基于AEnKPF的数字孪生状态与参数的联合估计实现方法
申请号:CN202511044892
申请日期:2025-07-29
公开号:CN121031284A
公开日期:2025-11-28
类型:发明专利
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