数字孪生-孪生数据与实时连接
孪生数据（DD）是数字孪生的驱动。DD 主要包括物理实体PE数据 （DP），孪生实体VE 数据 （DV），服务（Ss）数据数据（ＤS），知识数据（DK），及融合衍生数据（DF）。1
DD＝（DP，DV，ＤS，DK，DF）。
DP主要包括体现物理实体PE规格、功能、性能、关系等的物理要素属性数据与反映物理实体PE运行状况、实时性能、环境参数、突发扰动等的动态过程数据，可通过传感器、嵌入式系统、数据采集卡等进行采集；
DV主要包括虚拟实体VE相关数据，如几何尺寸、装配关系、位置等几何模型相关数据，材料属性、载荷、特征等物理模型相关数据，驱动因素、环境扰动、运行机制等行为模型相关数据，约束、规则、关联关系等规则模型相关数据，以及基于上述模型开展的过程仿真、行为仿真、过程验证、评估、分析、预测等的仿真数据；
ＤS主要包括 FService相关数据（如算法、模型、数据 处理方法等）与BService相关数据（如企业管理数据，生产管理数据，产品管理数据、市场分析数据等）；
DK 包括专家知识、行业标准、规则约束、推理推论、常用算法库与模型库等；
DF 是对DP，DV，ＤS，DK，进行数据转换、预处理、分类、关联、集成、融合等相关处理后得到的衍生数据，通过融合物理实况数据与多时空关联数据、历史统计数据、专家知识等信息数据得到信息物理融合数据，从而反映更加全面与准确的信息，并实现信息的共享与增值。
数字孪生需要数据来驱动，上文的描述来自于陶飞教授的论文《数字孪生五维模型及十大领域应用》，根据上文对数字孪生体所需要的数据的类别划分，在我们的实际工作中，面对较大型的项目，可以以此为依据并行展开多个领域的数据准备。这些数据通过连接构成数字孪生体各个组件的网络系统流动，实现数字孪生体与物理实体的并行运行，向客户提供一个可用的，准确的，不断更新的集成服务。
参考资料：
1 数字孪生五维模型及十大领域应用 陶飞，刘蔚然等 2019年 DOI:10.13196/j.cims.2019.01.001
评论 （0人参与）
最新评论