一种基于数字孪生的数据处理平台

1.本发明涉及数据处理技术领域，尤其涉及一种基于数字孪生的数据处理平台。


背景技术：

2.数字孪生是充分利用物理模型、传感器更新、运行历史等数据，集成多学科、多物理量、多尺度、多概率的仿真过程，在虚拟空间中完成映射，从而反映相对应的设备的全生命周期过程。
3.目前，现有技术公开了一种数字孪生的数据处理平台，包括数据采集模块、数据整合模块、模型建立模块、仿真模块和数据输出模块：数据采集模块用于获取设备运行数据、人员数据和环境数据；数据整合模块用于对上述数据进行清洗和规划，整合得到不同生命周期的不同数据源；模型建立模块用于建立数字孪生模型，将数据源输入至数字孪生模型；仿真模块用于仿真模拟获得模拟设备运行数据、模拟人员数据和模拟环境数据；数据输出模块用于得到调控预测数据。其能够全面地收集设备在其生命周期中产生的不同数据，为设备生产活动提供系统指导，同时将多个数据进行整合，避免数据孤岛和重复
4.采用上述方式，当数据源中存在误差时，会导致建立的数字孪生模型失真，从而降低反应设备生命周期的准确度。


技术实现要素：

5.本发明的目的在于提供一种基于数字孪生的数据处理平台，旨在解决当数据源中存在误差时，会导致建立的数字孪生模型失真的问题。
6.为实现上述目的，本发明提供了一种基于数字孪生的数据处理平台，包括数据采集子系统、模型建立子系统、模型评估子系统和管理子系统，所述数据采集子系统、所述模型建立子系统、所述模型评估子系统和所述管理子系统依次连接；
7.所述数据采集子系统，用于对设备运行数据、人员数据和环境数据进行采集和预处理，得到数据源；
8.所述模型建立子系统，基于所述数据源构建数字孪生模型；
9.所述模型评估子系统，用于对所述数字孪生模型进行仿真评估，若评估通过，则触发所述管理子系统；
10.所述管理子系统，用于使用评估通过的所述数字孪生模型对设备进行预测，得到预测数据。
11.其中，所述数据采集子系统包括采集模块和预处理模块，所述采集模块与所述预处理模块连接；
12.所述采集模块，用于采集设备对应的设备运行数据、人员数据和环境数据；
13.所述预处理模块，用于对所述设备运行数据、所述人员数据和所述环境数据进行预处理，得到数据源。
14.其中，所述预处理模块包括整合子模块和清洗子模块，所述整合子模块和所述清
洗子模块连接；
15.所述整合子模块，用于将所述设备运行数据、所述人员数据和所述环境数据整合，得到整合信息；
16.所述清洗子模块，用于对所述整合信息进行清洗，得到数据源。
17.其中，所述模型建立子系统包括构建模块、映射模块和训练模块，所述构建模块、所述映射模块和所述训练模块依次连接；
18.所述构建模块，用于建立数字孪生模型；
19.所述映射模块，用于将所述数据源映射至所述数字孪生模型中；
20.所述训练模块，用于使用所述设备的历史数据对映射后的所述数字孪生模型进行训练。
21.其中，所述模型评估子系统包括仿真模块和评估模块，所述仿真模块和所述评估模块连接，
22.所述仿真模块，用于使用训练后的所述数字孪生模型进行仿真，得到仿真数据；
23.所述评估模块，用于使用实际数据对所述仿真数据进行评估，若评估通过，则触发所述管理子系统。
24.其中，所述模型评估子系统还包括捕获模块和矫正模块，所述捕获模块和所述矫正模块连接；
25.所述捕获模块，用于捕获所述设备的属性信息；
26.所述矫正模块，基于所述属性信息对评估不通过的所述数字孪生模型进行矫正，然后跳转至所述仿真模块，对矫正后的所述数字孪生模型进行仿真评估，直至矫正后的所述数字孪生模型评估通过，触发所述管理子系统。
27.其中，所述基于数字孪生的数据处理平台还包括预警子系统，所述预警子系统与所述管理子系统连接；
28.所述预警子系统，基于所述预测数据进行预警提醒。
29.本发明的一种基于数字孪生的数据处理平台，通过所述数据采集子系统对设备运行数据、人员数据和环境数据进行采集和预处理，得到数据源；所述模型建立子系统基于所述数据源构建数字孪生模型；所述模型评估子系统对所述数字孪生模型进行仿真评估，若评估通过，则触发所述管理子系统；所述管理子系统使用评估通过的所述数字孪生模型对设备进行预测，得到预测数据，通过在对设备进行预测前先对所述数字孪生模型的精确度进行评估，评估合格后才能进行预测，提高最终得到的预测数据的精确度，解决了当数据源中存在误差时，会导致建立的数字孪生模型失真的问题。
附图说明
30.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。
31.图1是本发明提供的一种基于数字孪生的数据处理平台的结构示意图。
32.图2是数据采集子系统的结构示意图。
33.图3是预处理模块的结构示意图。
34.图4是模型建立子系统的结构示意图。
35.图5是模型评估子系统的结构示意图。
36.图6是预警子系统的结构示意图。
37.1-数据采集子系统、2-模型建立子系统、3-模型评估子系统、4-管理子系统、5-采集模块、6-预处理模块、7-整合子模块、8-清洗子模块、9-构建模块、10-映射模块、11-训练模块、12-仿真模块、13-评估模块、14-捕获模块、15-矫正模块、16-预警子系统、17-风险判断模块、18-预警提醒模块、19-网络通信模块、20-声光提醒模块。
具体实施方式
38.下面详细描述本发明的实施例，所述实施例的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的，旨在用于解释本发明，而不能理解为对本发明的限制。
39.请参阅图1至图6，本发明提供一种基于数字孪生的数据处理平台，包括数据采集子系统1、模型建立子系统2、模型评估子系统3和管理子系统4，所述数据采集子系统1、所述模型建立子系统2、所述模型评估子系统3和所述管理子系统4依次连接；
40.所述数据采集子系统1，用于对设备运行数据、人员数据和环境数据进行采集和预处理，得到数据源；
41.所述模型建立子系统2，基于所述数据源构建数字孪生模型；
42.所述模型评估子系统3，用于对所述数字孪生模型进行仿真评估，若评估通过，则触发所述管理子系统4；
43.所述管理子系统4，用于使用评估通过的所述数字孪生模型对设备进行预测，得到预测数据。
44.具体的，通过所述数据采集子系统1对设备运行数据、人员数据和环境数据进行采集和预处理，得到数据源；所述模型建立子系统2基于所述数据源构建数字孪生模型；所述模型评估子系统3对所述数字孪生模型进行仿真评估，若评估通过，则触发所述管理子系统4；所述管理子系统4使用评估通过的所述数字孪生模型对设备进行预测，得到预测数据，通过在对设备进行预测前先对所述数字孪生模型的精确度进行评估，评估合格后才能进行预测，提高最终得到的预测数据的精确度，解决了当数据源中存在误差时，会导致建立的数字孪生模型失真的问题。
45.进一步的，所述数据采集子系统1包括采集模块5和预处理模块6，所述采集模块5与所述预处理模块6连接；
46.所述采集模块5，用于采集设备对应的设备运行数据、人员数据和环境数据；
47.所述预处理模块6，用于对所述设备运行数据、所述人员数据和所述环境数据进行预处理，得到数据源。
48.所述预处理模块6包括整合子模块7和清洗子模块8，所述整合子模块7和所述清洗子模块8连接；
49.所述整合子模块7，用于将所述设备运行数据、所述人员数据和所述环境数据整合，得到整合信息；
50.所述清洗子模块8，用于对所述整合信息进行清洗，得到数据源。
51.具体的，在进行数据采集时，首先通过所述采集模块5采集设备对应的设备运行数据、人员数据和环境数据，然后使用所述整合子模块7将所述设备运行数据、所述人员数据和所述环境数据整合，得到整合信息；最后，使用所述清洗子模块8，用于对所述整合信息进行清洗，去除所述整合信息中的冗余数据和异常数据，然后检查所剩数据的完整性，如所剩数据不完整，则得到空缺值，然后使用填充值将所述空缺值填补，得到数据源。
52.进一步的，所述模型建立子系统2包括构建模块9、映射模块10和训练模块11，所述构建模块9、所述映射模块10和所述训练模块11依次连接；
53.所述构建模块9，用于建立数字孪生模型；
54.所述映射模块10，用于将所述数据源映射至所述数字孪生模型中；
55.所述训练模块11，用于使用所述设备的历史数据对映射后的所述数字孪生模型进行训练。
56.具体的，所述构建模块9建立所述设备的数字孪生模型；所述映射模块10，用于将所述数据源映射至所述数字孪生模型中；所述训练模块11使用所述设备的历史数据对映射后的所述数字孪生模型进行训练，增加所述数字孪生模型预测的精确度。
57.进一步的，所述模型评估子系统3包括仿真模块12和评估模块13，所述仿真模块12和所述评估模块13连接，
58.所述仿真模块12，用于使用训练后的所述数字孪生模型进行仿真，得到仿真数据；
59.所述评估模块13，用于使用实际数据对所述仿真数据进行评估，若评估通过，则触发所述管理子系统4。
60.所述模型评估子系统3还包括捕获模块14和矫正模块15，所述捕获模块14和所述矫正模块15连接；
61.所述捕获模块14，用于捕获所述设备的属性信息；
62.所述矫正模块15，基于所述属性信息对评估不通过的所述数字孪生模型进行矫正，然后跳转至所述仿真模块12，对矫正后的所述数字孪生模型进行仿真评估，直至矫正后的所述数字孪生模型评估通过，触发所述管理子系统4。
63.具体的，所述仿真模块12使用训练后的所述数字孪生模型进行仿真，得到仿真数据；所述评估模块13使用实际数据对所述仿真数据进行评估，若评估通过，则触发所述管理子系统4；若评估不通过，则触发所述矫正模块15，所述矫正模块15，基于所述捕获模块14捕获的所述属性信息对评估不通过的所述数字孪生模型进行矫正，然后跳转至所述仿真模块12，对矫正后的所述数字孪生模型进行仿真评估，直至矫正后的所述数字孪生模型评估通过，触发所述管理子系统4。所述属性信息为对所述数据源的补充，可为从数据采样间隔和采样密度上对所述数据源的补充，例如，通过缩小采样间隔对数据进行补充。
64.进一步的，所述基于数字孪生的数据处理平台还包括预警子系统16，所述预警子系统16与所述管理子系统4连接；
65.所述预警子系统16，基于所述预测数据进行预警提醒。
66.具体的，通过所述预警子系统16基于所述预测数据进行预警提醒，有利于维护人员对所述设备的维护。
67.进一步的，所述预警子系统16包括风险判断模块17、预警提醒模块18和网络通信
模块19，所述风险判断模块17、所述预警提醒模块18和所述网络通信模块19依次连接；
68.所述风险判断模块17，基于所述预测数据判断所述设备的故障风险；
69.所述预警提醒模块18，基于所述故障风险生成预警报告；
70.所述网络通信模块19，用于通过5g网络或蓝牙将所述预警报告发送给维护人员对应的终端设备。
71.具体的，所述风险判断模块17基于所述预测数据判断所述设备的故障风险；所述预警提醒模块18将所述故障风险与风险阈值进行比较，若所述故障风险高于所述风险阈值，则生成预警报告；所述网络通信模块19通过5g网络或蓝牙将所述预警报告发送给维护人员对应的终端设备。所述终端设备可为维护人员随身携带的手机或智能手表等，便于维护人员的实时接收。
72.进一步的，所述预警子系统16还包括声光提醒模块20，所述声光提醒模块20与所述风险判断模块17连接；
73.所述声光提醒模块20，基于所述故障风险通过光源和声源进行报警提醒。
74.具体的，所述声光提醒模块20将所述故障风险与风险阈值进行比较，若所述故障风险高于所述风险阈值，则立刻通过光源和声源进行报警提醒，增加预警提醒的及时性。
75.以上所揭露的仅为本发明一种基于数字孪生的数据处理平台较佳实施例而已，当然不能以此来限定本发明之权利范围，本领域普通技术人员可以理解实现上述实施例的全部或部分流程，并依本发明权利要求所作的等同变化，仍属于发明所涵盖的范围。