全球無人機網（www.lvyoudm.com）編譯：國外媒體報道   在不遠的將來，我們可以期待看到我們的天空充滿了無人機，從一個地方到另一個地方運送包裹，甚至是人。

在這樣一個世界里，每架無人機都將有一個數(shù)字孿生兄弟:一個虛擬模型，它將跟隨無人機的存在，隨著時間的推移而發(fā)展

德克薩斯大學奧斯汀分校奧登計算工程與科學研究所所長、計算航空航天工程專家卡倫·威爾科克斯說:“監(jiān)控無人機 結構健康非常重要。”“他們必須做出正確的決定，才能有良好的飛行狀態(tài)。”

威爾科克斯是2019年高性能計算、網絡、存儲和分析國際會議（SC19）的特邀發(fā)言人，他分享了一個主要由美國空軍動態(tài)數(shù)據(jù)驅動應用系統(tǒng)（DDDAS）項目支持的項目的細節(jié)，該項目旨在為定制的無人機開發(fā)預測數(shù)字孿生機。該項目是UTAustin、麻省理工、Akselos和Aurora飛行科學公司的合作項目。

孿生兄弟代表了無人機的每個組成部分，以及它的整體，使用基于物理的模型，從精細到宏觀捕捉其行為的細節(jié)。孿生兄弟還接收來自飛機的機載傳感器數(shù)據(jù)，并將該信息與模型集成，以創(chuàng)建飛機健康狀況的實時預測。

無人機有墜毀的危險嗎？它是否應該改變它的計劃路線以將風險降到最低？有了預測數(shù)字雙胞胎，這些類型的決定可以在飛行中，以保持無人機飛行。

比大數(shù)據(jù)更大

在她的演講中，Willcox分享了技術和算法上的進步，使得預測數(shù)字雙胞胎能夠有效地工作。她還分享了她關于如何在整個科學和工程中解決“高后果”（“high-consequence”）問題的一般哲學。

“重大決策需要的不僅僅是大數(shù)據(jù)，”她解釋道。“他們也需要大模型。”

這種基于物理的模型和大數(shù)據(jù)的結合通常被稱為“科學的機器學習”。雖然機器學習本身已經成功地解決了一些問題，如對象識別、推薦系統(tǒng)，而且像圍棋這樣的游戲需要更強大的解決方案來解決問題，在這些問題中，得到錯誤的答案可能會付出難以置信的代價，或者會有生死的后果。

威爾考克斯說：“這些大問題是由復雜的多尺度、多物理現(xiàn)象所控制的。“如果我們稍微改變一下條件，我們可以看到截然不同的行為。”

在Willcox的工作中，計算建模與機器學習相結合，產生可靠且可解釋的預測。黑箱解決方案不足以滿足高后果應用。研究人員（或醫(yī)生或工程師）需要知道為什么機器學習系統(tǒng)會依賴于某個結果。

在數(shù)字雙無人機的情況下，威爾科克斯的系統(tǒng)能夠捕捉和傳達無人機健康狀況的變化。它還可以解釋哪些傳感器讀數(shù)表明健康狀況下降并推動預測。

邊緣實時決策

同樣的壓力，需要使用基于物理的模型-使用復雜的高維模型；不確定性量化的需要；模擬所有可能的場景的必要性-也使得創(chuàng)建預測性數(shù)字孿生體的問題在計算上具有挑戰(zhàn)性。

這就是所謂的模型簡化方法發(fā)揮作用的地方。使用他們開發(fā)的基于投影的方法，Willcox和她的合作者可以識別更小的近似模型，但是不知何故編碼最重要的動態(tài)，使得它們可以用于預測。

她說：“這種方法可以創(chuàng)造出低成本、基于物理的模型，使預測數(shù)字雙胞胎成為可能。”。

威爾科克斯不得不開發(fā)另一種解決方案來模擬無人機上發(fā)生的復雜物理相互作用。她沒有將整個飛行器作為一個整體來模擬，而是與Akselos合作，使用他們的方法將模型（在本例中是飛機）分解成碎片——例如機翼的一部分——并獨立計算幾何參數(shù)、材料特性和其他重要因素，同時也考慮到當整個平面組合在一起時發(fā)生的交互作用。

每一個分量都由偏微分方程表示，在高保真度下，有限元方法和計算網格被用來確定飛行對每一段的影響，生成基于物理的訓練數(shù)據(jù)，輸入機器學習分類器。

這種訓練是計算密集型的，未來Willcox的團隊將與德州大學奧斯汀分校的德州高級計算中心（TACC）合作，使用超級計算生成更大的訓練集，考慮更復雜的飛行場景。一旦訓練完成，在線分類就可以非常迅速地完成。

使用這些模型簡化和分解方法，Willcox能夠實現(xiàn)1000次加速——將模擬時間從幾小時或幾分鐘縮短到幾秒——同時保持決策所需的準確性。

她說：“這種方法很容易解釋。“我可以回去看看什么傳感器有助于被歸類為一種狀態(tài)。”這一過程自然有助于傳感器的選擇，也有助于確定傳感器需要放置在哪里，以捕捉對無人機健康和安全至關重要的細節(jié)。

威爾科克斯在會議上展示了一個演示，一架無人機在穿越障礙物的過程中能夠識別出自己的健康狀況正在下降，并繪制出一條更為保守的路線，以確保它安全返回家園。這是無人機必須通過的測試，才能在未來廣泛部署。

美國空軍科學研究辦公室前主任弗雷德里卡達雷馬說：“凱倫威爾科克斯博士的工作是DDDAS范式應用的一個很好的例子，它可以改進建模和儀器方法，創(chuàng)建具有全尺寸模型精度的實時決策支持系統(tǒng)，他支持這項研究。

威爾科克斯博士的研究表明，DDDAS的應用創(chuàng)造了下一代“數(shù)字孿生”環(huán)境和能力。這些進展對提高國防和民用部門關鍵系統(tǒng)和服務的效力產生了巨大影響。”

數(shù)字雙胞胎并不是無人機的專屬領域；它們越來越多地被開發(fā)用于制造、煉油廠和一級方程式賽車。該技術被評為Gartner2017年和2018年十大戰(zhàn)略技術趨勢之一。

“數(shù)字雙胞胎正在成為一個商業(yè)的勢在必行，涵蓋整個生命周期的資產或過程，并形成基礎的連接產品和服務，”ThomasKaiser說，SAP高級副總裁IOT，在一個2017福布斯采訪。“沒有回應的公司將被拋在后面。”

關于預測數(shù)據(jù)科學和數(shù)字雙胞胎的發(fā)展，Willcox說：“通過模型的視角從數(shù)據(jù)中學習是使棘手問題實用化的唯一途徑。它匯集了數(shù)據(jù)科學、機器學習、計算科學和工程等領域的方法和方法，并指導它們在高結果應用方面。”

德克薩斯大學奧斯汀分校奧登計算工程與科學研究所和杜布羅的照片

關于作者

亞倫·杜布羅是德克薩斯州高級計算中心通信、媒體和設計小組的科技作家。