全球无人机网（www.81uav.cn）编译：国外媒体报道 在不远的将来，我们可以期待看到我们的天空充满了无人机，从一个地方到另一个地方运送包裹，甚至是人。
在这样一个世界里，每架无人机都将有一个数字孪生兄弟:一个虚拟模型，它将跟随无人机的存在，随着时间的推移而发展
德克萨斯大学奥斯汀分校奥登计算工程与科学研究所所长、计算航空航天工程专家卡伦·威尔科克斯说:“监控无人机 结构健康非常重要。”“他们必须做出正确的决定，才能有良好的飞行状态。”
威尔科克斯是2019年高性能计算、网络、存储和分析国际会议（SC19）的特邀发言人，他分享了一个主要由美国空军动态数据驱动应用系统（DDDAS）项目支持的项目的细节，该项目旨在为定制的无人机开发预测数字孪生机。该项目是UTAustin、麻省理工、Akselos和Aurora飞行科学公司的合作项目。
孪生兄弟代表了无人机的每个组成部分，以及它的整体，使用基于物理的模型，从精细到宏观捕捉其行为的细节。孪生兄弟还接收来自飞机的机载传感器数据，并将该信息与模型集成，以创建飞机健康状况的实时预测。
无人机有坠毁的危险吗？它是否应该改变它的计划路线以将风险降到最低？有了预测数字双胞胎，这些类型的决定可以在飞行中，以保持无人机飞行。
比大数据更大
在她的演讲中，Willcox分享了技术和算法上的进步，使得预测数字双胞胎能够有效地工作。她还分享了她关于如何在整个科学和工程中解决“高后果”（“high-consequence”）问题的一般哲学。
“重大决策需要的不仅仅是大数据，”她解释道。“他们也需要大模型。”
这种基于物理的模型和大数据的结合通常被称为“科学的机器学习”。虽然机器学习本身已经成功地解决了一些问题，如对象识别、推荐系统，而且像围棋这样的游戏需要更强大的解决方案来解决问题，在这些问题中，得到错误的答案可能会付出难以置信的代价，或者会有生死的后果。
威尔考克斯说：“这些大问题是由复杂的多尺度、多物理现象所控制的。“如果我们稍微改变一下条件，我们可以看到截然不同的行为。”
在Willcox的工作中，计算建模与机器学习相结合，产生可靠且可解释的预测。黑箱解决方案不足以满足高后果应用。研究人员（或医生或工程师）需要知道为什么机器学习系统会依赖于某个结果。
在数字双无人机的情况下，威尔科克斯的系统能够捕捉和传达无人机健康状况的变化。它还可以解释哪些传感器读数表明健康状况下降并推动预测。
边缘实时决策
同样的压力，需要使用基于物理的模型-使用复杂的高维模型；不确定性量化的需要；模拟所有可能的场景的必要性-也使得创建预测性数字孪生体的问题在计算上具有挑战性。
这就是所谓的模型简化方法发挥作用的地方。使用他们开发的基于投影的方法，Willcox和她的合作者可以识别更小的近似模型，但是不知何故编码最重要的动态，使得它们可以用于预测。
她说：“这种方法可以创造出低成本、基于物理的模型，使预测数字双胞胎成为可能。”。
威尔科克斯不得不开发另一种解决方案来模拟无人机上发生的复杂物理相互作用。她没有将整个飞行器作为一个整体来模拟，而是与Akselos合作，使用他们的方法将模型（在本例中是飞机）分解成碎片——例如机翼的一部分——并独立计算几何参数、材料特性和其他重要因素，同时也考虑到当整个平面组合在一起时发生的交互作用。
每一个分量都由偏微分方程表示，在高保真度下，有限元方法和计算网格被用来确定飞行对每一段的影响，生成基于物理的训练数据，输入机器学习分类器。
这种训练是计算密集型的，未来Willcox的团队将与德州大学奥斯汀分校的德州高级计算中心（TACC）合作，使用超级计算生成更大的训练集，考虑更复杂的飞行场景。一旦训练完成，在线分类就可以非常迅速地完成。
使用这些模型简化和分解方法，Willcox能够实现1000次加速——将模拟时间从几小时或几分钟缩短到几秒——同时保持决策所需的准确性。
她说：“这种方法很容易解释。“我可以回去看看什么传感器有助于被归类为一种状态。”这一过程自然有助于传感器的选择，也有助于确定传感器需要放置在哪里，以捕捉对无人机健康和安全至关重要的细节。
威尔科克斯在会议上展示了一个演示，一架无人机在穿越障碍物的过程中能够识别出自己的健康状况正在下降，并绘制出一条更为保守的路线，以确保它安全返回家园。这是无人机必须通过的测试，才能在未来广泛部署。
美国空军科学研究办公室前主任弗雷德里卡达雷马说：“凯伦威尔科克斯博士的工作是DDDAS范式应用的一个很好的例子，它可以改进建模和仪器方法，创建具有全尺寸模型精度的实时决策支持系统，他支持这项研究。
威尔科克斯博士的研究表明，DDDAS的应用创造了下一代“数字孪生”环境和能力。这些进展对提高国防和民用部门关键系统和服务的效力产生了巨大影响。”
数字双胞胎并不是无人机的专属领域；它们越来越多地被开发用于制造、炼油厂和一级方程式赛车。该技术被评为Gartner2017年和2018年十大战略技术趋势之一。
“数字双胞胎正在成为一个商业的势在必行，涵盖整个生命周期的资产或过程，并形成基础的连接产品和服务，”ThomasKaiser说，SAP高级副总裁IOT，在一个2017福布斯采访。“没有回应的公司将被抛在后面。”
关于预测数据科学和数字双胞胎的发展，Willcox说：“通过模型的视角从数据中学习是使棘手问题实用化的唯一途径。它汇集了数据科学、机器学习、计算科学和工程等领域的方法和方法，并指导它们在高结果应用方面。”
德克萨斯大学奥斯汀分校奥登计算工程与科学研究所和杜布罗的照片
关于作者
亚伦·杜布罗是德克萨斯州高级计算中心通信、媒体和设计小组的科技作家。
