信息模型构建方法、装置、设备及存储介质与流程

本技术涉及工业自动化领域，尤其涉及一种信息模型构建方法、装置、设备及存储介质。

背景技术：

1、在工业自动化系统中，plc、dcs、rtu、智能仪表以及工业控制器等工业设备通常通过工业点表（point list）描述设备内部的数据对象，随着大量工业设备的数据互联互通需求的日益增加，opc ua（opc unified architecture）已成为工业自动化领域通用的数据集成规范。opc ua作为一种跨平台、面向对象的工业通信标准，能够将设备的功能、数据及内部逻辑关系封装为统一的信息模型。opc ua不仅定义了统一的数据通信协议，还建立了标准的信息模型，通过对象（object）、变量（variable）、属性（property）及引用关系（reference）等方式描述工业设备及其数据结构，使不同系统能够基于统一的信息模型完成数据交换。因此，在工业设备接入过程中，需要先将其工业点表转换为符合opc ua规范的信息模型，再由opc ua服务器向外提供标准化的数据访问能力。

2、在工程实践中，工业点表到opc ua信息模型的构建长期以来依赖人工建模方式，实施人员需要逐条解析点表内容，在opc ua服务器开发环境中手动创建对象节点、变量节点，并配置节点间的层级与引用关系，最终导出可部署的模型文件。人工建模方式依赖人工经验且效率低、易出错，是工业数据互联过程中的主要效率瓶颈。

3、为提升建模效率，opc ua信息模型的自动建模方法应运而生，现有的opc ua信息模型的自动构建方法通常通过预定义模板、配置文件或脚本程序，将工业点表中的字段直接映射为opc ua节点，并自动生成对应的nodeset xml模型文件。虽然一定程度上能够减少人工配置工作量，提高建模效率，但其本质仍属于字段级映射方式，即根据点表字段直接生成opc ua节点，一方面，对工业数据的语义表达能力不足，同一工业数据在不同设备、不同协议下可能采用不同字段名称或不同组织方式进行描述，导致系统只能依据字段名称进行机械映射，难以理解工业数据本身所表达的业务含义，构建的信息模型通用性较差。另一方面，建模过程与工业通信协议高度耦合，不同工业协议采用不同的数据组织结构，现有的建模方案通常针对特定协议分别开发对应的转换规则，导致建模过程依赖具体的协议实现。当新增协议或设备时，需要重新开发适配逻辑，通用性和泛化能力较差。

4、上述内容仅用于辅助理解本技术的技术方案，并不代表承认上述内容是现有技术。

技术实现思路

1、本技术的主要目的在于提供一种信息模型构建方法、装置、设备及存储介质，旨在解决现有的信息模型的自动构建方案对工业数据的语义表达能力不足，且建模过程与工业通信协议高度耦合，导致构建的信息模型通用性和泛化能力较差的技术问题。

2、为实现上述目的，本技术提出一种信息模型构建方法，所述信息模型构建方法包括：

3、接收多源异构的工业点表，对所述工业点表进行字段解析和归一化处理，生成统一结构的标准化点表对象；

4、对所述标准化点表对象进行语义解析，提取所述标准化点表对象中各数据点的多维特征，并基于多约束一致性判定机制对所述多维特征进行联合语义解析，得到工业语义对象；

5、将所述工业语义对象转换为语义节点，基于各所述工业语义对象之间的关联关系构建边，生成与工业协议无关的工业语义图；

6、遍历所述工业语义图，将各所述语义节点映射为opc ua节点，构建opc ua信息模型。

7、在一实施例中，所述对所述工业点表进行字段解析和归一化处理，生成统一结构的标准化点表对象的步骤，包括：

8、对所述工业点表的表字段进行字段解析，提取所述工业点表中的基础工业信息；所述基础工业信息至少包括变量名称、变量描述、数据类型、地址信息、访问权限、采集周期和设备标识；

9、对所述基础工业信息中不同格式的数据进行统一解析，得到原始字段集合；

10、将所述原始字段集合中的字段映射到预先建立的标准字段模型，得到标准化字段对象集合，以及，基于预先构建的地址抽象模型，将所述原始字段集合中的工业地址转换为标准地址对象集合；

11、基于预先构建的对象模型，将所述标准化字段对象集合和所述标准地址对象集合整合为标准化工业点表对象；所述标准化工业点表对象包含设备标识、变量名称、数据类型、标准地址对象、访问权限和扩展属性。

12、在一实施例中，所述对所述标准化点表对象进行语义解析，提取所述标准化点表对象中各数据点的多维特征，并基于多约束一致性判定机制对所述多维特征进行联合语义解析，得到工业语义对象的步骤，包括：

13、对所述标准化点表对象进行语义解析，提取所述标准化点表对象中各数据点的多维特征，得到特征向量；所述特征向量中的多维特征至少包括名称特征、数据类型特征、地址特征、行为特征和上下文特征；

14、基于多约束一致性判定机制，将所述特征向量与多个约束条件进行联合语义判定，根据判定结果确定所述特征向量对应的工业语义类别，得到包含设备语义对象、变量语义对象、属性语义对象和地址语义对象的工业语义对象。

15、在一实施例中，所述根据判定结果确定所述特征向量对应的工业语义类别的步骤，包括：

16、若判定结果表征所述特征向量满足所述多个约束条件的全部约束，则根据所述多个约束条件的判定结果确定所述特征向量对应的工业语义类别；

17、若判定结果表征所述特征向量满足所述多个约束条件的部分约束，则根据所述多个约束条件中所述特征向量满足的目标条件，确定候选语义集合；

18、按照预设的评分规则，对所述候选语义集合中的各候选语义进行评分排序，按照排序顺序确定所述特征向量对应的工业语义类别。

19、在一实施例中，所述将所述工业语义对象转换为语义节点，基于各所述工业语义对象之间的关联关系构建边，生成与工业协议无关的工业语义图的步骤，包括：

20、将所述工业语义对象转换为语义节点；所述语义节点的节点属性信息包括节点标识、节点类型、语义标签、来源设备和语义特征向量；所述节点类型包括设备节点、变量节点、功能节点和属性节点；

21、基于所述工业语义对象之间的关联关系，确定对应的语义节点之间的语义关系，基于所述语义关系构建所述语义节点之间的边，生成初始语义图；所述关联关系包括设备层级关系、组成关系、引用关系、地址映射关系以及业务关联关系；所述语义关系包括结构关系、功能关联关系、地址关联关系、采集行为关系和上下文行为关系；

22、对所述初始语义图进行协议解耦处理和结构优化处理，得到初始工业语义图；所述协议解耦处理包括移除协议专属层级字段、消除协议树形结构、合并等价语义节点和统一语义连接路径；所述结构优化处理的优化策略包括节点去冗余、边权重收敛和稳定图结构；所述节点去冗余为合并语义相同但来源不同的语义节点；所述边权重收敛表示对同一语义节点的多重关联关系进行归一化；所述稳定图结构表示对所述语义关系进行全局一致性调整；

23、对所述初始工业语义图进行跨协议的统一映射，将工业协议标记为所述语义节点的数据来源属性，得到与工业协议无关的工业语义图。

24、在一实施例中，所述遍历所述工业语义图，将各所述语义节点映射为opc ua节点，构建opc ua信息模型的步骤，包括：

25、遍历所述工业语义图，将各所述语义节点映射为opc ua节点；

26、基于所述语义节点之间的语义关系，生成所述opc ua节点之间的引用关系；

27、对所述语义节点的节点属性信息进行哈希计算，得到所述opc ua节点的节点标识；

28、基于所述opc ua节点、所述引用关系和所述节点标识，构建节点层级并绑定所述引用关系，得到opc ua信息模型。

29、在一实施例中，所述遍历所述工业语义图，将各所述语义节点映射为opc ua节点，构建opc ua信息模型的步骤之后，还包括：

30、对所述opc ua信息模型进行一致性校验，在校验通过的情况下，基于所述opc ua信息模型构建opc ua地址空间；

31、将所述opc ua地址空间序列化为用于opc ua服务器的模型部署的标准模型文件。

32、此外，为实现上述目的，本技术还提出一种信息模型构建装置，所述信息模型构建装置包括：

33、点表标准化模块，用于接收多源异构的工业点表，对所述工业点表进行字段解析和归一化处理，生成统一结构的标准化点表对象；

34、语义解析模块，用于对所述标准化点表对象进行语义解析，提取所述标准化点表对象中各数据点的多维特征，并基于多约束一致性判定机制对所述多维特征进行联合语义解析，得到工业语义对象；

35、语义建模模块，用于将所述工业语义对象转换为语义节点，基于各所述工业语义对象之间的关联关系构建边，生成与工业协议无关的工业语义图；

36、模型构建模块，用于遍历所述工业语义图，将各所述语义节点映射为opc ua节点，构建opc ua信息模型。

37、此外，为实现上述目的，本技术还提出一种信息模型构建设备，所述设备包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述计算机程序配置为实现如上文所述的信息模型构建方法的步骤。

38、此外，为实现上述目的，本技术还提出一种存储介质，所述存储介质为计算机可读存储介质，所述存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现如上文所述的信息模型构建方法的步骤。

39、此外，为实现上述目的，本技术还提供一种计算机程序产品，所述计算机程序产品包括计算机程序，所述计算机程序被处理器执行时实现如上文所述的信息模型构建方法的步骤。

40、本技术提出的一个或多个技术方案，至少具有以下技术效果：

41、通过对多源异构的工业点表进行字段解析和归一化处理，生成统一结构的标准化点表对象，继而对该对象中的数据点提取多维特征，通过多约束一致性判定机制对多维特征进行联合语义解析，得到工业语义对象；之后将工业语义对象转换为语义节点，依据语义对象之间的业务关联关系构建节点间的边，生成与工业协议无关的工业语义图，并遍历该图将各语义节点映射为opc ua节点，由此构建出opc ua信息模型。通过对输入点表的统一结构转换，使得后续解析与建模过程与通信协议进行了解耦，确保了建模过程的跨协议适应能力。在此基础上，借助对多维特征的联合语义解析，能够从多个维度综合界定数据点的业务属性，使生成的语义对象具备对工业数据内在含义的结构化描述能力，以关联关系而非协议原生的数据层级构建语义图的拓扑结构，使得工业语义图这一中间表达层去除了通信协议的私有组织结构，仅保留跨设备通用的逻辑连接。基于协议无关的工业语义图执行节点映射，构建出的opc ua信息模型能反映设备的功能划分与数据关联，在不同协议的设备间能够保持语义一致、结构规范的建模结果，从而提高了信息模型的通用性和泛化能力。