本发明涉及模型构建，具体为一种基于多特征关联的数字物理模型管理系统及方法。
背景技术：
1、数字物理模型是指利用计算机技术和数学方法，对物理系统进行建模、仿真和分析的过程；它是数字化时代对传统物理模型的延伸和发展，具有更高的灵活性、可扩展性和可视化能力，能够更好地模拟复杂的物理系统并进行深入的研究和分析。
2、常规构建数字物理模型中会存在数据与模型之间不匹配的情况，例如模型假设与实际数据分布不符、模型参数与数据特征不匹配等，导致模型的适应性和预测能力受到影响；如果只按照现有数据进行数字物理模型的搭建，会受到其他因素的影响，导致原本建立的模型在后续放入新的数据进行输出时，得到的结果却与期望存在较大差异。
技术实现思路
1、本发明的目的在于提供一种基于多特征关联的数字物理模型管理系统及方法，以解决上述背景技术中提出的问题。
2、为了解决上述技术问题，本发明提供如下技术方案：一种基于多特征关联的数字物理模型管理方法，所述管理方法包括了以下步骤：
3、步骤s100：获取历史任意一次车辆性能评估实验过程中，每一个物理模型的输出数据，对输出数据进行错误数据排查，得到物理模型对应的有效数据组，对有效数据组进行特征提取得到特征集合；其中，在车辆性能评估实验中，可能涉及到的物理模型有发动机性能评估模型、碰撞检测模型和车速测试模型等等；
4、步骤s200：获取每一个物理模型的特征集合，分析不同时间段特征集合中各个特征的变化状况；比较任意两个特征集合之间的关联度，根据不同时间段下特征集合间的关联度变化情况，建立动态特征关联模型，对特征集合间的关联度变化进行预测；
5、步骤s300：在进行车辆性能评估实验中，实时获取每个物理模型的输入数据和输出数据，生成实时特征集合；获取任意两个物理模型的实时特征集合中相同特征的特征数量，根据相同特征在两个实时特征集合的数量占比，和动态特征关联模型中预测的关联度，从两个物理模型中选取数据，构建一个用于模拟车辆性能变化过程的数字物理模型；在车辆性能评估实验中，不同的物理模型侧重不同方向的性能检测，因此需要通过构建数字物理模型将不同物理模型中的数据进行整合，实现对车辆进行多维性能变化进行评估。
6、步骤s400：根据每个物理模型的输出数据得到特征集合间的实际关联度，分析实际关联度与动态特征关联模型预测的关联度变化情况的差异，调整动态特征关联模型；根据特征集合间的实际关联度对数字物理模型进行调整。
7、进一步的，所述步骤s100包括以下步骤：
8、步骤s101：设定第个物理模型的输出数据组为，按照输出数据组在物理模型中的输出时间对输出数据组进行排序，得到输出数据组的分布图；采用箱线图对分布图的数据分布情况进行查看，若输出数据组中存在若干数据的数值超出了箱体的上边界和下边界，则将所述若干数据作为错误数据，删除输出数据组中的错误数据得到第个物理模型的有效数据组；
9、步骤s102：获取第个物理模型的输入数据，一个物理模型会有输入、处理和输出三个部分，因此能够从物理模型中直接获取到输入数据；从输入数据中提取数据来源作为第个物理模型的一个特征，从有效数据组的分布图中提取若干特征，生成第个物理模型的特征集合。
10、进一步的，所述步骤s200包括以下步骤：
11、步骤s201：获取时刻任意两个物理模型的特征集合，设定其中一个物理模型为第个物理模型，特征集合为，另一个物理模型为第个物理模型，特征集合为；随机选取特征集合中的一个特征，获取特征在第个物理模型中对应的数据，其中，数据在第个物理模型中的数据量占比为；
12、步骤s202：获取数据在第个物理模型中的数据来源，获取特征集合中每一个特征对应数据的数据来源；根据公式：
13、
14、其中，为特征集合的特征数量，为判断函数，判断数据与特征集合中特征对应数据的数据来源是否相同，若相同，，否则，；计算得到时刻特征与特征集合的关联度；
15、特征之间的相似度受到了数据来源和数据占比两个因素的影响，基于特征对应数据在物理模型中的数据占比反映了特征在物理模型中的重要性，因此能够对特征之间的关联度产生影响，而相同的数据来源更是有着直接联系；因此通过数据来源和数据占比进行关联度计算能够保证准确性的同时，数据获取方法更加的简单；
16、步骤s203：获取特征集合中所有特征对应的数据和数据来源，设特征集合一共有个特征，根据公式：
17、
18、计算得到时刻特征集合与特征集合的关联度；
19、步骤s204：每隔一个单位时间重新获取第个物理模型的特征集合和第个物理模型的特征集合，计算得到时刻特征集合和特征集合的关联度为；按照特征集合的获取时间顺序，对第个物理模型和第个物理模型之间的关联度进行排序；设一共获取到个关联度，选取前个关联度作为训练集，将剩余个关联度作为测试集，生成动态特征关联模型；
20、特征之间的关联度之所以会发生变化，是因为影响物理模型的因素会发生变化；当影响因素发生变化时，模型的输入输出数据则会受到影响因素的影响，则会对数据来源和不同数据在模型中的占比产生变化；由于特征提取是根据输入数据的数据来源进行提取的，因此，影响因素的变化会导致数据来源也会发生变化；所以只要获取不同时间下的特征集合，当特征集合发生变化时，则特征间的关联度就会发生变化；
21、步骤s205：将训练集中的个关联度放入动态特征关联模型中训练，当从动态特征关联模型中输出个数值时，统计输出数值与测试集中的关联度相等的关联度数量，设定一个准确度阈值，若，则从测试集中选取若干个关联度放入训练集中，对动态特征关联模型进行重新训练，直到满足。
22、进一步的，所述步骤s300包括以下步骤：
23、步骤s301：实时获取第个物理模型中的输入数据和输出数据，设定在时刻提取到若干个特征，生成第个物理模型的实时特征集合；
24、步骤s302：获取第个物理模型在时刻的实时特征集合，统计实时特征集合和实时特征集合之间的相同特征数量为；若或者，其中，为第个物理模型在时刻的特征数量，为第个物理模型在时刻的特征数量，则从第个物理模型中获取相同特征对应的数据，其中，相同特征对应的数据数量为；随机从相同特征对应的数据中提取数据数量为的数据，与第个物理模型中相同特征对应的数据进行整合；若或者，则从第个物理模型选取的数据总数量为，其中，为相同特征在第个物理模型中对应的数据数量；除去相同特征对应的数据外，提取第个物理模型中其他特征对应的数据数量为；
25、以一个物理模型中的数据为基准，根据两个物理模型之间相同特征的特征数量去设定从另一个物理模型中提取多少数据量；若相同特征数量多，说明两个物理模型的关联度在一定程度上较高，则提取相同特征对应的数据即可；若相同特征数量少，则说明需要提取物理模型中其余特征对应的数据才能够生成完整准确的物理模型，则对其他特征对应的数据进行提取；
26、步骤s303：将时刻第个物理模型中相同特征对应的数据与第个物理模型中提取的数据进行整合，将时刻的相同特征放入动态特征关联模型得到经过任意个单位时间后的关联度，从第个物理模型和第个物理模型中提取数据进行整合，得到数字物理模型。
27、进一步的，所述步骤s400包括以下步骤：
28、步骤s401：当经过一个单位时间后，分别获取第个物理模型和第个物理模型的输出数据，得到第个物理模型的实际特征集合和第个物理模型的实际特征集合，计算得到第个物理模型和第个物理模型在时刻的实际关联度；
29、步骤s402：设定在动态特征关联模型中，第个物理模型和第个物理模型在时刻的关联度为，若，其中，为误差阈值，则将时刻的实际关联度作为动态特征关联模型中的训练集，对动态特征关联模型进行训练；
30、步骤s403：若，则继续从第个物理模型中提取的数据数量为，若，则在第个物理模型中提取的数据数量为的数据中随机除去数据数量为的数据，重新生成数字物理模型。
31、为了更好地实现上述方法，还提出了数字物理模型管理系统，所述管理系统包括了特征提取模块、关联度预测模块、模型构建模块和调整模块；
32、所述特征提取模块，用于获取历史任意一次车辆性能评估实验过程中，每一个物理模型的输出数据，对输出数据进行错误数据排查，得到物理模型对应的有效数据组，对有效数据组进行特征提取得到特征集合；
33、所述关联度预测模块，用于获取每一个物理模型的特征集合，分析不同时间段特征集合中各个特征的变化状况；比较任意两个特征集合之间的关联度，根据不同时间段下特征集合间的关联度变化情况，建立动态特征关联模型，对特征集合间的关联度变化进行预测；
34、所述模型构建模块，用于在进行车辆性能评估实验中，实时获取每个物理模型的输入数据和输出数据，生成实时特征集合；获取任意两个物理模型的实时特征集合中相同特征的特征数量，根据相同特征在两个实时特征集合的数量占比，和动态特征关联模型中预测的关联度，从两个物理模型中选取数据，构建一个数字物理模型，将数据放入数字物理模型中转化为数字形式，并对车辆性能进行模拟分析；
35、所述调整模块，用于根据每个物理模型的输出数据得到特征集合间的实际关联度，分析实际关联度与动态特征关联模型预测的关联度变化情况的差异，调整动态特征关联模型；根据特征集合间的实际关联度对数字物理模型进行调整。
36、进一步的，所述特征提取模块包括了数据排查单元和特征集合生成单元；
37、所述数据排查单元，用于获取历史任意一次车辆性能评估实验过程中，每一个物理模型的输出数据，对输出数据进行错误数据排查，得到物理模型对应的有效数据组；所述特征集合生成单元，用于对有效数据组进行特征提取得到特征集合。
38、进一步的，所述关联度预测模块包括了关联度比较单元和预测单元；
39、所述关联度比较单元，用于获取每一个物理模型的特征集合，分析不同时间段特征集合中各个特征的变化状况，比较任意两个特征集合之间的关联度；所述预测单元，用于根据不同时间段下特征集合间的关联度变化情况，建立动态特征关联模型，对特征集合间的关联度变化进行预测。
40、进一步的，所述模型构建模块包括了实时数据获取单元和模型建立单元；
41、所述实时数据获取单元，用于在进行车辆性能评估实验中，实时获取每个物理模型的输入数据和输出数据，生成实时特征集合；所述模型建立单元，用于获取任意两个物理模型的实时特征集合中相同特征的特征数量，根据相同特征在两个实时特征集合的数量占比，和动态特征关联模型中预测的关联度，从两个物理模型中选取数据，构建一个数字物理模型。
42、进一步，所述调整模块包括了特征关联模型调整单元和物理模型调整单元；
43、所述特征关联模型调整单元，用于根据每个物理模型的输出数据得到特征集合间的实际关联度，分析实际关联度与动态特征关联模型预测的关联度变化情况的差异，调整动态特征关联模型；所述物理模型调整单元，用于根据特征集合间的实际关联度对数字物理模型进行调整。
44、与现有技术相比，本发明所达到的有益效果是：（1）本发明通过分析物理模型之间各个特征之间的关联度变化去调整数字物理模型，使得最后得到的数字物理模型能够更加准确；（2）本发明通过历史数据提取的特征之间的关联度建立动态特征关联模型，对后续特征关联度进行预测，再根据实际关联度的获取去重新训练模型，使得关联度预测能够更加准确，这样最后生成的数字物理模型能够逐渐脱离人为调整，自动生成准确的数字物理模型；（3）本发明通过数据的信息来源和信息占比作为特征提取的方法，在后续关联度变化计算中，只需要获取信息来源和占比是否发生变化，即可判断关联度是否发生变化，使得判断更加地简单同时也能保证一定的准确性。
1.一种基于多特征关联的数字物理模型管理方法，其特征在于：所述管理方法包括了以下步骤：
2.根据权利要求1所述的一种基于多特征关联的数字物理模型管理方法，其特征在于：所述步骤s100包括以下步骤：
3.根据权利要求2所述的一种基于多特征关联的数字物理模型管理方法，其特征在于：所述步骤s200包括以下步骤：
4.根据权利要求3所述的一种基于多特征关联的数字物理模型管理方法，其特征在于：所述步骤s300包括以下步骤：
5.根据权利要求4所述的一种基于多特征关联的数字物理模型管理方法，其特征在于：所述步骤s400包括以下步骤：
6.应用于权利要求1-5中任一项所述的一种基于多特征关联的数字物理模型管理方法的数字物理模型管理系统，其特征在于：所述管理系统包括了特征提取模块、关联度预测模块、模型构建模块和调整模块；
7.根据权利要求6所述的数字物理模型管理系统，其特征在于：所述特征提取模块包括了数据排查单元和特征集合生成单元；
8.根据权利要求6所述的数字物理模型管理系统，其特征在于：所述关联度预测模块包括了关联度比较单元和预测单元；
9.根据权利要求6所述的数字物理模型管理系统，其特征在于：所述模型构建模块包括了实时数据获取单元和模型建立单元；
10.根据权利要求6所述的数字物理模型管理系统，其特征在于：所述调整模块包括了特征关联模型调整单元和物理模型调整单元；
