[发明专利]监视物理实体性能的方法、设备和系统

说明书

一种监视物理实体性能的方法、设备和系统。该监视物理实体性能的方法包括：创建仿真物理实体的第一数字化模型；获取所述第一数字化模型的降阶矩阵，其中，所述降阶矩阵是针对所述第一数字化模型已训练的级联神经网络获得的；将所述降阶矩阵嵌入所述第一数字化模型形成第二数字化模型，利用所述第二数字化模型监视所述物理实体的性能。

技术领域

本公开的实施例涉及一种监视物理实体性能的方法、设备和系统。

背景技术

随着科技不断的发展人民生活水平日益提高，工业产品(例如仪器、设备等)已成为日常生活中不可获取的一部分。随着工业产品生命周期的缩短以及产品定制化程度的增强，有效且精准的了解工业产品的性能、使用情况等内容，不仅可以帮助客户避免损失，而且还能将了解的内容反馈到设计端以实现工业产品的有效改进。

想要了解工业产品的性能，传统的方法是基于试验或者测试来了解工业产品的性能特点，而刚刚兴起的数字孪生(Digital Twin)技术为了解工业产品的性能提供了另一种可能。数字孪生(Digital Twin)是CPS(Cyber-Physical Systems，赛博物理系统)体系的关键组成部份，以数字化方式创建物理实体的虚拟模型，借助数据模拟物理实体在现实环境中的行为，尽可能实时真实的反映相对应的工业产品的全生命周期过程，充当连接物理世界和信息世界的桥梁和纽带作用。

现有技术中数字孪生系统的仿真体系非常复杂，其基于三维实体的高性能仿真计算规模也非常庞大，需要的反馈时间过长(从十几分钟到几个小时)，无法与反应工业产品的数据采集传感器数据实现实时的对应(往往是秒级的数据采集频率)。

公开内容

本公开至少一个实施例提供了一种监视物理实体性能的方法、设备和系统，该监视物理实体性能的方法能够在数字孪生系统允许的分辨范围内，嵌入实现秒级响应的实时仿真计算，进而得到数字孪生整体系统实时的性能评价。

根据本公开的第一方面，至少一个实施例提供了一种监视物理实体性能的方法，该方法包括：创建仿真物理实体的第一数字化模型；获取所述第一数字化模型的降阶矩阵，其中，所述降阶矩阵是针对所述第一数字化模型已训练的级联神经网络获得的；将所述降阶矩阵嵌入所述第一数字化模型形成第二数字化模型，利用所述第二数字化模型监视所述物理实体的性能。

此外，结合第一方面及其上述实现方式，创建仿真物理实体的第一数字化模型包括：创建仿真物理实体的数字孪生仿真模型，其中，所述数字孪生仿真模型中包含所述物理实体数据、过程数据、关系数据和/或行为数据。

此外，结合第一方面及其上述实现方式，获取所述第一数字化模型的降阶矩阵包括：确定所述第一数字化模型降阶的分辨范数矩阵；利用已训练的级联神经网络读取所述分辨范数矩阵，以获得所述第一数字化模型的降阶矩阵。

此外，结合第一方面及其上述实现方式，确定所述第一数字化模型降阶的分辨范数矩阵包括：通过分网格、求解器求解，确定所述第一数字化模型降阶的分辨范数矩阵。

此外，结合第一方面及其上述实现方式，所述已训练的级联神经网络包括第一级CNN神经网络和第二级GAN神经网络，其中，获得所述第一数字化模型的降阶矩阵包括：读取所述分辨范数矩阵，利用第一级CNN神经网络生成低分辨率预测结构图，其中，所述分辨范数矩阵包括载荷、边界条件和材料分量；利用第二级GAN神经网络升级所述低分辨率预测结构图为高分辨率预测结构图，以此获得在特定频率区间上近似所述分辨范数矩阵的降阶矩阵，其中，所述降阶矩阵通过微分方程描述。

此外，结合第一方面及其上述实现方式，将所述降阶矩阵嵌入所述第一数字化模型形成第二数字化模型包括：通过所述降阶矩阵替换所述分辨范数矩阵，以将所述降阶矩阵嵌入所述第一数字化模型形成第二数字化模型。