买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：中国海洋大学

摘要：本申请属于数字孪生的机电产品技术领域，具体涉及一种基于数字孪生的机电产品动态多目标优化方法及系统，当物理实体的工况条件发生改变时，数字孪生基于物理世界和物理机理获取的监测数据，建立与物理实体虚实映射的虚拟仿真模型。采用自适应动态多目标优化策略，评估模型的更新前后的关联程度。并根据评估结果实现种群的动态更新与自适应搜索寻优，在原有数字孪生优化模型的基础上完成动态多目标优化，在保证优化结果的准确性的基础上，提高迭代求解的效率，进一步提高数字孪生优化方法的延续性和适应性。

主权项：1.一种基于数字孪生的机电产品动态多目标优化方法，其特征在于，包括以下步骤：S1.采集所研究机电产品对象的物理信息数据，形成多源数据；S2.将上述多源数据映射到数字空间中，进行数据预处理分析并获取工况条件和约束条件的建模参数；S3.根据所提供的物理空间的实测数据集和数字空间的仿真数据集，采用梯度提升回归树GBRT模型训练方法，训练输入参数与目标性能指标之间的非线性映射关系，建立数字孪生优化模型；S4.当工况条件或约束条件发生改变时，基于新的训练数据调整GBRT参数结构，以更新数字孪生优化模型的映射关系，为参数寻优提供更加准确的适应度函数；S5.对于机电产品的运行工况改变后，由于数字孪生优化模型更新前后的不确定性，构建数字孪生自适应动态多目标优化策略；数字孪生自适应动态多目标优化策略，包括初始种群的动态更新机制与改进非支配性排序机制；对于步骤S5的初始种群的动态更新机制，主要包含以下几个步骤：S5-11.由于步骤S4中产品工况条件的变化，在映射关系更新后会存在不同的相关性程度，定义皮尔逊相关系数对含有多维目标空间的优化模型相关性程度进行量化，如下式所示： 式中，fn表示更新前的第n个的优化函数，表示更新后的第n个的优化函数，θ表示对原有模型求解得到的代表性解集，ρ表示模型更新时刻所计算的相关性系数值，范围为[0,1]；S5-12.当相关系数ρ＜η≤1时，表示f更新前后具有较高的相关性，定义种群质心的计算如下式所示： 式中，Pt-1表示更新前t-1时刻的种群，|Pt-1St-1|表示t-1时刻种群进化过程中的种群大小；表示t-1时刻种群个体，其中表示t-1时刻种群个体的流形信息，j＝1,2,…,pop,其中pop表示种群大小；则对于t时刻种群质心的更新，如下式所示： 式中，λ＝{λ0,λ1,...,λk}表示模型参数，k为自回归模型的阶数，为均值为0的高斯扰动变量，其中，则对于t时刻种群轮廓的更新，如下式所示： 式中，其中与Pt的轮廓相关；S5-13.当相关系数ρ≤η时，表示f更新前后的相关性程度较低，则在t时刻种群轮廓的更新，如下式所示： 式中，表示S5-12步骤计算得到的ρ×pop个种群，表示随机生成的1-ρ×pop个种群，和共同组成t时刻的初始种群Pt；对于步骤S5的改进非支配性排序机制，包含以下几个步骤：S5-21.对于初始种群Pt，采用交叉、变异算法得到子代种群Qt；S5-22.在子代种群Qt的获取中，利用改进的拥挤度距离的度量指标Va计算拥挤度距离，Va计算如下式所示：Va＝ρ×Sa+1-ρ×Da式中，Da表示个体拥挤度距离，通过拥挤度距离的计算方法求得，Sa表示采用Topsis方法计算的得分；S5-23.计算Sa如下式所示： 式中，与表示最优解与最劣解的欧式距离，如下式所示： 式中，表示加权归一化决策矩阵，wb表示每个指标的权重值，表示对原始矩阵Aab的归一化处理；矩阵Aab行表示对不同种群Pt的组合，矩阵Aab列表示所关注产品性能评价指标的组合。

全文数据：

权利要求：

百度查询： 中国海洋大学 基于数字孪生的机电产品动态多目标优化方法及系统