数字双胞胎是物理资产的虚拟镜像，借助传感器采集数据反映机器的实时工况、状态和位置，通过模型优化后，返回现实世界以提高机器性能。数字双胞胎也可用于监控、诊断和预测，数字模型借助物理对象的数据积累，分析机器的健康衰退程度，提出预测性维修方案。
数字孪生技术作为当前智能制造技术中的热点，正在给全球传统制造业带来巨大变化。在海军装备保障领域引入数字孪生技术，势必推动装备保障等领域的变革升级。目前数字孪生技术在武器装备预测性维护、武器装备智能管控、维修保障智能工厂等方面均有较好的应用前景。随着工业互联网、人工智能、大数据等技术与制造业的深入融合，数字孪生将更容易实现。近年来，美海军大力发展数字孪生技术，打造数字工程生态系统，将现有武器装备作战系统提升为基于模型、由数据驱动的集成化实践，极大提升武器系统的快速规划、敏捷设计、高效制造和精确保障，使美海军超越快速变化的威胁和技术进步，更快地向作战部队交付先进作战系统，同时更具经济可承受性和持续保障性，以支撑美国第三次“抵消战略”。
数字孪生概念被提出后，很快被美国国防部应用于航空航天飞行器的健康维护与保障。德国西门子、法国达索、美国通用电气、美国参数技术等公司也积极跟进，特别是近些年，随着智能制造等概念的推进，数字孪生已成为智能制造的通用技术，在军工制造、高端装备等很多行业得到广泛应用。
智能传感器基本结构如下图所示，一般包含传感单元、计算单元和接口单元。传感单元负责信号采集，计算单元根据设定对输入信号进行处理，再通过网络接口与其他装置进行通信。智能传感器的实现可以采用模块式（将传感器、信号调理电路和带总线接口的微处理器组合成一个整体）、集成式（采用微机械加工技术和大规模集成电路工艺技术将敏感元件、信号调理电路、接口电路和微处理器等集成在同一块芯片上）或混合式（将传感器各环节以不同的组合方式集成在数块芯片上并封装在一个外壳中）等结构。
近年来，数字孪生（DigitalTwin）一词迅速蹿红，成为一个炙手可热的概念。但随着工业界和学术界对数字孪生的不断解读，其含义却越发扑朔迷离，和其他一些相关概念的界限也越来越模糊。数字孪生到底是什么，能做什么，边界在哪里，它和建模仿真是什么关系等等问题令很多人困惑。本文尝试对其中的一些疑惑进行粗浅的分析。
智能生产管控是智能制造的核心表现形式。本文以智能制造CPS理念为牵引,通过对标实时状态感知、分析推理决策,以及闭环控制执行的智能生产管控需求特征和数字孪生技术内涵,建立了业务需求与技术融合的结合机制。结合科研项目实践,给出了制造服务化智能配置管理决策和自适应智能加工工艺决策的基于数字孪生的智能生产管控应用重点案例,并结合当前自动化产线建设热潮,给出了基于数字孪生的智能生产线运行模式发展趋势的判断。
随着中国智能制造的实施，电机行业逐步开展智能制造项目，但在项目实施过程中存在落地难、建设周期长、智能化程度不高等问题。介绍了数字孪生在电机智能车间建设中的应用前景，探讨了电机智能车间虚拟建模、孪生数据采集与实时驱动、增强现实（AR）孪生交互等仿真技术，并结合电机嵌线车间智能化建设阐述数字孪生在电机智能制造推进过程中的应用方法、流程和范围等。结果表明：数字孪生能有效缩减车间的调试周期和生产成本，提高电机智能车间项目的可靠性和可验证性。
当前数字孪生在国内非常热，各相关会议几乎都有数字孪生的交流和报道，导致存在数字孪生在中国关注多，而国际上关注少的感觉。本文试图从数字孪生研究现状定量方面来剖析，分析数字孪生的国际研究现状，以供国内同行和感兴趣的专家学者参考。如图所示，德国、美国和中国在数字孪生论文发表数量上，近 3 年均处于前三名。
没有账户，需要注册
本工程建筑为办公生产大楼，由地上32层、地下3层组成；其中1-5层为裙楼、6-32层为塔楼。地下1-3层含停车场、人防、设备用房；地上部分：主楼一层含公共大厅；5为设备转换层，11、22层为避难层，33层设置机房；6-10层、12-21层、23-32层为办公生产用房。
随着能源互联网的发展，能源系统智能化特征越来越突出，能 源开发、生产、传输、存储、消费 全过程的智能化水平快速提升，所 涉及的设备和系统将数以亿计，在 规划和运行过程中将产生海量数据， 且结构复杂、种类繁多、因实时性 要求高而快速增长。这些数据贯穿 着能源互联网各个环节，蕴含着巨 大的价值。
技术开发的迭代推进和技术应用的规模化积累，在推进数字技术不断取得新突破的同时，也使数字技术变得更加成熟和可靠。数字技术的先进性、复杂性、集成性与数字化系统覆盖面更广、界面更直观、操作更简单同步发展。人们能够随时随地访问功能越来越强大的数字化系统。
本工程为单缆无源系统，将为大楼提供全面无线通信信号覆盖，所设计的室内覆盖系统是为智能化大楼室内移动通讯信号覆盖的需要而提出的
在工业过程监测中，长期平稳特征在表示基本统计信息方面起着重要作用。然而，基于自编码器的方法通过实现原始数据的数值近似来提取深度特征，这可能会导致隐藏的平稳信息的破坏。为了解决这个问题，本文提出了一种基于平稳特征重构的协整堆叠自编码器模型，以在模型训练过程中保持长期均衡关系。推理标准。通过重构平稳特征，所提出的网络能够保留非平稳变量之间的有益关系。最后，在两种情况下验证了所提出方法的故障检测性能。
钢包炉气精炼、钢水温度、极梯度升压；光梯度增强机；灰狼优化：SHapley加法运算
现代工业装置普遍表现出规模大、过程长、多单元协同作业的特点，这使得时空分布具有内在性，质量稳定性通常难以保证。本文提出了一种基于质量相关时空信息分析的多单元协同监控框架。在该框架中，分别从单元级和过程级分析时空属性。首先，对于每个操作单元，采用当前特征提取策略构建质量监督时空支持区域。在该策略中，时间动态特征由具有注意力机制的长短期记忆（LSTM）网络提取。同时，利用互信息核主成分分析方法提取空间特征。其次，对于全厂过程，构建了一个三阶多单元时空特征张量进行特征融合。通过张量分解位置，探索了单元之间的相互关联和过程中的质量继承，并将原始特征空间分解为几个子空间。最后，在子空间上开发了一个多单元协同监测模型，并通过贝叶斯融合给出了综合监测结果，可以对监测结果进行合理的解释。所提出的框架在实际的热轧带钢生产过程中得到了验证。
现代制造过程通常包含多个子过程，过程变量的时空特征难以提取，这给传统的质量相关故障诊断带来了重大挑战。为了解决这个问题，我们提出了一种由图注意力网络驱动的故障检测模型——集成门控递归单元规范变量分析（GATRU-CVA）。首先，利用领域专家的知识和历史数据构建子块知识图。接下来，为全局变量构建了图注意力网络（GAT）的空间特征提取器。此外，使用子块知识图将全局空间特征划分为子块，并构建相应的时间特征提取器。然后，考虑到过程动态特性，使用CVA基于时空特征对过程进行建模，并计算相应的统计数据。阈值由核密度估计器（KDE）方法确定。最后，使用热轧带钢机过程（HSMP）的实际生产数据来验证所提出的模型。结果表明，该方法对HSMP的正确监测率（CMR）为97%与其他比较故障检测方法相比。关键词：规范变量分析、故障检测、门控递归单元（GRU）、图注意力网络（GAT）知识图。
扫码咨询
或
客服咨询
用手机扫二维码
复制当前地址
方案库赚钱指南
