预测性维护、机器学习与基于物理建模交叉处的数字孪生全景
机器学习
2022-06-27 v2
摘要
数字孪生（digital twin）的概念在过去十年中迅速普及，尽管已有大量综述、调查和新闻稿，但围绕其多种定义、作为新技术的新颖性以及实际适用性的困惑仍然存在。本文探讨了数字孪生一词的历史，以及其在产品生命周期管理、资产维护和设备机队管理、运营与规划等领域的初始背景。还基于七个基本要素提供了利用数字孪生的最小可行框架定义。概述了采用数字孪生方法的的应用与行业的简要巡览。重点介绍了数字孪生框架在预测性维护领域的应用，及其利用机器学习和基于物理建模的扩展。采用机器学习与基于物理建模相结合形成混合数字孪生框架，可协同缓解各自孤立使用时的不足。还讨论了在实践中实施数字孪生模型的关键挑战。随着数字孪生技术的快速发展和成熟，其在显著增强复杂设备智能维护工具和解决方案方面的巨大前景有望实现。
引用
@article{arxiv.2206.10462,
title = {The Digital Twin Landscape at the Crossroads of Predictive Maintenance, Machine Learning and Physics Based Modeling},
author = {Brian Kunzer and Mario Berges and Artur Dubrawski},
journal= {arXiv preprint arXiv:2206.10462},
year = {2022}
}
备注
21 pages, 5 figures