面向传感器数据精准插值的混合数字孪生模型构建方法

本发明属于航空航天装备数字孪生领域，提供一种面向传感器数据精准插值的混合数字孪生模型构建方法。

背景技术：

1、航空航天结构由于具有极致的轻量化需求与所受复杂严苛的载荷工况，对其实现全场力学响应的实时准确监测具有重要意义，数字孪生可以融合物理实体和虚拟模型的多源数据，从而复现航空航天结构的实时状态，实现对结构的全场健康状态监测。然而，受限于空间布局等因素，航空航天装备结构在实际服役、地面试验状态下可布置的传感器数量十分有限，进而导致实测力学响应信息稀缺，难以实现对结构全场状态的准确监测。因此，可以通过数字孪生模型构建方法，充分引入传感器实测数据和仿真分析数据，从而实现对结构的全场力学响应准确监测和评估。

2、对于现有的航空航天装备结构的健康状态实时监测方法，其主要通过离散的少量传感器测点监测、预先的有限元仿真模拟及将上述两种数据进行融合得到的数据融合模型实现的。然而，少量的传感器测点监测数据之间相互孤立，且仅能显示结构局部的响应状态，无法实现对结构全场力学响应信息的可视化监测；预先的有限元仿真模拟方法尽管可以有效的实现结构整体力学响应状态的可视化监测，但由于不能考虑结构真实误差缺陷，导致其与真实结构所布传感器数据的匹配度较小，精度较低，不能准确的反映结构的真实情况。最后，常见的基于dnn神经网络的迁移学习、高斯过程回归、标度函数等数据融合方法尽管能够对仿真数据和传感器数据进行较好的拟合，但却不能做到对传感器测点数据的精准插值，如milanoski等人基于gp模型构建了复合材料加筋板结构的损伤模型(milanoskid, galanopoulos g, zarouchas d, et al. digital twin-based damagequantification on composite structures[j]. 2023, 1: 899-910.)，其通过在试验过程中将仿真数据和应变数据进行训练，从而得到分层的结构损伤特征，但该方法的本质是构建传统的数据融合模型，依然存在所构建的模型不能对结构实测的传感器数据进行精确插值的问题。

3、因此，现阶段亟需发明一种面向传感器精确插值的混合数字孪生模型构建方法，解决传统数据融合方法对实测传感器数据不能实现准确插值，结构力学响应状态监测精度不足的问题。

技术实现思路

1、针对现有技术存在的问题，本发明提供一种面向传感器数据精准插值的混合数字孪生模型构建方法，所述混合数字孪生模型构建方法通过将由传感器预测数据构建的误差修正模型和传统数据融合模型相结合，获得可高精度实现对航空航天结构全场响应信息监测评估的数字孪生模型。本发明能够高精度的实现对航空航天结构的数字孪生模型构建，并确保数字孪生模型中的传感器数据准确性。

2、为实现上述目的，本发明采用的技术方案如下：

3、一种面向传感器数据精准插值的混合数字孪生模型构建方法，所述的混合数字孪生模型构建方法：首先，根据目标航空航天结构的信息，获取用于有限元分析的仿真计算条件和传感器布置信息。其次，建立目标航空航天结构的有限元模型，并获取结构全场的仿真计算响应数据。第三，通过布置在目标航空航天结构的传感器获取传感器实际监测响应数据。第四，基于仿真计算响应数据和传感器实测响应数据构建目标航空航天结构数据融合模型。第五，基于插值函数训练传感器测点位置坐标与响应误差项，构建传感器数据误差修正模型。最后，基于误差修正模型和数据融合模型构建面向传感器数据精准插值的数字孪生模型。具体包括以下步骤：

4、第一步，根据目标航空航天结构的信息，获取用于有限元分析的仿真计算条件和传感器布置信息，具体的：

5、1.1）针对实际目标航空航天结构的信息获得可用于有限元分析模型的仿真计算条件；所述的仿真计算条件包括几何尺寸、材料参数和载荷边界。

6、1.2）针对实际目标航空航天结构的信息获得需要预先安装的传感器布置信息；所述的传感器布置信息为传感器的种类和传感器在目标航空航天结构上对应安装位置的空间坐标；其中传感器种类包括力传感器、应变传感器、位移传感器、加速度传感器、温度传感器、速度传感器。

7、第二步，建立目标航空航天结构的有限元模型，并获取结构全场的仿真计算响应数据，具体的：

8、2.1）依据第一步获取的仿真计算条件在仿真分析软件中建立目标航空航天结构的有限元模型，得到目标航空航天结构的有限元仿真全场空间位置坐标，并设置计算条件，完成目标航空航天结构的有限元仿真计算；所述的有限元仿真全场空间位置坐标信息包括节点坐标、积分点坐标。

9、2.2）依据有限元仿真计算结果得到目标航空航天结构的全场仿真计算响应数据；所述的仿真计算响应数据包括：目标航空航天结构的有限元仿真全场空间位置坐标信息和对应坐标下的计算物理响应。

10、进一步的，所述的计算物理响应包括力、应变、应力、位移、温度、速度、加速度。

11、第三步，根据布置在目标航空航天结构的传感器获取传感器实际监测响应数据，具体的：

12、依据第一步布置在目标航空航天结构上的传感器获取传感器实际监测响应数据；所述传感器实际监测响应数据包括：目标航空航天结构的传感器空间位置坐标信息和对应坐标下的实测物理响应。

13、第四步，基于仿真计算响应数据和传感器实测响应数据构建目标航空航天结构数据融合模型，具体的：

14、依据第二步得到的目标航空航天结构仿真计算响应数据与第三步得到的传感器实测响应数据，通过常用的数据融合方法构建目标航空航天结构的数据融合模型；所述的数据融合模型构建过程为以有限元仿真全场空间位置坐标信息和传感器空间位置坐标信息作为输入，以计算物理响应和实测物理响应作为输出。

15、进一步的，所述的数据融合模型构建方法可以是克里金类、基于神经网络的迁移学习类、集成学习等机器学习类、标度函数类等方法。

16、第五步，基于插值函数训练传感器测点位置坐标与响应误差项，构建传感器数据误差修正模型，具体的：

17、5.1）依据第四步建立的目标航空航天结构的数据融合模型，以传感器空间位置坐标信息作为输入，得到传感器在数据融合模型下的预测物理响应。

18、5.2）依据第三步得到的目标航空航天结构的传感器实测物理响应与传感器在数据融合模型下的预测物理响应得到传感器响应误差项；所述的响应误差项的构建方法采用以下两种方式中的任意一种：

19、（1）

20、（2）

21、其中，、为目标航空航天结构传感器测点在不同构建方法下的数据融合模型响应误差项；

22、5.3）以第一步得到的传感器空间位置坐标信息作为输入，第五步得到的传感器响应误差项作为输出，通过插值函数训练得到目标航空航天结构传感器数据的误差修正模型。其中用于训练响应误差项的插值函数包括径向基函数、拉格朗日多项式插值、hermite插值和三次样条插值等。

23、第六步，基于误差修正模型和数据融合模型构建面向传感器数据精准插值的数字孪生模型，具体的：

24、6.1）通过第五步得到的目标航空航天结构传感器数据的误差修正模型来修正第四步得到的目标航空航天结构数据融合模型的预测误差，从而得到可实现对目标航空航天结构上传感器数据精准插值的数字孪生模型；所述的数字孪生模型的输入为坐标信息，输出为输入坐标信息对应下的预测物理响应，该数字孪生模型能够实现传感器测点数据准确插值。

25、进一步的，所述的对数据融合模型的修正可根据响应误差项的构建方法不同选择对应的修正方法：

26、（3）

27、（4）

28、其中，当响应误差项的构建方法为式（1）时，修正方法选择式（3）；当响应误差项的构建方法为式（2）时，修正方法选择式（4）；、分别为不同误差修正方法下得到的数字孪生模型；为目标航空航天结构的数据融合模型；为目标航空航天结构传感器数据的误差修正模型。

29、6.2）在构建数字孪生模型后，以传感器空间位置坐标信息作为输入，输出为传感器在数字孪生模型下的预测物理响应。

30、6.3）为了检验是否实现了对传感器实际监测物理响应的精确插值，使用插值精度来对传感器在数字孪生模型下的预测物理响应进行判断；所述的插值精度的公式为：

31、（5）

32、其中，通过本专利所提出方法得到的插值精度值均为1，表示了所构建的数字孪生模型实现了对传感器实测物理数据的准确插值，验证了本专利所提出方法的有效性。

33、本发明的其创新点为：通过插值函数对数据融合模型中传感器位置坐标下的响应误差项进行训练，得到误差修正模型，并将传统数据融合模型和误差修正模型相结合，构建了可实现对传感器数据的精准差值的数字孪生模型。

34、本发明的有益效果如下：

35、本发明提供的面向传感器数据精准插值的混合数字孪生模型构建方法，能够有效解决仿真方法精度低、稀疏传感器难以监测全场响应、同时传统数据融合方法难以对传感器数据实现精准插值的难题。因此，本发明可以高精度的实现对航空航天结构全场力学响应的监测和评估。