买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉南京工程学院;南京开通自动化技术有限公司申请的专利一种基于数字孪生的智能制造协同决策方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN120848217B 。

龙图腾网通过国家知识产权局官网在2026-01-06发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202511349424.3，技术领域涉及：G05B13/04；该发明授权一种基于数字孪生的智能制造协同决策方法是由殷磊磊;黄家才;孙权;韩敏振;谢富鹏;乔贵方;许有熊;李强设计研发完成，并于2025-09-22向国家知识产权局提交的专利申请。

本一种基于数字孪生的智能制造协同决策方法在说明书摘要公布了：本发明公开了一种基于数字孪生的智能制造协同决策方法，包括：根据智能制造的过程建立全局数字孪生模型和局部数字孪生模型；实时采集智能制造过程中的生产数据，确定采样次数下的调控指标数据集，构建时序增广矩阵，利用Pearson相关系数，构建动态权重矩阵，将时序增广矩阵调整为加权时序增广矩阵，进行奇异值分解，引入生产工艺约束对奇异值矩阵进行修正，利用修正后的奇异值矩阵的秩对加权时序增广矩阵进行降维；将降维的加权时序增广矩阵进行标准化，利用动态滑动窗口对标准化的矩阵进行划分，依次输入双分支注意力网络中，结合当前实际生产决策方案，预测生产决策方案。本发明通过协同局部自协作和全局调度，提升智能制造的响应速度。

本发明授权一种基于数字孪生的智能制造协同决策方法在权利要求书中公布了：1.一种基于数字孪生的智能制造协同决策方法，其特征在于，包括如下步骤： 步骤S1：根据智能制造的过程建立全局数字孪生模型和局部数字孪生模型； 步骤S2：实时采集智能制造过程中的生产数据，确定采样次数下的调控指标数据集，表示为： 其中，表示采样次数t下的调控指标数据集，z表示智能制造过程中的任务总量，i表示z的索引，表示采样次数t下第i个任务的平均质量误差，表示采样次数t下第i个任务的周期累计偏差，表示采样次数t下第i个任务的成本累计偏差； 步骤S3：将所有采样次数下的调控指标数据集构建时序增广矩阵，分别计算前s-1个采样次数下与第s个采样次数下的Pearson相关系数，构建动态权重矩阵，将时序增广矩阵调整为加权时序增广矩阵；步骤S3包括如下子步骤： 步骤S3.1：将所有采样次数下的调控指标数据集构建时序增广矩阵，其中，s表示采样总次数； 步骤S3.2：分别计算时序增广矩阵中每个采样次数下调控指标数据集第j列元素的均值，结合时序增广矩阵中的每一个元素，分别计算前s-1个采样次数下与第s个采样次数下的Pearson相关系数： 其中，k表示前s-1个采样次数的索引，表示第s个采样次数下调控指标数据集第j列元素与第k个采样次数下调控指标数据集第j列元素的Pearson相关系数，表示第s个采样次数下调控指标数据集第j列元素的均值，表示第k个采样次数下调控指标数据集第j列元素的均值，表示第s个采样次数下调控指标数据集中第j列第i个任务对应的数据，表示第k个采样次数下调控指标数据集第j列第i个任务对应的数据； 步骤S3.3：将进行归一化处理作为时间衰减权重，并根据时间衰减权重构建动态权重矩阵，其中，diag表示对角矩阵； 步骤S3.4：在时序增广矩阵中引入动态权重矩阵，得到加权时序增广矩阵； 步骤S4：将加权时序增广矩阵进行奇异值分解，得到奇异值矩阵，引入智能制造过程中的生产工艺约束对奇异值矩阵进行修正，利用修正后的奇异值矩阵的秩对加权时序增广矩阵进行降维； 步骤S5：将降维的加权时序增广矩阵进行标准化，利用动态滑动窗口对标准化的矩阵进行划分，依次输入双分支注意力网络中，结合当前实际生产决策方案，预测生产决策方案； 步骤S6：若生产决策方案为局部自协作，利用相应的局部数字孪生模型进行调度；若生产决策方案为全局调度，利用全局数字孪生模型进行调度。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人南京工程学院;南京开通自动化技术有限公司，其通讯地址为：211167 江苏省南京市江宁区科学园弘景大道1号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。