基于数字孪生驱动的工控业务异常预测响应系统和方法与流程

1.本技术涉及工控系统安全技术领域，特别涉及一种基于数字孪生驱动的工控业务异常预测响应系统和方法。

背景技术：

2.随着智慧工厂的建立和普及，各个行业的工业生产系统走向全面数字化、智能化和自动化的协调控制的趋势持续增强。相应地，工控系统稳定、安全运行的重要性日益凸显。特别是，对于各个业务模块的异常状态，希望工控系统能够给予预测性响应，从而最大程度降低和消除该异常状态的影响。
3.然而，目前各类工控系统对于其业务模块的异常状态的响应机制，仍然普遍采用传统的异常监测和反馈调控，属于事后型的响应机制，在时效性方面仍然较为滞后，存在对工控业务异常状态判断不清晰，响应不灵敏等方面的问题。
4.数字孪生（digital twins）指的是建立对某个真实物理对象能够完全复现的动态数字模型，即数字孪生模型，并基于该数字孪生模型实现对该真实物理对象过去和未来运行过程的仿真。数字孪生在工控系统中有着广泛的应用前景，通过对工控系统的各个业务模块进行数字化，建立系统整体的数字孪生模型，能够对工控系统的运行状态进行有效的仿真。目前面向工控系统的数字孪生模型已经在可视化、系统验证、个性化场景优化等方面发挥了一定的作用。
5.但是，现有技术中基于数字孪生模型实现工控业务异常响应还缺乏有效的解决方案，特别是，工控系统在异常状态下发生的各种非常规的未知因素，会改变工控业务的运行规律性质，导致基于数字孪生模型并不能准确复现工控业务的运行过程，也就不能对工控业务的异常状态仿真以形成有效的响应。

技术实现要素：

6.（一）申请目的基于此，本技术公开了基于数字孪生驱动的工控业务异常预测响应系统和方法。本技术依靠数字孪生模型提供的针对任一工控系统业务模块的期望过程输出参考值，以及基于数字孪生模型的描述参数集，通过滚动优化处理，产生适当的自适应控制律，从而，在工控业务实际状态的过程输出发生异常偏离时，能够开展自适应调控，平滑过渡逼近期望过程输出轨迹，从而在这一过程中对工控业务的异常状态进行预测式的响应。
7.（二）技术方案本技术公开了基于数字孪生驱动的工控业务异常预测响应系统，其特征在于，包括：工控数字孪生模型库，用于预先存储工控系统各个业务模块的数字孪生模型，所述数字孪生模型通过对描述参数集赋值，实现对工控系统业务模块的建模和复现，且所述数字孪生模型能够从所述描述参数集中提供针对工业系统各个业务模块的仿真参数；
期望过程驱动模块，用于从所述工业系统业务模块的数字孪生模型中，调入工控业务期望过程输出的参考值，并根据所述参考值以及工控模块实际的过程输出，生成并输出期望过程输出轨迹；预测控制模块，用于根据期望过程驱动模块所输出的期望过程输出轨迹和工控模块实际的过程输出，生成预测能够达到所述期望过程输出轨迹的预测控制量，并将预测控制量提供给执行进程模块；执行进程模块，用于从所述预测控制模块获得所述预测控制量，根据所述预测控制量获得工控系统业务模块的过程输出，该过程输出能够在工控业务实际状态发生异常偏离时平滑过渡逼近该期望过程输出轨迹。
8.优选的是，所述期望过程驱动模块通过循环滚动优化对所述参考值和工控模块实际的过程输出的比例系数的进行赋值，从而生成期望过程输出轨迹。
9.优选的是，所述期望过程驱动模块按照如下公式生成期望过程输出轨迹：其中，表示预测水平，用来表示自第k个控制区间起算的未来控制区间数量，为在预测水平条件下的第个控制区间的期望过程输出，与为第k个、第个控制区间的期望过程输出的参考值，为工控模块第个控制区间的实际的过程输出；为比例系数，基于循环滚动优化后的这三个比例系数，计算保持工控模块正常状态的期望过程输出轨迹；和表示从数字孪生模型调入的表征工控模块正常状态的预设描述参数实际值中描述参数的个数。
10.优选的是，所述预测控制模块针对期望过程输出轨迹和工控模块实际的过程输出，通过循环滚动优化对转换系数的实际值进行赋值，从而生成预测能够达到所述期望过程输出轨迹的预测控制量。
11.优选的是，所述预测控制模块按照如下公式生成预测控制量：其中，第k个控制区间的预测控制量，为第k+1-i个控制区间的预测控制量，为工控模块第k+1-i个控制区间的实际的过程输出，为在预测水平条件下的第个控制区间的期望过程输出，为转换系数的实际值；通过循环滚动优化对转换系数的实际值进行赋值，从而生成预测能够达到所述期望过程输出轨迹的预测控制量；表示从数字孪生模型调入的表征工控模块针对输入控制量发生过程输出响应的描述参数实际值中对应自回归项阶数的描述参
数个数，表示从数字孪生模型调入的表征工控模块针对输入控制量发生过程输出响应的描述参数实际值中对应控制变量阶数的描述参数个数。
12.优选的是，所述期望过程驱动模块从数字孪生模型调入表征工控模块正常状态的预设描述参数实际值，其中表示描述参数的个数，表示描述参数的个数，以上实际值中的各个和是数字孪生模型对正常状态下工控模块的有效状态表征参量进行实测所得到的；进而，按照循环滚动优化方式对的值进行计算。
13.优选的是，执行进程模块从所述预测控制模块获得所述预测控制量，并按照如下公式获得工控系统业务模块的过程输出：其中，和分别表示从数字孪生模型调入的表征工控系统业务模块过程输出响应的描述参数预测值，其中表示描述参数的个数，表示描述参数的个数。
14.本发明进而提供了基于数字孪生驱动的工控业务异常预测响应方法，其特征在于，包括：工控数字孪生建模步骤，用于预先存储工控系统各个业务模块的数字孪生模型，所述数字孪生模型通过对描述参数集赋值，实现对工控系统业务模块的建模和复现，且所述数字孪生模型能够从所述描述参数集中提供针对工业系统各个业务模块的仿真参数；期望过程驱动步骤，用于从所述工业系统业务模块的数字孪生模型中，调入工控业务期望过程输出的参考值，并根据所述参考值以及工控模块实际的过程输出，生成并输出期望过程输出轨迹；预测控制步骤，用于根据期望过程驱动模块所输出的期望过程输出轨迹和工控模块实际的过程输出，生成预测能够达到所述期望过程输出轨迹的预测控制量，并将预测控制量提供给执行进程模块；执行进程步骤，用于从所述预测控制步骤获得所述预测控制量，根据所述预测控制量获得工控系统业务模块的过程输出，该过程输出能够在工控业务实际状态发生异常偏离时平滑过渡逼近该期望过程输出轨迹。
15.优选的是，所述期望过程驱动步骤通过循环滚动优化对所述参考值和工控模块实际的过程输出的比例系数的进行赋值，从而生成期望过程输出轨迹。
16.优选的是，所述预测控制步骤针对期望过程输出轨迹和工控模块实际的过程输出，通过循环滚动优化对转换系数的实际值进行赋值，从而生成预测能够达到所述期望过程输出轨迹的预测控制量。
17.（三）有益效果本技术公开的一种基于数字孪生驱动的工控业务异常预测响应系统和方法，能够
基于期望的过程输出自适应控制律，使得控制效果最大可能的得到优化，对工控系统的异常偏离具有更强的适应能力和更好的鲁棒性，系统容错性高，适合于工控系统的强耦合特性，通过循环滚动优化能有效地解决过程中的干扰。
附图说明
18.以下参考附图描述的实施例是示例性的，旨在用于解释和说明本技术，而不能理解为对本技术的保护范围的限制。
19.图1是本技术公开的一种基于数字孪生驱动的工控业务异常预测响应系统结构图；图2是本技术公开的一种基于数字孪生驱动的工控业务异常预测响应方法流程图。
具体实施方式
20.为使本技术实施的目的、技术方案和优点更加清楚，下面将结合本技术实施例中的附图，对本技术实施例中的技术方案进行更加详细的描述。
21.本技术提供了基于数字孪生驱动的工控业务异常预测响应系统和方法。本技术依靠数字孪生模型提供的针对任一工控系统业务模块的期望过程输出参考值，以及基于数字孪生模型的描述参数集，通过滚动优化处理，产生适当的自适应控制律，从而，在工控业务实际状态的过程输出发生异常偏离时，能够开展自适应调控，平滑过渡逼近该期望过程，从而在这一过程中对工控业务的异常状态进行预测式的响应。
22.下面参考图1详细描述本技术所述的基于数字孪生驱动的工控业务异常预测响应系统。该系统包括工控数字孪生模型库、期望过程驱动模块、预测控制模块、执行进程模块。
23.所述工控数字孪生模型库中预先存储了工控系统各个业务模块的数字孪生模型，数字孪生模型针对真实世界中的工控系统业务模块，在采集该业务模块的历史数据基础上，对数字孪生模型原型的各个描述参数集进行赋值，从而以数字化的形式对真实的工控系统业务模块实现建模和复现。针对本系统中其它各个模块对工控业务异常状态的预测和响应，数字孪生模型能够从本模型的描述参数集中为各个模块提供针对工业系统业务模块的仿真参数，从而实现数字孪生驱动的工控业务异常预测响应。
24.期望过程驱动模块用于从所述工业系统业务模块的数字孪生模型中，调入工控业务期望过程输出的参考值；其中k代表第k个控制区间，该参考值是根据该业务模块运行的预期正常状态所设定的以控制控制区间k作为自变量的函数式。所述期望过程驱动模块根据所述参考值以及工控模块实际的过程输出，生成并输出期望过程输出轨迹。
25.具体来说，所述期望过程驱动模块参照以下公式（一），根据从数字孪生模型调入的对该工控模块的描述参数的实际值，通过循环滚动优化对表示参考值和工控模块实际的过程输出的比例系数的进行赋值，从而生成期望过程输出轨迹。
26.公式（一）其中，表示预测水平，用来表示自第k个控制区间起算的未来控制区间数量，为在预测水平条件下的第个控制区间的期望过程输出，与为第k个、第个控制区间的期望过程输出的参考值，为工控模块第个控制区间的实际的过程输出；为公式（一）的比例系数，通过计算可得、、在公式（一）中的比重，基于循环滚动优化后的这三个参数，计算保持工控模块正常状态的期望过程输出轨迹。
27.期望过程驱动模块从数字孪生模型调入的表征工控模块正常状态的预设描述参数实际值，其中表示描述参数的个数，表示描述参数的个数，以上实际值中的各个和是数字孪生模型对正常状态下工控模块的有效状态表征参量进行实测所得到的；进而，按照循环滚动优化方式对的值进行计算：（1）对执行循环滚动计算:通过公式（二）设定初始条件：公式（二）根据初始条件赋值；进而，启动如下循环滚动：for j=2,
…
, dofor i=1,
…
,p doend forend for其中对于，根据公式（三）可得：
ꢀꢀ
公式（三）（2）对执行循环滚动计算：通过公式（四）设定初始条件：公式（四）根据初始条件赋值；进而，启动如下循环滚动：for j=2,
…
, dofor i=1,
…
,p doend forend for其中对于根据公式（五）可得：
ꢀꢀ
公式（五）（3）对执行循环滚动计算：通过公式（六）设定初始条件： = 0
ꢀꢀ
公式（六）根据初始条件赋值根据初始条件赋值；进而，启动如下循环滚动：for i=1,
…
, doend for其中，对于根据公式（七）可得：
ꢀꢀ
公式（七）预测控制模块用于根据期望过程驱动模块所输出的期望过程输出轨迹和工控模块实际的过程输出，生成预测能够达到所述期望过程输出轨迹的预测控制量，并将预测控制量提供给执行进程模块。
28.具体来说，所述预测控制模块参照以下公式（八），针对期望过程输出轨迹和工
控模块实际的过程输出，通过循环滚动优化对转换系数的实际值进行赋值，从而生成预测能够达到所述期望过程输出轨迹的预测控制量。
29.公式（八）其中，第k个控制区间的预测控制量，为第k+1-i个控制区间的预测控制量，为工控模块第k+1-i个控制区间的实际的过程输出，为在预测水平条件下的第个控制区间的期望过程输出。
30.所述预测控制模块从数字孪生模型调入表征工控模块针对输入控制量发生过程输出响应的描述参数实际值，其中表示描述参数的个数，对应于自回归项的阶数，而表示描述参数的个数，对应于控制变量的阶数。进而，按照以下循环滚动优化方式对的值进行计算：（4）对执行循环滚动计算:通过公式（九）设定初始条件：
ꢀꢀ
公式（九）根据初始条件赋值；进而，启动如下循环滚动： for j=2,
…
,
ꢀꢀ
dofor i=1,
…
,
ꢀꢀ
doend forend for其中对于，根据公式（十）可得：
ꢀꢀ
公式（十）（5）对执行循环滚动计算：
通过公式（十一）设定初始条件：
ꢀꢀꢀ
公式（十一）根据初始条件赋值；进而，启动如下循环滚动：for j=2,
…
, dofor i=1,
…
, doend forend for其中对于根据公式（十二）可得：
ꢀꢀ
公式（十二）（6）对执行循环滚动计算：通过公式（十三）设定初始条件：公式（十三）根据初始条件赋值；进而，启动如下循环滚动：for i=1,
…
,
ꢀꢀ
doend for其中，对于根据公式（十四）可得：
ꢀꢀ
公式（十四）执行进程模块从所述预测控制模块获得所述预测控制量u，并基于公式（十五）获得工控系统业务模块的过程输出：
ꢀꢀ
公式（十五）其中，和分别表示从数字孪生模型调入的表征工控系统业务模块过程输出响应的描述参数预测值，其中表示描述参数的个数，表示描述参数的个数。响应
预测控制模块提供的自适应的控制律，执行进程模块的过程输出能够在工控业务实际状态发生异常偏离时平滑过渡逼近该期望过程，从而在这一过程中对工控业务的异常状态进行预测式的响应。
31.本发明进而提供了基于数字孪生驱动的工控业务异常预测响应方法，参见图2，包括：工控数字孪生建模步骤，用于预先存储工控系统各个业务模块的数字孪生模型，所述数字孪生模型通过对描述参数集赋值，实现对工控系统业务模块的建模和复现，且所述数字孪生模型能够从所述描述参数集中提供针对工业系统各个业务模块的仿真参数；期望过程驱动步骤，用于从所述工业系统业务模块的数字孪生模型中，调入工控业务期望过程输出的参考值，并根据所述参考值以及工控模块实际的过程输出，生成并输出期望过程输出轨迹；预测控制步骤，用于根据期望过程驱动模块所输出的期望过程输出轨迹和工控模块实际的过程输出，生成预测能够达到所述期望过程输出轨迹的预测控制量，并将预测控制量提供给执行进程模块；执行进程步骤，用于从所述预测控制步骤获得所述预测控制量，根据所述预测控制量获得工控系统业务模块的过程输出，该过程输出能够在工控业务实际状态发生异常偏离时平滑过渡逼近该期望过程。
32.其中，所述期望过程驱动步骤通过循环滚动优化对所述参考值和工控模块实际的过程输出的比例系数的进行赋值，从而生成期望过程输出轨迹。
33.其中，所述预测控制步骤针对期望过程输出轨迹和工控模块实际的过程输出，通过循环滚动优化对转换系数的实际值进行赋值，从而生成预测能够达到所述期望过程输出轨迹的预测控制量。
34.综上所述，本技术提供的基于数字孪生驱动的工控业务异常预测响应系统和方法，能够基于期望的过程输出自适应控制律，使得控制效果最大可能的得到优化，对工控系统的异常偏离具有更强的适应能力和更好的鲁棒性，系统容错性高，适合于工控系统的强耦合特性，通过循环滚动优化能有效地解决过程中的干扰。
35.本文中的模块、单元或组件的划分仅仅是一种逻辑功能的划分，在实际实现时可以有其他的划分方式，例如多个模块和/或单元可以结合或集成于另一个系统中。作为分离部件说明的模块、单元、组件在物理上可以是分开的，也可以是不分开的。作为单元显示的部件可以是物理单元，也可以不是物理单元，即可以位于一个具体地方，也可以分布到网格单元中。因此可以根据实际需要选择其中的部分或全部的单元来实现实施例的方案。
36.以上所述，仅为本技术的具体实施方式，但本技术的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本技术揭露的技术范围内，可轻易想到的变化或替换，都应涵盖在本技术的保护范围之内。因此，本技术的保护范围应以所述权利要求的保护范围为准。

技术特征：

1.一种基于数字孪生驱动的工控业务异常预测响应系统，其特征在于，包括：工控数字孪生模型库，用于预先存储工控系统各个业务模块的数字孪生模型，所述数字孪生模型通过对描述参数集赋值，实现对工控系统业务模块的建模和复现，且所述数字孪生模型能够从所述描述参数集中提供针对工业系统各个业务模块的仿真参数；期望过程驱动模块，用于从所述工业系统业务模块的数字孪生模型中，调入工控业务期望过程输出的参考值，并根据所述参考值以及工控模块实际的过程输出，生成并输出期望过程输出轨迹；预测控制模块，用于根据期望过程驱动模块所输出的期望过程输出轨迹和工控模块实际的过程输出，生成预测能够达到所述期望过程输出轨迹的预测控制量，并将预测控制量提供给执行进程模块；执行进程模块，用于从所述预测控制模块获得所述预测控制量，根据所述预测控制量获得工控系统业务模块的过程输出，该过程输出能够在工控业务实际状态发生异常偏离时平滑过渡逼近该期望过程输出轨迹。2.根据权利要求1所述的基于数字孪生驱动的工控业务异常预测响应系统，其特征在于，所述期望过程驱动模块通过循环滚动优化对所述参考值和工控模块实际的过程输出的比例系数的进行赋值，从而生成期望过程输出轨迹。3.根据权利要求2所述的基于数字孪生驱动的工控业务异常预测响应系统，其特征在于，所述期望过程驱动模块按照如下公式生成期望过程输出轨迹：其中，表示预测水平，用来表示自第k个控制区间起算的未来控制区间数量，为在预测水平条件下的第个控制区间的期望过程输出，与为第k个、第个控制区间的期望过程输出的参考值，为工控模块第个控制区间的实际的过程输出；为比例系数，基于循环滚动优化后的这三个比例系数，计算保持工控模块正常状态的期望过程输出轨迹；和表示从数字孪生模型调入的表征工控模块正常状态的预设描述参数实际值中描述参数的个数。4.根据权利要求3所述的基于数字孪生驱动的工控业务异常预测响应系统，其特征在于，所述预测控制模块针对期望过程输出轨迹和工控模块实际的过程输出，通过循环滚动优化对转换系数的实际值进行赋值，从而生成预测能够达到所述期望过程输出轨迹的预测控制量。5.根据权利要求4所述的基于数字孪生驱动的工控业务异常预测响应系统，其特征在于，所述预测控制模块按照如下公式生成预测控制量：
其中，第k个控制区间的预测控制量，为第k+1-i个控制区间的预测控制量，为工控模块第k+1-i个控制区间的实际的过程输出，为在预测水平条件下的第个控制区间的期望过程输出，为转换系数的实际值；通过循环滚动优化对转换系数的实际值进行赋值，从而生成预测能够达到所述期望过程输出轨迹的预测控制量；表示从数字孪生模型调入的表征工控模块针对输入控制量发生过程输出响应的描述参数实际值中对应自回归项阶数的描述参数个数，表示从数字孪生模型调入的表征工控模块针对输入控制量发生过程输出响应的描述参数实际值中对应控制变量阶数的描述参数个数。6.根据权利要求5所述的基于数字孪生驱动的工控业务异常预测响应系统，其特征在于，所述期望过程驱动模块从数字孪生模型调入表征工控模块正常状态的预设描述参数实际值，其中表示描述参数的个数，表示描述参数的个数，以上实际值中的各个和是数字孪生模型对正常状态下工控模块的有效状态表征参量进行实测所得到的；进而，按照循环滚动优化方式对的值进行计算。7.根据权利要求6所述的基于数字孪生驱动的工控业务异常预测响应系统，其特征在于，执行进程模块从所述预测控制模块获得所述预测控制量，并按照如下公式获得工控系统业务模块的过程输出：其中，和分别表示从数字孪生模型调入的表征工控系统业务模块过程输出响应的描述参数预测值，其中表示描述参数的个数，表示描述参数的个数。8.一种基于数字孪生驱动的工控业务异常预测响应方法，其特征在于，包括：工控数字孪生建模步骤，用于预先存储工控系统各个业务模块的数字孪生模型，所述数字孪生模型通过对描述参数集赋值，实现对工控系统业务模块的建模和复现，且所述数字孪生模型能够从所述描述参数集中提供针对工业系统各个业务模块的仿真参数；期望过程驱动步骤，用于从所述工业系统业务模块的数字孪生模型中，调入工控业务期望过程输出的参考值，并根据所述参考值以及工控模块实际的过程输出，生成并输出期望过程输出轨迹；
预测控制步骤，用于根据期望过程驱动模块所输出的期望过程输出轨迹和工控模块实际的过程输出，生成预测能够达到所述期望过程输出轨迹的预测控制量，并将预测控制量提供给执行进程模块；执行进程步骤，用于从所述预测控制步骤获得所述预测控制量，根据所述预测控制量获得工控系统业务模块的过程输出，该过程输出能够在工控业务实际状态发生异常偏离时平滑过渡逼近该期望过程输出轨迹。9.根据权利要求8所述的基于数字孪生驱动的工控业务异常预测响应方法，其特征在于，所述期望过程驱动步骤通过循环滚动优化对所述参考值和工控模块实际的过程输出的比例系数的进行赋值，从而生成期望过程输出轨迹。10.根据权利要求9所述的基于数字孪生驱动的工控业务异常预测响应方法，其特征在于，所述预测控制步骤针对期望过程输出轨迹和工控模块实际的过程输出，通过循环滚动优化对转换系数的实际值进行赋值，从而生成预测能够达到所述期望过程输出轨迹的预测控制量。

技术总结

本申请公开了基于数字孪生驱动的工控业务异常预测响应系统和方法。本申请依靠数字孪生模型提供的针对任一工控系统业务模块的期望过程输出参考值，以及基于数字孪生模型的描述参数集，通过滚动优化处理，产生适当的自适应控制律，从而，在工控业务实际状态的过程输出发生异常偏离时，能够开展自适应调控，平滑过渡逼近该期望过程，从而在这一过程中对工控业务的异常状态进行预测式的响应。业务的异常状态进行预测式的响应。业务的异常状态进行预测式的响应。