摘要
本发明公开了一种装甲车辆柴油机数字孪生模型降阶方法及系统,建立柴油机孪生模型,柴油机孪生模型为一个高维非线性系统,包括柴油机的热力学方程;在不同工况下运行柴油机孪生模型,收集变量的输入输出数据,并对变量的输入输出数据进行标准化处理,得到仿真数据;使用神经网络构建神经常微分方程模型,利用仿真数据训练神经常微分方程模型获得降阶模型,基于得到的降阶模型预测柴油机的输出。通过Simulink建模、神经网络训练、增量学习和实时数据更新,有效地简化柴油机的动态模型,并确保在不同工况和运行环境下保持高精度的预测能力。系统架构支持实时监控、在线学习与自适应调整,保证了柴油机控制系统在实际应用中的高效性与稳定性。
技术关键词
数字孪生模型
降阶方法
仿真数据
降阶模型
Simulink模型
卡尔曼滤波算法
变量
柴油机控制系统
非线性系统
神经网络架构
神经网络参数
神经网络结构
神经网络训练
返回系统
网络深度
多层感知机
工况
数据模块
系统为您推荐了相关专利信息
数字孪生模型
协同调度方法
指数
协同调度系统
动态
数据采集模块
数字孪生模型
策略
大数据
模糊集合
接入仿真方法
高比例新能源
机组组合模型
新能源机组
网络安全约束