基于热成像的预测数字孪生用于状态监测
计算机视觉与模式识别
2024-11-12 v1 机器学习
摘要
本文探讨了开发和实际应用一种专门用于状态监测的预测数字孪生，利用先进的数学模型和热成像技术。我们的工作提出了一种全面的方法，将正交分解（POD）、鲁棒主成分分析（RPCA）和动态模态分解（DMD）集成在一起，以建立稳健的预测数字孪生框架。我们在涉及通过热成像监测加热板的实时实验设置中采用了这些方法。该系统有效展示了数字孪生在实时预测、状态监测和异常检测方面的能力。此外，我们引入了包括虚拟现实的人机界面，增强了用户交互和系统理解。本研究的主要贡献在于这些先进技术在可触摸设置中的展示，展示了数字孪生通过实现更主动和战略性的资产管理来转变行业实践的潜力。
引用
@article{arxiv.2411.05887,
title = {Predictive Digital Twin for Condition Monitoring Using Thermal Imaging},
author = {Daniel Menges and Florian Stadtmann and Henrik Jordheim and Adil Rasheed},
journal= {arXiv preprint arXiv:2411.05887},
year = {2024}
}