[发明专利]面向多保真度数据的数字孪生建模方法及预测系统

说明书

本发明公开了一种面向多保真度数据的数字孪生建模方法及预测系统，其中，建模方法包括：获取多保真度数据集；采用随机投影方法或提升方法提取多保真度数据集中输入的低保真度数据信息；将高保真度数据集的输入与提取的对应的低保真度数据信息组合成新的向量；采用降维算法将新的向量映射至低维空间，得到降维矩阵；构建回归模型，将通过降维矩阵把组合的新向量映射到低维空间得到的向量与原高保真度数据集对应的输出作为高保真度训练样本，利用高保真度训练样本对回归模型进行训练，得到最终的多保真度模型。本发明可以应用于面向多类型传感器数据或仿真、实际数据的大型装备制造等实际物理场景的建模，具有误差小和稳定性好的特点。

技术领域

本发明涉及数字建模技术领域，更具体的说是涉及一种面向多保真度数据的数字孪生建模方法及预测系统。

背景技术

在航空航天设计优化、电磁仿真、机械设计等实际工程问题上，建造实际物理模型的成本极其昂贵，而一些准确的计算机仿真技术的成本也很高。因此，只能通过数学模型来近似获得一些数据所对应的值。这些准确的数据称为高保真度(HF)数据，而那些通过近似、逼近等手段得到的不准确的、易得的数据称为低保真度(LF)数据。获得这些数据的对应的系统分别称为HF系统和LF系统。LF数据足以建立可靠的模型，但是这些数据中的输出都是不准确的。而使用少量HF数据建立的模型并不可靠，结果也不一定准确。因此，一些专家学者希望利用大量的LF数据和少量的HF数据来建立一个尽可能准确、计算成本较低的模型，也就是多保真度模型。

Tyan等人提出一个全局多保真度建模方法，通过交叉比较阻力系数、升力系数、迎角等空气动力学分析数据，对RAE2822超音速飞机和次音速KLA-100轻型飞机进行翼型设计优化。Bandler等人在数年间不断改进提出的空间映射方法来解决电磁仿真问题，对微带阻抗变压器、高温超导滤波器等进行优化。Shi等人提出了基于支持向量机回归的多保真度模型，并在工业中常见的安全阀——泄压阀的空气动力学分析上进行验证。

基于克里金方法的多保真度模型的应用十分广泛，但是这些模型都是基于数据服从高斯分布的假设，所以当数据发生较大的抖动时，模型的表现会变差。在实际问题中，数据变化剧烈的情况极有可能发生，因此这种模型在实际问题中的表现可能很差。同时这种方法中需要计算协方差矩阵的逆，计算成本高，因此更加不适用于复杂实际问题。

因此，如何提供一种误差小、稳定性好的面向多保真度数据的数字孪生建模方法及预测系统是本领域技术人员亟需解决的问题。

发明内容

有鉴于此，本发明提供了一种面向多保真度数据的数字孪生建模方法及预测系统，可以应用于面向多类型传感器数据或仿真、实际数据的大型装备制造等实际物理场景的建模，具有误差小和稳定性好的特点。

为了实现上述目的，本发明采用如下技术方案：

一种面向多保真度数据的数字孪生建模方法，包括以下步骤：

获取多保真度数据集，所述多保真度数据集中包含多对输入-输出；

采用随机投影方法或提升方法提取所述多保真度数据集中的输入的低保真度数据信息；

将所述多保真度数据集中的高保真度数据集的输入与提取的对应的低保真度数据信息组合成新的向量；

采用降维算法将新的向量映射至低维空间，得到降维矩阵；

构建回归模型，将通过降维矩阵把组合的新向量映射到低维空间得到的向量与原高保真度数据集对应的输出作为高保真度训练样本，利用所述高保真度训练样本对所述回归模型进行训练，得到最终的多保真度模型。

优选的，在上述一种面向多保真度数据的数字孪生建模方法中，采用随机投影方法提取所述多保真度数据集中的输入的低保真度数据信息，包括：

获取低保真度训练样本，所述低保真度训练样本具有多对输入-输出；