(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210790859.1 (22)申请日 2022.07.05 (71)申请人 北京航空航天大 学 地址 100191 北京市海淀区学院路37号 (72)发明人 夏权　王自力　任羿　孙博　 杨德真　冯强　 (51)Int.Cl. G01K 15/00(2006.01) G06F 30/27(2020.01) G06F 30/23(2020.01) G06N 3/04(2006.01) G06N 3/08(2006.01) G06F 119/08(2020.01) (54)发明名称 一种面向数字孪生应用的温度传感器测量 数据在线校验方法 (57)摘要 本发明涉及一种面向数字孪生应用的温度 传感器测量数据在线校验方法， 步骤包括： 开展 产品温度传感器布置设计， 分别构建面向产品热 仿真和传感器数据校验的物理信息神经网络模 型， 通过增加训练数据， 结合传感器布置优化， 验 证并提高模 型的准确性； 在 线获取传感器采集的 温度数据， 确定要校验的传感器， 调用相应的物 理信息神经网络模型， 计算产品全域的温度场， 通过对比分析有无该传感器数据输入的温度场 分布计算结果， 实现传感器采集数据的校验。 该 方法在高效准确地温度场计算基础上， 利用物理 规律对温度传感器测量数据进行在线校验， 为实 现数字孪生提供了技 术方法。 权利要求书1页 说明书6页 附图3页 CN 115144100 A 2022.10.04 CN 115144100 A 1.一种面向数字孪生应用的温度传感器测量数据在线校验方法， 其特征在于： 包含以 下步骤： 步骤1： 产品温度传感器布置设计并将其分别编号 为i； 步骤2： 构建并训练面向产品热仿真的物理信息神经网络模型， 记为 W； 步骤3： 验证面向产品热仿真的物理信 息神经网络模型W的准确度， 若不满足精度要求， 则根据误差的大小， 增 加训练数据或优化传感器布置； 步骤4： 构建并训练用于传感器数据校验的产品物理信息神经网络模型， 记为 Wi； 步骤5： 验证用于 数据校验的物理信息神经网络模型Wi的准确度。 若 不满足精度要 求， 则 增加训练数据； 步骤6： 在线获取传感器采集的温度数据， 确定要校验的传感器编号 i； 步骤7： 调用物理信息神经网络模型W， 仿真计算产品全域的温度场， 记为T； 步骤8： 选择除i之外的n ‑1个温度传感器测量数据点， 调用相应的物 理信息神经网络模 型Wi， 计算温度场， 记为Ti； 步骤9： 计算温度场T与Ti的差值， 记为 误差Ei； 步骤10： 判断误差Ei是否可接受， 若可接受， 表示传感器i测量误差 可接受， 则用W计算结 果T作为温度场分布数据； 若不可接受， 表示传感器i测量误差不可接受， 则用Wi计算结果Ti 作为温度场分布数据； 通过以上步骤， 一种面向数字 孪生应用的温度传感器测量数据在线校验方法。 2.根据权利要求1所述的一种面向数字孪生应用的温度传感器测量数据在线校验方 法， 其特征在于： 所述步骤1中， 产品温度传感器布置设计。 根据产品的结构和功能特点， 确定温度传感 器布置数量n及位置， 传感器布置原则为需覆盖产品结构复杂、 关键功能位置， 完成n个传感 器布置并将其分别编号 为i， i＝1,2,…,n。 3.根据权利要求1所述的一种面向数字孪生应用的温度传感器测量数据在线校验方 法， 其特征在于： 所述步骤2中， 构建基于能量守恒方程的产品传热数学模型， 采用物 理信息启发的神经 网络方法， 将传热数学模型作为神经网络损失函数的一部 分， 以n个温度传感器测量数据点 为输入， 产品全域的温度场分布为输出， 构建并训练面向产品热仿真的物理信息神经网络 模型， 并将模型记为 W。 4.根据权利要求1所述的一种面向数字孪生应用的温度传感器测量数据在线校验方 法， 其特征在于： 所述步骤4中， 基于步骤2构建的传热数学模型和物理信息神经网络方法， 以n ‑1个温度 传感器测量数据点为输入， 产品全域的温度场分布为输出， 构建 并训练用于传感器i数据校 验的产品物 理信息神经网络模型， 记为Wi， i＝1,2, …,n， 其中Wi模型的输入不包括传感器i 的测量数据， 同理针对n个温度传感器可构建n个用于传感器数据校验的产品热仿真模型。权　利　要　求　书 1/1 页 2 CN 115144100 A 2一种面向数字孪生应用的温度传感器测量数据在线 校验方法 所属技术领域 [0001]本发明涉及数字孪生技术领域， 特别是一种面向数字孪生应用的温度传感器测量 数据在线校验方法。 背景技术 [0002]近年来， 数字孪生如火如荼， 它是物理实体在生命周期内具有实时真实映射和交 互能力的虚拟孪生体， 能为其评估、 优化和预测提供更详实信息。 数字孪生的概念是由美国 密歇根大学Grieves教授于2003年提出； 2014年， 数字孪生白皮书发布了 “物理空间、 数字空 间和相互连接 ”的三维架构。 产品数字孪生的应用能够实现产品状态和发展趋势的准确 把 握， 有助于指导产品的使用和运 维决策， 特别是针对制造成本高、 可靠性安全性要求高的高 端产品， 具有重要的应用价 值。 [0003]数字孪生通过充分利用物理模型、 传感器更新、 运行历史等数据， 集成多学科、 多 物理量、 多尺度、 多概率的仿 真过程， 在虚拟空间中完成映射。 因此， 准确的传感器测量数据 和高效的物理仿 真模型是实现数字孪生的基础。 在数据采集方面， 随着物联网、 移动互联网 等技术领域的兴起， 传感器技术朝着智能化、 微型化、 仿生化方向不断发展， 新一代智能传 感器具有数据采集、 转换、 分析等功能， 其性能已能够充分满足产品数据采集的精度要求， 但在实际使用过程中仍会受到复杂的内外因素影响， 导致测量数据存在误差； 在仿真模型 方面， 基于有限元/体积方法能够实现准确地仿真推演， 尽管近年来计算能力已得到了很大 的提高， 但仍然无法满足在线实时的仿真应用需求。 [0004]产品的温度信息是数字孪生的关键物理要素之一， 传感器测量的温度信息难免存 在误差。 对传感器测 量的数据进行校验通常要引入新的准确的传感器， 而往往忽略了多点 温度信息隐含的产品结构和传热的物理规律。 如何结合产品热仿 真模型， 挖掘物理规律， 对 温度传感器测量的数据进 行在线校验， 是数字孪生亟需解决的关键问题。 鉴于此， 有必 要给 出一种面向数字 孪生应用的温度传感器测量数据在线校验方法。 发明内容 [0005]本发明的目的是为了解决数字孪生应用中温度传感器测量数据在线校验的问题， 提出一种基于物理信息神经网络模型的温度传感器测量数据在线校验方法， 主要包含以下 步骤： [0006]步骤1： 产品温度传感器布置设计。 根据产品的结构和功能特点， 确定温度传感器 布置数量n及位置， 传感器布置原则为需覆盖产品结构复杂、 关键功能位置， 完成n个传感器 布置并将其分别编号 为i， i＝1,2,…,n； [0007]步骤2： 构建基于能量守恒方程的产品传热数学模型， 采用物理信息启发的神经 网 络方法， 将传热数学模型作为神经网络损失函数的一部 分， 以n个温度传感器测量数据点为 输入， 产品全域的温度场分布为输出， 构建并训练面向产品热仿真的物理信息神经网络模 型， 并将模型记为 W；说　明　书 1/6 页 3 CN 115144100 A 3