量、设备ID、设备状态等字段；行为模型内是对整个数字孪生模型的抽象模型组成，AutomationML是按照面向对象的方式存储和管理生产系统的拓扑、几何、逻辑和工艺等信息的，它可以将生产系统中的物理组件和逻辑组件建模成数据对象，这些数据对象以层次结构的结构组织，最终形成一个内含各类约束的数字孪生行为模型；其输出是数字孪生体三维虚拟模型的各个组件节点的JSON格式的动作数据变量，包括坐标轴位置、旋转属性、尺寸属性等。给予前端Three.js三维熟悉进行渲染。其示意图如图1所示。所述的数字孪生模型包括数字孪生行为模型和数字孪生体三维虚拟模型。该方法包括以下内容：
OPCUA协议实时接收实时场景数据，整合复杂的多源异构数据以COLLADA格式输出，包括采集变量的类型、变量名、采集范围、单位等；在AutomationML行为模型中，RoleClass定义了数字孪生体内部的组成构件的类型，包括组件范围、组件名、组件类型等；InternalElement是由RoleClass继承出的具体实例，其确定了孪生体内部的组件构成，且支持层级包含关系，即下层可包含更多的子实例InternalElement，这里称之为ChildElement，包括实例名、实例范围、父节点、子节点等；AttributeType定义了属性的类型，包括属性类型名、属性类型描述、公共属性约束等；Attribute继承于AttributeType定义了实例的属性，属性依附于实例，是描述实例特殊属性的元素，包括属性名、属性约束、属性描述等；InterfaceClass定义了接口的类型，包括接口类型名、接口数据类型、接口描述等；ExternalInterface作为InterfaceClass的继承项，内部规定了实例间的约束，包括输入输出类型、内部约束、接口协议等。行为模型的输出为JSON格式的动作数据，包括节点ID、节点名称、变量类型、变量内容、单位等。
本发明提供一种针对状态数据和动作数据的既定格式自动生成数据存储模型的数据库构建方法。该数据库构建方法包括以下内容：将行为模型的输入(INPUT)作为状态数据以COLLADA格式文件进行解析，解析出包括设备名称、设备变量、设备ID、设备状态等字段的状态数据变量信息；遍历状态数据变量信息的变量属性生成数据库存储模型，该存储模型包括各个变量信息的数据信息表以及所有状态数据变量汇总的状态数据表(状态包)，数据信息表与状态数据表之间自动建立索引和外键，以GUID作为唯一主键。将行为模型的输出(OUTPUT)作为动作数据以JSON格式文件进行解析，解析出包括坐标轴位置、旋转属性、尺寸属性等字段的动作数据变量信息；遍历动作数据变量信息的变量属性生成对应的数据库存储模型，该存储模型包括关节锚点变量表，动作数据缓存表和动作数据变量表(动作包)等。关节锚点变量表包括了数字孪生体三维虚拟模型中各受控的关节锚点信息，包括坐标轴信息、旋转角度、平移尺度等。动作数据缓存表为上一次时间的所有动作数据，与动作数据变量表结合渲染数字孪生体三维虚拟模型的动作效果。
作为优选的技术方案，数据库构建方法中应自动建立的表包括数据信息表、状态数据表、关节锚点变量表、动作数据缓存表和动作数据表。其中数据信息表至少应该包括以下字段：设备ID、变量类型、变量内容、数据时间戳；状态数据表至少应该包括以下字段：设备ID、设备名称、设备位置、变量类型、变量内容、数据时间戳、变量上限、变量下限、是否异常；关节锚点变量表至少应包括以下字段：坐标轴信息、旋转角度、平移尺度；动作数据缓存表和动作数据表字段相同，至少应该包括以下字段：节点ID、节点名称、变量类型、变量内容、单位、数据时间戳。
本发明提供一种状态数据和行为数据双端存储规则。该双端存储规则要求工业场景中，系统需要从数字孪生行为模型的输入获取COLLADA标准的状态数据组，并同时从行为模型的输出获取JSON格式的动作数据。如图2所示，该方法包括以下内容：
双端存储规则的规则模式，包括历史数据采集的时间频率(SetTimeOut)、数据压缩方法(DataCompression)、数据库构建方法(DataBaseStructure)等。时间频率规定了历史数据包的采集频率，其代表了历史数据存储的颗粒精度，一般以CRON表达式表示，需根据实际生产需要进行设定参数，若对长时间不变的孪生体进行高精度的历史数据存储，容易造成计算资源和存储资源的浪费。数据压缩方法规定了存储规则对于双端存储的融合压缩方法，由于需要解析历史压缩包，因此数据压缩方法选取无损压缩方式，包括行程长度编码法、哈夫曼编码法、LZ777算法、LZ78算法等。数据库构建方法一般由COLLADA格式文件和JSON文件采集变量信息，具体包括采集变量的类型、变量名、更新频率、所属设备信息、单位等；解析出需要存储的数据库信息，一般采用非关系型数据库作为数据存储方案；根据解析出的变量信息在数据库中自动建立相应的表；根据解析出的变量信息在数据库中建立响应的表，同时采用GUID作为唯一主键，自动建立索引，自动建立外键。
作为优选的技术方案，双端存储规则需对孪生体的异常情况做出反馈，以实现对异常数据的记录。此外，对于出现异常点的时间戳的前后范围的数据需要按照时间最小颗粒度进行历史数据存储，以作为后续故障回溯重演的数据基础。对异常数据记录的规则配置包括异常点中断方法、异常时间前后范围、最小时间颗粒度、异常数据库配置方法等。
本发明提供一种对历史数据包的解析方法。该方法包括以下内容：通过数据压缩方式的对应译码方法对历史数据包进行解析，解析出包括设备类型、设备变量、设备ID、设备状态等一系列设备状态数据的COLLADA格式文件，解析出包括节点ID、节点名称、变量类型、变量内容等一系列JSON格式文件的动作数据以用于控制数字孪生体三维虚拟模型的运动变化。搭建GUI界面用于展示当前孪生体的设备状态数据。基于前端三维渲染器对数字孪生体三维虚拟模型进行运动变化渲染。
本发明提供一种历史可回溯的数字孪生模型构建方法，整体流程图如图3所示，包括以下步骤：
S1、将行为模型约束载入AutomationML，建立工业场景数字孪生行为模型。
S2、根据行为模型的输入(INPUT)变量自动生成数据库存储模型对状态数据进行存储(状态包)；根据行为模型的输出(OUTPUT)自动生成数据库存储模型对动作数据进行存储(动作包)。
S3、采用双端存储规则对状态数据和动作数据进行打包压缩成历史数据包写入历史数据库进行存储。
S4、采用对历史数据包的解析方法，解析出状态包作为当前数字孪生模型的输入数据，动作包注入数据孪生体三维虚拟模型渲染动作。
本发明有益效果实现如下：
本发明的基于AutomationML行为模型的建模方法实现了数字孪生模型从数据模型到几何模型的转化。本发明的状态数据和行为数据双端存储规则实现了工业场景下数字孪生产生的历史数据的存储方式。本发明的对历史数据包的解析方法实现了数字孪生体异常状态发生前后数字孪生模型的历史回溯重演。
附图说明
图1为本发明实施例行为模型的模型架构；
图2为本发明实施例双端存储规则的存储流程示意图；
图3为本发明实施例数字孪生模型构建方法的整体流程图。
图4为本发明实施例的历史可回溯数字孪生场景示意图。
具体实施方式
下面结合具体实施案例对本发明做进一步说明，该实例是针对某工厂的除尘设备的场景进行数字孪生的建模。具体实施步骤如下：
S1、将行为模型约束载入AutomationML建立数字孪生行为模型。
首先需要对输入的状态数据变量进行确定，因为设备数据需要经过OPCUA协议统一转换成COLLADA格式的数据格式，因此需要采用支持OPCUA协议的设备。针对整个除尘设备的状态数据采集变量包括但不限于：灭火装置水压(bar)、集灰罩压强(Pa)、风机总压(Pa)、隔爆阀压阻(Pa)、除尘器压阻(Pa)、粉尘气体流速(m/s)、功率(kw)、风机转速(rpm)。
然后开始对数字孪生行为模型进行建模，对于具有共性的组件先泛化设置成RoleClass，例如设备中出现的各类阀门，实现各个通路开闭状态，可统一设置成阀门的类；设备中出现的各类传感器，测量具体环境变量的数据，可统一设置成传感器的类。然后对除尘设备内部组件进行实例化建模，这一步主要是将除尘设备内部组件根据AutomaitonML标准格式化，明确各组件间上下级间的逻辑关系，例如“除尘系统-滤袋-风速传感器”就是一个从上到下的实例化组件。接口代表了组件间的行为约束，例如压缩空气气包的装置的启停状态会影响管道内风速状态和温度，可以在接口中载入相关公式进行行为约束。最后在各个实例化组件上可以加上属性类型，例如温度和风速就是除尘系统中各个组件的基本属性，可以由已有点阵传感器数据模拟计算得出。
最后需要对输出的动作数据变量进行确定，需要由数字孪生体三维虚拟模型所需的节点导出JSON标准的动作数据。针对除尘设备的动作数据变量包括但不限于：喷淋器的喷淋速度(m/s)，喷淋器的喷淋角度，隔爆阀开闭，粉尘流动颗粒状态。至此就完成了整个AutomationML行为模型的搭建。
S2、根据行为模型的输入(INPUT)变量自动生成数据库存储模型对状态数据进行存储(状态包)；根据行为模型的输出(OUTPUT)自动生成数据库存储模型对动作数据进行存储(动作包)。
根据COLLADA格式文件中的变量信息，将其映射为对应数据库表的创建语句，并连接数据库执行语句。得到状态数据表、设备表、传感器表、传感器数据表等，状态数据表包括除尘系统的各设备功率信息、开闭状态、传感器变量信息；设备表包括除尘系统的灭火装置、集灰罩、风机、隔爆阀、除尘管道等设备的设备信息和状态信息；传感器表包括了粉尘探测器、各温度传感器、火花探测报警器等传感器的状态信息和变量信息；传感器数据变量表汇总了各传感器的状态信息。根据数字孪生体三维虚拟模型导出的JSON标准文件中的变量信息，将其映射为对应数据库的创建语句，并连接数据库执行语句。得到关节锚点变量表、动作数据缓存表、动作数据变量表等，关节锚点变量表包括了数字孪生体三维虚拟模型中各受控的关节锚点信息，包括坐标轴信息、旋转角度、平移尺度等。动作数据缓存表为上一次时间的所有动作数据，与动作数据变量表结合渲染数字孪生体三维虚拟模型的动作效果。
S3、采用双端存储规则对状态数据和动作数据进行打包压缩成历史数据包写入历史数据库进行存储。根据双端存储规则中设定的规则模式对同一采集时刻的状态包和动作包按照既定的数据压缩方法进行压缩打包成历史数据包，并根据新生成的历史数据包的结构重新自动构建数据库表结构，以适配数据包的存储需要。
S4、采用对历史数据包的解析方法，解析出状态包作为当前数字孪生模型的输入数据，动作包注入数据孪生体三维虚拟模型渲染动作，还原过去时刻的状态数据和动作数据并载入GUI界面和三维虚拟模型中回溯重演。
根据存储规则中设定的压缩方法的译码方法对历史数据包进行解析，解析出灭火装置水压、集灰罩压阻、风机总压、隔爆线压阻等状态数据，存入状态数据库并连接前端GUI用户交互界面进行显示；解析出关节锚点变量信息和动作数据，如管道颗粒指数由300增加到500、灭火装置由关到开、管道内风速由5m/s增大到10m/s等，注入Three.js三维引擎进行显示和渲染，还原历史数字孪生场景如图4所示。
作为优选的技术方案，在对历史数据包的解析的同时实现Web页面的展示，Web实现可以通过Three.js进行数字孪生体三维虚拟模型的显示和渲染，选择Vue+Element搭建GUI用户交互界面。
以上所述实施例仅表达了本发明的一种实施方式，其描述较为具体和详细，但并不能因此而理解为对本发明专利范围的限制。应该理解，本领域技术人员可以设计出很多其他的修改和实施方式，这些修改和实施方式将落在本申请公开的原则范围和精神之内。
Claims (7)
1.一种历史可回溯的数字孪生模型构建方法，其特征在于，包括以下步骤：
S1、将行为模型约束载入AutomationML，建立工业场景数字孪生行为模型；
S2、根据行为模型的输入变量自动生成数据库存储模型对状态数据进行存储；根据行为模型的输出自动生成数据库存储模型对动作数据进行存储；
S3、采用双端存储规则对状态数据和动作数据进行打包压缩成历史数据包写入历史数据库进行存储；
S4、采用对历史数据包的解析方法，解析出状态包作为当前数字孪生模型的输入数据，动作包注入数据孪生体三维虚拟模型渲染动作。
2.根据权利要求1所述的一种历史可回溯的数字孪生模型构建方法，其特征在于，建模方法具体如下：
采用AutomationML构建数字孪生行为模型，使用COLLADA标准格式存储数据；行为模型是数字孪生模型的核心，其输入是各个设备接口的上传的设备数据经过OPCUA协议转化后的COLLADA格式的状态数据组；行为模型内是对整个数字孪生模型的抽象模型组成，AutomationML将生产系统中的物理组件和逻辑组件建模成数据对象，这些数据对象以层次结构的结构组织，最终形成一个内含各类约束的数字孪生行为模型；其输出是数字孪生体三维虚拟模型的各个组件节点的JSON格式的动作数据变量；所述的数字孪生模型包括数字孪生行为模型和数字孪生体三维虚拟模型。
3.根据权利要求1所述的一种历史可回溯的数字孪生模型构建方法，其特征在于，数据库构建方法包括以下内容：
将行为模型的输入作为状态数据以COLLADA格式文件进行解析，解析出状态数据变量信息；遍历状态数据变量信息的变量属性生成数据库存储模型，该存储模型包括各个变量信息的数据信息表以及所有状态数据变量汇总的状态数据表，数据信息表与状态数据表之间自动建立索引和外键，以GUID作为唯一主键；
将行为模型的输出作为动作数据以JSON格式文件进行解析，解析出动作数据变量信息；遍历动作数据变量信息的变量属性生成对应的数据库存储模型，该存储模型包括关节锚点变量表，动作数据缓存表和动作数据变量表；关节锚点变量表包括了数字孪生体三维虚拟模型中各受控的关节锚点信息；动作数据缓存表为上一次时间的所有动作数据，与动作数据变量表结合渲染数字孪生体三维虚拟模型的动作效果。
4.根据权利要求3所述的一种历史可回溯的数字孪生模型构建方法，其特征在于，数据库构建方法中应自动建立的表包括数据信息表、状态数据表、关节锚点变量表、动作数据缓存表和动作数据表；其中数据信息表至少应该包括以下字段：设备ID、变量类型、变量内容、数据时间戳；状态数据表至少应该包括以下字段：设备ID、设备名称、设备位置、变量类型、变量内容、数据时间戳、变量上限、变量下限、是否异常；关节锚点变量表至少应包括以下字段：坐标轴信息、旋转角度、平移尺度；动作数据缓存表和动作数据表字段相同，至少应该包括以下字段：节点ID、节点名称、变量类型、变量内容、单位、数据时间戳。
5.根据权利要求1所述的一种历史可回溯的数字孪生模型构建方法，其特征在于，双端存储规则包括以下内容：
双端存储规则的规则模式，包括历史数据采集的时间频率、数据压缩方法、数据库构建方法；
时间频率规定了历史数据包的采集频率，其代表了历史数据存储的颗粒精度，以CRON表达式表示，需根据实际生产需要进行设定参数；数据压缩方法规定了存储规则对于双端存储的融合压缩方法，由于需要解析历史压缩包，因此数据压缩方法选取无损压缩方式；数据库构建方法由COLLADA格式文件和JSON文件采集变量信息，具体包括采集变量的类型、变量名、更新频率、所属设备信息、单位；解析出需要存储的数据库信息，采用非关系型数据库作为数据存储方案；根据解析出的变量信息在数据库中自动建立相应的表；根据解析出的变量信息在数据库中建立响应的表，同时采用GUID作为唯一主键，自动建立索引，自动建立外键。
6.根据权利要求5所述的一种历史可回溯的数字孪生模型构建方法，其特征在于，双端存储规则需对孪生体的异常情况做出反馈，以实现对异常数据的记录；此外，对于出现异常点的时间戳的前后范围的数据需要按照时间最小颗粒度进行历史数据存储，以作为后续故障回溯重演的数据基础；对异常数据记录的规则配置包括异常点中断方法、异常时间前后范围、最小时间颗粒度、异常数据库配置方法。
7.根据权利要求1所述的一种历史可回溯的数字孪生模型构建方法，其特征在于，历史数据包的解析方法包括以下内容：
通过数据压缩方式的对应译码方法对历史数据包进行解析，解析出包括设备类型、设备变量、设备ID、设备状态的设备状态数据的COLLADA格式文件，解析出包括节点ID、节点名称、变量类型、变量内容的JSON格式文件的动作数据以用于控制数字孪生体三维虚拟模型的运动变化；搭建GUI界面用于展示当前孪生体的设备状态数据；基于前端三维渲染器对数字孪生体三维虚拟模型进行运动变化渲染。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310925070.7A CN116956384A (zh) | 2023-07-26 | 2023-07-26 | 一种历史可回溯的数字孪生模型构建方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310925070.7A CN116956384A (zh) | 2023-07-26 | 2023-07-26 | 一种历史可回溯的数字孪生模型构建方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN116956384A true CN116956384A (zh) | 2023-10-27 |
Family
ID=88444190
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310925070.7A Pending CN116956384A (zh) | 2023-07-26 | 2023-07-26 | 一种历史可回溯的数字孪生模型构建方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116956384A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117271678A (zh) * | 2023-11-22 | 2023-12-22 | 中钢集团武汉安全环保研究院有限公司 | 一种钢铁企业安全数据回溯展示方法和装置 |
-
2023
- 2023-07-26 CN CN202310925070.7A patent/CN116956384A/zh active Pending
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117271678A (zh) * | 2023-11-22 | 2023-12-22 | 中钢集团武汉安全环保研究院有限公司 | 一种钢铁企业安全数据回溯展示方法和装置 |
| CN117271678B (zh) * | 2023-11-22 | 2024-02-13 | 中钢集团武汉安全环保研究院有限公司 | 一种钢铁企业安全数据回溯展示方法和装置 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN116956384A (zh) | 一种历史可回溯的数字孪生模型构建方法 | |
| Lin et al. | Modeling cyber-physical systems with semantic agents | |
| CN107402976A (zh) | 一种基于多元异构模型的电网多源数据融合方法及系统 | |
| CN112181960B (zh) | 一种基于AIOps的智能运维框架系统 | |
| CN115034483A (zh) | 一种水轮发电机组运行故障监测方法及系统 | |
| CN114911870A (zh) | 一种面向多源异构工业数据的融合管理架构 | |
| CN113868306A (zh) | 一种基于opc-ua规范的数据建模系统和方法 | |
| CN116822353A (zh) | 一种制造工艺过程的数字孪生模型快速构建方法 | |
| CN111428895A (zh) | 一种智能电表故障诊断支撑中心 | |
| CN112650889A (zh) | 一种企业安全环保及安防监控数据的数仓建设方法和系统 | |
| CN114897271B (zh) | 数字孪生环境下基于故障传播的中央空调预测性维护方法 | |
| CN110377598A (zh) | 一种基于智能制造过程的多源异构数据存储方法 | |
| CN114089709B (zh) | 一种跨域多尺度的数字孪生体构建方法 | |
| CN115935104A (zh) | 一种几何模型和数据模型融合驱动的数字孪生构建方法 | |
| Liang et al. | Application of digital twin in operation and maintenance of power transmission project | |
| Li et al. | Research on digital twin and collaborative cloud and edge computing applied in operations and maintenance in wind turbines of wind power farm | |
| Wang et al. | Research on CBM information system architecture based on multi-dimensional operation and maintenance data | |
| CN112784129A (zh) | 一种泵站设备运维数据监管平台 | |
| Petrina et al. | Information-driven monitoring of production process: A semantic data model | |
| CN111324062A (zh) | 一种工业大数据平台系统 | |
| CN114648078B (zh) | 一种地热清洁能源深浅联动降碳增效监控系统 | |
| CN116415662B (zh) | 一种基于知识发现的工厂专家系统 | |
| CN116186987A (zh) | 一种数字孪生试验监测管理系统 | |
| Yu et al. | Research on key technologies for rapid synchronization of large-scale digital twin network status | |
| Ebraert et al. | Feature diagrams for change-oriented programming |
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 |