摘要
一种基于AEnKPF的数字孪生状态与参数的联合估计实现方法,通过对核反应堆系统构造基于仿真的数字孪生模型,由数字孪生模型得到联合估计所需的仿真数据集后,用于训练代理模型;对代理模型进行超参数优化并使用最优的超参数重新训练代理模型;将重新训练的代理模型与AEnKPF算法结合,对数字孪生模型的状态与参数进行联合估计,实现优化仿真。本发明通过AEnKPF算法融合数字孪生模型的仿真数据和测量数据,可实现对数字孪生模型的可测量的状态和不可测量的参数进行估计,适用于任何领域的数字孪生中,可以实现数字孪生模型与物理实体的协同演化。
技术关键词
数字孪生模型
集合卡尔曼滤波
仿真数据
核反应堆系统
噪声方差
动态更新方法
超参数
状态转移模型
算法
粒子
平滑度
样本
仿真程序
观测噪声
协方差矩阵
系统为您推荐了相关专利信息
磨煤机
原煤仓
切换优化方法
负荷
煤电机组供电煤耗
电能控制方法
控制策略
Q学习算法
数字孪生模型
粒子群优化算法
无人机集群控制
性能优化方法
强化学习算法
感知误差
时隙持续时间
继电保护设备
数字孪生模型
优化器
卷积神经网络模块
双向长短期记忆网络