34 lines
2.8 KiB
TeX
34 lines
2.8 KiB
TeX
% !Mode:: "TeX:UTF-8"
|
||
\chapter{数字孪生}
|
||
|
||
\section{概述}
|
||
|
||
数字产品定义(Digital product definition, DPD)经历了从二维到三维的发展。业界提出了以产品设计为核心的数字仿真(DMU)、虚拟样机等技术，产品设计信息的定义和表达也越来越完善。近年来，国内外制造业的经验表明，3D数字化定义的产品模式已经成熟，其效益被反复验证。但是，目前的数字化产品定义还存在描述不涉及制造、运行和维护阶段、产品定义和过程定义之间缺乏相关性、后续模拟基于“理想定义”对真实产品的指导有限等问题。为了解决上述问题，“数字孪生”技术应运而生。数字孪生技术被誉为有望改变未来制造“游戏规则”的顶级技术。这项技术使用数据馈送来映射物理实体，并正在对工业的许多领域产生颠覆性的影响。德国信息技术和新媒体协会预测，在制造业市场中，数字孪生的价值是巨大的，到2025年将超过780亿欧元。Gartner已经连续两年(2016、2017)将数字孪生列为十大战略技术发展趋势之一。2017年11月，世界上最大的武器制造商洛克希德･马丁公司将数字孪生列为未来国防和航空航天工业的六大顶级技术。
|
||
|
||
数字孪生是真实产品的虚拟表示。它拥有产品的信息，从产品生命的开始一直到产品的处置。在网络物理系统的语境中，数字孪生可以被看作是一个网络表征，是其特征点的对象集合，其中泛函其物理机制、虚拟特征和与人的交互关系。
|
||
|
||
在真实的实践场景中，数字孪生往往会遇到复杂的现实问题，如海量信息的建模、处理问题，模型的结构化专有化问题等等。单一场景即有可能需要构建几千孪生体并处理每秒几十万量级的数据，如何根据已有知识构建模型，如何描述模型特征和状态，如何关联、分析、响应大量数据，是本篇文章的主要研究内容。
|
||
|
||
鉴于以上生产需要，本文提出了一种实时分布式通信系统以及一种知识和事件模型化方法，解决大数据情况下实时响应和高效知识处理问题，并在自研的通用型数字孪生平台上进行验证。
|
||
|
||
|
||
|
||
\section{总体方案}
|
||
|
||
数字孪生主要技术包括信息建模、信息采集同步，信息分析、智能决策等，虽然已经取得了很大发展，但是由于现在世界模型机理复杂、知识图谱建立困难以及有效数据采集分析困难等问题，限制了其实践形势。
|
||
|
||
\subsection{通用平台设计}
|
||
|
||
\begin{figure}[h!]
|
||
\centering
|
||
\includegraphics[width=0.8\textwidth]{figure/f1.png}
|
||
\caption{系统结构图}
|
||
\label{fig-f1}
|
||
\end{figure}
|
||
|
||
\subsection{通讯网络}
|
||
\subsection{知识模型}
|
||
\subsection{状态与事件模型}
|
||
|
||
|