《军用地面车辆中的数字孪生系统：设计与预测性维护》最新136页

数字孪生技术以虚拟工程模型、计算机仿真和实时现场数据流为基础，实现下一代设计和预测性维护。数字孪生是一个基于计算机的高保真模型集合，可根据运行周期、输入特征参数和物理工厂的数据通信预测动态系统的性能。产品生命周期管理（PLM）的重要性与日俱增，它是虚拟设计流程的核心，而数字孪生工具集正好符合这一新兴架构。利用数字孪生资源，产品设计流程可以得到推进，不再需要进行持续的物理原型设计、可靠性测试和过时的维护实践，也不再需要为此付出成本。数字孪生虚拟工具可在设计周期早期改进产品性能评估，从而为组织实体节省人力。个人、企业和政府机构对移动性的需求要求对产品设计给予细致的关注。随着地面车辆在电气组件和推进混合方面的复杂性不断增加，数字孪生在预测、理解和设计车辆系统方面发挥了重要作用。将流式现场数据与数字孪生估算结合起来的能力为诊断和预报方法提供了强大的工具。

在该研究项目中，探索、开发了数字孪生技术，并将其应用于越野地面车辆的设计工程研究和预测性健康维护。研究目标包括将地面车辆部件的数学模型集成到数字孪生中，将数字孪生应用于车辆设计，研究预测性维护方法，以及创建两项调查，以衡量数字孪生技术的实用性和时间节省指标。通过在 MATLAB/Simulink/Simscape 中对轮式和履带式车辆进行建模，可以组装一个 14 自由度的虚拟车辆系统，该系统包括车身动力学、发动机曲线、车轮运动学、传动系统和悬挂特性，由虚拟驾驶员和环境输入进行驾驶。数字孪生工具为克莱姆森大学 VIPR-GS 中心的贸易空间分析研究提供了帮助。通过将 6 种异常情况播入虚拟模型，并利用基于神经网络的统计算法，将机器学习的预测性维护应用于越野数字孪生系统。在数值研究中，预测性维护框架利用了总共 275 次模拟中的 176 个记录信号，成功预测了 92% 的训练验证结果和 40% 的未测试复合异常的准确性。对克莱姆森大学国际汽车研究中心（CUICAR）校园内的 DO13/14 车辆工程团队进行了有用性和时间节省评估指标调查，结果显示数字孪生的有用性得到了积极的李克特量表响应，在模型组织和设计验证方面的优势最大。这些研究探索了数字孪生技术的优势和机遇，并在 VIPR-GS 中心进行了部署。鉴于人们对数字工程设计方法的认识不断提高，数字孪生代表着未来许多工作的基石。

图 1.1： 系统工程设计流程

图 1.3：物理和数字孪生互动与交流。

图 2.2： 数字孪生系统与物理地面飞行器的运行配置，以及传感器、执行器和控制系统与硬件在环实验室系统的相似之处。