一文教你轻松创建数字孪生实例

简介: 实现物理世界数字化,助力降本增效

Dingtalk_20220330142511.jpg

一、核心概念

 

数字孪生:物理世界的数字化呈现,对物理世界的设备、流程、系统、场景等建立业务模型,对物理实体信息进行实时采集、运算分析、监控统计等,从而更精准地掌握业务模型动态变化,进而实现对实际生产过程的提效和降本目的。阿里物联网数字孪生功能主要包括业务建模,规则配置,数据映射。


孪生实例:描述物理世界的业务场景、流程、设备的业务模型,由多个实例节点组成。


实例节点:指业务场景中真实设备或虚拟功能模块。每个实例节点包括关系结构、物模型和虚拟设备。


孪生模板:快速构建业务模型的基础组件。


物模型:在物模型1.0基础上,新增属性运算规则配置,支持节点数据运算功能。


数据映射:将数据采集和场景建模解耦,通过数据映射把采集数据映射到孪生实例任意节点物模型属性。


二、各概念关系


  • 业务建模1.png


  • 物模型2.png当前只支持属性,根据业务需求再扩展服务、事件能力


  • 运算规则3.png


  • 数据映射4.png


三、操作流程


数字孪生是在物模型基础上进行功能升级,支持复杂业务场景的建模,提供关系结构描述,规则运算和数据映射的功能。操作流程如下:

5.png

数字孪生实例创建主流程包括:构建实例、配置规则、配置数据映射,后续进行详细说明。

四、操作详述

4.1孪生实例

以飞天园区创建孪生实例进行说明:

创建孪生实例 6.png


编辑节点关系

通过右键新建节点或拖拽左上角数字孪生节点来添加新节点,用于构建孪生实例节点关系结构。

7.jpg


编辑节点模型

1. 选中节点,配置实例节点物模型,当前只支持编辑属性配置。

8.jpg


物模型属性编辑方式与当前物模型编辑保持一致。为方便说明规则运算功能,每个节点新增temperaturedegree两个属性。

9.jpg


同时创建华氏度温度属性,用于存储转换后的值:10.jpg


2. 每个sensor物模型属性定义:

11.jpg


编辑节点规则

节点规则包括:自身规则 --物模型自身功能定义规则运算 和 父子节点规则 --跨物模型功能定义之间的计算。


1.
编辑本节点规则

把采集设备上报温度单位为摄氏度转化为华氏度,自身节点规则支持数据量纲转换

12.jpg


2.  填写节点自身转换规则

13.jpg


3. 添加父子节点规则
-1.
编辑父节点物模型属性,父子节点规则支持多节点属性数据聚合运算

14.jpg


-2. 添加父子节点物模型规则

-当前room平均温度由两个sensor华氏度温度进行计算,所以填写两个输入参数,通过添加参数按钮录入其他参数,每个表达式最多支持5个参数。

15.jpg


点击添加参数按钮录入多个表达式参数。16.jpg

备注

采集设备的属性上报可触发多条规则运算,但不会把计算结果再作为入参触发新规则运算,所以temperature属性上报会触发自身规则convert2degree的运算,同时还会触发computeAvgDegree父子节点规则运算。如果Degree上配置父子节点规则,不会因为temperature的上报而在此触发。


查看room节点新增的运算规则:17.jpg


4.2孪生模板

为更方便构建孪生实例,可选中孪生实例中的节点生成孪生模板,会把选中节点的关系、物模型和规则都拷贝到模板中,然后再通过引用、拷贝模板的方式来构建孪生实例。


  • 引用模式:新创建的实例节点复用模板中的物模型和规则,物模型和规则只允许在模板上进行编辑,编辑之后在多个引用实例上立即生效。
  • 拷贝模式:拷贝模板中的物模型和规则到实例节点中,编辑模板对于拷贝的实例无效。

创建模板

选中实例节点,点击右键生成孪生模板,当前最多可选中10个实例节点生成模板。18.jpg


填写模板名称,生成模板为异步过程,成功之后,左边栏会展示新生成的模板。19.jpg20.jpg


编辑模板

1. 选中模板,右键选择“编辑”按钮,跳转到编辑模板页,对模板结构关系、节点物模型和规则进行编辑。

21.jpg22.jpg

备注:

编辑模板节点物模型、规则的操作方式和实例一样,不再赘述。但编辑模板物模型和规则对于所有引用的实例节点同步生效,请提前评估好影响。


通过模板构建实例

1. 每栋建筑下都有相同物模型和规则的会议室,可以拖拽parkRoom模板到实例父节点下创建新的子节点关系。23.jpg


选择引用模板方式创建新节点:

24.jpg25.jpg


双击节点可对节点进行重命名:26.jpg


实例节点重命名之后的关系结构:27.jpg


4.3数据映射

数据映射:把数据采集和场景建模进行解耦,可以把设备A采集的数据映射到孪生实例任意节点上。


创建数据采集产品

28.jpg

免效验类型:对设备上报的数据不进行强效验。


创建数据采集设备29.jpg


配置数据映射

选中对应的孪生实例,并且选择创建数据映射

30.jpg


这里选择的用户自定义协议,自定义协议脚本配置和标准物模型上报有一定区别。使用时候请留意。

31.jpg


对应数据映射配置:因为不存在数据转换,脚本内容配置模板内容即可。32.jpg

4.4实例运行


模拟设备上报数据

模拟采集设备上报属性temperature,temperature属性上报会触发实例规则运算,把运算结果存储到目标实例属性。这里通过设备模拟器模拟真实设备属性上报。

33.png


数据映射日志

点击“查看云端日志”查看上报属性映射到孪生实例的执行情况。

34.png


自身节点规则运算数据

设备上报属性值会映射到孪生实例节点物模型属性,先存储至节点设备物模型属性数据,然后再触发后续规则运算,一个属性上报可触发多个规则运算。运算结果数据可点击孪生实例“运行状态”进行查看。


孪生设备节点属性和自身规则数据查看方式。35.png

36.png


父子节点规则运算数据

孪生父子节点规则运算结果存储到父节点设备物模型属性,可点击父节点属性进行查看。

37.png38.png


查看孪生实例日志

39.png


更多物联网-数字孪相关信息

欢迎钉钉扫码入群

40.png

目录
相关文章
|
NoSQL Linux Redis
Linux centos8安装redis
Linux centos8安装redis
1301 0
|
Android开发 开发者
【Magisk模块】Miui Core:在非MIUI系统上运行MIUI服务框架(V2.7)
【Magisk模块】Miui Core:在非MIUI系统上运行MIUI服务框架(V2.7)
4451 0
|
15天前
|
人工智能 安全 量子技术
最新软件技术全景解读(第一篇)
教程来源 https://zlpow.cn/category/artificial-intelligence.html 2026年,AI正从“对话工具”跃升为自主行动的智能体,软件工程范式由“写代码”转向“编排智能体”。算力重心向推理侧迁移,边缘智能、RISC-V、量子计算加速落地。本文从智能体革命、AI基础设施、软硬融合与开发范式重构四维,解析技术新图景。
|
5月前
|
传感器 人工智能 运维
水利数字孪生技术深度分享
水利数字孪生融合物联网、大数据、AI等技术,构建物理水利系统的全要素虚拟映射,实现精准感知、智能仿真与优化调控。涵盖BIM-GIS建模、实时数据链、仿真引擎与可视化交互,应用于防洪调度、工程运维、水资源管理等领域。济南奥维数字科技通过自主引擎与场景实践,推动技术落地,助力“数字济南”建设,引领行业智能化升级。
629 0
|
9月前
|
缓存 监控 API
1688平台开放接口实战:如何通过API获取店铺所有商品数据(Python示列)
本文介绍如何通过1688开放平台API接口获取店铺所有商品,涵盖准备工作、接口调用及Python代码实现,适用于商品同步与数据监控场景。
|
存储 SQL 分布式计算
大数据时代的引擎:大数据架构随记
大数据架构通常分为四层:数据采集层、数据存储层、数据计算层和数据应用层。数据采集层负责从各种源采集、清洗和转换数据,常用技术包括Flume、Sqoop和Logstash+Filebeat。数据存储层管理数据的持久性和组织,常用技术有Hadoop HDFS、HBase和Elasticsearch。数据计算层处理大规模数据集,支持离线和在线计算,如Spark SQL、Flink等。数据应用层将结果可视化或提供给第三方应用,常用工具为Tableau、Zeppelin和Superset。
6040 8
|
数据可视化 数据处理 Python
使用Pandas实现Excel中的数据透视表功能
本文介绍了如何使用Python的Pandas库实现Excel中的数据透视表功能,包括环境准备、创建模拟销售数据、代码实现及输出等步骤。通过具体示例展示了按地区和销售员汇总销售额的不同方法,如求和、平均值、最大值等,帮助读者掌握Pandas在数据处理上的强大能力。
587 12
|
传感器 供应链 监控
数字孪生:制造业的智能化转型
数字孪生技术利用物理模型、传感器数据和运行历史,在虚拟空间中映射实体装备的全生命周期,推动制造业智能化转型。本文探讨数字孪生在产品设计、生产过程和供应链管理中的应用,介绍成功案例,并展望其未来发展前景。
|
存储 Java 数据库
向量数据库Milvus
在实习期间构建了基于Milvus的向量数据库,用于存储和检索大模型问答对信息。遇到的问题包括:vectorFloat类型在JDK<16时不可用;数据结构和索引选择至关重要。流程包括创建数据库、配置Field、匹配与处理数据、计算Embedding并插入数据。Milvus构建涉及HNSW索引,调整索引参数以优化少量数据的查询速度。向量检索技术包括MMR检索,用于提高内容的多样性和相关性,以及单向量和批量向量搜索,用于高效地检索最相似的向量。搜索参数如`metric_type`、`nprobe`等可调优查询性能。
963 3
下一篇
开通oss服务