交通诊断数字孪生系统的系统性映射研究
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
本文介绍一种 TwinExplainer 系统,其可以解释汽车数据驱动数字孪生系统的预测,并且它可以帮助汽车利益相关者了解传感器通道的全球规模以及它们对通用 DT 预测的贡献。
Feb, 2023
国内外最新研究表明,数字孪生是一种在物理系统中利用语义网络技术进行监测和推理过程的新概念。本研究通过对 82 篇研究文章进行系统的文献综述,分析了数字孪生中语义技术、本体论和知识图谱的应用情况,并针对制造业和基础设施等不同领域提出了可能的研究方向和尚待解决的问题。
Aug, 2023
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
本文旨在探究数字孪生技术在工业 4.0 时代的应用及相关研究,主要通过文献综述和数字孪生建模技术分类探讨数字孪生建模所使用的不同建模技术、建模工具和优化方法,并提供该领域未来发展的趋势和研究方向。
Aug, 2022
本文介绍、讨论和实施了一种用于浮动离岸风力涡轮机的诊断数字孪生概念,通过实时数据和模型相结合来监测损伤、检测异常和诊断故障,从而实现基于条件和预测的维护。通过将诊断数字孪生应用于离岸设备,可以减轻意外故障,但实施可能具有挑战性。本文实现了一个用于运行中的浮动离岸风力涡轮机的诊断数字孪生,通过测量监控该资产,采用无监督学习方法建立正常运行模型,检测异常并提供故障诊断,并通过短信发送警告和诊断结果,在虚拟现实界面中可以得到更详细的诊断结果。诊断数字孪生在故障发生前数小时成功检测到异常情况,并以大的置信度进行诊断。文章最后讨论了诊断数字孪生在离岸工程的广泛背景下的应用,该方法可以推广到其他离岸设备,提高设备的维护水平,提高离岸设备的寿命、效率和可持续性。
Jun, 2024
本文提出了一个新颖的数字孪生原型,用于学习能力的自动驾驶车辆,其主要目标是进行交通标志识别和车道保持。数字孪生架构依赖于联合仿真,采用了功能模拟接口和 SystemC 事务级建模标准。数字孪生由四个客户端组成,即 i)在 Amesim 工具中设计的车辆模型,ii)在 Prescan 中开发的环境模型,iii)在机器人操作系统中设计的车道保持控制器,以及 iv)在 BIP(行为、交互、优先级)的形式建模语言中开发的感知和速度控制模块。这些客户端与数字孪生平台 PAVE360-Veloce System Interconnect(PAVE360-VSI)进行接口。PAVE360-VSI 充当联合仿真协调器,负责通过服务器进行同步、互连和数据交换。服务器在不同客户端之间建立连接,并确保遵守以太网协议。最后,我们给出了数字孪生仿真和未来工作的建议。
Feb, 2024
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
该研究探讨了数字孪生(DT)在提升密集人口城区中的网络性能方面的潜力,具体关注车辆网络。研究包括两个阶段,第一阶段利用交通数据和人工智能聚类来确定关键位置,尤其是在事故率高的拥挤城区。第二阶段评估了通过三种部署场景对车辆网络进行孪生的优势:基于边缘的孪生、基于云的孪生和混合孪生。我们的分析表明,孪生显著减少了网络延迟,虚拟孪生优于物理网络。虚拟孪生即使在车辆密度增加的情况下,如 300 辆车的情况下,仍保持较低的延迟,例如 15.05 秒。此外,在某些情境中,云孪生的计算速度较快,是边缘孪生的 1.7 倍。这些发现为高效车辆通信提供了见解,并强调在做出部署决策时考虑现实因素的重要性。
Feb, 2024