摘要
本发明涉及一种高压变频试验装置的试验仿真优化方法,属于高压变频试验装置仿真优化技术领域,本发明通过保留各高压变频试验装置的运行数据,通过联邦迁移学习聚合特征向量,根据所述特征向量构建基于隐私计算的分布式数据池,并进行实时进行同步,通过基于隐私计算的分布式数据池获取实时的试验仿真数据信息,并根据所述实时的试验仿真数据信息构建高压变频试验装置仿真数字化模型。最后基于所述高压变频试验装置仿真数字化模型进行仿真,并根据仿真结果对高压变频试验装置控制过程进行优化。本发明通过融合联邦迁移学习、数字孪生技术以及深度神经网络对高压变频试验装置进行试验仿真,能够及时监测试验过程的异常现象。
技术关键词
高压变频试验装置
仿真优化方法
仿真数据
工况
模型更新
指标
生成特征向量
数字孪生技术
深度神经网络
发送端
物理
速度
摘要
程序
处理器
教师
云端
动态