CN114169087A - 数字孪生模型参数优化方法、装置、设备及存储介质 - Google Patents

数字孪生模型参数优化方法、装置、设备及存储介质 Download PDF

Info

Publication number
CN114169087A
CN114169087A CN202111337422.4A CN202111337422A CN114169087A CN 114169087 A CN114169087 A CN 114169087A CN 202111337422 A CN202111337422 A CN 202111337422A CN 114169087 A CN114169087 A CN 114169087A
Authority
CN
China
Prior art keywords
parameters
model
evaluation
parameter
evaluation result
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN202111337422.4A
Other languages
English (en)
Inventor
康献民
李宏宇
王建生
亢宗楠
张迅
罗源昌
黄光润
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Wuyi University
Original Assignee
Wuyi University
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Wuyi University filed Critical Wuyi University
Priority to CN202111337422.4A priority Critical patent/CN114169087A/zh
Publication of CN114169087A publication Critical patent/CN114169087A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00Computer-aided design [CAD]
    • G06F30/10Geometric CAD
    • G06F30/17Mechanical parametric or variational design
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00Computer-aided design [CAD]
    • G06F30/20Design optimisation, verification or simulation
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F2119/00Details relating to the type or aim of the analysis or the optimisation
    • G06F2119/14Force analysis or force optimisation, e.g. static or dynamic forces

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Geometry (AREA)
  • General Physics & Mathematics (AREA)
  • Evolutionary Computation (AREA)
  • General Engineering & Computer Science (AREA)
  • Computer Hardware Design (AREA)
  • Computational Mathematics (AREA)
  • Mathematical Analysis (AREA)
  • Mathematical Optimization (AREA)
  • Pure & Applied Mathematics (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明公开了一种数字孪生模型参数优化方法、装置、设备及存储介质,涉及数字孪生模型领域。该方法包括:构建结构模型;根据所述结构模型得到初始结构参数模型;提取运行所述初始结构参数模型得到运行参数;对所述运行参数进行成熟度评价得到评价结果;根据所述评价结果得到最终结构参数模型。通过对产生的模型进行成熟度评价得到的最终结构参数模型,能够建立更加符合用户需求的模型,使得参数优化更加准确,适用于各种场合,节约成本。

Description

数字孪生模型参数优化方法、装置、设备及存储介质
技术领域
本发明涉及数字孪生模型领域,特别涉及一种数字孪生模型参数优化方法、装置、设备及存储介质。
背景技术
现存的螺旋输送机等机电产品概念模型参数优化方法已经初步具有了较为完整的参数设计流程。然而在现有技术中,一旦建立好的模型出现问题就需要重新设计参数并进行仿真,这样就会大大增加了数字孪生体制作的成本。
发明内容
本发明旨在至少解决现有技术中存在的技术问题之一。为此,本发明提出一种数字孪生模型参数优化方法、装置、设备及存储介质,能够对参数模型进行成熟度评价,使得参数优化更加准确,适用于各种场合,节约成本。
本发明第一方面实施例的数字孪生模型参数优化方法。所述方法包括:
构建结构模型;
根据所述结构模型得到初始结构参数模型;
提取运行所述初始结构参数模型得到运行参数;
对所述运行参数进行成熟度评价得到评价结果;
根据所述评价结果得到最终结构参数模型。
根据本发明实施例的数字孪生模型参数优化方法,至少具有如下技术效果:该方法执行如下步骤:构建结构模型;根据所述结构模型得到初始结构参数模型;提取运行所述初始结构参数模型得到运行参数;对所述运行参数进行成熟度评价得到评价结果;根据所述评价结果得到最终结构参数模型。通过对产生的模型进行成熟度评价得到的最终结构参数模型,能够建立更加符合用户需求的模型,使得参数优化更加准确,适用于各种场合,节约成本。
根据本发明实施例的数字孪生模型参数优化方法,所述构建结构模型包括:利用三维建模软件构建所述结构模型。
根据本发明实施例的数字孪生模型参数优化方法,对所述运行参数进行成熟度评价得到评价结果之前,还包括:
获取需求分析参数;
根据所述需求分析参数得到控制评价参数。
根据本发明实施例的数字孪生模型参数优化方法,所述需求分析参数包括动力学控制参数和动力学分析参数,所述控制评价参数包括系统控制参数和动力学评价指标参数,所述根据所述需求分析参数得到控制评价参数包括:
根据所述动力学控制参数得到所述系统控制参数,以及根据动力学分析参数得到所述动力学评价指标参数。
根据本发明实施例的数字孪生模型参数优化方法,所述对所述运行参数进行成熟度评价得到评价结果,包括:
根据所述系统控制参数和所述动力学评价指标参数,对所述运行参数进行成熟度评价得到所述评价结果。
根据本发明实施例的数字孪生模型参数优化方法,所述根据所述评价结果得到最终结构参数模型,包括:
将所述评价结果与预设成熟度评价阈值进行比较;
若所述评价结果小于所述预设成熟度评价阈值,将所述评价结果反馈至所述初始结构参数模型重新进行成熟度评价;
若所述评价结果不小于所述预设成熟度评价阈值,将所述评价结果所对应的所述初始结构参数模型确定为所述最终结构参数模型。
根据本发明实施例的数字孪生模型参数优化方法,所述提取运行所述初始结构参数模型得到运行参数,包括:基于Labview软件提取运行所述初始结构参数模型得到运行参数。
本发明第二方面实施例的数字孪生模型参数优化装置,包括:
第一单元,用于构建结构模型;
第二单元,用于根据所述结构模型得到初始结构参数模型
第三单元,用于提取运行所述初始结构参数模型得到运行参数;
第四单元,用于对所述运行参数进行成熟度评价得到评价结果。
根据本发明实施例的数字孪生模型参数优化装置,至少具有如下技术效果:该装置执行第一方面实施例的方法,包括:构建结构模型;根据所述结构模型得到初始结构参数模型;提取运行所述初始结构参数模型得到运行参数;对所述运行参数进行成熟度评价得到评价结果;根据所述评价结果得到最终结构参数模型。通过对产生的模型进行成熟度评价得到的最终结构参数模型,能够建立更加符合用户需求的模型,使得参数优化更加准确,适用于各种场合,节约成本。
本发明第三方面实施例的设备,还包括:存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序时实现第一方面描述的任意一项所述的数字孪生模型参数优化方法。
本发明第四方面实施例的计算机可读存储介质,所述计算机可读存储介质存储有计算机可执行指令,所述计算机可执行指令用于使计算机执行第一方面描述的任意一项所述的数字孪生模型参数优化方法。
本发明的附加方面和优点将在下面的描述中部分给出,部分将从下面的描述中变得明显,或通过本发明的实践了解到。
附图说明
本发明的上述和/或附加的方面和优点从结合下面附图对实施例的描述中将变得明显和容易理解,其中:
图1为本发明实施例的数字孪生模型参数优化方法的流程示意图;
图2为本发明另一实施例的数字孪生模型参数优化方法的流程示意图;
图3是图2中步骤S220的子步骤流程示意图;
图4是图1中步骤S140的子步骤流程示意图;
图5是图1中步骤S150的子步骤流程示意图;
图6是本发明实施例的数字孪生模型参数优化装置的结构示意图;
图7是本发明实施例提供的设备的结构示意图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本发明进行进一步详细说明。应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。
本发明实施例中,“至少一个”是指一个或者多个,“多个”是指两个或两个以上。“和/或”,描述关联对象的关联关系,表示可以存在三种关系,例如,A和/或B,可以表示单独存在A、同时存在A和B、单独存在B的情况。其中A,B可以是单数或者复数。文本“/”一般表示前后关联对象是一种“或”的关系。“以下至少一项”及其类似表达,是指的这些项中的任意组合,包括单项或复数项的任意组合。例如,a,b和c中的至少一项可以表示:a,b,c,a和b,a和c,b和c或a和b和c,其中a,b,c可以是单个,也可以是多个。
目前,机电产品数字孪生模型的制作仿真成为了驱动智能制造发展的关键技术之一,数字孪生结构参数模型的设计方法对比于传统的机电产品制造来说更加高效并且产品质量较好,但是还存在不具有智能化的问题,仍然需对模型参数设计过程进行优化。相关技术中,数字孪生体参数模型设计缺少了反馈过程,往往只是根据市场需求建立机电产品的结构参数模型,并未对构建的参数模型进行评价,而导致构建的模型不可用。基于此,本发明提出一种数字孪生模型参数优化方法、装置、设备及存储介质,能够对参数模型进行成熟度评价,从而使得参数优化更加准确,适用于各种场合,节约成本。
参考图1,图1示出了本发明实施例提供的数字孪生模型参数优化方法的流程示意图,该方法包括但不限于有步骤S110、步骤S120、步骤S130、步骤S140和步骤S150。
步骤S110,构建结构模型。
在一实施例中,构建结构模型包括:利用三维建模软件构建结构模型,该三维建模软件可以为SolidWorks软件,也可以为Unigraphics NX软件(简称UG软件)。需要说明的是,SolidWorks软件功能强大,组件繁多,能够提供不同的设计方案、减少设计过程中的错误以及提高产品质量,是一种主流的三维建模软件;UG软件针对用户的虚拟产品设计和工艺设计的需求,以及满足各种工业化需求,提供了经过实践验证的解决方案,可以实现各种复杂实体及造型的构建,也是一种主流三维建模软件。上述主流的三维建模软件简单易学,方便快速创建模型。
步骤S120,根据结构模型得到初始结构参数模型。
可以理解的是,根据上述构建好的结构模型,对结构模型中的各部件设置相应的初始参数得到初始结构参数模型。示例性地,采用SolidWorks构建机电产品螺旋杆的结构模型,对螺旋杆结构模型中的各部件设置参数,分别为杆长L=8000mm(螺旋长度7200mm)、螺旋输送机螺旋叶片外径D=460mm、螺旋轴直径d=0.3D=140mm,螺旋输送机螺距长度P=0.8D=360mm,轴式螺旋输送机螺旋叶片厚度δ=0.125P=45mm,螺旋空心轴内径d1=100mm,钢管厚度为d1=40mm,螺旋桶体长度为6800mm。经过上述设置建立了螺旋杆的初始结构参数模型,为后续操作提供便利。
步骤S130,提取运行初始结构参数模型得到运行参数。
在一实施中,提取运行初始结构参数模型得到运行参数包括基于Labview软件提取运行初始结构参数模型得到运行参数。需要说明的是,Solidworks设置有接口,将Solidworks软件构建的初始参数模型通过接口导入到Labview环境中,基于Labview软件提取运行初始结构参数模型得到运行参数。Labview是一种用图标代替文本行创建应用程序的图形化编程语言,有一个完成编程任务的庞大函数库,函数库包括数据采集、串口控制、数据分析、数据显示及数据存储等。通过上述软件得到的运行参数,能够对该运行参数进行调整,以便构建可用模型。
步骤S140,对运行参数进行成熟度评价得到评价结果。
在一实施例中,对运行参数进行成熟度评价得到评价结果之前,参考图2,上述方法还包括但不限于以下步骤:
步骤S210,获取需求分析参数。
可以理解的是,需求分析参数为通过分析用户或者市场需求得到的参数,根据客户或市场需求进行分析从而得到不同情况下的需求参数。示例性地,不同情况下,螺旋输送机中运行速度、功率、输送量、输送土质种类等的需求不同,在速度和功率方面,如果速度或功率过大则会造成输送机的磨损严重,大大增加了维修成本;在输送土质方面,现实中土质种类繁多,对于不同的输送需求则需要修改不同的参数,其中当输送的土质中有颗粒较大或较小物体等不同情况下时,则需要改变螺旋输送机中螺旋杆的螺距以便于运送此类物体;当需要运送的通道长度不同时也要改变螺旋输送机螺杆的长度。根据客户或者市场需求不同,获取需求分析参数也不同,因此,根据该需求分析参数构建的模型能够增加模型的可用性。
步骤S220,根据需求分析参数得到控制评价参数。
在一实施例中,需求分析参数包括动力学控制参数和动力学分析参数,控制评价参数包括系统控制参数和动力学评价指标参数。参考图3,根据需求分析参数得到控制评价参数包括但不限于步骤S221。
步骤S221,根据动力学控制参数得到系统控制参数,以及根据动力学分析参数得到动力学评价指标参数。
需要说明的是,采用ADAMS软件(Automatic Dynamic Analysis of MechanicalSystems,机械系统动力学自动分析)对用户或者市场需求进行分析,ADAMS软件有多种接口,将构建好的模型导入到ADAMS软件中进行动力学仿真,对运动参数进行分析后产生动力学评价指标参数和系统控制参数。
还需要说明的是,ADAMS软件一方面是虚拟样机分析的应用软件,用户可以运用该软件对虚拟机械系统进行静力学、运动学和动力学分析;另一方面,又是虚拟样机分析开发工具,其开放性的程序结构和多种接口,可以成为特殊行业用户进行特殊类型虚拟样机分析的二次开发工具平台。因此,利用ADAMS软件能够根据需求非常方便地进行动力学分析和动力学仿真,得到系统控制参数和动力学评价指标参数,促使构建的模型具有可用性。
参考图4,对运行参数进行成熟度评价得到评价结果包括但不限于步骤S141。
步骤S141,根据系统控制参数和动力学评价指标参数,对运行参数进行成熟度评价得到评价结果。
可以理解的是,一方面能够直接通过初始参数模型和基于Labview软件提取运行初始结构参数模型得到的运行参数对模型进行成熟度评价,得到评价结果;另一方面也可以根据系统控制参数对初始结构参数模型进行动力学仿真调节,然后提取运行初始结构参数模型得到的运行参数,再对模型进行成熟度评价得到评价结果;再一方面,根据系统控制参数对初始结构参数模型进行动力学仿真调节,然后提取运行初始结构参数模型得到的运行参数,并结合根据动力学分析参数得到的动力学评价指标参数对模型进行成熟度评价,得到评价结果,为后续判断构建的模型是否符合需求做准备。
步骤S150,根据评价结果得到最终结构参数模型。
参考图5,图5示出了本发明实施例提供的数字孪生模型参数优化方法的整体流程图,根据评价结果得到最终结构参数模型包括但不限于以下步骤:
步骤S151,将评价结果与预设成熟度评价阈值进行比较;
步骤S152,若评价结果小于预设成熟度评价阈值,将评价结果反馈至初始结构参数模型重新进行成熟度评价;
步骤S153,若评价结果不小于预设成熟度评价阈值,将评价结果所对应的初始结构参数模型确定为最终结构参数模型。
可以理解的是,当一次运行的评价结果小于预设成熟度评价阈值,则将评价结果反馈至初始结构参数模型重新进行成熟度评价直到该评价结果不小于预设成熟度评价阈值,得到最终结构参数模型;当一次运行构建的初始结构参数模型得到的评价结果不小于预设成熟度评价阈值,则该初始结构参数模型为最终结构参数模型。通过上述步骤,能够得到一个符合需求的结构参数模型,使得参数优化更加准确,适用于各种场合,节约成本。
需要说明的是,将评价结果反馈至初始结构参数模型重新进行成熟度评价直到该评价结果不小于预设成熟度评价阈值,该过程不是无限循环的过程,若循环一定次数后还未得到最终结构参数模型,则发出提示进行人为干预,设置的最多循环次数可以为50次,也可以为其他数值,能够根据需求进行设定。预设成熟度评价阈值是一个具有参考数据的值,该值根据需求进行设定,能够改动方便调整。
参考图6,图6示出了本发明实施例提供的数字孪生模型参数优化装置600,该装置执行上述数字孪生模型参数优化方法,通过第一单元构建结构模型;第二单元根据结构模型得到初始结构参数模型;第三单元提取运行初始结构参数模型得到运行参数;第四单元对运行参数进行成熟度评价得到评价结果,根据评价结果得到最终结构参数模型。通过对产生的模型进行成熟度评价得到的最终结构参数模型,能够建立更加符合用户需求的模型,使得参数优化更加准确,适用于各种场合,节约成本。
图7示出了本发明实施例提供的设备700。该设备700可以是服务器或者终端,该设备700的内部结构包括但不限于:
存储器710,用于存储程序;
处理器720,用于执行存储器710存储的程序,当处理器720执行存储器710存储的程序时,处理器720用于执行上述的数字孪生模型参数优化方法。
处理器720和存储器710可以通过总线或者其他方式连接。
存储器710作为一种非暂态计算机可读存储介质,可用于存储非暂态软件程序以及非暂态性计算机可执行程序,如本发明任意实施例描述的数字孪生模型参数优化方法。处理器720通过运行存储在存储器710中的非暂态软件程序以及指令,从而实现上述的数字孪生模型参数优化方法。
存储器710可以包括存储程序区和存储数据区,其中,存储程序区可存储操作系统、至少一个功能所需要的应用程序;存储数据区可存储执行上述的数字孪生模型参数优化方法。此外,存储器710可以包括高速随机存取存储器,还可以包括非暂态存储器,比如至少一个磁盘存储器件、闪存器件、或其他非暂态固态存储器件。在一些实施方式中,存储器710可选包括相对于处理器720远程设置的存储器,这些远程存储器可以通过网络连接至该处理器720。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
实现上述的数字孪生模型参数优化方法所需的非暂态软件程序以及指令存储在存储器710中,当被一个或者多个处理器720执行时,执行本发明任意实施例提供的数字孪生模型参数优化方法。
本发明实施例还提供了一种计算机可读存储介质,存储有计算机可执行指令,计算机可执行指令用于执行上述的数字孪生模型参数优化方法。
在一实施例中,该存储介质存储有计算机可执行指令,该计算机可执行指令被一个或多个控制处理器720执行,比如,被上述设备700中的一个处理器720执行,可使得上述一个或多个处理器720执行本发明任意实施例提供的数字孪生模型参数优化方法。
以上所描述的实施例仅仅是示意性的,其中作为分离部件说明的单元可以是或者也可以不是物理上分开的,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。
本领域普通技术人员可以理解,上文中所公开方法中的全部或某些步骤、系统可以被实施为软件、固件、硬件及其适当的组合。某些物理组件或所有物理组件可以被实施为由处理器,如中央处理器、数字信号处理器或微处理器执行的软件,或者被实施为硬件,或者被实施为集成电路,如专用集成电路。这样的软件可以分布在计算机可读介质上,计算机可读介质可以包括计算机存储介质(或非暂时性介质)和通信介质(或暂时性介质)。如本领域普通技术人员公知的,术语计算机存储介质包括在用于存储信息(诸如计算机可读指令、数据结构、程序模块或其他数据)的任何方法或技术中实施的易失性和非易失性、可移除和不可移除介质。计算机存储介质包括但不限于RAM、ROM、EEPROM、闪存或其他存储器技术、CD-ROM、数字多功能盘(DVD)或其他光盘存储、磁盒、磁带、磁盘存储或其他磁存储装置、或者可以用于存储期望的信息并且可以被计算机访问的任何其他的介质。此外,本领域普通技术人员公知的是,通信介质通常包括计算机可读指令、数据结构、程序模块或者诸如载波或其他传输机制之类的调制数据信号中的其他数据,并且可包括任何信息递送介质。
以上是对本发明的较佳实施进行了具体说明,但本发明并不局限于上述实施方式,熟悉本领域的技术人员在不违背本发明精神的。共享条件下还可作出种种等同的变形或替换,这些等同的变形或替换均包括在本发明权利要求所限定的范围内。

Claims (10)

1.一种数字孪生模型参数优化方法,其特征在于,包括:
构建结构模型;
根据所述结构模型得到初始结构参数模型;
提取运行所述初始结构参数模型得到运行参数;
对所述运行参数进行成熟度评价得到评价结果;
根据所述评价结果得到最终结构参数模型。
2.根据权利要求1所述的数字孪生模型参数优化方法,其特征在于,所述构建结构模型包括:利用三维建模软件构建所述结构模型。
3.根据权利要求1所述的数字孪生模型参数优化方法,其特征在于,对所述运行参数进行成熟度评价得到评价结果之前,还包括:
获取需求分析参数;
根据所述需求分析参数得到控制评价参数。
4.根据权利要求3所述的数字孪生模型参数优化方法,其特征在于,所述需求分析参数包括动力学控制参数和动力学分析参数,所述控制评价参数包括系统控制参数和动力学评价指标参数,所述根据所述需求分析参数得到控制评价参数包括:
根据所述动力学控制参数得到所述系统控制参数,以及根据动力学分析参数得到所述动力学评价指标参数。
5.根据权利要求3所述的数字孪生模型参数优化方法,其特征在于,所述对所述运行参数进行成熟度评价得到评价结果,包括:
根据所述系统控制参数和所述动力学评价指标参数,对所述运行参数进行成熟度评价得到所述评价结果。
6.根据权利要求1所述的数字孪生模型参数优化方法,其特征在于,所述根据所述评价结果得到最终结构参数模型,包括:
将所述评价结果与预设成熟度评价阈值进行比较;
若所述评价结果小于所述预设成熟度评价阈值,将所述评价结果反馈至所述初始结构参数模型重新进行成熟度评价;
若所述评价结果不小于所述预设成熟度评价阈值,将所述评价结果所对应的所述初始结构参数模型确定为所述最终结构参数模型。
7.根据权利要求1所述的数字孪生模型参数优化方法,其特征在于,所述提取运行所述初始结构参数模型得到运行参数,包括:基于Labview软件提取运行所述初始结构参数模型得到运行参数。
8.一种数字孪生模型参数优化装置,其特征在于,还包括:
第一单元,用于构建结构模型;
第二单元,用于根据所述结构模型得到初始结构参数模型
第三单元,用于提取运行所述初始结构参数模型得到运行参数;
第四单元,用于对所述运行参数进行成熟度评价得到评价结果。
9.一种设备,其特征在于,所述设备包括存储器和处理器,所述存储器中存储有计算机可读指令,所述计算机可读指令被一个或多个所述处理器执行时,使得一个或多个所述处理器执行如权利要求1至7中任一项所述数字孪生模型参数优化方法。
10.一种计算机可读存储介质,其特征在于,所述存储介质可被处理器读写,所述存储介质存储有计算机指令,所述计算机可读指令被一个或多个处理器执行时,使得一个或多个处理器执行如权利要求1至7中任一项所述数字孪生模型参数优化方法。
CN202111337422.4A 2021-11-11 2021-11-11 数字孪生模型参数优化方法、装置、设备及存储介质 Pending CN114169087A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202111337422.4A CN114169087A (zh) 2021-11-11 2021-11-11 数字孪生模型参数优化方法、装置、设备及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111337422.4A CN114169087A (zh) 2021-11-11 2021-11-11 数字孪生模型参数优化方法、装置、设备及存储介质

Publications (1)

Publication Number Publication Date
CN114169087A true CN114169087A (zh) 2022-03-11

Family

ID=80479167

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111337422.4A Pending CN114169087A (zh) 2021-11-11 2021-11-11 数字孪生模型参数优化方法、装置、设备及存储介质

Country Status (1)

Country Link
CN (1) CN114169087A (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115133532A (zh) * 2022-09-01 2022-09-30 南方电网数字电网研究院有限公司 电力系统的管控方法、装置、设备和存储介质
CN115759876A (zh) * 2022-12-14 2023-03-07 简易治慧(上海)智能科技发展有限公司 数字孪生几何模型成熟度评估方法、装置和存储介质
CN116432323A (zh) * 2023-06-14 2023-07-14 南京航空航天大学 一种基于贝叶斯网络的飞机结构数字孪生可信性评估方法

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115133532A (zh) * 2022-09-01 2022-09-30 南方电网数字电网研究院有限公司 电力系统的管控方法、装置、设备和存储介质
CN115759876A (zh) * 2022-12-14 2023-03-07 简易治慧(上海)智能科技发展有限公司 数字孪生几何模型成熟度评估方法、装置和存储介质
CN115759876B (zh) * 2022-12-14 2023-09-29 简易治慧(上海)智能科技发展有限公司 数字孪生几何模型成熟度评估方法、装置和存储介质
CN116432323A (zh) * 2023-06-14 2023-07-14 南京航空航天大学 一种基于贝叶斯网络的飞机结构数字孪生可信性评估方法
CN116432323B (zh) * 2023-06-14 2023-09-29 南京航空航天大学 一种基于贝叶斯网络的飞机结构数字孪生可信性评估方法

Similar Documents

Publication Publication Date Title
CN114169087A (zh) 数字孪生模型参数优化方法、装置、设备及存储介质
Gillespie Fitting heavy tailed distributions: the poweRlaw package
CN110187647B (zh) 模型训练方法及系统
CN108833458B (zh) 一种应用推荐方法、装置、介质及设备
US20190068455A1 (en) System and Method for IoT Device Signal Simulation
CN111652380A (zh) 针对机器学习算法进行算法参数调优的方法及系统
CN107766946B (zh) 生成机器学习样本的组合特征的方法及系统
CN110706345A (zh) 一种基于构件实例合并的铁路bim模型轻量化方法及系统
CN109918437A (zh) 分布式数据处理方法、装置及数据资产管理系统
CN110413510B (zh) 一种数据处理方法、装置及设备
CN116821223B (zh) 基于数字孪生的工业可视化控制平台及方法
CN111612163A (zh) 一种基于机器学习模型的训练方法及装置
CN110503180B (zh) 模型处理方法、装置以及电子设备
CN116400888A (zh) 供应链业务数据预警方法、装置、电子设备及存储介质
CN110347664A (zh) 一种数据可视化处理方法及装置
CN111898766B (zh) 基于自动机器学习的以太坊燃料限制预测方法及装置
CN110457329B (zh) 一种实现个性化推荐的方法及装置
WO2024007604A1 (zh) 一种数学模型求解方法、装置、计算设备及计算设备集群
KR102375880B1 (ko) 인공지능 모델 기반의 제조 공정에서의 견적 및 설계도 산출 시스템
Gómez et al. A knowledge based application for industrialization design
CN109309858A (zh) 一种互斥图标的显示方法、装置、设备及介质
CN104112016B (zh) 变更数据表结构的方法
US20210064625A1 (en) Secondary Tagging in a Data Heap
CN113256192A (zh) 一种仓储物品规划方法和装置
CN111221921A (zh) 一种模型间数据传输方法与装置

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination