一种新的数学模型允许被称为“数字孪生”的虚拟设计表示在一系列工程系统中使用,从航天器到整个城市。

数字孪生模型是一种计算模型,它随着时间的推移不断演变,并不断表示独特的物理“资产”的结构、行为和上下文,如桥梁、车辆或任何真正需要监控的对象。

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。

研究人员在一个无人驾驶的空中车辆(UAV)上测试了他们的想法,创造了一种具有最先进的传感能力的定制无人驾驶车辆的结构数字双胞胎。

该团队的研究发表在2021年3月的杂志上自然计算科学

为了测试他们的模型,该团队装备了一架12英尺翼展无人机,配备了Jessara集团的传感器。这些“贴图”收集了来自无人机的应变、加速度和其他相关数据,然后通知虚拟表示。

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结合,该技术有可能应用于无人驾驶飞机以外的任何存在磨损并需要定期检查的应用,包括风力涡轮机、桥梁或核反应堆。

“集成的传感解决方案的价值已被识别为一段时间,但将它们与数字双胞胎概念相结合,以实现新的水平”杰萨拉集团(The Jessara Group)的首席技术官雅各布·普里托利乌斯(Jacob Pretorius)说自然.“我们正处在智能工程系统令人兴奋的未来的尖端。”

这项研究由空军科学研究办公室、SUTD-MIT国际设计中心和能源部高级科学计算研究项目资助。

该团队的方法提供了数字双胞胎和其相关物理资产之间关系的统一数学表示,这一关系并不特定于特定的应用程序或使用。研究人员的数学模型定义了一对物理和数字动态系统,随着时间的推移,通过双向数据流耦合在一起。例如,在无人机的情况下,数字双胞胎的参数首先用从物理无人机收集的数据校准,以便其双胞胎从一开始就是准确的反映。

麻省理工学院(MIT)客座教授、德克萨斯大学奥斯汀分校(University of Texas at Austin)奥登计算工程与科学研究所(Oden Institute for Computational Engineering and Sciences)主任卡伦•威尔科克斯(Karen Willcox)表示,这项研究有助于更广泛地使用数字双胞胎。

“我们可以想象任何系统的数字双胞胎,”威尔科克斯说yabovip16.com

在一个简短的问答yabovip16.com下面,Willcox更多地解释了为什么数字双胞胎在所有行业都如此有价值 - 用于决策和设计。

yabovip16.com首先,“数字双胞胎”与传统模拟有何不同?传统模拟预测零件或零件系统的行为方式有何不同?

凯伦Willcox教授:我喜欢在一个中提出的定义AIAA/AIA 2020立场文件

“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。“

该定义突出了三个关键方面,以区分数字双胞胎从传统模拟:首先,数字双胞胎是特定于资产的。它不是一般计算模型,如仿制泛型无人机(UAV)的模拟,而是它是一个个性化的“患者特定的”模型,其针对一个特定的无人机的模拟。因此,如果我们的舰队包含数百人的无人机,我们将拥有数百个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。

yabovip16.com:为什么数字双胞胎在航空航天和医疗中尤其有价值?

凯伦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。

yabovip16.com:还有哪些应用可以从数字双胞胎中受益?

凯伦Willcox教授:我们可以想象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。

yabovip16.com:数字双胞胎的局限性是什么?

凯伦Willcox教授:诚然,我们正处于大数据时代,但要打造像飞机或人这样复杂的东西的数字孪生兄弟,数据永远都不够。我敢说,数据永远都不够。传感技术的进步是惊人的,但我们的测量几乎总是稀疏和间接的。

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。

我们的大数据的限制是数字双胞胎必须具有基于预测物理学模型的基础的原因之一。然而,在多个空间和时间尺度上,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不确定性充满了不确定性的高度决定 - 仍然是一个超出国有的重要事项理论上的艺术,可扩展算法和软件实现。

yabovip16.com你认为这些限制在将来会得到解决吗?

凯伦Willcox教授:是的,一点没错。但除了机器学习和数据科学之外,还将继续投资基于物理学的建模和模拟能力。

你觉得呢?在下面分享你的问题和评论。