本发明涉及车辆标定，具体涉及基于数字孪生的车辆标定方法、装置、设备、介质及程序。
背景技术：
1、随着汽车工业的快速发展和消费者对汽车性能要求的不断提高，在汽车设计和制造过程中，标定工作对于确保车辆性能至关重要。
2、传统的车辆标定方法需要在实际车辆上进行大量测试，不仅耗时长、成本高，而且难以覆盖各种极端工况。并且，现有的开发评估面向具有机-电-磁-热多物理场高度耦合特性的复杂车辆动力系统时，存在开发周期长、研发成本高、系统性能难以实现最优的问题。
技术实现思路
1、有鉴于此，本发明提供了一种基于数字孪生的车辆标定方法、装置、设备、介质及程序，以解决在实际车辆进行标定测试时耗时长、成本高的问题。
2、第一方面，本发明提供了一种基于数字孪生的车辆标定方法，该方法包括：
3、根据车辆的设计数据及运行时的多源数据，构建车辆的数字孪生模型；
4、调整数字孪生模型中的待标定参数，模拟车辆在不同工况下的运行过程，得到不同待标定参数对应的模拟运行结果；
5、基于模拟运行结果，确定车辆在不同工况下的目标标定参数；
6、基于目标标定参数，进行车辆标定。
7、有益效果：通过车辆的设计数据及多源数据，在虚拟环境中构建与真实车辆相对应的数字孪生模型，通过调整数字孪生模型的待标定参数，模拟车辆在不同工况下的运行过程，根据得到的模拟运行结果来进行车辆标定，以提高标定效率和准确性，达成车辆动力系统的高效开发与优化，在虚拟环境中高效、准确的进行车辆标定工作。
8、在一种可选的实施方式中，根据车辆的设计数据及运行时的多源数据，构建车辆的数字孪生模型，包括：
9、提取多源数据的隐含特征；
10、基于设计数据、多源数据和隐含特征，构建车辆各部件/各部件子系统对应的性能模型和多物理场耦合模型；
11、对各部件/各部件子系统对应的性能模型和多物理场耦合模型进行整合和优化，得到车辆的数字孪生模型。
12、有益效果：通过车辆的设计数据、多源数据及其隐含特征，来构建车辆各部件/各部件子系统的性能模型和多物理场耦合模型，得到车辆的数字孪生模型，以便于得知车辆模拟运行时的性能，并通过多物理场耦合模型，来提高对各种工况模拟的准确性，进一步提高标定准确率。
13、在一种可选的实施方式中，基于设计数据、多源数据和隐含特征，构建车辆各部件/各部件子系统对应的性能模型，包括：
14、根据设计数据，确定各部件/各部件子系统之间的交互机制和关系图谱，并确定各部件/各部件子系统对应的机理模型和数据驱动模型；
15、基于多源数据和隐含特征，分别判断各部件/各部件子系统对应的机理模型和数据驱动模型是否满足预设性能要求，并根据判断结果确定当前部件/部件子系统的对应的建模方式；
16、根据交互机制、关系图谱、多源数据和隐含特征，按照各部件/各部件子系统的建模方式，构建各部件/各部件子系统对应的性能模型。
17、有益效果：通过确定各部件/各部件子系统之间的交互机制和关系图谱，明确车辆各构件之间的相互作用和影响机制，并通过判断机理模型和数据驱动模型是否满足预设性能要求，选择合适的建模方式对各部件/各部件子系统对应的性能模型进行建模，以便于准确评估车辆性能。
18、在一种可选的实施方式中，预设性能要求包括预设准确度要求和预设时间约束；根据判断结果确定当前部件/部件子系统的对应的建模方式，包括：
19、若判断结果为机理模型满足预设准确度要求和预设时间约束，则建模方式为根据机理模型和多源数据进行建模；
20、或，若判断结果为机理模型不满足预设准确度要求且机理模型满足预设时间约束，则建模方式为根据与预设时间约束相对应的数据驱动模型和多源数据进行建模；
21、或，若判断结果为机理模型和数据驱动模型均不满足预设准确度要求和预设时间约束，则建模方式为基于机理模型与数据驱动模型构建机理驱动混合模型，根据机理驱动混合模型和多源数据进行建模。
22、有益效果：分别判断机理模型、数据驱动模型是否满足预设准确度要求和预设时间约束，以便选择合适的建模方式对相应部件/部件子系统进行建模，提高性能模型在模拟过程中的准确性。
23、在一种可选的实施方式中，基于设计数据、多源数据和隐含特征，构建车辆各部件/各部件子系统对应的多物理场耦合模型，包括：
24、基于设计数据，确定各部件/各部件子系统对应的多物理场耦合关系，并确定各部件/各部件子系统对应的机理模型、数据驱动模型和机理驱动混合模型；其中，物理场包括机械场、电场、磁场、流场和热场中的至少两项；
25、对隐含特征进行多尺度特征分解与重构，得到单元尺度隐含特征；
26、基于单元尺度隐含特征、多源数据和多物理场耦合关系，并根据各部件/各部件子系统的机理模型或数据驱动模型或机理驱动混合模型，构建车辆各部件/各部件子系统对应的多物理场耦合模型。
27、有益效果：通过各部件/各部件子系统对应的多物理场耦合关系，实现数据特征与物理现象的精确映射，以便于模拟车辆在实际运行中的各种工况和状态，为标定参数的优化提供仿真环境。
28、在一种可选的实施方式中，对各部件/各部件子系统对应的性能模型和多物理场耦合模型进行整合和优化，得到车辆的数字孪生模型，包括：
29、基于关系图谱，对各部件/各部件子系统对应的性能模型和多物理场耦合模型进行整合，得到初始系统模型；其中，初始系统模型包括环境设置模型、驾驶员决策设置模型、标定参数设置模型、控制器模型和驱动机构模型；
30、基于多源数据进行特征预测，得到预测特征参数；预测特征参数包括待标定参数；
31、基于预测特征参数，对初始系统模型进行更新及优化，得到车辆的数字孪生模型。
32、有益效果：对各部件/各部件子系统对应的性能模型和多物理场耦合模型进行整合，并建立特征参数的预测、更新以及优化机制，使数字孪生模型能够模拟车辆在不同工况下的运行，并可以进行自适应更新与优化。
33、在一种可选的实施方式中，基于预测特征参数，对初始系统模型进行更新及优化，得到车辆的数字孪生模型，包括：
34、基于预测特征参数，调整初始系统模型的数据收敛速率、数据遗忘速率和数据更新速率，并对初始系统模型的初始特征参数进行优化，得到数字孪生模型。
35、有益效果：通过制定包含参数收敛性控制、遗忘因子与更新速率动态调整的特征参数自动辨识与更新策略，提高数字孪生模型的自适应调整能力。
36、在一种可选的实施方式中，提取多源数据的隐含特征，包括：
37、对多源数据进行聚类，得到不同类别的分组数据；
38、提取分组数据中的关联规则特征以及时频域特征，得到多源数据的隐含特征。
39、有益效果：对多源数据进行聚类并提取关联规则特征以及时频域特征，挖掘多源数据的隐含特征，便于构建车辆的数字孪生模型。
40、在一种可选的实施方式中，在提取多源数据的隐含特征之前，该方法还包括：
41、对多源数据进行降维处理、稀疏重构、滤波处理、数据修正以及多尺度特征融合。
42、有益效果：通过对多源数据进行降维处理和稀疏重构，消除数据冗余性，实现数据的稀疏化和结构化，通过滤波处理消除多源数据噪声与异常，通过数据修正提升多源数据表达能力，并通过多尺度特征融合实现不同批次、不同类型的多源数据信息融合。
43、在一种可选的实施方式中，基于模拟运行结果，确定车辆在不同工况下的目标标定参数，包括：
44、针对每一工况，确定符合当前工况的预设标定要求的目标模拟运行结果；
45、针对每一工况，根据与目标模拟运行结果相对应的待标定参数，得到车辆在当前工况下的目标标定参数。
46、有益效果：通过对模拟运行结果进行分析评估，确定车辆在不同工况下的目标标定参数，减少标定耗时，提高车辆标定效率。
47、第二方面，本发明提供了一种基于数字孪生的车辆标定装置，该装置包括：
48、第一处理模块，用于根据车辆的设计数据及运行时的多源数据，构建车辆的数字孪生模型；
49、第二处理模块，用于调整数字孪生模型中的待标定参数，模拟车辆在不同工况下的运行过程，得到不同待标定参数对应的模拟运行结果；
50、第三处理模块，用于基于模拟运行结果，确定车辆在不同工况下的目标标定参数；
51、第四处理模块，用于基于目标标定参数，进行车辆标定。
52、第三方面，本发明提供了一种计算机设备，包括：存储器和处理器，存储器和处理器之间互相通信连接，存储器中存储有计算机指令，处理器通过执行计算机指令，从而执行上述第一方面或其对应的任一实施方式的基于数字孪生的车辆标定方法。
53、第四方面，本发明提供了一种计算机可读存储介质，该计算机可读存储介质上存储有计算机指令，计算机指令用于使计算机执行上述第一方面或其对应的任一实施方式的基于数字孪生的车辆标定方法。
54、第五方面，本发明提供了一种计算机程序产品，包括计算机指令，计算机指令用于使计算机执行上述第一方面或其对应的任一实施方式的基于数字孪生的车辆标定方法。
55、本发明的有益效果为：
56、通过车辆的设计数据及多源数据，在虚拟环境中构建与真实车辆相对应的数字孪生模型，通过调整数字孪生模型的待标定参数，模拟车辆在不同工况下的运行过程，根据得到的模拟运行结果来进行车辆标定，以提高标定效率和准确性，达成车辆动力系统的高效开发与优化，在虚拟环境中高效、准确的进行车辆标定工作。
1.一种基于数字孪生的车辆标定方法，其特征在于，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，所述根据车辆的设计数据及运行时的多源数据，构建车辆的数字孪生模型，包括：
3.根据权利要求2所述的方法，其特征在于，所述基于所述设计数据、所述多源数据和所述隐含特征，构建车辆各部件/各部件子系统对应的性能模型，包括：
4.根据权利要求3所述的方法，其特征在于，所述预设性能要求包括预设准确度要求和预设时间约束；所述根据判断结果确定当前部件/部件子系统的对应的建模方式，包括：
5.根据权利要求4所述的方法，其特征在于，所述基于所述设计数据、所述多源数据和所述隐含特征，构建车辆各部件/各部件子系统对应的多物理场耦合模型，包括：
6.根据权利要求3所述的方法，其特征在于，所述对各部件/各部件子系统对应的性能模型和多物理场耦合模型进行整合和优化，得到车辆的数字孪生模型，包括：
7.根据权利要求6所述的方法，其特征在于，所述基于所述预测特征参数，对所述初始系统模型进行更新及优化，得到车辆的数字孪生模型，包括：
8.根据权利要求2所述的方法，其特征在于，所述提取所述多源数据的隐含特征，包括：
9.根据权利要求8所述的方法，其特征在于，在提取多源数据的隐含特征之前，所述方法还包括：
10.根据权利要求1所述的方法，其特征在于，所述基于所述模拟运行结果，确定车辆在不同工况下的目标标定参数，包括：
11.一种基于数字孪生的车辆标定装置，其特征在于，所述装置包括：
12.一种计算机设备，其特征在于，包括：
13.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储有计算机指令，所述计算机指令用于使计算机执行权利要求1至10中任一项所述的基于数字孪生的车辆标定方法。
14.一种计算机程序产品，其特征在于，包括计算机指令，所述计算机指令用于使计算机执行权利要求1至10中任一项所述的基于数字孪生的车辆标定方法。
