【技术实现步骤摘要】
本专利技术涉及数字孪生，具体涉及一种面向智能制造的语义驱动数字孪生中间件及其微服务化架构。
技术介绍
1、随着工业互联网、cps等新一代信息技术的发展，利用数字孪生(digital twin)实现对物理制造系统的映射、监控、分析、预测和优化，已成为制造业数字化转型的关键路径，工业软件作为搭建数字孪生的重要工具，在产品设计、生产控制、运维优化等环节发挥着日益重要的作用；
2、但在实践中，工业软件的应用仍面临诸多挑战。其中一个关键问题在于，不同软件、不同系统间的语义割裂。工业数据源自异构的设备和系统，各自采用不同的信息模型和通信协议，缺乏统一的语义表示，这导致软件间很难实现互操作，数据难以实现共享和复用，形成了严重的"数据孤岛"现象。此外，工业数据虽大，但缺乏明晰的语义，难以将其转化为可被机器理解和推理的知识，这制约了数字孪生对工业大数据智能分析与决策优化能力的发挥；
3、针对上述问题，学术界已开展了一些探索，在语义建模方面，giustozzi等利用本体技术对智能工厂的资产进行建模，为异构系统间的互操作提供了语义支持。wan等提出了一种基于本体的智能制造资源重构方法，首先使用web本体语言建立了描述智能制造资源的设备本体，在此基础上，将关系数据库与制造系统本体关联，实现制造资源到模型实例的映射，然后，以智能机械手的设备重构为应用案例，说明了基于本体的资源重构方法，验证了其在制造业中的可行性；在工业数据融合方面，qiao等设计了一种本体驱动的制造数据语义关联框架，但未涉及本体融合与推理；lu等提出了一个基于语义
4、总的来说，当前工业软件的语义互操作与知识复用还存在不足，主要在于：
5、(1)多数方法只注重对单一数据源的语义抽取，缺乏对整个制造领域的系统性语义建模，由于本体构建不够全面深入，难以为跨系统、跨领域的软件集成提供统一的语义基础；
6、(2)现有工作多停留在数据层语义映射，对本体自身的知识管理挖掘不够。本体推理、本体演化等知识工程技术在工业大数据分析中的应用有限，造成工业软件对数据的理解和应用还不够智能化；
7、(3)现有系统多以某项具体任务为导向，缺少数字孪生全生命周期、全流程应用的视角。如何将工业知识赋能产品设计、生产优化、运维服务等各环节，形成端到端的知识化解决方案，是亟待突破的问题。
技术实现思路
1、为了克服现有技术存在的缺陷与不足，本专利技术提供一种面向智能制造的语义驱动数字孪生中间件及其微服务化架构，针对智能制造领域缺乏统一的语义表示、工业软件数据孤岛严重、数字孪生应用对工业知识的利用程度不足等问题，该中间件融合了知识工程与大数据分析技术，利用本体实现制造资源的语义建模，并通过语义映射、本体推理等机制实现工业大数据的语义提升与知识化融合，进而为数字孪生应用提供统一的语义数据服务。
2、为了达到上述目的，本专利技术采用以下技术方案：
3、本专利技术提供一种面向智能制造的语义驱动数字孪生中间件，包括：本体构建模块、语义集成模块、知识服务模块；
4、所述本体构建模块用于制造领域概念的语义抽象与形式化表达，构建制造领域本体；
5、所述语义集成模块用于对接工业数据源，完成数据到语义的映射，具体包括：
6、针对异构工业数据源，基于数据采集适配器将数据实时采集到语义中间件，提取关键语义元素；
7、将数据采集适配器采集的异构数据映射到统一的语义空间，实现语义标注；
8、将标注后的rdf三元组流导入图数据库，填充制造领域本体abox，对于新出现的概念或实例，通过本体匹配将其挂接到制造领域本体的概念模型相应位置，并扩展制造领域本体定义，对于多次出现的语义关系，则增加其权重，即构建加权的知识图谱；
9、将知识图谱按照关联密度分割为多个子图进行存储；
10、基于本体匹配的实体对齐方法对经过语义标注的rdf三元组数据流进行融合，挖掘概念间的关联模式，形成生产规则或关联规则，针对融合后的图谱，计算每条边的置信度，筛选置信度高的边构建融合图谱，形成工业知识图谱；
11、所述知识服务模块用于面向应用提供基于关键词和语义相似度的图谱检索服务、基于本体推理的知识发现服务、基于图算法的语义关联分析服务、面向工业场景的自然语言问答服务、面向制造场景的预测性分析和生成多目标优化的调度决策。
12、作为优选的技术方案，所述本体构建模块用于制造领域概念的语义抽象与形式化表达，构建制造领域本体，具体包括：
13、从顶层抽象出制造要素，形成制造领域本体的类层次；
14、在概念抽象的基础上，定义类与类之间的语义关系；
15、为制造领域本体中的每个类添加属性定义；
16、使用描述逻辑或一阶谓词逻辑，定义制造领域本体中的公理与规则；
17、基于owl或aml标准本体描述语言形成制造领域本体的概念模型；
18、将制造领域本体的概念模型以rdf的三元组形式持久化存储到图数据库或三元组数据库中；
19、通过定义制造领域本体演化操作，对制造领域本体进行版本化管理，并将多个制造领域本体进行关联。
20、作为优选的技术方案，将制造领域本体的概念模型以rdf的三元组形式持久化存储到图数据库或三元组数据库中，具体包括：
21、通过语义标注将工业数据映射为rdf三元组，并不断填充至abox实例层，形成工业知识图谱；
22、对工业知识图谱进行存储优化，包括数据分片、分区；
23、创建面向模式匹配的索引结构。
24、作为优选的技术方案，所述本体构建模块基于自顶向下或自底向上的本体学习方法构建制造领域本体的概念模型。
25、作为优选的技术方案，所述数据采集适配器设有多种工业通信协议的解析器，识别数据格式，提取结构化数据载荷，对于非结构化数据通过模板匹配或正则解析提取关键语义元素，将异构工业数据源统一为json格式，并推送到语义中间件的消息队列。
26、作为优选的技术方案，将数据采集适配器采集的异构数据映射到统一的语义空间，具体包括：
27、对每条数据提取其关键语义元素，通过词典匹配或命名实体识别将其与制造领域本体中预定义的概念实例关联，实现语义标注，并抽取语义三元组。
28、作为优选的技术方案，所述知识服务模块用于面向应用提供基于关键词和语义相似度的图谱检索服务、基于本体推理的知识发现服务、基于图算法的语义关联分析服本文档来自技高网...
【技术保护点】
1.一种面向智能制造的语义驱动数字孪生中间件，其特征在于，包括：本体构建模块、语义集成模块、知识服务模块；
2.根据权利要求1所述的面向智能制造的语义驱动数字孪生中间件，其特征在于，所述本体构建模块用于制造领域概念的语义抽象与形式化表达，构建制造领域本体，具体包括：
3.根据权利要求2所述的面向智能制造的语义驱动数字孪生中间件，其特征在于，将制造领域本体的概念模型以RDF的三元组形式持久化存储到图数据库或三元组数据库中，具体包括：
4.根据权利要求1所述的面向智能制造的语义驱动数字孪生中间件，其特征在于，所述本体构建模块基于自顶向下或自底向上的本体学习方法构建制造领域本体的概念模型。
5.根据权利要求1所述的面向智能制造的语义驱动数字孪生中间件，其特征在于，所述数据采集适配器设有多种工业通信协议的解析器，识别数据格式，提取结构化数据载荷，对于非结构化数据通过模板匹配或正则解析提取关键语义元素，将异构工业数据源统一为JSON格式，并推送到语义中间件的消息队列。
6.根据权利要求1所述的面向智能制造的语义驱动数字孪生中间件，
7.根据权利要求1所述的面向智能制造的语义驱动数字孪生中间件，其特征在于，所述知识服务模块用于面向应用提供基于关键词和语义相似度的图谱检索服务、基于本体推理的知识发现服务、基于图算法的语义关联分析服务、面向工业场景的自然语言问答服务、面向制造场景的预测性分析和生成多目标优化的调度决策，具体包括：
8.根据权利要求7所述的面向智能制造的语义驱动数字孪生中间件，其特征在于，基于本体推理的知识发现服务，根据推理规则匹配图谱中相关的断言，将推理得出的新断言写回图谱，具体基于Datalog规则的推理。
9.一种微服务化架构，其特征在于，将权利要求1-8任一项所述面向智能制造的语义驱动数字孪生中间件以微服务的形式集成，每个模块对应着架构图中的一个或多个微服务组件；
10.根据权利要求9所述的微服务化架构，其特征在于，所述数据采集适配微服务通过内置的多协议解析器，采集并解析异构数据源，统一为JSON格式，并通过消息队列推送给语义标注微服务；
...【技术特征摘要】
1.一种面向智能制造的语义驱动数字孪生中间件，其特征在于，包括：本体构建模块、语义集成模块、知识服务模块；
2.根据权利要求1所述的面向智能制造的语义驱动数字孪生中间件，其特征在于，所述本体构建模块用于制造领域概念的语义抽象与形式化表达，构建制造领域本体，具体包括：
3.根据权利要求2所述的面向智能制造的语义驱动数字孪生中间件，其特征在于，将制造领域本体的概念模型以rdf的三元组形式持久化存储到图数据库或三元组数据库中，具体包括：
4.根据权利要求1所述的面向智能制造的语义驱动数字孪生中间件，其特征在于，所述本体构建模块基于自顶向下或自底向上的本体学习方法构建制造领域本体的概念模型。
5.根据权利要求1所述的面向智能制造的语义驱动数字孪生中间件，其特征在于，所述数据采集适配器设有多种工业通信协议的解析器，识别数据格式，提取结构化数据载荷，对于非结构化数据通过模板匹配或正则解析提取关键语义元素，将异构工业数据源统一为json格式，并推送到语义中间件的消息队列。
6.根据权利要求1所述的面向智能制造的语义驱动...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。