典型文献
工业互联网中数字孪生系统的机理+数据融合建模方法
文献摘要：
工业互联网的快速发展为学术界以及工业界带来了新型研发范式——数据密集型科学发现,融合物理机理以及数据驱动的建模方法是其中的研究热点之一,这种方式可以充分发挥机理仿真可解释性和泛化能力强、数据驱动模型灵活性和可学习的优势,为未来数字孪生系统提供高效、灵活的工具和方法.通过聚焦于工业互联网中构建数字孪生系统的机理+数据融合建模方法,首先阐述了基本数学原理以及建模方法,并对比了机理+数据融合建模与传统数据模型、机理模型的区别;然后从模型选择、物理机理约束以及实际任务需求3个角度详细给出了机理+数据融合建模方法的构造过程,总结了目前学术界的最新研究进展;最后介绍了国内外关于机理+数据融合建模方法在工业设备设计优化、生产制造、运行维护方面的实际落地应用场景.
文献关键词：
深度学习;机理仿真;数据驱动;物理启发神经网络;数字孪生
中图分类号：
作者姓名：
李硕;刘天源;黄锋;解鑫;张金义
作者机构：
百度在线网络技术有限公司,北京 100086
文献出处：
引用格式：
[1]李硕;刘天源;黄锋;解鑫;张金义-.工业互联网中数字孪生系统的机理+数据融合建模方法)[J].信息通信技术与政策,2022(10):52-61
A类：
物理启发神经网络
B类：
工业互联网,数字孪生系统,数据融合,融合建模,工业界,数据密集型科学,科学发现,物理机理,机理仿真,可解释性,泛化能力,数据驱动模型,可学,数学原理,数据模型,机理模型,模型选择,任务需求,最新研究进展,工业设备,设备设计,生产制造,运行维护,落地应用
AB值：
0.278311
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
