[发明专利]仿真模型率定方法、系统、可读介质、设备有效
| 申请号： | 202010090660.9 | 申请日： | 2020-02-13 |
| 公开（公告）号： | CN111339642B | 公开（公告）日： | 2023-09-15 |
| 发明（设计）人： | 周鹏程;吴腾虎;赵苏 | 申请（专利权）人： | 创新奇智（合肥）科技有限公司 |
| 主分类号： | G06F30/20 | 分类号： | G06F30/20;G06N3/04 |
| 代理公司： | 深圳珠峰知识产权代理有限公司 44899 | 代理人： | 黄伟 |
| 地址： | 230000 安徽省合肥市高新区习友路333*** | 国省代码： | 安徽;34 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | |||
| 搜索关键词： | 仿真 模型 方法 系统 可读 介质 设备 | ||
1.一种仿真模型率定方法，其特征在于，包括如下步骤：
步骤S1，获取仿真模型的仿真数据；
步骤S2，以所述仿真数据为预训练数据样本，预先训练形成一机器学习模型；
步骤S3，获取所述被仿真对象的真实实验数据，并以所述真实实验数据为训练样本，更新训练所述机器学习模型，最终通过所述机器学习模型去预测所述被仿真对象的动力学运动规律；
所述仿真数据包括所述被仿真对象的边界条件和所述仿真模型对所述被仿真对象作出的仿真结果；
基于深度神经网络训练形成所述机器学习模型。
2.一种仿真模型率定系统，可实现如权利要求1所述的方法，其特征在于，包括：
仿真数据获取模块，用于获取所述仿真模型的所述仿真数据；
机器学习模型训练模块，连接所述仿真数据获取模块，用于以所述仿真数据为预训练数据样本，预先训练形成所述机器学习模型；
真实实验数据获取模块，用于获取所述被仿真对象的所述真实实验数据；
模型更新模块，分别连接所述真实实验数据获取模块和所述机器学习模型训练模块，用于以所述真实实验数据为训练样本，更新并最终形成可预测所述被仿真对象的动力学运动规律的所述机器学习模型；
所述仿真数据包括所述被仿真对象的边界条件和所述仿真模型对所述被仿真对象作出的仿真结果；
基于深度神经网络训练形成所述机器学习模型。
3.一种计算机可读存储介质，包括执行指令，其特征在于，当电子设备的处理器执行所述执行指令时，所述处理器执行如权利要求1所述的仿真模型率定方法。
4.一种电子设备，包括处理器以及存储有执行指令的存储器，其特征在于，当所述处理器执行所述存储器中的所述执行指令时，所述处理器执行如权利要求1所述的仿真模型率定方法。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于创新奇智（合肥）科技有限公司，未经创新奇智（合肥）科技有限公司许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/pat/books/202010090660.9/1.html，转载请声明来源钻瓜专利网。
