AI數(shù)字孿生建模與計(jì)算

第1 章 引言和背景      1
1.1 引言      1
1.2 建模與模擬      3
1.3 傳感器和執(zhí)行器       6
1.4 信號(hào)處理     8
1.5 估算算法   10
1.6 工業(yè)4.0     12
1.7 應(yīng)用     13
1.7.1 維護(hù)     13
1.7.2 制造業(yè)    16
1.7.3 智慧城市     17
第2 章 計(jì)算與數(shù)字孿生      19
2.1 數(shù)字孿生用例和物聯(lián)網(wǎng)    20
2.2 邊緣計(jì)算   21
2.3 電信和5G      23
2.4 云      24
2.4.1 微軟Azure       25
2.4.2 亞馬遜AWS     26
2.5 大數(shù)據(jù)    27
2.6 谷歌TensorFlow     28
2.7 區(qū)塊鏈與數(shù)字孿生     30
第3 章 動(dòng)態(tài)系統(tǒng)      33
3.1 單自由度無阻尼系統(tǒng)    33
3.1.1 固有頻率     34
3.1.2 動(dòng)態(tài)響應(yīng)     34
3.2 單自由度黏性阻尼系統(tǒng)    36
3.2.1 固有頻率     37
3.2.2 動(dòng)態(tài)響應(yīng)     38
3.3 多自由度無阻尼系統(tǒng)    43
3.3.1 模態(tài)分析     43
3.3.2 動(dòng)態(tài)響應(yīng)     46
3.4 比例阻尼系統(tǒng)     49
3.4.1 比例阻尼的條件    50
3.4.2 廣義比例阻尼    51
3.4.3 動(dòng)態(tài)響應(yīng)     54
3.5 非比例阻尼系統(tǒng)     71
3.5.1 自由振動(dòng)和復(fù)模態(tài)   71
3.5.2 動(dòng)態(tài)響應(yīng)     76
3.6 小結(jié)     82
第4 章 隨機(jī)分析      83
4.1 概率論    83
4.1.1 概率空間     83
4.1.2 隨機(jī)變量     83
4.1.3 希爾伯特空間    84
4.2 可靠性    84
4.2.1 不確定性的來源    84
4.2.2 隨機(jī)變量和極限狀態(tài)函數(shù)    84
4.2.3 早期方法     85
4.3 模擬方法   86
4.3.1 直接蒙特卡羅模擬法     86
4.3.2 重要性采樣     86
4.3.3 分層采樣     86
4.3.4 定向采樣     87
4.3.5 子集模擬     87
4.4 可靠性    89
第5 章 數(shù)字孿生動(dòng)態(tài)系統(tǒng)      91
5.1 數(shù)字孿生系統(tǒng)的動(dòng)態(tài)模型    91
5.1.1 單自由度系統(tǒng)：標(biāo)稱模型    91
5.1.2 數(shù)字孿生模型    92
5.2 由剛度演化的數(shù)字孿生    95
5.2.1 獲取精確的固有頻率數(shù)據(jù)    95
5.2.2 帶誤差的固有頻率數(shù)據(jù)    97
5.2.3 帶誤差估計(jì)的固有頻率數(shù)據(jù)   98
5.2.4 數(shù)值說明     99
5.3 由質(zhì)量演化的數(shù)字孿生      100
5.3.1 獲取精確的固有頻率數(shù)據(jù)    100
5.3.2 帶誤差的固有頻率數(shù)據(jù)    102
5.3.3 帶誤差估計(jì)的固有頻率數(shù)據(jù)   102
5.3.4 數(shù)值說明       103
5.4 由質(zhì)量和剛度演化的數(shù)字孿生      105
5.4.1 獲取精確的固有頻率數(shù)據(jù)    106
5.4.2 帶誤差的精確固有頻率數(shù)據(jù)   107
5.4.3 帶誤差估計(jì)的精確固有頻率數(shù)據(jù)      108
5.4.4 數(shù)值說明       109
5.5 討論    113
5.6 小結(jié)    116
第6 章 機(jī)器學(xué)習(xí)和代理模型     119
6.1 方差分解分析      119
6.2 混沌多項(xiàng)式展開法     124
6.3 支持向量機(jī)     125
6.4 神經(jīng)網(wǎng)絡(luò)      127
6.5 高斯過程      128
6.6 混合多項(xiàng)式相關(guān)函數(shù)展開法    129
第7 章 基于代理的動(dòng)態(tài)系統(tǒng)數(shù)字孿生體   133
7.1 數(shù)字孿生動(dòng)態(tài)模型     136
7.2 高斯過程仿真器概述      138
7.3 基于高斯過程的數(shù)字孿生    139
7.3.1 通過剛度演化的數(shù)字孿生    140
7.3.2 通過質(zhì)量演化實(shí)現(xiàn)數(shù)字孿生   143
7.3.3 通過質(zhì)量和剛度演化的數(shù)字孿生      148
7.4 討論      153
7.5 小結(jié)      155
第8 章 多時(shí)間尺度的數(shù)字孿生    157
8.1 問題陳述      159
8.2 多時(shí)間尺度動(dòng)態(tài)系統(tǒng)的數(shù)字孿生    161
8.2.1 數(shù)據(jù)收集與處理     163
8.2.2 高斯過程專家混合     167
8.2.3 算法      172
8.3 提出框架說明       173
8.3.1 通過剛度演化實(shí)現(xiàn)數(shù)字孿生   174
8.3.2 通過質(zhì)量演化的數(shù)字孿生    178
8.3.3 通過質(zhì)量和剛度演化的數(shù)字孿生系統(tǒng)    181
8.4 小結(jié)      185
第9 章 非線性多自由度系統(tǒng)的數(shù)字孿生   187
9.1 基于物理的標(biāo)稱模型      187
9.1.1 隨機(jī)非線性MDOF 系統(tǒng)：標(biāo)稱模型     187
9.1.2 數(shù)字孿生       188
9.1.3 問題陳述       188
9.2 貝葉斯濾波算法     188
9.3 監(jiān)督機(jī)器學(xué)習(xí)算法     192
9.4 高保真預(yù)測(cè)模型     193
9.5 示例      195
9.5.1 帶Duffing 振蕩器的2-DOF 系統(tǒng)      196
9.5.2 帶有Duffing Van der Pol 振蕩器的7-DOF 系統(tǒng)    205
—— 以下內(nèi)容可掃描封底二維碼下載 ——
參考文獻(xiàn)     213