广告
科学新闻
来自研究机构

开发汽车的数字孪生体

研究人员创造了虚拟无人机,可以预测车辆的健康状况,实现自主决策

日期:
2019年12月5日
来源:
德克萨斯大学奥斯汀分校,德克萨斯高级计算中心
简介:
在不久的将来,我们可以期待看到我们的天空充满了无人驾驶飞行器,从一个地方到另一个地方运送包裹,甚至可能是人。研究人员正在开发“数字双胞胎”,将计算模型和机器学习相结合,以预测车辆健康状况,并在边缘实现自主决策。
分享:
广告

完整的故事

在不久的将来,我们可以期待看到我们的天空充满了无人驾驶飞行器(uav),从一个地方到另一个地方运送包裹,甚至可能是人。

在这样一个世界里,舰队中的每架无人机也将有一个数字双胞胎:一个虚拟模型,它将跟随无人机的存在,随着时间的推移而发展。

德克萨斯大学奥斯汀分校(UT Austin)奥登计算工程与科学研究所所长、计算航空航天工程专家卡伦·威尔科克斯(Karen Willcox)说:“无人机监控其结构健康是至关重要的。”“他们做出正确的决定,从而产生良好的行为,这一点至关重要。”

作为2019年高性能计算、网络、存储和分析国际会议(SC19)的特邀演讲者,威尔考克斯分享了一个项目的细节,该项目主要由美国空军动态数据驱动应用系统(DDDAS)项目支持,旨在为定制无人机开发预测性数字孪生。该项目是德克萨斯大学奥斯汀分校、麻省理工学院、Akselos和极光飞行科学公司的合作项目。

双胞胎代表无人机的每个组件,以及它的集成整体,使用基于物理的模型,从精细尺度到宏观层面捕捉其行为的细节。“双胞胎”还从车辆上获取车载传感器数据,并将这些信息与模型集成,以创建车辆健康状况的实时预测。

无人机有坠毁的危险吗?它是否应该改变其计划路线以最小化风险?有了预测性的数字孪生,这些决定可以在飞行中做出,以保持无人机的飞行。

比大数据更大

在她的演讲中,威尔考克斯分享了技术和算法的进步,这些进步使预测性数字双胞胎能够有效地发挥作用。她还分享了她关于如何在整个科学和工程中解决“高后果”问题的一般哲学。

“大决策需要的不仅仅是大数据,”她解释说。“他们也需要大模特。”

这种基于物理的模型和大数据的结合通常被称为“科学机器学习”。虽然机器学习本身已经成功地解决了一些问题,比如对象识别、推荐系统和围棋等游戏,但对于那些得到错误答案可能代价高昂,或者会产生生死攸关后果的问题,还需要更强大的解决方案。

“这些大问题是由复杂的多尺度、多物理现象控制的,”威尔科克斯说。“如果我们稍微改变一下环境,我们就能看到截然不同的行为。”

在Willcox的工作中,计算建模与机器学习相结合,产生可靠且可解释的预测。黑盒解决方案对于高结果应用程序来说不够好。研究人员(或医生或工程师)需要知道为什么机器学习系统会确定某个结果。

在数字孪生无人机的情况下,Willcox的系统能够捕获和传达无人机健康状况的演变变化。它还可以解释哪些传感器读数表明健康状况下降,并推动预测。

边缘的实时决策

同样的压力需要使用基于物理的模型——使用复杂的高维模型;不确定度量化的必要性;模拟所有可能场景的必要性也使得创建预测性数字双胞胎的问题在计算上具有挑战性。

这就是一种叫做模型简化的方法发挥作用的地方。使用他们开发的基于预测的方法,威尔考克斯和她的合作者可以识别出较小的近似模型,但以某种方式编码了最重要的动态,这样它们就可以用于预测。

她说:“这种方法可以创造低成本的、基于物理的模型,从而实现预测性数字双胞胎。”

威尔科克斯不得不开发另一种解决方案来模拟发生在无人机上的复杂物理相互作用。而不是模拟整个车辆作为一个整体,她与Akselos合作,使用他们的方法,打破模型(在这种情况下,飞机)成块-例如,机翼的一部分-并计算几何参数,材料属性和其他重要因素独立,同时也考虑到发生的相互作用,当整个飞机放在一起。

每个组件都由偏微分方程表示,并在高保真度下,使用有限元方法和计算网格来确定飞行对每个部分的影响,生成基于物理的训练数据,并将其输入机器学习分类器。

这种训练是计算密集型的,未来Willcox的团队将与德克萨斯大学奥斯汀分校的德克萨斯高级计算中心(TACC)合作,使用超级计算来生成更大的训练集,以考虑更复杂的飞行场景。一旦训练完成,在线分类可以非常迅速地完成。

使用这些模型简化和分解方法,Willcox能够实现1000倍的速度,将模拟时间从几小时或几分钟缩短到几秒钟,同时保持决策所需的准确性。

“这种方法很容易解释,”她说。“我可以回去看看是什么传感器导致了一个州的分类。”该过程自然有助于传感器选择和确定传感器需要放置的位置,以捕获对无人机健康和安全至关重要的细节。

在威尔科克斯在会议上展示的演示中,一架穿越障碍跑道的无人机能够识别出自己每况愈下的健康状况,并绘制出一条更保守的路线,以确保它安全返回家园。这是无人机要在未来广泛部署必须通过的测试。

支持该研究的空军科学研究办公室前主任Frederica Darema说:“Karen Willcox博士提出的工作是DDDAS范例应用的一个很好的例子,用于改进建模和仪器方法,并创建具有全尺寸模型准确性的实时决策支持系统。”

“Willcox博士的工作表明,DDDAS的应用创造了下一代‘数字双胞胎’环境和能力。这些进步对提高国防和民用部门关键系统和服务的有效性具有巨大影响。”

数字孪生并不是无人机的专属领域;它们越来越多地被用于制造业、炼油厂和一级方程式赛车。该技术被Gartner评为2017年和2018年十大战略技术趋势之一。

SAP物联网高级副总裁Thomas Kaiser在2017年接受《福布斯》采访时表示:“数字孪生正在成为一种商业必需品,涵盖了资产或流程的整个生命周期,并构成了互联产品和服务的基础。”“没有做出回应的公司将被抛在后面。”

关于预测性数据科学和数字孪生的发展,威尔科克斯说:“通过模型的视角从数据中学习是使棘手问题变得现实的唯一途径。它汇集了数据科学、机器学习、计算科学和工程领域的方法和方法,并将它们用于高结果应用。”

广告

故事来源:

材料所提供的德克萨斯大学奥斯汀分校,德克萨斯高级计算中心注:内容可能会根据风格和长度进行编辑。


引用此页

德克萨斯大学奥斯汀分校,德克萨斯高级计算中心。“开发车辆的数字双胞胎:研究人员创造了可以预测车辆健康状况、实现自主决策的虚拟无人机。”《科学日报》。科学日报,2019年12月5日。< www.koonmotors.com/releases/2019/12/191205145110.htm >。
德克萨斯大学奥斯汀分校,德克萨斯高级计算中心。(2019年12月5日).开发车辆的数字双胞胎:研究人员创建了可以预测车辆健康状况、实现自主决策的虚拟无人机。《科学日报》。2023年6月22日检索自www.koonmotors.com/releases/2019/12/191205145110.htm
德克萨斯大学奥斯汀分校,德克萨斯高级计算中心。“开发车辆的数字双胞胎:研究人员创造了可以预测车辆健康状况、实现自主决策的虚拟无人机。”《科学日报》。www.koonmotors.com/releases/2019/12/191205145110.htm(2023年6月22日访问)。

探索更多的
从科学日报

有关的故事

广告