一个新的数学模型允许称为“数字双胞胎”的虚拟设计表示,以便在一系列工程系统中使用,从航天器到整个城市。

数字双胞胎是一种计算模型,其随着时间的推移而发展,并且连续代表独特的物理“资产”的结构,行为和上下文,如桥,车辆或需要监视的任何物体。

通过先进的数学建模技术,传感器和超级计算机,来自Massachusetts技术研究所(麻省理工学院)和工业合作伙伴的Odd计算工程和科学研究所的专家,杰索拉集团改善了数字双胞胎的能力。

研究人员在一架无人驾驶飞行器(UAV)上测试了他们的想法,创造了一架定制无人机的结构数字双胞胎,配备了最先进的传感能力。

该团队的研究出现在3月2021年期刊上自然计算科学

为了测试他们的模型,团队将一台12英尺的翅膀UAV带到了杰西拉集团的传感器。从UAV收集的“贴纸”收集的应变,加速度和其他相关数据,然后向虚拟表示通知。

随着UAV的整体状态随时间而变化,数字双胞胎更新其自己的状态,使其与物理飞机匹配。

根据该研究,数字双胞胎能够分析传感器数据以提取浅损害信息,预测无人机的结构健康将如何在未来改变,并建议机动的变化以适应这些变化。

通过数学监测和传感器的组合,该技术可能会潜在地应用于无人驾驶飞机,以便任何经历磨损的应用,并且需要定期检查,包括风力涡轮机,桥梁或核反应堆。

“集成传感解决方案的价值已经被认可了一段时间,但将它们与数字孪生概念相结合将其提升到一个新的水平。”Jassara集团首席技术官Jacob Pretlius表示,雅各者集团公司和共同作者自然。“我们正处于智能工程系统的令人兴奋的未来的尖端。”

该研究由科学研究,Sutd-Mit国际设计中心的空军办公室和能源先进科学计算计划的空军办公室资助。

该团队的方法提供了数字双胞胎及其相关物理资产之间的关系的统一数学表示 - 没有特定于特定应用或使用的关系。研究人员的模型数学上定义了一对物理和数字动态系统,通过双向数据流一起耦合在一起随着时间的推移而发展。例如,在UAV的情况下,首先使用从物理UAV收集的数据校准数字双胞胎的参数,使其双胞胎是从开始的准确反射。

Karen Willcox,MIT访问教授和德克萨斯大学奥斯汀大学德克萨斯大学奥斯汀大学奥斯汀研究院教授和董事表示,该研究可以帮助利用数字双胞胎。

“我们可以想象一个关于任何系统的数字双胞胎,”Willcox讲述了金宝搏官网

在一个简短的问答金宝搏官网下面,威尔科克斯将进一步解释为什么数码双胞胎在所有行业都如此有价值——无论是对决策还是设计。

金宝搏官网:要设置舞台,如何与传统模拟不同的“数字双胞胎”,以及仿真传统上的方式预测了部件的一部分或系统的行为?

Karen Willcox教授:我喜欢一个AIAA / AIA 2020位置纸

“一组虚拟信息构造,用于模拟个人/独特物理资产或一组物理资产的结构,上下文和行为,这些构造在整个生命周期中,通过来自其物理双胞胎的数据动态更新,并告知实现价值的决策。“

这个定义突出了区分数字孪生与传统模拟的三个关键方面:首先,数字孪生是特定于资产的。它不是一个通用的计算模型,不像一个通用的无人机(UAV)的模拟,而是一个个性化的、针对特定无人机的“患者特定”模型。因此,如果我们的舰队由数百架无人机组成,我们就会有数百架相应的个性化数字双胞胎。

其次,数字双胞胎不是静态计算模型,而是一种动态更新的生存模型,以便通过其生命周期遵循物理双胞胎。

第三,数字双胞胎概念的关键是数据,模型和决策之间的紧密多路集成。

虽然当然,存在例外情况,但这三个方面通常在传统上使用的方式普遍存在。

金宝搏官网:为什么数字双胞胎在航空航天和医疗领域特别有价值?

Karen Willcox教授:尽管航空航天和医疗领域有明显的差异,但我遇到了挑战的常见态度。两个字段中的应用程序通常具有涉及多体学和多尺度动态的复杂非线性物理现象的基础。这些动态通常导致高敏感性,使得难以做出可靠的预测。在这两个领域,网络物理考虑因素越来越核心成功的决策,作为传感,自动化和软件/硬件交互播放更大的角色。无论是是航空航天系统还是人类患者,都有一种复杂的生命周期,涉及多个阶段,多个利益相关者以及经历退化,损坏,维护和大修的不断发展的资产状态。

所有这些挑战都指向具有资产特定/患者特定模型的价值,这些模型将预测模型和数据组合以驱动关键决策,特别是当它使决策者能够考虑多个生命周期考虑因素时。

金宝搏官网:其他应用程序可以特别受益于数字双胞胎吗?

Karen Willcox教授:我们可以想象一个关于任何系统的数字双胞胎。在我看来,当变异性或不确定性在影响成果方面发挥着大作用时,得到了最多的利益。它可能是从资产到资产的可变性(或患者到患者),或者它可能是一生中的单个资产的可变性,或者由于我们无法表征或控制系统的要素,包括外部因素可能是不确定性的。在所有情况下,在具有动态数据驱动的个性化模型方面都有明确的值,以帮助决策,因为我们的决定可以针对手头的情况进行优化,而不是通过评估人口上的平均值或概率来进行。

金宝搏官网:数字双胞胎的局限性是什么?

Karen Willcox教授:确实,我们在大数据的时代,但是当它到建造一个作为飞机或一个人的数字双胞胎的数字双胞胎时,数据永远不够。我会冒昧地说数据永远不会到。传感技术的进步一直很棒,但我们的测量几乎总是稀疏和间接。

并且不仅仅是一个更多,或更好的传感器。板上的传感器工程系统增加了成本,重量,功耗和热负荷。除了费用之外,自然世界或人类患者的数据将始终在时间上和空间稀疏 - 在这些设置中收集数据是高度侵入的。

我们的大数据的局限性是数字双胞胎必须有一个基于预测物理模型的基础的原因之一。然而,把所有这些放在一起——多个时空尺度的复杂物理模型,跨越多个阶段和利益相关者的生命周期中收集的大数据,以及充满不确定性的高后果决策——仍然是一项重要的任务,超越了理论、可扩展算法、和软件的实现。

金宝搏官网:您是否设想将来解决了这些限制?

Karen Willcox教授:是的,当然。但除了机器学习和数据科学之外,它还需要继续投资于基于物理的建模和仿真能力。

你怎么认为?分享您的问题和评论。