一种基于分布及约束的运维数字孪生数据生成方法

1.本发明属于电子工程和计算机科学领域，具体涉及一种基于分布及约束的运维数字孪生数据生成方法。


背景技术：

2.随着制造业智能化、产业化升级。智能运维已成为当前制造业关注的热点和目标。在制造领域中有各类复杂物理设备，由于复杂设备具有零部件数量多，结构多样，工艺复杂等特点，复杂设备的运维优化成为了一大难题。当前很多智能运维研究，例如健康状态评估、故障预测、运维决策优化等运用了优化算法和数据模型，这些算法和模型为智能运维优化提供了支撑。然而，这些算法和模型的实现和验证往往会面临可用数据不足的情况。一方面，部分设备能够采集的数据有限，例如复合材料生产车间中的热压罐，数字化程度较低，仅在较少的位置低频率的采集生产过程数据，数据总量不足。另一方面，数字化程度较高的设备，如数控机床等虽然能采集到大量的数据，但是这些数据种类多且杂，涉及到具体研究对象，例如机床刀具、机床轴承等时依然存在可用数据不足的情况。


技术实现要素：

3.针对智能运维中算法和模型在实现和验证过程中面临的可用数据样本不充足的问题，为了解决该技术问题，本发明提出构建具体物理对象的数字孪生虚拟模型，针对数据使用需求进行数据生成驱动配置。从物理对象的运维过程和生成数据特点出发，组合分析生成数据特征，并配置数据生成过程的分布和约束，最终基于孪生虚拟模型，结合生成数据特征、分布和约束配置，完成可用数据的生成。本发明能够基于物理实体的数字孪生模型，有效的生成设备运维数据，从而增加运维优化算法、模型实现和验证所需的可用数据，使运维优化有足够的数据支撑。
4.为达到上述目的，本发明采取以下技术方案：
5.一种基于分布及约束的运维数字孪生数据生成方法，包括如下步骤：
6.步骤(1)、虚拟模型构建步骤，该步骤的具体实现如下：
7.①
针对车间内具体物理设备，根据该设备的结构、尺寸、装配关系等特征，使用matlab等软件描述该设备的二维、三维特征并集成，构建其几何模型；
8.②
选择该设备与运维过程高度相关的零部件及其内部空间，描述其力学、声学、热力学等物理属性，并于几何模型一一对应；
9.③
根据该设备运维的过程及特征，添加运维行为，包括驱动设备运行维护进行的具体行为以及设备各个组成部分面对该行为的响应；
10.④
根据该设备运维过程的具体领域，设置运维规则，包括控制规则、历史数据等；
11.步骤(2)、数据生成驱动步骤，该步骤的具体实现如下：
12.①
选择运维系统的参数，如环境温度、环境压力等运行环境参数，加工时间、运行时长等工艺要求参数，为这些参数添加相应的数据接口，便于参数转化并输入到构建的虚
拟模型中，用于后续的数据生成；
13.②
配置数据生成参数，除了虚拟模型中涉及的材料属性参数、运行参数及边界条件参数外，还包括生成次数、生成时间、生成范围等满足使用者需求的参数；
14.③
仿真运行初始化，包括仿真的运维行为、生成参数、虚拟模型状态、分布与约束状态的初始化；
15.步骤(3)、组合分析步骤，该步骤的具体实现如下：
16.①
针对物理实体的特征进行分析，包括设备的工艺、控制、维护、故障规则、关键零部件变化位置、关键参数特性等；
17.②
基于设备运维特点以及数据用途对运维数据的趋势进行分析，包括数据集中趋势、分布趋势及变化趋势；
18.③
基于设备运维特点以及数据用途对运维数据的范围进行分析，包括数据取值范围、数据插值范围、数据统计特性等；
19.④
基于上述分析确认生成数据的基本特征，包括数据维度、数据量、数据分布特征和数据基本约束特征；
20.步骤(4)、分布及约束构建步骤，该步骤的具体实现如下：
21.①
构建生成数据的统计分布，该分布既满足步骤(3)得到的数据分布特征，也便于数据使用，包括高斯分布、二项分布、均匀分布、泊松分布等；
22.②
构建生成数据的机理分布，该分布既满足步骤(3)得到的数据分布特征，也便于数据使用，包括数据的疏密、极值、方向、变化特点等；
23.③
构建生成数据的范围约束，该约束既满足步骤(3)得到的数据约束特征，也便于数据使用，包括数据的均值、异常值频率、方差、拟合公差等；
24.④
构建生成数据的条件约束，该约束既满足步骤(3)得到的数据约束特征，也便于数据使用，包括数据的完整、一致、基本逻辑等；
25.⑤
基于上述构建的分布和约束，确认数据生成特征。
26.步骤(5)、数据生成步骤，该步骤的具体实现如下：
27.①
设置数据生成特征参数，使生成的数据满足特定分布及约束；
28.②
在步骤(1)中构建的模型中设置本次运行仿真对应的数据采集点，包括位置、数量以及生成数据的空间维度和时间跨度；
29.③
执行运维行为仿真，生成对应行为的虚拟数据；
30.④
对虚拟数据进行标注并转化数据存储格式，若存在相同设备，相同行为，相同采集点的物理数据，则将虚拟数据与物理数据进行对准，实现孪生数据的生成。
31.本发明与现有技术相比的优点在于：
32.(1)本发明使用数字孪生技术，通过建立物理对象虚拟模型的方式，自主生成运维优化算法和模型所需要的数据，在时间成本和经济成本两方面都大大减少，解决了可用数据少的问题。
33.(2)本发明通过组合分析物理对象和数据使用需求，构建分布和约束实现数据生成，该数据既能够满足数据使用需求和也符合物理对象特点。
附图说明
34.图1为本发明的基于分布及约束的运维数字孪生数据生成方法结构框图。
具体实施方式
35.下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整的描述，显然，所描述的实施例仅为本发明的一部分实施例，而不是全部的实施例，基于本发明中的实施例，本领域的普通技术人员在不付出创造性劳动的前提下所获得的所有其他实施例，都属于本发明的保护范围。
36.本发明涉及一种基于分布及约束的运维数字孪生数据生成方法。该方法构建具体物理对象的数字孪生虚拟模型，针对数据使用需求进行数据生成驱动配置。从物理对象的运维过程和生成数据特点出发，组合分析生成数据特征，并配置数据生成过程的分布和约束，最终基于孪生虚拟模型，结合生成数据特征、分布和约束配置，完成可用数据的生成。本发明能够基于物理实体的数字孪生模型，有效的生成设备运维数据，从而增加运维优化算法、模型实现和验证所需的可用数据，使运维优化有足够的数据支撑。
37.本发明的一种基于分布及约束的运维数字孪生数据生成方法结构框图如图1所示，包括虚拟模型构建模块1、数据生成驱动模块2、组合分析模块3、分布及约束构建模块4和数据生成模块5，具体步骤如下：
38.(1)所述虚拟模型构建模块1，的具体实现如下：
39.①
针对车间内具体物理设备，根据该物理设备的结构、尺寸、装配关系等特征，使用matlab等软件描述该物理设备的二维、三维特征并集成，构建其几何模型；
40.②
选择该物理设备与运维过程高度相关的零部件及其内部空间，描述其力学、声学、热力学等物理属性，并与几何模型一一对应；
41.③
根据该物理设备运维的过程及特征，添加运维行为，包括驱动设备运行维护进行的具体行为以及设备各个组成部分面对该行为的响应；
42.④
根据该物理设备运维过程的具体领域，设置运维规则，包括控制规则、历史数据等；
43.(2)所述数据生成驱动模块2的具体实现如下：
44.①
选择运维系统的参数，如环境温度、环境压力等运行环境参数，加工时间、运行时长等工艺要求参数，为这些参数添加相应的数据接口，便于参数转化并输入到构建的虚拟模型中，用于后续的数据生成；
45.②
配置数据生成参数，除了虚拟模型中涉及的材料属性参数、运行参数及边界条件参数外，还包括生成次数、生成时间、生成范围等满足使用者需求的参数；
46.③
仿真运行初始化，包括仿真的运维行为、生成参数、虚拟模型状态、分布与约束状态的初始化；
47.(3)所述组合分析模块3的具体实现如下：
48.①
针对物理实体的特征进行分析，包括设备的工艺、控制、维护、故障规则、关键零部件变化位置、关键参数特性等；
49.②
基于设备运维特点以及数据用途对运维数据的趋势进行分析，包括数据集中趋势、分布趋势及变化趋势；
50.③
基于设备运维特点以及数据用途对运维数据的范围进行分析，包括数据取值范围、数据插值范围、数据统计特性等；
51.④
基于上述分析确认生成数据的基本特征，包括数据维度、数据量、数据分布特征和数据基本约束特征；
52.(4)所述分布及约束构建模块4的具体实现如下：
53.①
构建生成数据的统计分布，该分布既满足组合分析模块3得到的数据分布特征，也便于数据使用，包括高斯分布、二项分布、均匀分布、泊松分布等；
54.②
构建生成数据的机理分布，该分布既满足组合分析模块3得到的数据分布特征，也便于数据使用，包括数据的疏密、极值、方向、变化特点等；
55.③
构建生成数据的范围约束，该约束既满足组合分析模块3得到的数据约束特征，也便于数据使用，包括数据的均值、异常值频率、方差、拟合公差等；
56.④
构建生成数据的条件约束，该约束既满足组合分析模块3得到的数据约束特征，也便于数据使用，包括数据的完整、一致、基本逻辑等；
57.⑤
基于上述构建的分布和约束，确认数据生成特征。
58.(5)所述数据生成模块5的具体实现如下：
59.①
设置数据生成特征参数，使生成的数据满足特定分布及约束；
60.②
在步骤(1)中构建的模型中设置本次运行仿真对应的数据采集点，包括位置、数量以及生成数据的空间维度和时间跨度；
61.③
执行运维行为仿真，生成对应行为的虚拟数据；
62.④
对虚拟数据进行标注并转化数据存储格式，若存在相同设备，相同行为，相同采集点的物理数据，则将虚拟数据与物理数据进行对准，实现孪生数据的生成。
63.综上所述，本发明公开了一种基于分布及约束构建的运维数字孪生数据生成方法，包括：虚拟模型构建模块、数据生成驱动模块、组合分析模块、分布及约束构建模块以及数据生成模块。本发明公开的方法能够解决设备智能运维优化过程中的可用数据不全面问题，使优化方法的实现和验证具备充足数据支撑的条件。
64.本发明说明书中未作详细描述的内容属于本领域专业技术人员公知的现有技术。
65.以上所述仅是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。