【技術實現步驟摘要】
本專利技術涉及裝備模型參數化配置，具體為裝備模型參數化配置系統。
技術介紹
1、裝備的智能設計主要與產品設計過程相關，重點在于產品設計過程中，綜合使用三維建模、多學科仿真(結構、流體、熱、電磁等等)對產品進行優化和分析，找到產品設計的最優方案。
2、公開號為cn116738759a的中國專利公開了一種裝備的設計運維方法、裝置、計算機設備及可讀存儲介質，該方法包括：在裝備的設計階段，通過仿真優化軟件得到裝備的優化后的仿真模型，稱為第一仿真模型；采集對裝備的實物樣品進行試驗的試驗數據，根據轉換格式后的試驗數據標定第一仿真模型的參數，驅動仿真優化軟件優化第一仿真模型，得到第二仿真模型；根據第二仿真模型的參數構建降階模型，以得到裝備的數字孿生體；在運行裝備的過程中，根據轉換格式后的運行數據標定第二仿真模型的參數，驅動仿真優化軟件優化第二仿真模型，得到第三仿真模型；根據第三仿真模型的參數更新數字孿生體；基于更新后的數字孿生體來對裝備進行運維。
3、上述專利在實際使用過程中并沒有對裝備模型的參數進行優化配置，導致裝備在生產的過程中容易存在質量問題；因此，不滿足現有的需求，對此我們提出了裝備模型參數化配置系統。
技術實現思路
1、本專利技術的目的在于提供裝備模型參數化配置系統，在裝備模型參數化配置時對參數進行優化，可以提高裝備的效率和性能，減少能源和原材料的浪費，延長裝備的使用壽命，提高生產過程的質量和效率，降低生產成本和維修成本，?減少故障率，保障裝備生產過程的穩定性和
2、為實現上述目的，本專利技術提供如下技術方案：裝備模型參數化配置系統，包括：
3、數據處理模塊，用于獲取裝備的特征參數數據，并對獲取的裝備特征參數數據進行處理，并對處理完成的裝備特征參數數據進行整合；
4、模型構建模塊，用于將特征參數數據輸入裝備特征化腳本庫和裝備特征零部件模型庫，生成裝備特征零部件模型，將裝備特征零部件模型進行整合生成裝備整機模型，根據裝備的整機模型構建模擬裝備真實行為的裝備模型；
5、參數化配置模塊，用于對裝備模型參數化配置數據進行優化，根據優化后參數化配置數據對裝備模型進行參數化配置，并在裝備運行時生成的抽象評估系數，提取指定時間內抽象評估系數與其最近的抽象評估系數參考閾值范圍邊界數值之間的差值，并與預設的差值閾值比較，得到目標指定時間內抽象評估系數，提取每相鄰兩個目標指定時間內抽象評估系數之間的時間間隔得到綜合評估系數，將綜合評估系數與預設的綜合評估系數閾值進行比較，根據比較結果判定是否需要對抽象評估系數參考閾值范圍進行調整??。
6、優選的，所述數據處理模塊，包括：
7、數據清洗模塊，用于收集裝備特征參數數據并對裝備特征參數數據進行清洗，檢查裝備特征參數數據的數據一致性，去除裝備特征參數數據中包含的無效值或缺失值，確定出對裝備模型構建有價值的特征參數數據；
8、數據整合模塊，用于對清洗后剩余的對裝備模型構建有價值的裝備特征參數數據進行整合，確定出統一數據視圖的裝備特征參數數據。
9、優選的，所述模型構建模塊，包括：
10、樣本獲取模塊，用于獲取裝備的多個特征參數數據訓練樣本，并將獲取的多個特征參數數據訓練樣本記為第一樣本數據，裝備的多個特征參數數據包括運行參數數據、結構參數數據、電氣參數數據、化學參數數據、熱力學參數數據以及屬性參數數據；
11、數據輸入模塊，用于將處理完成的特征參數數據輸入裝備特征化腳本庫和裝備特征零部件模型庫，生成裝備特征零部件模型；
12、模型生成模塊，用于將裝備特征零部件模型進行整合生成裝備整機模型，根據裝備的整機模型構建模擬裝備真實行為的裝備模型；
13、模型優化模塊，用于利用裝備的多個特征參數數據訓練樣本，對裝備模型進行模型優化，得到優化后的裝備模型；
14、所述模型優化模塊，包括：
15、獲取裝備的多個特征參數數據訓練樣本，并將獲取的多個特征參數數據訓練樣本記為第一樣本數據；
16、對多個第一樣本數據分別進行特征提取，得到與多個第一樣本數據一一對應的多個特征向量；
17、針對多個特征向量中的任意一個特征向量，計算與特征向量對應的增廣熵損失函數的數值；
18、根據每個特征向量對應的增廣熵損失函數的數值，從多個第一樣本數據中篩選出多個第二樣本數據；
19、每個第二樣本數據是指數值小于預設閾值的特征向量所對應的第一樣本數據；
20、基于多個第二樣本數據以及對應的增廣熵損失函數，對裝備模型進行模型優化，得到優化后的裝備模型。
21、優選的，所述模型構建模塊的具體過程，包括：
22、將處理完成的特征參數數據輸入裝備特征化腳本庫和裝備特征零部件模型庫，生成裝備特征零部件模型；
23、將裝備特征零部件模型進行整合生成裝備整機模型，根據裝備的整機模型構建模擬裝備真實行為的裝備模型；
24、獲取裝備的多個特征參數數據訓練樣本，并將獲取的多個特征參數數據訓練樣本記為第一樣本數據，從多個第一樣本數據中篩選出多個第二樣本數據；
25、基于多個第二樣本數據以及對應的增廣熵損失函數，對裝備模型進行模型優化，得到優化后的裝備模型。
26、優選的，所述參數化配置模塊，包括：
27、模板創建模塊，用于對裝備的特征參數數據進行詳細分類，并根據行業標準和規范，定義各特征參數數據的參數化配置規則，并針對每類特征參數數據，創建各特征參數數據的基本模型模板；
28、配置模塊，用于對裝備模型參數化配置數據進行優化，根據優化后參數化配置數據對裝備模型進行參數化配置；
29、預警模塊，用于對裝備模型參數化配置的過程進行實時監控，確保在指定時間內裝備模型參數化配置成功，并對參數化配置不成功的情況進行預警提示。
30、優選的，所述配置模塊，包括：
31、獲取原始數據集集合，原始數據集集合由裝備各個歷史特征參數數據化配置標準數據和裝備各個歷史特征參數數據化配置最低數據和最高數據組成；
32、根據參數化配置項列表對裝備各個歷史特征參數數據化配置最低數據和最高數據項進行刪除，確定裝備各個歷史特征參數數據化配置的目標數據集合；
33、在各特征參數數據的基本模型模板中對裝備各個歷史特征參數數據化配置的目標數據集合進行編輯，得到預設參數化配置列表；
34、對預設參數化配置列表進行篩選，確定裝備各個特征參數數據化配置的目標數據集合；
35、根據裝備各個特征參數數據化配置的目標數據集合，獲取裝備模型參數化配置目標數據的最低值和最高值；
36、若裝備模型參數化配置數據的值在裝備模型參數化配置目標數據的最低值和最高值之間，則確定裝備模型參數化配置數據的值對應的一組參數化配置項為優化參數化配置數據；
<本文檔來自技高網...【技術保護點】
1.裝備模型參數化配置系統，其特征在于，包括：
2.根據權利要求1所述的裝備模型參數化配置系統，其特征在于：所述數據處理模塊，包括：
3.根據權利要求1所述的裝備模型參數化配置系統，其特征在于：所述模型構建模塊，包括：
4.根據權利要求3所述的裝備模型參數化配置系統，其特征在于：所述模型構建模塊的具體過程，包括：
5.根據權利要求1所述的裝備模型參數化配置系統，其特征在于：所述參數化配置模塊，包括：
6.根據權利要求5所述的裝備模型參數化配置系統，其特征在于：所述配置模塊，包括：
7.根據權利要求5所述的裝備模型參數化配置系統，其特征在于：所述預警模塊，包括：
8.根據權利要求7所述的裝備模型參數化配置系統，其特征在于：所述預警模塊，還包括：
9.根據權利要求8所述的裝備模型參數化配置系統，其特征在于：所述范圍調整判斷模塊，包括：
10.根據權利要求9所述的裝備模型參數化配置系統，其特征在于：所述范圍調整模塊，包括：
【技術特征摘要】
1.裝備模型參數化配置系統，其特征在于，包括：
2.根據權利要求1所述的裝備模型參數化配置系統，其特征在于：所述數據處理模塊，包括：
3.根據權利要求1所述的裝備模型參數化配置系統，其特征在于：所述模型構建模塊，包括：
4.根據權利要求3所述的裝備模型參數化配置系統，其特征在于：所述模型構建模塊的具體過程，包括：
5.根據權利要求1所述的裝備模型參數化配置系統，其特征在于：所述參數化配置模塊，包括：
6....
【專利技術屬性】
技術研發人員：劉琦，
申請(專利權)人：西安中朗智控科技有限公司，
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。