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！

龙图腾网获悉北京航空航天大学申请的专利一种基于数据多层融合的数字孪生车间管控方法及系统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：CN120542835B 。

龙图腾网通过国家知识产权局官网在2026-03-13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：202510642323.9，技术领域涉及：G06Q10/0631；该发明授权一种基于数据多层融合的数字孪生车间管控方法及系统是由陶飞;张骏驰;程颖;戚庆林设计研发完成，并于2025-05-19向国家知识产权局提交的专利申请。

本一种基于数据多层融合的数字孪生车间管控方法及系统在说明书摘要公布了：本发明涉及一种基于数据多层融合的数字孪生车间管控方法及系统，属于面向服务的工业系统数据科学领域，包括：获取数字孪生车间全域多源异构数据，对全域多源异构数据进行数据分类、数据处理、数据存储，进行数据级融合得到数字孪生车间标准数据；提取数字孪生车间标准数据，对数字孪生车间标准数据进行语义关联、特征提取、特征分析，进行特征级融合得到数字孪生车间关键状态特征；构建面向数字孪生车间的决策模型，输入数字孪生车间运行关键特征，基于决策模型、决策优化、决策方法求解，进行决策级融合，输出车间生产管控决策。本发明可以为数字孪生车间运行数据治理分析和生产管控精准决策提供支持。

本发明授权一种基于数据多层融合的数字孪生车间管控方法及系统在权利要求书中公布了：1.一种基于数据多层融合的数字孪生车间管控方法，其特征在于，包括以下步骤： 步骤1：获取数字孪生车间全域多源异构数据，对全域多源异构数据进行数据分类、数据处理、数据存储，进行数据级融合得到数字孪生车间标准数据； 步骤2：提取数字孪生车间标准数据，对数字孪生车间标准数据进行语义关联、特征提取、特征分析，进行特征级融合得到数字孪生车间关键状态特征； 步骤3：构建面向数字孪生车间的决策模型，输入数字孪生车间关键状态特征，基于决策模型、决策优化、决策方法求解，进行决策级融合，输出车间生产管控决策； 步骤2中，语义关联，包括：定义异构数据的多维度语境，将车间数据划分为物理域、虚拟域、交互域三类，针对不同域数据标注来源域、采集时间戳、空间位置、语义标签各数据信息，读取物理域和虚拟域数据的采集时间戳、空间位置、语义标签，采用通信协议建立不同域下的数据统一度量值，实现不同域的数据语义关联； 步骤2中，特征分析，包括： ①数据特征训练：针对提取得到时域特征和频域特征，取因变量，构建特征分析模型；首先将原特征集分成训练集和测试集，接下来构建特征分析模型，模型包括一维卷积模块、双向门控循环网络模块、注意力模块，其中一维卷积模块对一维信号本身时域特征与变换后的频域特征进行卷积与池化，提取全局特征；双向门控循环网络模块同时处理以上特征在时域上正向和反向关系，利用特征中的前后时序信息，捕捉数据的长期趋势；注意力模块分辨并加强学习时域特征和频域特征中对因变量影响程度大的特征，设置卷积核大小、卷积函数、隐藏层数、虚实协同损失函数、迭代次数各模型初始化参数，对特征分析模型进行训练，得到初始训练模型； ②数据特征预测：选取测试集，在初始训练模型上进行预测，输出特征预测结果，根据预测值和实际值偏差预测损失函数，如下所示： ， 其中，为时刻数据实际值时间点，为时刻数据预测值时间点，为采样点数；根据损失函数的计算结果和对原模型参数进行微调，并根据实时反馈修正虚拟模型预测误差，进行预测修正； 决策模型构建，包括：考虑生产过程中的各类变量，描述数字孪生车间内的运行状态、虚实运行偏差与决策目标，构建数字孪生车间生产的决策模型； 决策优化，包括：根据决策模型定义约束条件、决策目标和决策条件，约束条件为本身车间运行需满足的约束，决策目标为使生产计划的生产总时间最短，决策条件为车间决策需满足的条件，在决策模型基础上进行参数优化改进； 步骤3中，决策方法求解，包括：选择元启发式算法中的遗传算法进行数字孪生车间决策方法求解，首先引入虚拟车间仿真数据，包括车间设备状态、加工时间，确定数字孪生车间多项工序、每道工序的工艺以及对应加工设备，定义遗传算法中的染色体为工序编码和设备加工时间编码的双基因串，种群为决策方案集，首先初始决策解集，对这些解集计算完工时间； 针对父代种群中的每个决策个体，进行遗传算法中的交叉、变异操作生成新的子代种群，并同样计算完工时间。

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北京航空航天大学，其通讯地址为：100191 北京市海淀区学院路37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。