一种工业数字孪生虚实数据融合方法、系统、设备、终端

1.本发明属于工业智能化技术领域，尤其涉及一种工业数字孪生虚实数据融合方法、系统、设备、终端。


背景技术：

2.目前，数字孪生技术的核心是模型和数据，它主要是以模型为载体，以数据为驱动，通过对数据进行融合分析，模拟物理实体在真实环境中的行为，能够有效利用各个数据中有价值的信息使工业生产过程真正实现“以数据为中心的生产”。而工业生产过程包括产品研发、制造生产及设备服务等阶段。比如在研发阶段，通过融合后的数据将提高产品设计的精确性；在生产阶段，将为产品提供优化的生产决策；在维护阶段，将为产品的维修和故障预测提供有利的决策依据，有效提升产品的可靠性和可用性。
3.在工业上数据融合称为传感器融合，主要是对传感器中采集的数据进行融合处理，将来源不同、语义表示歧义的传感器数据或知识在一定的规则下进行综合分析和智能融合，由此获得对目标对象的一致性解释和准确性描述，进而为工业生产过程提供更好的决策信息。
4.目前，国内外对数据融合技术也有了较深的研究，但相对来说，国外对于工业数据融合技术的研究要比国内早的多。早在1970年，美国的研究机构为了能在海军探测海域时自动检测出敌方所在的具体位置，为后续的战术制定提供可靠性的决策，从而提出了数据融合的概念。之后数据融合技术就被不断的应用到各个领域中并取得了巨大的成功。而国内对数据融合技术的研究相对来说起步较晚，在美国开展了有关数据融合的相关研究之后，从1989年开始学术界就出现了许多与数据融合技术相关联的研究论文。随着数据融合技术逐渐被科研学者和学术界所重视，到了1990至1999年，各个高校和科研单位根据自己不同的研究方向对各个领域的数据融合技术进行了研究。比如，地质矿产的研究人员开始利用数据融合技术对地学信息及遥感信息进行融合分析以提高寻矿找矿的效果，在交通运输领域通过数据融合技术实现对车辆的定位、身份识别、跟踪以及交通管制，在工业领域通过数据融合技术实现对数字孪生体中多传感器的目标识别及跟踪，提高对工业生产过程的准确性预测。
5.从上述研究可知，数据融合技术的发展从未停止，无论是基础理论、应用领域、学术研究等都是目前数据融合技术的主要研究方向。而对工业数字孪生领域上数据融合技术的研究仍是热点，由于工业数字孪生中虚实数据不仅来自不同传感器感知的数据，也来自多个虚拟空间的数据，它包含了设备运行的历史数据、还有实时感知数据、环境数据、传感器信息、虚拟模型信息等多源异构数据，这些数据的来源不同，结构不同，使得工业数字孪生的虚实数据具有结构多样、联系紧密等特点。因此，开展对工业多异构性数据融合的有关理论研究和技术实现是很有必要的。
6.通过上述分析，现有技术存在的问题及缺陷为：现有数据融合技术存在虚实数据多源异构和语义异构的问题。
7.解决以上问题及缺陷的难度为：如何为来源不同、结构不同的虚实异构数据提供统一的形式化表达方式，消除虚实数据融合过程中的多源异构和语义异构的障碍，进一步提高虚实数据融合的效率是目前数据融合技术存在的问题。
8.解决以上问题及缺陷的意义为：基于本体的数据融合技术可以解决虚实数据多源异构和语义异构的问题，实现多异构性的虚实数据在工业产品全生命周期过程中的高效应用，并为工业数字孪生提供实时、智能的决策优化。


技术实现要素：

9.针对现有技术存在的问题，本发明提供了一种工业数字孪生虚实数据融合方法、系统、设备、终端，尤其涉及一种基于本体的工业数字孪生虚实数据融合方法、系统、设备、终端。
10.本发明是这样实现的，一种工业数字孪生虚实数据融合方法，所述工业数字孪生虚实数据融合方法包括以下步骤：
11.步骤一，获取工业生产过程中的虚实数据；方便引入工业领域库明确虚实数据的概念术语，确保概念间关系表达的正确性，为后续的本体构建做准备。
12.步骤二，根据本体描述语言和本体构建原则实现全局本体和局部本体构建；建立的局部本体和全局本体能进一步反映出概念间的本质联系及语义关系，方便后续实现虚实数据语义特征提取和本体映射。
13.步骤三，对工业数字孪生的结构化和非结构化虚实数据进行语义特征提取；工业生产过程中的产生的虚实数据在不经过处理情况下，非专业人员是很难对其进行读取操作的。因此，通常以局部本体中的概念和实例为依据，对虚实数据中的信息进行提取，由于局部本体表达了完整的语义信息，通过本体进行的语义特征提取能够极大程度地保证数据语义的完整性。
14.步骤四，基于相似度算法实现局部本体到全局本体的映射；针对不同数据源或使用不同本体语言构建的本体都会存在本体异构的现象，该现象会阻碍了本体间信息的共享和互操作，因此采用本体映射方法，在消除本体语言不一致的基础上将描述同一对象的概念和实例映射到全局本体中，实现了本体间数据交流与共享的目的。
15.步骤五，基于融合规则完成对工业数字孪生虚实数据的融合。由于不同本体中描述同一对象的实例和属性值可能存在不同，如果不对这些内容进行分析处理，就会造成该对象描述不精确的问题，导致反馈给用户的结果不一致。因此需要对全局本体中同一对象的实例进行融合处理。
16.进一步，步骤二中，所述根据本体描述语言和本体构建原则实现全局本体和局部本体构建，包括：
17.(1)确定本体应用领域和使用范围：明确构建的本体使用范围为工业领域；
18.(2)数据收集和分析：通过收集的工业虚实数据，引入工业领域库明确虚实数据的概念术语，确保概念间关系表达的正确性；
19.(3)建立初始本体：从本体库中将满足条件的本体加以重用或修改或使用本体描述语言和本体构建工具prot
é
g
é
建立初始本体；
20.(4)精炼和验证本体：对构建好的本体进行精炼和验证，确保构建的本体遵循本体
构建原则；
21.(5)本体成文与发布：将验证通过的本体以文件的形式存储在本体库中。
22.进一步，步骤三中，所述对工业数字孪生的结构化和非结构化虚实数据进行语义特征提取，包括：
23.(1)进行结构化数据的语义特征提取；
24.(2)采用本体关联的tf
‑
idf算法实现非结构化数据的语义特征提取。
25.进一步，步骤(1)中，所述结构化数据的语义特征提取，包括：
26.1)将数据库中的表名与局部本体的概念相匹配；
27.2)获取实例：得到表中所有记录，并将结果放入集合d＝{d1，d2，d3，
…
，d
n
}；
28.3)实例化：对同一表中的所有记录都只与局部本体中的一种概念相对应，对该表的数据使用xml方式进行格式化描述；
29.4)持久化存储：将实例进行语义特征提取后得到的概念存储成描述文件，完成对结构化数据的语义特征提取。
30.进一步，步骤(2)中，所述采用本体关联的tf
‑
idf算法实现非结构化数据的语义特征提取，包括：
31.1)文本中如果一个词汇w在某个文本中出现的次数为w
i
次，文本中所有词汇出现的次数是t
i
次，则使用tf
‑
idf方法计算词汇w的初始权重为：
[0032][0033]
2)在局部本体中对该词汇进行搜索，当该词汇存在于本体中的时候，词汇w优化后的权重表示为：
[0034][0035]
3)将词汇w得到的权重值(w)与既定的阈值θ1进行比较，当权重值大于阈值θ1时，将该词汇作为该本体的特征词，放入到特征词集合v中：
[0036]
v＝{w
i
|i＝1，2，
…
.，n}；
[0037]
4)将提取到的特征词以xml方式存储成描述文件，完成对文本数据的语义特征提取。
[0038]
进一步，步骤四中，所述基于相似度算法实现局部本体到全局本体的映射，包括：
[0039]
(1)根据相似性度量函数从本体的概念、关系、属性和实例角度计算得到两个本体元素间的相似度，对各个角度的相似度进行综合加权得到最终的相似度结果；利用相似度量函数计算的两个本体元素间的相似度满足下列要求：
[0040]
s(e
i
，e
j
)∈[0，1]；
[0041][0042]
当两个本体之间的相似度为1，表示两本体元素间具有完全相同的语义信息，将两个局部本体的属性和实例元素映射到全局本体中；若相似性为0，表示两本体元素之间的语
义信息完全不同。
[0043]
(2)根据本体间元素的映射流程得到局部本体到全局本体的映射：
[0044]
1)输入局部本体(o1和o2)和全局本体(o)；
[0045]
2)找到局部本体和全局本体中尚未建立映射关系的元素；
[0046]
3)利用相似性度量函数对本体元素从概念、属性和实例角度进行相似性计算，最后综合加权得到相似性值；
[0047]
4)判断本体元素中相似性的值和阈值；
[0048]
5)当相似值等于阈值时就标记，并对相似性元素建立映射关系；
[0049]
6)重复上述步骤，直至没有需要建立映射关系的元素，将映射结果转为结构化的文本形式输出。
[0050]
进一步，步骤五中，所述基于融合规则完成工业数字孪生虚实数据的融合，包括：
[0051]
(1)单融合结果
[0052]
单融合结果适用于最终返回的结果是单个数值或单个字符的情况。针对该结果提出以下融合规则：平均规则、可信度优先规则、多数优先规则和加权规则。
[0053]
1)平均规则：该规则仅适用于实例是数值的情况，对于描述同一对象的不同实例，实现对所有数据的一种集中趋势表达，用于反映各种数据的平均水平；假定r＝{r1，r2，r3，
…
，r
n
}表示不同来源的数据集，该方法的最终融合结果为：
[0054][0055]
2)加权规则：当用户按照特定的标准为不同的实例赋予一定的权值(w
i
)，根据权值对不同数据源的实例进行加权求和；假定r＝{r1，r2，r3，
…
，r
n
}表示不同来源的数据集，w
i
表示用户为某个数据源赋予的权值，使用该方法获得的最终融合结果为：
[0056][0057]
3)可信度优先规则：该方法适用于实例为数值和字符的情况，通常情况下，数据源根据用户自定义的可信度进行排序后，可信度最高的即为结果最准确的融合结果；假定r＝{r1，r2，r3，
…
，r
n
}表示不同来源的数据集，conf(r
i
)表示数据r
i
的可信度，则该规则定义为：
[0058][0059]
4)多数优先规则：该方法认为在结果集中出现次数较多的结果可信度较大，假定r＝{r1，r2，r3，
…
，r
n
}表示不同来源的数据集，则该规则的定义为：
[0060][0061]
(2)多融合结果
[0062]
多融合结果认为最终返回的结果是一个集合，针对该结果给出以下几种不同的融合规则：上下限规则、或规则。
[0063]
1)上下限规则：该规则包含对结果集中最大值和最小值的所有结果，当r
j
为数值型的实例时应用上下限规则；假定r＝{r1，r2，r3，
…
，r
n
}表示不同来源的数据集，则该规则的定义为：
[0064][0065]
2)或规则：结果集中的实例为单值或者是无法进行比较时就采用或规则，该规则用于处理数值型或者字符型的数据；假定r＝{r1，r2，r3，
…
，r
n
}表示不同来源的数据集，则该规则用下述公式表示：
[0066]
or(r)＝{r1orr2or
…
orr
n
}。
[0067]
本发明的另一目的在于提供一种应用所述工业数字孪生虚实数据融合方法的工业数字孪生虚实数据融合系统，所述工业数字孪生虚实数据融合系统包括：
[0068]
虚实数据获取模块，用于获取工业生产过程中的虚实数据；
[0069]
本体构建模块，用于根据本体描述语言和本体构建原则实现全局本体和局部本体构建；
[0070]
语义特征提取模块，用于对工业数字孪生的结构化和非结构化虚实数据进行语义特征提取；
[0071]
本体映射模块，用于基于相似度算法实现局部本体到全局本体的映射；
[0072]
数据融合模块，用于基于融合规则完成对工业数字孪生虚实数据的融合。
[0073]
本发明的另一目的在于提供一种计算机设备，所述计算机设备包括存储器和处理器，所述存储器存储有计算机程序，所述计算机程序被所述处理器执行时，使得所述处理器执行如下步骤：
[0074]
获取工业生产过程中的虚实数据；根据本体描述语言和本体构建原则，提出一套针对工业领域的本体构建法，并实现全局本体和局部本体构建；对工业数字孪生的结构化和非结构化虚实数据进行语义特征提取；
[0075]
基于相似度算法实现局部本体到全局本体的映射；基于融合规则完成对工业数字孪生虚实数据的融合。
[0076]
本发明的另一目的在于提供一种信息数据处理终端，所述信息数据处理终端用于实现所述工业数字孪生虚实数据融合系统。
[0077]
结合上述的所有技术方案，本发明所具备的优点及积极效果为：由于工业数字孪生虚实数据的数据源不同，数据的来源、语义方面都存在着不同程度的异构，因此虚实数据具有结构多样、联系紧密等特点，只有对虚实数据进行充分的分析才能进行有效的融合操作，从而实现虚实数据的价值，促进虚实数据的共享，减少虚实数据的重复使用，使工业数字孪生能够充分利用融合后的数据进行准确的预测和可靠的决策。
[0078]
本发明提供的工业数字孪生虚实数据融合方法具有更高的适用性。本发明首先通过提出的本体构建法完成了对工业领域中局部本体和全局本体的构建，为工业数字孪生虚实数据的融合提供了一个可行的解决方案；其次采用数据语义特征提取法，为来源不同、结构不同的异构虚实数据提供了统一的形式化表达方式；然后基于相似度算法从多角度对本体间元素的相似性值进行了计算，从而提高了本体映射的准确度，最后遵循融合规则完成了对虚实数据的融合，使工业数字孪生能够充分利用融合后的数据进行准确的预测和可靠的决策。
[0079]
本发明利用本体描述语言和本体构建法对工业数字孪生虚实异构数据进行统一的形式化表示，解决虚实数据多源异构和语义异构的问题，从而进一步提高虚实数据融合的效率。同时，本发明以风机轮毂铸造工艺数字孪生为例进行了验证，通过基于本体的工业
数字孪生虚实数据融合方法实现了对风机轮毂铸造工艺数字孪生中虚实异构数据的统一描述，完成了对风机轮毂铸造工艺数字孪生的虚实数据融合，验证了该方法的有效性。
附图说明
[0080]
为了更清楚地说明本发明实施例的技术方案，下面将对本发明实施例中所需要使用的附图做简单的介绍，显而易见地，下面所描述的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下还可以根据这些附图获得其他的附图。
[0081]
图1是本发明实施例提供的工业数字孪生虚实数据融合方法流程图。
[0082]
图2是本发明实施例提供的工业数字孪生虚实数据融合方法原理图。
[0083]
图3是本发明实施例提供的工业数字孪生虚实数据融合系统结构框图；
[0084]
图中：1、虚实数据获取模块；2、本体构建模块；3、语义特征提取模块；4、本体映射模块；5、数据融合模块。
[0085]
图4是本发明实施例提供的工业数字孪生本体构建过程图。
[0086]
图5是本发明实施例提供的基于本体关联的非结构化数据的语义特征提取流程图。
[0087]
图6是本发明实施例提供的基于相似度计算的本体映射流程图。
[0088]
图7是本发明实施例提供的轮毂铸造工艺全局本体中部分概念间的联系示意图。
[0089]
图8是本发明实施例提供的轮毂实体局部本体部分实例图。
[0090]
图9是本发明实施例提供的轮毂虚体局部本体部分实例图。
具体实施方式
[0091]
为了使本发明的目的、技术方案及优点更加清楚明白，以下结合实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
[0092]
针对现有技术存在的问题，本发明提供了一种工业数字孪生虚实数据融合方法、系统、设备、终端，下面结合附图对本发明作详细的描述。
[0093]
如图1所示，本发明实施例提供的工业数字孪生虚实数据融合方法包括以下步骤：
[0094]
s101，获取工业生产过程中的虚实数据；
[0095]
s102，根据本体描述语言和本体构建原则实现全局本体和局部本体构建；
[0096]
s103，对工业数字孪生的结构化和非结构化虚实数据进行语义特征提取；
[0097]
s104，基于相似度算法实现局部本体到全局本体的映射；
[0098]
s105，基于融合规则完成对工业数字孪生虚实数据的融合。
[0099]
本发明实施例提供的工业数字孪生虚实数据融合方法原理图如图2所示。
[0100]
如图3所示，本发明实施例提供的工业数字孪生虚实数据融合系统，包括：
[0101]
虚实数据获取模块1，用于获取工业生产过程中的虚实数据；
[0102]
本体构建模块2，用于根据本体描述语言和本体构建原则实现全局本体和局部本体构建；
[0103]
语义特征提取模块3，用于对工业数字孪生的结构化和非结构化虚实数据进行语
义特征提取；
[0104]
本体映射模块4，用于基于相似度算法实现局部本体到全局本体的映射；
[0105]
数据融合模块5，用于基于融合规则完成对工业数字孪生虚实数据的融合。
[0106]
下面结合实施例对本发明的技术方案作进一步描述。
[0107]
实施例1
[0108]
针对背景技术中所阐述的问题，本发明提出一种基于本体的工业数字孪生虚实数据融合方法，采用以下技术方案：
[0109]
(1)获取工业生产过程中的虚实数据。
[0110]
(2)根据本体描述语言和本体构建原则，提出了一套针对工业领域的本体构建法；并实现了全局本体和局部本体的构建。其构建过程如图4所示。
[0111]
(2.1)确定本体应用领域和使用范围：明确构建的本体使用范围为工业领域。
[0112]
(2.2)数据收集和分析：通过收集的工业虚实数据，引入工业领域库明确虚实数据的概念术语，确保概念间关系表达的正确性。
[0113]
(2.3)建立初始本体：初始本体的建立可以从两个方面获得：一方面从本体库中将满足条件的本体加以重用或修改；另一方面是使用本体描述语言和本体构建工具prot
é
g
é
建立初始本体。
[0114]
(2.4)精炼和验证本体：对构建好的本体进行精炼和验证，确保构建的本体遵循本体构建原则。
[0115]
(2.5)本体成文与发布：将验证通过的本体以文件的形式存储在本体库中，以便后续的共享、复用和应用。
[0116]
(3)对工业数字孪生中结构化和非结构化的虚实数据进行语义特征提取。
[0117]
(3.1)结构化数据的语义特征提取。
[0118]
1)数据库中的表名与局部本体的概念相匹配。例如：虚实数据n是在“生产线信息”表中的“产线名”这一字段下，那么它映射到局部本体中的概念为“生产线信息”，属性为“产线名”。
[0119]
2)获取实例。得到该表中所有记录，并将结果放入集合d＝{d1，d2，d3，...，d
n
}。
[0120]
3)实例化。对同一表中的所有记录都只与局部本体中的一种概念相对应，对该表的数据可以使用xml方式进行格式化描述，如表1所示。
[0121]
4)持久化存储。将实例进行语义特征提取后得到的概念存储成描述文件，这就完成了对结构化数据的语义特征提取。
[0122]
表1 xml格式化描述
[0123][0124][0125]
(3.2)采用本体关联的tf
‑
idf(特征提取)算法实现非结构化数据的语义特征提取，根据图5可知，实现非结构化数据的语义特征提取步骤如下：
[0126]
1)文本中如果一个词汇w在某个文本中出现的次数为w
i
次，文本中所有词汇出现的次数是t
i
次，则使用tf
‑
idf方法计算词汇w的初始权重为：
[0127][0128]
2)在局部本体中对该词汇进行搜索，当该词汇存在于本体中的时候，词汇w优化后的权重可表示为：
[0129]
[0130]
3)将词汇w得到的权重值(w与既定的阈值θ1进行比较，当权重值大于阈值θ1时，就将该词汇作为该本体的特征词。放入到特征词集合v中。
[0131]
v＝{w
i
|i＝1，2，
…
，n}
ꢀꢀꢀ
(3)
[0132]
4)最后将提取到的特征词以xml方式存储成描述文件，完成对文本数据的语义特征提取。
[0133]
(4)基于相似度算法实现局部本体到全局本体的映射。
[0134]
(4.1)根据相似性度量函数从本体的概念、关系、属性和实例等多角度计算得到两个本体元素间的相似度，之后对各个角度的相似度进行综合加权得到最终的相似度结果。而利用相似度量函数计算的两个本体元素间的相似度应满足下列要求：
[0135]
s(e
i
，e
j
)∈[0，1]
ꢀꢀꢀꢀꢀ
(4)
[0136][0137]
当两个本体之间的相似度为1，表示两本体元素间具有完全相同的语义信息，可将两个局部本体的属性、实例等元素映射到全局本体中，映射流程如图6所示。若相似性为0，表示两本体元素之间的语义信息完全不同。
[0138]
(4.2)根据图6的本体间元素的映射流程图，可以得到局部本体到全局本体的映射步骤如下：
[0139]
1)输入局部本体(o1和o2)和全局本体(o)。
[0140]
2)找到局部本体和全局本体中尚未建立映射关系的元素。
[0141]
3)利用相似性度量函数对本体元素从概念、属性和实例等多角度进行相似性计算，最后综合加权得到相似性值。
[0142]
4)判断本体元素中相似性的值和阈值。
[0143]
5)当相似值等于阈值时就标记，并对相似性元素建立映射关系。
[0144]
6)重复上述步骤，直至没有需要建立映射关系的元素，将映射结果转为结构化的文本形式输出。
[0145]
(5)基于融合规则完成对工业数字孪生虚实数据的融合。
[0146]
(5.1)单融合结果
[0147]
单融合结果适用于最终返回的结果是单个数值或单个字符的情况。针对该结果提出了以下几种融合规则：平均规则、可信度优先规则、多数优先规则和加权规则。
[0148]
1)平均规则：该规则对于描述同一对象的不同实例，可以实现对所有数据的一种集中趋势表达，用于反映各种数据的平均水平。假定r＝{r1，r2，r3，
…
，r
n
}表示不同来源的数据集，该方法的最终融合结果为：
[0149][0150]
平均规则法有一定的局限性，它只适用于实例是数值的情况，虽然可以获得最终的融合结果，但是融合过程并没有考虑到各个实例的重要度，所以该方法对最终融合结果有一定的偏差。
[0151]
2)加权规则：当用户按照特定的标准为不同的实例赋予一定的权值(w
i
)，该规则
可以根据权值对不同数据源的实例进行加权求和。假定r＝{r1，r2，r3，
…
，r
n
}表示不同来源的数据集，w
i
表示用户为某个数据源赋予的权值，使用该方法获得的最终融合结果为：
[0152][0153]
该方法与平均规则法类似，都是只有在实例为数值的情况下才能进行使用，例如：某铸件铸造过程中的浇注时间是r＝{210，240，265}，该浇注时间的信息源为s＝{s1，s2，s3}，对这三个信息源分别赋予权重为0.4、0.35和0.25，则利用该规则计算所得的融合结果为210
×
0.4+240
×
0.35+265
×
0.25＝234.25。
[0154]
3)可信度优先规则：该方法适用于实例为数值和字符的情况，通常情况下，数据源根据用户自定义的可信度进行排序后，可信度最高的即为结果最准确的融合结果。假定r＝{r1，r2，r3，
…
，r
n
}表示不同来源的数据集，conf(r
i
)表示数据r
i
的可信度。该规则可定义为：
[0155][0156]
可信度优先规则认为，对于来自可信度较高的数据源比来自可信度较低的数据源更为重要，例如：某工业产品月产量是r＝{5035，6742，5075，5035}，这四个信息源为s＝{s1，s2，s3，s4}，对这四个信息源的可信度进行排序后s3＞s2＞s1＞s4，则最终的融合结果为信息源s3对应的结果5075。但是该方法也具有一定的缺陷，当高可信度中的数据只出现了一次，但低可信度中的数值出现了多次，则该方法就很难将来自高可信度信息源的数据作为最准确的数据。
[0157]
4)多数优先规则：该方法认为在结果集中出现次数较多的结果可信度较大，假定r＝{r1，r2，r3，
…
，r
n
}表示不同来源的数据集。那么对该规则的定义为：
[0158][0159]
该方法也同样适用于实例为字符或数值的情况，他相比上述三个规则来说较为通用，例如：某铸件铸造过程中的浇注时间是r＝{210，240，265，240}，使用该规则可以认为最理想的浇注时间是240(s)。但是该规则具有一定的缺陷：当它的所有信息源给出的结果都不一致的情况下无法使用，只能借用其它规则进行处理。
[0160]
(5.2)多融合结果
[0161]
多融合结果认为最终返回的结果是一个集合，本文针对该结果给出了以下几种不同的融合规则：上下限规则、或规则。
[0162]
1)上下限规则：该规则包含了对结果集中最大值和最小值的所有结果。假定r＝{r1，r2，r3，
…
，r
n
}表示不同来源的数据集。那么对该规则的定义为：
[0163][0164]
当r
j
为数值型的实例时才可应用上下限规则，假定某工业产品的月产量r＝{5035，6742，5075，5035}，在使用该规则的情况下，得到的最终融合结果为[5035，6742]。该规则能够大致反映出融合结果的范围。
[0165]
2)或规则：一般结果集中的实例为单值或者是无法进行比较时就采用或规则。假定r＝{r1，r2，r3，
…
，r
n
}表示不同来源的数据集，那么该规则可用下述公式表示：
[0166]
or(r)＝{r1orr2or
…
orr
n
}
ꢀꢀꢀ
(11)
[0167]
该规则可用于处理数值型或者字符型的数据，例如，某铸件在铸造过程中所使用的材料为r＝{qt400
‑
18al，qt400}，采用或规则对其进行融合后结果为{qt400
‑
18al或qt400}。
[0168]
通常情况下，实例为数值时可以使用任意的融合规则。但对于单融合结果来说，使用较多的规则是加权规则和可信度优先规则，对多融合结果来说，通常会使用上下限规则进行数值融合。而当实例为字符的情况下，单融合结果中会选用多数优先规则、可信度优先规则进行数据融合，多融合结果中会使用或规则完成数据融合。
[0169]
本发明提出的基于本体的工业数字孪生虚实数据融合方法具有更高的适用性。首先通过提出的本体构建法完成了对工业领域中局部本体和全局本体的构建，为工业数字孪生虚实数据的融合提供了一个可行的解决方案；其次以局部本体中的概念和实例为依据，对虚实异构数据的信息进行语义特征提取，然后基于相似度算法从多角度对本体间元素的相似性值进行了计算，从而提高了本体映射的准确度，最后遵循融合规则完成了对虚实数据的融合，使工业数字孪生能够充分利用融合后的数据进行准确的预测和可靠的决策。
[0170]
实施例2
[0171]
参照图2，本发明的具体实现步骤如下：
[0172]
步骤1：获取风机轮毂铸造工艺数字孪生的虚实数据。
[0173]
步骤2：根据本体构建法和wol+rdfs标准本体建模语言对风机轮毂铸造工艺的全局本体和局部本体进行构建：
[0174]
(2.1)使用本体建模语言对轮毂铸造工艺全局本体中的部分概念和属性间的联系进行描述，轮毂铸造工艺全局本体的部分本体描述语言如表2所示。
[0175]
表2 owl+rdfs本体描述结果
[0176][0177][0178]
根据本体构建法和工业制造领域库，使用本体编辑工具(prot
é
g
é
)分别从概念实
体、概念属性及概念属性间的关系对轮毂铸造工艺中的知识进行了提取和建立，建立的全局本体能进一步的反映出概念之间的本质联系及语义关系，可以为后续轮毂铸造工艺知识的共享及重用打下基础。轮毂铸造工艺全局本体中部分概念间的连续如图7所示。
[0179]
(2.2)采用上述的本体构建法和本体描述语言对物理空间及虚拟空间中的风机轮毂铸造工艺进行局部本体构建，建立的风机轮毂铸造工艺局部本体的部分概念关系如图8和图9所示。
[0180]
由于风机轮毂铸造工艺在进行铸造仿真的过程中，有着与实体相异的数字孪生体数据，例如：仿真浇注速度、仿真浇注温度、仿真浇注时间、仿真模具长度、模具宽度等。因此，在进行风机轮毂铸造工艺前需要对虚实数据与各自局部本体中的概念进行语义特征提取。
[0181]
步骤3：风机轮毂铸造工艺数字孪生虚实数据语言特征提取：
[0182]
风机轮毂铸造工艺数字孪生的虚实数据语义特征提取方法主要是将关系型数据库中的表名、属性名与局部本体中的概念、属性进行匹配，对风机轮毂实体表和风机轮毂虚体表中部分数据经过语义特征提取后的结果如表3、表4所示。
[0183]
表3风机轮毂实体数据语义特征提取表
[0184][0185]
表4风机轮毂虚体数据语义特征提取表
[0186][0187]
步骤4：基于相似度算法实现风机轮毂铸造工艺数字孪生的局部本体到轮毂铸造工艺全局本体的映射；
[0188]
根据语义关系提取结果，将描述同一对象的概念和实例通过相似度计算方法映射到全局本体中。将物理空间中轮毂实体的局部本体定义为o1，虚拟空间中轮毂虚体的局部本体定义为o2，轮毂铸造工艺的全局本体定义为o。例如o1中的“模具尺寸”与o2中的“模具长度”、“模具宽度”和“模具高度”映射到o中的“尺寸”。局部本体到全局本体的映射如表5所示。
[0189]
表5本体映射表
[0190][0191]
基于上述的本体映射表，构建轮毂实体表和轮毂虚体表的属性映射，属性映射表如表6所示。
[0192]
表6属性映射表
[0193]
o1o2映射规则hub materialsimula_materialo1.hub material＝o2.simula materialpour_ratesimula_rateo1.pour_rate＝o2.simula_ratepour_tempersimula_tempero1.pour_temper＝o2.simula_temperpour_timesimula_timeo1.pour_time＝o2.simula_timeinner_areainner_gateo1.inner_area＝02.inner_gatecross_areacross_gateo1.cross_area＝o2.cross_gatestraight_areastraight_gateo1.straight_area＝o2.straight_gatedice_sizelength，width，heighto1.die_size＝o2.length+o2.width+o2.height
[0194]
步骤5：基于融合规则完成对风机轮毂铸造工艺数字孪生虚实数据的融合；
[0195]
将局部本体属性和实例依据上述属性映射规则，选用单融合结果中的平均规则和多融合结果中的或规则完成虚实数据融合，融合结果如表7所示。
[0196]
表7融合结果表
[0197][0198]
通过以上基于本体的工业数字孪生虚实数据融合方法实现了对风机轮毂铸造工艺数字孪生中虚实异构数据的统一描述，完成了对风机轮毂铸造工艺数字孪生的虚实数据融合，验证了该方法的有效性。
[0199]
在上述实施例中，可以全部或部分地通过软件、硬件、固件或者其任意组合来实现。当使用全部或部分地以计算机程序产品的形式实现，所述计算机程序产品包括一个或多个计算机指令。在计算机上加载或执行所述计算机程序指令时，全部或部分地产生按照本发明实施例所述的流程或功能。所述计算机可以是通用计算机、专用计算机、计算机网络、或者其他可编程装置。所述计算机指令可以存储在计算机可读存储介质中，或者从一个计算机可读存储介质向另一个计算机可读存储介质传输，例如，所述计算机指令可以从一个网站站点、计算机、服务器或数据中心通过有线(例如同轴电缆、光纤、数字用户线(dsl)或无线(例如红外、无线、微波等)方式向另一个网站站点、计算机、服务器或数据中心进行传输)。所述计算机可读取存储介质可以是计算机能够存取的任何可用介质或者是包含一
个或多个可用介质集成的服务器、数据中心等数据存储设备。所述可用介质可以是磁性介质，(例如，软盘、硬盘、磁带)、光介质(例如，dvd)、或者半导体介质(例如固态硬盘solid state disk(ssd))等。
[0200]
以上所述，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，都应涵盖在本发明的保护范围之内。