基于数字孪生模型的数据驱动控制系统及控制方法.pdf

上传人:li****8 文档编号:14250344 上传时间:2023-11-18 格式:PDF 页数:9 大小:914.34KB
收藏 版权申诉 举报 下载
基于数字孪生模型的数据驱动控制系统及控制方法.pdf_第1页
第1页 / 共9页
基于数字孪生模型的数据驱动控制系统及控制方法.pdf_第2页
第2页 / 共9页
基于数字孪生模型的数据驱动控制系统及控制方法.pdf_第3页
第3页 / 共9页
文档描述:

《基于数字孪生模型的数据驱动控制系统及控制方法.pdf》由会员分享,可在线阅读,更多相关《基于数字孪生模型的数据驱动控制系统及控制方法.pdf(9页完成版)》请在专利查询网上搜索。

1、(19)国家知识产权局(12)发明专利申请(10)申请公布号 (43)申请公布日 (21)申请号 202310480801.1(22)申请日 2023.04.28(71)申请人 平顶山职业技术学院地址 467000 河南省平顶山市城乡一体化示范区长安大道西段(郑万高铁平顶山站西侧)(72)发明人 任林刘义晴李贵胜姚东永贾英锋何红喜(74)专利代理机构 合肥正则元起专利代理事务所(普通合伙)34160专利代理师 田浩(51)Int.Cl.G05B 19/04(2006.01)(54)发明名称基于数字孪生模型的数据驱动控制系统及控制方法(57)摘要本发明公开了基于数字孪生模型的数据驱动控制系统及控。

2、制方法,涉及数据处理技术领域,解决了现有技术难以挖掘和保证长时序状态下若干参数敏感性的一致性,导致数字孪生模型的应用范围缩小,无法保证数据驱动控制准确性的技术问题;本发明根据敏感性分析结果确定智能感知数据中各数据参数的敏感曲线,并构建数字孪生模型;本发明通过长时序状态下生成的敏感曲线构建数字孪生模型,在对模型进行简化的同时还能够提高驱动决策的准确性;本发明提取历史运行数据中符合要求的若干类驱动决策,并归纳若干类驱动决策生成时刻为界限之前的智能感知数据,整合标记为建模基础数据;本发明对驱动决策进行分类识别,为数字孪生模型的准确构建奠定数据基础。权利要求书2页 说明书5页 附图1页CN 11650。

3、0917 A2023.07.28CN 116500917 A1.基于数字孪生模型的数据驱动控制系统,包括中枢控制模块,以及与之相连接的数据交互模块和驱动执行模块;其特征在于:中枢控制模块通过数据交互模块获取历史运行数据;提取历史运行数据中符合要求的若干类驱动决策,并归纳若干类驱动决策生成时刻为界限之前的智能感知数据,整合标记为建模基础数据;以及分析建模基础数据与对应类别驱动决策之间长时序状态下的敏感性;根据敏感性分析结果确定智能感知数据中各数据参数的敏感曲线,结合驱动决策、建模基础数据以及敏感曲线构建数字孪生模型;中枢控制模块通过数据交互模块获取实时运行数据,数字孪生模型对实时运行数据进行分析。

4、,生成驱动决策;控制驱动执行模块根据驱动决策进行控制。2.根据权利要求1所述的基于数字孪生模型的数据驱动控制系统,其特征在于,所述提取历史运行数据中符合要求的若干类驱动决策,包括:获取历史运行数据;其中,历史运行数据包括智能感知数据和对应的驱动决策,驱动决策为在对应智能感知数据的基础上提供的决策措施;根据实际运行结果判断历史运行数据中的驱动决策是否符合要求;是,则整体提取符合要求的若干类驱动决策;否,则不考虑对应驱动决策。3.根据权利要求1所述的基于数字孪生模型的数据驱动控制系统,其特征在于,所述归纳若干类驱动决策生成时刻为界限之前的智能感知数据,整合标记为建模基础数据,包括:按照控制参数对驱。

5、动决策进行分类,获取若干类驱动决策;提取任一类驱动决策,以该类驱动决策中若干驱动决策生成时刻为界限,将界限之前的智能感知数据整合成对应的建模基础数据。4.根据权利要求1所述的基于数字孪生模型的数据驱动控制系统,其特征在于,所述分析建模基础数据与对应类别驱动决策之间长时序状态下的敏感性,包括:提取驱动决策与对应的智能感知数据;通过相关性分析方法分析驱动决策与智能感知数据中各数据参数之间的相关性;当相关性满足要求时,记录对应数据参数的敏感度。5.根据权利要求4所述的基于数字孪生模型的数据驱动控制系统,其特征在于,所述根据敏感性分析结果确定智能感知数据中各数据参数的敏感曲线,包括:统计同一类驱动决策。

6、对应智能感知数据中各数据参数的敏感度;对不同驱动决策对应的数据参数的敏感度进行整合提取,获取驱动决策基础上各数据参数长时序下的敏感曲线。6.根据权利要求5所述的基于数字孪生模型的数据驱动控制系统,其特征在于,所述数字孪生模型对实时运行数据进行分析,生成驱动决策,包括:获取实时运行数据,提取实时运行数据中的各数据参数;基于敏感曲线提取各数据参数的敏感度,根据各数据参数的敏感度进行剔除后,结合数字孪生模型生成驱动决策。7.根据权利要求1所述的基于数字孪生模型的数据驱动控制系统,其特征在于,所述中枢控制模块分别与数据交互模块和驱动执行模块通信和/或电气连接;其中,驱动执行模块用于执行驱动决策;权利要。

7、求书1/2 页2CN 116500917 A2所述数据交互模块与若干类型数据传感器通信和/或电气连接;其中,若干类型传感器用于进行历史运行数据或者实时运行数据的采集。8.基于数字孪生模型的数据驱动控制方法,基于权利要求1至7任意一项所述的基于数字孪生模型的数据驱动控制系统运行,其特征在于,包括:获取历史运行数据;提取历史运行数据中符合要求的若干类驱动决策,并归纳若干类驱动决策生成时刻为界限之前的智能感知数据,整合标记为建模基础数据;分析建模基础数据与对应类别驱动决策之间长时序状态下的敏感性;根据敏感性分析结果确定智能感知数据中各数据参数的敏感曲线,结合驱动决策、建模基础数据以及敏感曲线构建数字。

8、孪生模型;获取实时运行数据,数字孪生模型对实时运行数据进行分析,生成驱动决策;控制驱动执行模块根据驱动决策进行控制。权利要求书2/2 页3CN 116500917 A3基于数字孪生模型的数据驱动控制系统及控制方法技术领域0001本发明属于数据处理领域,涉及基于数字孪生模型的数据驱动技术,具体是基于数字孪生模型的数据驱动控制系统及控制方法。背景技术0002数字孪生充分利用物理模型、传感器更新、运行历史等数据,集成多学科、多物理量、多尺度、多概率的交互仿真过程,实现数字虚拟空间与实际物理装备之间高保真虚实映射,其技术特点适用于多个应用领域。0003目前在数字孪生模型构建时,需要分析参数的敏感度,多。

9、数分数的敏感性分析是参考现有的相关性分析技术,根据其敏感性较大的若干参数来构建数字孪生模型。数字孪生模型是一个不断进化地虚拟模型,其参数敏感性是构建的数据基础,而现有技术基于时刻或者短周期内的敏感性来筛选获取若干参数,难以挖掘和保证长时序状态下若干参数敏感性的一致性,导致数字孪生模型的应用范围缩小,进而无法保证数据驱动控制的准确性;因此,亟须一种基于数字孪生模型的数据驱动控制系统及控制方法。发明内容0004本发明旨在至少解决现有技术中存在的技术问题之一;为此,本发明提出了基于数字孪生模型的数据驱动控制系统及控制方法,用于解决现有技术难以挖掘和保证长时序状态下若干参数敏感性的一致性,导致数字孪生。

10、模型的应用范围缩小,无法保证数据驱动控制准确性的技术问题。0005为实现上述目的,本发明的第一方面提供了基于数字孪生模型的数据驱动控制系统,包括中枢控制模块,以及与之相连接的数据交互模块和驱动执行模块;中枢控制模块通过数据交互模块获取历史运行数据;提取历史运行数据中符合要求的若干类驱动决策,并归纳若干类驱动决策生成时刻为界限之前的智能感知数据,整合标记为建模基础数据;以及分析建模基础数据与对应类别驱动决策之间长时序状态下的敏感性;根据敏感性分析结果确定智能感知数据中各数据参数的敏感曲线,结合驱动决策、建模基础数据以及敏感曲线构建数字孪生模型;中枢控制模块通过数据交互模块获取实时运行数据,数字孪。

11、生模型对实时运行数据进行分析,生成驱动决策;控制驱动执行模块根据驱动决策进行控制。0006本发明中的所述中枢控制模块分别与数据交互模块和驱动执行模块通信和/或电气连接;所述数据交互模块与若干类型数据传感器通信和/或电气连接。中枢控制模块主要进行数据处理,并与数据交互模块和驱动执行模块联合实现基于数字孪生模型的数据驱动控制。数据交互模块用于采集历史运行数据或者实时运行数据;驱动执行模块则根据实时运行数据从数字孪生模型中获取对应的驱动决策,并实现智能化控制。数据传感器用于采集影响驱动决策生成的数据。0007本发明从历史运行数据根据控制参数来确定若干类驱动决策,每类驱动决策均对应若干组智能感知数据,。

12、从若干智能感知数据中提取各数据参数对驱动决策的影响程度说明书1/5 页4CN 116500917 A4(也就是敏感度),进而获取各数据参数相对于该类驱动决策的敏感曲线。再提取实时运行数据中的数据参数,结合敏感曲线分析筛选,最后通过数字孪生模型生成符合对应的驱动决策。0008优选的,所述提取历史运行数据中符合要求的若干类驱动决策,包括:获取历史运行数据;根据实际运行结果判断历史运行数据中的驱动决策是否符合要求;是,则整体提取符合要求的若干类驱动决策;否,则不考虑对应驱动决策。0009本发明中的历史运行数据包括智能感知数据和对应的驱动决策,驱动决策为在对应智能感知数据的基础上提供的决策措施;驱动决。

13、策主要是依据控制参数生成,控制参数包括温度、转速、动力等需要准确控制的参数。本发明中提到历史运行数据中的驱动决策符合要求,是指在执行驱动决策之后,得到的效果或者改变符合预期或者向较好的方向发展。不符合要求的驱动决策被认为是错误的决策,不适合用来构建数字孪生模型。0010优选的,所述归纳若干类驱动决策生成时刻为界限之前的智能感知数据,整合标记为建模基础数据,包括:按照控制参数对驱动决策进行分类,获取若干类驱动决策;提取任一类驱动决策,以该类驱动决策中若干驱动决策生成时刻为界限,将界限之前的智能感知数据整合成对应的建模基础数据。0011本发明中的驱动决策有很多类,控制参数的种类决定着驱动决策的类别。

14、。如控制参数包括温度、湿度、压力,则驱动决策也就是来控制温度、湿度和压力的。控制参数并一定是连续控制的,所以驱动决策也并不是连续生成的,其生成间隔时间不等,如时刻一需要将温度提高5,时刻二需要将温度降低5,这样两个时刻的驱动决策是存在时间间隔的。0012本发明提取任一类驱动决策(每类驱动决策均需要进行分析),以该类驱动决策中若干驱动决策的生成时刻为界限,将驱动决策在界限之前对应的智能感知数据提取出来,这样也可以提取若干组智能感知数据,将这若干组智能感知数据整合成建模基础数据。0013优选的,所述分析建模基础数据与对应类别驱动决策之间长时序状态下的敏感性,包括:提取驱动决策与对应的智能感知数据;。

15、通过相关性分析方法分析驱动决策与智能感知数据中各数据参数之间的相关性;当相关性满足要求时,记录对应数据参数的敏感度。0014本发明中每类驱动决策均对应一个建模基础数据,每个驱动决策均对应一组智能感知数据。分析每个驱动决策与对应智能感知数据中数据参数之间的相关性,当相关性满足要求时将对应的相关性结果作为该数据参数的敏感度。这里的相关性满足要求是指相关性指标能够满足最低要求。0015优选的,所述根据敏感性分析结果确定智能感知数据中各数据参数的敏感曲线,包括:统计同一类驱动决策对应智能感知数据中各数据参数的敏感度;对不同驱动决策对应的数据参数的敏感度进行整合提取,获取驱动决策基础上各数据参数长时序下。

16、的敏感曲线。0016本发明中每个驱动决策与数据参数之间的敏感度会发生变化,则根据驱动决策与各数据参数之间的敏感度可以拟合获取各数据参数对应的敏感曲线,该敏感曲线中以驱动决策为自变量,以数据参数的敏感度为因变量。这样每个类别的驱动决策会对应若干条敏感曲线,敏感曲线的数量与数据参数的种类相同。以历史运行数据、敏感曲线以及驱动决策为流程核心,构建数字孪生模型;并配置数字孪生模型与现实环境的数据交互,实现基于数字孪生模型的智能化控制。说明书2/5 页5CN 116500917 A50017优选的,所述数字孪生模型对实时运行数据进行分析,生成驱动决策,包括:获取实时运行数据,提取实时运行数据中的各数据参。

17、数;基于敏感曲线提取各数据参数的敏感度,根据各数据参数的敏感度进行剔除后,结合数字孪生模型生成驱动决策。0018本发明通过数据交互模块获取实时运行数据,将实时运行数据输入至数字孪生模型中。数字孪生模型提取实时运行数据中各数据参数的敏感曲线,基于敏感曲线获取各数据参数在当前状态下的敏感度,基于敏感度和实时运行参数生成驱动决策,进而通过驱动执行模块执行驱动决策实现控制。0019本发明的第二方面提供了基于数字孪生模型的数据驱动控制方法,包括:获取历史运行数据;提取历史运行数据中符合要求的若干类驱动决策,并归纳若干类驱动决策生成时刻为界限之前的智能感知数据,整合标记为建模基础数据;分析建模基础数据与对。

18、应类别驱动决策之间长时序状态下的敏感性;根据敏感性分析结果确定智能感知数据中各数据参数的敏感曲线,结合驱动决策、建模基础数据以及敏感曲线构建数字孪生模型;获取实时运行数据,数字孪生模型对实时运行数据进行分析,生成驱动决策;控制驱动执行模块根据驱动决策进行控制。0020与现有技术相比,本发明的有益效果是:00211.本发明分析建模基础数据与对应类别驱动决策之间长时序状态下的敏感性;根据敏感性分析结果确定智能感知数据中各数据参数的敏感曲线,结合驱动决策、建模基础数据以及敏感曲线构建数字孪生模型;本发明通过长时序状态下生成的敏感曲线构建数字孪生模型,在对模型进行简化的同时还能够提高驱动决策的准确性。。

19、00222.本发明提取历史运行数据中符合要求的若干类驱动决策,并归纳若干类驱动决策生成时刻为界限之前的智能感知数据,整合标记为建模基础数据;本发明对驱动决策进行分类识别,为数字孪生模型的准确构建奠定数据基础。附图说明0023为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中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。0024图1为本发明的系统原理示意图;0025图2为本发明的工作步骤示意图。具体实施方式0026下面将结合实施例对本发明。

20、的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其它实施例,都属于本发明保护的范围。0027请参阅图1图2,本发明第一方面实施例提供了基于数字孪生模型的数据驱动控制系统,包括中枢控制模块,以及与之相连接的数据交互模块和驱动执行模块;中枢控制模块通过数据交互模块获取历史运行数据;提取历史运行数据中符合要求的若干类驱动决说明书3/5 页6CN 116500917 A6策,并归纳若干类驱动决策生成时刻为界限之前的智能感知数据,整合标记为建模基础数据;以及分析建模基础数据与对。

21、应类别驱动决策之间长时序状态下的敏感性;根据敏感性分析结果确定智能感知数据中各数据参数的敏感曲线,结合驱动决策、建模基础数据以及敏感曲线构建数字孪生模型;中枢控制模块通过数据交互模块获取实时运行数据,数字孪生模型对实时运行数据进行分析,生成驱动决策;控制驱动执行模块根据驱动决策进行控制。0028本实施例的第一步是提取历史运行数据中符合要求的若干类驱动决策,并归纳若干类驱动决策生成时刻为界限之前的智能感知数据,整合标记为建模基础数据。本实施例的驱动决策是基于控制参数生成的,控制参数属于控制对象,控制决策则在控制对象的基础上增加了控制量。0029本实施例以室内温度为控制参数,则该类驱动决策实际是对。

22、温度的控制。历史运行数据中包括若干时刻对室内温度控制的驱动决策,具体为时刻一升高5(驱动决策一),时刻二降低10(驱动决策二),时刻三升高2(驱动决策三)。0030时刻一之前与室内温度控制有关的数据作为一个智能感知数据,则同样的时刻二和时刻三也会各对应一个智能感知数据。这里的智能感知数据包括室外温度、室内人员活动数据、设备工作数据等。时刻一、时刻二、时刻三存在先后顺序的情况下,时刻二的智能感知数据包含时刻一的智能感知数据,时刻三的智能感知数据包括时刻一、时刻二的智能感知数据。0031本实施例的第二步是分析建模基础数据与对应类别驱动决策之间长时序状态下的敏感性;根据敏感性分析结果确定智能感知数据。

23、中各数据参数的敏感曲线,结合驱动决策、建模基础数据以及敏感曲线构建数字孪生模型。0032本实施例根据智能感知数据中各数据参数的变化与驱动决策之间的变化关系,结合现有相关性分析方法分析各数据参数与驱动决策之间的相关性,相关性指标则作为敏感度。如时刻一需要将室内温度升高5,则与该控制相关的智能感知数据有哪些,也就是敏感度求解的过程。当驱动决策足够多,则各数据参数与驱动决策之间的敏感度数据越完善,则可以通过多项式拟合的方式生成敏感曲线。敏感曲线表示各驱动决策下数据参数的影响程度。结合历史运行数据、敏感曲线以及驱动决策可以构建出数字孪生模型;以运行数据为输入,以驱动决策为输出建立与显示世界的数据交互。。

24、0033本实施例的第三步是中枢控制模块通过数据交互模块获取实时运行数据,数字孪生模型对实时运行数据进行分析,生成驱动决策;控制驱动执行模块根据驱动决策进行控制。0034本实例获取实时运行数据,将其与上一次驱动决策生成时的历史运行数据进行比较,计算各数据参数的差值;同时可通过敏感曲线获取各数据参数的敏感度,将各数据参数的敏感度和差值结合起来得到控制参数对应的控制量,进而生成驱动决策,通过生成的驱动决策来实现智能化控制。0035本发明第二方面实施例提供了基于数字孪生模型的数据驱动控制方法,包括:获取历史运行数据;提取历史运行数据中符合要求的若干类驱动决策,并归纳若干类驱动决策生成时刻为界限之前的智。

25、能感知数据,整合标记为建模基础数据;分析建模基础数据与对应类别驱动决策之间长时序状态下的敏感性;根据敏感性分析结果确定智能感知数据中说明书4/5 页7CN 116500917 A7各数据参数的敏感曲线,结合驱动决策、建模基础数据以及敏感曲线构建数字孪生模型;获取实时运行数据,数字孪生模型对实时运行数据进行分析,生成驱动决策;控制驱动执行模块根据驱动决策进行控制。0036上述公式中的部分数据均是去除量纲取其数值计算,公式是由采集的大量数据经过软件模拟得到最接近真实情况的一个公式;公式中的预设参数和预设阈值由本领域的技术人员根据实际情况设定或者通过大量数据模拟获得。0037以上实施例仅用以说明本发明的技术方法而非限制,尽管参照较佳实施例对本发明进行了详细说明,本领域的普通技术人员应当理解,可以对本发明的技术方法进行修改或等同替换,而不脱离本发明技术方法的精神和范围。说明书5/5 页8CN 116500917 A8图1图2说明书附图1/1 页9CN 116500917 A9。

展开阅读全文
内容关键字: 基于 数字 孪生 模型 数据 驱动 控制系统 控制 方法
关于本文
本文标题:基于数字孪生模型的数据驱动控制系统及控制方法.pdf
链接地址:https://www.zhuanlichaxun.net/pdf/14250344.html
关于我们 - 网站声明 - 网站地图 - 资源地图 - 友情链接 - 网站客服 - 联系我们

copyright@ 2017-2018 zhuanlichaxun.net网站版权所有
经营许可证编号:粤ICP备2021068784号-1