一种建筑物理机理数字孪生模型演化方法技术

本发明专利技术公开了一种建筑物理机理数字孪生模型演化方法，基于建筑数字孪生模型构建建筑数字孪生自演化框架；所述建筑数字孪生模型包括超前预测模型和自主决策模型；根据建筑数字孪生自演化框架分析建筑数字孪生模型在全生命周期中的运行机制，应用BO、XGBoost、UKF和DDPG算法理论开发具有自主演化能力的超前预测模型和自主决策模型，使得建筑物理机理数字孪生模型可以始终保持与建筑物理规律的共生演化关系。本发明专利技术解决了现有技术中建筑数字孪生模型不具备自演化能力，无法与建筑物理实体进行跨阶段数据交互，并无法根据实时更新的建筑运行状态数据自我调整的问题，使建筑物理机理数字孪生模型能够自适应外界环境的改变。理数字孪生模型能够自适应外界环境的改变。理数字孪生模型能够自适应外界环境的改变。

【技术实现步骤摘要】
一种建筑物理机理数字孪生模型演化方法


[0001]本专利技术涉及建筑智能化
，尤其涉及一种建筑物理机理数字孪生模型演化方法。

技术介绍

[0002]建筑数字孪生的核心思想是在虚拟世界中构建与建筑物理实体保持共生演化关系的信息映射模型，该模型可动态模拟建筑的微观性能参数和宏观运行状态在全生命周期中的演变，并基于自身强大的计算性能预测建筑的未来演化趋势，以进行自主优化调控和预测性维护，对于提升建筑的全生命周期管理与决策能力具有重要意义。
[0003]然而，建筑在全生命周期的演进中会遭遇老化和性能衰退等问题，建筑的一些参数和物理规律会在复杂环境的影响下产生一系列不确定的连续改变，使得构建的建筑物理机理数字孪生模型通常难以与建筑物理规律的变化保持动态一致性。
[0004]目前数字孪生理论在建筑领域的相关学术研究较少，还处于起步发展阶段。在已有的建筑领域数字孪生相关研究中，大部分学者将焦点主要集中在BIM技术与物联网、大数据、人工智能等技术的结合上，普遍认为数字孪生技术在建筑领域上的应用是“BIM+”的一种新范式。有些相关工作中回顾了基于BIM的建筑资产管理在运维阶段存在的局限性，提出数字孪生驱动的建筑资产管理框架，基于人工智能、机器学习、数据分析等技术分别从智能、效率、集成和互操作性四个方面增强BIM在运维管理中的性能。或者，基于BIM和物联网技术以及Dijkstra路径规划算法建立面向火灾疏散的建筑数字孪生三维可视化模型。再者，通过集成BIM模型、有限元分析模型和三维点云技术构建智能建造孪生模型，根据三维点云数据与孪生模型的差异比对，建立孪生模型循环修正体系，使孪生模型与物理实体间保持动态一致性。还有学者认为BIM模型虽然可以表达建筑的静态属性数据，但缺乏对实时运行状态数据和空间位置信息的刻画，因此提供了一种GIS+BIM+IoT的数据融合与集成机制，旨在建立信息完整的、高精度的建筑数字孪生平台。
[0005]上述相关工作表明，建筑数字孪生模型与BIM模型间的关系紧密，但基于“BIM+”模式构建的建筑数字孪生模型与真正意义上的建筑数字孪生模型仍有差距。BIM模型缺乏与外界环境的实时动态交互以及跨域信息互操作性能，不支持对建筑物理规律变化过程的动态刻画，使得BIM模型集成的建筑动静态信息并不完整，难以在建筑全生命周期中保持BIM模型与建筑物理实体的动态一致性。
[0006]换言之，基于“BIM+”模式构建的建筑数字孪生模型不具备自演化能力，显然不符合领域发展需求，无法与建筑物理实体进行跨阶段数据交互，并根据实时更新的建筑运行状态数据(真实数据和仿真数据)不断自我调整以适应建筑在全生命周期中正在发生的或将要发生的一系列连续的、复杂的和不稳定的改变。

技术实现思路

[0007]本专利技术的目的在于克服现有技术中的不足，提供一种建筑物理机理数字孪生模型
演化方法，解决现有技术中建筑数字孪生模型不具备自演化能力，无法与建筑物理实体进行跨阶段数据交互，并无法根据实时更新的建筑运行状态数据自我调整的问题。
[0008]为达到上述目的，本专利技术是采用下述技术方案实现的：
[0009]第一方面，本专利技术提供了一种建筑物理机理数字孪生模型演化方法，包括：
[0010]基于建筑数字孪生模型构建建筑数字孪生自演化框架，根据建筑数字孪生自演化框架分析建筑数字孪生模型在全生命周期中的运行机制；所述建筑数字孪生模型包括超前预测模型和自主决策模型；
[0011]根据建筑数字孪生模型在全生命周期中的运行机制，通过相应的算法对超前预测模型和自主决策模型进行演化更新，获取具有自主演化能力的自演化后超前预测模型和自演化后自主决策模型。
[0012]结合第一方面，进一步的，所述建筑数字孪生模型包括静态信息模型、物理机理模型、交互模型和数据管理模型，所述超前预测模型和自主决策模型均为物理机理模型；所述物理机理模型与数据管理模型连接；所述静态信息模型通过历史数据支持数据管理模型；所述数据管理模型生成指令驱动交互模型；所述交互模型引导优化建筑物理实体并通过建筑物理实体感知同步，所述交互模型将数据同步更新并反馈于数据管理模型；所述数据管理模型将数据更新并反馈于静态信息模型。
[0013]结合第一方面，进一步的，所述通过相应的算法对超前预测模型和自主决策模型进行演化更新，获取具有自主演化能力的自演化后超前预测模型和自演化后自主决策模型，包括：
[0014]通过UKF算法对超前预测模型进行演化更新，获取具有自主演化能力的自演化后超前预测模型；
[0015]通过DDPG算法对自主决策模型进行演化更新，获取具有自主演化能力的自演化后自主决策模型。
[0016]结合第一方面，进一步的，还包括，将初始超前预测模型的超参数的动态变化视作随机游走过程，基于UKF算法的原始表达式，得到第k时刻的UKF算法的状态方程为：
[0017]g
k
＝g
k
‑1+Q
k
；
[0018]式中，g
k
为第k时刻的n维状态向量，g
k
‑1为第k
‑
1时刻的n维状态向量，Q
k
为第k时刻系统的过程噪声，其服从均值为0方差为Σ
Qk
的正态分布；
[0019]得到第k时刻的UKF算法的观测方程为：
[0020]y
k
＝XGBoost(g
k
)+R
k
；
[0021]式中，y
k
为第k时刻的实时状态属性数据组成的m维观测向量，XGBoost(g
k
)为非线性观测函数，负责将超参数向量g
k
映射为初始超前预测模型的预测值，R
k
为第k时刻系统的观测噪声，其服从均值为0方差为的正态分布，且Q
k
和R
k
相互独立。
[0022]结合第一方面，进一步的，所述通过UKF算法对超前预测模型进行演化更新，获取具有自主演化能力的自演化后超前预测模型，包括：
[0023]在状态预测阶段，通过状态方程结合先验信息，计算状态先验估值的概率分布；
[0024]在状态校正阶段，通过状态方程融合观测方程，求解状态后验估值的概率分布；
[0025]根据状态先验估值的概率分布和状态后验估值的概率分布，对初始超前预测模型中提取的超参数向量进行迭代更新，获取最后一次迭代更新后输出的校正后的超参数向
量；
[0026]将校正后的超参数向量返回初始超前预测模型，获取自演化后超前预测模型。
[0027]结合第一方面，进一步的，所述在状态预测阶段，通过状态方程结合先验信息，计算状态先验估值的概率分布，包括：
[0028]对第k
‑
1时刻的状态估计值进行sigma采样，获得n
×
(2n
‑
1)维点集矩阵
[0本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种建筑物理机理数字孪生模型演化方法，其特征在于，包括：基于建筑数字孪生模型构建建筑数字孪生自演化框架，根据建筑数字孪生自演化框架分析建筑数字孪生模型在全生命周期中的运行机制；所述建筑数字孪生模型包括超前预测模型和自主决策模型；根据建筑数字孪生模型在全生命周期中的运行机制，通过相应的算法对超前预测模型和自主决策模型进行演化更新，获取具有自主演化能力的自演化后超前预测模型和自演化后自主决策模型。2.根据权利要求1所述的建筑物理机理数字孪生模型演化方法，其特征在于，所述建筑数字孪生模型包括静态信息模型、物理机理模型、交互模型和数据管理模型，所述超前预测模型和自主决策模型均为物理机理模型；所述物理机理模型与数据管理模型连接；所述静态信息模型通过历史数据支持数据管理模型；所述数据管理模型生成指令驱动交互模型；所述交互模型引导优化建筑物理实体并通过建筑物理实体感知同步，所述交互模型将数据同步更新并反馈于数据管理模型；所述数据管理模型将数据更新并反馈于静态信息模型。3.根据权利要求2所述的建筑物理机理数字孪生模型演化方法，其特征在于，所述通过相应的算法对超前预测模型和自主决策模型进行演化更新，获取具有自主演化能力的自演化后超前预测模型和自演化后自主决策模型，包括：通过UKF算法对超前预测模型进行演化更新，获取具有自主演化能力的自演化后超前预测模型；通过DDPG算法对自主决策模型进行演化更新，获取具有自主演化能力的自演化后自主决策模型。4.根据权利要求3所述的建筑物理机理数字孪生模型演化方法，其特征在于，还包括，将初始超前预测模型的超参数的动态变化视作随机游走过程，基于UKF算法的原始表达式，得到第k时刻的UKF算法的状态方程为：g
k
＝g
k
‑1+Q
k
；式中，g
k
为第k时刻的n维状态向量，g
k
‑1为第k
‑
1时刻的n维状态向量，Q
k
为第k时刻系统的过程噪声，其服从均值为0方差为Σ
Qk
的正态分布；得到第k时刻的UKF算法的观测方程为：y
k
＝XGBoost(g
k
)+R
k
；式中，y
k
为第k时刻的实时状态属性数据组成的m维观测向量，XGBoost(g
k
)为非线性观测函数，负责将超参数向量g
k
映射为初始超前预测模型的预测值，R
k
为第k时刻系统的观测噪声，其服从均值为0方差为的正态分布，且Q
k
和R
k
相互独立。5.根据权利要求4所述的建筑物理机理数字孪生模型演化方法，其特征在于，所述通过UKF算法对超前预测模型进行演化更新，获取具有自主演化能力的自演化后超前预测模型，包括：在状态预测阶段，通过状态方程结合先验信息，计算状态先验估值的概率分布；在状态校正阶段，通过状态方程融合观测方程，求解状态后验估值的概率分布；根据状态先验估值的概率分布和状态后验估值的概率分布，对初始超前预测模型中提取的超参数向量进行迭代更新，获取最后一次迭代更新后输出的校正后的超参数向量；将校正后的超参数向量返回初始超前预测模型，获取自演化后超前预测模型。
6.根据权利要求5所述的建筑物理机...

【专利技术属性】
技术研发人员：杨启亮，胡辰熙，邹荣伟，邢建春，谢立强，陈璌，周启臻，陈文杰，
申请(专利权)人：中国人民解放军陆军工程大学，
类型：发明
国别省市：