[发明专利]一种基于增量模型的数字孪生系统协同进化方法

说明书

本发明公开了一种基于增量模型的数字孪生系统协同进化方法，属于智能制造技术领域。一种基于增量模型的数字孪生系统协同进化方法，包括以下步骤：S1、基于已知的数字孪生系统，借助孪生模型与物理实体间的数据交互，生成加工过程中的数字孪生数据；S2、对加工过程中各种状态变化量进行采集、分析，获取与数字孪生系统中决策模型相关的数据；S3、数字孪生系统根据S2中状态变化量的历史数据，结合智能算法，辅助数字孪生系统进行决策；S4、加工过程中，通过云平台向数字孪生系统传输相同场景的历史数据，促进数字孪生系统协同进化；本发明更好的实现了数控加工的智能化，有效提高了机械加工系统在工业运行过程中的精度与效率。

技术领域

本发明涉及智能制造技术领域，尤其涉及一种基于增量模型的数字孪生系统协同进化方法。

背景技术

数字孪生技术作为一项突破性的技术为此提供了巨大的推动力，它有可能改变今天和未来制造业的面貌。数字孪生，作为现实世界的一面镜子，提供了一种模拟、预测和优化物理制造系统和过程的手段。利用数字孪生和智能算法可以实现数据驱动的操作监控和优化，开发创新的产品和服务，提高加工效率保证加工质量。虽然已有研究报道了数字孪生在制造业中的潜在应用前景，但目前在制造领域实现数字孪生的方法缺乏对数字双胞胎的概念、框架和开发方法的深入了解，阻碍了数字孪生应用于智能制造的发展。

由于实际工业过程处于不断变化中，系统无法识别源于训练样本集合无法表征的新类别。传统决策模型缺乏相应的识别机制，只能将新类样本分类至已知的类别，导致错误的分类结果。当出现新类别问题时，增量学习方法首先利用专家知识对其进行标记，明确其真实类别；然后，利用标记的样本，对分类模型进行离线更新，再将更新后的模型继续投入至在线使用。值得说明的是，受限于生产要求，许多实际工业过程(特别是流程工业过程)通常需要在较长的时间段内保持连续运行。由于样本的离线标记和模型的离线更新需要耗费较长时间，因此增量学习并不适用于具有高实时性和长连续性的实际工业过程。换言之，若能通过在线方式识别新类样本，对实际工业过程的过程诊断具有重要意义，鉴于此，我们提出了一种基于增量模型的数字孪生系统协同进化方法。

发明内容

本发明所要解决的技术问题是提供一种基于增量模型的数字孪生系统协同进化方法，为数控加工系统智能化，实现系统提升系统精度以提供一种有效实现思路。

为了实现上述目的，本发明采用了如下技术方案：

一种基于增量模型的数字孪生系统协同进化方法，具体包括以下步骤：

S1、基于已知的数字孪生系统，借助孪生模型与物理实体间的数据交互，生成加工过程中的数字孪生数据；

S2、对加工过程中各种状态变化量进行采集、分析，获取与数字孪生系统中决策模型相关的数据；

S3、数字孪生系统根据S2中状态变化量的历史数据，结合智能算法，辅助数字孪生系统进行决策；

S4、加工过程中，通过云平台向数字孪生系统传输相同场景的历史数据，促进数字孪生系统协同进化。

优选地，所述S1-S4中提到的数字孪生系统包括有数字孪生工艺设计单元、加工监测单元和加工质检单元，所述数字孪生工艺设计单元、加工监测单元和加工质检单元工作过程中通过数据积累构建相应的数据库。

优选地，随着加工案例的累积，将样本离线标记以更新分类模型，然后将更新后的模型再投入在线使用。

优选地，所述协同进化过程，其协同更新模型的步骤如下：

A1、定义更新模式中的重要参数，包括共享参数θ_s，每个旧任务的任务特定参数θ_o，新任务的训练数据和真实情况X_n与Y_n。