数字孪生与神经网络的三缸泵压力测量方法、系统及介质

本发明公开了数字孪生与神经网络的三缸泵压力测量方法、系统及介质，将三缸泵工作时泵参数的时序数据输入到已训练完成后的物理信息神经网络模型，得到出口歧管腔压力场信息；所述物理信息神经网络模型的训练过程如下：利用数字孪生技术构建与实体三缸泵映射的模拟仿真模型，据以得到包括正常和异常状态下泵参数的时序数据，预处理后构建训练集；在物理信息神经网络模型中嵌入偏微分方程项作为物理约束的物理损失函数，利用训练集对物理信息神经网络模型进行训练，通过反向更新调整可训练参数；该三缸泵压力测量方法、系统及介质即符合物理知识的约束，又可以实时反应现场数据变化规律，增强了压力预测可靠性与稳定性。