CN117094206B - 一种仿真数据生成系统和生成方法 - Google Patents
一种仿真数据生成系统和生成方法 Download PDFInfo
- Publication number
- CN117094206B CN117094206B CN202310725513.8A CN202310725513A CN117094206B CN 117094206 B CN117094206 B CN 117094206B CN 202310725513 A CN202310725513 A CN 202310725513A CN 117094206 B CN117094206 B CN 117094206B
- Authority
- CN
- China
- Prior art keywords
- simulation data
- simulation
- data
- model
- unit
- 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.)
- Active
Links
- 238000004088 simulation Methods 0.000 title claims abstract description 191
- 238000000034 method Methods 0.000 title claims abstract description 19
- 239000000758 substrate Substances 0.000 claims abstract description 55
- 230000005477 standard model Effects 0.000 claims abstract description 40
- 230000002159 abnormal effect Effects 0.000 claims abstract description 24
- 238000004458 analytical method Methods 0.000 claims description 23
- 238000012545 processing Methods 0.000 claims description 20
- 238000010276 construction Methods 0.000 claims description 11
- 238000013500 data storage Methods 0.000 claims description 11
- 238000012790 confirmation Methods 0.000 claims description 8
- 238000013523 data management Methods 0.000 claims description 8
- 238000007621 cluster analysis Methods 0.000 claims description 6
- 239000000284 extract Substances 0.000 claims description 4
- 238000012795 verification Methods 0.000 claims description 3
- 230000003044 adaptive effect Effects 0.000 claims 3
- 230000005856 abnormality Effects 0.000 abstract description 6
- 230000002457 bidirectional effect Effects 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 2
- 238000004590 computer program Methods 0.000 description 2
- 238000007781 pre-processing Methods 0.000 description 2
- 230000001105 regulatory effect Effects 0.000 description 2
- 238000012549 training Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
- G06F30/27—Design optimisation, verification or simulation using machine learning, e.g. artificial intelligence, neural networks, support vector machines [SVM] or training a model
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/22—Matching criteria, e.g. proximity measures
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/23—Clustering techniques
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T17/00—Three dimensional [3D] modelling, e.g. data description of 3D objects
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- General Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Geometry (AREA)
- Software Systems (AREA)
- Life Sciences & Earth Sciences (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Evolutionary Biology (AREA)
- Computer Hardware Design (AREA)
- Medical Informatics (AREA)
- Computer Graphics (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种仿真数据生成系统和生成方法,涉及仿真数据调整技术领域,解决了并未根据相同组件进行分析比对,确认是否存在异常,再将存在异常的组件与标准模型进行比对从而进行调整的技术问题,根据所采集的仿真数据,将不同的仿真数据包进行聚类处理,确认聚类数值,后续再根据聚类数值之间的差值,确认相似度较高的仿真立体模型,后续再将仿真立体模型与标准模型进行比对,确认异常处,并进行数值调整,对原始的仿真数据进行调整,在一定程度上避免了因实验精度的问题,造成仿真数据存在误差,将存在误差的仿真数据进行调整,提升基板模型的精度,同时确保所生成的仿真数据的精度。
Description
技术领域
本发明属于仿真数据调整技术领域,具体是一种仿真数据生成系统和生成方法。
背景技术
仿真数据通常是通过计算机程序模拟实验或者现象得出的数据,而不是通过实际测量得到的。
专利公开号为CN115169252B的发明公开了一种结构化仿真数据生成系统及生成方法,所述系统包括数据预处理单元以及训练和生成单元,所述数据预处理单元用于将原始数据中的每个样本转换成向量表示,并且在转换的过程中建模贝叶斯网络用以描述特征间的关联关系;所述训练和生成单元利用原始数据转换后的向量表示进行训练,得到仿真数据生成模型,利用所述仿真数据生成模型生成仿真数据记录;本发明系统和方法能够同时生成含有连续型特征和离散型特征的仿真数据记录;针对生成仿真数据,既保持了与原始数据一致的数据分布,也保证了与原始数据一致的特征间关联关系;同时提出一种根据所需条件生成仿真数据的方法,能够根据不同的仿真数据应用场景生成分析所需的仿真数据记录。
仿真数据在生成以及处理过程中,往往会存在误差,相比于标准模型,部分部件参数可能出现些许偏差,但在具体的分析处理过程中,若将每一个组件与模型内部的组件进行分析比对,进行自适应调整,对仿真数据进行修整,但此种方式,耗时过长,同时也会造成计算机的计算负荷,并未根据相同组件进行分析比对,确认是否存在异常,再将存在异常的组件与标准模型进行比对从而进行调整,以此提升模型的精准度。
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,本发明提出了一种仿真数据生成系统和生成方法,用于解决并未根据相同组件进行分析比对,确认是否存在异常,再将存在异常的组件与标准模型进行比对从而进行调整的技术问题。
为实现上述目的,根据本发明的第一方面的实施例提出一种仿真数据生成系统,包括:
数据输入端,用于将所采集的仿真数据包传输至仿真数据管理端,其中每次传输的若干组数据均为同一仿真数据包内;
数据聚类分析单元,对所采集的不同仿真数据包进行接收,并对不同的仿真数据包进行聚类处理,并将处理所得的属于不同仿真数据包的聚类值传输至相似数据确认单元内,具体方式为:
直接从数据存储单元内提取预设的聚类数值YJ,其中YJ为预设的固定值;
将属于同一仿真数据包内部不同的数据提取出,取其数值,并将不同的数值标记为SZi,其中i代表不同的数值,采用SZi÷YJ=HDi得到不同数值所对应的核定值HDi;
再将若干组核定值HDi进行均值处理,得到对应仿真数据包的聚类值JLk,其中k代表不同的仿真数据包,将不同仿真数据包所产生的聚类值JLk传输至相似数据确认单元内;
相似数据确认单元,根据不同仿真数据包所产生的聚类值,同时根据具体差值,进行相似度分析,并确认相似度较高的两组仿真数据包,将所确认的仿真数据包进行捆绑,生成数据包集合,并传输至基板构建单元内,具体方式为:
提取不同仿真数据包所产生的聚类值JLk,并将不同的聚类值JLk两两对应依次进行差值处理后再进行绝对值处理,得到若干组待分析差值CZk;
将若干组待分析差值CZk与预设参数Y1进行比对,其中Y1为预设值,当CZk<Y1时,生成捆绑信号,反之,不进行任何处理;
根据捆绑信号,将对应待分析差值CZk所对应的两组仿真数据包进行捆绑,生成数据包集合,传输至基板构建单元内;
基板构建单元,对所产生的数据包集合进行接收,并根据数据包集合内部的两组仿真数据包,进行基板模型构建,再将所构建的两组基板模型传输至自适应调整单元内,具体方式为:
根据数据包集合内部的两组仿真数据包,通过仿真数据包内部的仿真数据构建基板模型;
将所构建的两组基板模型直接传输至自适应调整单元内;
所述自适应调整单元,根据所构建的两组基板模型,再直接从数据存储单元内提取对应的标准模型,且标准模型提前拟定,由操作人员根据标准参数自行拟定构建,将两组基板模型依次与标准模型进行比对,确认存在异常的基板模型,并从标准模型内确认异常区域位置处的仿真数据,对基板模型对应仿真数据包内部的仿真数据进行调整,并将调整后的仿真数据直接替换对应仿真数据包内所存在的数据。
优选的,还包括模型分析单元,且模型分析单元根据基板构建单元所调整确认的仿真数据包,对仿真立体模型进行构建,并将所构建的仿真立体模型传输至自适应调整单元内。
优选的,所述自适应调整单元,根据所构建的仿真立体模型,直接从数据存储单元内提取对应的标准模型,将仿真立体模型与标准模型进行分析比对,并将其展示于展示单元内,具体方式为:
直接将仿真立体模型与标准模型进行分析比对,确认不同组件的分析比对参数,并将不同组件的分析比对参数标记为CSt,其中t代表不同的组件;
将分析比对参数CSt与预设参数Y2进行比对,其中Y2为预设值,当CSt<Y2时,将对应的组件标记为异常组件,反之,不进行任何处理;
将标记完毕后的仿真立体模型传输至展示单元内进行展示,供外部操作人员进行查看,及时作出应对措施。
进一步的,一种仿真数据生成系统的生成方法,包括以下步骤:
步骤一、将所采集的仿真数据包进行确认,根据不同仿真数据包内部的仿真数据,并进行聚类处理,根据所确认的聚类值,分析对应的待分析差值,后续再根据待分析差值的具体数值,确认数据包集合;
步骤二、后续再根据数据包集合内部的两组仿真数据包,构建对应的基板模型,再将所构建的基板模型与标准模型进行比对,确认存在异常的基板模型,并从标准模型内确认异常区域位置处的仿真数据,对基板模型对应仿真数据包内部的仿真数据进行调整;
步骤三、根据调整后的仿真数据,构建对应的仿真立体模型,并将所构建的仿真立体模型与所适配的标准模型进行比对,根据比对结果,将仿真立体模型内部存在异常的组件进行标记,并将标记完毕后的仿真立体模型进行展示;
步骤四、外部操作人员根据所展示的仿真立体模型,进行自适应调整,其调整参数由外部操作人员自行拟定。
与现有技术相比,本发明的有益效果是:根据所采集的仿真数据,将不同的仿真数据包进行聚类处理,确认聚类数值,后续再根据聚类数值之间的差值,确认相似度较高的仿真立体模型,后续再将仿真立体模型与标准模型进行比对,确认异常处,并进行数值调整,对原始的仿真数据进行调整,在一定程度上避免了因实验精度的问题,造成仿真数据存在误差,将存在误差的仿真数据进行调整,提升基板模型的精度,同时确保所生成的仿真数据的精度;
后续再构建对应的整体模型,将整体模型与标准模型进行分析比对,并根据比对参数,判定异常位置,并将异常位置进行标记,将标记处理后的整体模型进行展示,供外部人员进行查看,及时进行修整,提升标准模型的精度。
附图说明
图1为本发明原理框架示意图;
图2为本发明方法流程示意图。
具体实施方式
下面将结合实施例对本发明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它实施例,都属于本发明保护的范围。
实施例一
请参阅图1,本申请提供了一种仿真数据生成系统,包括数据输入端、仿真数据管理端以及展示单元,其中数据输入端与仿真数据管理端输入端电性连接,所述仿真数据管理端与展示单元输入端电性连接;
所述仿真数据管理端,包括数据聚类分析单元、数据存储单元、相似数据确认单元、基板构建单元、自适应调整单元以及模型分析单元,其中数据聚类分析单元与数据存储单元之间双向连接,所述数据聚类分析单元与相似数据确认单元输入端电性连接,所述相似数据确认单元与基板构建单元输入端电性连接,所述基板构建单元与自适应调整单元之间双向连接,所述基板构建单元与模型分析单元输入端电性连接,所述模型分析单元与自适应调整单元之间双向连接,所述自适应调整单元与展示单元输入端电性连接;
所述数据输入端,用于将所采集的仿真数据包传输至仿真数据管理端,其中每次传输的若干组数据均为同一仿真数据包内,且所传输的若干组数据均为通过计算机程序模拟实验或者现象所产生的实验数据;
所述仿真数据管理端内部的数据聚类分析单元,对所采集的不同仿真数据包进行接收,并对不同的仿真数据包进行聚类处理,并将处理所得的属于不同仿真数据包的聚类值传输至相似数据确认单元内,其中,进行聚类处理的具体方式为:
直接从数据存储单元内提取预设的聚类数值YJ,其中YJ为预设的固定值,且YJ的具体取值由操作人员根据经验拟定;
将属于同一仿真数据包内部不同的数据提取出,取其数值,并将不同的数值标记为SZi,其中i代表不同的数值,采用SZi÷YJ=HDi得到不同数值所对应的核定值HDi;
再将若干组核定值HDi进行均值处理,得到对应仿真数据包的聚类值JLk,其中k代表不同的仿真数据包,将不同仿真数据包所产生的聚类值JLk传输至相似数据确认单元内。
所述相似数据确认单元,根据不同仿真数据包所产生的聚类值,同时根据具体差值,进行相似度分析,并确认相似度较高的两组仿真数据包,将所确认的仿真数据包进行捆绑,生成数据包集合,并传输至基板构建单元内,其中,进行相似度分析的具体方式为:
提取不同仿真数据包所产生的聚类值JLk,并将不同的聚类值JLk两两对应依次进行差值处理后再进行绝对值处理,得到若干组待分析差值CZk;
将若干组待分析差值CZk与预设参数Y1进行比对,其中Y1为预设值,其具体取值由操作人员根据经验拟定,当CZk<Y1时,生成捆绑信号,反之,不进行任何处理;
根据捆绑信号,将对应待分析差值CZk所对应的两组仿真数据包进行捆绑,生成数据包集合,传输至基板构建单元内;
具体的,举例说明,若存在三组仿真数据包所产生的聚类值,分别为3.5、5、2.5,根据三组聚类值,所能产生的待分析差值则分别为:5-3.5=1.5、5-2.5=2.5、3.5-2.5=1,则存在三组待分析差值,进行差值时,为两两进行合并并进行差值分析,再将差值进行绝对值处理,确认所产生的待分析差值1.5、2.5以及1。
所述基板构建单元,对所产生的数据包集合进行接收,并根据数据包集合内部的两组仿真数据包,进行基板模型构建,再将所构建的两组基板模型传输至自适应调整单元内,其中,进行基板模型构建的具体方式为:
根据数据包集合内部的两组仿真数据包,通过仿真数据包内部的仿真数据构建基板模型;
将所构建的两组基板模型直接传输至自适应调整单元内。
所述自适应调整单元,根据所构建的两组基板模型,再直接从数据存储单元内提取对应的标准模型,且标准模型提前拟定,由操作人员根据标准参数自行拟定构建,将两组基板模型依次与标准模型进行比对,确认存在异常的基板模型,并从标准模型内确认异常区域位置处的仿真数据,对基板模型对应仿真数据包内部的仿真数据进行调整,并将调整后的仿真数据直接替换对应仿真数据包内所存在的数据,并将调整后的仿真数据包传输至展示单元内进行展示,供外部操作人员进行查看;
具体的,在生成具体的仿真数据时,一般根据原始的实验数据,生成对应的仿真数据,并通过仿真数据进行模型构建,但在具体实验过程中,可能因实验精度的问题,造成仿真数据存在误差,故需要对存在误差的仿真数据进行确认,并根据标准模型内所存在的标准参数,将存在误差的仿真数据进行调整,提升基板模型的精度,同时确保所生成的仿真数据的精度;
之所以能确认存在误差,所依据的是数据包集合,聚类值相差较小的两组仿真数据包,代表两组仿真数据包可能为同一模型,只不过是对立面,像普通的模型,均存在若干个相同的基板模型,若相同,则代表内部的参数也相同,若存在些许误差时,代表某个基板模型数据存在问题,故需要进行后续的数据比对,并对数据误差进行调整,例如:桌子模型有四个支腿基板模型,正常情况下四个支腿基板模型数据应该为一致,若存在误差时,代表某个支腿基板模型存在些许问题,故便可确认对应异常的基板模型。
实施例二
所述模型分析单元,根据基板构建单元所调整确认的仿真数据包,对仿真立体模型进行构建,并将所构建的仿真立体模型传输至自适应调整单元内;
所述自适应调整单元,根据所构建的仿真立体模型,直接从数据存储单元内提取对应的标准模型,将仿真立体模型与标准模型进行分析比对,并将其展示于展示单元内,其中,进行分析比对的具体方式为:
直接将仿真立体模型与标准模型进行分析比对,确认不同组件的分析比对参数,并将不同组件的分析比对参数标记为CSt,其中t代表不同的组件;
将分析比对参数CSt与预设参数Y2进行比对,其中Y2为预设值,其具体取值由操作人员根据经验拟定,当CSt<Y2时,将对应的组件标记为异常组件,反之,不进行任何处理;
将标记完毕后的仿真立体模型传输至展示单元内进行展示,供外部操作人员进行查看,及时作出应对措施。
实施例三
一种仿真数据生成方法,包括以下步骤:
步骤一、将所采集的仿真数据包进行确认,根据不同仿真数据包内部的仿真数据,并进行聚类处理,根据所确认的聚类值,分析对应的待分析差值,后续再根据待分析差值的具体数值,确认数据包集合;
步骤二、后续再根据数据包集合内部的两组仿真数据包,构建对应的基板模型,再将所构建的基板模型与标准模型进行比对,确认存在异常的基板模型,并从标准模型内确认异常区域位置处的仿真数据,对基板模型对应仿真数据包内部的仿真数据进行调整;
步骤三、根据调整后的仿真数据,构建对应的仿真立体模型,并将所构建的仿真立体模型与所适配的标准模型进行比对,根据比对结果,将仿真立体模型内部存在异常的组件进行标记,并将标记完毕后的仿真立体模型进行展示;
步骤四、外部操作人员根据所展示的仿真立体模型,进行自适应调整,其调整参数由外部操作人员自行拟定。
实施例四
本实施例在具体实施过程中,包含上述三组实施例的全部实施过程。
上述公式中的部分数据均是去除量纲取其数值计算,公式是由采集的大量数据经过软件模拟得到最接近真实情况的一个公式;公式中的预设参数和预设阈值由本领域的技术人员根据实际情况设定或者通过大量数据模拟获得。
以上实施例仅用以说明本发明的技术方法而非限制,尽管参照较佳实施例对本发明进行了详细说明,本领域的普通技术人员应当理解,可以对本发明的技术方法进行修改或等同替换,而不脱离本发明技术方法的精神和范围。
Claims (6)
1.一种仿真数据生成系统,其特征在于,包括:
数据输入端,用于将所采集的仿真数据包传输至仿真数据管理端,其中每次传输的若干组数据均为同一仿真数据包内;
数据聚类分析单元,对所采集的不同仿真数据包进行接收,并对不同的仿真数据包进行聚类处理,并将处理所得的属于不同仿真数据包的聚类值传输至相似数据确认单元内;
相似数据确认单元,根据不同仿真数据包所产生的聚类值,同时根据具体差值,进行相似度分析,并确认相似度较高的两组仿真数据包,将所确认的仿真数据包进行捆绑,生成数据包集合,并传输至基板构建单元内;
基板构建单元,对所产生的数据包集合进行接收,并根据数据包集合内部的两组仿真数据包,进行基板模型构建,再将所构建的两组基板模型传输至自适应调整单元内;
所述自适应调整单元,根据所构建的两组基板模型,再直接从数据存储单元内提取对应的标准模型,且标准模型提前拟定,由操作人员根据标准参数自行拟定构建,将两组基板模型依次与标准模型进行比对,确认存在异常的基板模型,并从标准模型内确认异常区域位置处的仿真数据,对基板模型对应仿真数据包内部的仿真数据进行调整,并将调整后的仿真数据直接替换对应仿真数据包内所存在的数据;
所述数据聚类分析单元,对不同的仿真数据包进行聚类处理的具体方式为:
直接从数据存储单元内提取预设的聚类数值YJ,其中YJ为预设的固定值;
将属于同一仿真数据包内部不同的数据提取出,取其数值,并将不同的数值标记为SZi,其中i代表不同的数值,采用SZi÷YJ=HDi得到不同数值所对应的核定值HDi;
再将若干组核定值HDi进行均值处理,得到对应仿真数据包的聚类值JLk,其中k代表不同的仿真数据包,将不同仿真数据包所产生的聚类值JLk传输至相似数据确认单元内;
所述相似数据确认单元,根据具体差值进行相似度分析的具体方式为:
提取不同仿真数据包所产生的聚类值JLk,并将不同的聚类值JLk两两对应依次进行差值处理后再进行绝对值处理,得到若干组待分析差值CZk;
将若干组待分析差值CZk与预设参数Y1进行比对,其中Y1为预设值,当CZk<Y1时,生成捆绑信号,反之,不进行任何处理;
根据捆绑信号,将对应待分析差值CZk所对应的两组仿真数据包进行捆绑,生成数据包集合,传输至基板构建单元内。
2.根据权利要求1所述的一种仿真数据生成系统,其特征在于,所述基板构建单元,进行基板模型构建的具体方式为:
根据数据包集合内部的两组仿真数据包,通过仿真数据包内部的仿真数据构建基板模型;
将所构建的两组基板模型直接传输至自适应调整单元内。
3.根据权利要求1所述的一种仿真数据生成系统,其特征在于,还包括模型分析单元,且模型分析单元根据基板构建单元所调整确认的仿真数据包,对仿真立体模型进行构建,并将所构建的仿真立体模型传输至自适应调整单元内。
4.根据权利要求3所述的一种仿真数据生成系统,其特征在于,所述自适应调整单元,根据所构建的仿真立体模型,直接从数据存储单元内提取对应的标准模型,将仿真立体模型与标准模型进行分析比对,并将其展示于展示单元内。
5.根据权利要求4所述的一种仿真数据生成系统,其特征在于,所述自适应调整单元,进行分析比对的具体方式为:
直接将仿真立体模型与标准模型进行分析比对,确认不同组件的分析比对参数,并将不同组件的分析比对参数标记为CSt,其中t代表不同的组件;
将分析比对参数CSt与预设参数Y2进行比对,其中Y2为预设值,当CSt<Y2时,将对应的组件标记为异常组件,反之,不进行任何处理;
将标记完毕后的仿真立体模型传输至展示单元内进行展示,供外部操作人员进行查看,及时作出应对措施。
6.根据权利要求1-5任一项所述的一种仿真数据生成系统的生成方法,其特征在于,包括以下步骤:
步骤一、将所采集的仿真数据包进行确认,根据不同仿真数据包内部的仿真数据,并进行聚类处理,根据所确认的聚类值,分析对应的待分析差值,后续再根据待分析差值的具体数值,确认数据包集合;
步骤二、后续再根据数据包集合内部的两组仿真数据包,构建对应的基板模型,再将所构建的基板模型与标准模型进行比对,确认存在异常的基板模型,并从标准模型内确认异常区域位置处的仿真数据,对基板模型对应仿真数据包内部的仿真数据进行调整;
步骤三、根据调整后的仿真数据,构建对应的仿真立体模型,并将所构建的仿真立体模型与所适配的标准模型进行比对,根据比对结果,将仿真立体模型内部存在异常的组件进行标记,并将标记完毕后的仿真立体模型进行展示;
步骤四、外部操作人员根据所展示的仿真立体模型,进行自适应调整,其调整参数由外部操作人员自行拟定。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310725513.8A CN117094206B (zh) | 2023-06-19 | 2023-06-19 | 一种仿真数据生成系统和生成方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310725513.8A CN117094206B (zh) | 2023-06-19 | 2023-06-19 | 一种仿真数据生成系统和生成方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117094206A CN117094206A (zh) | 2023-11-21 |
CN117094206B true CN117094206B (zh) | 2024-01-26 |
Family
ID=88778099
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310725513.8A Active CN117094206B (zh) | 2023-06-19 | 2023-06-19 | 一种仿真数据生成系统和生成方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117094206B (zh) |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103544351A (zh) * | 2013-10-25 | 2014-01-29 | 北京世纪高通科技有限公司 | 一种对仿真模型调整参数的方法及装置 |
CN105118332A (zh) * | 2015-09-30 | 2015-12-02 | 中国民用航空总局第二研究所 | 一种基于聚类分析法的空中交通管制模拟仿真异常检测方法和装置 |
CN108614903A (zh) * | 2016-12-11 | 2018-10-02 | 复旦大学 | 集成电路仿真数据相关性建模方法及装置 |
WO2019056753A1 (zh) * | 2017-09-20 | 2019-03-28 | 东南大学 | 一种分布式光伏电站集群的动态等值建模方法 |
CN114357714A (zh) * | 2021-12-06 | 2022-04-15 | 哈尔滨工业大学(深圳) | 面向结构化仿真数据的质量评估方法、系统和设备 |
-
2023
- 2023-06-19 CN CN202310725513.8A patent/CN117094206B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103544351A (zh) * | 2013-10-25 | 2014-01-29 | 北京世纪高通科技有限公司 | 一种对仿真模型调整参数的方法及装置 |
CN105118332A (zh) * | 2015-09-30 | 2015-12-02 | 中国民用航空总局第二研究所 | 一种基于聚类分析法的空中交通管制模拟仿真异常检测方法和装置 |
CN108614903A (zh) * | 2016-12-11 | 2018-10-02 | 复旦大学 | 集成电路仿真数据相关性建模方法及装置 |
WO2019056753A1 (zh) * | 2017-09-20 | 2019-03-28 | 东南大学 | 一种分布式光伏电站集群的动态等值建模方法 |
CN114357714A (zh) * | 2021-12-06 | 2022-04-15 | 哈尔滨工业大学(深圳) | 面向结构化仿真数据的质量评估方法、系统和设备 |
Also Published As
Publication number | Publication date |
---|---|
CN117094206A (zh) | 2023-11-21 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111461431B (zh) | 一种基于手机制造中锁螺丝工艺的优化方法和系统 | |
CN107529667B (zh) | 混合现实核电站仿真和分析系统 | |
CN111292020B (zh) | 一种基于随机森林的电网实时运行风险评估方法及系统 | |
CN113190886A (zh) | 一种基于快速仿真数字孪生技术的设备健康监测方法 | |
CN113410813A (zh) | 一种基于数字孪生配网故障的诊断方法及相关装置 | |
CN111900694B (zh) | 一种基于自动识别的继电保护设备信息采集方法及系统 | |
CN110991036A (zh) | 航天器姿轨控系统故障案例库构建系统及构建方法 | |
CN117217020A (zh) | 一种基于数字孪生的工业模型构建方法及系统 | |
CN109625033A (zh) | Ato控车时精确停车阶段停车精度预测方法及装置 | |
CN116956189A (zh) | 一种电流异常检测系统、方法、电子设备及介质 | |
CN116107280A (zh) | 一种用于多维可视化管理的数字孪生工厂控制系统 | |
CN117294727A (zh) | 一种基于云原生和容器技术的云边端协同管理方法 | |
CN117094206B (zh) | 一种仿真数据生成系统和生成方法 | |
CN110781340A (zh) | 一种推荐系统召回策略的离线评估方法、系统、装置及存储介质 | |
CN115987692A (zh) | 一种基于流量回溯分析的安全防护系统及方法 | |
CN100395759C (zh) | 一种基于cad平台的计算机辅助验证系统及方法 | |
CN114120462B (zh) | 基于监管平台的劳务实名制数据的自适应推送系统及方法 | |
CN115270265A (zh) | 基于云端的bim模型自动渲染方法 | |
CN112364427A (zh) | 一种基于bim的房建施工监管方法 | |
CN114245895A (zh) | 为至少两个日志文件生成一致表示的方法 | |
CN116993734B (zh) | 基于视觉成像进行分析的电池隔热棉裁切质量预测系统 | |
CN116933445B (zh) | 面向模锻设备的数字孪生模型构建方法及系统 | |
CN118470612B (zh) | 基于多模态信息融合的安全生产作业人员行为识别方法及系统 | |
CN117371821B (zh) | 基于bim技术的企业数据可视化展示方法及系统 | |
CN118037138B (zh) | 一种基于计算机视觉的饮料车间生产精细化管理系统 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |