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：江西科骏实业有限公司

摘要：本发明公开了一种数字孪生模型机理和外观联合参数学习方法，包括：获取真实图像并以此重构三维场景，使用多层感知机渲染三维场景得到合成图像，计算合成图像和真实图像之间的差距最小时的场景三维表示，根据场景三维表示生成当前状态三维网格；获取目标设备当前状态下的机理数据并学习其机理潜在表示，得到目标设备下一状态下的机理数据序列；将当前状态三维网格的顶点排序并经过预处理后输入神经网络模型得到下一状态三维网格的顶点分布；根据目标设备机理潜在表示和当前状态三维网格生成当前状态网格面分布，将当前状态网格面分布排序并经过预处理后输入神经网络模型得到下一状态网格面分布。本发明避免了针对设备不同状态频繁进行三维建模。

主权项：1.一种数字孪生模型机理和外观联合参数学习方法，其特征在于，包括以下步骤：S1获取目标设备同一场景不同视角下的真实图像，根据所述真实图像重构三维场景，使用多层感知机渲染所述三维场景得到合成图像，计算合成图像和真实图像之间的差距最小时的场景三维表示，根据所述场景三维表示生成当前状态三维网格；S2获取目标设备当前状态下的机理数据并学习其机理潜在表示，得到目标设备下一状态下的机理数据序列，获取目标设备当前状态下的机理数据并学习其机理潜在表示时，包括：将目标设备当前状态下的机理数据序列输入带注意力的序列到序列网络，所述带注意力的序列到序列网络通过GRU算法，针对当前状态下的机理数据序列以及当前状态之前所有历史状态的机理数据序列预测学习目标设备机理数据序列的潜在表示，输出目标设备下一状态下的机理数据序列；将当前状态三维网格的顶点排序并经过预处理后输入Transformer神经网络模型得到下一状态三维网格的顶点分布，包括：当前状态三维网格的所有顶点先按z坐标从低到高排序，对于具有相同的z坐标值的顶点则按y坐标从低到高排序，对于具有相同的z坐标值和y坐标值的顶点则按x坐标低到高排序，得到顶点序列；为顶点序列中每个元素分别嵌入对应的坐标信息、所属点信息、值信息以及机理潜在表示信息，得到顶点序列中每个元素对应的高维向量Vectorv，再将所述高维向量Vectorv输入Transformer神经网络模型中生成下一状态的高维向量Vectorv；根据目标设备当前状态三维网格生成当前状态网格面分布，将当前状态网格面分布排序并经过预处理后与目标设备当前状态下的机理数据序列的潜在表示输入Transformer神经网络模型得到下一状态网格面分布，包括：当前状态网格面的序列按照顶点索引从低到高的顺序排序，得到面序列；为面序列中每个元素分别嵌入对应的所属面信息、面中位置信息以及顶点信息，得到面序列中每个元素对应的高维向量Vectorf，再将所述高维向量Vectorf与目标设备当前状态下的机理数据序列的潜在表示输入Transformer神经网络模型中生成下一状态的高维向量Vectorf。

全文数据：

权利要求：

百度查询： 江西科骏实业有限公司 一种数字孪生模型机理和外观联合参数学习方法