非线性动力系统的数字孪生：一个视角
机器学习
2023-09-21 v1 动力系统
混沌动力学
数据分析、统计与概率
摘要
数字孪生近来吸引了广泛领域的大量关注。非线性动力系统数字孪生的根本要求是能够生成系统演化并预测潜在的灾难性涌现行为，从而提供早期预警。该数字孪生随后可用于系统“健康”实时监测与预测性问题解决。特别地，若数字孪生预测到未来因环境变化或扰动引起的参数漂移可能导致系统崩溃，则可制定并执行最优控制策略作为早期干预以防止崩溃。构建非线性动力系统数字孪生有两条途径：稀疏优化与机器学习。本文描述了这两种途径的基础，并讨论了其优势与注意事项。
引用
@article{arxiv.2309.11461,
title = {Digital twins of nonlinear dynamical systems: A perspective},
author = {Ying-Cheng Lai},
journal= {arXiv preprint arXiv:2309.11461},
year = {2023}
}
备注
12 pages, 3 figures