本发明属于数字孪生模型校验,具体涉及一种高保真数字模型校验系统。
背景技术:
1、随着工业4.0和智能制造的快速发展,数字孪生技术已成为连接物理世界与数字世界的桥梁。数字孪生通过创建物理实体的虚拟副本,能够在数字空间内对产品、设备或系统进行模拟、分析和预测。然而,现有技术在实现数字孪生模型的高保真度方面面临诸多挑战。
2、在数字孪生技术的应用过程中,确保数字模型能够精确反映其对应物理实体或系统的真实状态是至关重要的。然而,现有技术在校验数字孪生模型的准确性和保真度方面存在不足。
3、这些不足主要表现在以下几个方面:
4、1、模型分析的局限性:现有的模型分析方法往往缺乏系统性和自动化,难以全面识别和评估数字孪生模型中存在的多个数学模型及其复杂关系。
5、2、仿真与优化的不足:尽管仿真试验是评估模型性能的重要手段,但现有技术在仿真结果与理想运行数据匹配度的评估上不够精确,且缺乏有效的循环优化机制来提升模型性能。
6、3、校验结果生成的复杂性:生成准确的数字孪生模型校验结果需要综合考虑多个数学模型的循环优化结果及替换结果,现有技术在校验结果的生成上缺乏综合性和自动化。
技术实现思路
1、有鉴于此,本发明的目的在于提出了一种高保真数字模型校验系统,本发明提供的高保真数字模型校验系统通过综合集成模型分析、循环校验、模型替换和结果生成等模块,实现了对高保真的数字孪生模型的全面优化和精确校验。
2、为达到上述目的,本发明提供如下技术方案:
3、本发明所提供的一种高保真数字模型校验系统,包括:
4、模型分析模块,用于对数字孪生模型进行分析,确定其中所存在的多个数学模型;
5、循环校验模块,用于对任意数学模型进行仿真试验得到仿真结果,同时确定该数学模型所对应参考系统的理想运行数据,基于仿真结果以及理想运行数据的匹配程度选择对数学模型进行预设次数的循环优化;
6、模型替换模块,用于当任意数学模型在经过预设次数的循环优化后其仿真结果与理想运行数据的匹配程度仍不达预设标准时,利用机器模型对该数学模型进行替换;
7、结果生成模块,用于根据对每一个数学模型的循环优化结果以及替换结果生成数字孪生模型整体的校验结果。
8、优选的,循环校验模块执行包括以下步骤:
9、步骤s21、对所指定数学模型所对应参考系统的历史运行数据进行采集及统计,采用熵权法对该参考系统中各项参数指标进行指标赋权,形成能够反映参考系统所对应运行数据特征规律的观测加权矩阵;
10、步骤s22、确定观测加权矩阵中任意元素所对应的参数指标,基于对历史运行数据的统计结果确定该项参数指标的众数;
11、步骤s23、基于各项参数指标经统计得到的各项众数形成与观测加权矩阵相对应的众数矩阵;
12、步骤s24、基于观测加权矩阵以及其相对应的众数矩阵构建该参考系统以矩阵形式表示的正理想解,将该正理想解作为该参考系统的理想运行数据;
13、步骤s25、对所指定数学模型进行仿真试验得到仿真结果;
14、步骤s26、将仿真结果与理想运行数据进行匹配,得到匹配结果;
15、步骤s27、根据匹配结果与保留的第一类匹配结果进行对比,当第一类匹配结果优于匹配结果时第一类匹配结果不变,当匹配结果优于第一类匹配结果时将匹配结果作为新的第一类匹配结果;
16、步骤s28、对数学模型中的模型参数进行调整优化后循环执行步骤s25至步骤s28,同时统计循环次数,当循环次数大于预设次数时循环打破;
17、步骤s29、将第一类匹配结果所相对应优化的数学模型作为优化后的数学模型进行输出。
18、优选的,步骤s25具体包括:
19、根据仿真结果确定第t次仿真所对应的仿真参数集ft=[ft,1,ft,2,ft,3,…,ft,n];
20、基于仿真结果确定仿真结果均值
21、
22、其中,ft,i表示第t次仿真所对应的仿真参数集中第i个参数,表示总共n个仿真参数集中第i个参数的均值,i=1,2,3,…,n,用n表示仿真参数集中参数总数量;
23、确定理想运行数据l=[l1,l2,l3,…,ln];
24、则确定匹配结果为:
25、
26、其中,p表示匹配结果,li表示理想运行数据中第i个参数,ki表示第i个参数所对应预设的偏差权值。
27、优选的,对数学模型中的模型参数进行调整优化包括:
28、利用理想运行数据作为数学模型的目标函数;
29、确定数学模型中存在的多个可调整参数,依据预设的参数区间划分规则将每个参数的取值范围分为多个区间,以每个区间的中间值作为代表值;
30、随机生成初始种群,使其中每个个体代表一组参数的取值,每个参数的取值是其对应区间的中间值;
31、对于种群中的每个个体,根据目标函数评估模型性能计算其适应度;
32、根据适应度从当前种群中选择个体,以用于交叉和变异;
33、在选定的个体间交换部分参数的代表值,产生新的后代个体;
34、以预设的概率对后代个体的参数代表值进行扰动,结合经过选择、交叉和变异后的个体形成新一代种群;
35、重复执行适应度评估、选择、交叉和变异步骤,直到满足预设的终止条件。
36、优选的,模型替换模块执行以下步骤:
37、步骤s31、利用数学模型的仿真结果与参考系统的理想运行数据相差形成残差;
38、步骤s32、利用数据挖掘技术提取残差中的数据特征,并用数学方法进行描述后作为模型的修正项添加至数学模型中;
39、步骤s33、重复步骤s31至步骤s32进行迭代修正,同时计算数学模型仿真结果与理想运行数据之间的匹配结果;
40、步骤s34、当匹配结果低于预设值时或无法利用数据挖掘技术提取残差中的数据特征时,通过机器学习的方式对残差进行学习并生成机器模型对该数学模型进行局部修正项的替换。
41、优选的,确定该数学模型所对应参考系统的理想运行数据还包括:
42、将该数学模型所对应的多个相似参考系统的运行数据进行聚类分析,并提取多个相似参考系统的运行数据中的数据特征;
43、对运行数据采取肘部法则确定聚类中心个数,同时计算多个相似参考系统的运行数据中的数据特征与各个聚类中心的距离值;
44、将多个相似参考系统的运行数据划分到距离值最小的聚类中心,将划分的聚类中心所表征的运行数据作为数学模型所对应参考系统的理想运行数据。
45、本发明至少取得了以下有益效果:
46、1.本发明提供的高保真数字模型校验系统通过综合集成模型分析、循环校验、模型替换和结果生成等模块,实现了对高保真的数字孪生模型的全面优化和精确校验。
47、2.本发明提供的高保真数字模型校验系统通过模型分析模块、循环校验模块、模型替换模块和结果生成模块的协同工作,提供了一种全面的数字孪生模型校验解决方案。该系统不仅能够自动化地分析和评估模型,还能够基于仿真结果和理想运行数据进行循环优化,并在必要时进行模型替换,最终生成准确的校验结果。
48、本发明的其他优点、目标和特征将在随后的说明书中进行阐述,并且在某种程度上对本领域技术人员而言是显而易见的,或者本领域技术人员可以从本发明的实践中得到教导。本发明的目标和其他优点可以通过下面的说明书来实现和获得。