[发明专利]一种数字孪生驱动的多模型融合工业系统异常检测方法

权利要求书

1.一种数字孪生驱动的多模型融合工业系统异常检测方法，其特征在于，该方法包括以下步骤：

步骤一、基于数字孪生技术并结合多个软件对子系统级及设备构建物理模型并集成为统一的多领域系统数字孪生模型；

步骤二、进行物理模型仿真并对多领域系统数字孪生模型进行迭代修改和仿真；

步骤三、运用边缘计算技术在边缘层对物理实体和数字孪生体之间的联系进行信息建模；

步骤四、收集工业系统运行过程中各类智能传感器产生的数据，并基于工业系统过往异常数据构建数据驱动的神经网络智能检测模型；

步骤五、将步骤四中得到的数据作为样本，对步骤四中得到的数据在边缘层运用边缘计算进行降噪、实例选择、归一化、数据清洗及预处理并通过XGBoost算法处理样本不平衡问题；

步骤六、引入阈值排序法对预测异常特征；

步骤七、将步骤四中得到的数据传输到云平台并进行模型训练、迭代并更新参数，由多组数据集训练得到异常检测模型且异常检测模型由多个预测模型组成；

步骤八、对工业系统中的子系统及设备的异常检测模型通过融合方法进行集成，并分配不同的权重，构成系统级的异常检测模型；

步骤九、基于HybridAlgorithm融合算法，结合数字孪生模型及数据驱动的神经网络智能检测模型，以数字孪生模型作为空间状态设置并输入构建最终的异常检测模型；

步骤十、在边缘层部署训练后的异常检测模型进行实时异常检测；

步骤十一、对异常检测模型的输出设定评估机制；

步骤十二、根据得到的异常检测结果执行相应的维护计划，并保存相应的异常数据到数据库作为更新优化模型的数据。

2.按照权利要求1所述的数字孪生驱动的多模型融合工业系统异常检测方法，其特征在于：步骤一中所述对子系统级及设备构建的多领域系统数字孪生模型具体过程为：

步骤101、采集由智能传感器提供的工业系统运转情况及工作条件数据作为模型的输入参数；

步骤102、运用ANSYS、MWorks、Dymola和SimulationX软件对控制系统、物料系统、传动设备、生产器件子系统及设备进行建模仿真；

步骤103、基于机械、热学、力学、自动化多领域专家知识及经验数据对仿真模型进行优化，并将各子系统及设备零部件的模型集成为多领域系统数字孪生模型。

3.按照权利要求1所述的数字孪生驱动的多模型融合工业系统异常检测方法，其特征在于：步骤三中所述运用边缘计算技术在边缘层对物理实体和数字孪生体之间的实时交互和同步进行信息建模具体过程为：

步骤301、在云端对物理实体建立几何模型用于对物理系统的几何描述和运动学描述；

步骤302、构建描述数字孪生体的行为及功能的功能模型来负责数字孪生体的功能和行为的管理；

步骤303、在边缘层对物理实体和数字孪生体之间的联系进行信息建模。

4.按照权利要求1所述的数字孪生驱动的多模型融合工业系统异常检测方法，其特征在于：步骤四中所述构建数据驱动的神经网络智能检测模型，具体过程为：

步骤401、收集工业系统过往异常数据作为模型的训练数据，同时采集工业系统在不同工作条件下的由智能传感器得到的数据信息，通过MQTT进行传输并参与训练以提高模型的泛化能力；

步骤402、构建基于深度神经网络的异常特征提取器，通过前向传播对异常特征进行逐层抽取；

步骤403、通过度量学习将各领域具有不同概率分布的数据映射到高维空间，缩小不同领域间的数据分布差异，并得到数据分布差异损失；

步骤404、运用含有全连接层的分类器对提取到的系统运行状态特征进行分类，得到异常检测结果以及分类损失，并引入正则化项以提升模型的鲁棒性。