工业互联网中数字孪生系统的机理+数据融合建模方法
摘要
工 业 互 联 网 的 快 速 发 展 为 学 术 界 以 及 工 业 界 带 来 了 新 型 研 发 范 式 ——数 据
密 集 型 科学发 现 ,融 合 物 理机 理以 及数 据驱 动的 建模 方法是 其 中 的研究 热 点
之 一 ,这 种 方 式可 以充 分发 挥机 理仿 真可解 释 性 和泛 化能力 强 、 数据驱 动 模
型 灵 活 性和 可学 习的 优势 ,为 未 来 数字 孪生 系统 提供 高效 、灵 活的工 具 和 方
法。通过聚焦 于 工 业 互 联 网 中 构 建 数 字 孪生系统的机理+数据融合建模方法,
首 先阐 述了 基 本 数 学 原 理 以 及 建 模方 法 ,并 对 比 了 机 理 +数 据 融 合 建 模 与传
统 数 据 模型 、机 理模 型的 区别 ;然 后 从 模型 选择 、物 理机 理约 束以及 实 际 任
务需 求 3 个角 度 详细给出 了 机理+数据 融 合建模方 法 的构造过程 ,总结了目 前
学术 界 的最新研 究 进展;最 后介绍了 国 内外关于 机 理+数 据融合建模 方法在工
业设 备 设计优化 、 生产制造、 运行维护方 面的实际落 地应用场景 。
关键词: 深 度学习; 机 理仿真; 数 据驱动; 物 理启发神 经 网络; 数 字 孪生
0 引言
随着近十年工业互联网技术的快速发展、分布式传感器和高性能计算设备
的逐渐进步以及仿真建模算法的更新迭代,学术界和工业界积累了海量的多层
级数据,从不同角度反映了工业生产过程中的内在物理信息
[1]
,这为大数据的发
展提供 了 良 好 的 土壤,形成 了 数 据 驱动的新型范式 ,学者们
[2]
将之称 为 “第四范
式”——数据密集型科学发现,以区别于实验归纳范式、模型推演范式和仿真模
拟范式 3 种传统研究范式,强调直接从大量已知数据中自行归纳、推导和预测,
获得未知且可信的结论。
近 5 年来,以深度学习
[3]
为代表的数据驱动方法不仅在视觉、自然语言处理
以及博弈类场景应用中超越了人类,更在蛋白质结构预测
[4]
、三体问题
[5]
、气象
预报
[6]
、核聚变控制
[7]
等一系列基础科学以及工业界难题中取得了重大突破。
可以断言,人类社会正处于由仿真模拟范式向数据密集型科学范式的过渡发展
阶段。
在工业互联网数据和深度学习算法的双重驱动下,“数字孪生系统”(Digital
Twin)
[8]
在这个时代被赋予了更强大的生命力,这种技术体系可以有效结合目前