[發明專利]工業運維場景下的數據處理方法、裝置、設備及介質

在審

• 申請號: 202011020627.5
• 申請日: 2020-09-25
• 公開（公告）號: CN112241151A
• 公開（公告）日: 2021-01-19
• 發明（設計）人: 張銘碩;王振華;李義章
• 申請（專利權）人: 北京索為云網科技有限公司
• 主分類號: G05B19/418
• 分類號: G05B19/418
• 代理公司: 北京鍾維聯合知識產權代理有限公司 11579
• 代理人: 安娜

本發明提供一種工業運維場景下的數據處理方法、裝置、設備及介質，所述方法，包括：建立機理驅動模型和數據驅動模型；在第一工況點，采用所述機理驅動模型的計算結果；在第二工況點，采用所述數據驅動模型的計算結果。通過在不同工況點采用不同模型的計算結果，可以避免在運行過程中大量使用機理模型進行計算，計算耗時，無法實時得到結果的問題，將機理驅動的算法和數據驅動的算法有效結合，能夠實現工業場景下的智能化運維，提高數據處理效率，實現多樣化的工業任務。

技術領域

本發明涉及數據處理領域，尤其涉及一種工業運維場景下的數據處理方法、裝置、設備及介質。

背景技術

當前，以智能化為核心的新一輪產業革命正在逐步展開，智能技術與傳統產業的深度融合已成為勢在必行的趨勢，工業互聯網便是其中的發展方向之一。工業互聯網的核心是數據驅動的智能分析與決策優化。從發展之初，就將數據作為核心要素，將數據驅動的優化閉環作為實現工業互聯網賦能價值的關鍵。

對于獲取和處理工業運維場景下的數據，主要有兩種方式：1.基于模型驅動的數據，針對設備的全生命周期過程分別建立各個階段的機理模型，構建業務場景的數字孿生，從而實現對生產過程、對象的內部機制的精確數學描述。其優點是參數具有明確的物理意義，易于調整，具有很強的適應性。缺點是對于某些對象，很難寫出具體的數學表達式或表達式中的某些系數難以確定，往往又需要大量的參數，不易很好地獲取，影響模型的模擬效果；2.基于數據驅動的數據，通過工業網關設備、直連設備的SDK將設備端的數據采集、轉換、上報、匯總到云端，根據相應的指標、規則予以過濾、分析，借助機器學習的方式從數據集中找到模式得到基于假設(hypothesis)的近似模型，形成某種規律性的認識，最終提煉出對企業、個人有用的新信息，幫助進行更好的決策。

現有技術中，基本都是采用模型驅動的數據或者數據驅動的數據，并沒有結合使用。基于模型驅動的數據準確性較高，但是計算量大，實時性較差；基于數據驅動的數據實時性高，但是準確率較低，因此，需要將機理驅動的算法和數據驅動的算法有效結合，實現工業場景下的智能化運維，提高數據處理效率，實現多樣化的工業任務。

發明內容

有鑒于此，本發明提供一種工業運維場景下的數據處理方法、裝置、設備及介質，至少部分解決現有技術中存在的問題。所述技術方案如下：

一方面，提供了一種工業運維場景下的數據處理方法，包括：

建立機理驅動模型和數據驅動模型；

在第一工況點，采用所述機理驅動模型的計算結果；

在第二工況點，采用所述數據驅動模型的計算結果。

在一種可能實現方式中，在所述在第二工況點，采用所述數據驅動模型的計算結果的步驟之前，還包括：

判斷所述數據驅動模型是否可以作為所述機理驅動模型的降階模型；

若是，則將所述數據驅動模型在第二工況點下的計算結果作為所述機理驅動模型在所述第二工況點下的近似結果，執行所述在第二工況點，采用所述數據驅動模型的計算結果的步驟；

若否，則繼續優化所述機理驅動模型和數據驅動模型。

在一種可能實現方式中，所述建立機理驅動模型和數

據驅動模型，包括：

獲取機理驅動模型的仿真數據和輸入參數；

根據所述仿真數據和輸入參數建立機理驅動模型；

基于所述機理驅動模型，計算預設工況點下的離散數據；

獲取所述預設工況點下的工業運行數據；

將所述工業運行數據和所述離散數據均作為數據驅動模型的樣本數據，根據所述樣本數據，建立數據驅動模型。