江苏龙网

  1. 首页 > 人文 > >

数码小王|根叔新作！浅说数字孪生( 五 )


现实中关于数字孪生尚存在模糊认识 。 从前述例子中可以悟出数字孪生的是与不是 。
CPS似乎是一个工作系统 ， 但它只是一个理念 。 数字孪生似乎是一种技术 ， 其实更大程度上是一种技术理念 。 工业4.0的核心理念乃CPS（cyber-physicalsystems ， 数字物理系统 ， 赛博物理系统） ， 强调数字世界与物理世界的深度融合 。 制造业中人们普遍关注的智能制造之核心技术理念亦是CPS 。 若问最能反映CPS理念的核心是什么？笔者认为非数字孪生莫属 。 实现CPS需要诸多数字-智能技术 ， 如智能感知、物联网、大数据、工业互联网、仿真、VR/AR、AI等 ， 但其中每一项技术都不可能成为反映CPS理念的核心技术 。 而数字孪生乃是集前述支撑技术之大成 。 因此可以言 ， 数字孪生更大程度上是一种技术理念 ， 与CPS之理念高度契合 。 如果说数字孪生是技术的话 ， 并非一种单一的技术 ， 而是多种技术的集合 。 数字孪生也是数字世界与物理世界深度融合的具体表现 。
不只是几何的 ， 更是物理的 。 虽然数字孪生体包含对象的几何信息 ， 但真正显示数字孪生意义的是其物理信息 ， 如产品在运行过程中的状态 ， 物理过程的仿真等 。
不只是静态的 ， 更是动态的 。 数字孪生的意义本来就不是基于处理静态问题 。 产品的运行过程都是动态的 ， 只有在对动态问题更深刻认识并施与相应控制 ， 这才是数字孪生最重要的意义所在 。
不只是对象的 ， 更是环境的、系统的 。 很多人尚未意识到 ， 数字孪生技术可以仿真人在实际问题中感知不到的某些环境 。
数码小王|根叔新作！浅说数字孪生
文章图片
例如 ， 特斯拉对每一个售出的车都建立数字孪生体 。 [13]未来 ， 特斯拉和其它汽车公司还会继续发展自动驾驶汽车 。 不难想象 ， 驾驶条件的数据（白天/黑夜、天气等） ， 道路性质（弯道、上下坡等）和驾驶者行为 ， 以及事故发生情况等数据都将被聚合起来进行分析 ， 从而驱动某一型号汽车性能的提升与改善 。 来自单个汽车的数据被分析后可用来微调车辆行为 。
又如 ， 风电系统的运行优化和风场的维护非常复杂 ， 尤其是建设在海上的风场 ， 维护需要调用船舶、直升机、海洋工程船等特殊设备 ， 成本更加高昂 ， 且维修周期更长 。 由于风机运行环境较恶劣、风资源的随机性 ， 以及风场多地处偏远地区等客观因素 ， 进行人工的状态监控和维护排程难以实现风能利用的最大效率 。 风场的运维策略和排程的优化需要综合考虑许多的因素 ， 包括风机的当前健康状态、维护机会窗口、对未来几天内风资源的预测、维护资源的可用性、维护人员的数量和技能、船舶的路径和成本、海上天气状况等多个维度的因素 。 [14]这都是建立其数字孪生体时需要考虑的因素 。
不只是针对产品 ， 还有针对使用者的 。 对于常规的非自动驾驶模式 ， 除了车的数字孪生模型 ， 还需建立驾驶者数字孪生模型 ， 以便在困难情况下基于特定的驾驶者行为反应 ， 能使驾车效果进一步微调 。 在汽车的新产品开发中 ， 公司可通过其正在运行的具有千千万万里程的汽车数据去模拟汽车性能和驾驶者反应 ， 以评估设计改变的效果 。 更一般地 ， 收集产品使用数据和用户行为及反应数据可建立仿真模型 ， 辅助设计决策 ， 平衡不同设计方案的优劣 ， 且预测市场接受的程度 。 总之 ， 通过对各种情况下的车辆数据和驾驶者数据的聚集融合 ， 并进行仿真 ， 能够驱动汽车的新产品开发或创新设计 。
孪生数据不只是产生在设计中 ， 且产生在产品全生命周期内 。 孪生数据不仅产生于产品的设计 ， 而且在产品的制造、运行、维护等全生命周期过程中 ， 都不断地产生孪生数据 。 有必要进一步深刻理解孪生数据：
切勿认为孪生数据只是产品设计中的几何、制造、物理等信息 ， 孪生数据在产品的全生命周期内而不断丰富 。


推荐阅读


上一篇：廿五|更好的运动体验，西圣挂脖式蓝牙耳机体验，狂甩不掉

下一篇：科技俱乐部菌|Reddit热议SN击败V5：人们再也不能看轻苏宁了