CN114611059A - 数字孪生可信评估方法的验证方法、系统及可存储介质 - Google Patents
数字孪生可信评估方法的验证方法、系统及可存储介质 Download PDFInfo
- Publication number
- CN114611059A CN114611059A CN202210259578.3A CN202210259578A CN114611059A CN 114611059 A CN114611059 A CN 114611059A CN 202210259578 A CN202210259578 A CN 202210259578A CN 114611059 A CN114611059 A CN 114611059A
- Authority
- CN
- China
- Prior art keywords
- evaluation method
- verification
- credibility
- inf
- digital twin
- 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
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/11—Complex mathematical operations for solving equations, e.g. nonlinear equations, general mathematical optimization problems
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01D—MEASURING NOT SPECIALLY ADAPTED FOR A SPECIFIC VARIABLE; ARRANGEMENTS FOR MEASURING TWO OR MORE VARIABLES NOT COVERED IN A SINGLE OTHER SUBCLASS; TARIFF METERING APPARATUS; MEASURING OR TESTING NOT OTHERWISE PROVIDED FOR
- G01D18/00—Testing or calibrating apparatus or arrangements provided for in groups G01D1/00 - G01D15/00
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Mathematical Physics (AREA)
- Pure & Applied Mathematics (AREA)
- Mathematical Optimization (AREA)
- Mathematical Analysis (AREA)
- Computational Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Theoretical Computer Science (AREA)
- Operations Research (AREA)
- Algebra (AREA)
- Databases & Information Systems (AREA)
- Software Systems (AREA)
- General Engineering & Computer Science (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了数字孪生可信评估方法的验证方法、系统及可存储介质,属于建模仿真技术领域,包括:构建实验平台,校准所述实验平台的可信度等级,得到优化后的实验平台,根据优化后的实验平台验证评估方法的准确性及普适性,根据所述准确性以及所述普适性结果对评估方法进行验证,得到验证结果并输出。通过本发明能够保证尽可能少的实验平台实现全要素覆盖,减少冗余,降低验证方案的成本,同时,针对具体实验平台对模型进行微调,考虑了现场环境对实验的影响。
Description
技术领域
本发明涉及建模仿真技术领域,更具体的说是涉及数字孪生可信评估方法的验证方法、系统及可存储介质。
背景技术
数字孪生的可信评估方法指标体系复杂、具体的评估形式随着物理实体不同而不同。和传统的评估方式不同,数字孪生可信评估方法具有动态性,需要关注数字孪生的演化性。评估方法自身呈现高度的复杂性,因此,需要通过实验验证数字孪生评估方法的有效性。
但是,现有技术中的数字孪生系统的可信评估方法缺乏高效的验证方式,无法确保评估方法自身是准确的、无法确保评估方法自身具有良好的泛化性,不能广泛引用于其他领域。
因此,如何提供一种数字孪生可信评估方法的验证方法、系统及可存储介质是本领域技术人员亟需解决的问题。
发明内容
有鉴于此,本发明提供了一种数字孪生可信评估方法的验证方法、系统及可存储介质,在不同维度上,考虑正交化分解,构建最少数量的数字孪生可信评估方法的实验平台,以及组合方式,降低实验平台的数量,从而大幅降低人力物力消耗。同时,通过测试模型的演化过程,获得实验可信等级。根据实验可信等级,对初始可信等级进行校准,确保了验证方法的准确性。
为了实现上述目的,本发明提供如下技术方案:
一方面,本发明提供了一种数字孪生可信评估方法的验证方法,包括:
S100:获取评估方法的指标,得到对应的领域,对所述领域进行正交化分解,并根据正交化分解结果构建实验平台;
S200:校准所述实验平台的可信度等级,得到优化后的实验平台;
S300:根据优化后的实验平台验证评估方法的准确性;
S400:根据优化后的实验平台验证评估方法的普适性;
S500:根据所述准确性结果以及所述普适性结果对评估方法进行验证,得到验证结果并输出。
优选的,所述S100还包括:
设进行正交化分解之后的领域数量为N,在第i领域内选择典型设备tij,其中,ij表示其为第i个领域内的第j个设备,将设备的价格记为pij;
设需要的验证设备总量为M(M≤N),则验证设备的总成本Psum的计算公式为:
根据验证设备的总成本构建实验平台。
优选的,所述S200包括:
S210:对实验平台进行测试,得到对应的实验可信等级;
S220:获取初始可信等级,并设置阈值,判断所述初始可信等级以及所述实验可信等级是否小于阈值;
S230:所述初始可信等级以及所述实验可信等级小于阈值,则求取所述初始可信等级以及所述实验可信等级的平均值,并根据所述平均值调整实验平台的可信等级,得到优化后的实验平台。
优选的,所述S300:
S310:获取数字孪生模型,执行对应评估方法,计算可信等级;
S320:分别将校准的实验平台的可信度等级以及计算的可信等级进行排序,判断排序结果是否具备一致性,根据一致性结果判断评估方法的准确性。
优选的,所述S400:
S410:设实验平台为{A,B,C,…,INF};
其中,A、B、C、INF分别表示为不同的物理对象;
S420:构建数字孪生系统二维数组为:
[[a1,a2,a3,a4],[b1,b2,b3,b4],...,[inf1,inf2,inf3,inf4]]:
其中,[a1,a2,a3,a4]、[b1,b2,b3,b4]、[inf1,inf2、inf3、inf4]分别表示为不同的数字孪生模型队列;
S430:获得评估结果正确率集合{Ya,Yb,Yc,...,Yinf};
其中,Ya、Yb、Yc、Yinf分别表示不同的评估结果正确率:
S440:计算正确率集合{Ya,Yb,Yc,...,Yinf}之间的方差,根据方差结果判断评估方法普适性。
另一方面,本发明提供了一种数字孪生可信评估方法的验证系统,包括:
构建模块,用于获取评估方法的指标,得到对应的领域,对所述领域进行正交化分解,并根据正交化分解结果构建实验平台;
优化模块,与所述构建模块连接,用于校准所述实验平台的可信度等级,得到优化后的实验平台;
第一验证模块,与所述构建模块连接,用于根据优化后的实验平台验证评估方法的准确性;
第二验证模块,与所述构建模块连接,用于根据优化后的实验平台验证评估方法的普适性;
输出模块,与所述第一验证模块以及第二验证模块连接,用于根据所述准确性结果以及所述普适性结果对评估方法进行验证,得到验证结果并输出。
再一方面,本发明提供了一种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读指令,其特征在于,所述计算机可读指令被处理器执行时实现如上述的验证方法的步骤。
经由上述的技术方案可知,与现有技术相比,本发明公开提供了一种数字孪生可信评估方法的验证方法、系统及可存储介质,具有如下有益效果:
(1)相对于现有技术,本发明验证方法能大幅降低成本。通过进行多学科多领域正交化或者是近似正交化,根据正交化结果选择实验平台,保证尽可能少的实验平台实现全要素覆盖,减少冗余,降低验证方案的成本;
(2)相对于现有技术,本发明验证方法更加合理。通过对模型进行可信等级校准,不仅维护了模型的初始可信等级,充分考虑模型长期使用过程的表现,而且通过测试模型的演化过程,针对具体实验平台对模型进行微调,考虑现场环境对实验的影响。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据提供的附图获得其他的附图。
图1为本发明提供的验证方法的流程示意图;
图2为本发明实施例提供的构建实验平台流程示意图;
图3为本发明实施例提供的实验平台的可信等级校准流程示意图;
图4为本发明实施例提供的验证评估方法的准确性流程示意图;
图5为本发明实施例提供的验证评估方法的普适性流程示意图;
图6为本发明实施例提供的验证系统的结构示意图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
参见附图1所示,本发明实施例公开了一种数字孪生可信评估方法的验证方法,包括:
S100:获取评估方法的指标,得到对应的领域,对领域进行正交化分解,并根据正交化分解结果构建实验平台;
S200:校准实验平台的可信度等级,得到优化后的实验平台;
S300:根据优化后的实验平台验证评估方法的准确性;
S400:根据优化后的实验平台验证评估方法的普适性;
S500:根据准确性结果以及普适性结果对评估方法进行验证,得到验证结果并输出。
参见附图2所示,在一个具体实施例中,S100具体包括:
领域正交化分解,构建最少数量的实验平台。数字孪生评估方法的指标体系庞大复杂,涉及多学科多领域。单一的实验平台难以覆盖其全部指标,难以实现完全验证,因此需要多个实验平台来共同完成验证测试。然而,构建实验平台的成本高昂,耗时耗力。通过多学科多领域的正交化分解或者近似正交化分解,然后进行最优化组合,实现实验平台数量最小,进而降低成本。
领域正交化分解的具体步骤如下:
评估方法庞大的指标体系涉及到机电液动气热中的单个或多个学科领域。单独测试每一个指标,需要大量的实验平台,使得成本大幅上涨,耗时耗力。如表1所示,将可信评估方法涉及的多学科多领域因素进行正交化或者是近似正交化,根据领域正交化结果选择实验平台,保证尽可能少的实验平台实现全要素覆盖,减少冗余,降低验证方案的成本。
表1领域正交化分解
分析典型仪器设备具体步骤如下:
选取各个学科领域里面的典型仪器设备。部分领域比较抽象,适用范围广泛,例如几何领域、数值分析领域和建模领域,绝大部分的设备都可以验证其指标是否正确,即这些领域对于设备并不敏感,任意设备即可。另外一部分领域具有明显的特征,比如传感和测量领域、通信领域、流体领域、材料领域,验证这些领域内的指标,需要挑选合适的设备。对于传感和测量领域,相机、温度计、霍尔传感器、电压电流传感器等都是典型仪器,具备对应的属性。对于通信领域,数据终端、业务交换系统、路由设备等都是典型仪器,具有对应的属性。在流体领域,风洞等设备是典型仪器,具有对应的属性。在材料领域,结构钢、塑料仪器是典型的仪器,具有对象的属性。因此,获取典型仪器设备选择,具体如图2所示。
表2典型仪器设备选择
在一个具体实施例中,优化组合,构建实验平台的具体步骤为:
记正交化分解之后的领域的数量为N,在第i领域内选择典型设备tij(下标ij表示其为第i个领域内的第j个设备),将该设备的价格记为pij。由于一个设备可能同时体现多个领域,所以需要的设备数量可以小于N。例如,机械臂本身就集成了电压电流传感器、压力传感器、编码器和相机,即机械臂可以作为传感和测量领域的典型仪器;同时,机械臂和控制板交换数据、和上位机交换数据、甚至具有网络接口,所以机械臂也可以是通信领域的典型设备。多个领域都可以选择机械臂,从而有希望减少实验平台的数量,进而降低验证成本。记需要的验证设备总量为M(M≤N),则验证设备的总成本Psum可以写为:
更具体的,转为优化问题:选择合适的设备,使得Psum尽量最小。采用以下选取策略,降低Psum
在{几何领域、数值分析领域、传感和测量领域、通信领域、流体领域、材料领域、…、建模领域}中选择最大公共子设备。因为机械臂不仅仅是涉及几何领域、数值分析领域、建模仿真领域这些通用领域,还涉及传感器和测量领域和通信领域,所以可以选择机械臂作为最大子公共设备。
判断最大子设备的价格是否超过阈值。如果没有超过,则进入步骤c。如果最大子设备的价格超过阈值,则进入步骤a,重新选择,这时选择第二大的公共子设备。
删除已经涉及的领域,获得剩下的领域集合{材料领域,…,流体领域}。如果剩下的领域集合非空,则迭代a和b,继续选择合适的设备;如果剩下的领域集合为空,则进入d。
结束。获得一个设备仪器的选择方案。(本例中,选择出来的是机械臂、3D打印机、…、和航空发动机。)
参见附图3所示,在一个具体实施例中,S200实验平台的可信等级校准具体包括:
通过预实验,预估该模型的演化机制和输入输出关系是否正确,模型的可信度是否符合需求。通过比较数字孪生系统的状态和实际状态的相关性和相似性,以及演化所需要的时间,获得实验可信等级。计算实验可信等级和初始可信等级的加权平均值,作为当前数字孪生系统的参考可信等级。
获取实验可信等级具体步骤包括:
通过传感器采集以及人工采集的方式,获取物理对象的当前状态和运行数据。然后从数据中提取一部分数据作为测试数据,另外一部分数据作为演化数据。将演化数据输入到数字孪生系统中,数字孪生系统依据其内部机理发生演化,获得下一时刻的演化状态。测试数据用于计算推测物理对象的状态,获得下一时刻实际的状态。然后通过比较演化状态和实际状态的差异大小,差距越大那么数字孪生模型的实验可信等级越低,差距越小实验可信等级越高。
具体的,对于机械臂而言,采集机械臂当前的控制指令、电压电流。将控制指令作为测试数据,电压电流作为演化数据。电压电流数据输入到机械臂的孪生模型中,机械臂模型的电磁学模型、运动学模型发生演化,电机模型驱动整个机械臂模型演化,记录这个时刻下的演化状态Q1。根据控制指令,结合驱动程序,可以得知机械臂真实的状态Q2。对比这两个状态的差距ΔQ=|Q1-Q2|。ΔQ越大,实验可信等级越低。ΔQ越小,实验可信等级越高。对于机械臂而言,演化状态Q可以近似等价于机械臂的位置(x,y,z)和姿态(旋转矩阵R),
调整实验平台的可信等级的具体方法包括:
初始可信等级由模型库提供,当获得的实验可信等级和初始可信等级差距大于阈值时候,需要调整实验平台的可信等级。首先,调单元模型的精度和运行机理,使得单元模型的可信程度变化;然后通过调整拓扑结构、接口、组合方式等更改组合模型的可信等级,从而实现修改实验平台的可信等级。修改之后的实验平台,需要经过专家评议、结合先验知识以及其他方式,获取新的初始可信等级。
具体的,对于机械臂而言,先从数据库中选取几个模型。(从模型库里面选择的模型,本身就自带了一个初始可信度。但是由于场景不同,这个初始可信度会有偏差)然后执行获取实验可信等级,获得每一个机械臂模型的实验可信度。对于每一个机械臂模型而言,如果实验可信等级和初始可信等级差距超出阈值,则需要校准。比如,通过调整DH参数、改变电机的控制模型等方式,修改机械臂模型,使得模型符合当前验证场景。
获得校准的可信等级的具体步骤包括:
循环执行获取实验可信等级并调整实验平台的可信等级,直到实验可信等级和初始可信等级的差距小于阈值。此时,求取初始可信等级和实验可信等级的平均值作为最终的校准可信等级。
具体的,对于某一个机械臂模型而言,设阈值为5%,当初始可信等级为80%,实验可信等级为82%的时候,校准可信等级为(80%+82%)/2=81%
参见附图4所示,在一个具体实施例中,S300验证评估方法的准确性的具体步骤包括:
为了能客观的验证评估方法的准确性,需要对同一个物理实体的同一生命周期的不同数字孪生系统进行评估,采用多组实验的实验结构进行相互验证,使得评估方法的验证过程具有客观性和强抗干扰能力。多组实验方案中,从模型库中选择合适的模型组,提取物理实体和数字孪生模型涉及的评估指标,考虑对评估方法的指标覆盖率。结合结果排序的合理性和评估方法的耗时,判断待测可信评估方法是否准确。
具体的,从模型库中选择合适的模型包括:
从模型库中选择一组数字孪生模型,并且从模型库中获得它们的初始可信等级。经过第二步校准,获得它们的校准可信等级。
具体的,执行评估方法包括:
数字孪生模型具有演化特性,执行评估方法需要控制单一变量。在同一时刻、同一状态、同一个物理对象,不同的数字孪生模型上,执行可信评估方法,获得它们的计算可信值。通过控制单一变量,减少不必要的干扰,确保验证结果就有说服力。
具体的,对比评估结果包括:
将校准可信等级进行排序,然后对计算可信等级进行排序。比较排序结果是否具备一致性,从趋势上判断评估方法是否具备价值。通过对比孪生模型的校准可信等级和计算可信是否匹配,计算正确率,定量分析评估方法是否存在偏差。
参见附图5所示,在一个具体实施例中,S400验证评估方法的普适性具体包括如下步骤:
数字孪生的可信评估方法往往是全面的、复杂的,具有一定的泛化性。单一的实验平台无法检验待测方法的普适性,需要多个不同的实验平台共同来检验待测方法的泛化性。记实验平台为{A,B,C,…,INF},通过上述方法构建数字孪生系统二维数组[[a1,a2,a3,a4],[b1,b2,b3,b4],…,[inf1,inf2,inf3,inf4]],与单一平台的验证类似,获得评估结果正确率{Ya,Yb,Yc,...,Yinf},进而计算正确率集合{Ya,Yb,Yc,...,Yinf}之间的方差。如果方差越大,则待测方法的普适性越差;如果方差越小,则待测方法的普适性越好。
更具体的,对于机械臂而言,它无法验证评估方法在流体领域、材料领域方面是否正确。因此还需要构建3D打印机、发动机实验平台。从模型库中可以分别选择出一个而模型序列。选择按照步骤S300,可以分别计算出评估方法在机械臂实验平台、3D打印机实验平台、发动机实验平台上的正确率。由于设备的差异,正确率会存在波动。比如,在机械臂实验平台上正确率为95%,在3D打印机上的正确率为90%,在发动机实验平台上的正确率为94%。
普适性=-ln(方差)=-ln(0.046%)=7.68428
具体的,选择多个具有差异性的物理对象,包括:
结合S100构建的正交化实验平台,选择具体的硬件设备,获得一组存在存在明显差异的物理对象。
具体的,执行评估方法,包括:
和S300类似,计算评估方法的正确率。在每一个数字孪生模型队列上都获得一个正确率。
具体的,验证评估方法的普适性,包括:
计算评估方法获得的正确率之间的方差。方差越大,普适性越差;方差越小,普适性也好。
在一个具体实施例中,步骤S500具体包括:
综合S300和S400获得的正确率和普适性,得出评估方法是否正确、是否高效的结论。
更具体的,当根据S300计算得到准确率大于90%的时候,可以认为评估方法在该验证领域内是正确的。当根据S400计算得到普适率大于7的时候,认为评估方法在大部分领域都适用。具有良好的普适性。最后,根据准确率以及普适性结果综合对数字孪生可信评估方法进行验证,并输出验证结果。
参见附图6所示,本发明实施例公开了一种数字孪生可信评估方法的验证系统,包括:
构建模块,用于获取评估方法的指标,得到对应的领域,对领域进行正交化分解,并根据正交化分解结果构建实验平台;
优化模块,与构建模块连接,用于校准实验平台的可信度等级,得到优化后的实验平台;
第一验证模块,与构建模块连接,用于根据优化后的实验平台验证评估方法的准确性;
第二验证模块,与构建模块连接,用于根据优化后的实验平台验证评估方法的普适性;
输出模块,与第一验证模块以及第二验证模块连接,用于根据准确性以及普适性结果对评估方法进行验证,得到验证结果并输出。
在一个具体实施例中,本发明实施例公开了一种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读指令,其特征在于,所述计算机可读指令被处理器执行时实现如上述的验证方法的步骤。
经由上述的技术方案可知,与现有技术相比,本发明公开提供了一种数字孪生可信评估方法的验证方法、系统及可存储介质,具有如下有益效果:
(1)相对于现有技术,本发明验证方法能大幅降低成本。通过进行多学科多领域正交化或者是近似正交化,根据正交化结果选择实验平台,保证尽可能少的实验平台实现全要素覆盖,减少冗余,降低验证方案的成本;
(2)相对于现有技术,本发明验证方法更加合理。通过对模型进行可信等级校准,不仅维护了模型的初始可信等级,充分考虑模型长期使用过程的表现,而且通过测试模型的演化过程,针对具体实验平台对模型进行微调,考虑现场环境对实验的影响。
本说明书中各个实施例采用递进的方式描述,每个实施例重点说明的都是与其他实施例的不同之处,各个实施例之间相同相似部分互相参见即可。对于实施例公开的装置而言,由于其与实施例公开的方法相对应,所以描述的比较简单,相关之处参见方法部分说明即可。
对所公开的实施例的上述说明,使本领域专业技术人员能够实现或使用本发明。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的,本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下,在其它实施例中实现。因此,本发明将不会被限制于本文所示的这些实施例,而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。
Claims (7)
1.一种数字孪生可信评估方法的验证方法,其特征在于,包括:
S100:获取评估方法的指标,得到对应的领域,对所述领域进行正交化分解,并根据正交化分解结果构建实验平台;
S200:校准所述实验平台的可信度等级,得到优化后的实验平台;
S300:根据优化后的实验平台验证评估方法的准确性;
S400:根据优化后的实验平台验证评估方法的普适性;
S500:根据所述准确性的结果以及所述普适性的结果对评估方法进行验证,得到验证结果并输出。
3.根据权利要求1所述的一种数字孪生可信评估方法的验证方法,其特征在于,所述S200包括:
S210:对实验平台进行测试,得到对应的实验可信等级;
S220:获取初始可信等级,并设置阈值,判断所述初始可信等级以及所述实验可信等级是否小于阈值;
S230:所述初始可信等级以及所述实验可信等级小于阈值,则求取所述初始可信等级以及所述实验可信等级的平均值,并根据所述平均值调整实验平台的可信等级,得到优化后的实验平台。
4.根据权利要求1所述的一种数字孪生可信评估方法的验证方法,其特征在于,所述S300:
S310:获取数字孪生模型,执行对应评估方法,计算可信等级;
S320:分别将校准的实验平台的可信度等级以及计算的可信等级进行排序,判断排序结果是否具备一致性,根据一致性结果判断评估方法的准确性。
5.根据权利要求1所述的一种数字孪生可信评估方法的验证方法,其特征在于,所述S400:
S410:设实验平台为{A,B,C,…,INF};
其中,A、B、C、INF分别表示为不同的物理对象;
S420:构建数字孪生系统二维数组为:
[[a1,a2,a3,a4],[b1,b2,b3,b4],...,[inf1,inf2,inf3,inf4]];
其中,[a1,a2,a3,a4]、[b1,b2,b3,b4]、[inf1,inf2、inf3、inf4]分别表示为不同的数字孪生模型队列;
S430:获得评估结果正确率集合{Ya,Yb,Yc,...,Yinf};
其中,Ya、Yb、Yc、Yinf分别表示不同的评估结果正确率:
S440:计算正确率集合{Ya,Yb,Yc,...,Yinf}之间的方差,根据方差结果判断评估方法普适性。
6.一种数字孪生可信评估方法的验证系统,其特征在于,包括:
构建模块,用于获取评估方法的指标,得到对应的领域,对所述领域进行正交化分解,并根据正交化分解结果构建实验平台;
优化模块,与所述构建模块连接,用于校准所述实验平台的可信度等级,得到优化后的实验平台;
第一验证模块,与所述构建模块连接,用于根据优化后的实验平台验证评估方法的准确性;
第二验证模块,与所述构建模块连接,用于根据优化后的实验平台验证评估方法的普适性;
输出模块,与所述第一验证模块以及第二验证模块连接,用于根据所述准确性的结果以及所述普适性的结果对评估方法进行验证,得到验证结果并输出。
7.一种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读指令,其特征在于,所述计算机可读指令被处理器执行时实现如权利要求1至5任一项所述的验证方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210259578.3A CN114611059A (zh) | 2022-03-16 | 2022-03-16 | 数字孪生可信评估方法的验证方法、系统及可存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210259578.3A CN114611059A (zh) | 2022-03-16 | 2022-03-16 | 数字孪生可信评估方法的验证方法、系统及可存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114611059A true CN114611059A (zh) | 2022-06-10 |
Family
ID=81862343
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210259578.3A Pending CN114611059A (zh) | 2022-03-16 | 2022-03-16 | 数字孪生可信评估方法的验证方法、系统及可存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114611059A (zh) |
-
2022
- 2022-03-16 CN CN202210259578.3A patent/CN114611059A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Simoen et al. | Dealing with uncertainty in model updating for damage assessment: A review | |
US7930153B2 (en) | Adaptive look up table: a graphical simulation component for recursively updating numeric data storage in table form | |
Catbas et al. | Predictive analysis by incorporating uncertainty through a family of models calibrated with structural health-monitoring data | |
CN111143981B (zh) | 虚拟试验模型验证系统及方法 | |
CN116150897A (zh) | 一种基于数字孪生的机床主轴性能测评方法及系统 | |
CN115049176A (zh) | 材料性能评估方法、装置及计算机设备 | |
Brastein et al. | Analysing uncertainty in parameter estimation and prediction for grey-box building thermal behaviour models | |
CN113487019A (zh) | 电路故障诊断方法、装置、计算机设备和存储介质 | |
CN110110406B (zh) | 一种基于Excel计算平台实现LS-SVM模型的边坡稳定性预测方法 | |
CN110377941B (zh) | 建立卫星温度场的罚盲似然克里金代理模型的方法 | |
CN110007617B (zh) | 一种飞行器半实物仿真系统的不确定度传递分析方法 | |
CN112528418B (zh) | 一种无基准条件下半实物仿真试验的评估系统 | |
Dong et al. | Prognostics 102: efficient Bayesian-based prognostics algorithm in Matlab | |
CN109858187B (zh) | 基于正则化方式建立卫星温度场的克里金代理模型的方法 | |
CN115165332B (zh) | 一种装备机内测试与综合测试一体化设计方法及系统 | |
CN114611059A (zh) | 数字孪生可信评估方法的验证方法、系统及可存储介质 | |
CN115184055B (zh) | 一种分级测试性优化的测试集确定方法及系统 | |
CN112528417B (zh) | 一种飞行器半实物仿真的评估方法 | |
Rabe et al. | ROC asymmetry is not diagnostic of unequal residual variance in gaussian signal detection theory | |
CN115828441A (zh) | 基于条件生成对抗网络的风机出力场景生成和缩减方法 | |
EP3913547A1 (en) | Modelling input-output relation of computer-controlled entity | |
Cheng | Analysis of simulation experiments by bootstrap resampling | |
CN114490412A (zh) | 基于自减逆向云发生器的三维cad软件性能度量方法及装置 | |
Daub | Multi-output GP emulator documentation | |
CN112182739A (zh) | 一种飞行器结构非概率可信可靠性拓扑优化设计方法 |
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 |