【技術實現步驟摘要】
本專利技術涉及工業數據處理，具體為一種基于數字孿生的plc邏輯控制分析預測方法及系統。
技術介紹
1、隨著工業生產自動化程度越來越高，對pcl邏輯控制器的控制精度和速度的要求也不斷提高，通過實時采集并進行反饋控制的方式在一些特定的地方存在很大的局限性。
2、現有公開申請專利cn117473252a，該方法通過工業數據采集單元獲取工業數據，并基于獲取工業數據進行匹配，確定數據解析協議；同時通過確定數據解析協議對工業數據進行數據解析，并將解析后工業數據中的被訂閱數據發送給數據分析單元；通過數據分析單元，對被訂閱數據進行數據分析，并根據分析結果將被訂閱數據中的第一子數據發送給策略執行單元，同時基于預設的策略執行觸發條件和第一子數據，通過策略執行單元從多個候選策略中篩選出目標策略，并執行目標策略，但由于是通過實時采集并進行逐步分析的方式進行控制執行，實時性不強，具有一定的局限性。
技術實現思路
1、（一）解決的技術問題
2、針對現有技術的不足，本專利技術提供了一種基于數字孿生的plc邏輯控制分析預測方法及系統，具備實時、準確、高效等優點，解決了反饋控制的方式在一些特定的地方存在很大的局限性的問題。
3、（二）技術方案
4、為解決上述反饋控制的方式在一些特定的地方存在很大的局限性的技術問題，本專利技術提供如下技術方案：
5、本專利技術公開一種基于數字孿生的plc邏輯控制分析預測方法，具體包括以下步驟：
6、s1、設定監測
7、s2、對構建的樣本集中的設備數據進行預處理，得到預處理后的設備數據；
8、s3、基于得到的預處理后的設備數據，建立設備狀態預測模型；
9、s4、通過神經網絡對得到的設備狀態預測模型進行訓練，并得到訓練后的設備狀態預測模型；
10、s5、基于得到的訓練后的設備狀態預測模型和實時采集的設備數據，通過數字孿生對下一時刻的設備數據進行預測；
11、s6、根據預測的下一時刻的設備數據設置控制數據并執行。
12、本專利技術通過設定監測區域，采集監測區域內中監測設備的設備數據，并基于采集到的設備數據，構建樣本集，同時對構建的樣本集中的設備數據進行預處理，并基于得到的預處理后的設備數據，建立設備狀態預測模型；同時通過神經網絡對得到的設備狀態預測模型進行訓練，并得到訓練后的設備狀態預測模型，并基于得到的訓練后的設備狀態預測模型和實時采集的設備數據，通過數字孿生對下一時刻的設備數據進行預測，進而根據預測的下一時刻的設備數據設置控制數據并執行，提高了plc邏輯控制分析預測的準確性。
13、優選地，所述設定監測區域，采集監測區域內中監測設備的設備數據，并基于采集到的設備數據，構建樣本集包括以下步驟：
14、s11、對設定監測區域進行劃分，將監測區域劃分為節點和區段，并在每個劃分的節點處設置一個監測網關；
15、s12、每個監測網關在當前區段的開始端安裝物聯網設備，同時在當前區段內設置距離間隔，并根據距離間隔閾值設置n個監測點；
16、s13、通過設置的監測點實時采集監測區域內中監測設備的設備數據；
17、所述采集監測區域內中監測設備的設備數據包括：時間戳、工業設備溫度以及工業設備電流。
18、本專利技術通過對設定監測區域進行劃分，并在劃分后的監測區域內安裝物聯網設備，同時基于安裝的物聯網設備對監測區域內的設備數據進行采集和監測，提高了監測區域監測的可靠性。
19、優選地，所述對構建的樣本集中的設備數據進行預處理，得到預處理后的設備數據包括以下步驟：
20、設定采樣周期，基于采樣周期重復采集工業設備溫度數據以及工業設備電流數據，并分別對采集到的工業設備溫度數據以及工業設備電流數據進行標準化處理；
21、數據標準化處理公式如下：
22、；
23、其中，表示標準化處理前的數據，表示標準化處理后的數據；表示采集到的數據中的最大值；表示采集到的數據中的最小值，設定采集到的數據包括工業設備溫度數據以及工業設備電流數據；
24、設定標準化處理后的數據為預處理后的設備數據。
25、本專利技術通過對構建的樣本集中的設備數據進行預處理，通過標準化處理的方式使得樣本集中的設備數據穩定、準確，提高了數據分析的合理性。
26、優選地，所述基于得到的預處理后的設備數據，建立設備狀態預測模型包括以下步驟：
27、在設定的監測區域內，通過實時監測方式記錄溫度變化量和電流變化量之間的關系，工業設備溫度每變化1℃記錄一次工業設備電流變化參數，確定溫度變化量和電流變化量之間的比例系數；
28、設備狀態預測模型公式如下所示：
29、；
30、其中，表示工業設備溫度數據，表示工業設備電流數據，表示工業設備溫度數據中的最大值，表示工業設備溫度數據中的最小值，表示工業設備電流數據中的最小值，表示工業設備電流數據中的最大值，表示比例系數。
31、本專利技術通過實時監測方式記錄溫度變化量和電流變化量之間的關系，同時通過模型構建的方式建立設備狀態預測模型，提高了狀態預測的準確性。
32、優選地，所述通過神經網絡對得到的設備狀態預測模型進行訓練，并得到訓練后的設備狀態預測模型：
33、s41、在得到的預處理后的設備數據中選擇部分設備數據構建訓練集；
34、s42、將訓練集中的設備數據輸入至bp神經網絡中，并通過bp神經網絡進行訓練；
35、s43、訓練完成后輸出訓練后的設備狀態預測模型。
36、優選地，所述將訓練集中的設備數據輸入至bp神經網絡中，并通過bp神經網絡進行訓練包括以下步驟：
37、設定bp神經網絡的結構包括：輸入層、隱含層和輸出層；
38、設定輸入層的輸入為，其中表示輸入的第一個工業設備溫度數據，表示輸入的第m個工業設備溫度數據，輸出層的輸出為，其中表示輸出的第一個預測的工業設備電流數據，表示輸出的第s個預測的工業設備電流數據，隱含層包含q個神經元，v為輸入層到隱含層的權重，w為隱含層到輸出層的權重；
39、bp神經網絡的過程包括信號的正向傳播和誤差的反向傳播兩個階段；
40、信號的正向傳播為數據從輸入層輸入，經過隱含層，最后到達輸出層；
41、誤差的反向傳播為數據從輸出層到隱含層，最后到輸入層，依次調節隱含層到輸出層的權重，輸入層到隱含層的權重；
42、信號的正向傳播的計算公式為：
43、工業設備溫度數據從輸入層傳輸至隱含層的計算公式為：
44、；
45、其中，表示第h個隱含層神經元的輸入，表示輸入層第i個輸入到第h個隱含層神經元的權重，m表示輸入層輸入數據的數量；表示輸入層第i個輸本文檔來自技高網...
【技術保護點】
1.一種基于數字孿生的PLC邏輯控制分析預測方法，其特征在于，包括以下步驟：
2.根據權利要求1所述的一種基于數字孿生的PLC邏輯控制分析預測方法，其特征在于，所述設定監測區域，采集監測區域內中監測設備的設備數據，并基于采集到的設備數據，構建樣本集包括以下步驟：
3.根據權利要求1所述的一種基于數字孿生的PLC邏輯控制分析預測方法，其特征在于，所述對構建的樣本集中的設備數據進行預處理，得到預處理后的設備數據包括以下步驟：
4.根據權利要求1所述的一種基于數字孿生的PLC邏輯控制分析預測方法，其特征在于，所述基于得到的預處理后的設備數據，建立設備狀態預測模型包括以下步驟：
5.根據權利要求1所述的一種基于數字孿生的PLC邏輯控制分析預測方法，其特征在于，所述通過神經網絡對得到的設備狀態預測模型進行訓練，并得到訓練后的設備狀態預測模型：
6.根據權利要求5所述的一種基于數字孿生的PLC邏輯控制分析預測方法，其特征在于，所述將訓練集中的設備數據輸入至BP神經網絡中，并通過BP神經網絡進行訓練包括以下步驟：
7.根據
8.根據權利要求1所述的一種基于數字孿生的PLC邏輯控制分析預測方法，其特征在于，所述基于得到的訓練后的設備狀態預測模型和實時采集的設備數據，通過數字孿生對下一時刻的設備數據進行預測包括以下步驟：
9.根據權利要求8所述的一種基于數字孿生的PLC邏輯控制分析預測方法，其特征在于，所述基于下一時刻預測的設備數據集合計算每組預測的設備數據的一步狀態轉移概率包括以下步驟：
10.一種實現權利要求1-9任一項所述的基于數字孿生的PLC邏輯控制分析預測方法的系統，其特征在于，包括：數據采集模塊、數據處理模塊、預測模型構建模塊、神經網絡訓練模塊、數字孿生預測模塊以及控制執行模塊；
...【技術特征摘要】
1.一種基于數字孿生的plc邏輯控制分析預測方法，其特征在于，包括以下步驟：
2.根據權利要求1所述的一種基于數字孿生的plc邏輯控制分析預測方法，其特征在于，所述設定監測區域，采集監測區域內中監測設備的設備數據，并基于采集到的設備數據，構建樣本集包括以下步驟：
3.根據權利要求1所述的一種基于數字孿生的plc邏輯控制分析預測方法，其特征在于，所述對構建的樣本集中的設備數據進行預處理，得到預處理后的設備數據包括以下步驟：
4.根據權利要求1所述的一種基于數字孿生的plc邏輯控制分析預測方法，其特征在于，所述基于得到的預處理后的設備數據，建立設備狀態預測模型包括以下步驟：
5.根據權利要求1所述的一種基于數字孿生的plc邏輯控制分析預測方法，其特征在于，所述通過神經網絡對得到的設備狀態預測模型進行訓練，并得到訓練后的設備狀態預測模型：
6.根據權利要求5所述的一種基于數字孿生的plc邏輯控制分析預測...
【專利技術屬性】
技術研發人員：唐世楊，陸偉慶，鄺鵬，
申請(專利權)人：北京天鴻同信科技有限公司，
類型：發明
國別省市：
還沒有人留言評論。發表了對其他瀏覽者有用的留言會獲得科技券。