数字孪生来了你准备好了吗？

1、数字孪生来了，你准备好了吗？图1：数字孪生架构与物联网架构类似，其边缘节点、网关节点和企业节点上都有传感器。有了足够精确的模型和高质量的数据，dt就可以预测故障、提高效率，甚至转变实际操作。边缘节点的重要性dt需要现实世界持续不断的高质量数据流来验证虚拟机相对于其对应物理机的性能。否则，现实世界和虚拟世界会逐渐分化，dt的计算和预测将毫无价值。边缘节点是这个数据收集过程的基础，由于它包含负责收集现实世界、操作和环境数据的传感器，并包含向上游发送这些信息的通信链路。假如dt可以对物理过程举行更改，边缘节点还会包含允许此过程发生的执行器。传感器测量分为两类：操作测量（与机器或设备的物理性能有关），

2、如抗拉强度、速度、流量、位移、扭矩、作业温度或振动环境或外部数据（影响物理过程的运行），如环境温度、大气压和湿度边缘节点传感器可以有多种形式。、称重传感器和等设备测量现实世界的特性并生成数字信息。传感器融合系统将多个传感器的结果整合在一起，形成单一设备无法提供的洞察力。摄像头和麦克风用法复杂的非结构化信息创建视频和音频流，这些信息需要经过大量处理才干说明。传统机器带来挑战抱负状况下，dt设计是从对现实设备建模的数字设计开头，因此提供实时数据的传感器可以包含在模型中并传递到终于版本。在石油和自然气、核能、航空航天和汽车工业的许多高科技应用中，都是如此。但假如在实现虚拟模型之前去设计机器，就会浮现

3、问题。升级边缘节点以激活数字孪生会带来一系列新的挑战。传统行业的设计师很少有机会从头开头设计dt在现实世界的孪生产品。他们常常是必需用法现有的工厂基础设施，而这些基础设施可能已经运行了好几年，甚至几十年。假如是这样，dt基础设施就必需“嫁接”到现有系统上。尽管底层系统可以改造为支持数字孪生技术，但假如现有机器很少或没有传感器来监测其性能，那么集成过程的复杂度会呈指数级增长。在这种状况下，数十到数百个传感器必需嫁接到一台机器上，而这台机器却没有采用这种先进技术的设计。即使本来的机器安装了传感器，传感器的精度也可能不足以为数字模型提供实用的数据。例如，安装的温度传感器只能检测温度过高故障，但不提供

4、识别温度过高应力模式所需的数据质量，导致无法协助提前预测故障。已有通信网络的容量是另一个潜在问题。传统的物联网设备用法许多不同的有线和无线标准将边缘节点衔接到各自的网关。这些标准包括以下行业标准：zigbee - 适用于低功耗网状网络应用sub-1ghz 适用于低功耗和长距离传输应用wi-fi 适用于高速、挺直的互联网衔接- 功耗最低其他每个标准都必需经过认真评估，以确定它是否能够处理数字孪生数据所带来的负荷增强。现有dt应用中的常见实例尽管在许多行业，数字孪生尚处于起步阶段，但许多技术产品在第一个原型浮现之前就已经在虚拟世界举行了设计、测试和验证；另外这些产品还倾向于从特地的实时传感器收集大量数据。飞机发动机和f1 赛车就是两个很好的例子：飞机发动机飞机发动机已经装备了无数的仪器仪表。传统的涡扇发动机（图2）包含用来测量压力、温度、气流、振动和速度的传感器。每种类别都有多个专用传感器。