[论文解读] Digital Twin Enabled Smart Control Engineering as an Industrial AI: A New Framework and A Case Study

Jairo Viola, YangQuan Chen|arXiv (Cornell University)|Jul 6, 2020

Digital Transformation in Industry参考文献 19被引用 5

一句话总结

本文提出了一套五步框架，用于在工业系统中实现基于数字孪生的智能控制工程，整合多领域仿真、基于遗传算法的行为匹配以及实时部署。该框架成功以高保真度复现了实时红外温度控制系统，证明了数字孪生能够并行镜像物理系统行为，适用于工业人工智能应用。

ABSTRACT

In the way towards Industry 4.0, the complexity of the industrial systems increases due to the presence of multiple agents, Cyber-Physical Systems, distributed sensing, and big data introducing unknown dynamics that affect the production goals of the manufacturing processes. Thus, Digital Twin is a breaking technology corresponding to the capacity of developing a virtual representation of any complex system in order to perform design, analysis, and behavior prediction tasks that enhance the understanding of these systems through new enabling capabilities like real-time analytics, parallel sensing, or Smart Control Engineering. In this paper, a novel framework is proposed for the design and implementation of Digital Twin applications to the development of Smart Control Engineering. The steps of this framework involve system documentation, multidomain simulation, behavioral matching, and real-time monitoring. This framework is applied to develop the Digital Twin for a real-time vision feedback infrared temperature uniformity control. The obtained results show that Digital Twin is a fundamental part of the transformation into Industry 4.0.

研究动机与目标

• 为应对工业4.0中工业系统日益复杂的挑战，这些系统涉及多个参与方、分布式传感和大数据，需要先进的控制解决方案。
• 通过将数字孪生集成到智能控制系统中，弥合经典控制工程与现代工业人工智能之间的差距。
• 开发一种系统化、可重复的框架，用于设计和部署专用于实时过程控制应用的数字孪生。
• 通过一个涉及基于视觉反馈的红外温度均匀性控制的实际案例研究验证该框架。
• 实现未来在数字孪生环境中集成故障检测、状态预测和机器学习，以增强工业自主性。

提出的方法

• 该框架包含五个步骤：系统文档化、多领域仿真（电气、热力、数字）、数字孪生构建、基于遗传算法的行为匹配，以及通过监督界面实现实时部署。
• 多领域仿真通过Simscape实现，基于系统本构方程在电气、热力和数字领域建模物理定律。
• 行为匹配采用遗传算法最小化代价函数 $ J = \int_0^T \left( (y_r - y_{DT})^2 + (u_r - u_{DT})^2 \right) dt $，以优化数字孪生中未知参数。
• 对参数施加约束：$ 10\,\text{mV} \leq \alpha \leq 200\,\text{mV} $，$ 1.8 \leq R \leq 6 \,\Omega $，$ 0.2 \leq K \leq 0.833 \,\text{K/W} $，$ 15 \leq C \leq 30 \,\text{J/K} $。
• 数字孪生通过基于TCP/IP的客户端/服务器架构以1秒更新频率与物理系统并行部署。
• 基于MATLAB的监督界面支持数字孪生和物理系统的离线测试与实时监控。

实验结果

研究问题

• RQ1 如何开发一种系统化框架，以设计和部署适用于工业过程控制系统的数字孪生？
• RQ2 在使用多领域物理建模的情况下，数字孪生在多大程度上能够准确复现复杂热力控制系统的实时行为？
• RQ3 基于遗传算法的行为匹配能否有效校准数字孪生中未知参数，以提高与物理系统的保真度？
• RQ4 在物理系统并行运行数字孪生时，其技术需求和性能特征是什么？
• RQ5 环境温度如何影响数字孪生的准确性，以及如何有效建模这一影响？

主要发现

• 数字孪生成功在实时状态下复现了物理系统的行为，在50°C设定点下，物理系统输出与数字孪生输出高度一致。
• 基于遗传算法的行为匹配识别出最优参数：$ \alpha = 35.8\,\text{mV} $，$ R = 3.35\,\Omega $，$ K = 0.2882\,\text{K/W} $，$ C = 15\,\text{J/K} $，显著提升了模型精度。
• 通过优化使代价函数值最小化，证实校准后的数字孪生参数与真实系统具有最佳匹配度。
• 监督界面实现了有效的离线验证与实时监控，证明了物理系统与其数字孪生并行运行的可行性。
• 环境温度被识别为影响系统动态的关键变量，将其纳入数字孪生模型后显著提升了整体准确性。
• 通过Simscape多物理场仿真实现了实时运行，但随着模型复杂度增加，计算需求也随之上升。