[發明專利]一種基于遷移學習的OPC UA信息模型數據自適配方法

在審

• 申請號: 202310419906.6
• 申請日: 2023-04-18
• 公開（公告）號: CN116503202A
• 公開（公告）日: 2023-07-28
• 發明（設計）人: 郭培金;胡雯薔;朱欽淼;王瑜輝
• 申請（專利權）人: 華中科技大學
• 主分類號: G06Q50/04
• 分類號: G06Q50/04;G06N3/096;G06N3/006;G06Q10/0639
• 代理公司: 華中科技大學專利中心 42201
• 代理人: 胡佳蕾

1.一種基于遷移學習的OPC?UA信息模型數據自適配方法，其特征在于，包括以下步驟：

S1、獲取數字化車間生產線中各物理實體信息，所述物理實體信息包括各個物理實體之間的關系以及各物理實體的類型、屬性、事件；

S2、根據所述物理實體信息，構建各物理實體的信息模型，并導出XML格式文檔；

S3、將所述信息模型映射到符合OPC?UA的地址空間，根據所述的XML格式文檔實現信息模型到OPC?UA服務器的映射；OPC?UA客戶端通過OPC?UA協議與OPC?UA服務器進行通信，將獲取到的數據傳輸到持久層數據中心；

S4、從持久層數據中心獲取各物理實體信息的歷史數據和實時數據，利用歷史數據和部分實時數據分別構建源域數據集和目標域數據集；根據源域數據集和目標域數據集構建質量預測模型，其中，以物理實體信息中產品質量指標作為所述質量預測模型的輸出，其余物理實體信息作為所述質量預測模型的輸入；采用基于實例的遷移學習算法訓練所述質量預測模型，得到質量預測模型參數之間的映射關系；

S5、以產品質量指標的目標范圍作為群體智能算法的目標函數，結合S4構建的質量預測模型，反向搜索得到質量預測模型的輸入；再通過接口動態更新質量預測模型的輸入，并將更新的參數與持久層數據中心通信。

2.根據權利要求1所述的一種基于遷移學習的OPC?UA信息模型數據自適配方法，其特征在于，所述群體智能算法為麻雀搜索算法。

3.根據權利要求1所述的一種基于遷移學習的OPC?UA信息模型數據自適配方法，其特征在于，所述基于實例的遷移學習算法為TrAdaBoost.R2算法。

4.根據權利要求1所述的一種基于遷移學習的OPC?UA信息模型數據自適配方法，其特征在于，所述物理實體包括設備、物料。

5.根據權利要求1所述的一種基于遷移學習的OPC?UA信息模型數據自適配方法，其特征在于，所述物理實體的屬性包括：對象類型、變量類型、數據類型、引用類型、標準方法。

6.根據權利要求1所述的一種基于遷移學習的OPC?UA信息模型數據自適配方法，其特征在于，所述S5中，群體智能算法的目標函數為：

f(q)＝y-d,f(q)0

其中，q表示質量預測模型的輸入，d為產品質量指標的下限，y表示質量預測模型的輸出。

7.一種基于遷移學習的OPC?UA信息模型數據自適配系統，其特征在于，包括：計算機可讀存儲介質和處理器；

所述計算機可讀存儲介質用于存儲可執行指令；

所述處理器用于讀取所述計算機可讀存儲介質中存儲的可執行指令，執行如權利要求1-6任一項所述的基于遷移學習的OPC?UA信息模型數據自適配方法。