[发明专利]一种基于数字孪生模型的组件状态估计方法

权利要求书

1.一种基于数字孪生模型的组件状态估计方法，其特征在于，包括：实时获取组件参数，将组件参数输入到改进的数字孪生模型中，得到原型组件的状态估计结果；

采用改进的数字孪生模型对原型组件参数进行处理的过程包括：

S1：获取原型组件参数；

S2：采用静态压缩降阶基元算法对原型组件参数进行分解，得到子参数；将子参数进行集合，得到数据集；采用缩减基准对数据集中的数据进行处理，得到降阶数据集；

S3：将降阶数据集中的数据输入到数字孪生模型中，得到输入数据的数字孪生资产状态；

S4：采用隐马尔可夫模型对数字孪生资产的状态进行统计分析，得到当前数据的数字孪生资产状态的概率分类结果；

S5：根据当前数据的数字孪生资产状态的概率分类结果得到组件的概率质量函数，根据概率质量函数预测数字孪生资产状态；

S6：采用贝叶斯同化算法对数字孪生资产的状态进行更新；

S7：根据概率质量函数量化数字孪生中的不确定性和误差；

S8：重复步骤S3～S7，获取最优的数字孪生模型。

2.根据权利要求1所述的一种基于数字孪生模型的组件状态估计方法，其特征在于，采用静态压缩降阶基元算法对原型组件参数进行分解的过程包括：

定义X为Hilbert空间，P＝R^ρ为封闭的参数空间，将原型组件参数a和f分解为参数相关部分和参数无关部分，将分解得到的参数相关部分和参数无关部分进行集合，得到组件参数数据集；分解的公式为：

其中，R^ρ表示封闭的作用域，u是有界线性函数，v是狄里克莱边界，μ是系统级部件参数，a(u,v；μ)表示双线性形式，f(v；u)表示线性形式，Q_a为相关参数部分的数目，Q_f为无关参数部分的数目，表示计算相关参数的代数运算，表示计算无关参数的代数运算，a_q(u,v)表示缩减基有限元的系统矩阵，f_q(v)表示载荷向量。

3.根据权利要求1所述的一种基于数字孪生模型的组件状态估计方法，其特征在于，采用缩减基准对数据集中的数据进行处理的过程包括：将数据集中的数据实例化为数字孪生模型的模型组件，得到模型组件的外部边界条件；根据外部边界条件采用控制离散偏微分方程PDE对数据集中的子参数进行处理，消除原型组件子参数间的不平衡；对消除不平衡后的原型组件子参数进行弱化处理，获得弱化后的原型组件子参数，将所有的弱化后的原型组件子参数进行集合，得到降阶数据集。

4.根据权利要求1所述的一种基于数字孪生模型的组件状态估计方法，其特征在于，将降阶数据集中的数据输入到数字孪生模型中进行处理的过程包括：

将降阶数据集输入到经认证的缩减基准RB中，生成相关参数；根据相关参数建立降低自由度的降阶模型；相关参数包括几何参数、非几何参数、计算网格、损坏参数、组件端口参数以及组件内部参数；

获取观测到的传感器数据，采用贝叶斯状态估计方法将观测到的传感器数据与状态转移概率模型结合，得到资产当前状态的概率分类；将概率分类结果输入到降阶模型，更新数字孪生模型；

根据更新后的数字孪生模型，获得当前的数字孪生资产状态。