數字孿生是實際運營中的物理資產的最新的一種模型表現形式。它反映當前資產狀況，并包括與資產相關的歷史數據。數字孿生可用于評估資產的最新狀況，更重要的是預測未來行為、精細化控制或優化運營。◆ ◆ ◆ ◆數字孿生可能是一個組件的模型、多個組件構成的系統或多個系統構成的系統，例如泵、發動機、發電廠、生產線或一個車隊。 數字孿生模型可以由基于物理的方法或統計方法實現。 這些模型反映營運資產的當前環境、壽命和配置，通常涉及資產數據直接流向調優算法。
作為運營系統的組成部分，創建和使用數字孿生可以提高智能水平。利用真實營運資產的最新表示形式，可以控制或優化資產和更上層的系統。該表示形式不僅捕獲資產的當前狀態，而且通常會反映資產運營歷史記錄。數字孿生使您能夠優化、提高效率，實現自動化和評估未來性能。您也可以將這些模型用于其他目的，例如虛擬試運營或用來影響下一代設計。
運營優化 – 使用天氣、車隊大小、能源成本或性能因素等變量，觸發模型運行成百上千個假設分析仿真，評估是否就緒或對當前系統設置點進行必要調整。 這樣就能夠在運營過程中對系統運行進行優化或控制，從而緩解風險、降低成本或提高系統效率。 預測性維護 – 在工業 4.0 應用中，模型可以用來確定剩余使用壽命，通知運營部門在最適當的時間檢修或更換設備。 異常檢測 – 模型與實際資產并行運行，并會立即標記偏離預期（仿真）行為的運營行為。例如，石油公司可以流式采集持續運轉的海上石油鉆塔的傳感器數據。數字孿生模型會尋找運營行為中的異常現象，以幫助避免災難性破壞。 故障隔離 – 異常可能觸發一連串的仿真，以便隔離故障，識別根本原因，使工程師或系統能夠采取適當措施。
物聯網應用推動建模所需要的內容和方法，這也是數字孿生的一部分。數字孿生模型將會包括物聯網資產的所需組件、行為和動態數據。建模方法一般可以劃分為兩大類 – 第一性原理或基于物理的方法（例如力學建模）和數據驅動的方法（例如深度學習）。數字孿生也可能是各種建模行為和建模方法的綜合，并且有可能隨著更多用途被發現而越來越詳盡。
數字孿生的建模方法 – 第一性原理和數據驅動。
這些模型必須保持最新，并根據運營中的資產進行調優，這通常涉及將來自資產的數據直接傳輸到調優數字孿生的算法中去。這允許您可以考慮資產環境、壽命和配置等方面的問題。 一旦確認數字孿生可用并保持最新后，您可以用它以各種方式預測未來行為、精細化控制或優化資產運營。一些例子包括模擬真實資產上不存在的傳感器、模擬任意數量的未來情景以便為當前和未來運營提供更多信息，或通過向數字孿生發送當前真實輸入來提取當前運營狀態。 MATLAB 和 Simulink 助力數字孿生通過 MATLAB，您可以使用所連接資產的數據定義模型。您還可以使用 Simulink 中的多域建模工具創建基于物理實體的模型。數據驅動和基于物理實體的模型都可以使用來自運營資產的數據進行調整，以發揮數字孿生的作用。 您可以使用這些數字孿生進行預測、假設分析仿真、異常檢測、故障隔離等。MATLAB 中可用的數據驅動方法包括機器學習、深度學習、神經網絡和系統辨識。您通常可以使用一組數據來訓練或提取模型，然后使用另外一組驗證數據來驗證或測試模型。 借助 MATLAB 應用程序，您可以探索這些建模方法，找到適合您的應用的最精確方法。
用于交互式訓練、驗證和調優分類模型的 Classification Learner 應用程序。Simulink 中基于物理的建模涉及利用第一原理設計系統。模型可能包括機械、液壓和電氣組件。此外，模型也可能來自使用基于模型的設計與 Simulink 的上游設計工作。
電網的 Simulink 數字孿生模型。該模型接收來自電網的測量數據進行參數估計，然后運行數千個仿真方案來確定儲能是否充足、電網控制器是否需要調整。通過優化方法，您可以使用標準協議（如用于入站數據流的 MQTT）調優數字孿生模型并使其保持最新狀態。您可以在任何對您的應用有意義的地方實現數字孿生 –– 在邊緣節點、運營技術基礎架構或 IT 系統。并可在 Azure IoT Hub 或 AWS IoT 等商用系統上集成，或根據需要通過 API 和其他常用集成方法（如共享庫和 RESTFul 調用）實現自定義集成。
物聯網拓撲結構 – 在任何對應用有意義的地方實現數字孿生。
|
