数字孪生是信息物理系统 (CPS) 的一个关键概念:通过维护有关物理实体的相关信息集合,可以创建数字影子,可用于监控、诊断或优化等任务。大多数关于数字孪生的出版物都侧重于工程和面向过程的方面,例如孪生在其生命周期中的持续丰富 [30]、模拟场景 [28, 20] 或建模问题,例如最佳元级别 [29]、层次结构 [30] 或工程链 [20]。即使是少数明确关注人工智能 (AI) 和机器学习 (ML) 的出版物也未能将数字孪生的内容和功能与 AI/ML 方法联系起来。第 2 节回顾了证实这一印象的相关工作。从根本上讲,DigitalTwin 被视为一个信息洞,所有可用信息都被注入其中——希望在生命周期的某个后期点从 AI/ML 应用程序受益。另一方面,AI/ML 方法一直使用环境模型和领域知识。因此,DigitalTwin 概念和 AI/ML
• 详细且明智的候选概念的模型重用 • 嵌入式经验教训促进明智的决策 • “数字孪生” - 实现自动接口验证 • 通过以数字为中心的认证流程提高工程效率,为物理认证提供信息并降低成本 • 更及时地识别元素之间的差异,改善主要门审查的设计收敛 • “实时审查”,具有交互式信息 • 在日益复杂的背景下恢复跨学科和子系统理解系统的能力