欢迎来到知嘟嘟! 联系电话:13336804447 卖家免费入驻,海量在线求购! 卖家免费入驻,海量在线求购!
知嘟嘟
我要发布
联系电话:13336804447
知嘟嘟经纪人
收藏
专利号: 2024105779167
申请人: 南京邮电大学
专利类型:发明专利
专利状态:已下证
专利领域: 计算;推算;计数
更新日期:2026-11-16
缴费截止日期: 暂无
价格&联系人
年费信息
委托购买

摘要:

权利要求书:

1.一种规模化工业设备的协同对比数字孪生推演评估方法,其特征在于,所述推演评估方法的具体操作步骤如下:步骤1:确定目标设备的类型,进而确定参考设备集合的类型,得到一重聚类参考设备集合;

步骤2:确定目标设备所处的环境状态,并筛选出与目标设备工作在相同环境状态下的参考设备集合,得到二重聚类参考设备集合;

步骤3:确定环境状态的参数变化规律,并提取其特征,进一步筛选出与目标设备的环境参数规律相同的参考设备集合,得到三重聚类参考设备集合;

步骤4:总结目标设备自身的状态变化规律,并提取其特征,进行第四重聚类,找出与目标设备的状态变化规律相同的参考设备,得到四重聚类参考设备集合;

步骤5:基于设备的可采集数据类型,划分为三类,并构建贝叶斯网络的目标设备分类状态推演方法;

步骤6:通过计算参考设备集合与目标设备之间的相似度高低,将已知的参考设备集合的分类状态推演模型融合为目标设备分类状态推演方法;

步骤7:目标设备推演出的多类数据综合评估,首先对每类数据单独评估,确定均在正常范围内,若有一类数据出现了异常,则目标设备的状态判定为异常,否则对多类数据进行综合评估。

2.根据权利要求1所述的一种规模化工业设备的协同对比数字孪生推演评估方法,其特征在于,所述步骤1中的一重聚类参考设备集合的实现过程为:假设工业物联网场景下的工业设备类型有K类,并将类型集合记为S:S={S

目标设备待定类型为S

S

以设备类型作为聚类样本参数,工业物联网场景下,与目标设备类型相同,即所有属于S

3.根据权利要求1所述的一种规模化工业设备的协同对比数字孪生推演评估方法,其特征在于,所述步骤2中的二重聚类参考设备集合的实现过程为:考虑环境因素温度T、湿度H、空气灰尘含量A,建立环境状态评估公式,对目标设备当前所处的环境状态按下列公式进行评估:其中,E

并对一重聚类参考设备集合中的每个设备按下列公式进行状态评估:其中,

以状态评估值作为聚类样本参数,一重聚类参考设备集合中环境状态评估结果与目标设备环境状态评估结果相同的设备记为二重聚类参考设备集合,数量为K

4.根据权利要求1所述的一种规模化工业设备的协同对比数字孪生推演评估方法,其特征在于,所述步骤3中的三重聚类参考设备集合的实现过程为:对于目标设备的历史环境因素,构建新的集合进行记录:工厂环境下的温度分布类似正态分布,因此计算温度因素的峰度与偏度,而湿度与空气质量在一定范围内均匀分布,因此如下列公式所示,分别计算湿度与空气质量的均值,得到目标设备每类环境因素的规律特征:其中,Skew(T

使用下列公式,得到二重聚类参考设备集合中每个设备的每类环境因素的规律特征:其中,

5.根据权利要求1所述的一种规模化工业设备的协同对比数字孪生推演评估方法,其特征在于,所述步骤4中的四重聚类参考设备集合的实现过程为:设每个设备有m个不同的传感器,每个传感器记录n个历史数据,对于目标设备,将这些数据记录在下列矩阵中:其中,

使用下列公式,计算不同传感器对应的权重值:其中,

对处于同一时刻的多个传感器的数据使用下列公式进行处理,得到所有历史时刻下目标设备的状态:其中,

对矩阵使用下列公式进行分析,得到目标设备的状态变化均值对任意一个三重聚类参考设备集合中的设备,将其传感器的数据记录在下列矩阵当中:其中,

其中,

对矩阵使用下列公式进行分析,得到参考设备的状态变化特征:接着,得到三重聚类参考设备集合中每个设备的状态变化均值

6.根据权利要求1所述的一种规模化工业设备的协同对比数字孪生推演评估方法,其特征在于,上述步骤5中的贝叶斯网络的目标设备分类状态推演方法包括:将设备的可采集数据分为三大类,第一类为与时间关联度较高,规律与时间明显相关的数据,第二类为离散程度较低的数据,采用高斯分布进行拟合,第三类为在特定范围内随机变化的,离散程度较高的数据。

首先,根据每个四重聚类参考设备集合中设备的多类传感器采集的数据,以所有四重聚类参考设备的同一类传感器采集数据作为先验知识,记录于下列矩阵中:对矩阵的每一列数据按照下列公式进行处理,得到新的数据序列:构建贝叶斯网络,根据下列公式得到边缘概率:根据已知边缘概率,计算相邻数据间的条件概率,并将条件概率保存在下列矩阵中:其中,d

其次,根据下列公式计算平均条件概率若

其中,

得到数据服从高斯分布:

若

并使用最小二乘法求出回归模型中的系数若

得到每类传感器数据的的变化规律后,依据参考集中的每个设备对应的数据,得到具体的分类状态推演模型。

7.根据权利要求1所述的一种规模化工业设备的协同对比数字孪生推演评估方法,其特征在于,所述步骤6中的目标设备分类状态推演方法包括:使用皮尔逊相关系数计算目标设备与参考设备之间的相似程度,计算公式如下:为参考设备集中的每类数据分配相应的权重,进而根据下列公式加权融合成目标设备的分类状态推演模型:其中,f

8.根据权利要求1所述的一种规模化工业设备的协同对比数字孪生推演评估方法,其特征在于,所述步骤7中的目标设备分类推演状态健康综合评估方法包括:对于目标设备的分类推演数据

若

若

若

若各个分类状态评估结果满足下式,则分类状态评估结果均处于正常范围:其中,

若综合状态满足下式,则目标设备均处于正常状态:其中,