CN117077455A - 一种基于数字孪生技术的大件物流仿真方法与系统 - Google Patents

一种基于数字孪生技术的大件物流仿真方法与系统 Download PDF

Info

Publication number
CN117077455A
CN117077455A CN202311337250.XA CN202311337250A CN117077455A CN 117077455 A CN117077455 A CN 117077455A CN 202311337250 A CN202311337250 A CN 202311337250A CN 117077455 A CN117077455 A CN 117077455A
Authority
CN
China
Prior art keywords
balance
data
scene
loading
state
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
Application number
CN202311337250.XA
Other languages
English (en)
Other versions
CN117077455B (zh
Inventor
黄雪
杨阳
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Beijing Boduo International Freight Forwarding Co ltd
Original Assignee
Beijing Boduo International Freight Forwarding Co ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Beijing Boduo International Freight Forwarding Co ltd filed Critical Beijing Boduo International Freight Forwarding Co ltd
Priority to CN202311337250.XA priority Critical patent/CN117077455B/zh
Publication of CN117077455A publication Critical patent/CN117077455A/zh
Application granted granted Critical
Publication of CN117077455B publication Critical patent/CN117077455B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/10—Geometric CAD
    • 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
    • G06Q10/08—Logistics, e.g. warehousing, loading or distribution; Inventory or stock management
    • G06Q10/083—Shipping

Abstract

本发明公开了一种基于数字孪生技术的大件物流仿真方法，包括：从第一场景中获取仿真第二场景所需的第一数据；通过数字孪生技术，使用已获取的所述第一数据，仿真所述第二场景；获取所述第一场景中各环节的第二数据；将已获取的所述第二数据，输入至所述第二场景的各环节的对应模型中，将所述第一场景的状态变化同步反映至所述第二场景中；在所述第二场景中，根据各环节的状态变化，预测中各环节的操作安全性，并发出预警。能够使预测的各环节的操作安全性更加全面，预判各环节的操作是否存在安全隐患也更加准确，发出预警更加及时，有效降低大件货物在流通过程中的操作风险。

Description

一种基于数字孪生技术的大件物流仿真方法与系统
技术领域
本申请属于物流及数字孪生应用领域，特别涉及一种基于数字孪生技术的大件物流仿真方法与系统。
背景技术
大件货物顾名思义体积较大,重量较重的货物,普遍具有价值高,操作复杂,运输难度大等特性,一旦在某些关键环节出现疏漏,不仅损坏货物本身造成较大的经济损失,还会影响大型项目的施工进程。
加强大件货物整体物流方案研究,特别是关键环节的分析和控制,保障大件货物运输的安全性和及时性,提升物流质量和效率是大件物流行业需要着重解决的问题。所以，数字化物流仿真就显得格外重要，比如：可以通过数字孪生技术对运输载具（车、船、飞机等）、大件货物、道路条件、码头状况、吊具情况、受力情况等各种变量进行仿真。虽然可以对大件货物流通的部分过程甚至全过程进行仿真，但是，现阶段大件货物流通领域的仿真，大多采用通用的模型划分和数据分类，并未针对物流过程的特征经过分析，并合理地拆解成适合物流全过程的不同的模型及数据，因此，在现阶段的物流过程仿真领域，仍然无法较为全面地预测物流过程各环节的操作安全性，导致无法较为准确地预判各环节的操作是否存在安全隐患，发出预警也不及时，自然也就无法有效降低大件货物在流通过程中的操作风险。
发明内容
鉴于以上问题，本发明提供如下方案：
第一方面，本发明提供一种基于数字孪生技术的大件物流仿真方法，所述方法包括：
从第一场景中获取仿真第二场景所需的第一数据；
通过数字孪生技术，使用已获取的所述第一数据，仿真所述第二场景；
获取所述第一场景中各环节的第二数据；
将已获取的所述第二数据，输入至所述第二场景的各环节的对应模型中，通过数字孪生技术，将所述第一场景中各环节真实状态的变化情况实时映射至所述第二场景中各环节的虚拟模型中，用于将所述第一场景的状态变化同步反映至所述第二场景中；
在所述第二场景中，根据各环节的状态变化，预测中各环节的操作安全性，并预判各环节的操作是否存在安全隐患；
若所述各环节的操作存在安全隐患，则发出预警，及时降低大件货物在流通过程中的操作风险；
具体来说，将所述第一场景的状态变化同步反映至所述第二场景中，就是将第一场景中各环节的实际操作，一一对应地反映到第二数据的变化情况上，所以，利用影响操作安全性的各因素之间的内在联系，能有效预测所述第一场景中各环节的操作安全性，从而，通过预判所述各环节的操作是否存在安全隐患，就能够决定是否发出预警，这样就能够及时有效地降低大件货物在流通过程中的操作风险；
所述第一场景，为真实的大件货物流通过程；
所述第二场景，为与所述第一场景一一对应的仿真虚拟场景；
所述第一数据，为对所述第一场景进行仿真所需的各环节相关模型的具体数据；
所述第二数据，为实时采集的反映所述第一场景中各环节相关模型的真实状态变化的具体数据。
具体来说，所述第二数据是通过真实世界的各种传感器进行数据采集而获取的，比如：采用IR红外线测距，采用陀螺仪监测三轴角度偏移量，采用加速度计监测加速度的变化，采用压力传感器监测压力的变化等；
具体来说，仿真所述第二场景，也就是构建与所述第一场景一一对应的仿真虚拟场景，是利用数字孪生技术中的流程模型或逻辑模型，将现实中物体进行三维具现化，完整再现整个大件货物流通过程的现实场景，包括细化其中的具体功能及具体信息。
具体来说，从第一场景中获取仿真第二场景所需的第一数据，也就是获取在第一场景中出现的所有物体的模型数据，比如：运输货物，运输工具，装卸工具等，及其具体信息，包括重量，大小，材质，结构，运作原理等数据；以及运输场景的具体信息，包括地址，地图，环境，气象等数据。
具体来说，所述数字孪生是充分利用物理模型、传感器更新、运行历史等数据，集成多学科、多物理量、多尺度、多概率的仿真过程，在虚拟空间中完成映射，从而反映相对应的实体装备的全生命周期过程。
本发明通过数字孪生技术，将真实的大件货物流通场景仿真成一一对应的虚拟场景，实现第一场景和第二场景之间各环节的对应模型的一一映射，并利用从真实的大件货物流通场景中采集的实时监测数据（即第二数据），输入至虚拟场景的各环节的对应模型中，实现第一场景和第二场景之间各环节的对应模型的状态变化的同步，最后，根据各环节的状态变化，预测第一场景中各环节的操作安全性，并预判各环节的操作是否存在安全隐患；若存在安全隐患，则发出预警。这样，通过数字孪生技术，将大件货物流通过程的真实场景和虚拟场景一一映射，当真实场景中各环节动态变化时，这些变化也将同步至虚拟场景，并且，在虚拟场景中同步预测各环节的操作安全性，分析预判是否存在安全隐患，根据预判结果发出安全隐患方面的预警，达到及时降低大件货物在流通过程中的操作风险的目的。
进一步的，所述第一数据包括：运输货物模型数据、运输工具模型数据、装卸工具模型数据和运输场景模型数据；
所述运输货物模型数据，为所述第一场景中与运输货物仿真相关的各模型的具体数据；
所述运输工具模型数据，为所述第一场景中与运输工具仿真相关的各模型的具体数据；
所述装卸工具模型数据，为所述第一场景中与装卸工具仿真相关的各模型的具体数据；
所述运输场景模型数据，为所述第一场景中与运输场景仿真相关的各模型的具体数据。
本发明将所述第一数据，按照大件货物流通过程的主要环节，分为运输货物模型数据、运输工具模型数据、装卸工具模型数据和运输场景模型数据，能够是获取的第一数据全面客观，为仿真虚拟场景（即第二场景）提供了准确全面的模型数据，使得虚拟场景与真实场景能够一一对应，提高数字孪生技术仿真的准确性。
进一步的，所述第二数据，包括：运输货物状态数据、运输工具状态数据、装卸工具状态数据和运输场景状态数据；
所述运输货物状态数据，为所述第一场景中反映运输货物状态变化的具体数据；比如：运输货物的质量、位移、加速度、倾角等具体数据；
所述运输工具状态数据，为所述第一场景中反映运输工具状态变化的具体数据；比如：运输工具的外廓尺寸、速度、加速度、转弯半径等具体数据；
所述装卸工具状态数据，为所述第一场景中反映装卸工具状态变化的具体数据；比如：装卸工具的外廓尺寸、装卸作业高度、起吊重量、平衡性能参数等具体数据；
所述运输场景状态数据，为所述第一场景中反映运输场景状态变化的具体数据；比如：运输场景的气候变化参数(如：温度、湿度、风向、风力等)，以及其他环境参数等具体数据。
本发明将所述第二数据，按照与第一数据中不同模型一一对应的状态相关数据分为运输货物状态数据、运输工具状态数据、装卸工具状态数据和运输场景状态数据，这样，能够在客观准确仿真虚拟场景的基础上，对真实场景中反映不同模型状态变化的动态数据进行同步至虚拟场景中，使得虚拟场景能够实时反映真实场景中的各种变化，提高数字孪生技术的实时性和准确性。
进一步的，所述在所述第二场景中，根据各环节的状态变化，预测各环节的操作安全性，并预判各环节的操作是否存在安全隐患，还包括：
从所述第二场景各环节的状态变化中抽取出第三数据；
根据已筛选出的所述第三数据，确定至少一个操作安全性指标；
根据所述操作安全性指标与其对应阈值之间的关系，判定所述操作安全性指标对应的相关操作是否存在安全隐患；
所述第三数据，为所述第二场景中与各环节操作安全性相关的数据；
由于从第二场景各环节的状态变化中，抽取出与各环节操作安全性相关的数据,作为第三数据，而操作安全性指标是根据第三数据来确定的，所以，就能够提高确定操作安全性指标的准确性，也在后续判定操作安全性指标对应的相关操作是否存在安全隐患时，判定结果更加准确。
进一步的，所述从所述第二场景中各环节的状态变化中抽取出第三数据，还包括：
从所述第二场景中各环节的状态变化中，抽取所述装卸工具状态数据；
从所述装卸工具状态数据中，抽取与装卸操作安全性相关的数据，作为第三数据；
所述从所述装卸工具状态数据中，抽取与装卸操作安全性相关的数据，还包括：抽取装卸工具的第一平衡状态数据、第二平衡状态数据和第三平衡状态数据；
所述第一平衡状态，为作业过程中，装卸工具与水平地面之间的平衡状态；所述第一平衡状态数据，为反映第一平衡状态的相关数据；
所述第二平衡状态，为作业过程中，装卸工具与其支撑单元之间的平衡状态；所述第二平衡状态数据，为反映第二平衡状态的相关数据；所述支撑单元，用于为装卸工具提供保持平衡的支撑力；
所述第三平衡状态，为作业过程中，装卸工具的支撑单元之间的平衡状态；所述第三平衡状态数据，为反映第三平衡状态的相关数据。
本发明将装卸工具状态数据中与装卸操作安全性相关的数据作为第三数据，并且根据装卸工具的结构特点，将其对应的平衡状态分为三类，即：作业过程中，装卸工具与水平地面之间的第一平衡状态；作业过程中，装卸工具与其支撑单元之间的第二平衡状态；作业过程中，装卸工具的支撑单元之间的第三平衡状态。这样就能根据装卸工具的结构与各平衡状态之间的关联性，准确划分不同的平衡状态，且后续确定不同的操作安全性指标将会更加细化和准确全面，使操作安全性指标和操作状态也能够一一对应，因此，能够使预测的各环节的操作安全性更加全面，预判各环节的操作是否存在安全隐患也更加准确，发出预警更加及时，自然能够有效降低大件货物在流通过程中的操作风险。
进一步的，所述根据所述操作安全性指标与其对应阈值之间的关系，判定所述操作安全性指标对应的相关操作是否存在安全隐患，还包括：
确定第一平衡指标是否达标，若不达标，则判定所述第一平衡状态不达标，装卸工具与水平地面之间的平衡性不达标，第一平衡状态的相关操作存在安全隐患；
确定第二平衡指标是否达标，若不达标，则判定所述第二平衡状态不达标，装卸工具与其支撑单元之间的平衡性不达标，第一平衡状态的相关操作存在安全隐患；
确定第三平衡指标是否达标，若不达标，则判定所述第三平衡状态不达标，装卸工具的支撑单元之间的平衡性不达标，第一平衡状态的相关操作存在安全隐患；
所述第一平衡指标、第二平衡指标和第三平衡指标，均为装卸工具的操作安全性指标；所述第一平衡指标，为衡量第一平衡状态程度的相关指标；所述第二平衡指标，为衡量第二平衡状态程度的相关指标；所述第三平衡指标，为衡量第三平衡状态程度的相关指标。
具体来说，所述平衡状态达标，表示各部分之间能够保持平衡，无倾斜翻倒的安全隐患；所述平衡状态不达标，表示各部分之间存在无法保持平衡的较大可能性，存在倾斜侧翻的安全隐患；
本发明根据已划分的三个平衡状态，一一对应地设置了三个平衡指标，更加细化不同的操作安全性指标，使操作安全性指标和操作状态能够一一对应，因此，能够使预测的各环节的操作安全性更加全面，预判各环节的操作是否存在安全隐患也更加准确，发出预警更加及时，自然能够有效降低大件货物在流通过程中的操作风险。
进一步的，所述第一平衡指标，包括装卸工具的横向倾角和装卸工具的纵向倾角；
所述确定第一平衡指标是否达标的方法如下：
若装卸工具的横向倾角的小于第一平衡阈值的横向阈值，且装卸工具的纵向倾角小于第一平衡阈值的纵向阈值，则判定所述第一平衡状态达标，装卸工具与水平地面之间的平衡性达标，第一平衡状态的相关操作不存在安全隐患；
若装卸工具的横向倾角大于等于第一平衡阈值的横向阈值，或者装卸工具的纵向倾角中大于等于第一平衡阈值的纵向阈值，则判定所述第一平衡状态不达标，装卸工具与水平地面之间的平衡性不达标，第一平衡状态的相关操作存在安全隐患；
所述横向倾角和纵向倾角，为水平面上的相互垂直的两个轴线上的倾角，具体取值均取实际采样值的绝对值；
所述第一平衡阈值，为所述第一平衡指标对应的阈值，包括横向阈值和纵向阈值；
所述横向阈值，为所述装卸工具的横向倾角对应的阈值；
所述纵向阈值，为所述装卸工具的纵向倾角对应的阈值。
本发明第一平衡指标，包括水平面上的相互垂直的两个轴线上的倾角，将判定第一平衡状态是否达标的条件分为装卸工具的横向倾角和装卸工具的纵向倾角，这样就能全面衡量装卸工具与水平地面之间的平衡性，所以，判定第一平衡状态达标与否更加全面客观。
进一步的，所述第二平衡指标，具体如下：
;
其中，QA为装卸工具的第二平衡指标；
θxk为装卸工具的第k个支撑单元的横向倾角监测值；
θyk为装卸工具的第k个支撑单元的纵向倾角监测值；
θx为第一平衡状态达标时，装卸工具的横向倾角监测值；
θy为第一平衡状态达标时，装卸工具的纵向倾角监测值；
k表示第k个支撑单元；
n为装卸工具的支撑单元总数量；
以上参数和其具体数据，均为同一采样周期内的监测数据，且所有倾角监测值均取实际采样值的绝对值；
所述确定第二平衡指标是否达标的方法如下：
若装卸工具的第二平衡指标小于第二平衡阈值，则判定所述第二平衡状态达标，装卸工具与其支撑单元之间的平衡性达标，第二平衡状态的相关操作不存在安全隐患；
若装卸工具的第二平衡指标大于等于第二平衡阈值，则判定所述第二平衡状态不达标，装卸工具与其支撑单元之间的平衡性不达标，第二平衡状态的相关操作存在安全隐患；
所述第二平衡阈值，为所述第二平衡指标对应的阈值。
本发明第二平衡指标，通过装卸工具的各支撑单元的平衡状态相关参数（即装卸工具的各支撑单元的的横向倾角和纵向倾角）与装卸工具的平衡状态相关参数（即第一平衡状态达标时装卸工具的横向倾角和纵向倾角）两方面之间的倾角关系，确定第二平衡指标，且将第一平衡状态达标时装卸工具的横向倾角和纵向倾角分别一一对应地作为装卸工具的各支撑单元的的横向倾角和纵向倾角的基准值，这样获得的第二平衡指标，就能够反映当前已达标的装卸工具的实际平衡状态与其各支撑单元平衡状态之间的相对关系，使得确定的第二平衡指标更加贴合实际状态，获得的第二平衡指标数值也更加准确。
进一步的，所述第三平衡指标，具体如下：
;
其中，QB为装卸工具的第三平衡指标；
θ1i为第i个第一支撑单元倾角监测值；
θ1为第一支撑单元倾角阈值；
i表示第i个第一支撑单元；
m1为第一支撑单元倾角的总数量；
θ2j为第j个第二支撑单元倾角监测值；
θ2为第二支撑单元倾角阈值；
j表示第j个第一支撑单元；
m2为第二支撑单元倾角的总数量；
n为装卸工具的支撑单元总数量；
所述第一支撑单元倾角，为装卸工具的所有支撑单元的横向倾角中，大于第一支撑单元倾角阈值的横向倾角；所述第一支撑单元倾角阈值，为所述第一支撑单元倾角对应的阈值；
所述第二支撑单元倾角，为装卸工具的所有支撑单元的横向倾角中，大于第二支撑单元倾角阈值的横向倾角；所述第二支撑单元倾角阈值，为所述第二支撑单元倾角对应的阈值；
以上参数和其具体数据，均为同一采样周期内的监测数据，且所有倾角监测值均取实际采样值的绝对值；
所述确定第三平衡指标是否达标的方法如下：
若装卸工具的第三平衡指标小于第三阈值，则判定所述第三平衡状态达标，装卸工具的支撑单元之间的平衡性达标，第三平衡状态的相关操作不存在安全隐患；
若装卸工具的第三平衡指标大于等于第二阈值，则判定所述第三平衡状态不达标，装卸工具的支撑单元之间的平衡性不达标，第三平衡状态的相关操作存在安全隐患。
本发明第三平衡指标，通过装卸工具的各支撑单元之间的平衡状态相关参数（即装卸工具的各支撑单元的第一支撑单元倾角和第二支撑单元倾角）与相关参数的比例关系（即第一支撑单元倾角和第二支撑单元倾角分别与支撑单元总数量的比例）两方面之间的影响关系，确定第三平衡指标，这样获得的第三平衡指标，就能够反映当前装卸工具的各支撑单元之间的平衡状态及其相对关系，使得确定的第三平衡指标更加贴合实际状态，获得的第三平衡指标数值也更加准确。
第二方面，本发明提供一种基于数字孪生技术的大件物流仿真系统，其特征在于，所述系统包括：
第一数据获取单元，用于从第一场景中获取仿真第二场景所需的第一数据；
仿真虚拟场景单元，用于通过数字孪生技术，使用已获取的所述第一数据，仿真所述第二场景；
第二数据获取单元，用于获取所述第一场景中各环节的第二数据；
场景状态同步单元，用于将已获取的所述第二数据，输入至所述第二场景的各环节的对应模型中，通过数字孪生技术，将所述第一场景中各环节真实状态的变化情况实时映射至所述第二场景中各环节的虚拟模型中，用于将所述第一场景的状态变化同步反映至所述第二场景中；
操作安全预测单元，用于在所述第二场景中，根据各环节的状态变化，预测中各环节的操作安全性，并预判各环节的操作是否存在安全隐患；
操作安全预警单元，用于若所述各环节的操作存在安全隐患，则发出预警，及时降低大件货物在流通过程中的操作风险；
所述第一场景，为真实的大件货物流通过程；
所述第二场景，为与所述第一场景一一对应的仿真虚拟场景；
所述第一数据，为对所述第一场景进行仿真所需的各环节相关模型的具体数据；
所述第二数据，为实时采集的反映所述第一场景中各环节相关模型的真实状态变化的具体数据。
第三方面，本发明提供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第一方面所述的方法。
第四方面，本发明提供一种计算机装置，包括存储器和处理器；所述存储器，用于存储计算机程序；所述处理器，用于执行所述计算机程序时，实现如第一方面所述的方法。
综上所述，本发明通过数字孪生技术，将真实的大件货物流通场景仿真成一一对应的虚拟场景，实现第一场景和第二场景之间各环节的对应模型的一一映射，并利用从真实的大件货物流通场景中采集的实时监测数据，输入至虚拟场景的各环节的对应模型中，实现第一场景和第二场景之间各环节的对应模型的状态变化的同步，最后，根据各环节的状态变化，预测第一场景中各环节的操作安全性，并预判各环节的操作是否存在安全隐患；若存在安全隐患，则发出预警。不仅能够使预测的各环节的操作安全性更加全面，而且预判各环节的操作是否存在安全隐患也更加准确，发出预警也更加及时，有效降低大件货物在流通过程中的操作风险。本发明利用数字孪生技术，有效地将虚拟与现实相结合，将物流过程进行合理地拆解成不同的模型及数据，通过数字孪生技术中的流程模型或逻辑模型以及真实世界的实时监测数据，构建物流过程的数字孪生场景，再配合逻辑算法，对整个物流过程达到有效的可视化推演及预判，以降低操作风险。
本发明将数字化领域的先进技术以及大件物料领域的传统操作相结合，实现了大件物流领域亟待解决的全数字化大件物流仿真技术的落地应用，突破了行业技术壁垒，填补了行业技术空白。从而为物流企业、产品厂商、物流用户提供全数字化大件物流仿真解决方案，将繁冗的操作方案和流程“可视化”，在物流全过程中做到“虚实交互”，能够实时掌握大件物流各个环节的动态。
附图说明
为了易于说明，本申请由下述的具体实施及附图作以详细描述。
图1为本发明的方法流程示意图之一；
图2为本发明的方法流程示意图之二；
图3为本发明的系统结构示意图；
图4为本发明的计算机可读存储介质示意图；
图5为本发明的计算机装置示意图。
具体实施方式
下面将结合本发明实施例中的图，对本发明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付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。
实施例1
如图1所示，本实施例提供了一种基于数字孪生技术的大件物流仿真方法，所述方法包括：
从第一场景中获取仿真第二场景所需的第一数据；
通过数字孪生技术，使用已获取的所述第一数据，仿真所述第二场景；
获取所述第一场景中各环节的第二数据；
将已获取的所述第二数据，输入至所述第二场景的各环节的对应模型中，通过数字孪生技术，将所述第一场景中各环节真实状态的变化情况实时映射至所述第二场景中各环节的虚拟模型中，用于将所述第一场景的状态变化同步反映至所述第二场景中；
在所述第二场景中，根据各环节的状态变化，预测中各环节的操作安全性，并预判各环节的操作是否存在安全隐患；
若所述各环节的操作存在安全隐患，则发出预警，及时降低大件货物在流通过程中的操作风险；
具体来说，将所述第一场景的状态变化同步反映至所述第二场景中，就是将第一场景中各环节的实际操作，一一对应地反映到第二数据的变化情况上，所以，利用影响操作安全性的各因素之间的内在联系，能有效预测所述第一场景中各环节的操作安全性，从而，通过预判所述各环节的操作是否存在安全隐患，就能够决定是否发出预警，这样就能够及时有效地降低大件货物在流通过程中的操作风险；
所述第一场景，为真实的大件货物流通过程；
所述第二场景，为与所述第一场景一一对应的仿真虚拟场景；
所述第一数据，为对所述第一场景进行仿真所需的各环节相关模型的具体数据；
所述第二数据，为实时采集的反映所述第一场景中各环节相关模型的真实状态变化的具体数据。
具体来说，所述第二数据是通过真实世界的各种传感器进行数据采集而获取的，比如：采用IR红外线测距，采用陀螺仪监测三轴角度偏移量，采用加速度计监测加速度的变化，采用压力传感器监测压力的变化等；
具体来说，仿真所述第二场景，也就是构建与所述第一场景一一对应的仿真虚拟场景，是利用数字孪生技术中的流程模型或逻辑模型，将现实中物体进行三维具现化，完整再现整个大件货物流通过程的现实场景，包括细化其中的具体功能及具体信息。
具体来说，从第一场景中获取仿真第二场景所需的第一数据，也就是获取在第一场景中出现的所有物体的模型数据，比如：运输货物，运输工具，装卸工具等，及其具体信息，包括重量，大小，材质，结构，运作原理等数据；以及运输场景的具体信息，包括地址，地图，环境，气象等数据。
具体来说，所述数字孪生是充分利用物理模型、传感器更新、运行历史等数据，集成多学科、多物理量、多尺度、多概率的仿真过程，在虚拟空间中完成映射，从而反映相对应的实体装备的全生命周期过程。
本发明通过数字孪生技术，将真实的大件货物流通场景仿真成一一对应的虚拟场景，实现第一场景和第二场景之间各环节的对应模型的一一映射，并利用从真实的大件货物流通场景中采集的实时监测数据（即第二数据），输入至虚拟场景的各环节的对应模型中，实现第一场景和第二场景之间各环节的对应模型的状态变化的同步，最后，根据各环节的状态变化，预测第一场景中各环节的操作安全性，并预判各环节的操作是否存在安全隐患；若存在安全隐患，则发出预警。这样，通过数字孪生技术，将大件货物流通过程的真实场景和虚拟场景一一映射，当真实场景中各环节动态变化时，这些变化也将同步至虚拟场景，并且，在虚拟场景中同步预测各环节的操作安全性，分析预判是否存在安全隐患，根据预判结果发出安全隐患方面的预警，达到及时降低大件货物在流通过程中的操作风险的目的。
进一步的，所述第一数据包括：运输货物模型数据、运输工具模型数据、装卸工具模型数据和运输场景模型数据；
所述运输货物模型数据，为所述第一场景中与运输货物仿真相关的各模型的具体数据；
所述运输工具模型数据，为所述第一场景中与运输工具仿真相关的各模型的具体数据；
所述装卸工具模型数据，为所述第一场景中与装卸工具仿真相关的各模型的具体数据；
所述运输场景模型数据，为所述第一场景中与运输场景仿真相关的各模型的具体数据。
本发明将所述第一数据，按照大件货物流通过程的主要环节，分为运输货物模型数据、运输工具模型数据、装卸工具模型数据和运输场景模型数据，能够是获取的第一数据全面客观，为仿真虚拟场景（即第二场景）提供了准确全面的模型数据，使得虚拟场景与真实场景能够一一对应，提高数字孪生技术仿真的准确性。
进一步的，所述第二数据，包括：运输货物状态数据、运输工具状态数据、装卸工具状态数据和运输场景状态数据；
所述运输货物状态数据，为所述第一场景中反映运输货物状态变化的具体数据；比如：运输货物的质量、位移、加速度、倾角等具体数据；
所述运输工具状态数据，为所述第一场景中反映运输工具状态变化的具体数据；比如：运输工具的外廓尺寸、速度、加速度、转弯半径等具体数据；
所述装卸工具状态数据，为所述第一场景中反映装卸工具状态变化的具体数据；比如：装卸工具的外廓尺寸、装卸作业高度、起吊重量、平衡性能参数等具体数据；
所述运输场景状态数据，为所述第一场景中反映运输场景状态变化的具体数据；比如：运输场景的气候变化参数(如：温度、湿度、风向、风力等)，以及其他环境参数等具体数据。
本发明将所述第二数据，按照与第一数据中不同模型一一对应的状态相关数据分为运输货物状态数据、运输工具状态数据、装卸工具状态数据和运输场景状态数据，这样，能够在客观准确仿真虚拟场景的基础上，对真实场景中反映不同模型状态变化的动态数据进行同步至虚拟场景中，使得虚拟场景能够实时反映真实场景中的各种变化，提高数字孪生技术的实时性和准确性。
进一步的，所述在所述第二场景中，根据各环节的状态变化，预测各环节的操作安全性，并预判各环节的操作是否存在安全隐患，还包括：
从所述第二场景各环节的状态变化中抽取出第三数据；
根据已筛选出的所述第三数据，确定至少一个操作安全性指标；
根据所述操作安全性指标与其对应阈值之间的关系，判定所述操作安全性指标对应的相关操作是否存在安全隐患；
所述第三数据，为所述第二场景中与各环节操作安全性相关的数据；
由于从第二场景各环节的状态变化中，抽取出与各环节操作安全性相关的数据,作为第三数据，而操作安全性指标是根据第三数据来确定的，所以，就能够提高确定操作安全性指标的准确性，也在后续判定操作安全性指标对应的相关操作是否存在安全隐患时，判定结果更加准确。
进一步的，如图2所示，所述从所述第二场景中各环节的状态变化中抽取出第三数据，还包括：
从所述第二场景中各环节的状态变化中，抽取所述装卸工具状态数据；
从所述装卸工具状态数据中，抽取与装卸操作安全性相关的数据，作为第三数据；
所述从所述装卸工具状态数据中，抽取与装卸操作安全性相关的数据，还包括：抽取装卸工具的第一平衡状态数据、第二平衡状态数据和第三平衡状态数据；
所述第一平衡状态，为作业过程中，装卸工具与水平地面之间的平衡状态；所述第一平衡状态数据，为反映第一平衡状态的相关数据；
所述第二平衡状态，为作业过程中，装卸工具与其支撑单元之间的平衡状态；所述第二平衡状态数据，为反映第二平衡状态的相关数据；所述支撑单元，用于为装卸工具提供保持平衡的支撑力；
所述第三平衡状态，为作业过程中，装卸工具的支撑单元之间的平衡状态；所述第三平衡状态数据，为反映第三平衡状态的相关数据。
本发明将装卸工具状态数据中与装卸操作安全性相关的数据作为第三数据，并且根据装卸工具的结构特点，将其对应的平衡状态分为三类，即：作业过程中，装卸工具与水平地面之间的第一平衡状态；作业过程中，装卸工具与其支撑单元之间的第二平衡状态；作业过程中，装卸工具的支撑单元之间的第三平衡状态。这样就能根据装卸工具的结构与各平衡状态之间的关联性，准确划分不同的平衡状态，且后续确定不同的操作安全性指标将会更加细化和准确全面，使操作安全性指标和操作状态也能够一一对应，因此，能够使预测的各环节的操作安全性更加全面，预判各环节的操作是否存在安全隐患也更加准确，发出预警更加及时，自然能够有效降低大件货物在流通过程中的操作风险。
进一步的，所述根据所述操作安全性指标与其对应阈值之间的关系，判定所述操作安全性指标对应的相关操作是否存在安全隐患，还包括：
确定第一平衡指标是否达标，若不达标，则判定所述第一平衡状态不达标，装卸工具与水平地面之间的平衡性不达标，第一平衡状态的相关操作存在安全隐患；
确定第二平衡指标是否达标，若不达标，则判定所述第二平衡状态不达标，装卸工具与其支撑单元之间的平衡性不达标，第一平衡状态的相关操作存在安全隐患；
确定第三平衡指标是否达标，若不达标，则判定所述第三平衡状态不达标，装卸工具的支撑单元之间的平衡性不达标，第一平衡状态的相关操作存在安全隐患；
所述第一平衡指标、第二平衡指标和第三平衡指标，均为装卸工具的操作安全性指标；所述第一平衡指标，为衡量第一平衡状态程度的相关指标；所述第二平衡指标，为衡量第二平衡状态程度的相关指标；所述第三平衡指标，为衡量第三平衡状态程度的相关指标。
具体来说，所述平衡状态达标，表示各部分之间能够保持平衡，无倾斜翻倒的安全隐患；所述平衡状态不达标，表示各部分之间存在无法保持平衡的较大可能性，存在倾斜侧翻的安全隐患；
本发明根据已划分的三个平衡状态，一一对应地设置了三个平衡指标，更加细化不同的操作安全性指标，使操作安全性指标和操作状态能够一一对应，因此，能够使预测的各环节的操作安全性更加全面，预判各环节的操作是否存在安全隐患也更加准确，发出预警更加及时，自然能够有效降低大件货物在流通过程中的操作风险。
进一步的，所述第一平衡指标，包括装卸工具的横向倾角和装卸工具的纵向倾角；
所述确定第一平衡指标是否达标的方法如下：
若装卸工具的横向倾角的小于第一平衡阈值的横向阈值，且装卸工具的纵向倾角小于第一平衡阈值的纵向阈值，则判定所述第一平衡状态达标，装卸工具与水平地面之间的平衡性达标，第一平衡状态的相关操作不存在安全隐患；
若装卸工具的横向倾角大于等于第一平衡阈值的横向阈值，或者装卸工具的纵向倾角中大于等于第一平衡阈值的纵向阈值，则判定所述第一平衡状态不达标，装卸工具与水平地面之间的平衡性不达标，第一平衡状态的相关操作存在安全隐患；
所述横向倾角和纵向倾角，为水平面上的相互垂直的两个轴线上的倾角，具体取值均取实际采样值的绝对值；
所述第一平衡阈值，为所述第一平衡指标对应的阈值，包括横向阈值和纵向阈值；
所述横向阈值，为所述装卸工具的横向倾角对应的阈值；
所述纵向阈值，为所述装卸工具的纵向倾角对应的阈值。
本发明第一平衡指标，包括水平面上的相互垂直的两个轴线上的倾角，将判定第一平衡状态是否达标的条件分为装卸工具的横向倾角和装卸工具的纵向倾角，这样就能全面衡量装卸工具与水平地面之间的平衡性，所以，判定第一平衡状态达标与否更加全面客观。
进一步的，所述第二平衡指标，具体如下：
;
其中，QA为装卸工具的第二平衡指标；
θxk为装卸工具的第k个支撑单元的横向倾角监测值；
θyk为装卸工具的第k个支撑单元的纵向倾角监测值；
θx为第一平衡状态达标时，装卸工具的横向倾角监测值；
θy为第一平衡状态达标时，装卸工具的纵向倾角监测值；
k表示第k个支撑单元；
n为装卸工具的支撑单元总数量；
以上参数和其具体数据，均为同一采样周期内的监测数据，且所有倾角监测值均取实际采样值的绝对值；
所述确定第二平衡指标是否达标的方法如下：
若装卸工具的第二平衡指标小于第二平衡阈值，则判定所述第二平衡状态达标，装卸工具与其支撑单元之间的平衡性达标，第二平衡状态的相关操作不存在安全隐患；
若装卸工具的第二平衡指标大于等于第二平衡阈值，则判定所述第二平衡状态不达标，装卸工具与其支撑单元之间的平衡性不达标，第二平衡状态的相关操作存在安全隐患；
所述第二平衡阈值，为所述第二平衡指标对应的阈值。
本发明第二平衡指标，通过装卸工具的各支撑单元的平衡状态相关参数（即装卸工具的各支撑单元的的横向倾角和纵向倾角）与装卸工具的平衡状态相关参数（即第一平衡状态达标时装卸工具的横向倾角和纵向倾角）两方面之间的倾角关系，确定第二平衡指标，且将第一平衡状态达标时装卸工具的横向倾角和纵向倾角分别一一对应地作为装卸工具的各支撑单元的的横向倾角和纵向倾角的基准值，这样获得的第二平衡指标，就能够反映当前已达标的装卸工具的实际平衡状态与其各支撑单元平衡状态之间的相对关系，使得确定的第二平衡指标更加贴合实际状态，获得的第二平衡指标数值也更加准确。
进一步的，所述第三平衡指标，具体如下：
;
其中，QB为装卸工具的第三平衡指标；
θ1i为第i个第一支撑单元倾角监测值；
θ1为第一支撑单元倾角阈值；
i表示第i个第一支撑单元；
m1为第一支撑单元倾角的总数量；
θ2j为第j个第二支撑单元倾角监测值；
θ2为第二支撑单元倾角阈值；
j表示第j个第一支撑单元；
m2为第二支撑单元倾角的总数量；
n为装卸工具的支撑单元总数量；
所述第一支撑单元倾角，为装卸工具的所有支撑单元的横向倾角中，大于第一支撑单元倾角阈值的横向倾角；所述第一支撑单元倾角阈值，为所述第一支撑单元倾角对应的阈值；
所述第二支撑单元倾角，为装卸工具的所有支撑单元的横向倾角中，大于第二支撑单元倾角阈值的横向倾角；所述第二支撑单元倾角阈值，为所述第二支撑单元倾角对应的阈值；
以上参数和其具体数据，均为同一采样周期内的监测数据，且所有倾角监测值均取实际采样值的绝对值；
所述确定第三平衡指标是否达标的方法如下：
若装卸工具的第三平衡指标小于第三阈值，则判定所述第三平衡状态达标，装卸工具的支撑单元之间的平衡性达标，第三平衡状态的相关操作不存在安全隐患；
若装卸工具的第三平衡指标大于等于第二阈值，则判定所述第三平衡状态不达标，装卸工具的支撑单元之间的平衡性不达标，第三平衡状态的相关操作存在安全隐患。
本发明第三平衡指标，通过装卸工具的各支撑单元之间的平衡状态相关参数（即装卸工具的各支撑单元的第一支撑单元倾角和第二支撑单元倾角）与相关参数的比例关系（即第一支撑单元倾角和第二支撑单元倾角分别与支撑单元总数量的比例）两方面之间的影响关系，确定第三平衡指标，这样获得的第三平衡指标，就能够反映当前装卸工具的各支撑单元之间的平衡状态及其相对关系，使得确定的第三平衡指标更加贴合实际状态，获得的第三平衡指标数值也更加准确。
实施例2
如图3所示，本实施例提供了一种基于数字孪生技术的大件物流仿真系统，其特征在于，所述系统包括：
第一数据获取单元，用于从第一场景中获取仿真第二场景所需的第一数据；
仿真虚拟场景单元，用于通过数字孪生技术，使用已获取的所述第一数据，仿真所述第二场景；
第二数据获取单元，用于获取所述第一场景中各环节的第二数据；
场景状态同步单元，用于将已获取的所述第二数据，输入至所述第二场景的各环节的对应模型中，通过数字孪生技术，将所述第一场景中各环节真实状态的变化情况实时映射至所述第二场景中各环节的虚拟模型中，用于将所述第一场景的状态变化同步反映至所述第二场景中；
操作安全预测单元，用于在所述第二场景中，根据各环节的状态变化，预测中各环节的操作安全性，并预判各环节的操作是否存在安全隐患；
操作安全预警单元，用于若所述各环节的操作存在安全隐患，则发出预警，及时降低大件货物在流通过程中的操作风险；
具体来说，将所述第一场景的状态变化同步反映至所述第二场景中，就是将第一场景中各环节的实际操作，一一对应地反映到第二数据的变化情况上，所以，利用影响操作安全性的各因素之间的内在联系，能有效预测所述第一场景中各环节的操作安全性，从而，通过预判所述各环节的操作是否存在安全隐患，就能够决定是否发出预警，这样就能够及时有效地降低大件货物在流通过程中的操作风险；
所述第一场景，为真实的大件货物流通过程；
所述第二场景，为与所述第一场景一一对应的仿真虚拟场景；
所述第一数据，为对所述第一场景进行仿真所需的各环节相关模型的具体数据；
所述第二数据，为实时采集的反映所述第一场景中各环节相关模型的真实状态变化的具体数据。
具体来说，所述第二数据是通过真实世界的各种传感器进行数据采集而获取的，比如：采用IR红外线测距，采用陀螺仪监测三轴角度偏移量，采用加速度计监测加速度的变化，采用压力传感器监测压力的变化等；
具体来说，仿真所述第二场景，也就是构建与所述第一场景一一对应的仿真虚拟场景，是利用数字孪生技术中的流程模型或逻辑模型，将现实中物体进行三维具现化，完整再现整个大件货物流通过程的现实场景，包括细化其中的具体功能及具体信息。
具体来说，从第一场景中获取仿真第二场景所需的第一数据，也就是获取在第一场景中出现的所有物体的模型数据，比如：运输货物，运输工具，装卸工具等，及其具体信息，包括重量，大小，材质，结构，运作原理等数据；以及运输场景的具体信息，包括地址，地图，环境，气象等数据。
具体来说，所述数字孪生是充分利用物理模型、传感器更新、运行历史等数据，集成多学科、多物理量、多尺度、多概率的仿真过程，在虚拟空间中完成映射，从而反映相对应的实体装备的全生命周期过程。
本发明通过数字孪生技术，将真实的大件货物流通场景仿真成一一对应的虚拟场景，实现第一场景和第二场景之间各环节的对应模型的一一映射，并利用从真实的大件货物流通场景中采集的实时监测数据（即第二数据），输入至虚拟场景的各环节的对应模型中，实现第一场景和第二场景之间各环节的对应模型的状态变化的同步，最后，根据各环节的状态变化，预测第一场景中各环节的操作安全性，并预判各环节的操作是否存在安全隐患；若存在安全隐患，则发出预警。这样，通过数字孪生技术，将大件货物流通过程的真实场景和虚拟场景一一映射，当真实场景中各环节动态变化时，这些变化也将同步至虚拟场景，并且，在虚拟场景中同步预测各环节的操作安全性，分析预判是否存在安全隐患，根据预判结果发出安全隐患方面的预警，达到及时降低大件货物在流通过程中的操作风险的目的。
进一步的，所述第一数据包括：运输货物模型数据、运输工具模型数据、装卸工具模型数据和运输场景模型数据；
所述运输货物模型数据，为所述第一场景中与运输货物仿真相关的各模型的具体数据；
所述运输工具模型数据，为所述第一场景中与运输工具仿真相关的各模型的具体数据；
所述装卸工具模型数据，为所述第一场景中与装卸工具仿真相关的各模型的具体数据；
所述运输场景模型数据，为所述第一场景中与运输场景仿真相关的各模型的具体数据。
本发明将所述第一数据，按照大件货物流通过程的主要环节，分为运输货物模型数据、运输工具模型数据、装卸工具模型数据和运输场景模型数据，能够是获取的第一数据全面客观，为仿真虚拟场景（即第二场景）提供了准确全面的模型数据，使得虚拟场景与真实场景能够一一对应，提高数字孪生技术仿真的准确性。
进一步的，所述第二数据，包括：运输货物状态数据、运输工具状态数据、装卸工具状态数据和运输场景状态数据；
所述运输货物状态数据，为所述第一场景中反映运输货物状态变化的具体数据；比如：运输货物的质量、位移、加速度、倾角等具体数据；
所述运输工具状态数据，为所述第一场景中反映运输工具状态变化的具体数据；比如：运输工具的外廓尺寸、速度、加速度、转弯半径等具体数据；
所述装卸工具状态数据，为所述第一场景中反映装卸工具状态变化的具体数据；比如：装卸工具的外廓尺寸、装卸作业高度、起吊重量、平衡性能参数等具体数据；
所述运输场景状态数据，为所述第一场景中反映运输场景状态变化的具体数据；比如：运输场景的气候变化参数(如：温度、湿度、风向、风力等)，以及其他环境参数等具体数据。
本发明将所述第二数据，按照与第一数据中不同模型一一对应的状态相关数据分为运输货物状态数据、运输工具状态数据、装卸工具状态数据和运输场景状态数据，这样，能够在客观准确仿真虚拟场景的基础上，对真实场景中反映不同模型状态变化的动态数据进行同步至虚拟场景中，使得虚拟场景能够实时反映真实场景中的各种变化，提高数字孪生技术的实时性和准确性。
进一步的，所述在所述第二场景中，根据各环节的状态变化，预测各环节的操作安全性，并预判各环节的操作是否存在安全隐患，还包括：
从所述第二场景各环节的状态变化中抽取出第三数据；
根据已筛选出的所述第三数据，确定至少一个操作安全性指标；
根据所述操作安全性指标与其对应阈值之间的关系，判定所述操作安全性指标对应的相关操作是否存在安全隐患；
所述第三数据，为所述第二场景中与各环节操作安全性相关的数据；
由于从第二场景各环节的状态变化中，抽取出与各环节操作安全性相关的数据,作为第三数据，而操作安全性指标是根据第三数据来确定的，所以，就能够提高确定操作安全性指标的准确性，也在后续判定操作安全性指标对应的相关操作是否存在安全隐患时，判定结果更加准确。
进一步的，如图2所示，所述从所述第二场景中各环节的状态变化中抽取出第三数据，还包括：
从所述第二场景中各环节的状态变化中，抽取所述装卸工具状态数据；
从所述装卸工具状态数据中，抽取与装卸操作安全性相关的数据，作为第三数据；
所述从所述装卸工具状态数据中，抽取与装卸操作安全性相关的数据，还包括：抽取装卸工具的第一平衡状态数据、第二平衡状态数据和第三平衡状态数据；
所述第一平衡状态，为作业过程中，装卸工具与水平地面之间的平衡状态；所述第一平衡状态数据，为反映第一平衡状态的相关数据；
所述第二平衡状态，为作业过程中，装卸工具与其支撑单元之间的平衡状态；所述第二平衡状态数据，为反映第二平衡状态的相关数据；所述支撑单元，用于为装卸工具提供保持平衡的支撑力；
所述第三平衡状态，为作业过程中，装卸工具的支撑单元之间的平衡状态；所述第三平衡状态数据，为反映第三平衡状态的相关数据。
本发明将装卸工具状态数据中与装卸操作安全性相关的数据作为第三数据，并且根据装卸工具的结构特点，将其对应的平衡状态分为三类，即：作业过程中，装卸工具与水平地面之间的第一平衡状态；作业过程中，装卸工具与其支撑单元之间的第二平衡状态；作业过程中，装卸工具的支撑单元之间的第三平衡状态。这样就能根据装卸工具的结构与各平衡状态之间的关联性，准确划分不同的平衡状态，且后续确定不同的操作安全性指标将会更加细化和准确全面，使操作安全性指标和操作状态也能够一一对应，因此，能够使预测的各环节的操作安全性更加全面，预判各环节的操作是否存在安全隐患也更加准确，发出预警更加及时，自然能够有效降低大件货物在流通过程中的操作风险。
进一步的，所述根据所述操作安全性指标与其对应阈值之间的关系，判定所述操作安全性指标对应的相关操作是否存在安全隐患，还包括：
确定第一平衡指标是否达标，若不达标，则判定所述第一平衡状态不达标，装卸工具与水平地面之间的平衡性不达标，第一平衡状态的相关操作存在安全隐患；
确定第二平衡指标是否达标，若不达标，则判定所述第二平衡状态不达标，装卸工具与其支撑单元之间的平衡性不达标，第一平衡状态的相关操作存在安全隐患；
确定第三平衡指标是否达标，若不达标，则判定所述第三平衡状态不达标，装卸工具的支撑单元之间的平衡性不达标，第一平衡状态的相关操作存在安全隐患；
所述第一平衡指标、第二平衡指标和第三平衡指标，均为装卸工具的操作安全性指标；所述第一平衡指标，为衡量第一平衡状态程度的相关指标；所述第二平衡指标，为衡量第二平衡状态程度的相关指标；所述第三平衡指标，为衡量第三平衡状态程度的相关指标。
具体来说，所述平衡状态达标，表示各部分之间能够保持平衡，无倾斜翻倒的安全隐患；所述平衡状态不达标，表示各部分之间存在无法保持平衡的较大可能性，存在倾斜侧翻的安全隐患；
本发明根据已划分的三个平衡状态，一一对应地设置了三个平衡指标，更加细化不同的操作安全性指标，使操作安全性指标和操作状态能够一一对应，因此，能够使预测的各环节的操作安全性更加全面，预判各环节的操作是否存在安全隐患也更加准确，发出预警更加及时，自然能够有效降低大件货物在流通过程中的操作风险。
进一步的，所述第一平衡指标，包括装卸工具的横向倾角和装卸工具的纵向倾角；
所述确定第一平衡指标是否达标的方法如下：
若装卸工具的横向倾角的小于第一平衡阈值的横向阈值，且装卸工具的纵向倾角小于第一平衡阈值的纵向阈值，则判定所述第一平衡状态达标，装卸工具与水平地面之间的平衡性达标，第一平衡状态的相关操作不存在安全隐患；
若装卸工具的横向倾角大于等于第一平衡阈值的横向阈值，或者装卸工具的纵向倾角中大于等于第一平衡阈值的纵向阈值，则判定所述第一平衡状态不达标，装卸工具与水平地面之间的平衡性不达标，第一平衡状态的相关操作存在安全隐患；
所述横向倾角和纵向倾角，为水平面上的相互垂直的两个轴线上的倾角，具体取值均取实际采样值的绝对值；
所述第一平衡阈值，为所述第一平衡指标对应的阈值，包括横向阈值和纵向阈值；
所述横向阈值，为所述装卸工具的横向倾角对应的阈值；
所述纵向阈值，为所述装卸工具的纵向倾角对应的阈值。
本发明第一平衡指标，包括水平面上的相互垂直的两个轴线上的倾角，将判定第一平衡状态是否达标的条件分为装卸工具的横向倾角和装卸工具的纵向倾角，这样就能全面衡量装卸工具与水平地面之间的平衡性，所以，判定第一平衡状态达标与否更加全面客观。
进一步的，所述第二平衡指标，具体如下：
;
其中，QA为装卸工具的第二平衡指标；
θxk为装卸工具的第k个支撑单元的横向倾角监测值；
θyk为装卸工具的第k个支撑单元的纵向倾角监测值；
θx为第一平衡状态达标时，装卸工具的横向倾角监测值；
θy为第一平衡状态达标时，装卸工具的纵向倾角监测值；
k表示第k个支撑单元；
n为装卸工具的支撑单元总数量；
以上参数和其具体数据，均为同一采样周期内的监测数据，且所有倾角监测值均取实际采样值的绝对值；
所述确定第二平衡指标是否达标的方法如下：
若装卸工具的第二平衡指标小于第二平衡阈值，则判定所述第二平衡状态达标，装卸工具与其支撑单元之间的平衡性达标，第二平衡状态的相关操作不存在安全隐患；
若装卸工具的第二平衡指标大于等于第二平衡阈值，则判定所述第二平衡状态不达标，装卸工具与其支撑单元之间的平衡性不达标，第二平衡状态的相关操作存在安全隐患；
所述第二平衡阈值，为所述第二平衡指标对应的阈值。
本发明第二平衡指标，通过装卸工具的各支撑单元的平衡状态相关参数（即装卸工具的各支撑单元的的横向倾角和纵向倾角）与装卸工具的平衡状态相关参数（即第一平衡状态达标时装卸工具的横向倾角和纵向倾角）两方面之间的倾角关系，确定第二平衡指标，且将第一平衡状态达标时装卸工具的横向倾角和纵向倾角分别一一对应地作为装卸工具的各支撑单元的的横向倾角和纵向倾角的基准值，这样获得的第二平衡指标，就能够反映当前已达标的装卸工具的实际平衡状态与其各支撑单元平衡状态之间的相对关系，使得确定的第二平衡指标更加贴合实际状态，获得的第二平衡指标数值也更加准确。
进一步的，所述第三平衡指标，具体如下：
;
其中，QB为装卸工具的第三平衡指标；
θ1i为第i个第一支撑单元倾角监测值；
θ1为第一支撑单元倾角阈值；
i表示第i个第一支撑单元；
m1为第一支撑单元倾角的总数量；
θ2j为第j个第二支撑单元倾角监测值；
θ2为第二支撑单元倾角阈值；
j表示第j个第一支撑单元；
m2为第二支撑单元倾角的总数量；
n为装卸工具的支撑单元总数量；
所述第一支撑单元倾角，为装卸工具的所有支撑单元的横向倾角中，大于第一支撑单元倾角阈值的横向倾角；所述第一支撑单元倾角阈值，为所述第一支撑单元倾角对应的阈值；
所述第二支撑单元倾角，为装卸工具的所有支撑单元的横向倾角中，大于第二支撑单元倾角阈值的横向倾角；所述第二支撑单元倾角阈值，为所述第二支撑单元倾角对应的阈值；
以上参数和其具体数据，均为同一采样周期内的监测数据，且所有倾角监测值均取实际采样值的绝对值；
所述确定第三平衡指标是否达标的方法如下：
若装卸工具的第三平衡指标小于第三阈值，则判定所述第三平衡状态达标，装卸工具的支撑单元之间的平衡性达标，第三平衡状态的相关操作不存在安全隐患；
若装卸工具的第三平衡指标大于等于第二阈值，则判定所述第三平衡状态不达标，装卸工具的支撑单元之间的平衡性不达标，第三平衡状态的相关操作存在安全隐患。
本发明第三平衡指标，通过装卸工具的各支撑单元之间的平衡状态相关参数（即装卸工具的各支撑单元的第一支撑单元倾角和第二支撑单元倾角）与相关参数的比例关系（即第一支撑单元倾角和第二支撑单元倾角分别与支撑单元总数量的比例）两方面之间的影响关系，确定第三平衡指标，这样获得的第三平衡指标，就能够反映当前装卸工具的各支撑单元之间的平衡状态及其相对关系，使得确定的第三平衡指标更加贴合实际状态，获得的第三平衡指标数值也更加准确。
实施例3
如图4所示，本实施例提供了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如实施例1所述的方法。
实施例4
如图5所示，本实施例提供了一种计算机装置，包括存储器和处理器；所述存储器，用于存储计算机程序；所述处理器，用于执行所述计算机程序时，实现如实施例1所述的方法。
综上所述，本发明通过数字孪生技术，将真实的大件货物流通场景仿真成一一对应的虚拟场景，实现第一场景和第二场景之间各环节的对应模型的一一映射，并利用从真实的大件货物流通场景中采集的实时监测数据，输入至虚拟场景的各环节的对应模型中，实现第一场景和第二场景之间各环节的对应模型的状态变化的同步，最后，根据各环节的状态变化，预测第一场景中各环节的操作安全性，并预判各环节的操作是否存在安全隐患；若存在安全隐患，则发出预警。不仅能够使预测的各环节的操作安全性更加全面，而且预判各环节的操作是否存在安全隐患也更加准确，发出预警也更加及时，有效降低大件货物在流通过程中的操作风险。本发明利用数字孪生技术，有效地将虚拟与现实相结合，将物流过程进行合理地拆解成不同的模型及数据，通过数字孪生技术中的流程模型或逻辑模型以及真实世界的实时监测数据，构建物流过程的数字孪生场景，再配合逻辑算法，对整个物流过程达到有效的可视化推演及预判，以降低操作风险。
本发明将数字化领域的先进技术以及大件物料领域的传统操作相结合，实现了大件物流领域亟待解决的全数字化大件物流仿真技术的落地应用，突破了行业技术壁垒，填补了行业技术空白。从而为物流企业、产品厂商、物流用户提供全数字化大件物流仿真解决方案，将繁冗的操作方案和流程“可视化”，在物流全过程中做到“虚实交互”，能够实时掌握大件物流各个环节的动态。
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，上述描述的系统、介质、装置、模块和单元的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。
在本申请所提供的几个实施例中，应该理解到，所揭露的系统，装置和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，所述模块或单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个模块或单元可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的形成或直接形成或通信连接可以是通过一些接口，装置或单元的间接形成或通信连接，可以是电性，机械或其它的形式。
所述作为分离部件说明的模块或单元可以是或者也可以不是物理上分开的，作为模块或单元显示的部件可以是或者也可以不是物理模块或单元，即可以位于一个地方，或者也可以分布到多个网络模块或单元上。可以根据实际的需要选择其中的部分或者全部模块或单元来实现本实施例方案的目的。
另外，在本申请各个实施例中的各功能模块或单元可以集成在一个处理模块或单元中，也可以是各个模块或单元单独物理存在，也可以两个或两个以上模块或单元集成在一个模块或单元中。上述集成的模块或单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。
所述集成的系统、模块、单元等，如果以软件功能单元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全部或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。
最后应说明的是，以上实施例仅用以说明本申请的技术方案，而非对其限制；尽管参照前述实施例对本申请进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本申请各实施例技术方案的精神和范围。

Claims (10)

1.一种基于数字孪生技术的大件物流仿真方法，其特征在于，所述方法包括：
从第一场景中获取仿真第二场景所需的第一数据；
通过数字孪生技术，使用已获取的所述第一数据，仿真所述第二场景；
获取所述第一场景中各环节的第二数据；
将已获取的所述第二数据，输入至所述第二场景的各环节的对应模型中，通过数字孪生技术，将所述第一场景中各环节真实状态的变化情况实时映射至所述第二场景中各环节的虚拟模型中，用于将所述第一场景的状态变化同步反映至所述第二场景中；
在所述第二场景中，根据各环节的状态变化，预测各环节的操作安全性，并预判各环节的操作是否存在安全隐患；
若所述各环节的操作存在安全隐患，则发出预警，及时降低大件货物在流通过程中的操作风险；
所述第一场景，为真实的大件货物流通过程；
所述第二场景，为与所述第一场景一一对应的仿真虚拟场景；
所述第一数据，为对所述第一场景进行仿真所需的各环节相关模型的具体数据；
所述第二数据，为实时采集的反映所述第一场景中各环节相关模型的真实状态变化的具体数据。
2.根据权利要求1所述的基于数字孪生技术的大件物流仿真方法，其特征在于，所述第一数据包括：运输货物模型数据、运输工具模型数据、装卸工具模型数据和运输场景模型数据；
所述运输货物模型数据，为所述第一场景中与运输货物仿真相关的各模型的具体数据；
所述运输工具模型数据，为所述第一场景中与运输工具仿真相关的各模型的具体数据；
所述装卸工具模型数据，为所述第一场景中与装卸工具仿真相关的各模型的具体数据；
所述运输场景模型数据，为所述第一场景中与运输场景仿真相关的各模型的具体数据。
3.根据权利要求2所述的基于数字孪生技术的大件物流仿真方法，其特征在于，所述第二数据，包括：运输货物状态数据、运输工具状态数据、装卸工具状态数据和运输场景状态数据；
所述运输货物状态数据，为所述第一场景中反映运输货物状态变化的具体数据；
所述运输工具状态数据，为所述第一场景中反映运输工具状态变化的具体数据；
所述装卸工具状态数据，为所述第一场景中反映装卸工具状态变化的具体数据；
所述运输场景状态数据，为所述第一场景中反映运输场景状态变化的具体数据。
4.根据权利要求3所述的基于数字孪生技术的大件物流仿真方法，其特征在于，所述在所述第二场景中，根据各环节的状态变化，预测各环节的操作安全性，并预判各环节的操作是否存在安全隐患，还包括：
从所述第二场景各环节的状态变化中抽取出第三数据；
根据已筛选出的所述第三数据，确定至少一个操作安全性指标；
根据所述操作安全性指标与其对应阈值之间的关系，判定所述操作安全性指标对应的相关操作是否存在安全隐患；
所述第三数据，为所述第二场景中与各环节操作安全性相关的数据。
5.根据权利要求4所述的基于数字孪生技术的大件物流仿真方法，其特征在于，所述从所述第二场景中各环节的状态变化中抽取出第三数据，还包括：
从所述第二场景中各环节的状态变化中，抽取所述装卸工具状态数据；
从所述装卸工具状态数据中，抽取与装卸操作安全性相关的数据，作为第三数据；
所述从所述装卸工具状态数据中，抽取与装卸操作安全性相关的数据，还包括：抽取装卸工具的第一平衡状态数据、第二平衡状态数据和第三平衡状态数据；
所述第一平衡状态，为作业过程中，装卸工具与水平地面之间的平衡状态；所述第一平衡状态数据，为反映第一平衡状态的相关数据；
所述第二平衡状态，为作业过程中，装卸工具与其支撑单元之间的平衡状态；所述第二平衡状态数据，为反映第二平衡状态的相关数据；所述支撑单元，用于为装卸工具提供保持平衡的支撑力；
所述第三平衡状态，为作业过程中，装卸工具的支撑单元之间的平衡状态；所述第三平衡状态数据，为反映第三平衡状态的相关数据。
6.根据权利要求5所述的基于数字孪生技术的大件物流仿真方法，其特征在于，所述根据所述操作安全性指标与其对应阈值之间的关系，判定所述操作安全性指标对应的相关操作是否存在安全隐患，还包括：
确定第一平衡指标是否达标，若不达标，则判定所述第一平衡状态不达标，装卸工具与水平地面之间的平衡性不达标，第一平衡状态的相关操作存在安全隐患；
确定第二平衡指标是否达标，若不达标，则判定所述第二平衡状态不达标，装卸工具与其支撑单元之间的平衡性不达标，第一平衡状态的相关操作存在安全隐患；
确定第三平衡指标是否达标，若不达标，则判定所述第三平衡状态不达标，装卸工具的支撑单元之间的平衡性不达标，第一平衡状态的相关操作存在安全隐患；
所述第一平衡指标、第二平衡指标和第三平衡指标，均为装卸工具的操作安全性指标；所述第一平衡指标，为衡量第一平衡状态程度的相关指标；所述第二平衡指标，为衡量第二平衡状态程度的相关指标；所述第三平衡指标，为衡量第三平衡状态程度的相关指标。
7.根据权利要求6所述的基于数字孪生技术的大件物流仿真方法，其特征在于，所述第一平衡指标，包括装卸工具的横向倾角和装卸工具的纵向倾角；
所述确定第一平衡指标是否达标的方法如下：
若装卸工具的横向倾角的小于第一平衡阈值的横向阈值，且装卸工具的纵向倾角小于第一平衡阈值的纵向阈值，则判定所述第一平衡状态达标，装卸工具与水平地面之间的平衡性达标，第一平衡状态的相关操作不存在安全隐患；
若装卸工具的横向倾角大于等于第一平衡阈值的横向阈值，或者装卸工具的纵向倾角中大于等于第一平衡阈值的纵向阈值，则判定所述第一平衡状态不达标，装卸工具与水平地面之间的平衡性不达标，第一平衡状态的相关操作存在安全隐患；
所述横向倾角和纵向倾角，为水平面上的相互垂直的两个轴线上的倾角，具体取值均取实际采样值的绝对值；
所述第一平衡阈值，为所述第一平衡指标对应的阈值，包括横向阈值和纵向阈值；
所述横向阈值，为所述装卸工具的横向倾角对应的阈值；
所述纵向阈值，为所述装卸工具的纵向倾角对应的阈值。
8.根据权利要求6所述的基于数字孪生技术的大件物流仿真方法，其特征在于，所述第二平衡指标，具体如下：
;
其中，QA为装卸工具的第二平衡指标；
θxk为装卸工具的第k个支撑单元的横向倾角监测值；
θyk为装卸工具的第k个支撑单元的纵向倾角监测值；
θx为第一平衡状态达标时，装卸工具的横向倾角监测值；
θy为第一平衡状态达标时，装卸工具的纵向倾角监测值；
k表示第k个支撑单元；
n为装卸工具的支撑单元总数量；
以上参数和其具体数据，均为同一采样周期内的监测数据，且所有倾角监测值均取实际采样值的绝对值；
所述确定第二平衡指标是否达标的方法如下：
若装卸工具的第二平衡指标小于第二平衡阈值，则判定所述第二平衡状态达标，装卸工具与其支撑单元之间的平衡性达标，第二平衡状态的相关操作不存在安全隐患；
若装卸工具的第二平衡指标大于等于第二平衡阈值，则判定所述第二平衡状态不达标，装卸工具与其支撑单元之间的平衡性不达标，第二平衡状态的相关操作存在安全隐患；
所述第二平衡阈值，为所述第二平衡指标对应的阈值。
9.根据权利要求6所述的基于数字孪生技术的大件物流仿真方法，其特征在于，所述第三平衡指标，具体如下：
;
其中，QB为装卸工具的第三平衡指标；
θ1i为第i个第一支撑单元倾角监测值；
θ1为第一支撑单元倾角阈值；
i表示第i个第一支撑单元；
m1为第一支撑单元倾角的总数量；
θ2j为第j个第二支撑单元倾角监测值；
θ2为第二支撑单元倾角阈值；
j表示第j个第一支撑单元；
m2为第二支撑单元倾角的总数量；
n为装卸工具的支撑单元总数量；
所述第一支撑单元倾角，为装卸工具的所有支撑单元的横向倾角中，大于第一支撑单元倾角阈值的横向倾角；所述第一支撑单元倾角阈值，为所述第一支撑单元倾角对应的阈值；
所述第二支撑单元倾角，为装卸工具的所有支撑单元的横向倾角中，大于第二支撑单元倾角阈值的横向倾角；所述第二支撑单元倾角阈值，为所述第二支撑单元倾角对应的阈值；
以上参数和其具体数据，均为同一采样周期内的监测数据，且所有倾角监测值均取实际采样值的绝对值；
所述确定第三平衡指标是否达标的方法如下：
若装卸工具的第三平衡指标小于第三阈值，则判定所述第三平衡状态达标，装卸工具的支撑单元之间的平衡性达标，第三平衡状态的相关操作不存在安全隐患；
若装卸工具的第三平衡指标大于等于第二阈值，则判定所述第三平衡状态不达标，装卸工具的支撑单元之间的平衡性不达标，第三平衡状态的相关操作存在安全隐患。
10.一种基于数字孪生技术的大件物流仿真系统，其特征在于，所述系统包括：
第一数据获取单元，用于从第一场景中获取仿真第二场景所需的第一数据；
仿真虚拟场景单元，用于通过数字孪生技术，使用已获取的所述第一数据，仿真所述第二场景；
第二数据获取单元，用于获取所述第一场景中各环节的第二数据；
场景状态同步单元，用于将已获取的所述第二数据，输入至所述第二场景的各环节的对应模型中，通过数字孪生技术，将所述第一场景中各环节真实状态的变化情况实时映射至所述第二场景中各环节的虚拟模型中，用于将所述第一场景的状态变化同步反映至所述第二场景中；
操作安全预测单元，用于在所述第二场景中，根据各环节的状态变化，预测各环节的操作安全性，并预判各环节的操作是否存在安全隐患；
操作安全预警单元，用于若所述各环节的操作存在安全隐患，则发出预警，及时降低大件货物在流通过程中的操作风险；
所述第一场景，为真实的大件货物流通过程；
所述第二场景，为与所述第一场景一一对应的仿真虚拟场景；
所述第一数据，为对所述第一场景进行仿真所需的各环节相关模型的具体数据；
所述第二数据，为实时采集的反映所述第一场景中各环节相关模型的真实状态变化的具体数据。
CN202311337250.XA 2023-10-17 2023-10-17 一种基于数字孪生技术的大件物流仿真方法与系统 Active CN117077455B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202311337250.XA CN117077455B (zh) 2023-10-17 2023-10-17 一种基于数字孪生技术的大件物流仿真方法与系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202311337250.XA CN117077455B (zh) 2023-10-17 2023-10-17 一种基于数字孪生技术的大件物流仿真方法与系统

Publications (2)

Publication Number Publication Date
CN117077455A true CN117077455A (zh) 2023-11-17
CN117077455B CN117077455B (zh) 2023-12-22

Family

ID=88704669

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202311337250.XA Active CN117077455B (zh) 2023-10-17 2023-10-17 一种基于数字孪生技术的大件物流仿真方法与系统

Country Status (1)

Country Link
CN (1) CN117077455B (zh)

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110147069A (zh) * 2019-04-28 2019-08-20 武汉理工大学 一种基于数字孪生的港口实时监控系统及其工作方法
US20200249663A1 (en) * 2017-10-17 2020-08-06 Guangdong University Of Technology Method and system for quick customized-design of intelligent workshop
US20220343260A1 (en) * 2021-03-22 2022-10-27 Tata Consultancy Services Limited Method and system for dynamically optimizing the operations of logistics management system
CN116468287A (zh) * 2023-03-23 2023-07-21 国网浙江省电力有限公司嘉兴供电公司 一种基于数字孪生的智慧园区控制系统

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20200249663A1 (en) * 2017-10-17 2020-08-06 Guangdong University Of Technology Method and system for quick customized-design of intelligent workshop
CN110147069A (zh) * 2019-04-28 2019-08-20 武汉理工大学 一种基于数字孪生的港口实时监控系统及其工作方法
US20220343260A1 (en) * 2021-03-22 2022-10-27 Tata Consultancy Services Limited Method and system for dynamically optimizing the operations of logistics management system
CN116468287A (zh) * 2023-03-23 2023-07-21 国网浙江省电力有限公司嘉兴供电公司 一种基于数字孪生的智慧园区控制系统

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
杨超锋;李志勇;张旭和;: "大倾角工作面液压支架稳定性机理分析", 煤炭科学技术, no. 07 *

Also Published As

Publication number Publication date
CN117077455B (zh) 2023-12-22

Similar Documents

Publication Publication Date Title
US10809153B2 (en) Detecting apparatus, detection method, and program
CN102508692B (zh) 临近空间飞行器控制方法仿真与验证方法
CN108900546A (zh) 基于lstm的时间序列网络异常检测的方法与装置
US20130124151A1 (en) Methods and Apparatus for Printability of Three-Dimensional Objects
CN110348752B (zh) 一种考虑环境干扰的大型工业系统结构安全性评估方法
CN110633790B (zh) 基于卷积神经网络的飞机油箱剩余油量测量方法和系统
CN112560967A (zh) 一种多源遥感图像分类方法、存储介质及计算设备
CN107340514A (zh) 三维空间中高超声速弱目标rae‑ht‑tbd积累检测方法
CN113484851A (zh) 车载激光雷达的仿真测试系统、方法和整车在环测试系统
CN112308454A (zh) 汽车操纵稳定性评价方法、装置、设备及存储介质
CN113673171B (zh) 一种基于历史数据驱动和机器学习的对接机构数字孪生试验系统及其运行方法
CN117077455B (zh) 一种基于数字孪生技术的大件物流仿真方法与系统
CN115858940A (zh) 一种基于大数据处理的钢结构焊接工艺质量管理推荐方法
CN114186944A (zh) 一种冷链物流的数字化协同追溯方法及系统
CN113722894A (zh) 一种基于模型简化的火灾蔓延模拟加速方法及系统
CN113868803A (zh) 机理模型和动态数据联合驱动的“云-边”结合数字孪生方法
EP3961183A1 (en) Impact speed control method and apparatus, storage medium and electronic device
CN113656891A (zh) 液体火箭动特性建模分析方法及终端设备
CN116049989A (zh) 转向架数字孪生模型构建方法、系统、电子设备及介质
CN113656918B (zh) 一种应用于成品高架库场景的四旋翼仿真测试方法
CN112287563B (zh) 探测单分散颗粒体系结晶相前驱体微观结构的方法及系统
CN116644585B (zh) 基于目标车辆危险度的险态场景数据生成方法和装置
WO2023085195A1 (ja) モデル生成装置、モデル生成方法及びデータ推定装置
Uus et al. Synthetic Dataset Generation for Object Detection Using Virtual Environment
Zheng et al. Interface Identification of Automatic Verification System Based on Deep Learning

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