数字工程Vol.7 | Digital Twins Optimizing the World

点击蓝字 关注我们↑↑↑

DIGITAL TWIN

如果您不希望错过文章，就加个星标吧！

第五届数字孪生国际会议于10月14日至18日在德国加米施-帕滕基兴举行。以“数字孪生：优化世界”为主题，会议汇聚二十多个国家的领先研究人员和产业合作伙伴，分享了数字孪生在制造、智慧城市、医疗和航空等多个领域的创新应用，探讨了数字孪生在基础设施、核心技术、软件平台、标准治理、社会参与方面的研究重点和挑战。

为提升乡村建设的可持续性，来自中国和美国的Liang等人提出了一种支持VR的建筑信息模型（BIM）系统。该数字平台整合VR与BIM技术，可在乡村改造项目的设计阶段提供实时交互与可持续性评估。系统通过评估成本、碳足迹和可持续性评分来辅助材料选择，有助于优化环境与经济效益。

为优化智能建筑的能效与运营可持续性，来自英国和卡塔尔的Emedo等人综述了人工智能对物业管理的变革性影响。该研究明确了AI在不同领域的作用，并指出了包括数据质量、算法偏见和实施成本在内的挑战。研究强调AI工具的协同效应，提出了一个能源优化与 occupant 舒适度并存的框架。

为支持高等教育中AI工具的选择，来自加拿大和英国的Madanchian与Taherdoost对决策标准进行了系统性综述。研究重点指出了关键因素，包括算法性能、对学生动机的影响、公平性与透明性等伦理问题，以及可用性和定制化的重要性。综述强调AI工具必须与教育目标一致，在确保数据隐私和可访问性的同时，提供个性化学习和实时反馈。文章为教育机构推荐了一个结构化框架，重点关注利益相关者意见和负责任AI采用的伦理准则。

为确保工程中的数据驱动机器学习模型符合基本物理定律与领域知识，来自美国Clemson大学的Naser提出了一种直观的分层框架，包含十个验证层级，涵盖基本物理一致性、约束与本构关系检验、多尺度与耦合行为、不确定性、时序演化及操作上下文等方面。研究表明，该框架能够系统地揭示标准机器学习模型中隐藏的非物理行为，从而为工程实践提供一条实用、符合物理规律的路径，以迈向更可信的AI。

为改善物流与供应链管理，来自意大利的Nicoletti与Appolloni提出了一个在物流与供应链管理运营中实施基础模型与AI技术的集成框架。研究展示了基础模型如何提升需求预测、供应商管理和预测性维护，从而优化流程并降低成本。

为提升航空航天复合材料部件的缺陷检测水平，来自美国的Jha等人提出了一种创新的自动化光学检测系统，该系统采用混合深度卷积神经网络与经典机器学习模型。该研究集成生成对抗网络进行数据增强，以解决数据集不平衡问题，并证明了其相对于传统方法的显著改进。

为评估ChatGPT作为学习工具的潜力，来自巴西的de Oliveira针对本科工程专业学生的认知开展了一项研究。该研究采用混合方法，评估了学生对ChatGPT的熟悉程度及其在学习（尤其在机械加工课程中）的效用。

为提升梅赛德斯-奔驰的产品开发效率，来自德国的Gebhard等人提出了一种使用知识图谱的语义增强型数字孪生系统。该研究旨在解决并行工程中的同步问题，实现跨分布式系统的实时反馈。通过将动态本体与关系数据库集成，该系统实现了产品结构、行为和几何在数值层面的同步。基于Unity中悬挂系统的案例研究验证了该方法的可行性，凸显了其取代传统基于文件的流程、改善跨领域协作的潜力。

为解决纺织生产中的能源效率低下问题，来自中国的Tan等人提出了一种图强化学习驱动的源-荷协同调度优化方法。该方法将知识图谱与多目标马尔可夫决策过程相结合，以优化能源成本、碳排放和生产调度。

为增强串联压缩机系统的监控与故障检测能力，来自中国的Su和Chen开发了一套数字孪生系统，该系统整合了模块化动态系统Greitzer建模和用于喘振状态识别的短时傅里叶变换卷积神经网络。他们的系统能够高精度模拟实时运行工况，在质量流量和出口压力方面实现了较低的平均误差。

为加强复杂航空航天系统的验证与评估，来自中国的Mi等人提出了一种多阶段数字-物理融合测试方法。该框架集成了数字孪生、人工智能和数据平台，旨在弥合传统物理测试与数字仿真之间的鸿沟。它支持航空航天装备从设计调试到生产后验证与优化的全生命周期。

Vol. 1

Vol. 2

Vol. 3

Vol. 4

Vol. 5

Vol. 6