基于AEnKPF的数字孪生状态与参数的联合估计实现方法

AITNT-国内领先的一站式人工智能新闻资讯网站
# 热门搜索 #
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
系统为您推荐了相关专利信息
云端数据中心 协同优化方法 数字孪生模型 指令 策略
一体化机器人 数字孪生模型 巡检路径 声屏障 红外测距传感器
集成仿真系统 仿真数据 光照 气流 船舱
识别模型构建方法 路面 基础 神经网络单元 误差反向传播
协同调度方法 多级泵站 数字孪生模型 优化运行策略 供热管网流量