机构名称：
¥ 1.0
数字孪生范式整合了从传感器数据、物理模型以及物理系统或相关组件的运行和检查/维护/维修历史中获得的信息。随着越来越多的数据可用，由此产生的更新模型在预测系统未来行为方面变得越来越准确，并且可能用于支持多个目标，例如维持、任务规划和作战演习。本演讲将讨论数字孪生方法的最新进展，以基于几种类型的计算来支持所有三个目标：当前状态诊断、模型更新、未来状态预测和决策。所有这些计算都受到系统属性、操作参数、使用和环境的不确定性以及数据和预测模型的不确定性的影响。因此，本演讲将讨论不确定性下的决策以及诊断和预测中的不确定性量化，同时考虑偶然和认知不确定性来源。扩大概率数字孪生方法以支持实时决策是一项挑战，本文将讨论几种结合传感、计算、数据融合和机器学习方面的最新进展以实现扩大规模的策略。本文将介绍与飞机、旋翼机、船舶和增材制造相关的几个用例。
用于诊断、预后和...的概率数字孪生
主要关键词
相关文件推荐
