文摘
数字双(DT),旨在描述行为的物理实体通过利用虚拟实时复制,是一个新兴技术和范式革命4.0行业的前沿。DT预测性维护的实现促进了经济增长。预见性维护作为一个主要组成部分,状态监测(CM)是有很大潜力的,结合DT。描述DT-driven厘米的最先进的,本文提供了一个系统评价的理论和实践发展DT在推进厘米。进化的概念、主要研究领域、应用领域,以及相关的关键技术进行总结。CM DT的司机是详细的在三个方面:数据支持,功能增强和维护模式转变。DT-driven厘米的实现过程介绍DT的分类建模和监测算法的扩展。最后,讨论了当前的机遇和挑战未来的研究尤其是有关的障碍和空白数据管理、高保真造型,行为描述,框架标准化和量化的不确定性。
1。介绍
第四次工业革命”行业4.0”展示了一个新的工业机器的现代化和数字化趋势发展的推动物联网(物联网),先进的计算和人工智能(AI) (1]。这个新趋势的工业机器预计将以更高的效率、更长的寿命,并降低运营成本。维护在实现上述需求是至关重要的。因此,从预防性维修转变为预见性维护要求在工业时代的4.0。预见性维护可以最大化机器在职时间通过监测和预测最优进度状况。状态监测(CM)发挥了越来越重要的角色在支持预见性维护由估计的当前和未来的状态监控的机器。数据驱动的CM在过去的十年里取得了显著进步与传感器的发展,信息和通信技术和数据挖掘。然而,纯粹的数据驱动方法面临的根本挑战提供可判断的,可靠的,和实际解决方案由于数据可用性的限制,黑盒机器学习的本质,和多样化的操作条件。
随着智能传感器的发展、数字建模技术和数据科学、新概念和范式数字双(DT)开发,主要包括物理空间、虚拟空间,双向连接。一对一的对应与一个潜在的观察一个特定的物理实体。虚拟镜像表示这意味着捕捉真正的资产的基本物理表现在数字格式,如CAD或工程模型和相关的元数据。DT可以迅速回应刺激(力量,温度,等等)和描述操作环境,诸如风能和波浪,资产存在或内操作。有连续的研究来建立数字双胞胎。DT最初开发为空军车辆由NASA和美国空军,使设备的安全性和可靠性2]。此后,DT变得更加学者和行业的兴趣,以及许多的努力。尽管DT-related研究仍处于婴儿阶段,很多的定义提出了DT (3]。当前DT的研究主要侧重于建模方法和原型框架根据使用场景(1]。
由于DT的承诺能力,科学研究和实际应用的DT在CM中近年来出现。DT厘米预见性维护带来了新的解决方案,而体系结构,工作流程,及相关的方法DT-driven CM尚未定义良好和建立。此外,我们所知,有几个文件(4- - - - - -7)回顾了DT的发展或预见性维护,但DT-driven厘米的进步并没有被报道。在CM中总结的最新进展了DT是必要的。因此,本文进行系统回顾发展DT-driven厘米。
本文组织如下:部分2说明了CM和DT的背景,提供了定义,应用程序,和局限性;部分3描述了采用文献综述的方法和材料。部分4包含一个描述和详细的分析的研究结果,讨论面临的挑战和机遇。最后,本研究的结论提供了部分5。
2。背景
本节的目标是提供一个简要的概述的主要概念和应用CM和DT。
2.1。状态监测
进化预防性维修和状态维修的机械状态监测的起源和概念定义为表1所示。保守,状态监测是一个观察的过程参数,显示系统的当前状态(4]。它在维护中起着重要作用,管理,和可持续操作各种行业,如制造业(8),电子产品(9),和运输10]。在这些行业的执行状态监测允许将维护计划和行动以防止间接损害。它会带来很多好处,如减少机器停机时间和成本,延长机器的寿命。
状态监测的实现分布在不同的应用程序,例如性能评估(14),振动模型(15)、热监控(16),和石油分析(17]。每个实现将包括三个基本步骤:数据采集、数据处理和决策过程。各种传感器(如电气、电子和机械)被安装在机械获得类型的数据。处理这些数据来估计通过众多技术机器的操作状态。在处理数据时,状态信息将有利于决策,如在确定/预测(我)的健康状况,(2)剩余使用寿命,(iii)失效分析(iv)停机时间减少,(v)性能改进策略。
状态监测的应用提高了机器的可靠性,虽然仍有一些局限性。数据不可用或定性数据很难评估设备状态。故障和性能恶化不容易跟踪和描述没有专业知识和大量的样本。
2.2。数字双
数字双概念的概述,表2提供了一些定义在学术出版物。不断地重新定义的概念,而他们中的大多数包括三个主要元素:物理空间、虚拟空间,他们的数据和模型的连接。DT的特点可以从这些概念作为个性化,高保真,实时,可控18]。通过建立一个精确的一对一的映射和反馈真实的物理空间和数字空间之间的联系,数字双可以实现实时数据/信息交换,动态建模和更新数据的整个生命周期。
数字双胞胎的实现是基于几个关键技术:(i)数据管理、(2)高保真造型,和(3)基于模型的仿真18]。作为数字双胞胎的基础,数据经过的步骤收集、处理、映射和计算驱动DT。物理建模和数据驱动方法和集成用于描述复杂行为的物理对象,并作出预测/在DT迅速反应。模拟实现一个虚拟模型来预测实时物理实体的行为,提供措施来定位故障部件,预测剩余寿命,并量化的不确定性。
数字双技术的研究和实践是分不开的从目标系统和应用场景。众多行业一直在探索它的适用性,如无人机(23),燃气轮机(24,风力涡轮机25),和制造系统26]。然而,数字双概念的内涵和技术框架尚未形成一个统一的共识,这些机器的运行和维护阶段。一些瓶颈技术,如合并多畴的物理模型和数据驱动的方法,准确的映射,和动态演化的数字双胞胎,是突破被调查。
3所示。研究方法
3.1。研究目标/问题
考虑到CM的面临的挑战和机遇因DT,本文旨在分析厘米之间的组合方式和DT,评价不同观点和利益的组合。在本文中,我们试图回答以下研究问题:(我)Q1:为什么数字双技术适合促进机器状态监测?(2)Q2:数字双技术如何驱动机器状态监测?
总的来说,本文研究的动机通过数字双技术状态监测是如何改变,包括原因、措施,和收益。与此同时,关键的挑战和未来趋势将会参与进来。
3.2。研究资料和方法
系统文献综述(SLR)是用于分析和评价研究的现状源于给定的问题。该方法有别于传统的审查与优势避免偏见的介绍以及缺乏批判性分析。指车队et al。7)和Silvestri et al。27),该方法的实现包括五个阶段:(1)配方的研究问题,(2)收集相关文献在通用数据库通过特定的关键词,(3)提取合格论文,达到合格标准,(4)数据库的设计评估和提取的论文,和(5)描述的结果和发现。
确定研究问题后,几种常见电子数据库是用于搜索相关论文,包括谷歌学术搜索(http://scholar.google.com),IEEE (http://ieeexplore.ieee.org),斯高帕斯(http://scopus.com),和网络科学(http://webofscience.com)。考虑到状态监测有多个类似的名称,搜索字符串来源于研究问题如下:(我)“数字双”和“实时”或“健康”或“条件”)和“监控”(2)“数字双”,(“性能”或“状态”)和(“评价”或“评估”)
大量的论文收集匹配关键字的范围。然后,我们选择合格的论文通过设置排除标准中列出的表3。2017年被选为搜索筛选器的开始日期,因为DT在学术界和工业在2017年之前还在初级阶段。数字双技术被应用在许多领域,如医疗、智能城市,和机械状态监测的意义是不同的3]。标准2所示,在机器的实现技术是研究对象。论文从专业会议和期刊被认为是由于其简洁和高质量。
我们在标题和摘要进行了初步调查评估的相关性。更好的分类和分析,所选论文检索的文章结构(概念、回顾、案例研究等),研究方法(数据驱动、physical-based、混合,例如),研究对象(燃气轮机、风力涡轮机、制造系统,等等),以及研究目的(健康监测、结构损伤评估、绩效评估等)。同时,所选的文章的全文了提取特性研究问题。
4所示。结果和发现
基于调查结果,发现研究问题提出了在这一节中。
4.1。描述性分析的研究结果
我们收集了从2017年到2022年发表的133篇论文在专业学术搜索数据库。删除重复后,最终的数据库包含95篇论文适合应对研究的目标。我们选择一篇文章阅读全文,论文研究了相同类型的机器或使用相同的方法。最后,64篇论文充分探索,和其他人读简单的如表所示4。
本文通过搜索数据库和类型分布如图1。谷歌学术搜索和网络科学是综述的主要来源。在数据库中,期刊文章显然是超过会议论文。据统计,主要期刊和会议,提出多个发生IEEE访问、国际期刊《先进制造技术、机器人和电脑一体机制造、制造系统期刊,ASME涡轮世博会,IEEE国际会议。
自2015年以来,出版物的数量一般每年增加,如图2。大部分的文学以案例研究为主(74.7%),它被分成三类:(i)理论模拟(17.9%):理论提出了通过仿真和比较;(2)实验(31.6%):方法和模型验证了虚拟现实交互在理想的实验条件;(3)原型(25.3%):方法被证明与实际监测数据或应用于在职的机器。上升趋势的论文实验和原型意味着DT-driven厘米的研究从理论转向的实现。与此同时,这种转移情况促进讨论相关技术和挑战,导致增加复习文献。
示范应用区和DT-driven厘米的情况下,我们提出一些代表性论文上市日期表5。每篇论文的研究领域、对象和提取相关参数进行分析。数字双胞胎带来更多的内涵和扩展状态监测,如列所示的特定区域,如结构负载监测、远程在线集群监控和预测剩余寿命(原则)。实验和应用已经蔓延在众多领域,包括能源(蒸汽涡轮发电机和风力涡轮机),运输(车辆制动系统和血管)、航空(飞机和航空发动机),航天(卫星)、制造业(车床和3 d打印机),和电子(转换器和电池)。在这些场景中,大多数监测变量是无法访问的,不可预测的,或与操作条件变化明显,不能或难以监测和估计只有传统的传感器和数据处理技术。
找到所有条款直接关系到状态监测和数字双胞胎之间的组合,我们生成的关系映射的关键字,出现的两倍多,从文献数据库,并加以分类分成四组,呈现在图3和表6。“数字双”是最常出现的词,构建之间的联系发展的背景和主题,新兴技术和方法,以及创新的实现。现代技术(数字双,cyber-physical系统、物联网等)能够整合各种小说传统的状态监测方法,即。、人工智能、云计算和虚拟传感。
根据关键字分析,DT-driven厘米目前主要用于两个字段:制造过程(由智能制造(62年])和操作和维护过程(由预见性维护(63年])。一些研究modelling-oriented方法,数字的双胞胎,基于技术工程挑战,与描述的目标精确的物理行为。其他人采取面向信息管理的方法,如物联网、强调语义关系和无缝信息流。这两种方法都是从人工智能、云计算,以及其他方法,都是在开发的早期阶段。上面的进步提供可能性状态监测的应用在多个领域,如原则预测组件,快速复杂系统的故障诊断、结构健康监测。
4.2。数字双驱动状态监测的内容分析
本节给出结果和讨论基于前面阐述的问题。
4.2.1。准备Q1:为什么DT适合促进机器状态监测?
目前,传统的状态监测仍有障碍,包括(i)数据无法理解由于严酷的环境下或传感、不足(2)缺乏可解释性和透明度由于使用黑盒模型,和(3)弱支持预测和综合决策能力。DT-driven厘米是定制,高保真、实时可控的过程来评估当前状态和模拟预测的场景。DT提供高保真精确的模型来描述和预测物理实体在虚拟空间的状态。物理实体和虚拟模型链接可以提供实时信息在机器性能和操作的反馈(3]。实时交互状态监测发展奠定了基础。因此,DT-driven厘米可以克服现有方法的局限性,提供额外的好处,如以下:(我)可用性的一个多层次,多畴的数据库
DT属于一个完整的数据库,数据库存储整体和分层数据覆盖整个生命周期。这个数据库是建立与design-manufacturing-operating-maintenance数据和记录机层部分层。新的监控的变量(应力、应变等)可用于状态监测和原则能够评估新的失效模式。李等人建立了一个通用的概率模型来实现数字双视觉和预测飞机机翼疲劳裂纹增长(28]。Magargle等人提出了一个数字twin-driven方法支持热监测和累积磨损预测的汽车制动系统(30.]。谢等人提出一种态度液压监测方法支持基于数字双理论(36]。
此外,一个新的概念,提出了“虚拟传感器,”阮等人作为一个流程变量的小说解析解,可用于传感器的地方(59]。他们使用虚拟传感器基于DT来构造一个给水加热器的性能预测模型。虚拟传感器由数字双胞胎也被应用在垂直运输系统(47和挖泥机53)监督指导校准和定义残余预警值。
状态监测和诊断已成为更实际的可用数据的类型和数量也越来越多。然而,多级数据库相关文献很少提出因为规模的数字双胞胎研究对象主要集中在小的结构。同时,above-referred方法获取新的变量主要依赖于数值模拟或平衡方程,这不可避免地存在错误和nonconvergence条件。虚拟传感器的输出是物理实体的影响,环境,和使用历史,现有研究很少考虑。(2)增强故障跟踪和降解能力预测:
基于数据驱动的方法与状态监测监控数据作为输入可以触发准确地早期预警,同时确定故障的根本原因是一个挑战对于这样的方法由于缺乏连接失效机理和物理结构。相反,虚拟镜像的DT是多重物理量的过渡形式,多尺度和多畴的模型,可以描述的动态行为的物理实体。因此,组件或系统,直接导致故障所在的输出和内部交互虚拟镜像。道等人提出了一个DT-driven物理加工方法来识别和估计变速箱故障,和DT模型有更好的性能检测故障原因(例如,牙齿磨损、疲劳和断裂)比信号诊断方法(31日]。DT-based方法提出了包括物理实体、虚拟设备、服务、数据和连接,适用于改善预后的准确性。然而,平衡成本和效益DT DT和处理大量的数据会影响应用程序。扎等人建立了一个框架,监测、诊断和健康管理的飞机引擎舰队基于数字双(32]。这个框架,不同程度的耦合故障准确识别和孤立。然而,这个框架过于简单,以适应需求的数字双胞胎,因为它是完全基于一个引擎性能模型和蒙特卡罗模拟。
为机器长期服务寿命,性能下降的影响和结构恶化时必须考虑进行状态监测。数字双胞胎可以描述这些特性不仅从监测数据分析,还从部分的角度偏差。工艺等人建立了一个多级数字航空引擎的双胞胎。他们整个发动机性能的退化特征和关键模块特点与受损的图像组件,例如,高压压气机叶片的侵蚀64年]。道斯等人提出了一个自动morph-mesh-solve工作流更新高压涡轮叶片的几何模型来预测燃气轮机的性能数字双叶片腐蚀的考虑(65年]。虽然这些技术有很大的实用价值,相关数据和样本难以获取和收集每个DT物理实体。(3)要求维护模式革命
状态监测已经被应用于高价值资产的操作和维护。然而,这项措施只由监测数据只能提供参考信息,而不是最终决定维护计划在大多数情况下,因为训练模型不够可靠和可翻译的定位失败和预测可服务性。因此,大多数机器维修时间间隔是固定的,导致高成本和低利用率。预见性维护方法产生更新的信息允许未来行为的预测部分的使用寿命最大化13]。它旨在减少维护成本,同时保证机器的安全性和可靠性。目前,DT预测性维护的应用是最相关的主题在学术研究和工业实践(18]。
有必要推广结合DT实现预测维修和监控方法。丁等人提出了一个预测维护方法,希勒predive原则和关键部分支持决策基于高保真模型和hyperrealistic行为模拟,这两个数字双造型的关键技术(66年]。Moghadam原则提出了一个创新的动力传动系统和内贾德监测方法基于数字双模型执行预测维护的汽轮机主轴57]。这两篇论文在狭义上只探讨预见性维护,和未来的研究应该包括更多的故障模型和决策考虑。小姐等人提出了合作意识和决策框架与数据集成,知识,和DT来支持故障诊断和维护计划和实际工程情况,预测维修决策在大型立式磨机的磨辊轴承,分析说明的准确性和适用性这个框架(67年]。一般来说,框架是广泛的和先进的,考虑到所有重要元素,比如多级数据自适应模型,不确定性和操作条件。
4.3。Q2:数字双驱动状态监测如何?
DT与高保真physical-digital副本和个性化模型,以及双向和实时数据传输过程。先进的建模方法使数字模型来描述其实体的操作条件和提供额外的负载,数据损坏,和错误。physical-to-digital连接意味着物理实体的条件数据实时传输到虚拟环境中。然后,数字本身来匹配其对应的模型更新,和条件数据用于故障诊断和预后。DT-driven厘米的基础是先进的建模方法。然后,新的状态监测和故障诊断算法开发了基于DT的显著特点。建模和算法开发的进展总结如下:(我)DT模型描述机器的行为
许多建模方法开发作出准确和双向物理实体和虚拟模型之间的映射。他们可以分为physical-based、数据驱动和混合的方法,如表所示7。Physical-based方法应用与高保真保持虚拟模型,包括为机械系统的建模方式,结构的数值模拟,等效模型的电子设备。数据驱动的方法构建特定机器操作条件和感兴趣的变量之间的联系。混合方法结合physical-informed和数据驱动方法通常采用物理或系统集成原理知识。快速反应扫描生成减少模型自由度使用混合方法。模型由混合方法需要标准DT的特性,如高保真、快速更新和快速反应能力。
根据文献的调查,大多数现有的原型研究旨在简单的系统或结构。physical-based造型合格支持数字双建模在这种情况下。上官等人提出了一个新的物理虚拟收敛方法Modelica-based造型的卫星系统(45]。莫伊等人建立了一个数字的双胞胎小关节吊杆起重机的有限元建模和验证结果通过应变仪(43]。一些研究使用数据驱动的方法来构建数据链接在数字双胞胎。李相比数字twin-driven虚拟传感器的精度由不同的模型,如多空词记忆网络,极端的梯度增加,支持向量回归和深层信念网络55]。Stoumpos Theotokatos采用神经网络数据驱动方法为数字双作为虚拟传感器的海洋双燃料发动机(70年]。Booyse等人提出的一种新形式的DT,深数字双(71年]。它是由深生成模型学习健康的分布数据直接从初运营数据资产的生命周期71年]。然而,执行的参数映射黑盒模型尚未满足的需求DT-driven厘米,由于缺乏可解释性和物理知识。
最近,混合方法结合physical-based和数据驱动模型研究学者的减少计算和映射的一个高阶的虚拟模型。Bonilla等人使用图像卷积神经网络理论和液压模型方法来生成一个数字双水系统(61年]。Magargle等人建立了一个多级模型汽车制动系统与三维有限元分析,0-D多畴的电路模拟,和降维模型(30.]。Vasilyev等人提出一种耦合建模方法,可以有效地利用燃气轮机叶片的剩余寿命估计thermal-solid综合分析和整体机器学习(72年]。Hybrid-method-based DT可以快速计算和预测多级的结果或复杂的机器。然而,计算错误来源于快速映射以及时间和资源成本产生的物理建模应用程序中必须优化的混合方法。(2)基于模型的诊断和预测的发展
传感器设置在机器通常有限,可用的传感器数据往往不支持培训丰富的健壮的数据驱动的状态监测算法(52]。DT监控变量的增加,提出了许多诊断和预测方法,监测的面积被扩大。在这些方法中,绩效评估主要是在整机进行层;故障检测和健康状况评估是系统或子系统层;荷重软化预测主要集中在部分和组件层。细节如下:(一)绩效评估
在职的机器的性能,决定了运营商的盈利能力,是一个关键因素引发修复预测性维护,尤其是对旋转机械。在先前的研究中,性能下降趋势通常是评估的历史数据统计方法,它只能反映平均水平。至于现在,个人业绩条件可以通过数字双追踪和评估,认为特定的操作环境和负载使用机器。不同于简单的基线拟合方法,帕诺夫和Cruz-Manzo建立了燃气轮机的性能数字双平台跟踪性能退化与小说气体通道组件容量指数(50]。一个分布式控制系统网络建于帕诺夫的工作,但每个模块单独的引擎是基于一维模型,这是不利于获得高精度的预测结果。约翰森提出了燃料消耗和内贾德评价方法在船舶运动由DT(生成的数据35]。结果表明,较低的忠诚模型比更高的忠诚更精确的模型。更高的维度和富达的虚拟模型表明,需要更多的数据作为输入,并优化。(b)异常检测
相关变量的访问地点和严酷的环境下可以基于数字监控的双胞胎造型。因此,异常与这些参数可以直接识别和检测。Balta等人建立了一个DT架构以适当的数学模型形式和已定义的变量的偏差显示3 d打印机的异常发生在加法制造过程(40]。扎等人提出了一个自动的基于签名的异常检测算法和故障隔离的航空发动机组件基于数字双平台所产生的气流参数(32]。高价值资产与复杂的结构将受益于DT,支持的异常检测可以监控相关参数难以捉摸的位置。(c)健康监测
健康监测是一个重要的预测维护复杂的系统的一部分。健康状况表明设备是否满足操作条件。数字双的实时监控参数可用于健康指示器和快速更新机器的健康状况。玉等人提出了一个数字twin-based方法来评估健康状态的光电系统,光学传递函数的指标(52]。彭等人得出具体的卫生指标在不同级别的电力转换器和应用粒子群优化估计电路参数根据传入的数据从数字双和物理原型(42]。与传统的数据驱动的方法相比,DT模型估计结果更准确,它可以实时更新和self-learn,证明数字双胞胎在健康监测方法具有良好的性能和广泛的适用性。(d)荷重软化预测
相关论文的数量原则预测基于DT主导着文献数据库。一方面,关键部件的剩余生活有着重大影响整机的安全性和维修计划。另一方面,它可以获得实时加载的组件和基于数字双计算累积损伤。原则在变负载,可以通过使用获得的损伤评估模型具体的失效模式,如积累穿的制动系统(30.),疲劳裂纹飞机机翼的长度(46)、热机械疲劳的涡轮机blisks [73年],和涡轮叶片蠕变损伤[72年]。这些方法都是基于降阶模型构建一个快速映射模型从热性能监控参数或结构的关键组件。DT提供潜在的预测这些关键部分的原则,其中生活总是受负载和温度的影响。然而,收集的数据如几何、材料、和历史故障数据使得算法开发和验证复杂。
4.4。挑战和未来的发展方向
虽然影响了通过数字双提高状态监测技术,仍然存在一些障碍和限制。同时,数字双胞胎在状态监测中的应用本文证明有许多机会和进一步的研究在这一领域的新方向。因此,本节的挑战和未来的发展方向进行了讨论。
4.1.1。当前的挑战
(1)数据收集和管理。多源、多通道、多瞬时规模数据(如几何、材料、监测数据、环境、使用和维护记录)将参与建立一个数字双,可以准确反映操作条件。它们覆盖整个生命周期的机器,包括设计、制造、运行和维护阶段。收集上述数据高质量和完整性是一个重要的但困难的挑战。数据收集后,管理这些数据到一个完整和标准订单,支持状态监测,是一个关键问题。
由一群个体生成的数据量数字双胞胎太大,被存储在标准的存储设备。与此同时,这些数据应该方便的在线及时进行远程实时状态监测。王等人提出了大数据驱动控制机制和IoT-cloud技术构建CPS-Digital-twin multi-life-cycle再制造过程(74年]。尽管cyber-physical系统和神往的正在迅速发展,实现在线存储和访问将是昂贵和费时的。
(2)模型和方法的发展。数字双造型机器需要一个好的保真度和效率之间的权衡,考虑需求的快速反应和可用的计算资源。Physical-based造型是一个耗时的计算过程。数据驱动的方法是有效的,但是缺乏可解释性和透明度。虽然这两种方法都是一个解决方案的集成DT-driven厘米,model-coupling过程中发生的错误和不确定性是一个派生问题,探索在学术界。
DT-driven厘米目前处于初期阶段。如何开发新方法基于生成的新变量数字双监控新国家仍然需要深入研究和创新。
(3)验证行为描述的准确性。一个大型系统的操作条件是动态变化的。时间和操作环境影响性能下降和部分损失。把这些变化特征的物理实体到虚拟模型的更新过程是一个挑战。然后,更新数字的准确性双每次更换后仍有待验证。然而,一些数字双胞胎可以基于输入数据的实时更新。因此,状态监测不能完全依赖这种数字的双胞胎。
10/24/11。未来的发展方向
(1)多元、多层次模型发展DT-Driven厘米。大多数研究对象了DT是单组分模型的论文。它可能是多组分的一部分,多级机械行业中。单组分DT是很难满足的需要复杂的系统性能评估和故障隔离。此外,每个系统元素可能被不同的软件模拟和模型适应性。所有元素的耦合成一个集成系统是一个涉及部分需要设计和有效的组织。集成系统应确保可以重用现有的子,更换,没有腐蚀或修改整个系统仿真。因此,这被认为是一个有前途的方向DT-driven CM的研究。
(2)框架标准化DT-Driven厘米。数字的概念和内涵双胞胎已经充分发展提出了10年来DT。然而,DT-driven CM进入多种形式的实现。没有标准化的进展放缓深入发展,主要读者为机器无法找到适当的解决方案。一个有效的方法是提出标准DT状态监测框架,包括系统架构、工作流建模方法和评价指标。
(3)不确定性量化DT-Driven厘米。众多来源的不确定性导致决策者有保留意见的准确性和可靠性监控性能。三大来源包括输入数据的不确定性,如几何、操作条件和模型形式的不确定性,这只是一个近似计算的实际条件和有限的预算,以及数值迭代误差引起的不确定性,离散误差。有效管理不确定性,不确定性量化应该被纳入DT-driven厘米,包含不确定性的识别、传播、分析和优化阶段。
5。结论
DT的发展创造新的机遇和困难为厘米。本文着重解决两个问题,DT是为什么以及如何利用CM。我们进行了系统的文献回顾从常见的电子数据库收集的95篇论文概述DT-driven厘米。我们分析了研究有关的原因、方法和应用程序与DT-driven厘米的概念。通过深入的分析,可以得出结论,原因包括:(我)许多新的监控的变量提供的DT扩大监测范围。(2)DT的实时响应和行为描述提高监测能力。(3)基于DT预见性维护提供了新颖的监控模式。
DT对CM的造型方法的细节(例如,physical-based、数据驱动和混合方法)和小说监测模式(绩效评估、异常检测、健康监测、荷重软化预测等)进行了讨论,为建筑提供见解DT-driven厘米。这项工作调查更多的支持由DT厘米和细节少厘米是应用基于DT,聚集的影响的文献。在未来,更应当将重点放在数字twin-driven状态监测的优越性和可用性在传统的状态监测。
总的来说,各种框架和方法论DT-driven厘米已经提出,但只有少数获得行业共识。大多数的研究集中在单个组件建模和单向物理数字通信,这还没有被证明是一个强大的司机状态监测从技术工程视图。DT-driven厘米同时,没有统一的标准,使研究更加分散,难以引用其他学者,这可能会导致重复的研究。关键是研究人员一起工作来创建一个系统框架,DT和进一步DT-driven厘米。
的利益冲突
作者宣称他们没有竞争的经济利益或个人关系可能出现影响工作报告。
确认
这项工作的部分支持由英国创新(76940)。