CN115857447B 基于数字孪生的复杂工业系统运行监测方法及系统 （安徽宝信信息科技有限公司）

基于数字孪生的复杂工业系统运行监测方本发明公开了一种基于数字孪生的复杂工2获取工业系统中的设备组件信息，根据各个设备组获取各设备组件的实时数据，构建工业系统的根据工业系统的数字孪生体模型获取孪生数据，将所基于深度学习构建运行状态识别模型，将当前数据特征输入所述运行状态识别模型，获取工业系统中的设备组件信息，根据各个设备组根据工业系统中的设备组件的几何模型进行关键要将各设备组件的轻量化三维仿真模型根据工业系统的静态属性及运动关系进行装配根据工业系统的历史运行数据获取工业系统的运行原理、运通过工业系统的历史运行数据及关键设备的实际参数，获取各设备组件的实时数据，构建工业系统的通过数据感知方法得到各设备组件的各项实时数据，将各项实时将融合后的实时数据获取对应设备组件的响应单元，进行实时数据的实时查询与读若三维仿真模型的运行数据与实际运行数据的数据构建运行状态识别模型，还包括：获取工业系统的根据所述工业系统的数字孪生体模型对故障信息进行仿真获取各类故障信息对应的将所述孪生数据导入生成对抗网络，通过对生成器网络通过判别器网络判断所述生成样本是否为真，根据判断结果对生成样本设置类别标3通过深度学习构建运行状态识别模型，进行初始化设置并基于LSTM自编码器将孪生数据与监测工况数据进行数据融合，将工况数据对应的时序数据序列作为LSTM网络的输入，利用LSTM对时序数据序列进行重采将所述时序特征根据自编码器的参数对特征进行序数据序列之间的均方误差作为重构误差构建L通过训练LSTM自编码器至损失函数符合预设标准，利用所获取当前数据特征构成特征子集，对所述特获取特征子集中各特征到初始聚类中心点的欧式距求取所述聚类结果中的均值作为新的聚类中心，通过不同维度中各个特征标签之间的均方距离对特征子集中的方距离进行倒序排序，根据排序结果选取预设数量的特征标签中的特征构建新的特征子通过新的特征子集输入运行状态识别模型，获取运行状根据所述运行状态信息通过故障知识图谱获取对应的2.一种基于数字孪生的复杂工业系统运行监测获取工业系统中的设备组件信息，根据各个设备组获取各设备组件的实时数据，构建工业系统的根据工业系统的数字孪生体模型获取孪生数据，将所基于深度学习构建运行状态识别模型，将当前数据特征输入所述运行状态识别模型，4获取工业系统中的设备组件信息，根据各个设备组根据工业系统中的设备组件的几何模型进行关键要将各设备组件的轻量化三维仿真模型根据工业系统的静态属性及运动关系进行装配根据工业系统的历史运行数据获取工业系统的运行原理、运通过工业系统的历史运行数据及关键设备的实际参数，获取各设备组件的实时数据，构建工业系统的通过数据感知方法得到各设备组件的各项实时数据，将各项实时将融合后的实时数据获取对应设备组件的响应单元，进行实时数据的实时查询与读若三维仿真模型的运行数据与实际运行数据的数据构建运行状态识别模型，还包括：获取工业系统的根据所述工业系统的数字孪生体模型对故障信息进行仿真获取各类故障信息对应的将所述孪生数据导入生成对抗网络，通过对生成器网络通过判别器网络判断所述生成样本是否为真，根据判断结果对生成样本设置类别标通过深度学习构建运行状态识别模型，进行初始化设置并基于LSTM自编码器将孪生数据与监测工况数据进行数据融合，将工况数据对应的时序数据序列作为LSTM网络的输入，利用LSTM对时序数据序列进行重采将所述时序特征根据自编码器的参数对特征进行序数据序列之间的均方误差作为重构误差构建L通过训练LSTM自编码器至损失函数符合预设标准，利用所5获取当前数据特征构成特征子集，对所述特获取特征子集中各特征到初始聚类中心点的欧式距求取所述聚类结果中的均值作为新的聚类中心，通过不同维度中各个特征标签之间的均方距离对特征子集中的方距离进行倒序排序，根据排序结果选取预设数量的特征标签中的特征构建新的特征子通过新的特征子集输入运行状态识别模型，获取运行状根据所述运行状态信息通过故障知识图谱获取对应的6[0010]根据运行状态的识别评估结果进行故障诊断，通过故障诊断生成对应的运维方7[0013]将各设备组件的轻量化三维仿真模型根据工业系统的静态属性及运动关系进行[0022]根据所述工业系统的数字孪生体模型对故障信息进行仿真获取各类故障信息对8[0034]求取所述聚类结果中的均值作为新的聚类中心，当迭代次数达[0043]根据运行状态的识别评估结果进行故障诊断，通过故障诊断生成对应的运维方取工业系统中的设备组件信息，与工业系统的实体进行映射获取工业系统的三维仿真模9[0047]图3示出了本发明根据运行状态识别模型对工业系统的运行状态进行评估的方法[0052]如图1所示，本发明第一方面提供了一种基于数字孪生的复杂工业系统运行监测件的轻量化三维仿真模型根据工业系统的静态属性及运动关系进行装配获取工业系统三真模型的同步双向数据采集与传输，通过数据感知方法得到各设备组件的各项实时数据，据的实时查询与读写，建立工业系统三维仿真模型的实体与三维仿真模型之间的映射关与输入的时序数据序列之间的均方误差作为重的生成对抗网络生成大量带标签的且与真实样本[0066]图3示出了本发明根据运行状态识别模型对工业系统的运行状态进行评估的方法[0075]将历史故障的解决方案构建故障知识图谱中，根据当前数据特各故障发生时，获取故障设备组件耦合的其他设备组件与正常运行情况下运行曲线的偏[0083]其中，通过节点的连接关系计算有向连接图中节点的重要性权重，具体为：[0085]本发明第二方面还提供了一种基于数字孪生的复杂工业系统运行监测系统4，该[0090]根据运行状态的识别评估结果进行故障诊断，通过故障诊断生成对应的运维方件的轻量化三维仿真模型根据工业系统的静态属性及运动关系进行装配获取工业系统三真模型的同步双向数据采集与传输，通过数据感知方法得到各设备组件的各项实时数据，据的实时查询与读写，建立工业系统三维仿真模型的实体与三维仿真模型之间的映射关的生成对抗网络生成大量带标签的且与真实样本[0101]求取所述聚类结果中的均值作为新的聚类中心，当迭代次数达[0106]将历史故障的解决方案构建故障知识图谱中，根据当前数据特