[發(fā)明專利]一種電子裝備數(shù)字孿生模型構(gòu)建方法、系統(tǒng)及設(shè)備

在審

• 申請?zhí)枺?/td>: 202310373665.6
• 申請日: 2023-04-10
• 公開（公告）號: CN116629094A
• 公開（公告）日: 2023-08-22
• 發(fā)明（設(shè)計(jì)）人: 李樂;趙曉虎;閻德勁;陳維波;張郭勇;賴復(fù)堯;葛長健;王棕世
• 申請（專利權(quán)）人: 中國電子科技集團(tuán)公司第十研究所
• 主分類號: G06F30/27
• 分類號: G06F30/27;G06F30/22;G06N3/04
• 代理公司: 成都九鼎天元知識產(chǎn)權(quán)代理有限公司 51214
• 代理人: 劉世權(quán)

本發(fā)明公開了一種電子裝備數(shù)字孿生模型構(gòu)建方法、系統(tǒng)及設(shè)備，該方法包括獲取目標(biāo)設(shè)備關(guān)于功能指標(biāo)數(shù)據(jù)與模塊指標(biāo)數(shù)據(jù)的關(guān)聯(lián)關(guān)系；將所述功能指標(biāo)數(shù)據(jù)與所述模塊指標(biāo)數(shù)據(jù)進(jìn)行歸一化處理；計(jì)算每項(xiàng)模塊指標(biāo)數(shù)據(jù)與所述功能指標(biāo)數(shù)據(jù)的皮爾遜相關(guān)系數(shù)；將所述皮爾遜相關(guān)系數(shù)進(jìn)行標(biāo)準(zhǔn)差歸一化計(jì)算，獲得每個(gè)模塊指標(biāo)數(shù)據(jù)的權(quán)系數(shù)；基于所述權(quán)系數(shù)與對應(yīng)的模塊指標(biāo)數(shù)據(jù)，確定新的模塊指標(biāo)數(shù)據(jù)；利用新的模塊指標(biāo)數(shù)據(jù)與預(yù)設(shè)智能算法，構(gòu)建目標(biāo)設(shè)備的數(shù)字孿生模型。本發(fā)明通過領(lǐng)域知識對應(yīng)的物理表達(dá)式將智能算法的輸入數(shù)據(jù)和訓(xùn)練所需的目標(biāo)數(shù)據(jù)關(guān)聯(lián)起來，將領(lǐng)域知識與算法模型相互結(jié)合，提升了算法的準(zhǔn)確性。

技術(shù)領(lǐng)域

本發(fā)明涉及電子裝備研制技術(shù)領(lǐng)域，尤其涉及到一種電子裝備數(shù)字孿生模型構(gòu)建方法、系統(tǒng)及設(shè)備。

背景技術(shù)

經(jīng)過幾十年的發(fā)展，機(jī)器學(xué)習(xí)已經(jīng)成為建立數(shù)字孿生模型的有力工具。機(jī)器學(xué)習(xí)算法，尤其是神經(jīng)網(wǎng)絡(luò)，能夠基于大量的訓(xùn)練數(shù)據(jù)自主學(xué)習(xí)，有效找到變量之間復(fù)雜的映射關(guān)系，并構(gòu)建預(yù)測模型。因此，近幾年來，諸多機(jī)器學(xué)習(xí)算法從計(jì)算機(jī)領(lǐng)域中延伸出來，在許多科學(xué)和工程領(lǐng)域中得到廣泛的應(yīng)用。

神經(jīng)網(wǎng)絡(luò)是將多個(gè)單一神經(jīng)元連接在一起，將一個(gè)神經(jīng)元的輸出作為下一個(gè)神經(jīng)元的輸入。如圖1所示，即是一個(gè)簡單的神經(jīng)網(wǎng)絡(luò)。在圖中使用圓形來表示神經(jīng)網(wǎng)絡(luò)的單個(gè)神經(jīng)節(jié)點(diǎn)，其中帶有“+1”標(biāo)示的圓是神經(jīng)網(wǎng)絡(luò)的偏置節(jié)點(diǎn)，或者叫做截距項(xiàng)。神經(jīng)網(wǎng)絡(luò)最左邊一層稱為輸入層，最右邊的一層稱為輸出層。中間一層稱為神經(jīng)網(wǎng)絡(luò)的隱藏層，它由處于中間位置的所有神經(jīng)節(jié)點(diǎn)組成，不能在神經(jīng)網(wǎng)絡(luò)訓(xùn)練過程中直接觀測到。

這里n_l表示神經(jīng)網(wǎng)絡(luò)層數(shù)，本神經(jīng)網(wǎng)絡(luò)中n_l＝3，將第L層記為l₁，那么l₁是輸入層，是輸出層。這個(gè)神經(jīng)網(wǎng)絡(luò)有參數(shù)(W,b)＝(W⁽¹⁾,b⁽¹⁾,W⁽²⁾,b⁽²⁾)，其中是第l層第j節(jié)點(diǎn)與第l+1層第i節(jié)點(diǎn)之間的聯(lián)接權(quán)重參數(shù)，是第l+1層第i節(jié)點(diǎn)的截距項(xiàng)。因此在本例中，W⁽¹⁾∈R^3×3，W⁽²⁾∈R^1×3。偏置節(jié)點(diǎn)只與后項(xiàng)節(jié)點(diǎn)相連，沒有前向節(jié)點(diǎn)，它的輸出值總是+1。在此，我們將第l層的節(jié)點(diǎn)數(shù)表示S_l(偏置節(jié)點(diǎn)不計(jì)算在內(nèi))。

表示第l層第i節(jié)點(diǎn)的輸出值。當(dāng)l＝1時(shí)，也就是第i個(gè)輸入值(輸入值的第i個(gè)特征)。對于給定參數(shù)集合(W,b)，神經(jīng)網(wǎng)絡(luò)就能夠通過函數(shù)h_W,b(x)來計(jì)算其輸出結(jié)果。以下給出的神經(jīng)網(wǎng)絡(luò)基本計(jì)算步驟：

將用來表示第l層第i節(jié)點(diǎn)的激活值(計(jì)算偏置節(jié)點(diǎn)的值)，那么：

以上公式就可以簡化為:

隨后，將激活函數(shù)f以向量的形式進(jìn)行擴(kuò)展為來表示，即：

f([z₁,z₂,z₃])＝[f(z₁),f(z₂),f(z₃)]

這樣，上面等式可以更簡潔地表示為：

z⁽²⁾＝W⁽¹⁾x+b⁽¹⁾

a⁽²⁾＝f(z⁽²⁾)

z⁽³⁾＝W⁽²⁾a⁽²⁾+b⁽²⁾