[發(fā)明專利]基于認知線索的多領(lǐng)域數(shù)字孿生體集成方法及電子設(shè)備

在審

• 申請?zhí)枺?/td>: 202210042848.5
• 申請日: 2022-01-14
• 公開（公告）號: CN114491065A
• 公開（公告）日: 2022-05-13
• 發(fā)明（設(shè)計）人: 陳金偉;胡振超;李元芾;張會生
• 申請（專利權(quán)）人: 上海交通大學(xué)
• 主分類號: G06F16/36
• 分類號: G06F16/36
• 代理公司: 上海光華專利事務(wù)所(普通合伙) 31219
• 代理人: 龐紅芳

本發(fā)明提供一種基于認知線索的多領(lǐng)域數(shù)字孿生體集成方法及電子設(shè)備，所述方法包括：提取裝備各領(lǐng)域數(shù)字孿生體模型信息；確定多領(lǐng)域數(shù)字孿生體認知能力的描述規(guī)范；基于所述多領(lǐng)域數(shù)字孿生體認知能力的描述規(guī)范建立能表達數(shù)字孿生體認知信息的統(tǒng)一知識表達模型；實例化所述統(tǒng)一知識表達模型；為不同領(lǐng)域數(shù)字孿生體的數(shù)據(jù)信息生成統(tǒng)一資源標(biāo)志符，將異構(gòu)數(shù)字孿生體所涉及到的全生命周期的數(shù)據(jù)整合，并基于所述統(tǒng)一知識表達模型中的實例化描述形成認知線索，實現(xiàn)多領(lǐng)域數(shù)字孿生體的集成。本發(fā)明有效解決現(xiàn)有技術(shù)難以對復(fù)雜裝備多領(lǐng)域數(shù)字孿生體進行有效集成的技術(shù)問題。

技術(shù)領(lǐng)域

本發(fā)明涉及復(fù)雜裝備多領(lǐng)域數(shù)字孿生體集成技術(shù)領(lǐng)域，特別是涉及基于認知線索的多領(lǐng)域數(shù)字孿生體集成技術(shù)領(lǐng)域。

背景技術(shù)

現(xiàn)如今隨著復(fù)雜裝備朝著多學(xué)科、多領(lǐng)域的方向發(fā)展，涉及到機械、電子、液壓、控制等多個領(lǐng)域，在設(shè)計研發(fā)中，復(fù)雜裝備各領(lǐng)域模型往往采用不同的仿真工具建模，其數(shù)字孿生體模型存在復(fù)雜度高、數(shù)量多、管理難、集成能力差等問題，各孿生體之間相互獨立且包含大量異構(gòu)模型數(shù)據(jù)，各領(lǐng)域異構(gòu)數(shù)字孿生體在裝備全運行周期內(nèi)缺乏有效的整合及管理方法，難以實現(xiàn)復(fù)雜裝備系統(tǒng)級模型的聯(lián)合仿真與集成。

目前多領(lǐng)域數(shù)字孿生體集成采用基于接口或者基于高層體系結(jié)構(gòu)(High LeverArchitecture，HLA)方法，前者通過不同領(lǐng)域商業(yè)仿真軟件之間開放的接口來實現(xiàn)，但是當(dāng)商用仿真軟件數(shù)目變多以后，理論上要求的最大接口數(shù)目會變得非常龐大，復(fù)雜度隨之增加；后者則是基于HLA框架開發(fā)各個商用仿真軟件的HLA接口，并通過運行時間支撐系統(tǒng)(Run-time Infrastructure,RTI)的總線進行數(shù)據(jù)交互，但是它要求建模人員必須熟悉HLA/RTI的各種服務(wù)，且需要人為的割裂不同領(lǐng)域子系統(tǒng)之間的耦合關(guān)系。上述兩種方法的各領(lǐng)域數(shù)字孿生體自身缺乏認知能力，無法有效的描述數(shù)字孿生體模型的迭代信息以及模型間關(guān)聯(lián)關(guān)系，難以實現(xiàn)復(fù)雜裝備多領(lǐng)域數(shù)字孿生體的有效集成。

發(fā)明內(nèi)容

鑒于以上所述現(xiàn)有技術(shù)的缺點，本發(fā)明的目的在于提供一種基于認知線索的多領(lǐng)域數(shù)字孿生體集成方法及電子設(shè)備，實現(xiàn)各領(lǐng)域?qū)\生體的異構(gòu)數(shù)據(jù)信息的集成，支持復(fù)雜系統(tǒng)多領(lǐng)域數(shù)字孿生體聯(lián)合仿真與集成。

為實現(xiàn)上述目的及其他相關(guān)目的，本發(fā)明提供一種基于認知線索的多領(lǐng)域數(shù)字孿生體集成方法，所述方法包括：提取裝備各領(lǐng)域數(shù)字孿生體模型信息；確定多領(lǐng)域數(shù)字孿生體認知能力的描述規(guī)范；基于所述多領(lǐng)域數(shù)字孿生體認知能力的描述規(guī)范建立能表達數(shù)字孿生體認知信息的統(tǒng)一知識表達模型；實例化所述統(tǒng)一知識表達模型；為不同領(lǐng)域數(shù)字孿生體的數(shù)據(jù)信息生成統(tǒng)一資源標(biāo)志符，將異構(gòu)數(shù)字孿生體所涉及到的全生命周期的數(shù)據(jù)整合，并基于所述統(tǒng)一知識表達模型中的實例化描述形成認知線索，實現(xiàn)多領(lǐng)域數(shù)字孿生體的集成。

于本發(fā)明的一實施例中，所述提取裝備各領(lǐng)域數(shù)字孿生體模型信息包括：確定各數(shù)字孿生體跨領(lǐng)域間的關(guān)聯(lián)關(guān)系、領(lǐng)域內(nèi)關(guān)聯(lián)關(guān)系、各數(shù)字孿生體模型屬性以及參數(shù)信息；基于多領(lǐng)域數(shù)字孿生體的組成，依據(jù)不同領(lǐng)域的系統(tǒng)劃分，確定各異構(gòu)數(shù)據(jù)孿生體之間跨領(lǐng)域的層次關(guān)系；分析各數(shù)字孿生體的屬性，確定各領(lǐng)域內(nèi)孿生體的本身模型結(jié)構(gòu)與數(shù)據(jù)關(guān)系；基于各數(shù)字孿生體跨領(lǐng)域間的關(guān)聯(lián)關(guān)系、領(lǐng)域內(nèi)關(guān)聯(lián)關(guān)系、各數(shù)字孿生體模型屬性以及參數(shù)信息、所述各異構(gòu)數(shù)據(jù)孿生體之間跨領(lǐng)域的層次關(guān)系、所述各領(lǐng)域內(nèi)孿生體的本身模型結(jié)構(gòu)與數(shù)據(jù)關(guān)系提取裝備各領(lǐng)域數(shù)字孿生體模型信息。

于本發(fā)明的一實施例中，所述確定多領(lǐng)域數(shù)字孿生體認知能力的描述規(guī)范包括：確定基于元元模型體系的數(shù)字孿生體認知能力描述架構(gòu)；基于所述數(shù)字孿生體認知能力描述架構(gòu)，確定架構(gòu)內(nèi)各層次的信息要素及對應(yīng)的描述規(guī)范。

于本發(fā)明的一實施例中，所述架構(gòu)內(nèi)各層次的信息要素包括：元元模型、元模型、模型、元元模型之間的關(guān)聯(lián)規(guī)則、模型之間的連接關(guān)系、元模型的系統(tǒng)屬性、模型的系統(tǒng)屬性及自定義屬性。

于本發(fā)明的一實施例中，所述元元模型層通過架構(gòu)中第一層級的類描述，所述元模型層通過第一層級的子類描述，所述模型層通過類經(jīng)過實例化后的實體進行描述。