(19)国家知识产权局 (12)发明 专利 (10)授权公告 号 (45)授权公告日 (21)申请 号 202211095433.0 (22)申请日 2022.09.08 (65)同一申请的已公布的文献号 申请公布号 CN 115184563 A (43)申请公布日 2022.10.14 (73)专利权人 北京中环高科环境治理有限公司 地址 101200 北京市平谷区大兴庄镇 顺福 路81号-1904 (72)发明人 王延敦　秦云松　王岩　宋博　 (74)专利代理 机构 北京科领智诚知识产权代理 事务所(普通 合伙) 11782 专利代理师 陈士骞 (51)Int.Cl. G06Q 10/06(2012.01) G06T 7/70(2017.01)G06T 7/80(2017.01) G06T 15/04(2011.01) G06T 17/00(2006.01) G06N 3/04(2006.01) G01N 33/00(2006.01) (56)对比文件 EP 4040343 A1,202 2.08.10 CN 112947368 A,2021.0 6.11 CN 112070279 A,2020.12.1 1 CN 110334701 A,2019.10.15 CN 114000907 A,202 2.02.01 CN 111967202 A,2020.1 1.20 WO 2022121923 A1,202 2.06.16 王忠强 等.基 于数字孪生技术的选煤厂智 能管控系统. 《智能矿山》 .202 2,(第8期), 审查员 何孟珂 (54)发明名称 一种基于数字孪生的化工车间现场数据采 集方法 (57)摘要 本发明公开一种基于数字孪生的化工车间 现场数据采集方法， 涉及人工智能、 虚拟现实、 物 联网结合技术领域， 包括： 建立现实空间和虚拟 空间的映射 关系； 在化工车间设置气体浓度传感 器， 采集气体浓度的时序数值； 将虚拟空间划分 为多个子空间； 建立气体浓度的风险模型； 通过 学习得到代价函数； 迭代计算风险模型， 得到学 习后的风险模型； 计算子空间上存在风险的概 率； 当某一子空间上存在风险的概率大于剩余子 空间上存在风险的概率时， 将该子空间作为风险 源， 并标注该子空间。 本发明根据现场空间数据、 气体浓度数据建立虚拟空间， 并建立相应的风险 模型， 采用神经网络方法分析现场不同位置存在 风险源的概率， 并将高概率风险点位在虚拟空间 中标注警示。 权利要求书2页 说明书9页 附图4页 CN 115184563 B 2022.12.02 CN 115184563 B 1.一种基于数字 孪生的化工车间现场数据采集方法， 其特 征在于， 包括： 建立化工车间的现实空间和虚拟空间的映射关系； 在化工车间现场的不同位置设置多个气体浓度传感器； 利用所述气体浓度传感器以预定采样率， 采集得到气体浓度随时间变化的时序数值 ； 将所述虚拟空间划分为多个子空间， 得到所述气体浓度传感器的现实坐标与 所述子空 间 的 线 性 关 联 ；每 个 所 述 子 空 间 有 唯 一 的 标 识 ， 表示不同子空间在三个坐标轴上的序号； 将所述气体浓度传感器的现实空间坐标和所述气体浓度的时序 数值作为输入， 定义输 出 为 ， 建 立 气 体 浓 度 的 风 险 模 型 ； 其 中 ， 表示第五隐藏层的节点； 所述气体浓度的风险模型包括第一隐藏 层 、第 二 隐 藏 层 、第 三 隐 藏 层 、第 四 隐 藏 层 和 第 五 隐 藏 层 ， 第 一 隐 藏 层 为 ， 表示第一隐藏层的节点， 表示共享的线性权值连接， 为线性偏置参数， s表示传感器编号， 表示向量维 度， 表示非线性函数， 定义为 ， 为参数， 表示实数域； 第二隐藏层为 ， 为相应的线性权值连接， t表示时间， 为线性偏置参数， 表示向量维数； 第三隐藏层为 ， 表示传感器的现实空间坐标， 是输入层中的节点， 、 、 为 相 应 的 连 接 ， 为 线 性 偏 置 参 数 ；第 四 隐 藏 层 为 ， 、 是第四隐藏层的节点 与第二隐藏层的节点 、 第三隐藏层的 节点 的连接， 为线性偏置参数， 表示向量维数； 第五隐藏层为权　利　要　求　书 1/2 页 2 CN 115184563 B 2， 是第五隐藏层的节点 与第四隐藏层的节 点 的连接， 为线性偏置参数； 通过对所述 风险模型 学习， 得到所述 风险模型的代价 函数 ； 利用所述代价 函数迭代计算所述 风险模型， 得到学习后的风险模型； 所述气体浓度传感器采集气体浓度的时序 数值， 将所述 时序数值和所述气体浓度传感 器的现实空间坐标输入所述学习后的风险模型， 所述学习后的风险模型依次计算所述气 体 浓度传感器对应的所述子空间上存在风险的概 率； 当某一所述子空间上存在风险的概率大于剩余子空间上存在风险的概率 时， 将该子空 间作为风险源， 并在所述虚拟空间中标注该子空间。 2.根据权利要求1所述的基于数字孪生的化工车间现场数据采集方法， 其特征在于， 所 述建立化工车间的现实空间和虚拟空间的映射关系， 具体为： 在所述化工车间的现实空间设置摄像机， 利用所述摄像机采集图像， 根据 所述图像， 获 取目标点在所述现实空间的坐标； 通过计算机建立虚拟空间， 在所述虚拟空间中设置与目标点对应的映射 点； 根据所述映射点在所述虚拟空间下的坐标和所述目标点在所述现实空间下的坐标， 得 到所述虚拟空间和所述现实空间的映射关系。 3.根据权利要求2所述的基于数字孪生的化工车间现场数据采集方法， 其特征在于， 根 据所述图像， 获取目标点在所述现实空间的坐标， 具体为： 标定所述摄像机的内参数矩阵和外参数矩阵 ， 根据摄像机成像的线性模型 ， 得到目标点在所述现实空间的坐标； 其中， 表示图像齐 次坐标， 表示目标点的世界齐次坐标， 表示摄像机的内参数矩阵， 表示摄像机的外参数矩阵， 为线性标定参数。权　利　要　求　书 2/2 页 3 CN 115184563 B 3