|
这节我们来聊聊数据孪生的技术体系。 数字孪生技术的实现依赖于诸多先进技术的发展和应用，架构上看按照数据采集到应用分为数据保障层、建模计算层、数字孪生功能层和沉浸式体验层的四层模型，依次实现数据采集、传输和处理、仿真建模、功能设计、结果呈现等功能。每一层的实现都建立在前面各层的基础之上，是对前面各层功能的进一步丰富和拓展，其技术体系如下图所示。
一、数据保障层数据保障层是整个数字孪生技术体系的基础，支撑着整个上层体系的运作，其主要由高性能传感器数据采集、高速数据传输和全寿命周期数据管理3个部分构成。先进传感器技术及分布式传感技术使整个数字孪生体系能够获得更加准确、充分的数据源支撑，数据是整个数字孪生体系的基础，海量复杂系统运行数据包含用于提取和构建系统特征的最重要信息，相比于专家经验知识和系统，系统实时传感信息更准确、更能反映系统的实时物理特性，对多运行阶段系统更具适用性。 作为整个体系的最前沿部分，其重要性毋庸置疑。高带宽光纤技术的采用使得海量传感器数据的传输不再受带宽的限制，由于复杂工业系统的数据采集量庞大，带宽的扩大缩小了系统传输数据的时间，降低了系统延时，保障了系统实时性，提高了数字孪生系统的实时跟随性能。分布式云服务器存储技术的发展为全寿命周期数据的存储和管理提供了平台保障，高效率存储结构和数据检索结构为海量历史运行数据存储和快速提取提供了重要保障，为基于云存储和云计算的系统体系提供了历史数据基础，使大数据分析和计算的数据查询和检索阶段能够快速可靠完成。 二、建模计算层建模计算层在获得数据保障层提供的数据后利用数据驱动方法和基于数学模型的方法对系统进行多物理、 多尺度层面的建模，使所建立的模型与实际系统准备匹配、实时同步，并能预测系统未来状态和寿命，依据其当前和未来健康状态评估其执行任务成功的可能性。 建模计算层主要由建模算法和一体化计算平台两部分构成，智能算法部分充分利用机器学习和人工智能领域的技术方法实现系统数据的深度特征提取和建模，通过采用多尺度多模型的方法对传感数据进行多层次多尺度的解析，挖掘和学习其中蕴含的相关关系、逻辑关系和主要特征，实现对系统的超现实状态表征和建模。计算部分分为系统嵌入式计算和云服务器计算两部分，协同完成系统的计算任务。嵌入式计算层在端上完成数据的分析和建模，使得数据分析工作不再仅仅依赖于云端计算，并且通过端上数据计算和处理，减小了通过链路传输的数据量，节省了传输时间，提高了系统时效性; 云服务器计算层是整个体系的计算核心，为复杂的建模计算提供硬件计算平台，在平台上利用分布式计算方法对经过链路传送到云端的数据以及历史存储数据进行高速解析，智能算法模型的训练和应用都在云端完成。建模计算层是整个数字孪生体系的核心部分，为功能层提供多视角、多尺度的系统模型和评估结果。 三、数字孪生功能层功能层面向实际的系统设计、生产、使用和维护需求提供相应的功能，包括多层级系统寿命估计、系统集群执行任务能力的评估、系统集群维护保障、系统生产过程监控以及系统设计决策等功能。针对复杂系统在使用过程中存在的异常和退化现象，在功能层开展针对系统关键部件和子系统的退化建模和寿命估计工作，为系统健康状态的管理提供指导和评估依据。对于需要协同工作的复杂系统集群，功能层为其提供协同执行任务的可执行性评估和个体自身状态感知，辅助集群任务的执行过程决策。在对系统集群中每个个体的状态深度感知的基础上，可以进一步依据系统健康状态实现基于集群的系统维护保障，节省系统的维修开支和避免人力资源的浪费，实现系统群体的批量化维修保障。 数字孪生体系的最终目标是实现基于系统全寿命周期健康状态的系统设计和生产过程优化改进，使系统在设计生产完成后能够在整个使用周期内获得良好的性能表现。作为整个数字孪生体系的直接价值体现，功能层可以根据实际系统需要进行定制，在建模计算层提供的强大信息接口的基础上，功能层可以满足高可靠性、高准确度、高实时性以及智能辅助决策等多个性能指标，提升产品在整个寿命周期内的表现性能。 四、沉浸式体验层沉浸式体验层的主要目的在于提供给使用者人机交互良好的使用环境，使使用者能够获得身临其境般的技术体验，迅速了解和掌握复杂系统的特性和功能，并能够便捷地通过语音和肢体动作访问数字孪生体功能层提供的信息，获得分析和决策方面的信息支持。未来的系 统使用方式将不再仅仅局限于听觉和视觉，同时还将集成触摸感知、压力感知、肢体动作感知、重力感知等多方面的信息和感应，使使用者在使用时能够完全复现真实的系统场景，并通过人工智能的方法了解和学习到真实系统本身不能直接反映的系统属性和特征。通过学习和了解在实体对象上接触不到或采集不到的物理量和模型分析结果，使用者能够对系统获得更深入的理解，设计、生产、使用、维护等各个方面的改进和优化灵感将被激发和验证。体验层是直接面向用户的层级，以用户可用性和交互友好性为主要参考指标。 |
|
|
