本發(fā)明涉及核電廠仿真，特別是一種在線智能優(yōu)化的半實物仿真方法及系統(tǒng)。

背景技術：

1、仿真技術是應用仿真硬件和仿真軟件通過仿真實驗，借助某些數(shù)值計算和問題求解，反映系統(tǒng)行為或過程的仿真模型技術，仿真技術能夠帶來巨大的經(jīng)濟效益，仿真主要應用于航空、航天、電力以及化工等工程技術領域，在航空工業(yè)方面，采用仿真技術使大型客機的設計和研制周期縮短20％。

2、在核電領域，核電廠仿真技術融合了反應堆工程、熱能動力、計算機以及控制技術等諸多領域的高新技術，全范圍模擬機是核電廠仿真技術的重要成果之一，能夠為操縱員培訓和資格考試提供所必需的裝置，并且能為調試運行提供重要參考。

3、目前，核電領域的仿真技術均采用離線仿真技術，根據(jù)被仿真系統(tǒng)的特性和功能建立仿真模型，并利用被仿真系統(tǒng)的真實數(shù)據(jù)結果來修正仿真模型，本發(fā)明針對現(xiàn)有技術中仿真模型精度不足和參數(shù)優(yōu)化效率低下的缺陷進行改進。

技術實現(xiàn)思路

1、鑒于現(xiàn)有的在線智能優(yōu)化的半實物仿真方法及系統(tǒng)中存在的問題，提出了本發(fā)明。

2、因此，本發(fā)明針對現(xiàn)有技術中仿真模型精度不足和參數(shù)優(yōu)化效率低下的缺陷進行改進。

3、為解決上述技術問題，本發(fā)明提供如下技術方案：

4、第一方面，本發(fā)明實施例提供了一種在線智能優(yōu)化的半實物仿真方法，其包括，基于仿真機、dcs系統(tǒng)和被仿真對象搭建半實物仿真模型，將仿真機與dcs系統(tǒng)連接，對被仿真對象進行預處理；

5、將預處理后的結果傳輸至仿真機，進行半實物仿真模型校準，提取非殘余數(shù)據(jù)，利用預處理后的結果和非殘余數(shù)據(jù)進行二次預處理；

6、引入智能算法分析二次預處理結果差異，自動調整半實物仿真模型參數(shù)，通過多輪迭代優(yōu)化，優(yōu)化半實物仿真模型精度。

7、作為本發(fā)明所述在線智能優(yōu)化的半實物仿真方法的一種優(yōu)選方案，其中：所述搭建半實物仿真模型包括將仿真機、dcs系統(tǒng)和被仿真對象通過硬件連接和軟件集成進行搭建；

8、所述硬件連接包括使用高帶寬的以太網(wǎng)或光纖網(wǎng)絡，將仿真機通過路由器和交換機與dcs系統(tǒng)相連；

9、所述軟件集成包括在dcs系統(tǒng)中配置智能算法，完成對被仿真對象的監(jiān)控控制，使用modbus通信協(xié)議完成仿真機與dcs系統(tǒng)的無縫集成。

10、作為本發(fā)明所述在線智能優(yōu)化的半實物仿真方法的一種優(yōu)選方案，其中：所述對被仿真對象進行預處理包括基于搭建半實物仿真模型從被仿真對象中采集初始數(shù)據(jù)集x0，所述初始數(shù)據(jù)集包括傳感器讀數(shù)和操作參數(shù)，當采集函數(shù)設為fac時，則計算采集初始數(shù)據(jù)集，具體計算公式為：

11、x0＝fac(o)＝{x0，i|i＝1，2，...，n}

12、其中，x0，i表示為第個采樣點的數(shù)據(jù)，n表示采樣點總數(shù)，o表示被仿真對象，x0表示初始數(shù)據(jù)集，fac表示采集函數(shù)；

13、采用小波變換去除高頻噪聲對采集初始數(shù)據(jù)集進行去噪處理，使用指數(shù)加權平均法對去噪后的數(shù)據(jù)進行平滑處理，所述去噪處理的具體計算公式為：

14、xd＝ω(x0)

15、其中，xd表示去噪后的平滑數(shù)據(jù)，x0表示初始數(shù)據(jù)集，ω表示小波變換函數(shù)；

16、從平滑后的數(shù)據(jù)中提取特征向量，采用主成分析法對特征向量進行降維，將降維后的特征向量進行歸一化處理；

17、所述特征向量的降維向量計算公式為：

18、f＝fpca(xs)＝ωtxs

19、其中，ωt表示特征向量的矩陣，xs表示平滑后的數(shù)據(jù)集，f表示降維向量，fpca表示特征提取函數(shù)；

20、所述歸一化處理的具體計算公式為：

21、

22、其中，f表示降維向量，fnorm表示歸一化后的降維向量，fnorm表示歸一化處理的函數(shù)，μ表示均值，σ表示標準差。

23、作為本發(fā)明所述在線智能優(yōu)化的半實物仿真方法的一種優(yōu)選方案，其中：所述將預處理后的結果傳輸至仿真機進行判斷，基于判斷結果動態(tài)調整預處理參數(shù)，具體步驟如下：

24、若去噪后數(shù)據(jù)xd的噪聲水平滿足||x0-xd||<∈1時，則表示去噪有效，繼續(xù)后續(xù)處理；否則重新進行去噪處理，其中，∈1表示去噪處理的容許誤差閾值；

25、若平滑后的數(shù)據(jù)集xs的變化率滿足時，則表示平滑有效，繼續(xù)后續(xù)處理；否則調整平滑窗口大小m重新進行平滑處理，∈2表示平滑處理的容許誤差閾值；

26、若降維向量f的主成分貢獻率滿足其中λk表示第k個主成分的特征值，p表示選擇的主成分個數(shù)，則認為特征提取有效，繼續(xù)后續(xù)處理；否則調整主成分個數(shù)p重新進行特征提取，∈3表示特征提取的主成分貢獻率閾值。

27、作為本發(fā)明所述在線智能優(yōu)化的半實物仿真方法的一種優(yōu)選方案，其中：所述進行半實物仿真模型校準包括仿真機使用降維向量對初始仿真模型m0進行校準，設校準函數(shù)為fc，則校準后的仿真模型公式為：

28、m1＝fc(m0，fnorm)

29、其中，m1表示經(jīng)過校準后的仿真模型，fc表示校準函數(shù)，m0表示初始仿真模型，fnorm表示歸一化后的降維向量；

30、所述二次預處理包括使用校準后的仿真模型m1和非殘余數(shù)據(jù)x1進行計算，完成半實物仿真模型的判斷，定義二次預處理函數(shù)fp2，具體計算公式為：

31、y0＝fp2(m1，x1)

32、其中，y0表示二次預處理結果，x1表示非殘余數(shù)據(jù)，m1表示經(jīng)過校準后的仿真模型，fp2表示二次預處理函數(shù)；

33、完成半實物仿真模型的判斷包括利用降維向量與仿真模型進行融合，定義融合函數(shù)為ffusion，計算得到融合后的結果，具體計算公式為：

34、yfusion＝ffusion(fnonlin，m1)

35、其中，yfusion表示降維向量與仿真模型融合結果，ffusion表示融合函數(shù)，m1表示仿真模型；

36、若融合后的結果yfusion與仿真模型m1的相關性滿足corr(yfusion，m1)>初始數(shù)據(jù)集的操作參數(shù)時，則表示模型融合有效，繼續(xù)后續(xù)處理；否則，調整模型融合參數(shù)重新進行融合；

37、對融合后的結果進行誤差修正，定義誤差修正函數(shù)為ferror，計算得到融合后的二次預處理結果，具體計算公式為：

38、y'0＝ferror(yfusion，x1，aligned)

39、其中，y'0表示融合后的二次預處理結果，ferror表示定義誤差修正函數(shù)，x1，aligned表示配準后的數(shù)據(jù)，yfusion表示降維向量與仿真模型融合結果；

40、若融合后的二次預處理結果y'0的均方根誤差滿足rmse(y0，x1，aligned)<y0時，則表示誤差修正有效，預處理完成；否則，調整誤差修正函數(shù)重新進行修正。

41、作為本發(fā)明所述在線智能優(yōu)化的半實物仿真方法的一種優(yōu)選方案，其中：所述分析二次預處理結果差異包括將二次預處理結果和實際數(shù)據(jù)誤差e1作為智能算法的輸入，自動調整仿真模型m1的參數(shù)；

42、當所述智能算法的優(yōu)化函數(shù)為fa時，則自動調整仿真模型后的結果為m'1＝fa(m2，e1)；

43、所述多輪迭代優(yōu)化包括設立優(yōu)化后的仿真模型mopt，通過仿真機s輸出mopt的仿真結果，驗證仿真模型的精度v，則計算精度驗證結果為：

44、v＝fv(mopt，x)

45、其中，v表示驗證仿真模型的精度，mopt表示仿真結果，x表示實際數(shù)據(jù)集，fv表示驗證函數(shù)。

46、作為本發(fā)明所述在線智能優(yōu)化的半實物仿真方法的一種優(yōu)選方案，其中：所述優(yōu)化半實物仿真模型精度包括根據(jù)自動調整仿真模型后的結果m'1與驗證仿真模型的精度v進行比較，具體步驟如下：

47、若m'1<v時，則正常迭代，輸出所述半實物仿真模型精度的數(shù)據(jù)；

48、若m'1≥v時，則停止迭代，此時n次進行預處理和校準，直至迭代處于m'1<v情況的正常迭代為止。

49、第二方面，本發(fā)明實施例提供了一種在線智能優(yōu)化的半實物仿真系統(tǒng)，其包括：預處理模塊，其對象搭建半實物仿真模型，將仿真機與dcs系統(tǒng)連接，對被仿真對象進行預處理；

50、校準模塊，其將預處理后的結果傳輸至仿真機，進行半實物仿真模型校準；

51、優(yōu)化模塊，其引入智能算法分析二次預處理結果差異，自動調整半實物仿真模型參數(shù)，優(yōu)化半實物仿真模型精度。

52、第三方面，本發(fā)明實施例提供了一種計算機設備，包括存儲器和處理器，所述存儲器存儲有計算機程序，其中：所述處理器執(zhí)行所述計算機程序時實現(xiàn)上述的在線智能優(yōu)化的半實物仿真方法的任一步驟。

53、第四方面，本發(fā)明實施例提供了一種計算機可讀存儲介質，其上存儲有計算機程序，其中：所述計算機程序被處理器執(zhí)行時實現(xiàn)上述的在線智能優(yōu)化的半實物仿真方法的任一步驟。

54、本發(fā)明有益效果為：本發(fā)明通過引入智能算法對仿真模型參數(shù)進行迭代優(yōu)化，實現(xiàn)了高效且精確的仿真模型校準和預處理，通過多輪迭代優(yōu)化和誤差修正，提高了仿真模型的精度和可靠性，解決了現(xiàn)有技術中仿真模型精度不足和參數(shù)優(yōu)化效率低下的問題，本發(fā)明利用高帶寬網(wǎng)絡和智能算法的無縫集成，實現(xiàn)了dcs系統(tǒng)和仿真機的高效連接與數(shù)據(jù)傳輸，保證了系統(tǒng)的實時性和穩(wěn)定性，為半實物仿真提供了更加精準和智能的解決方案，廣泛適用于復雜工業(yè)過程的仿真與優(yōu)化。