1.一种基于虚实融合的数据驾驶舱系统的实现方法,其特征在于,包括以下步骤:S1.构建数字孪生模型,利用数字孪生技术将现实场景进行实测、仿真、数据分析,实时感知、诊断、预测实体对象的状态,设立需要进行数据可视化分析的不同维度的指标参数;
S2.基于多层神经网络的训练学习,构建关于实体对象参数与监测感知数据之间的数学模型,实现实体对象与虚拟仿真模型之间的即时信息交互,并拟合出多项式表达函数;构建深度拟合神经网络模型,选取N组M维的监测感知数据及其对应的实体对象参数作为训练样本,将N组M维的检测感知数据依次输入深度拟合神经网络模型中,通过神经网络的学习训练,得到模型输出,并与输入数据对应的实体对象参数进行误差分析,根据误差分析对神经网络模型中的参数进行修正,使深度拟合神经网络的精准度达到预设目标;
深度拟合神经网络包括输入层、特征划分层、过滤层、拟合层、自学习层和输出层;将N×M个向量D={D1,D2,…DN}送入深度拟合神经网络模型中进行训练,对于任意一组M维向量对于任意一个维度的N个向量深度拟合神经网络模型的具体处理过程如下:将N×M个向量D送入输入层,输入层对训练样本进行统一赋值,输入层的计算公式为:其中,Dj表示赋值后的第j维度的数据集,表示第j维度下的第i + 1个数据;输入层将处理后的数据传送给特征划分层;
特征划分层通过滑动窗口将所有数据划分为多个块,特征划分层的计算公式为:
其中,f0表示特征提取层的输入,ω12表示输入层与特征提取层的连接权重,b2表示特征提取层的偏置,f1表示特征提取层的输出,lmin表示最小滑动窗口步长,lmax表示最大滑动窗口步长;通过双曲正切函数捕捉局部波动信息,通过调整窗口步长获取不同精度的数据特征,特征划分层将划分后的数据传送给过滤层;
过滤层选取每个窗口中符合预设阈值的数据作为数据特征,并将数据特征传送给拟合层;
拟合层通过数据前后关系进行差值拟合,拟合层的计算公式为:
fit0=ω34fil1+b4
其中,fit0表示拟合层的输入,fil1表示过滤层的输出,ω34表示拟合层与过滤层之间的连接权重,b4表示拟合层的偏置,fit1表示拟合层的输出,表示拟合层输入数据的均值;拟合层将fit1传送给自学习层;
自学习层对拟合结果进行多次自我验证和修正,自学习层的计算公式为:
sl0=ω45fit1+b5
sl1=θ×sl0
其中,sl0表示自学习层的输入,sl1表示自学习层的输出,ω45表示拟合层与自学习层之间的连接权重,b5表示自学习层的偏置;自学习层将最终结果传送给输出层;
输出层输出最终得到的多项式表达函数,将监测感知数据输入多项式表达函数中,得到对应的实体对象参数,将计算得到的实体对象参数与实际的实体对象参数进行误差分析,根据误差分析对深度拟合神经网络中的参数进行修正,直至深度拟合神经网络的计算精度达到期望水平,从而得到训练完成的深度拟合神经网络;
实时更新检测感知数据,得到与现实同步的数字孪生数据驾驶舱,将指标分析结果进行展示。
2.如权利要求1所述的一种基于虚实融合的数据驾驶舱系统的实现方法,其特征在于,所述步骤S1具体包括:获取原始数据,对数据进行预处理,将预处理后的数据编辑形成不同属性的数据集,所述属性包含数据的分类字段;将数据集根据分类字段形成结构化存入数据驾驶舱系统的数据仓库中。
3.一种基于虚实融合的数据驾驶舱系统,应用于权利要求1所述的一种基于虚实融合的数据驾驶舱系统的实现方法,其特征在于,包括以下部分:信息获取模块、模型构建模块、数据仓库、指标设定模块、数据请求模块、深度学习模块、仿真分析模块和可视化模块;
所述模型构建模块,用于通过交互式视窗编辑模式或结构化数据实例化模式搭建数字孪生模型,并建立模型要素和实体对象要素之间的映射关系,所述模型构建模块将构建后的数字孪生模型通过数据传输的方式发送给所述可视化模块;
所述指标设定模块,用于设立需要进行数据可视化分析的不同维度的指标参数,所述指标设定模块将指标所需数据通过数据传输的方式发送给所述数据请求模块;
所述深度学习模块,用于基于多层神经网络的训练学习,构建深度拟合神经网络模型,得到关于实体对象参数与监测感知数据之间的数学模型,实现实体对象与虚拟仿真模型之间的即时信息交互,并拟合出多项式表达函数,所述深度学习模块将拟合函数的计算结果通过数据传输的方式发送给所述模型构建模块。