基于工厂生产过程的多源异构孪生数据融合方法及系统

    公开(公告)号:CN114595773B

    公开(公告)日:2022-11-15

    申请号:CN202210237309.7

    申请日:2022-03-10

    IPC分类号: G06K9/62 G06N3/04 G06N3/08

    摘要: 公开一种基于工厂生产过程的多源异构孪生数据融合方法,包括:基于分层特征融合模型的数据分类与语义解析,将采集到的多个传感器数据建模为传感器数据时序累积过程的网络拓扑图;根据时序动态拓扑图结构的特点,采用GCN‑LSTM结构将结构信息与时间信息相结合,利用网络嵌入将节点嵌入到低维空间中,同时捕捉网络的结构和性质,采用分层特征融合法以在不同深度的邻域上学习不同的特征聚合器;使用LSTM聚合不同深度的信息,确保信息从更高的深度流向节点;基于不完整多模态深度语义匹配融合模型建立,采用跨模态深度语义匹配机制,通过模态数据间多层非线性的相关性,建立不完整多模态的深度语义匹配融合模型。

    基于5G驱动的智能工厂数字孪生信息的决策控制方法及系统

    公开(公告)号:CN114637262B

    公开(公告)日:2022-11-15

    申请号:CN202210236935.4

    申请日:2022-03-10

    IPC分类号: G05B19/418

    摘要: 本发明公开了一种基于5G驱动的智能工厂数字孪生信息的决策控制方法,包括:S1、多源异构孪生数据融合流程;S2、基于5G的数字孪生信息交互通信流程;以及S3、多源异构孪生数据信息的控制决策流程。本发明能够构建基于5G的数字孪生通信方式,实现实时孪生数据驱动的在线仿真,真正实现虚实映射和互动,保证决策与控制到达终端与应用的实时性和反应的自主、智能化,推动制造业产业链上下游协同合作,并在实际生产环境中利用强化学习、自监督学习的方法,学习输入网络中数据的紧凑和多模态表示,提高资源配置、生产计划、实时调度、供应链、物流等决策、控制的效率,适应动态因素扰动下的生产管控。

    基于工厂生产过程的多源异构孪生数据融合方法及系统

    公开(公告)号:CN114595773A

    公开(公告)日:2022-06-07

    申请号:CN202210237309.7

    申请日:2022-03-10

    IPC分类号: G06K9/62 G06N3/04 G06N3/08

    摘要: 公开一种基于工厂生产过程的多源异构孪生数据融合方法,包括:基于分层特征聚集模型的数据分类与语义解析,将采集到的多个传感器数据建模为传感器数据时序累积过程的网络拓扑图;根据时序动态拓扑图结构的特点,采用GCN‑LSTM结构将结构信息与时间信息相结合,利用网络嵌入将节点嵌入到低维空间中,同时捕捉网络的结构和性质,采用分层特征聚集法以在不同深度的邻域上学习不同的特征聚合器;使用LSTM聚合不同深度的信息,确保信息从更高的深度流向节点;基于不完整多模态深度语义匹配融合模型建立,采用跨模态深度语义匹配机制,通过模态数据间多层非线性的相关性,建立不完整多模态的深度语义匹配融合模型。

    基于阶次-小波卷积神经网络的轴承故障诊断方法

    公开(公告)号:CN117848725A

    公开(公告)日:2024-04-09

    申请号:CN202410028304.2

    申请日:2024-01-09

    IPC分类号: G01M13/045

    摘要: 本发明涉及故障诊断技术领域,具体涉及一种基于阶次‑小波卷积神经网络的轴承故障诊断方法,包括:构建包含阶次‑小波变换层、联合卷积神经网络和阶次注意力学习层的轴承故障诊断模型;阶次‑小波变换层对轴承故障信号在阶次域上进行小波分解与重构,提取出每条信号在不同故障类型下的特征分布情况;联合卷积神经网络对输入信号依次进行一维卷积和二维卷积后,再进行进一步特征提取和故障预测;阶次注意力学习层采用注意力机制观察不同通道间的数据变化和相关性因素,指导联合卷积神经网络自适应地去注意关键特征信息,使得符合当前分类标签下对应故障类型特征的通道被增强。本发明具有更高的鲁棒性和更低的计算复杂度。

    基于5G驱动的智能工厂数字孪生信息的决策控制方法及系统

    公开(公告)号:CN114637262A

    公开(公告)日:2022-06-17

    申请号:CN202210236935.4

    申请日:2022-03-10

    IPC分类号: G05B19/418

    摘要: 本发明公开了一种基于5G驱动的智能工厂数字孪生信息的决策控制方法,包括:S1、多源异构孪生数据融合流程;S2、基于5G的数字孪生信息交互通信流程;以及S3、多源异构孪生数据信息的控制决策流程。本发明能够构建基于5G的数字孪生通信方式,实现实时孪生数据驱动的在线仿真,真正实现虚实映射和互动,保证决策与控制到达终端与应用的实时性和反应的自主、智能化,推动制造业产业链上下游协同合作,并在实际生产环境中利用强化学习、自监督学习的方法,学习输入网络中数据的紧凑和多模态表示,提高资源配置、生产计划、实时调度、供应链、物流等决策、控制的效率,适应动态因素扰动下的生产管控。