基于九维保真度场的数字孪生双向循环重构与决策方法

本发明涉及数字孪生，具体涉及一种基于九维保真度场的数字孪生双向循环重构与决策方法。

背景技术：

1、数字孪生技术作为新一代智能制造与装备运维的核心使能技术，已广泛应用于机载雷达、航空发动机、数控机床、风力发电机组等高端装备领域。通过在虚拟空间中构建与物理实体实时同步、高保真映射的孪生模型，可实现状态监测、故障预测、优化控制等目标。然而，现有数字孪生技术在工程落地中仍存在以下突出问题：

2、问题一：保真度评估单一化、静态化。 现有方案多采用单一指标（如均方误差mse）或定性评估描述孪生体与物理实体的吻合程度，无法刻画“数据可信、模型可信、物理可信、时效可信”等多维度差异。例如机载雷达数字孪生中，电磁场重构精度、波束指向误差、阵元失效率、相位噪声等多维特性无法用单一指标度量。

3、问题二：多源异构数据融合缺乏统一驱动机制。 机载雷达包含t/r组件温度、阵元相位、回波数据、平台姿态、电磁环境等多源异构数据，传统kalman滤波或简单加权融合在源间冲突显著时易失效。

4、问题三：物理一致性约束不彻底。 现有基于物理信息神经网络（pinn）的孪生重构方法仅以pde残差作为软约束损失项，无法严格保证麦克斯韦方程组、能量守恒等物理定律满足，可能输出违反物理规律的“幻觉”结果。

5、问题四：模型重构单向、缺乏循环自校验。 现有方法多采用“传感器→孪生体”的单向重构，无法在工况突变、传感器故障时进行自校验与漂移检测。

6、问题五：数据驱动决策不可证安全。 强化学习决策在分布外工况下可能输出违反硬约束（如雷达阵元过热保护、机载平台过载边界）的危险动作，缺乏形式化的安全保障。

7、问题六：云边协同部署未与保真度需求耦合。 现有方案多采用静态任务划分，未根据孪生体保真度需求动态调度计算资源，造成机载边缘算力浪费或地面云端响应不及时。

技术实现思路

1、本发明所要解决的技术问题是针对背景技术的不足提供了一种基于九维保真度场的数字孪生双向循环重构与决策方法，旨在实现：保真度的可量化、可传递、可演化，多源异构数据的冲突自适应融合，物理一致性的“软+硬”三层硬化，双向循环重构与漂移自校验，可证安全的强化学习决策，保真度需求驱动的云边动态调度与多级安全回退。

2、本发明为解决上述技术问题采用以下技术方案：

3、基于九维保真度场的数字孪生双向循环重构与决策方法，包括以下步骤：

4、首先，从物理实体采集多源异构数据，经时空对齐与异常剔除后，构建九维时空保真度场，以向量场形式量化数据、模型、物理、认知、时效、控制、安全、语义和计算代价共九个维度的保真度，其中关键维度采用 kl 散度连续场定义，并通过指数加权移动平均动态演化。基于该保真度场，设计冲突因子驱动的 softmax/d-s 双模式自适应融合门控，当冲突因子低于阈值时采用 softmax 加权融合，否则切换至 d-s 证据组合，实现多源异构数据的鲁棒融合。

5、其次，以保真度向量为条件，通过物理信息神经算子pino进行上行重构，获得孪生高保真状态；对该状态实施物理一致性三层硬化：第一层为 pde 残差软约束，第二层通过特解函数嵌入严格满足边界与初值条件，第三层利用 kkt 条件硬投影至物理可行流形。同时，通过条件扩散模型从孪生状态下行重构合成观测数据，构造循环一致性损失进行自校验，并基于 kl 散度监测漂移，一旦超阈值则触发在线微调或安全回退。

6、再次，通过 d-s 证据组合估计孪生状态的信任质量，并利用深度集成或 mc-dropout 分离认知不确定性与偶然不确定性。基于物理信息控制屏障函数pi-cbf设计不确定性敏感的强化学习决策，并通过安全二次规划qp投影将策略输出强制投影至安全可行域，确保决策动作严格满足安全约束。

7、最后，构建多目标调度函数，实现保真度感知的云边协同调度，包括任务卸载、动态量化与模型版本切换，以优化通信代价、时延、算力利用率和可靠性。同时，设定六类触发条件包含认知不确定性超阈、偶然不确定性超阈、kl 漂移超阈、cbf 违规、保真度缺口、通信故障，按照 6×6 确定性硬编码回退矩阵执行多级安全回退动作，响应时间不超过50ms。

8、本发明采用以上技术方案与现有技术相比，具有以下技术效果：

9、1. 保真度可量化：九维向量场+kl连续定义，使孪生质量从定性走向定量；

10、2. 融合鲁棒：冲突因子驱动双模式切换，源间冲突场景下融合精度显著提升；

11、3. 物理可信：三层硬化保证孪生输出严格满足关键物理约束；

12、4. 重构自校验：双向循环+漂移监测使孪生体具备自我修正能力；

13、5. 决策可证安全：pi-cbf+qp投影提供形式化安全保障；

14、6. 资源高效：保真度感知调度使云边算力按需分配；

15、7. 可认证回退：6×6确定性回退矩阵满足功能安全sil要求；

16、8. 应用广泛：可推广至机载雷达、航空发动机、数控机床、风电、化工等领域。

1.基于九维保真度场的数字孪生双向循环重构与决策方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的基于九维保真度场的数字孪生双向循环重构与决策方法，其特征在于，在步骤s1中，通过ptp或ntp协议进行时间同步，同步精度 ；通过hampel滤波器剔除异常值；通过多速率重采样将数据统一至基准频率 。

3.根据权利要求1所述的基于九维保真度场的数字孪生双向循环重构与决策方法，其特征在于，在步骤s2中，九维时空保真度场构建：

4.根据权利要求1所述的基于九维保真度场的数字孪生双向循环重构与决策方法，其特征在于，在步骤s3中，冲突因子驱动的双模式自适应融合门控：

5.根据权利要求1所述的基于九维保真度场的数字孪生双向循环重构与决策方法，其特征在于，在步骤s4中，物理信息神经算子pino上行重构：

6.根据权利要求1所述的基于九维保真度场的数字孪生双向循环重构与决策方法，其特征在于，在步骤s5中，物理一致性三层硬化机制：

7.根据权利要求1所述的基于九维保真度场的数字孪生双向循环重构与决策方法，其特征在于，在步骤s6中，条件扩散下行重构：

8.根据权利要求1所述的基于九维保真度场的数字孪生双向循环重构与决策方法，其特征在于，在步骤s8中，真度信任质量与不确定性分离；

9.根据权利要求1所述的基于九维保真度场的数字孪生双向循环重构与决策方法，其特征在于，在步骤s9中，基于pi-cbf的不确定性敏感安全强化学习决策：其中，pi-cbf为物理信息控制屏障函数；

10.根据权利要求1所述的基于九维保真度场的数字孪生双向循环重构与决策方法，其特征在于，在步骤s10中，保真度感知云边协同调度