ebook

第 4 章

创建数字孪生：建模方法

现在，您已经了解什么是数字孪生，以及为什么使用数字孪生，接下来要考虑的就是需要创建何种模型。对什么建模、如何建模，取决于您对系统的了解以及应用需要。

本节重点介绍：

  • 建模方法
  • 所需模型数量
Gradient Arrow

数据驱动建模

Data Driven Modeling

基于物理的建模

Physics Based Modeling
section

建模方法：数据驱动

假设您希望通过预测剩余使用寿命 (RUL) 来优化维护计划。

您采用了数据驱动模型。具体使用哪一种模型则取决于您对相应类型的泵数据的掌握情况。

如果您有类似机器的完整历史记录，则可以使用相似性模型。如果只有故障时刻的数据，则可以使用生存模型。如果没有故障数据，但是知道安全阈值，则可以使用退化模型预测 RUL。

ビデオの長さ 9:34

RUL 估算器模型

RUL Estimator Models

假设使用退化模型创建数字孪生，用来预测泵的剩余使用寿命。

使用不同传感器（例如压力、流量和振动）测得的泵数据持续更新该退化模型。

三种常用的 RUL 预估方法（文章）
section

建模方法：基于物理的建模

Modeling Methods: Physics-Based

现在，假设您希望仿真未来场景并监控车队在这些场景下的行为。那么，您可以使用基于物理的建模。

一种典型的物理模型如下所述，该模型通过连接机械组件和液压组件创建。泵向此模型馈送数据，此输入数据将用于预估并调整模型参数，使模型保持最贴近状态。

您可以使用此模型注入不同类型的故障，仿真泵在不同故障条件下的行为。

Simulink 助力数字孪生（文章）
section

建模方法：组合使用数据驱动建模和基于物理的建模 - 卡尔曼滤波器

类似地，卡尔曼滤波器也可以用作数字孪生，将泵的退化作为一种状态进行建模，定期更新此状态以表示泵的当前状况。

了解卡尔曼滤波器（系列视频） (7 ビデオ)
Modeling Methods: Data and Physics Combined - Kalman Filters
section

建模方法回顾

以下是可以使用 MATLAB® 和 Simulink® 产品创建的几种数字孪生模型示例。根据预期用途，数字孪生也可以是这些模型的组合。

Reviewing Modeling Methods

数据驱动建模

退化模型
Predictive Maintenance Toolbox

组合使用数据驱动建模和基于物理的建模

卡尔曼滤波器
System Identification Toolbox

基于物理的建模

物理模型
Simulink 和 Simscape

section

需要创建多少个数字孪生模型？

现在，您已经了解如何创建数字孪生，您可能想知道需要为您的车队创建多少个数字孪生。

您需要分别针对每个资产创建唯一数字孪生。这意味着您需要为不同井场的每台泵分别创建唯一数字孪生，并使用对应泵的参数进行初始化。

所需的唯一数字孪生的总数取决于应用场景。如果对由多个系统构成的系统进行建模，可能需要针对其中每个由多个组件构成的系统构建数字孪生，但也可能不需要，具体取决于精度要求。

Digital Twin Predictive Maintenance How many Models do you need?

一台泵可能具有多个数字孪生，具体视预期用途而定。

例如，如果希望进行故障预测和故障分类，则需要针对各个目的创建不同模型。