XiaoMi-AI文件搜索系统
World File Search System双胞胎
在工业规模上启用电池数字双胞胎
数字双胞胎是网络物理系统，可将实时传感器数据与模型融合在一起，以做出准确的资产特定预测和最佳决策。对于电池，该概念已在从材料到系统的长度尺度上应用。但是，需要使用强大的概念和数学框架的整体方法才能在工业规模上发挥其全部潜力。在利益相关者之间为尊重机密性的利益相关者之间的数据共享开发一种标准化和透明的方法至关重要。工业电池数字双胞胎还需要有原则的方法来量化和传播传感器和模型到预测的不确定性。确保对身体理解的保留对于识别“僵硬”参数很重要，这需要仔细测量。结合了不确定性分析，可以解锁最佳数据驱动的传感器选择和放置以及改进的根本原因分析。但是，需要更好的物理建模和电池制造和热失控的传感方法。此外，数据的不变性对于工业吸收也是必需的，数字分类帐技术提供了新的研究途径。我们认为，数字双胞胎可能对当前的锂离子电池技术具有变革性，也可以作为新兴新电池技术的推动力，通过特定于资产的控制来优化寿命和价值。
交换运动 - 纳米晶体的双向双胞胎
引言双胞胎是响应外部刺激的材料的最常见结构转换之一，包括机械载荷（1），电子束或离子照射（2，3），激光震动（4）和加热（5）。纳米晶体可能会产生较高的特性，例如优异的机械强度（6），改善的热稳定性（7），高电导率（8），显着的光发射（9）和增强的催化活性（10）。了解纳米晶体中的孪生机制可以使纳米材料具有所需特性的结构工程。传统的智慧认为，双胞胎通过在相邻原子平面上的部分位错的一层移动来进行（11）。在外部机械载荷下的孪生二胎涉及非常规的机制，被描述为部分位错的随机激活（12），同时激活部分位错（13）或洗牌机制（14）。转化孪生型对不太了解。假定纳米晶体的转化是通过传统变形孪生机制进行的（11）。但是，该主张缺乏直接证据。转化双胞胎需要外部能量才能克服能量屏障（2-5）。注入外部能量（15，16），例如在热退火和电子或离子辐照过程中，为纳米晶体中的双胞胎形成提供了机会。这表明纳米晶体的双胞胎可能表现出受动力学控制的非常规途径。但是，由于部分脱位/滑移的速度被认为是按时间尺度出现的速度（17），因此同时意识到双重激发和原子成像仍然是技术挑战。在这项工作中，以面部为中心的立方铅（PB）纳米颗粒作为模型系统，我们使用
数字患者双胞胎可改善诊断和治疗
创建机器的数字双胞胎已经是一项非常复杂的事业。那么，与人类有机体这样做必须有多困难？Fraunhofer实验软件工程研究所的研究人员正在研究数字患者双胞胎的可能性，挑战和潜力。，他们的目标是将来对数字“复制品”进行药物测试，然后再服用第一份药丸。在这次采访中，特蕾莎·阿伦斯（Theresa Ahrens）博士和乔纳斯·马塞洛（Jonas Marcello）博士共同领导弗劳恩霍夫（Fraunhofer）IESE的数字健康工程部门，解释了数字患者双胞胎的好处和附加值。什么是数字患者双胞胎？特蕾莎·艾伦斯（Theresa Ahrens）：从本质上讲，数字患者双胞胎是生物单元的精确而动态的虚拟率。这种高度发达的模型可以模拟检查，用于检查，细胞结构，组织，器官，甚至整个人，理想地包含其现实世界中的所有信息，我的意思是实际患者。数字型双胞胎是动态的，因此它们会考虑随着时间的流逝而发生的变化，并且可以模拟基本的生理过程。这使我们能够做出各种谓词，例如关于生理功能，例如，如果医生正在考虑为患者考虑某些药物，这些功能会有所帮助。数字患者双胞胎如何改善医疗服务？乔纳斯·马塞洛（Jonas Marcello）：数字患者双胞胎具有广泛不同应用的巨大潜力。举例说明，这些模型可以帮助可视化人体内部的代谢过程。机械生产是否有相似之处？虚拟双胞胎在医学上提供的一个大机会是，它们可以用来识别药物的影响，包括药物相互作用和侧面效果，甚至在该人服用第一颗药物之前。Marcello：与生产环境中的数字双胞胎一样，机器可以取消预测性维护，情况也相似：这为预分制的健康监测铺平了道路。和该技术在早期筛查和预防方面也打开了新的门，因为虚拟复制品可以在健康问题的开始阶段提供线索，或揭示出较高的特定疾病风险。这允许
解锁数字双胞胎在供应链中的潜力
数字双胞胎（DTS）的发展仍处于供应链管理（SCM）部署的试点阶段，并且它们与实时同步和自主决策的完整集成使许多人构成许多挑战。本文旨在确定这些共同的挑战，并为建立数字双胞胎（DT）系统提供一个概念框架，以提高供应链管理绩效。本文介绍了有关SCM改进的DT应用的129个研究论文的系统文献综述。选定的论文进行了审查并分为三类：制造和生产，供应链和物流。数字技术的开发，例如物联网（IoT），无线电频率鉴定（RFID）设备，云计算，网络物理系统（CPSS），网络安全（CS）和仿真建模，增加了探索供应链DTS创建的机会。但是，由于大多数系统的复杂性，存在着局限性和各种挑战。结果表明SCM的DT应包括外部链接（即供应商，分销商）和内部链接（即采购，生产，副作用）通过实时同步来处理任何破坏。根据审查结果，本研究提出了一个三层概念框架，以提高供应链管理绩效。所提出的框架为SCM中的DT研究提供了未来的方向。它为DT实施，常见的DT技术和数据分析技术提供了一种整体和集成的方法，以改善供应链性能。
scivario®双胞胎上的干细胞外泌体产生，a ...
再生医学是一个多学科领域，它可以帮助组织和器官的结构和功能。由于它们能够迁移到损伤部位并通过旁分泌因子促进组织再生（分泌组），因此中胞囊干细胞已成为此类研究中使用最广泛的干细胞类型[1-3]。然而，目标组织内的细胞定位不足和低细胞存活率的问题使MSC的吸引力降低。最近，由于旁分泌因素在克服了MSC的局限性方面引起了越来越多的兴趣。细胞外囊泡（EV），包括外泌体，是参与胞内通信和贩运的最重要的旁分泌效应子之一[4]。外泌体是脂质双层囊泡，直径范围为30至200 nm，可以通过表面
在智能电池电动汽车中使用数字双胞胎
摘要 - 相信使用电动汽车（EV）进行运输对于应对环境和可持续发展挑战至关重要。当前的环境友好问题，例如化石燃料的快速消耗，空气污染的增加，能源需求的上升，全球变暖和气候变化，使运输业使运输行业成为可能。电动汽车可以解决上述所有问题。用于电动汽车（EV），尤其是由锂离子（Li-ion）电池提供动力的电动汽车，便携式电源已变得必不可少。尽管很长一段时间以来，锂离子电池一直是电动汽车研究的重点，但是电池老化和安全等问题尚未完全理解。根据我们当前对智能技术的理解，我们有能力使用数字双胞胎（DT）来克服阻碍电池开发的问题，以及在复杂系统（例如工业4.0）中的初步DT应用程序。这项研究重点介绍电池的特征及其与其建模，状态估计，保持可用的寿命预测，安全性和控制方式。我们整理了对电池预后和健康监测中一些最新成就的分析。最后，我们为电动电池领域的DTS开发提供了前景。索引术语 - 电动车辆，锂离子电池，数字双技术，健康监测，行业4.0
标题：创新RTM制造工艺的混合双胞胎...
混合材料在发动机设计中引起了人们的关注和兴趣。对于目前的一些发动机，风扇叶片的核心体由 3D 编织复合材料组成，而前缘则由钛制成。这些复杂复合材料翼型的制造通常涉及漫长的过程，首先将树脂注入最初由增强预制件填充的模具中（RTM 工艺 - 树脂传递模塑）。用于优化和控制工艺的相关成型工艺模拟通常与现实有很大不同，因为输入物质材料参数在空间和时间上都存在重要变化，而这些变化在模拟中没有（或很少）考虑。目前，空客和波音公司正在努力通过监控技术和RTM工艺的建模与仿真来提高复合材料制造工艺的稳健性和可靠性。因此，为了能够控制工艺并确保高质量的部件成型，制造系统（即注射工艺）应实时适应输入物质特性的变化条件，也适应工厂的任何变化甚至客户的需求。
原型生物多样性数字双胞胎：疾病暴发
非洲猪发烧（ASF）是由Asfiviru属的DNA病毒引起的野猪和家养猪（SUS SCROFA）的可传播致命感染（家族Asfarviridae； Gabriel等人； Gabriel等人。2011）。研究表明，在欧洲，传统的传输路线涉及Ornithodoros属的血液滴答tick虫在ASF感染周期中不起作用（Pietschmann等人。2016）。相反，动物是通过与其他受感染动物或受污染的尸体，食物或设备直接接触而感染的（Gaudreault等人。2020）。尽管对人们无害，但该病毒可能会产生重大的经济影响。尽管进行了持续研究2019，Gaudreault等。2020）将控制措施限制在感染的早期发现，健康与患者的身体分离以及对感染动物的淘汰（欧洲食品安全局，2014年，Jurado等人2018）。
城市物流系统中的数字供应链双胞胎
摘要：城市地区的当前趋势对城市物流利益相关者构成了一些挑战，同时还提供了优化的机会。凭借其分析，建模和仿真功能，数字供应链双（DSCT）技术提供了优化城市物流流程的可能性。但是，到目前为止，许多障碍限制了整体DSCT的实施。一个综合的协作平台可以降低这些障碍。通过应用设计科学研究方法和专家访谈，本文为生成DSCTS的高级跨机构平台开发了一个体系结构。此框架包括通过八个功能模块对平台的模块化设计。平台可以促进为城市利益相关者实施DSCT，从而优化城市物流流程。关键字：跨机构平台；设计科学研究；数字供应链双胞胎；数字双胞胎；城市物流1简介
基于数字双胞胎的机器用于罂粟机器人的运动控制...
智能制造的关键组成部分是第四次工业革命时代的中心概念，由数字双技术，AI和计算机视觉技术组成。在这项研究中，这些技术被用来管理罂粟机器人，这是一种用于教育和研究目的的人形机器人。数字双胞胎创建了一个虚拟环境，能够对机器人动作进行实时模拟，分析和控制。机器人的数字双胞胎是使用3D开发程序Unity构建的。运动数据是在模拟虚拟机器人的物理结构和运动时捕获的。然后将这些数据馈送到基于张量的深神经网络中，以生成一个回归模型，该模型根据机器人手的位置预测运动旋转。通过将此模型与基于Python的机器人控制程序集成，可以有效地管理机器人的运动。此外，使用OpenPose（一种计算机视觉算法）控制了机器人，该算法预测了人体上的特征点。从2D图像中收集了人类关节点的位置数据，并根据此数据计算运动角度。通过在实际机器人上实施这种方法，可以使机器人复制人类运动。