XiaoMi-AI文件搜索系统
World File Search Systemtwin
认知数字孪生：- Babcock International
数字孪生 (DT) 技术允许用户监控资产，特别是在生命周期的运营和服务阶段，这是复杂工程资产持续时间最长的阶段。本文旨在从所使用的技术、应用和局限性等方面对 DT 进行专题回顾，特别是在维护方面。本综述包括对 59 篇关于维护背景下的语义数字孪生的文章进行系统文献综述。介绍了关键绩效指标和构成 DT 的主要概念的解释。本文描述了 DT 的演变及其维护目的的特征。它提供了一种本体论方法来开发 DT 并改进维护管理，从而创建结构化的 DT 或认知孪生 (CT)。此外，它指出，使用顶级本体论方法应该是创建 CT 的起点。从而能够创建打破孤岛的数字框架，确保在孪生网络场景中完美集成。© 2022 作者。 CC_BY_4.0
航空铝合金结构热特性数字孪生研究
上海理工大学机电工程学院，上海 200093 通讯作者，电子邮箱：fkg11@163.com 摘要 随着主轴转速的提高，发热成为高速电主轴面临的关键问题。为了获得电主轴的实际热行为，本文开发了热特性数字孪生系统。热特性数字孪生的原理是通过数据采集系统和修正模型映射和修正热边界条件来模拟机床的热行为。所提出的数字孪生系统包括数字孪生软件、数据采集系统和嵌入传感器的物理模型三个模块。数字孪生软件基于Qt使用C++编程语言和ANSYS二次开发开发。提出热边界修正模型，利用数据采集系统测得的热关键点温度来修正发热和接触热阻。为了验证数字孪生系统的预测精度，在电主轴上进行了试验。实验结果表明，数字孪生系统的预测精度大于95%，对提高热特性仿真和热优化的精度具有重要意义。
制造单元数字孪生的架构
SLADT 的第 1 层和第 2 层构成智能连接层或物理孪生的一部分。第 3 层中的开放平台通信统一架构 (OPC UA) 服务器在物理孪生与其他层之间提供供应商中立的通信接口。数据到信息转换层（或 IoT 网关）被添加为第 4 层，以便在信息传递到第 5 层之前向从第 3 层接收的数据添加上下文。当信息从较高层流向物理孪生时，第 4 层还可以将信息转换为物理孪生可以使用的数据。第 5 层和第 6 层是架构的认知层。第 5 层由接收并保留来自第 4 层的历史信息的云服务组成。第 6 层由模拟和仿真工具组成。
离散动态系统的数字孪生
本文采用离散阻尼动态系统来研究数字孪生这一新兴概念。动态系统在工程和科学领域中得到了很好的理解，并且代表了一个熟悉且方便的平台，可用于探索数字孪生设计的各个方面。目的是创建一个可用于与航空航天、电气、机械和计算领域相关的工程科学的框架。物理系统的虚拟模型表示为两个时间尺度的微分方程，使用慢时间的概念将系统特性的演变与瞬时时间分开。分别和一起考虑了涉及刚度变化和质量变化的情况。假设通过放置在物理系统上的传感器来测量阻尼固有频率和时间响应。研究了数字孪生传感器测量中的误差和采样率降低问题。数字孪生通过闭式表达式表示为解析解，并通过模拟得出传感器误差的影响。本文总结了本文介绍的几个关键概念，并提出了未来迫切需要研究的想法。当前的工作摆脱了文献中普遍存在的对数字孪生的定性描述，可以作为基准解决方案来验证实验动态系统的数字孪生及其实现
数字孪生：定义和价值 - AIAA
周期时间缩短 10-75% [8] 可提高最终制造产品的质量，并加快迭代速度以响应客户反馈。支持产品版本评估，以确定哪些功能可提供最佳解决方案。数据分析有助于及时分析生成的大量数据，从而深入了解潜在的新产品和收入来源。通过尽早发现下游利益相关者的冲突（例如，减少不合格零件的维护审查委员会、单一来源（专业）供应商成本以及材料可用性/成本）[9] 来减少迭代。
航空航天领域的数字孪生导航 - Altair
数字孪生有望减少对物理原型的需求，优化设计，并帮助使产品更智能、更互联、更可持续。它们有可能成为从概念到生产再到服务（整个产品生命周期）的单一事实来源。这是航空航天和国防工业的一项变革性技术，以创纪录的速度推动创新。但采用数字孪生的过程可能令人生畏。数字孪生的基本组成部分：模拟、高性能计算 (HPC) 和数据需要打破它们的孤岛，融合它们的流程，并实时利用它们围绕资产的协作。
制造业中的数字孪生数据可视化...
在当今的商业环境中，产品种类和定制化的趋势从未间断。由于这种发展，需要敏捷和可重构的生产系统来应对各种产品和产品系列。为了设计和优化生产系统以及选择最佳产品匹配，需要产品分析方法。事实上，大多数已知方法旨在从物理层面分析产品或一个产品系列。然而，不同的产品系列在组件数量和性质方面可能存在很大差异。这一事实阻碍了对生产系统进行有效比较和选择合适的产品系列组合。提出了一种新方法，从现有产品的功能和物理架构的角度对其进行分析。目的是将这些产品聚类为新的面向装配的产品系列，以优化现有装配线并创建未来的可重构装配系统。基于基准流链，分析产品的物理结构。识别功能子组件，并执行功能分析。此外，输出的是混合功能和物理架构图 (HyFPAG)，它通过为生产系统规划人员和产品设计师提供设计支持来描述产品系列之间的相似性。以指甲刀为例来解释所提出的方法。工业案例
数字孪生和数字线程的必要性
液压；刹车、襟翼、扰流板、方向舵、副翼、起落架泵 重量传感器 - 起落架 涡轮机；转速 (N1/N2)、进气口 - 涡轮压力、温度、燃油燃烧 电压表；驾驶舱、主总线、客舱、辅助电源、货物、发动机、APU 发电机仪表（发动机、APU） 电力负荷（安培/小时）；驾驶舱、客舱、货物 火灾传感器；客舱、货物、发动机、燃油、刹车、电子设备舱 二氧化碳；客舱、货物 磁罗盘 GPS（卫星 / 地面） 无线电罗盘 (NDB) 多普勒雷达；天气、闪电、下沉气流（微下击暴流）
预测十字路口的数字孪生景观...
在过去十年中，数字孪生的概念迅速流行起来，但尽管有大量的评论、调查和新闻稿，但围绕其定义的多样性、其作为新技术的新颖性以及其实际适用性仍然存在混淆。本文探讨了数字孪生一词的历史，以及它在产品生命周期管理、资产维护和设备车队管理、运营和规划领域的初始背景。本文还基于七个基本要素，提供了利用数字孪生的最小可行框架的定义。本文还概述了采用数字孪生方法的数字孪生应用和行业。本文重点介绍了数字孪生框架在预测性维护领域的应用，以及利用机器学习和基于物理的建模进行的扩展。采用机器学习和基于物理的建模相结合的方式形成混合数字孪生框架，可以协同缓解每种方法单独使用时的缺点。另外讨论了在实践中实施数字孪生模型的关键挑战。随着数字孪生技术的快速发展和成熟，其在大幅增强复杂设备智能维护工具和解决方案方面的巨大潜力有望实现。
基于人群的匈牙利双胞胎注册表：更新
在2006年至2021年之间，匈牙利双胞胎注册表（HTR）经营着所有年龄段的志愿者双胞胎注册表（50％单粒[MZ]，50％Dizygotic [dz]，70％女性，平均年龄34±22岁），包括1044 twin Pairs，244 pairs，24 Triplets and One quadruplet。在2021年，HTR从志愿注册中心转变为基于人群的注册表，并在布达佩斯的Semmelweis大学的医学成像中心建立。semmelweis大学的创新基金支持信息技术的发展，电话库和语音邮件基础设施，行政材料以及一个新网站，在其中双胞胎及其亲戚（父母，寄养父母或照料者）可以注册。还建立了HTR的生物库：在2021年2月至3月之间，通过密封的信件，在匈牙利（77,042个双胞胎，1194个三胞胎，20个四倍体和1个Quintuplet）中，有157,751个可能居住在匈牙利的人（77,042个双胞胎，1194个三胞胎，20个四倍和1个Quintuplet）。直到2022年11月20日，有12,001个双胞胎个人及其父母或监护人（6724个成人双胞胎，3009个父母/监护人和5277个未成年人双胞胎）注册，主要是在线。基于简单的自我报告，注册成年人中有37.6％为MZ双胞胎，DZ为56.8％。三胞胎为1.12％，未身份为4.5％。在注册儿童中，MZ为22.3％，DZ为72.7％，三胞胎为1.93％，而3.05％的人则身份不明。是女性（包括成人和小双胞胎）的59.9％。注册问卷包括八个部分，包括社会人口统计学和人体测量数据，吸烟习惯和医疗问题（疾病，操作，治疗）。匈牙利的双注册中心已成为中欧中欧唯一，最大的基于人口的双胞胎注册表。这种新资源将有助于执行世界一流的现代遗传研究。