[论文解读] Uncertainty Quantification and Software Risk Analysis for Digital Twins in the Nearly Autonomous Management and Control Systems: A Review

Linyu Lin, Han Bao+1 more|arXiv (Cornell University)|Jan 28, 2021

Fault Detection and Control Systems参考文献 67被引用 4

一句话总结

本文综述了在近乎自主管理与控制（NAMAC）系统中，特别是核反应堆应用中，数字孪生（DTs）的不确定性量化（UQ）与软件风险分析技术。评估了基于数据驱动的机器学习型数字孪生，整合UQ方法以评估模型与预测不确定性，并应用软件危害与风险分析以确保自主决策系统中的安全与可靠性。

ABSTRACT

A nearly autonomous management and control (NAMAC) system is designed to furnish recommendations to operators for achieving particular goals based on NAMAC's knowledge base. As a critical component in a NAMAC system, digital twins (DTs) are used to extract information from the knowledge base to support decision-making in reactor control and management during all modes of plant operations. With the advancement of artificial intelligence and data-driven methods, machine learning algorithms are used to build DTs of various functions in the NAMAC system. To evaluate the uncertainty of DTs and its impacts on the reactor digital instrumentation and control systems, uncertainty quantification (UQ) and software risk analysis is needed. As a comprehensive overview of prior research and a starting point for new investigations, this study selects and reviews relevant UQ techniques and software hazard and software risk analysis methods that may be suitable for DTs in the NAMAC system.

研究动机与目标

• 为解决核电厂中近乎自主管理与控制（NAMAC）系统日益增长的安全保障需求。
• 识别并评估适用于NAMAC系统中数字孪生（DTs）的不确定性量化（UQ）技术。
• 评估可与数字孪生集成以确保自主决策系统中可靠性与安全性的软件风险分析方法。
• 对现有研究进行全面综述，以指导安全关键领域中稳健、可信数字孪生系统未来的发展。

提出的方法

• 系统性地调研适用于NAMAC系统中数字孪生的不确定性量化（UQ）技术的现有文献。
• 回顾适用于人工智能驱动数字孪生的软件危害分析与风险评估方法论。
• 分析用于构建反应堆控制与管理功能数字孪生的数据驱动机器学习模型。
• 评估将UQ与软件风险分析相结合，以评估模型不确定性对系统级安全影响的方法。
• 根据其在数字孪生中的适用性，对UQ方法进行分类，包括概率性、非概率性和统计方法。
• 提出一个框架，将UQ与软件风险分析相结合，以支持数字孪生系统的安全认证与验证。

实验结果

研究问题

• RQ1 在近乎自主管理与控制（NAMAC）系统中，哪些不确定性量化（UQ）技术最适合数字孪生？
• RQ2 如何有效将软件危害与风险分析应用于安全关键控制系统中的数字孪生？
• RQ3 基于机器学习的数字孪生在反应堆管理与控制中，其主要不确定性来源是什么？
• RQ4 如何将UQ与软件风险分析相结合，以提升数字孪生系统的可信度与可靠性？
• RQ5 在核能及类似领域中，将UQ与风险分析应用于数字孪生时，当前的研究空白与挑战是什么？

主要发现

• 概率性UQ方法，如蒙特卡洛模拟与贝叶斯推断，适用于量化数字孪生中的认知不确定性与随机不确定性。
• 非概率性UQ方法，如区间分析与模糊逻辑，在数据稀缺或不确定性较高的核能系统环境中表现出强健性。
• 软件风险分析技术，如FMEA与FTA，在识别数字孪生组件的故障模式及其在控制系统中的传播方面具有有效性。
• 将UQ与软件风险分析相结合，可实现对基于数字孪生的决策支持系统中高影响不确定性与故障风险的早期检测。
• 现有研究显示，在人工智能驱动的数字孪生于安全关键应用中，尚未形成标准化的UQ与软件风险分析结合方法论。
• 综述指出，尽管UQ与风险分析在各自领域已较为成熟，但其在数字孪生系统中的协同应用仍不充分，亟需进一步研究。