買專利賣專利找龍圖騰，真高效！ 查專利查商標用IPTOP,全免費！專利年費監控用IP管家,真方便！

龍圖騰網獲悉北京航空航天大學申請的專利一種空天裝備極端工況下數實融合試驗方法獲國家發明授權專利權，本發明授權專利權由國家知識產權局授予，授權公告號為：CN119514384B 。

龍圖騰網通過國家知識產權局官網在2025-09-26發布的發明授權授權公告中獲悉：該發明授權的專利申請號/專利號為：202411778830.7，技術領域涉及：G06F30/27；該發明授權一種空天裝備極端工況下數實融合試驗方法是由魏宇鵬;魏宏;陶飛;鄒孝付設計研發完成，并于2024-12-05向國家知識產權局提交的專利申請。

本一種空天裝備極端工況下數實融合試驗方法在說明書摘要公布了：本發明公開了一種空天裝備極端工況下數實融合試驗方法，屬于電子工程和計算機科學領域。包括：設計空天裝備數字建模模塊，對空天裝備的實際特征進行提取，利用數字建模的方法構建數字化模型，并基于空天裝備的相關特征和歷史數據完成對空天裝備的數字化模型的迭代和驗證；設計極端工況下數實融合試驗模塊，在已有的空天裝備的數字化模型中進行動態泛化，其次，利用空天裝備極端工況下的測試數據優化動態模型，最后將優化模型進行實際物理驗證，形成極端工況下的數字化模型控制系統，引入數字孿生技術，在模型和裝備之間建立閉環反饋，調整裝備的運行工況。本發明能夠保障空天裝備安全，減少物理試驗成本，提高試驗效率，實時調整裝備的運行工況。

本發明授權一種空天裝備極端工況下數實融合試驗方法在權利要求書中公布了：1.一種空天裝備極端工況下數實融合試驗方法，其特征在于，包括： 步驟（1）、構建空天裝備數字建模模塊，用數字建模的方法構建空天裝備數字化模型，并利用空天裝備的相關特征和歷史數據完成對空天裝備的數字化模型的迭代和驗證； 步驟（2）、構建極端工況下數實融合試驗模塊，用于將構建的數字化模型進行動態泛化，并利用歷史數據進行初步驗證，利用實際物理驗證模型的可行性； 步驟（2）中極端工況下數實融合試驗模塊具體實現如下： 步驟（2.1）將空天裝備數字化模型進行模型的泛化與優化，即利用因果學習、遷移學習和自適應算法將已經建立的數字化模型進行模型的泛化，得到數字化動態模型，具體算法實現為： 首先，通過因果學習方法分析模型輸入特征與輸出結果之間的因果關系，從而剔除無關變量或干擾特征，提高模型泛化能力，構建因果圖； ， 其中，節點V表示變量，邊E表示因果關系，然后構建因果方程，使用工具變量方法剔除偽相關變量； ， 其中，Y為輸出變量，X為輸入特征，為誤差項，為因果效應系數；僅選擇與目標輸出具有直接因果關系的變量，通過深度學習神經網絡訓練數字化模型，得到滿足因果的模型； 其次，基于因果學習篩選的變量構建特征映射，通過最大均值差異方法對源域和目標域數據分布對齊，然后進行遷移模型的訓練，最后根據下述公式進行參數微調： ， 為模型的參數集，k為當前迭代次數，代表學習率，控制每次梯度更新的步長，表示對模型參數計算的損失函數梯度，用于更新參數； 最后，將遷移后的模型基于實時誤差函數動態優化參數，根據下述公式調整： ， 為實時誤差函數；對于非神經網絡參數，利用Kalman濾波進行優化，首先進行狀態預測，下式為狀態預測函數： 為根據當前狀態預測的下一時刻狀態，表示在第k+1時刻的參數估計，A為狀態轉移矩陣，表示參數狀態從k時刻到k+1時刻的演變規律，B為控制輸入矩陣，用于描述外部控制對狀態的影響，為控制輸入，表示外部作用對狀態的調整； 然后根據預測函數進行狀態更新；狀態更新函數為下式所示： ， 為更新后的模型參數，結合預測狀態和測量誤差進行修正，為Kalman增益，為目標域中的真實觀測值，C為測量矩陣，用于將預測狀態映射到觀測空間； 根據環境數據動態調整因果圖中的變量關系，以應對實時環境變化，確保遷移學習結果在目標域中的有效性； 步驟（2.2）對數字化動態模型進行初步數據驗證，即將原有的空天裝備中基于極端工況的歷史數據的輸入作為數字化動態模型的輸入，對比極端工況下的輸出數據和數字化動態模型的輸出數據，如果數字化動態模型的輸出的準確率滿足在空天裝備設計允許范圍內，總體平均誤差小于m%，峰值誤差小于n%,，其中nm0，則證實了數字化動態模型的正確性，否則，重新校正數字化動態模型； 步驟（2.3）對數字化動態模型進行實際物理驗證，即在空天裝備上引入智能檢測方法，該智能檢測方法通過構建多模態傳感器網絡和邊緣計算方法，實現對空天裝備運行狀態全方位的實時監測和數據處理功能，其中多模態傳感器網絡結合多種傳感方式，將這些傳感器通過高帶寬、低延遲的TSN時間敏感網絡通信協議形成網絡，實現數據互聯與同步采集，通過邊緣計算方法，直接在傳感器端進行實時數據處理，利用低延遲的快速傅里葉變換FFT對振動、溫度、加速度各高頻數據進行頻譜分析，剔除噪聲或異常值，減少延遲并提高反饋速度，將動態數據輸入到訓練好的數字化動態模型中，將輸出的數據進行實時比對，避免歷史數據的偶然性和不準確性，如果輸出數據的準確性在空天裝備設計允許范圍內，總體平均誤差小于m%，峰值誤差小于n%,，其中nm0，從而驗證數字化動態模型的正確性； 步驟（2.4）搭建空天裝備數字化模型系統，即搭建空天裝備的極端工況系統，引入數字孿生方法，利用3D掃描儀掃描相應的空天裝備，利用掃描得到的點云建模數據構建仿真模型，將仿真模型的數據接口和實際空天裝備對應數據接口綁定，實現數據傳輸，包括現實情況下的溫度、濕度，以及裝備的時序工作數據，實現虛擬模型和實際裝備之間的數據連接，將仿真模型的輸出數據和指令接口與實際裝備的數據和指令接口綁定，實現虛擬模型和實際裝備之間的數據和指令連接，將數字化動態模型作為數字化模型系統的算法模塊，通過控制仿真模型的輸出指令從而控制裝備的工作狀態，通過實時數據更新，在虛擬模型和實際裝備之間建立閉環反饋系統，完成空天裝備數字化模型控制系統的搭建。

如需購買、轉讓、實施、許可或投資類似專利技術，可聯系本專利的申請人或專利權人北京航空航天大學，其通訊地址為：100191 北京市海淀區學院路37號；或者聯系龍圖騰網官方客服，聯系龍圖騰網可撥打電話0551-65771310或微信搜索“龍圖騰網”。