数字孪生典型案例-数字孪生的应用案例

最近有很多粉丝问我，数字孪生有哪些可以借鉴的案例？还有人说数字孪生技术很棒，但是不知道怎么实现。那么这期我们通过已经完成的优秀案例给大家详细讲一下数字孪生实现的技术路线和达到的效果。

这段时间我一直在研究那些已经完成的案例，精读了超过五百个数字孪生的案例总结，包括数字孪生城市、数字孪生工厂、智慧交通、能源、航空航天等等。

看完感受：有一点宣传效果远远大于能够达到的效果。目前主要存在有以下几个不足：以可视化混淆智能化，以自动化吹嘘智能化，以商业智能覆盖工业智能，以局部淹全部。可视化不等于智能化，这要看你可视了什么。前面我们讲数字孪生体模型包括了几何、机理、行为、规则、模型，几何模型呢只是其很小的一部分。很多工厂搞了几个管理系统，或者说搞了几条自动化控制回路，甚至只搞了部分的可视化，就认为建成了智能工厂。

本系列内容我们从上千个数字孪生案例当中，选五个典型案例，包括智慧城市、智能工厂、智能交通、能源、航空。每个行业呢选举一个我认为做的相对比较不错的案例，给大家分享一下。

这个案例是交通领域，之所以第一个讲是因为我们深度参与了。同时呢这个案例的确有很大的借鉴意义，搞这个项目的负责人是清华本硕博的教授，还有同他一起的也是中科院同济大学的博士，针对的是交通领域，这个呢即使是其他行业也可以看一下哈，也很有很大的参考意义。

这套解决方案解决的是什么问题呢？主要是桥梁隧道和大型的建筑物在运营过程中可能经受台风啊、地震啊以及老化等因素，会让桥梁隧道等结构老化而造成严重的后果，比如说呢我们经常看到新闻桥梁倒塌侧翻、建筑物的倾斜。那么他是怎么解决这个问题的呢？

我们以桥梁举例哈，首先建立桥梁的有限元模型，这里用的软件呢是他们自己研发的，因为看不懂没关系啊，就是把桥梁可能发生损坏的情况的模型全部都给搭建好，这部分当然是由程序来做的，因为有上亿种可能性，然后再通过仿真计算分析上述每种可能发生破坏的位置。

为什么要这样做呢？是给机器学习来提供数据。这里呢我们训练机器学习模型，输入可能发生破坏的位置，输出呢是它的劣化模式。

我们都知道AI能否准确预测的前提呢是需要海量数据的，这里的技术路线呢就是通过有限元模型生成海量的数据来训练AI。然后呢，我们在桥梁上安装各类的传感器，比如说压力传感器、位移应力加速度传感器等等。将传感器测得的桥梁响应数据输入到训练好的模型当中来，那么输出结果就是桥梁的劣化模式了。

这些裂化模式可以帮助桥梁巡检人员进行日常巡检，告诉检修人员的桥梁大部位可能发生损害，让他尽早的维修。因为传统上巡检人员巡视一条大桥，除了一些外观损伤的话，是没有办法知道它的内部损伤的情况的。同时还能提前预测发生地震、台风等极端天气下的大桥的安全性。

这个技术路线呢已经在很多特大桥进行应用了，效果呢也是非常不错的。但是其实我们仔细思考一下，按照数字孪生的标准来说，其实是少了一环的，就是对桥梁的智能控制上，目前呢还是把分析计算的结果推送给人，然后人再处理，理想状态呢是直接通过模型进行控制检修。其次呢是设计施工运维数据也是没有通充分利用，这些呢都是后续可以改进的。

好了，我们交通的案例就分享到这里。另外四个应用案例，我们下期再见。