本发明涉及数字孪生,尤其涉及一种机理关联的数字孪生系统模型构建方法、系统及介质。
背景技术:
1、数字孪生是一种综全运用感知、计算、建模等信息技术,通过软件定义,对物理空间进行描述、诊断、预测、决策,进而实现物理空间与赛博空间的交互映射的技术,现有的数字孪生系统的构建方法,主要是通过对指定设备的数据进行采集和上传,并在计算机环境中将其原原本本的还原出来,并实现虚拟数据和实际设备的数据同步。当前全面部署加快发展现代职业教育,基于数字孪生的职业实训系统在推动现代职业教育改革过程中发挥着重要的作用。然而,随着信息技术的飞速发展,各行各业的设备、技术和系统都在飞速升级,更新迭代速度快。传统的职业教育数字孪生实训系统很难跟上快速发展的新装备和新系统,其根本原因就在于,传统数字孪生系统的构建方法主要针对现象和数据进行孪生,只能实现对当时当刻的设备与场景进行还原,导致传统方法对于设备的依赖性强(对于传感器的需求高),定制化程度高(一般都针对固定场景),更新迭代的成本高、开发周期长(涉及大量的建模,包括外观和物理规则类)。因此,面对职业教育场景下急需一种低成本且高效率的数字孪生系统构建方法来解决同时对复杂场景和装备快速还原重建的数字孪生问题。
技术实现思路
1、本发明要解决的技术问题:针对现有技术的上述问题,提供一种机理关联的数字孪生系统模型构建方法、系统及介质,本发明通过针对机理层面设计一套低成本、实用性高的数字孪生系统构建方法,能够满足职业教育等多种领域对数字孪生系统构建的真实性需求,大大降低了数字孪生系统的生产成本、减少了构建周期,提升了孪生规则的可解释性。
2、为了解决上述技术问题,本发明采用的技术方案为:
3、一种机理关联的数字孪生系统模型构建方法,包括:
4、s101,为输入的孪生对象的机理模型构建有向图网络,所述机理模型包括部件状态集合和激活规则集合,部件状态是指孪生对象中某一部件的状态,激活规则是指孪生对象中某一部件的状态被激活的条件,有向图网络中的节点为部件状态、有向边为激活调节;
5、s102,从有向图网络的边中提取出强连通分量;
6、s103,将强连通分量进行耦合合并,得到新的有向图网络;
7、s104,对新的有向图网络中的有向边对应的激活规则建立函数化编码事件,得到由新的有向图网络中的所有有向边的函数化编码事件构成的事件模型。
8、可选地,步骤s102中从有向图网络的边中提取出强连通分量是指采用tarjan算法从有向图网络的边中提取出强连通分量。
9、可选地,步骤s103中将强连通分量进行耦合合并包括:首先提取所有强连通分量中的节点以初始化新的有向图网络的节点集合,然后根据强连通分量中包含的有向边为节点集合中的节点赋予有向连接关系,从而得到新的有向图网络。
10、可选地,所述根据强连通分量中包含的有向边为节点集合中的节点赋予有向连接关系包括:
11、s201,分别确定强连通分量中包含的有向边的优先级;
12、s202,将优先级进行归一化转换为注意力权重系数;
13、s203,将强连通分量中各个节点的所有注意力权重系数融合到节点所有相邻节点的注意力特征拟合结果。
14、可选地,步骤s201中确定强连通分量中包含的有向边的优先级的函数表达式为:
15、
16、上式中,eij为节点i对于节点j的优先级,a表示将高维特征映射为实数的映射操作,w为预设的投影矩阵,为节点i的特征向量,为节点j的特征向量,ni为节点i的相邻节点集合,所述特征向量是指节点的各触发条件值相对于必真触发条件值的向量。
17、可选地,步骤s202中将优先级进行归一化转换为权重系数的函数表达式为:
18、
19、上式中,αij为节点i对于节点j的权重系数,leakyrelu表示带泄露修正线性单元函数,eij为节点i对于节点j的优先级,ni为节点i的相邻节点集合。
20、可选地,步骤s203中将强连通分量中各个节点的所有注意力权重系数融合到节点所有相邻节点的注意力特征拟合结果的函数表达式为:
21、
22、上式中,h′i()为节点i的所有相邻节点的注意力特征拟合结果,为预设的激活函数,αij为节点i对于节点j的权重系数,leakyrelu表示带泄露修正线性单元函数,k为使用k个独立的注意力机制,hj为节点j的特征向量,wk为k次输入线性变换的权重矩阵,k为第k次执行,ni为节点i的相邻节点集合。
23、可选地,步骤s101中还包括建立孪生对象的机理模型的步骤,所述建立孪生对象的机理模型包括:确定孪生对象状态可变化的部件集合,以及各个部件的部件状态集合;确定部件集合中各个状态被激活的条件,从而得到激活规则集合,从而得到由孪生对象各个部件的部件状态集合以及激活规则集合构成的孪生对象的机理模型。
24、此外,本发明还提供一种机理关联的数字孪生系统模型构建系统,包括相互连接的微处理器和存储器,所述微处理器被编程或配置以执行所述机理关联的数字孪生系统模型构建方法。
25、此外,本发明还提供一种计算机可读存储介质,所述计算机可读存储介质中存储有计算机程序,所述计算机程序用于被微处理器编程或配置以执行所述机理关联的数字孪生系统模型构建方法。
26、和现有技术相比,本发明主要具有下述优点:本发明通过构建图网络、规则耦合、规则模型、事件模型这四个步骤,实现了对多设备及系统融合场景下的数字孪生系统构建;以图网络对机理规则和逻辑规则进行结构化表达,建立基础规则模型;以后验知识进行深度控制的规则耦合,在不降低数字孪生模型还原的前提下,大大降低建模复杂度;利用有向图网络的强连通分量模型来构建相对独立的规则模型,保证规则的可读性;而引入的事件模型,解决了规则之间复杂的数据激活机制,大大降低了数字孪生系统的生产成本、减少了构建周期,同时还提升了孪生规则的可解释性。
1.一种机理关联的数字孪生系统模型构建方法,其特征在于,包括:
2.根据权利要求1所述的机理关联的数字孪生系统模型构建方法,其特征在于,步骤s102中从有向图网络的边中提取出强连通分量是指采用tarjan算法从有向图网络的边中提取出强连通分量。
3.根据权利要求1所述的机理关联的数字孪生系统模型构建方法,其特征在于,步骤s103中将强连通分量进行耦合合并包括:首先提取所有强连通分量中的节点以初始化新的有向图网络的节点集合,然后根据强连通分量中包含的有向边为节点集合中的节点赋予有向连接关系,从而得到新的有向图网络。
4.根据权利要求3所述的机理关联的数字孪生系统模型构建方法,其特征在于,所述根据强连通分量中包含的有向边为节点集合中的节点赋予有向连接关系包括:
5.根据权利要求4所述的机理关联的数字孪生系统模型构建方法,其特征在于,步骤s201中确定强连通分量中包含的有向边的优先级的函数表达式为:
6.根据权利要求4所述的机理关联的数字孪生系统模型构建方法,其特征在于,步骤s202中将优先级进行归一化转换为权重系数的函数表达式为:
7.根据权利要求4所述的机理关联的数字孪生系统模型构建方法,其特征在于,步骤s203中将强连通分量中各个节点的所有注意力权重系数融合到节点所有相邻节点的注意力特征拟合结果的函数表达式为:
8.根据权利要求1所述的机理关联的数字孪生系统模型构建方法,其特征在于,步骤s101中还包括建立孪生对象的机理模型的步骤,所述建立孪生对象的机理模型包括:确定孪生对象状态可变化的部件集合,以及各个部件的部件状态集合;确定部件集合中各个状态被激活的条件,从而得到激活规则集合,从而得到由孪生对象各个部件的部件状态集合以及激活规则集合构成的孪生对象的机理模型。
9.一种机理关联的数字孪生系统模型构建系统,包括相互连接的微处理器和存储器,其特征在于,所述微处理器被编程或配置以执行权利要求1~8中任意一项所述机理关联的数字孪生系统模型构建方法。
10.一种计算机可读存储介质,所述计算机可读存储介质中存储有计算机程序,其特征在于,所述计算机程序用于被微处理器编程或配置以执行权利要求1~8中任意一项所述机理关联的数字孪生系统模型构建方法。