- 交通诊断数字孪生系统的系统性映射研究
数字孪生在交通领域的诊断能力有限,需要进一步研究以实现诊断推理。
- 强化学习机器人帆船:模拟器与初步结果
本研究侧重于以无人表面船舶 (UAV) 数字孪生技术开发真实实验的虚拟海洋环境所面临的主要挑战和问题,介绍了构建虚拟世界的关键特征,并考虑使用强化学习代理进行自主导航和控制,以及如何在模拟控制和感知策略方面使用强化学习的真正实施问题。我们提 - CAVIAR: 6G 通信、3D 场景和人工智能数字孪生的协同仿真
CAVIAR 是一种模块化的共模拟方法,用于支持数字孪生系统的虚拟对应物,并使用不同的与 6G 相关的模拟器评估 6G 应用,主要关注了使用开源解决方案模拟救援任务的性能和资源使用数据。
- 数据驱动的物理信息神经网络:数字孪生视角
本研究从不同角度探索了物理信息神经网络在数字孪生中的潜力,包括验证自适应采样方法在免网格框架中的有效性、评估数据驱动的 PINN 框架的性能,验证其在参数化 Navier-Stokes 方程中的可扩展性,提出了多保真度的数据驱动 PINN - 探索扩散模型在数字孪生解剖编辑方面的限制与能力
使用数字孪生技术结合潜在扩散模型(LDMs)编辑数字孪生,创建解剖学变体,从而实现对心血管设备模拟部署的解剖学差异的研究和虚拟群体的增强。
- 用户类似的机器人用于认知自动化:一项调查
本文旨在探讨认知架构在支持具备高级综合智能的软件机器人工程方面的作用,以及如何利用认知架构创造智能软件机器人。此外,我们还强调了未来发展自主用户智能型机器人的关键架构建议。
- 基于需求的数字孪生技术标准化预测性维护自动化路径规划的最新综述与综合
这篇论文提出利用数字孪生解决预测性维护(PMx)面临的挑战,并促进大规模的自动化 PMx 应用,为此提供了一个基于需求的路线图,包括信息需求和功能需求的系统方法,并进行了文献综述以确定进一步的研究方向。
- 从时间序列数据和知识图谱中学习语义关联规则
该研究论文介绍了在数字孪生系统中利用语义关联规则学习和知识图谱的方法,并通过工业应用的评估表明该方法能够学习具有语义信息的大量关联规则,为进一步研究工业应用的语义关联规则学习奠定了基础。
- 智慧城市数字孪生框架用于实时多数据集成和广泛公众分布
数字双胞胎是城市智能化发展中的关键工具,能够监测和控制实体状态,预测其未来发展,模拟替代场景以理解变化的影响。本文介绍了 Snap4City 智慧城市数字双胞胎框架,通过数据收集、索引、计算和信息分发等功能实现持续更新的数字双胞胎,在网页界 - 数字孪生上的生成建模用于变革管理
通过在云端创建数字孪生,本文展示了如何在小规模企业中实现安全地进行软件更新与变更,利用数字孪生进行非生产环境的测试并采集系统数据进行压力测试,同时利用生成式人工智能模型生成测试场景以检测错误点。
- 物理信息化状态空间神经网络应用于传输现象
这项工作介绍了物理信息化状态空间神经网络模型(PSMs),它是实现自主系统中的实时优化、灵活性和容错性的一种新颖解决方案,特别适用于化学、生物医学和电力等以传输为主的系统。通过两个硅橡胶实验 —— 加热通道和制冷系统环路,我们证明了 PSM - 非线性动力系统的数字双胞胎:一个视角
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 - 天气和气候的 AI 基础模型:应用、设计和实施
机器学习和深度学习方法在理解大气混沌行为和推进天气预报方面已得到广泛应用。在构建地球的数字孪生体方面,科技公司、政府机构和气象机构表现出越来越多的兴趣。我们回顾了当前最先进的人工智能方法,主要来自于变换器和算子学习文献,并结合气象学的背景提 - 知识蒸馏增强的数字孪生在异常检测中的应用
提出了一种名为 KDDT 的新方法用于列车控制和管理系统 (TCMS) 的异常检测,该方法利用语言模型 (LM) 和长短期记忆 (LSTM) 网络来提取背景和时间特征,在实证研究中,KDDT 表现出了卓越的性能。
- 演示:5G 无线接入网络的数字孪生之异常检测功能
近期,数字孪生(DT)的概念在 5G/6G 领域受到了重视。这篇论文展示了一种创新的 DT 设计和实现框架,旨在与 5G 基础设施相集成。所提出的 DT 能够实时检测用户连接异常,并赋予 5G 系统主动执行资源控制和连接恢复的决策能力。
- 数字双胞胎中的本体论:一项系统性文献综述
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 - 利用产品数字孪生进行汽车零售结账训练
通过优化训练数据集并结合数字双胞胎的方法,实现了在智能零售中自动化结账过程的改善和准确性提高。
- AI-GOMS:大规模人工智能驱动的全球海洋建模系统
AI-GOMS 是一个采用 AI 驱动的全球海洋模拟系统,通过基于傅里叶变换的 Masked Autoencoder 结构和轻量级微调模型,实现了全球海洋的准确和高效的每日预测,提供了一种新的地球系统模型的骨干 - 下游范例,使系统具有可传 - 引入基于时间序列 - Transformer 的混合建模:批结晶中串行与并行方法的对比研究
现有的数字孪生都依赖于基于数据的黑盒模型,主要使用深度神经网络来捕捉化学系统的动态,然而,由于安全和操作问题,这些模型尚未在实践中得以应用,为了解决这个问题,将基于物理学原理的混合模型与机器学习模型相结合已经越来越受欢迎,具有较强的预测性能 - 基于物理的约简模型用于贝叶斯优化的引导波传播的不确定性量化
通过机器学习的降阶模型(BO-ML-ROM)结合贝叶斯优化(BO)框架,在数字孪生环境中应用于结构健康监测(SHM)中的引导波传播(GWP),以减少传统模拟方法的计算时间和提高预测准确性。