一种在线智能优化的半实物仿真方法及系统与流程

本发明涉及核电厂仿真，特别是一种在线智能优化的半实物仿真方法及系统。

背景技术：

1、仿真技术是应用仿真硬件和仿真软件通过仿真实验，借助某些数值计算和问题求解，反映系统行为或过程的仿真模型技术，仿真技术能够带来巨大的经济效益，仿真主要应用于航空、航天、电力以及化工等工程技术领域，在航空工业方面，采用仿真技术使大型客机的设计和研制周期缩短20％。

2、在核电领域，核电厂仿真技术融合了反应堆工程、热能动力、计算机以及控制技术等诸多领域的高新技术，全范围模拟机是核电厂仿真技术的重要成果之一，能够为操纵员培训和资格考试提供所必需的装置，并且能为调试运行提供重要参考。

3、目前，核电领域的仿真技术均采用离线仿真技术，根据被仿真系统的特性和功能建立仿真模型，并利用被仿真系统的真实数据结果来修正仿真模型，本发明针对现有技术中仿真模型精度不足和参数优化效率低下的缺陷进行改进。

技术实现思路

1、鉴于现有的在线智能优化的半实物仿真方法及系统中存在的问题，提出了本发明。

2、因此，本发明针对现有技术中仿真模型精度不足和参数优化效率低下的缺陷进行改进。

3、为解决上述技术问题，本发明提供如下技术方案：

4、第一方面，本发明实施例提供了一种在线智能优化的半实物仿真方法，其包括，基于仿真机、dcs系统和被仿真对象搭建半实物仿真模型，将仿真机与dcs系统连接，对被仿真对象进行预处理；

5、将预处理后的结果传输至仿真机，进行半实物仿真模型校准，提取非残余数据，利用预处理后的结果和非残余数据进行二次预处理；

6、引入智能算法分析二次预处理结果差异，自动调整半实物仿真模型参数，通过多轮迭代优化，优化半实物仿真模型精度。

7、作为本发明所述在线智能优化的半实物仿真方法的一种优选方案，其中：所述搭建半实物仿真模型包括将仿真机、dcs系统和被仿真对象通过硬件连接和软件集成进行搭建；

8、所述硬件连接包括使用高带宽的以太网或光纤网络，将仿真机通过路由器和交换机与dcs系统相连；

9、所述软件集成包括在dcs系统中配置智能算法，完成对被仿真对象的监控控制，使用modbus通信协议完成仿真机与dcs系统的无缝集成。

10、作为本发明所述在线智能优化的半实物仿真方法的一种优选方案，其中：所述对被仿真对象进行预处理包括基于搭建半实物仿真模型从被仿真对象中采集初始数据集x0，所述初始数据集包括传感器读数和操作参数，当采集函数设为fac时，则计算采集初始数据集，具体计算公式为：

11、x0＝fac(o)＝{x0，i|i＝1，2，...，n}

12、其中，x0，i表示为第个采样点的数据，n表示采样点总数，o表示被仿真对象，x0表示初始数据集，fac表示采集函数；

13、采用小波变换去除高频噪声对采集初始数据集进行去噪处理，使用指数加权平均法对去噪后的数据进行平滑处理，所述去噪处理的具体计算公式为：

14、xd＝ω(x0)

15、其中，xd表示去噪后的平滑数据，x0表示初始数据集，ω表示小波变换函数；

16、从平滑后的数据中提取特征向量，采用主成分析法对特征向量进行降维，将降维后的特征向量进行归一化处理；

17、所述特征向量的降维向量计算公式为：

18、f＝fpca(xs)＝ωtxs

19、其中，ωt表示特征向量的矩阵，xs表示平滑后的数据集，f表示降维向量，fpca表示特征提取函数；

20、所述归一化处理的具体计算公式为：

21、

22、其中，f表示降维向量，fnorm表示归一化后的降维向量，fnorm表示归一化处理的函数，μ表示均值，σ表示标准差。

23、作为本发明所述在线智能优化的半实物仿真方法的一种优选方案，其中：所述将预处理后的结果传输至仿真机进行判断，基于判断结果动态调整预处理参数，具体步骤如下：

24、若去噪后数据xd的噪声水平满足||x0-xd||<∈1时，则表示去噪有效，继续后续处理；否则重新进行去噪处理，其中，∈1表示去噪处理的容许误差阈值；

25、若平滑后的数据集xs的变化率满足时，则表示平滑有效，继续后续处理；否则调整平滑窗口大小m重新进行平滑处理，∈2表示平滑处理的容许误差阈值；

26、若降维向量f的主成分贡献率满足其中λk表示第k个主成分的特征值，p表示选择的主成分个数，则认为特征提取有效，继续后续处理；否则调整主成分个数p重新进行特征提取，∈3表示特征提取的主成分贡献率阈值。

27、作为本发明所述在线智能优化的半实物仿真方法的一种优选方案，其中：所述进行半实物仿真模型校准包括仿真机使用降维向量对初始仿真模型m0进行校准，设校准函数为fc，则校准后的仿真模型公式为：

28、m1＝fc(m0，fnorm)

29、其中，m1表示经过校准后的仿真模型，fc表示校准函数，m0表示初始仿真模型，fnorm表示归一化后的降维向量；

30、所述二次预处理包括使用校准后的仿真模型m1和非残余数据x1进行计算，完成半实物仿真模型的判断，定义二次预处理函数fp2，具体计算公式为：

31、y0＝fp2(m1，x1)

32、其中，y0表示二次预处理结果，x1表示非残余数据，m1表示经过校准后的仿真模型，fp2表示二次预处理函数；

33、完成半实物仿真模型的判断包括利用降维向量与仿真模型进行融合，定义融合函数为ffusion，计算得到融合后的结果，具体计算公式为：

34、yfusion＝ffusion(fnonlin，m1)

35、其中，yfusion表示降维向量与仿真模型融合结果，ffusion表示融合函数，m1表示仿真模型；

36、若融合后的结果yfusion与仿真模型m1的相关性满足corr(yfusion，m1)>初始数据集的操作参数时，则表示模型融合有效，继续后续处理；否则，调整模型融合参数重新进行融合；

37、对融合后的结果进行误差修正，定义误差修正函数为ferror，计算得到融合后的二次预处理结果，具体计算公式为：

38、y'0＝ferror(yfusion，x1，aligned)

39、其中，y'0表示融合后的二次预处理结果，ferror表示定义误差修正函数，x1，aligned表示配准后的数据，yfusion表示降维向量与仿真模型融合结果；

40、若融合后的二次预处理结果y'0的均方根误差满足rmse(y0，x1，aligned)<y0时，则表示误差修正有效，预处理完成；否则，调整误差修正函数重新进行修正。

41、作为本发明所述在线智能优化的半实物仿真方法的一种优选方案，其中：所述分析二次预处理结果差异包括将二次预处理结果和实际数据误差e1作为智能算法的输入，自动调整仿真模型m1的参数；

42、当所述智能算法的优化函数为fa时，则自动调整仿真模型后的结果为m'1＝fa(m2，e1)；

43、所述多轮迭代优化包括设立优化后的仿真模型mopt，通过仿真机s输出mopt的仿真结果，验证仿真模型的精度v，则计算精度验证结果为：

44、v＝fv(mopt，x)

45、其中，v表示验证仿真模型的精度，mopt表示仿真结果，x表示实际数据集，fv表示验证函数。

46、作为本发明所述在线智能优化的半实物仿真方法的一种优选方案，其中：所述优化半实物仿真模型精度包括根据自动调整仿真模型后的结果m'1与验证仿真模型的精度v进行比较，具体步骤如下：

47、若m'1<v时，则正常迭代，输出所述半实物仿真模型精度的数据；

48、若m'1≥v时，则停止迭代，此时n次进行预处理和校准，直至迭代处于m'1<v情况的正常迭代为止。

49、第二方面，本发明实施例提供了一种在线智能优化的半实物仿真系统，其包括：预处理模块，其对象搭建半实物仿真模型，将仿真机与dcs系统连接，对被仿真对象进行预处理；

50、校准模块，其将预处理后的结果传输至仿真机，进行半实物仿真模型校准；

51、优化模块，其引入智能算法分析二次预处理结果差异，自动调整半实物仿真模型参数，优化半实物仿真模型精度。

52、第三方面，本发明实施例提供了一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，其中：所述处理器执行所述计算机程序时实现上述的在线智能优化的半实物仿真方法的任一步骤。

53、第四方面，本发明实施例提供了一种计算机可读存储介质，其上存储有计算机程序，其中：所述计算机程序被处理器执行时实现上述的在线智能优化的半实物仿真方法的任一步骤。

54、本发明有益效果为：本发明通过引入智能算法对仿真模型参数进行迭代优化，实现了高效且精确的仿真模型校准和预处理，通过多轮迭代优化和误差修正，提高了仿真模型的精度和可靠性，解决了现有技术中仿真模型精度不足和参数优化效率低下的问题，本发明利用高带宽网络和智能算法的无缝集成，实现了dcs系统和仿真机的高效连接与数据传输，保证了系统的实时性和稳定性，为半实物仿真提供了更加精准和智能的解决方案，广泛适用于复杂工业过程的仿真与优化。