本技術實施例涉及數(shù)字孿生，尤其涉及一種基于工業(yè)自動化的數(shù)字孿生方法、系統(tǒng)、計算設備及存儲介質。

背景技術：

1、隨著技術的發(fā)展，數(shù)字孿生技術在工業(yè)自動化領域得到了廣泛應用。數(shù)字孿生是一種綜合運用物理模型、傳感器更新、運行歷史等數(shù)據(jù)集成的多學科優(yōu)化動態(tài)仿真過程。它通過構建物理系統(tǒng)的虛擬模型，實現(xiàn)對物理實體的實時監(jiān)測、預測和優(yōu)化。在工業(yè)自動化領域，數(shù)字孿生技術可以用于預測維護、性能優(yōu)化、故障診斷等多個方面。

2、傳統(tǒng)的工業(yè)自動化系統(tǒng)通常依賴于靜態(tài)模型和事后分析，這種方法雖然在一定程度上能夠實現(xiàn)對設備運行狀態(tài)的基本監(jiān)控，但在預測性和主動性方面存在不足。隨著生產(chǎn)效率和產(chǎn)品質量要求的不斷提高，傳統(tǒng)的工業(yè)自動化方法越來越難以滿足現(xiàn)代工業(yè)生產(chǎn)的需要。因此，開發(fā)能夠實時監(jiān)測和預測物理系統(tǒng)運行狀態(tài)的新技術變得尤為重要。

3、現(xiàn)有的數(shù)字孿生技術雖然能夠在一定程度上提高系統(tǒng)的預測能力和運行效率，但仍然存在一些局限性。例如，這些技術往往需要大量的歷史數(shù)據(jù)來訓練模型，對于新的或非典型的工況可能無法做出準確預測；此外，模型的更新通常依賴于人工干預，缺乏自動化的機制來持續(xù)優(yōu)化和調整模型，這限制了數(shù)字孿生技術在工業(yè)自動化領域的應用效果。

技術實現(xiàn)思路

1、本技術實施例提供一種基于工業(yè)自動化的數(shù)字孿生方法、系統(tǒng)、計算設備及存儲介質，用以解決現(xiàn)有技術中缺乏自動化的機制來持續(xù)優(yōu)化數(shù)字孿生體和調整物理模型的問題。

2、第一方面，本技術實施例提供了一種基于工業(yè)自動化的數(shù)字孿生方法，包括：

3、獲取來自物理系統(tǒng)的實時運行參數(shù)；

4、基于所述實時運行參數(shù)和預設的物理模型，在虛擬環(huán)境中構建所述物理系統(tǒng)的數(shù)字孿生體；

5、使用所述數(shù)字孿生體模擬所述物理系統(tǒng)的運行狀態(tài)，并預測所述物理系統(tǒng)在不同工況下的表現(xiàn)，以生成模擬結果；

6、將所述模擬結果與獲取的所述物理系統(tǒng)的實際運行數(shù)據(jù)進行比對，以對所述數(shù)字孿生體進行評估，獲取評估結果；

7、根據(jù)所述評估結果調整所述物理模型，以更新所述數(shù)字孿生體；

8、利用更新后的所述數(shù)字孿生體進行故障預測和/或優(yōu)化所述物理系統(tǒng)的運行參數(shù)。

9、可選地，所述獲取來自物理系統(tǒng)的實時運行參數(shù)，包括：

10、通過物聯(lián)網(wǎng)設備采集物理系統(tǒng)的實時傳感數(shù)據(jù)；

11、對所述實時傳感數(shù)據(jù)進行預處理，以生成實時運行參數(shù)；其中，所述預處理至少包括：數(shù)據(jù)清洗、異常值檢測和缺失值填補。

12、可選地，所述基于所述實時運行參數(shù)和預設的物理模型，在虛擬環(huán)境中構建所述物理系統(tǒng)的數(shù)字孿生體，包括：

13、使用機器學習算法對所述物理系統(tǒng)的實時運行參數(shù)進行分析，以提取關鍵特征；

14、基于所述關鍵特征構建所述物理系統(tǒng)的動態(tài)數(shù)學模型；

15、在所述虛擬環(huán)境中模擬所述物理系統(tǒng)的運行狀態(tài)，并通過所述動態(tài)數(shù)學模型進行實時更新，以完成對所述物理系統(tǒng)的數(shù)字孿生體的構建。

16、可選地，所述使用所述數(shù)字孿生體模擬所述物理系統(tǒng)的運行狀態(tài)，并預測所述物理系統(tǒng)在不同工況下的表現(xiàn)，以生成模擬結果，包括：

17、使用所述數(shù)字孿生體模擬所述物理系統(tǒng)在正常運行條件下的表現(xiàn)；

18、使用所述數(shù)字孿生體模擬所述物理系統(tǒng)在異常運行條件下的表現(xiàn)，并預測潛在故障的發(fā)生概率；

19、根據(jù)所述物理系統(tǒng)在正常運行條件下的表現(xiàn)、所述物理系統(tǒng)在異常運行條件下的表現(xiàn)以及所述潛在故障的發(fā)生概率，生成模擬結果；

20、所述預測潛在故障的發(fā)生概率，包括：

21、通過故障預測模型預測潛在故障的發(fā)生概率，其中，所述故障預測模型通過以下公式計算潛在故障的發(fā)生概率：

22、

23、其中，p(f)表示為潛在故障的發(fā)生概率，w0、wi、vij分別表示為偏置項、線性權重和交叉項權重，xi表示為第i個運行參數(shù)的值，xj表示為第j個運行參數(shù)的值，其中j＞i，n表示為運行參數(shù)的數(shù)量。

24、可選地，所述將所述模擬結果與獲取的所述物理系統(tǒng)的實際運行數(shù)據(jù)進行比對，以對所述數(shù)字孿生體進行評估，獲取評估結果，包括：

25、使用統(tǒng)計學方法計算所述模擬結果與獲取的所述物理系統(tǒng)的實際運行數(shù)據(jù)之間的差異；

26、通過誤差分析確定所述數(shù)字孿生體的準確程度，以獲取評估結果；

27、所述通過誤差分析確定所述數(shù)字孿生體的準確程度，以獲取評估結果，包括：

28、通過公式：計算所述數(shù)字孿生體的準確程度，以獲取評估結果；其中，rmse表示為評估結果，yi表示為實際運行數(shù)據(jù)，表示為模擬結果，n表示為數(shù)據(jù)點的數(shù)量。

29、可選地，所述根據(jù)所述評估結果調整所述物理模型，以更新所述數(shù)字孿生體，包括：

30、通過反向傳播算法優(yōu)化所述物理模型中的模型參數(shù)；

31、其中，所述反向傳播算法通過以下公式更新所述模型參數(shù)：

32、

33、其中，wj表示為第j個模型參數(shù)，η表示為學習率，表示為損失函數(shù)相對于模型參數(shù)wj的偏導數(shù)，λ表示為正則化項的權重，l表示為損失函數(shù)，其中，

34、可選地，所述利用更新后的所述數(shù)字孿生體進行故障預測和/或優(yōu)化所述物理系統(tǒng)的運行參數(shù)，包括：

35、利用更新后的所述數(shù)字孿生體進行故障預測，以根據(jù)潛在故障的發(fā)生概率采取預防措施；

36、通過優(yōu)化算法自動調整所述物理系統(tǒng)的運行參數(shù)，其中，所述運行參數(shù)優(yōu)化通過以下公式計算出所述物理系統(tǒng)的最優(yōu)參數(shù)集合p*：

37、

38、其中，f(p)表示為目標函數(shù)，p表示為參數(shù)集合，p*表示為最優(yōu)參數(shù)集合，λ表示為正則化項的權重。

39、第二方面，本技術實施例提供了一種基于工業(yè)自動化的數(shù)字孿生系統(tǒng)，包括：

40、獲取模塊，用于獲取來自物理系統(tǒng)的實時運行參數(shù)；

41、構建模塊，用于基于所述實時運行參數(shù)和預設的物理模型，在虛擬環(huán)境中構建所述物理系統(tǒng)的數(shù)字孿生體；

42、生成模塊，用于使用所述數(shù)字孿生體模擬所述物理系統(tǒng)的運行狀態(tài)，并預測所述物理系統(tǒng)在不同工況下的表現(xiàn)，以生成模擬結果；

43、所述獲取模塊還用于將所述模擬結果與獲取的所述物理系統(tǒng)的實際運行數(shù)據(jù)進行比對，以對所述數(shù)字孿生體進行評估，獲取評估結果；

44、更新模塊，用于根據(jù)所述評估結果調整所述物理模型，以更新所述數(shù)字孿生體；

45、處理模塊，用于利用更新后的所述數(shù)字孿生體進行故障預測和/或優(yōu)化所述物理系統(tǒng)的運行參數(shù)。

46、第三方面，本技術實施例提供了一種計算設備，包括處理組件以及存儲組件；所述存儲組件存儲一個或多個計算機指令；所述一個或多個計算機指令用以被所述處理組件調用執(zhí)行，實現(xiàn)如上述第一方面所述的基于工業(yè)自動化的數(shù)字孿生方法。

47、第四方面，本技術實施例提供了一種計算機存儲介質，存儲有計算機程序，所述計算機程序被計算機執(zhí)行時，實現(xiàn)如上述第一方面所述的基于工業(yè)自動化的數(shù)字孿生方法。

48、本技術實施例中，獲取來自物理系統(tǒng)的實時運行參數(shù)；基于所述實時運行參數(shù)和預設的物理模型，在虛擬環(huán)境中構建所述物理系統(tǒng)的數(shù)字孿生體；使用所述數(shù)字孿生體模擬所述物理系統(tǒng)的運行狀態(tài)，并預測所述物理系統(tǒng)在不同工況下的表現(xiàn)，以生成模擬結果；將所述模擬結果與獲取的所述物理系統(tǒng)的實際運行數(shù)據(jù)進行比對，以對所述數(shù)字孿生體進行評估，獲取評估結果；根據(jù)所述評估結果調整所述物理模型，以更新所述數(shù)字孿生體；利用更新后的所述數(shù)字孿生體進行故障預測和/或優(yōu)化所述物理系統(tǒng)的運行參數(shù)。

49、本技術的技術方案具有以下顯著的有益效果：

50、提高預測準確性：通過實時更新的運行參數(shù)和物理模型，數(shù)字孿生體能夠更準確地模擬物理系統(tǒng)的運行狀態(tài)，提高預測結果的準確性。

51、增強系統(tǒng)自適應性：自動化的模型調整機制使得數(shù)字孿生體能夠適應不同工況下的變化，提高系統(tǒng)的自適應能力。

52、優(yōu)化運行參數(shù)：通過模擬結果與實際運行數(shù)據(jù)的比對，可以及時發(fā)現(xiàn)并優(yōu)化物理系統(tǒng)的運行參數(shù)，提高系統(tǒng)的整體性能。

53、降低維護成本：通過故障預測，可以提前采取措施避免設備故障的發(fā)生，減少非計劃停機時間，降低維護成本。

54、提高生產(chǎn)效率：準確的預測和優(yōu)化能力有助于提高生產(chǎn)效率，確保設備處于最佳運行狀態(tài)。

55、增強決策支持：數(shù)字孿生體提供的預測結果和優(yōu)化建議為決策者提供了有力的支持，有助于做出更加科學合理的決策。

56、綜上所述，本技術的方案不僅提高了數(shù)字孿生體的預測精度，還增強了系統(tǒng)的自適應性和優(yōu)化能力，從而有效提高了工業(yè)自動化系統(tǒng)的整體性能和經(jīng)濟效益。

57、本技術的這些方面或其他方面在以下實施例的描述中會更加簡明易懂。