1. 首頁 > 生活百科 > 科技 > >

算法|數字孿生（三）：技術體系

傳感器算法

算法|數字孿生（三）：技術體系

這節我們來聊聊數據孿生的技術體系 。

數字孿生技術的實現依賴于諸多先進技術的發展和應用 ， 架構上看按照數據采集到應用分為數據保障層、建模計算層、數字孿生功能層和沉浸式體驗層的四層模型 ， 依次實現數據采集、傳輸和處理、仿真建模、功能設計、結果呈現等功能 。 每一層的實現都建立在前面各層的基礎之上 ， 是對前面各層功能的進一步豐富和拓展 ， 其技術體系如下圖所示 。
【算法|數字孿生（三）：技術體系】
一、數據保障層數據保障層是整個數字孿生技術體系的基礎 ， 支撐著整個上層體系的運作 ， 其主要由高性能傳感器數據采集、高速數據傳輸和全壽命周期數據管理3個部分構成 。 先進傳感器技術及分布式傳感技術使整個數字孿生體系能夠獲得更加準確、充分的數據源支撐 ， 數據是整個數字孿生體系的基礎 ， 海量復雜系統運行數據包含用于提取和構建系統特征的最重要信息 ， 相比于專家經驗知識和系統 ， 系統實時傳感信息更準確、更能反映系統的實時物理特性 ， 對多運行階段系統更具適用性 。
作為整個體系的最前沿部分 ， 其重要性毋庸置疑 。 高帶寬光纖技術的采用使得海量傳感器數據的傳輸不再受帶寬的限制 ， 由于復雜工業系統的數據采集量龐大 ， 帶寬的擴大縮小了系統傳輸數據的時間 ， 降低了系統延時 ， 保障了系統實時性 ， 提高了數字孿生系統的實時跟隨性能 。 分布式云服務器存儲技術的發展為全壽命周期數據的存儲和管理提供了平臺保障 ， 高效率存儲結構和數據檢索結構為海量歷史運行數據存儲和快速提取提供了重要保障 ， 為基于云存儲和云計算的系統體系提供了歷史數據基礎 ， 使大數據分析和計算的數據查詢和檢索階段能夠快速可靠完成 。
二、建模計算層建模計算層在獲得數據保障層提供的數據后利用數據驅動方法和基于數學模型的方法對系統進行多物理、 多尺度層面的建模 ， 使所建立的模型與實際系統準備匹配、實時同步 ， 并能預測系統未來狀態和壽命 ， 依據其當前和未來健康狀態評估其執行任務成功的可能性 。
建模計算層主要由建模算法和一體化計算平臺兩部分構成 ， 智能算法部分充分利用機器學習和人工智能領域的技術方法實現系統數據的深度特征提取和建模 ， 通過采用多尺度多模型的方法對傳感數據進行多層次多尺度的解析 ， 挖掘和學習其中蘊含的相關關系、邏輯關系和主要特征 ， 實現對系統的超現實狀態表征和建模 。 計算部分分為系統嵌入式計算和云服務器計算兩部分 ， 協同完成系統的計算任務 。 嵌入式計算層在端上完成數據的分析和建模 ， 使得數據分析工作不再僅僅依賴于云端計算 ， 并且通過端上數據計算和處理 ， 減小了通過鏈路傳輸的數據量 ， 節省了傳輸時間 ， 提高了系統時效性; 云服務器計算層是整個體系的計算核心 ， 為復雜的建模計算提供硬件計算平臺 ， 在平臺上利用分布式計算方法對經過鏈路傳送到云端的數據以及歷史存儲數據進行高速解析 ， 智能算法模型的訓練和應用都在云端完成 。 建模計算層是整個數字孿生體系的核心部分 ， 為功能層提供多視角、多尺度的系統模型和評估結果 。
三、數字孿生功能層功能層面向實際的系統設計、生產、使用和維護需求提供相應的功能 ， 包括多層級系統壽命估計、系統集群執行任務能力的評估、系統集群維護保障、系統生產過程監控以及系統設計決策等功能 。 針對復雜系統在使用過程中存在的異常和退化現象 ， 在功能層開展針對系統關鍵部件和子系統的退化建模和壽命估計工作 ， 為系統健康狀態的管理提供指導和評估依據 。 對于需要協同工作的復雜系統集群 ， 功能層為其提供協同執行任務的可執行性評估和個體自身狀態感知 ， 輔助集群任務的執行過程決策 。 在對系統集群中每個個體的狀態深度感知的基礎上 ， 可以進一步依據系統健康狀態實現基于集群的系統維護保障 ， 節省系統的維修開支和避免人力資源的浪費 ， 實現系統群體的批量化維修保障 。

相關經驗推薦