面向复杂工业系统动态工况多物理场智能重构方法

本发明公开了一种面向复杂工业系统动态工况多物理场智能重构方法，包括：随机选取工业过程的一种参数场景以训练代理模型，并以其作为一个神经元构建初始元网络；所述代理模型采用物理信息多相场算子网络学习工业过程的多物理场耦合系统响应；利用当前元网络对工业过程每种参数场景的系统响应进行预测输出，根据预测误差选取下一种参数场景以训练对应的代理模型，并作为新的神经元扩展元网络；重复训练多种参数场景下的代理模型以不断扩展元网络；对于目标参数场景：首先冻结元网络中各神经元内部参数，对各神经元之间的组合权重系数微调，进而用于对目标参数场景下的系统响应进行预测输出。本发明可以实现动态工况下耦合多物理场的准确高效重构。