[发明专利]面向智能矿山场景的数字孪生演化机理及方法

权利要求书

1.面向智能矿山场景的数字孪生演化机理及方法，其特征在于，所述方法的数字孪生模型包括物理模型、逻辑模型、仿真模型和数据模型，数字孪生模型由物理模型、逻辑模型、仿真模型相互耦合及演化而成，并通过数字孪生实现虚拟空间智能矿山场景与物理空间智能矿山场景的映射重构、数据镜像、同步反馈与信息交互，所述数字孪生包括对象孪生、过程孪生和性能孪生；

所述数字孪生数据模型包括感知层、网络层、数据层和表示层；

感知层用于感知智能矿山场景工况环境、设备运行参数和设备工作状态，为数字孪生的对象孪生提供信息流；

网络层用于智能矿山场景设备的统一组网、协议转换、边缘计算和网络传输，为感知层和数据层提供通信接口，并为数字孪生的过程孪生提供控制流；

数据层用于智能矿山场景多源数据的汇聚融合、迭代计算、分析挖掘、数据孪生和存储管理，为数字孪生的性能孪生提供数据流；

表示层为用户提供智能矿山场景数字孪生与信息交互服务，以及智能矿山场景设备的智能识别、精确定位、实时监控和可靠运维，为数字孪生提供决策流；

所述方法的数字孪生建模，包括如下步骤：

步骤1，物理模型定义：选取智能矿山场景物理实体建立三维物理模型，定义物理实体的几何属性、运动属性和功能属性，以及几何外形和机械结构，定义仿真迭代优化条件；

步骤2，逻辑模型表示：将物理模型映射到逻辑模型，通过图形化、形式化描述逻辑模型的组成要素、组织结构和运行机制，并通过逻辑模型将各要素属性和行为反馈到物理模型，实现对物理模型的优化；

步骤3，仿真模型建立：根据步骤1和步骤2，基于开源图形场景OSG构建可视化的仿真模型，实现物理实体的孪生对象可视化、孪生结构可视化和孪生过程可视化；

步骤4，仿真模型优化：根据步骤3建立的仿真模型，基于多源数据，采用Pareto多目标优化算法对仿真模型进行训练和优化，将仿真结果反馈到物理模型，并对物理模型优化；

步骤5，仿真模型验证：对物理模型与仿真模型进行一致性与可靠性验证，如满足仿真模型的目标函数迭代优化条件，则执行步骤6，否则，执行步骤2；

步骤6，数据模型构建：构建可计算的数据模型，采用多源数据融合和深度学习算法，以及迭代优化和智能决策方法，实现物理实体与虚拟孪生体的数据镜像和数据交换；

步骤7，数字孪生表征：集成物理模型、逻辑模型、仿真模型和数据模型，通过数据驱动与实时交互，实现物理空间智能矿山场景在虚拟空间的数字孪生；

所述数字孪生演化机理及方法，进一步地包括如下步骤：

步骤1.1，三维实体建模：利用三维建模工具建立智能矿山场景的物理实体三维模型，并采用有限元分析法求解三维模型的结构参数、几何参数、材料参数、状态参数及边界条件；

步骤2.1，模型渲染优化：根据步骤1.1所获取的三维模型，使用3DsMax三维渲染工具对模型结构透视图或点云图进行渲染、添加材质，并对其边缘部分进行优化；

步骤3.1，仿真场景构建：将步骤2.1渲染后的模型导入虚拟现实仿真引擎，使用其内置的物理引擎构建可视化仿真模型，实现数字孪生体可视化建模、生产过程和应用场景可视化展示与虚拟漫游；

步骤4.1，数据融合：将物理实体的多源传感器数据作为输入，经多源数据融合后输出，据此驱动数字孪生体完成信息交换，并将传感器实时数据、历史数据及物理模型存储在云数据库中；

步骤5.1，交互控制：通过OPC UA、TCP/UDP、Web Service通信接口实现数据实时采集、远程通信和多源动态数据的实时更新，通过VR或AR人机接口和数据库接口，实现智能矿山场景数字孪生体与物理实体的实时交互及虚拟现实；

所述数字孪生采用物理实体结构模型、几何模型和材料模型的多尺度、多层次集成，将物理空间中的物理实体在虚拟空间进行全要素重构，通过实时数据采集、数据融合和迭代计算，形成具有感知、分析、决策和执行能力的数字孪生体；

所述数字孪生体作为物理实体在虚拟空间的1∶1映射，采用集成的多物理、多尺度和动态概率仿真模型，基于机器视觉和深度学习算法，实现对物理实体的数字镜像和数据驱动；

所述数字孪生采用OPC UA服务架构和边缘计算技术，具有独立于底层通信协议的实时数据采集和边缘计算功能，支持Web Service接口和ODBC数据库通信接口，实现模型分布式计算及数据低延时安全传输；以及，

所述数字孪生基于卷积神经网络深度学习算法对多源传感器感知数据、状态数据以及历史数据进行数据挖掘，通过训练和优化实现数字孪生模型的自学习、自优化，提高所述模型的准确性和鲁棒性。