Page 93 - 202402113

Overview of New Technologies·New Technology 新技术 新技术纵览

项技术将在未来几年彻底改变我 速度。虽然其他的 ROM 方法（如 增强了系统分析的深度和适应性。

们作为一个行业管理者和维护能 机器学习或表面响应法）可以提
源基础设施的运营方式。 供类似的快速结果，但 RB-FEA 利用 RB-FEA 创建数字

这项创新的基础技术就是 在提供快速和精度方面脱颖而出。 孪生
RB-FEA（减基有限元分析）仿 这种保证性的精度来自精
为了构建数字孪生，工程师
真软件。RB-FEA 是麻省理工学 度指示数据，指示数据用来识别
们首先创建了一个详细模型，然
院机械工程实验室 15 年精心研发 RB-FEA 求解是否满足指定的精
后将其与数据配对，包括检查数
的产物，由美国国防部资助。 度阈值。如果未达到这个阈值，
据和传感器数据。然后将此信息
RB-FEA 建 立 在 传 统 的 则可进一步丰富 RB-FEA 的
输入到模型中，用来创建数字孪
FEA（有限元分析 ）基础上， ROM，直到达到所需的标准，从
生。数字孪生主要有三种类型：
FEA 长期以来一直被认为是工程 而确保精度要求。
虚拟、流程和结构型。
和制造领域的宝贵工具。这种数 RB-FEA 的另一个实质性好
虚拟数字孪生是用来复制一
值方法可以预测复杂系统在各种 处是它对大型模型的可扩展性。
种结构或资产的最简单的数字孪
载荷和边界条件下的行为。然而， 上述的加速带来的相同的 DOF
生类型。创建虚拟数字孪生涉及
由于复杂、耗时的工作流程，传 降低也允许使用 RB-FEA 来
到向一个计算机辅助设计模型添
统的 FEA 方法在运用于大型复 求解比传统 FEA 更大的模型。
加一个建模层，标记出感兴趣的
杂系统时可能很麻烦，而且有一 Akselos 通过生成相当于超过 1
区域。然后，来自这些感兴趣区
些限制。 亿个 FEA 自由度的 RB-FEA 模 91
域的数据会用来更新数字孪生。
RB-FEA 是 Akselos 公司解 型已经证明了这一点，这些模型
流程数字孪生是基于虚拟数
决这一问题的方法。使用 ROM（降 可在几秒钟内得到求解。 字孪生构建的，可实现整个流程
阶建模）方法，RB-FEA 简化了 最 后，RB-FEA 的 参 数 类 的数字化。几乎每一个工程流程

分析系统的数学表示，同时保持 型允许进行更详细的分析。材料 和任何规模的化学过程都要经过
了结果的准确性，这带来了几个 属性、几何形状、载荷或温度等 一个数字映射过程，在完成之前

主要优势。 参数可以快速进行调整，而无需 使用流程数字孪生。因此，这种
RB-FEA 的第一个优点是它 重做整个模型。此功能使用户能 类型的数字孪生是最成熟的，并

的速度，加上精度的保证。这是 够实时更新模型，以匹配传感器 且使用的时间最长。
因 为 RB-FEA 在 仿真 中 涉及 到 的测量值，或通过解决数千或数 Akselos 构建了结构数字孪

的 DOF（自由度）通常是等效于 百万种不同的模型配置来有效地 生， 将 RB-FEA 仿 真 软 件 的 强
FEA 求 解 的 1/1000。 这 种 时 间 探索整个设计空间。因此，RB- 大功能与先进的传感器技术和数

上的缩短使分析速度明显加快， FEA 不仅仅是一个降阶模型；它 据分析相结合。其结果是物理系
与传统的 FEA 相比，大大加快了 是一个参数化的降阶模型，显著 统的精确虚拟副本，它是一个允