[發明專利]一種云邊協同的數字孿生模型組裝與融合方法

有效

• 申請號: 202010940906.7
• 申請日: 2020-09-09
• 公開（公告）號: CN112100155B
• 公開（公告）日: 2023-05-23
• 發明（設計）人: 戚慶林;鄒孝付;程穎;陶飛
• 申請（專利權）人: 北京航空航天大學
• 主分類號: G06F16/21
• 分類號: G06F16/21;G06F16/27;G05B19/418
• 代理公司: 北京科迪生專利代理有限責任公司 11251
• 代理人: 張乾楨

1.一種云邊協同的數字孿生模型組裝與融合方法，其特征在于，包括如下步驟：

步驟(1)、對數字孿生的建模對象進行模塊分解，數字孿生的建模過程是針對具體對象進行的，定義Obj表示數字孿生的建模對象，即Obj為在進行數字孿生應用時物理空間中的實體事物或過程，根據實際數字孿生應用需求Obj分解為不同的模塊Obj＝{O₁，O₂，...，O_j，...，O_n}，其中O_j表示Obj的第j個模塊，j＝1，2，...n，n為數字孿生的建模對象分解的模塊數量；針對不同的模塊O_j，建模人員建立其數字孿生模型m_j，則數字孿生的建模對象Obj對應的模型集為M＝{m₁，m₂，...，m_j，...，m_n}，數字孿生模型的組裝與融合是模型集M中的子模型的組裝與融合；

步驟(2)、從空間關系和約束關系維度剖析模型集M中子模型間關聯關系，空間關系包括鄰接關系、功能互補、控制關系、輸入輸出關系，約束關系包括時序關系、邊界條件、物理條件約束、共享數據；基于關聯關系計算模型集M中任意兩個子模型m_i，m_j間耦合度，Coup_ij＝f(m_i，m_j)，設子模型間耦合度閾值THR，當Coup_ijTHR時，則定義模型m_i，m_j之間為緊耦合，否則為松耦合；所有兩兩之間緊耦合的子模型組成模型子集Sub-M_t＝{m_k，m_p，...，m_q}，k，p，q∈1，2，...，n，Sub_M_t中模型子集的個數最少為1個，則數字孿生的建模對象Obj的模型集聚合為M＝{Sub_M₁，Sub_M₂，...，Sub_M_t}，t表示模型集M聚合成的模型子集的個數；其中耦合度計算函數Coup_ij＝f(m_i，m_j)及子模型間耦合度閾值THR因模型類型不同而異，根據實際做選擇；

步驟(3)、計算模型在運行時所占用的計算資源和時間規模，由于模型子集Sub_M_t＝{m_k，m_p，...，m_q}中的子模型兩兩之間緊耦合，因此在進行云邊協同分配時，模型子集Sub_M_t作為一個整體進行分配，計算時模型子集Sub_M_t中的子模型也作為一個整體計算運行時所占用的計算資源S(Sub_M_t)和時間規模T(Sub_M_t)；同時根據邊緣設備的計算資源和計算能力決定模型子集Sub_M_t的分配，當S(Sub_M_t)小于邊緣設備的計算資源同時T(Sub_M_t)滿足時間要求，則將模型子集Sub_M_t部置在邊緣設備上運行，否則將將模型子集Sub_M_t部置在云端運行；

步驟(4)、在邊緣端設備進行輕量級模型的組裝與融合，邊緣端設備包括路由器、邊緣網關、邊緣微服務器、工業互聯網Hub；邊緣層模型的組裝與融合是基于步驟2分析得到的模型間的空間關系和約束關系，結合模型之間的功能鏈接和信息交互，組裝與融合形成能夠實時刻畫和控制數字孿生的建模對象狀態的輕量級數字孿生融合模型，同時在云端進行復雜模型的組裝與融合；

步驟(5)、基于邊云間的數據交互實現模型間的邊云協同，模型的邊云融合包括兩方面，一方面一些部署在邊緣層的模型是在云端基于海量的歷史數據以及實時采集數據訓練得到，云端模型形成后，云端模型能夠被下載到邊緣層，由邊緣數據驅動其響應和控制物理對象，同時該云端模型會在運行過程中隨數據的不斷豐富而更新；另一方面，邊緣層模型與云端模型之間存在交互，邊緣層模型參數與云端在較大時間尺度上計算的更豐富模型的預測數據和結果進行比較，從而實時更新參數；

經過邊緣層和云端模型組裝與融合以及邊云模型協同，部署在不同位置和平臺的子模型共同完成數字孿生的功能。