摘要
本发明提供了一种基于数据驱动与图学习的自动数字孪生生成方法和产品质量预测方法、装置,属于数字孪生技术领域。包括:采集物理特征,构造实体图;将实体图特征和其他相关特征上的回归模型相关联;将实体图作为节点使用图到图转换模型对实体图建模构造数字孪生图;将数字孪生图与图中实体的基于领域知识的DT模型融合,构建融合数字孪生图;根据获取的融合数字孪生图预测无法观察的实体的物理特征,并将融合数字孪生图存储至数据库。本发明通过建立与处理框架相关的通用数据结构,对异构物理实体及其关系进行建模,摆脱了对领域知识的依赖,将现有的基于领域的模型与数据驱动模型相融合,增强数字孪生的保真度。
技术关键词
产品质量预测方法
神经网络池化层
生成器网络
融合集成模型
生成方法
神经网络卷积层
重构
特征提取模块
实体
节点
sigmoid函数
关系
矩阵
解码器
数据驱动模型
数字孪生技术
物理
系统为您推荐了相关专利信息
红外序列图像
可见光图像
特征金字塔网络
检测网络模型
生成器网络
图纸
生成方法
多模态
自然语言
非暂态可读存储介质
损伤检测方法
石雕
图像
三维点云数据
地面机器人