Digital twins of nonlinear dynamical systems: A perspective

要約

デジタルツインは、最近幅広い分野で大きな注目を集めています。
非線形動的システムのデジタル ツインの基本要件は、システムの進化を生成し、潜在的に壊滅的な緊急動作を予測して、早期に警告を発する機能です。
デジタル ツインは、システムの「健全性」をリアルタイムで監視したり、問題を予測的に解決したりするために使用できます。
特に、環境の変化や摂動によって引き起こされるパラメータのドリフトにより、デジタルツインが将来システム崩壊の可能性を予測する場合、最適な制御戦略を考案し、崩壊を防ぐための早期介入として実行できます。
非線形動的システムのデジタル ツインを構築するには、スパース最適化と機械学習という 2 つのアプローチが存在します。
これら 2 つのアプローチの基本について説明し、その利点と注意点について説明します。

要約(オリジナル)

Digital twins have attracted a great deal of recent attention from a wide range of fields. A basic requirement for digital twins of nonlinear dynamical systems is the ability to generate the system evolution and predict potentially catastrophic emergent behaviors so as to providing early warnings. The digital twin can then be used for system ‘health’ monitoring in real time and for predictive problem solving. In particular, if the digital twin forecasts a possible system collapse in the future due to parameter drifting as caused by environmental changes or perturbations, an optimal control strategy can be devised and executed as early intervention to prevent the collapse. Two approaches exist for constructing digital twins of nonlinear dynamical systems: sparse optimization and machine learning. The basics of these two approaches are described and their advantages and caveats are discussed.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google