《基于状态维护的混合神经网络和物理数字孪生系统》最新报告

本文介绍了一个案例研究，说明为汽车减震器开发可靠、稳健、准确的数字孪生系统所面临的挑战。具体来说，该数字孪生系统的作用是估计储气室中当前的气体压力，并将其与预期压力进行比较。研究定量证明，传感器和算法的设计选择对系统的准确性有重大影响，而这种影响与数字孪生系统的硬件成本不成正比。经评估的传感器套件成本很高，总成本从 297 澳元到 4292 澳元不等，成本相差 14 倍。研究表明，使用庞大而昂贵的传感器套件并不一定会相应地提高系统的精确度。数字孪生结构中使用的算法和传感器对系统精度有显著影响，RMSE 从 3.83 Bar 到 0.85 Bar 不等，精度相差四倍。数字孪生方法在精确度方面有显著优势，仅使用最精确传感器的方法的有效误差值为 2.27，而全数字孪生方法的有效误差值为 0.84。成本最低的系统最大限度地利用了贝叶斯方法和物理建模，产生的估计值仅次于最精确的系统，均方根误差为 1.4 Bar，是最精确系统的 165%，这对任务仍然有效，但成本仅为后者的 7%。这表明，通过利用混合架构中的算法开发，可以显著提高性能，并大大减少数据集的大小和神经网络组件的训练时间。

图 1：测功机测试装置和仪器图 注：图片中的减震器并非测试设备。