【技術實現步驟摘要】
本專利技術涉及仿真預測，尤其涉及一種基于大數據的仿真預測方法、裝置、設備及存儲介質。
技術介紹
1、機械系統的設計和優化面臨著日益復雜的挑戰。傳統的仿真方法往往難以準確捕捉復雜機械系統的動態特性和非線性行為，導致仿真結果與實際情況存在較大偏差。同時，大數據時代的到來為機械系統分析提供了海量的實測數據和仿真數據，如何有效利用這些數據來提高仿真精度和預測能力成為了一個亟待解決的問題。
2、然而，目前的研究中存在以下問題：物理試驗數據和仿真數據的融合方法不夠完善，難以充分利用兩種數據的互補優勢；其次，特征提取和降維技術在處理高維復雜數據時效果不佳，容易丟失關鍵信息；現有的仿真模型難以準確描述多物理場耦合效應，導致預測精度不足。
技術實現思路
1、本專利技術提供了一種基于大數據的仿真預測方法、裝置、設備及存儲介質，本專利技術提高了仿真預測的精度和效率，為機械系統的優化設計提供更可靠的決策支持。
2、第一方面，本專利技術提供了一種基于大數據的仿真預測方法，所述基于大數據的仿真預測方法包括：
3、對機械系統的物理試驗數據和仿真數據進行采集和融合，得到綜合數據集；
4、對所述綜合數據集進行多尺度特征提取和選擇，得到目標特征集；
5、通過改進的粒子群算法對所述目標特征集進行降維，得到優化特征矩陣；
6、基于所述優化特征矩陣構建多物理場耦合模型，得到高精度仿真模型；
7、基于所述高精度仿真模型生成訓練數據，通過深度學
8、基于所述智能預測模型進行虛擬樣機分析和多目標優化，得到優化決策方案。
9、第二方面，本專利技術提供了一種基于大數據的仿真預測裝置，所述基于大數據的仿真預測裝置包括：
10、采集模塊，用于對機械系統的物理試驗數據和仿真數據進行采集和融合，得到綜合數據集；
11、提取模塊，用于對所述綜合數據集進行多尺度特征提取和選擇，得到目標特征集；
12、降維模塊，用于通過改進的粒子群算法對所述目標特征集進行降維，得到優化特征矩陣；
13、構建模塊，用于基于所述優化特征矩陣構建多物理場耦合模型，得到高精度仿真模型；
14、訓練模塊，用于基于所述高精度仿真模型生成訓練數據，通過深度學習和模糊推理方法訓練智能預測模型；
15、優化模塊，用于基于所述智能預測模型進行虛擬樣機分析和多目標優化，得到優化決策方案。
16、本專利技術第三方面提供了一種計算機設備，包括：存儲器和至少一個處理器，所述存儲器中存儲有指令；所述至少一個處理器調用所述存儲器中的所述指令，以使得所述計算機設備執行上述的基于大數據的仿真預測方法。
17、本專利技術的第四方面提供了一種計算機可讀存儲介質，所述計算機可讀存儲介質中存儲有指令，當其在計算機上運行時，使得計算機執行上述的基于大數據的仿真預測方法。
18、本專利技術提供的技術方案中，通過對物理試驗數據和仿真數據進行融合，并采用多尺度特征提取和選擇方法，可以充分利用不同來源數據的優勢，提取出更具代表性和判別性的特征，采用改進的粒子群算法進行特征降維，不僅可以有效減少數據維度，還能保持數據的局部結構和全局特性，通過構建多物理場耦合模型，能夠更準確地描述復雜機械系統中的各種物理現象及其相互作用，提高仿真模型的精度和可靠性。結合深度學習和模糊推理方法訓練智能預測模型，可以有效處理非線性和不確定性問題，提高預測的準確性和魯棒性。基于智能預測模型進行虛擬樣機分析和多目標優化，能夠快速評估不同設計方案的性能，并生成最優的決策方案，提高設計效率和質量。通過并行計算和自適應網格細化等技術，顯著提高了大規模仿真和優化問題的計算效率。本專利技術適用于各種復雜機械系統的仿真預測和優化設計，具有良好的通用性和擴展性。
本文檔來自技高網...【技術保護點】
1.一種基于大數據的仿真預測方法，其特征在于，所述基于大數據的仿真預測方法包括：
2.根據權利要求1所述的基于大數據的仿真預測方法，其特征在于，所述對機械系統的物理試驗數據和仿真數據進行采集和融合，得到綜合數據集，包括：
3.根據權利要求1所述的基于大數據的仿真預測方法，其特征在于，所述對所述綜合數據集進行多尺度特征提取和選擇，得到目標特征集，包括：
4.根據權利要求1所述的基于大數據的仿真預測方法，其特征在于，所述通過改進的粒子群算法對所述目標特征集進行降維，得到優化特征矩陣，包括：
5.根據權利要求1所述的基于大數據的仿真預測方法，其特征在于，所述基于所述優化特征矩陣構建多物理場耦合模型，得到高精度仿真模型，包括：
6.根據權利要求1所述的基于大數據的仿真預測方法，其特征在于，所述基于所述高精度仿真模型生成訓練數據，通過深度學習和模糊推理方法訓練智能預測模型，包括：
7.根據權利要求1所述的基于大數據的仿真預測方法，其特征在于，所述基于所述智能預測模型進行虛擬樣機分析和多目標優化，得到優化決策方案，包括：
8.一種基于大數據的仿真預測裝置，其特征在于，用于執行如權利要求1-7中任一項所述的基于大數據的仿真預測方法，所述基于大數據的仿真預測裝置包括：
9.一種計算機設備，其特征在于，包括存儲器和處理器，所述存儲器存儲有可在處理器上運行的計算機程序，其特征在于，所述處理器執行所述計算機程序時實現權利要求1至7中任一項所述的基于大數據的仿真預測方法。
10.一種計算機可讀存儲介質，其上存儲有計算機程序，所述計算機程序在被處理器運行時使得所述處理器執行如權利要求1至7中任一項所述的基于大數據的仿真預測方法。
...【技術特征摘要】
1.一種基于大數據的仿真預測方法，其特征在于，所述基于大數據的仿真預測方法包括：
2.根據權利要求1所述的基于大數據的仿真預測方法，其特征在于，所述對機械系統的物理試驗數據和仿真數據進行采集和融合，得到綜合數據集，包括：
3.根據權利要求1所述的基于大數據的仿真預測方法，其特征在于，所述對所述綜合數據集進行多尺度特征提取和選擇，得到目標特征集，包括：
4.根據權利要求1所述的基于大數據的仿真預測方法，其特征在于，所述通過改進的粒子群算法對所述目標特征集進行降維，得到優化特征矩陣，包括：
5.根據權利要求1所述的基于大數據的仿真預測方法，其特征在于，所述基于所述優化特征矩陣構建多物理場耦合模型，得到高精度仿真模型，包括：
6.根據權利要求1所述的基于大數據的仿真預測方法，其特征在于，所述基于所述高精度...
【專利技術屬性】
技術研發人員：鄭川立，田偉，
申請(專利權)人：深圳領馭科技有限公司，
類型：發明
國別省市：
還沒有人留言評論。發表了對其他瀏覽者有用的留言會獲得科技券。