本文从 0-5 的层次对数字孪生技术的定义及其能力水平进行了综合概述，着重介绍了其在风能行业中的应用。从工业角度出发，确定了当前风能领域的现状和研究需求，并从研究机构的角度提出了解决这些挑战的方法，并为促进科技接受提供了一组建议，为数字孪生技术和其在风能行业应用的未来研究和发展提供了路线图。

Apr, 2023

人工智能在提供各行业数字双胞胎版本的网络安全方面的作用以及与这些版本相关的风险进行了调查研究，从而为研究人员和其他对网络安全和数字安全感兴趣的人提供了一份路线图。

Nov, 2023

本文提出了一个数字化框架，通过权衡每个层次的利弊，制定数字孪生系统的评价标准，评估所选数字孪生系统对组织流程、策略和价值创造的影响，来帮助实践者选择数字孪生系统中的适当复杂度，同时提出数字孪生系统能提供诸如预测、模拟、人工智能和机器学习等新兴能力的误用选择可能带来的风险。三个实际案例证明了该框架的应用和实用性。

Jan, 2022

该研究提出了一个数字孪生框架，应用于石油和天然气工业中的气举过程，旨在提高数字孪生系统的稳健性和适应性。该框架结合了贝叶斯推断、蒙特卡罗模拟、迁移学习和不确定性管理等技术，为数字孪生系统提供高效、可靠、值得信赖的识别，并致力于改进复杂实际场景中的决策过程。

Nov, 2023

本研究提供了数字孪生技术在城市物流网络中的应用框架，包括城市物流的关键因素、数字孪生技术的本体论、学习能力和优化能力，以及定量模型。此外，我们还对数字孪生技术在城市物流中的应用进行了调查，并讨论了潜在的研究效益和局限性。

Feb, 2023

该研究介绍了数字孪生技术在智能制造业中的功能方面和创新应用，并对 NextG 无线技术、数据分析和边缘云计算等进行了全面的综述和反思，同时讨论数字孪生在不同工业通信层的部署策略，总结了相关的关键问题和未来研究方向。

Aug, 2021

对于非线性动力系统的数字孪生，其基本要求是能够生成系统的演化并预测潜在的灾难性紧急行为，以提供早期警示。数字孪生可以实时用于系统的 “健康” 监测和预测问题的解决。构建非线性动力系统的数字孪生有两种方法：稀疏优化和机器学习。本文描述了这两种方法的基本概念并讨论了它们的优势和注意事项。

Sep, 2023

本篇论文提供了数字孪生在自主车辆工业中的系统评述，重点强调了准确的数据收集、实时分析和高效的模拟能力，以此来提高性能和可靠性，同时探讨了数字孪生的技术挑战和中心技术，并对在智慧城市中自主车辆所使用的不同方法进行了对比分析，最后讨论了数字孪生在自主车辆行业中的应用挑战和限制。

May, 2023

本研究提出了一种基于预测性数字孪生的方法，用于土木工程结构的健康监测、维护和管理规划，通过动态贝叶斯网络建模实现了实时的结构健康诊断和故障预测，并利用此信息用于动态决策框架中的维护和管理行动的优化规划。通过两个综合案例研究，验证了该方法对健康感知数字孪生的动态决策能力。

Aug, 2023

本文旨在提供关于如何对复杂网络系统中的实体和交互进行建模的综述，以达到创建完美匹配现实的数字孪生的最终目标。我们提出了一个新的框架来比较不同学科中现有的建模范例，并创建统一的评估标准，以评估它们各自达到终极目标的能力。使用所提出的标准，我们还评估了当前最先进方法距离理想数字孪生的距离。我们还鉴定和提出了构建基于 CNS 和 DT 汇聚和融合的 DT 导向的 CNS 的潜在方向和方法，利用各种跨学科技术。

Feb, 2022