摘要:我们生活在一个对交通网络需求不断增长的环境中,而交通网络的基础设施也在老化。然而,更换所有超过使用寿命的基础设施资产是不可行的。常见的替代方案是通过基于结构健康监测 (SHM) 的维护和可维护性来提高其耐用性。在众多的 SHM 方法中,数字孪生模型正受到越来越多的关注。该模型是对现实资产 (物理孪生) 的数字重建 (数字孪生),与其他数字模型不同,它使用部署在后者上的传感器网络采样的数据频繁自动更新。此工具可以为基础设施管理人员提供功能,以监控和优化他们的资产库存,并在日常运营条件和极端事件后做出明智的、基于数据的决策。这些数据不仅包括传感器数据,还包括基于频繁更新的数字孪生模型制定的定期重新验证的结构可靠性指标。该技术甚至可以推进到执行结构行为预测并自动对其进行补偿。本探索性评论涵盖了数字孪生的关键方面——其实用性、运作方式、应用等——并证明了分布式感知作为其网络传感器组件的适用性。