[发明专利]一种基于多源数据融合的复杂装备数字孪生建模方法

说明书

本发明涉及数字孪生建模领域，尤其为一种基于多源数据融合的复杂装备数字孪生建模方法，包括如下步骤：S1：通过收集设备对复杂装备进行多源数据收集，获得多源数据；S2：对多源数据进行数据预处理和多源数据融合，获得处理后数据；S3：对处理后数据进行数据工业大数据标签和特征选择以及特征降维，获得输入数据；S4：使用循环神经网络对输入数据进行模型训练获得数字孪生模型。本发明通过多源数据融合技术和特征选择以及特征降维数据提高数据质量，同时通过K‑means算法对数据进行标签处理在后续循环神经网络使用过程中更为便捷，同时通过循环神经网络进行模型训练获得数字孪生建模模型，降低了建模难度同时提高了建模的准确性。

技术领域

本发明涉及数字孪生建模领域，尤其是一种基于多源数据融合的复杂装备数字孪生建模方法。

背景技术

数字孪生技术是以电脑仿真试验为基础进行发展的。当前数字孪生建模已经运用于世界各国的各个领域之中，随着高端装备制造的需求不断增大，一些复杂装备在制作之前，需要利用数字技术创建和模拟实际装备的虚拟模型，来减少实际制造过程中的成本和损失，复杂装备可以是任何大型、高度集成或具有复杂功能的机械、电子或混合系统，如飞机、火箭、汽车、工业设备等。数字孪生建模通过将这些装备的物理特征、传感器数据、控制系统和算法等信息融合到一个虚拟模型中，以实现实时仿真、预测和优化，但是在针对这种复杂装备的建模过程中，由于装备各方面的复杂性，现有技术仅通过单一方面的图像特征对数据进行模拟分析建模因此会导致模型模拟效果不全面的现象出现，故本发明提出一种基于多源数据融合的复杂装备数字孪生建模方法。

发明内容

本发明的目的是通过提出一种基于多源数据融合的复杂装备数字孪生建模方法，以解决上述背景技术中提出的缺陷。

本发明采用的技术方案如下：

提供一种基于多源数据融合的复杂装备数字孪生建模方法，包括如下步骤：

S1：通过收集设备对复杂装备进行多源数据收集，获得复杂装备的多源图像数据；

S2：对复杂装备的多源图像数据进行数据预处理和多源数据融合，获得处理后图像数据；

S3：对处理后图像数据进行数据工业大数据标签和特征选择以及特征降维，获得输入数据；

S4：使用循环神经网络对输入数据进行模型训练获得数字。

作为本发明的一种优选技术方案：所述S1中的数据收集设备包括计算机、手机、相机。

作为本发明的一种优选技术方案：

所述S2中的数据预处理包括对复杂装备图像的灰度化处理、图像降噪处理、图像归一化处理。

复杂装备图像的灰度化处理公式如下：

；

；

其中为像素点(i,j)对应的灰度化处理对应的像素值，为像素点(i,j)对应的颜色三通道值，为对应的权重系数，X为灰度化处理后对应的矩阵；

图像降噪处理，计算公式如下：

；

其中为降噪处理后对应的像素值，n为降噪选取计算核的大小选取奇数，为计算核内对应的像素值，图像归一化计算公式如下：

；

其中为归一化后像素点(i,j)对应的像素值，为像素值最大值，为像素最小值。

归一化后的像素以矩阵形式表达：

；

其中元素为对应像素点(m,n)归一化后的像素值。