[发明专利]一种非一致性判别引导式孪生模型的生物修复强化工艺

权利要求书

1.一种非一致性判别引导式孪生模型的生物修复强化工艺，其特征在于，它包括以下步骤：

步骤一：构建自动化控制虚拟仿真制造平台，虚拟仿真系统将从工艺处理系统接收到的信号传输至信号反馈系统，进行工艺产品的测量，集成控制系统接收来自信号反馈系统提供的判断结果，对工艺处理系统发出指示命令，对各工艺流程进行控制；

步骤二：按照污染土壤生物修复的工艺流程和自动化程度，进行工艺流程和工艺方法的设计并存储于用户数据库中；

步骤三：按照步骤二所设计的工艺方法，设置每个工序所需的工艺参数并储存于用户数据库中；

步骤四：将步骤三选择的工艺参数应用于工艺处理系统中对应的物理车间，按照工艺流程完成一道工序后，利用检测机器人对该物理车间的工艺输出数据进行检测，将输出数据传输至信号反馈系统；

步骤五：在信号反馈系统中，将输出数据与用户数据库中的规则数据进行比较，判断输出数据是否合格，若不合格，则进行相应工序的参数优化，通过集成控制系统，精确定位至对应的物理车间，及时有效地进行反馈，重复步骤三，输入优化后的工艺参数，进行新一轮的工艺生产测试；若合格，则进入下一道工序，直到完成所有工艺流程；

步骤六：完成所有工艺流程即预处理、生物修复、废气处理与循环后，进行工艺产品测量，若满足要求，则工艺产品测试通过，结束该套工艺；若工艺产品测试未通过，则需要进行参数优化，重复步骤五，直到得到满足要求的工艺产品。

2.根据权利要求1所述的非一致性判别引导式孪生模型的生物修复强化工艺，其特征在于，在步骤一中，工艺处理系统(2)包括预处理物理车间(5)、生物修复物理车间(6)、水气处理与回收物理车间(7)其中的一种或多种；虚拟仿真系统(3)包括预处理虚拟车间(8)、生物修复虚拟车间(9)、水气处理与回收虚拟车间(10)其中的一种或多种；

物理车间与虚拟车间在连接时建立非一致性判别引导式孪生模型，其具体操作步骤如下：

步骤1：建立数字孪生五维模型架构，包括五大模块，分别是物理层模块，孪生层模块，多感知层模块，数据库层模块和操纵层模块，以ThingWorx工业物联网平台作为系统服务平台，建立基于数字孪生的自动化控制虚拟仿真制造平台；

步骤2：建立模型，将第一帧计算得到的Q₀作为监督信息，引入一个可在线学习的判别性模型δ，得到新的打分公式如下：

f(x_i，Q_i；θ，s)＝(b(s*Q_i))*μ(x_i) (1)

其中，Q_i＝μ(z_i)；θ-离线训练好的一组参数，在跟踪的过程中不发生变化；μ(·)-离线训练好的特征提取器；b-激活函数；s-在线判别模型δ的权重，*表示卷积操作得到的映射；

步骤3：故利用不同时刻得到的判别性模型的δ_j网络参数S_j之间的KL散度对δ_j管理的策略，计算不同网络参数分布之间的KL散度矩阵D_k1，如下式所示：

P(s_m)，P(s_n)∈R_1×N-s_m，s_n相应的概率分布；(m，n)-D_k1中第m行，第n列的元素；

步骤4：对于每一帧得到的新的δ_i，计算其与a个现有网络的KL散度向量dt，找到最小KL散度距离所对应的δ_k，k∈a，及其距离d_i(m)，利用如式(3)所示的策略f，对a个判别性模块进行更新；

V_i-当前时刻i的得分响应图；令构建用于在线更新的相似度计算损失函数如式(4)所示：

||·||₂-L2范数，对神经网络权重s进行正则化；λ-正则化系数；n-样本的个数；

表示第j个样本权重；0＜α＜1-样本权重的衰减参数；

步骤5：设计在线更新策略，优化的目的是寻找一个合适的Δs，使得最小。