基于数字孪生与k-近邻算法的车间设备运行状态预测研究

由于传统车间设备运行状态预测不能有效利用历史数据进行学习，实时响应能力有限，难以在复杂调度环境中取得良好效果，因此文章提出一种数字孪生与k-近邻算法相结合的车间设备运行状态预测模型。构建车间设备实体在信息空间的数字孪生模型，并建立设备实体与模型之间的映射关系，从而获取实时特征数据，即设备的运行状态特征数据。运用k-近邻算法计算实时特征数据与历史数据之间的欧几里得距离，即计算设备当前运行状态与历史已知状态的相似度，最终通过前k个距离所对应的设备历史运行状态数据，预测设备的当前运行状态。该模型的本质是通过数字孪生的实时数据采集，获取指定设备运行状态特征数据，运用k-近邻算法预测设备的实时运行状态。相较以往研究，本研究贡献在于提高设备实时运行状态预测的准确率。如果将数字孪生、k-近邻算法与具备自我学习能力的相关算法相结合，模型的预测效果会更好。