机理与数据融合的发动机模型是现代工程领域的一项重大创新。 它综合了传统机理研究的深入理解和大量实时数据的分析运用。这种模型能够精确模拟发动机的工作过程,误差控制在极小范围内。例如,通过融合技术,可将燃烧效率的预测精度提高至 90%以上。能有效优化发动机的燃油喷射策略,降低燃油消耗。相比传统模型,它对尾气排放的...
本课题组近期在Engineering Applications of Artificial Intelligence期刊上发表论文"Investigation of Hybrid Modeling and Its Transferability in Building Load Prediction Used for District Heating Systems"(用于区域供热系统负荷预测的机理数据...
以加工条件参数和传感器数据为输入特征，融合刀具磨损率预测数值机理模型构建混合模型，其对于磨损的预测精度...
2)考虑到实际系统受到装配差异、性能退化和传感器噪声的影响,提出了一种基于机理-数据融合的进/发/排一体化自适应建模方案。 考虑实际进排气系统与发动机的装配差异、性能退化及传感器噪声等多重因素,将机理模型与传感器测量信息有效融合,并...
大坝机理-数据融合模型基本结构适用性机理与数据的融合对大坝建造-运维全生命周期性态准确高效评估与调控至关重要.本文梳理了大坝建造面临的主要难题与融合模型的发展历程,提出了融合模型串联,并联,混联的三种结构型式,基本特征及适用性,并通过混凝土拱坝温度场监测分析工程实例阐述了融合模型的应用方式及适用性.研究表明:...
“基于科学计算与系统建模仿真平台的机理-数据融合智能应用”案例,面向装备试验-运维需求,基于新一代科学计算与系统建模仿真平台MWORKS,利用装备机理-数据融合高精度模型构建技术以及智能控制技术、智能运维技术,融合人工智能与装备数字化技术,支撑开展装备智能控制以及智能运维等应用。该案例总体技术方案如下图所示。
融合基于自然物理系统机理的数值机理模型与基于数据驱动的深度学习模型以构建混合模型是一种有效的物理引导深度学习框架。混合模型的构建有多种方法,如模型集成及构建残差模型等。 1)模型集成:将数值机理模型与深度学习进行结构或过程的集成,是发挥两种模型优势的重要方法。措施包括为深度学习模型引入数值机理模型数据流以进...
2、机理模型与数据模型融合的意义 污水处理系统是一个复杂的非线性系统,其工艺过程涉及水力学、化学反应、微生物学等多个领域。传统的控制方法常常依赖于机理模型,即基于物理规律和经验判断建立的模型。然而,机理模型往往存在参数估计困难、模型精度不高等问题。相比之下,数据模型具有无需事先了解工艺过程原理、具有较高...
基于机理模型与数据模型融合的污水处理智能控制系统构建思路 基于机理模型与数据模型融合的污水处理智能控制系统构建思路 一、引言 随着人口的增长和城市化的加速,污水处理成为环保领域的重要课题。传统的污水处理方法面临着处理效果不稳定、能耗高、操作复杂等问题。智能控制技术为污水处理提供了新的思路和方法。本文旨在...
本发明属于电子工程和计算机科学领域,具体涉及一种数据-机理融合的数字孪生模型构建方法。 背景技术: 1、构建生产装备数字孪生的重要步骤之一是在数字空间构建物理装备实体对应的虚拟模型,生产装备关键部件的位姿及动作仿真对于提高生产装备加工精度、改善加工工艺具有重要意义。然而,随着生产装备结构复杂度、生产任务多样性、...