基于GAN网络的数字孪生模型自优化方法及系统技术方案

本发明专利技术公开了一种基于GAN网络的数字孪生模型自优化方法及系统，将采集的物理实体实时运行数据输入至数字孪生模型进行实时仿真预测分析获取仿真结果；同时将采集的物理实体实时运行数据输入所述GAN网络模型，所述生成器网络根据输入的物理实体实时运行数据预测物理实体的运行状态并生成预测结果；将所述仿真结果和所述预测结果输入至判别器网络，所述判别器网络基于所述仿真结果与所述预测结果之间的偏差，对抗生成所述数字孪生模型中物理属性模型的修正参数以实现数字孪生模型的自优化。本发明专利技术可实现数字孪生模型的实时更新和实时进化，GAN网络能够生成高质量数据，并具有更高的训练效率和模型性能。

【技术实现步骤摘要】

本专利技术涉及数字孪生，具体涉及一种基于gan网络的数字孪生模型自优化方法及系统。

技术介绍

1、随着物联网(i ot)技术的快速发展，实时数据收集与处理成为了可能。在数字孪生技术的应用中，如何使数字孪生模型能够实时适应物理实体的变化，成为了一个重要的研究方向。现有技术的数字孪生模型，在使用过程中会随之实际对象的不断变化而与实际对象不断产生差距，最终与实际系统不符；为了解决上述问题，模型需要不断优化；当前的模型的优化方法主要采用手动调整大量的参数，由于缺乏自动化学习能力，这可能导致优化过程繁琐且耗时。现有技术有采用多层神经网络和在线学习方法来构建数字孪生模型，虽然这种方法具有在线学习更新的优点，但多层神经网络的训练可能相对复杂，需要较长的训练时间和更多的计算资源。

技术实现思路

1、本申请提供一种基于gan网络的数字孪生模型自优化方法及系统，以解决现有数字孪生模型优化方法存在的训练时间长、计算资源要求高的问题。

2、根据第一方面，一种实施例中提供一种基于gan网络的数字孪生模型自优化方法，所述方法本文档来自技高网...

【技术保护点】

1.一种基于GAN网络的数字孪生模型自优化方法，其特征在于，所述方法包括：

2.如权利要求1所述的一种基于GAN网络的数字孪生模型自优化方法，其特征在于，所述方法还包括：

3.如权利要求1所述的一种基于GAN网络的数字孪生模型自优化方法，其特征在于，所述物理属性模型包括结构动力学模型、应力分析模型、疲劳断裂模型、材料状态演化模型。

4.如权利要求1所述的一种基于GAN网络的数字孪生模型自优化方法，其特征在于，所述生成器网络包括多个隐藏层和一个输出层，其中隐藏层采用卷积神经网络CNN或全连接神经网络FCN的结构；所述判别器网络包括多个隐藏层和一个输出层，...

【技术特征摘要】

1.一种基于gan网络的数字孪生模型自优化方法，其特征在于，所述方法包括：

2.如权利要求1所述的一种基于gan网络的数字孪生模型自优化方法，其特征在于，所述方法还包括：

3.如权利要求1所述的一种基于gan网络的数字孪生模型自优化方法，其特征在于，所述物理属性模型包括结构动力学模型、应力分析模型、疲劳断裂模型、材料状态演化模型。

4.如权利要求1所述的一种基于gan网络的数字孪生模型自优化方法，其特征在于，所述生成器网络包括多个隐藏层和一个输出层，其中隐藏层采用卷积神经网络cnn或全连接神经网络fcn的结构；所述判别器网络包括多个隐藏层和一个输出层，其中隐藏层同样采用cnn或fcn的结构。

5.如权利要求1所述的一种基于gan网络的数字孪生模型自优化方法，其特征在于，所...

【专利技术属性】
技术研发人员：张邦力，付亚超，张建华，贾晓宏，宋国义，李愿望，宋琛，汤礼鹏，史时喜，赵留辉，李哲豪，李大柱，程子健，
申请(专利权)人：中铁第一勘察设计院集团有限公司，
类型：发明
国别省市：