[发明专利]机理模型和动态数据联合驱动的“云-边”结合数字孪生方法

权利要求书

1.一种机理模型和动态数据联合驱动的“云-边”结合数字孪生方法，其特征在于，所述的“云-边”结合数字孪生方法以机理模型模拟物理世界中的系统或现象，以动态数据驱动虚拟世界实现对物理世界的实时映射，以云计算和边缘计算为软硬件架构，实现对物理实体的实时监测、模拟、分析、诊断、预测；所述机理模型由基于物理规律得到的经验公式、解析模型和数值模型构建，所述动态数据由实时传感器数据、爬虫爬取数据、三维虚拟体的几何数据、分析与预测得到的隐藏性能信息组成；所述数字孪生方法根据特定的物理实体进行定制化设计，所包含的技术和流程由以下部分组成：通过多种数据采集方法获取物理实体信息，经由数据预处理方法对采集数据进行筛选和简单分析，进而采用实时通讯技术将处理后的数据传输到计算和分析部分，再根据所得到数据由相应的仿真分析方法模拟并预测物理实体的外在行为和内在性能信息，将预处理数据、分析数据和物理实体的几何数据相结合，利用多源数据融合方法将多种数据集成并通过数据存储方法进行存储，同时满足数字孪生数据的要求；

所述的数据预处理的主要目的是将多种传感器的数据或者爬虫爬取的数据进行清洗、约简、统一格式，为后续的通信提供轻量、标准化的数据。

2.根据权利要求1所述的一种机理模型和动态数据联合驱动的“云-边”结合数字孪生方法，其特征在于，所述的数据采集方法包括传感器技术、网络爬虫技术。

3.根据权利要求2所述的一种机理模型和动态数据联合驱动的“云-边”结合数字孪生方法，其特征在于，所述数据预处理方法根据不同类型、体量的数据自动选择使用“云边结合”或“云边分离”的计算方式进行最优处理，具体如下：针对大体量、多种类型的数据可简单地在边缘端对数据进行检测，而缺失数据的补全和冗余数据的清洗则在云端施行；针对类型较少且小体量的数据可直接在边缘端完成处理；针对网络爬虫爬取的有关物理实体的数据，首先在云端进行特征提取、填充、异常值识别，分析得到物理实体的重要性能指标，为构建其机理模型提供指导；针对传感器数据，首先对其进行降噪滤波，通过实时通信技术将传感器数据传输到所述多源数据融合方法，实现利用实时的传感器数据动态驱动虚拟世界与物理世界的同步；针对求解得到的性能数据，利用多源数据融合方法将其与三维虚拟体的几何数据相结合，为后续的渲染处理提供几何和性能数据支撑。

4.根据权利要求3所述的一种机理模型和动态数据联合驱动的“云-边”结合数字孪生方法，其特征在于，所述实时通信技术包含多种通信技术，根据不同的应用场景选取或组合所需的通信方式。

5.根据权利要求4所述的一种机理模型和动态数据联合驱动的“云-边”结合数字孪生方法，其特征在于，所述仿真分析方法由多种数值分析类库、软件支撑；对特定物理实体的行为和状态生成先验知识，用于构建性能求解模型；为平衡计算效率和计算精确性，根据不同部件对物理实体内在性能的影响程度对性能求解模型进行合理简化；针对简化后的模型，基于平衡计算效率和计算精确性的要求，选择经验公式、解析模型或数值模型实现物理实体内在性能的求解。

6.根据权利要求5所述的一种机理模型和动态数据联合驱动的“云-边”结合数字孪生方法，其特征在于，所述的多源数据融合方法用于实现性能数据的扩容并将多类型数据转化；所述性能数据扩容是以所述仿真分析方法求得的数据为依据，利用人工智能方法对性能数据进行缺失数据的回归、聚合、分类，将数值分析得到的离散数据通过人工智能方法扩容为连续数据；所述多类型数据转化是将实时传感器数据、爬虫爬取数据、三维虚拟体的几何数据、分析与预测得到的隐藏性能信息统一格式、编码，转化为可实时渲染的数据，构建物理实体包含性能信息的动态三维忠实映射。