.png){kind=icon}
返回
An efficient data-driven method for the digital twin prediction update synchronization problem
.png){kind=icon}
PRE
AI
DOI：10.1080/24725854.2026.2616256.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
在动态环境中，确定如何平衡数字孪生与其物理系统的对齐与保持旧预测之间的权衡至关重要。数字孪生预测更新的同步问题决定了是否应根据物理系统的观测状态更新数字孪生的性能预测。尽管现有方法提供了解决方案，但它们仅限于简单系统，且受限于对数字孪生生成样本路径的依赖。本研究提出一种基于实际数据的数据驱动方法，以解决复杂系统的该问题。该方法通过观察系统的有限信息来估计待考察的性能指标，进而确定平衡同步成本与预测偏差的最优同步策略。确定了最优状态依赖策略和周期性状态依赖策略以指示何时更新预测。以不可靠的生产线为例，具体说明了该问题及其解决方案。实验结果表明，数据驱动方法在显著提高计算效率的同时，提供了与标准仿真方法相当的结果。此外，关注系统的有限信息（如生产线瓶颈设备的状态）是解决该问题的有效方法，且无需依赖更长的样本路径。
Keyword:
Digital twin
synchronization
data-driven
simulation
production systems
期刊
IF:
2.3
论文数:
85
被引数:
1.9K
机构
引用论文
.png){kind=icon}
查看更多内容