数字双胞胎是一项关键的促进技术,它允许民用和军事利益相关者精确模拟灾难,并制定更好和情报驱动的决策,以减轻此类危机事件。在提供关键材料和资产的依赖性,瓶颈和弱点(无论是初级还是子公司)也可以以较低的成本帮助更好地制定弹性计划和策略。此外,通过使用数字双胞胎,民用和军事利益相关者可以及时,正确的方式监测生产过程,确定短缺或缺乏供应链多样性。尤其是在诸如高保真和低容忍度的军事后勤领域至关重要的领域,数字双胞胎具有改善和促进军事供应链的真正潜力。
近年来,太空探索工作越来越集中于对火星和月球等行星和卫星的表面探索。这是通过使用流浪者来实现的,流浪者能够跨天体旅行并进行研究活动。但是,完成任务可能具有挑战性,必须及时解决问题,以避免丢失Sciminific Data甚至Rover本身。鉴于与火星(Olson,Matthies,Wright,Li,&di)的有限通信能力,必须迅速检测到异常,因为没有现场人工干预的可能性。要面对这个问题,NASA分别开始开发其漫游者的物理双胞胎,例如对好奇心和毅力的乐观情绪(Cook,C。,Johnson和Hautalu-Oma)(Castelluccio,)。同时,NASA和西门子研究了一个好奇的数字双胞胎,以使用SIM-DIOSOTOPE热电学发电机(MMRTG)使用SIM-Center 3D(M.I.T.,M.I.T.,)分析和解决由多损耗ra-Dioasotope热电学发电机(MMRTG)引起的散热问题。同样,欧洲航天局
开发用用例,利用高级技术在灾难管理,环境,城市规划,流动性等各种领域等。通过创建和水平部署最佳实践,促进在公共和私营部门各个领域中用例的社会实施。
本报告记录了创新教育预项目的成果,该项目为 NTNU 的研究船 R/V Gunnerus 的数字孪生奠定了基础,并将其应用于海洋技术研究系列课程。2018 年夏季和秋季,特隆赫姆 NTNU 的五名工程专业学生进行了开发任务。本报告主要记录了所进行的开发工作,以及在教育中使用 R/V Gunnerus 数字孪生的可能性,特别强调了作为海洋技术系 5 年理学硕士课程的一部分提供的特定课程。结论是,在工程学科教育中使用数字孪生支持既有助于加强学科洞察力,也有助于洞察产品和工程流程的数字化。该报告由特隆赫姆 NTNU 的海洋技术系和机械与工业工程系制作。该项目的摘要视频可在此处找到:Gunnerus 数字孪生演示视频。
摘要 - 作为当今世界中公共空间的安全仍然是一个关键问题,近年来,数字双技术技术已成为检测和预测潜在的未来威胁的有前途的解决方案。使用Flexsim仿真软件,应用的方法利用了希腊雅典一个地铁站的数字双胞胎。该模型包括关注点和乘客流,并设置其相应的参数。这些元素会影响,并允许模型在各种情况下对车站的安全管理提供合理的预测。实验测试是通过监视摄像机的不同配置和相机角度的优化进行的,以评估空间监视设置的有效性。结果表明,监视摄像机的战略定位及其角度的调整显着改善了可疑行为的检测,并且通过使用DT,可以评估不同的情况并找到每种情况的最佳相机设置。总之,本研究强调了数字双胞胎在实时模拟和数据驱动的安全管理中的价值。拟议的方法有助于为公共空间开发智能安全解决方案,并为威胁检测和预防提供了创新的框架。索引条款 - 数字双胞胎,公共空间安全,威胁场景,监视系统
Hina的杨氏河是欧亚大陆最长,是地球上第三长的河流,从藏族高原流向东中国海超过6,000公里。 它的盆地覆盖了中国几乎五分之一的土地区域,并拥有数亿人的遗嘱。 自1950年代以来,已经建立了长江及其支流的52,000多个水库,以减轻洪水,产生水力,稳定水供应并保护生态学。 在管理这个庞大的盆地方面面临许多挑战,以支持可持续发展水源并保护生态学的某种偶然目标。 该地区的人口增长,发展和城市化不断增加对水的需求,同时降低了水污染和对生物多样性的压力。 虽然长江盆地的Hina的杨氏河是欧亚大陆最长,是地球上第三长的河流,从藏族高原流向东中国海超过6,000公里。它的盆地覆盖了中国几乎五分之一的土地区域,并拥有数亿人的遗嘱。自1950年代以来,已经建立了长江及其支流的52,000多个水库,以减轻洪水,产生水力,稳定水供应并保护生态学。在管理这个庞大的盆地方面面临许多挑战,以支持可持续发展水源并保护生态学的某种偶然目标。该地区的人口增长,发展和城市化不断增加对水的需求,同时降低了水污染和对生物多样性的压力。虽然长江盆地的
。cc-by-nc-nd 4.0国际许可证(未经同行评审证明)获得的是作者/资助者,他授予Biorxiv授予Biorxiv的许可,以永久显示预印本。它是制作
随着全球数字化的快速加速,第六代(6G)移动网络有望在推动工业智能,促进高质量的经济发展以及实现全面的社会数字化转型方面发挥关键作用。面对维持和选择现有的第五代移动网络(5G)移动网络的综合性和成本压力,以及添加或修补的人工智能(AI)的局限性,6G网络必须从头开始将AI集成到他们的设计中。一方面,本机AI可以提供按需计算能力,数据和算法支持,在整个网络的整个生命周期中有系统地启用AI。另一方面,无线网络的数字双(dt)for for bolsters网络仿真,动力学预测和性能验证功能,tree降低了试验和错误成本。关于将本地AI和DT技术集成到6G移动网络中的研究令人鼓舞,而6G网络Au -Tosomy的开发的潜在关键技术好处包括:
磁轴承的模拟涉及高度非线性物理,对输入变化高度依赖。此外,在使用经典计算方法时,在现实的计算时间内,这种模拟是耗时而无法运行的。另一方面,经典模型还原技术无法在允许的计算窗口内实现所需的精度。为了解决这种复杂性,这项工作提出了基于物理的计算方法,模型还原技术和机器学习算法的组合,以满足要求。用于表示磁性轴承的物理模型是经典的Cauer梯子网络方法,而模型还原技术是在物理模型解决方案的误差上应用的。后来,在潜在空间中,机器学习算法用于预测潜在空间中校正的演变。结果显示了解决方案的改进,而不会稀释计算时间。该解决方案是几乎实时计算的(几毫秒),并将其与有限的元素参考解决方案进行了比较。关键字:光谱法,减少基础,机器学习,磁性轴承,磁悬浮,长期术语记忆
尽管工业生态学 (IE) 在过去二十年中已经得到了彻底的理论化和分析(Cecchin 等人,2020 年),但围绕循环经济 (CE) 的研究仍处于萌芽阶段,并越来越受到企业、政策制定者和学术界的关注(Korhonen 等人,2018 年 a)。然而,这个 CE 概念并不完全是新的,它的基础是包括 IE 在内的多个研究流派。例如,根据艾伦·麦克阿瑟基金会 (EMF, 2015) 的说法,CE 范式基于七个“思想流派”,即:工业生态学、仿生学、自然资本主义、再生设计、从摇篮到摇篮、蓝色经济、绩效经济。对于法国环境与能源管理局 (ADEME, 2014) 来说,工业生态学也是建立循环经济的几大支柱之一,包括生态设计或产品即服务。
