摘要
本发明涉及一种融合物理约束与数字孪生的非线性系统降阶模型生成方法,属于数字孪生技术领域。其中,该方法包括:对高维动态响应数据进行稀疏采样,提取高保真模型数据的主导模态,提取过程中通过物理场梯度约束保留物理突变区域的模态;结合高保真有限元模型与低保真简化模型,构建基于多保真代理模型的混合降阶框架;基于混合降阶框架在数据‑物理联合驱动的模型训练与优化中融合数据驱动误差和物理机理残差,基于在线流数据更新主导模态的基函数;将高保真有限元模型和降阶模型的输出进行交叉验证,通过迭代优化策略提升降阶模型精度。实现了模型智能化降阶问题,保证了降阶模型的准确性,快速性。
技术关键词
高保真模型
降阶模型
物理
融合数据驱动
非线性系统
动态资源分配
关键特征点
稀疏采样方法
数据更新
生成方法
数字孪生系统
离散化方法
数字孪生技术
框架
误差来源
系统为您推荐了相关专利信息
图像处理装置
非线性电阻
信号获取模块
网络
数模转换电路
剂量监测方法
三维卷积神经网络模型
肿瘤
偏差
剂量探测器
相位差检测方法
光束轨道角动量
四象限探测器
质心算法
大测量范围
智能大数据分析
三维可视化平台
光纤光栅传感器
水下机器人
集成应变计
眼球运动训练
多模态
伪随机数
带显示器
LED光源板