Document
拖动滑块完成拼图
个人中心

预订订单
服务订单
发布专利 发布成果 人才入驻 发布商标 发布需求

在线咨询

联系我们

龙图腾公众号
首页 专利交易 IP管家助手 科技果 科技人才 科技服务 国际服务 商标交易 会员权益 需求市场 关于龙图腾
 /  免费注册
到顶部 到底部
清空 搜索
当前位置 : 首页 > 专利喜报 > 南京航空航天大学;哈尔滨工业大学(深圳)(哈尔滨工业大学深圳科技创新研究院)初思仪获国家专利权

南京航空航天大学;哈尔滨工业大学(深圳)(哈尔滨工业大学深圳科技创新研究院)初思仪获国家专利权

买专利卖专利找龙图腾,真高效! 查专利查商标用IPTOP,全免费!专利年费监控用IP管家,真方便!

龙图腾网获悉南京航空航天大学;哈尔滨工业大学(深圳)(哈尔滨工业大学深圳科技创新研究院)申请的专利一种面向低轨巨星座系统的数字孪生系统及其构建方法获国家发明授权专利权,本发明授权专利权由国家知识产权局授予,授权公告号为:CN118939974B

龙图腾网通过国家知识产权局官网在2025-08-22发布的发明授权授权公告中获悉:该发明授权的专利申请号/专利号为:202411121649.9,技术领域涉及:G06F18/20;该发明授权一种面向低轨巨星座系统的数字孪生系统及其构建方法是由初思仪;吴云华;岳程斐;曹喜滨设计研发完成,并于2024-08-15向国家知识产权局提交的专利申请。

一种面向低轨巨星座系统的数字孪生系统及其构建方法在说明书摘要公布了:本发明属于航空航天技术领域,涉及一种面向低轨巨星座的数字孪生系统及其构建方法,系统包括数据管理模块对巨星座系统的实时数据、纵向数据、横向数据、仿真数据、融合数据进行综合管理;模型管理模块从不同维度、不同空间尺度、不同时间尺度,对复杂物理系统的几何、物理、行为、规则及约束等各部分特征进行多维动态构建和全面刻画;信息管理模块利用这些多尺度和多层次的特征信息,对低轨巨星座系统进行局部到全局的网络重构,还原完整信息网络;采用数据互联、信息互通、模型互操作的协同耦合机制,实现了高效、实时监控和管理,为数字化、可视化、智能化监管提供了解决方案。

本发明授权一种面向低轨巨星座系统的数字孪生系统及其构建方法在权利要求书中公布了:1.一种面向低轨巨星座系统的数字孪生系统,其特征在于:所述数字孪生系统包括数据管理模块、模型管理模块和信息管理模块,所述数据管理模块与模型管理模块之间通过数据互联和模型互操作的方式进行交互;所述数据管理模块与所述信息管理模块之间通过数据互联和信息互通的方式进行交互;所述模型管理模块与所述信息管理模块之间通过模型互操作和信息互通的方式进行交互;其中: 所述数据管理模块是对低轨巨星座系统的实时数据、纵向数据、横向数据、仿真数据、融合数据进行综合管理的模块;所述综合管理包括数据处理、数据分类、数据关联和数据集成;其中: 所述数据处理是对获得的低轨巨星座系统的实时数据、纵向数据、横向数据、仿真数据、融合数据进行清洗、滤波、去噪、补全缺失值; 所述数据分类是对经所述数据处理后的数据进行解码,转换成系统能够理解和处理的格式,同时,对数据进行组织和标识,设定统一的语言格式; 所述数据关联是将经所述数据分类处理后的多组数据点连接起来; 所述数据集成是将经所述数据关联后的来自不同来源和不同关联关系的数据整合为统一的数据集,并对数据集成后的数据进行数据转换和标准化; 所述实时数据是来源于在轨卫星传感器的实测数据; 所述纵向数据是涵盖低轨巨星座系统的历史记录、周期性数据和性能演变趋势; 所述横向数据是关注卫星之间或子系统之间的相互关系,包括通信、相互影响和性能差异; 所述仿真数据是指数字孪生系统在数字层面通过仿真得到的理论分析数据; 所述融合数据是对实时数据、纵向数据、横向数据和仿真数据进行整合重构生成的数据全集; 所述模型管理模块是采用几何模型、仿真模型、机理模型和数据模型,从不同维度、不同空间尺度、不同时间尺度对物理系统的几何、物理、行为和规则及约束特征进行多维动态构建和全面刻画; 所述信息管理模块是在云计算平台和分布式训练技术提供的计算环境中,将Transformer模型作为特征提取和表示学习的工具,在token级别提取孪生数据信息和孪生模型信息的粗粒度特征,在Encoder的输出上通过加权平均、汇总方式聚合所有token信息,通过位置嵌入将输入的token级位置信息编码为全局表示,形成全局视图;通过引入局部窗口注意力分支,学习局部窗口内的短程交互,提取孪生数据信息和孪生模型信息的细粒度特征表示,捕获提取token级局部特征;引入多尺度注意力机制探索两种特征的集成,通过Multi-HeadAttention以跨尺度的方式细化空间特征,捕捉不同尺度下的特征关系;利用ReinforcementLearning算法优化特征的自适应融合过程,定义状态、行动和奖励函数,其中状态表示当前数据的特征表示,行动表示特征融合的方式,奖励函数评估融合结果的好坏;基于多尺度注意力融合MAF方案,增强全局—局部token对之间的交互连接,将不同阶段的多种token级Agent在统一的框架中共同训练,局部和全局特征均采用线性运算进行部署;根据模型的学习过程和数据反馈,通过强化学习算法确定特征融合策略,动态调整全局特征和局部特征的权重和融合策略。

如需购买、转让、实施、许可或投资类似专利技术,可联系本专利的申请人或专利权人南京航空航天大学;哈尔滨工业大学(深圳)(哈尔滨工业大学深圳科技创新研究院),其通讯地址为:210001 江苏省南京市秦淮区御道街29号;或者联系龙图腾网官方客服,联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由AI智能生成
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。