一种数字孪生系统集成及其状态一致性实现方法和装置

    公开(公告)号:CN117786761B

    公开(公告)日:2024-10-29

    申请号:CN202311748385.5

    申请日:2023-12-18

    Abstract: 本发明涉及数字孪生技术领域,公开了一种数字孪生系统集成及其状态一致性实现方法和装置。该方法在数字孪生系统集成中,实时监测各数字孪生系统的状态变化;当监测到第一数字孪生系统的状态发生变化时,调取第一数字孪生系统当前的运行数据;在数字孪生系统集成的数据共享中心确定与第一数字孪生系统相关的若干个第二数字孪生系统;控制若干个第二数字孪生系统根据第一数字孪生系统当前的运行数据更新自身的状态;当各第二数字孪生系统的状态更新完成后,将各第二数字孪生系统的状态变化同步至对应的物理实体。本发明实现了数字孪生系统集成的状态一致性,可以在实现过程中维持数字孪生系统的性能,降低系统维护成本,保证数据传输的安全性。

    一种基于动态事件触发的多智能体分布式学习系统和方法

    公开(公告)号:CN117077820A

    公开(公告)日:2023-11-17

    申请号:CN202310878704.8

    申请日:2023-07-18

    Abstract: 本发明公开了一种基于动态事件触发的多智能体分布式学习系统,包括:动态事件触发模块、探索智能体组、中央缓冲区、中央学习智能体;动态事件触发模块用于根据设定的触发规则进行触发判断,向探索智能体组发出触发指令;探索智能体组包括N个探索智能体,用于接收触发指令后向中央缓冲区传递探索到的样本经验;中央缓冲区用于存储探索智能体探索到的样本经验;中央学习智能体从中央缓冲区所存储的经验中随机选择进行学习。本发明通过动态事件触发模块,设定触发规则,避免使用固定通信网络拓扑,以及在保证收敛的前提下减少了智能体之间的通信次数从而节约通信资源。

    一种基于深度强化学习的联邦学习方法及系统

    公开(公告)号:CN116486192A

    公开(公告)日:2023-07-25

    申请号:CN202310223773.5

    申请日:2023-03-09

    Abstract: 本发明涉及一种基于深度强化学习的联邦学习方法及系统。所述方法包括步骤:对联邦学习系统的时延进行建模分析;对联邦学习系统的能耗进行建模分析;确定优化目标;构建图像分类网络和强化学习智能体网络;将节点选择问题转化为马尔可夫决策过程;对强化学习模型进行训练;使用Q网络进行联邦学习。本发明通过强化学习智能体辅助联邦学习系统选择合适的设备参与训练,并通过调节权重系数平衡通信时延和能耗之间的关系,降低了通信和能耗的成本,以解决工业物联网中存在的设备异构性和信道不稳定性问题,提高联邦学习的效率和性能。

    一种面向工业机器人制造系统的信息建模方法

    公开(公告)号:CN115309942A

    公开(公告)日:2022-11-08

    申请号:CN202210863372.1

    申请日:2022-07-20

    Abstract: 本发明公开了一种面向工业机器人制造系统的信息建模方法,涉及信息建模技术领域。设备物理模型包括各物理设备的设备信息和连接关系;根据连接关系将各物理设备通过ESB连接,得到SOA物理模型;根据预设对应关系将设备信息映射为OPC UA的数据格式,将SOA物理模型与OPC UA节点相互对应,建立设备OPC UA信息模型;将设备OPC UA信息模型映射到OPC UA服务器地址空间中,生成实例化模型;根据实例OPC UA信息模型生成节点集,完成信息建模。通过上述信息建模方法可以将不同供应厂商的设备和应用程序之间的软件接口标准化,使其间的数据交换更加简单化,可以有效地解决不同制造商数据格式不一致的问题。

Patent Agency Ranking