理解混合孪生：工程创新的新数字前沿

理解混合孪生：工程创新的新数字前沿

在工程和技术领域，“孪生”的概念对于预测结果、优化设计和确保高效运营至关重要。虽然数字孪生一直是这些努力的主要内容，但一种更复杂、更有效的方法已经出现：混合孪生。但是混合孪生到底是什么，它与数字孪生有何不同？让我们深入探讨这些问题，并探索这项尖端技术的令人兴奋的应用和优势。

什么是混合孪生？

混合孪生是一种先进的工程模型，结合了数值模拟和现实世界实验数据的优势，为复杂系统创建了更准确、更可靠的表示。通过结合基于物理的模型和数据驱动的算法，工程师可以模拟和预测现实世界的现象。与主要依赖数据并且通常需要大量数据的数字孪生不同，混合孪生将基本的物理定律和力学以及机器学习技术结合到他们的模型中。这种双重方法提高了模拟的准确性和可靠性，使得用更少的数据点预测复杂的行为成为可能。

其工作原理如下：

• 数值模拟: 数学模型根据数学公式模拟系统的行为。它们快速且经济高效，但并不总是100%准确，因为它们依赖于对现实世界的假设和简化。
• 实验数据:这是从物理实验中收集的真实世界数据。它非常准确，但收集起来可能既耗时又昂贵。

混合孪生和数字孪生有什么区别？

混合孪生和数字孪生的主要区别在于它们的基本方法。在混合孪生中，将其与传统数字孪生区分开来的关键因素是集成了使用真实世界实验数据训练的机器学习模型，以纠正数值模拟的不准确性。

数字孪生专注于仅基于从传感器和其他来源收集的数据创建虚拟模型。虽然这种方法有效，但可能会受到数据可用性和质量的限制。

相比之下，混合孪生在以下方面更进一步：

• 识别和纠正模拟模型中的错误：混合孪生承认，由于简化和假设，数值模拟存在固有误差。它使用真实世界的实验数据来识别和纠正这些错误。
• 使用机器学习来填补空白：混合孪生应用机器学习算法从实验数据中学习并调整仿真模型，有效地“填补”预测结果和实际结果之间的空白。

因此，专门解决数值模拟中的无知或错误的机器学习校正模型是传统数字孪生中通常不存在的部分。这使得混合孪生成为复杂系统中更准确、更可靠的工具，即使在纯模拟可能不足的情况下，也能进行更精确的模拟，即使数据很少。这种数据和物理的融合不仅弥合了预测与现实之间的差距，还减少了所需的计算资源，使其更高效、更可持续。

混合孪生有哪些类型和数字例子？

混合孪生在从汽车研发到制造业的各个行业都有应用。以下是ESI客户最近的两个用例：

• **混合孪生在汽车开发中 |**混合孪生在碰撞模拟场景中非常强大。通过采用sPGD和ReCUR等尖端方法减少模型数量，原始设备制造商可以优化车辆侧梁加固等，从而显著缩短模拟时间和成本。这种设计过程的民主化也使非专业工程师能够参与高级模拟。
• 汽车制造中的混合孪生|在制造工程中，混合孪生可以优化激光钎焊和焊接质量控制。通过结合实验和数值数据，这种方法确保了组件的强度和耐用性，这对制造过程至关重要。

除了这些例子，混合孪生在提升公司的产品生命周期管理（PLM）战略方面发挥着至关重要的作用。它们促进了更快、更便宜、颠覆性和可扩展的创新。通过实现实时模拟和预测性维护，混合孪生简化了产品开发周期，缩短了上市时间，降低了成本。这种敏捷性使公司能够快速适应市场变化，推出突破性产品，保持竞争优势。此外，混合孪生的可扩展性支持从组件级分析向系统体系思维的过渡，这对智能城市和工业自动化等行业至关重要。

如何制作混合孪生模型？

混合孪生由几项关键技术提供动力。混合人工智能将基于物理的模型与数据驱动的方法相结合，提高了模拟的准确性和可解释性。模型降阶技术，如雷诺合作伙伴关系中使用的技术，简化了复杂的模型，使实时模拟成为可能。来自机器学习的智能数据，一个专注于使用适量数据而不是压倒性数据的概念，确保了混合孪生保持高效和有效。

在混合孪生中，您从数值模拟开始对系统进行建模。然而，由于这些模拟并不完美，您需要收集一些实验数据来改进模型。这些真实世界的数据用于训练机器学习模型，以识别和纠正模拟预测与实际结果之间的差距。然后，混合孪生使用这个校正后的模型来提供对系统行为的更准确和可靠的预测。

这种方法在复杂领域特别有用，因为传统模型可能难以准确捕捉每个细节。通过使用模拟数据和现实世界数据，混合双胞胎提供了两全其美的结果，从而在工程和制造过程中做出了更好的预测和决策。

混合孪生的主要优势是什么？

混合孪生的优点是多方面的：

• 首先，它们提供了更高水平的可解释性，因为由于已知物理定律的整合，模型的潜在机制得到了更好的理解。这种透明度对于错误检测和质量保证至关重要。
• 其次，减少对大量数据集的依赖转化为更低的能耗，使其成为一种环保的选择。
• 最后，混合孪生能够实现更快、更准确的模拟，这可以显著节省成本，并在产品设计和制造方面实现创新。

为实现无与伦比的准确性、效率和可持续性铺平道路

从本质上讲，混合孪生代表了工程和模拟的下一个发展，提供了无与伦比的准确性、效率和可持续性。通过整合基于物理的模型和数据驱动的算法，它们增强了PLM战略，使公司能够更快、更经济、更大规模地创新。这种能力对于实现颠覆性进步和管理汽车、制造业等行业的复杂系统至关重要。