达索航空的“飞机双胞胎”项目实时提供更大的预测性，以优化车队使用，性能和维护

航空业正在基于以下事实：其数字化转型将导致他们进入更可持续，更绿和更苗条的过程。在过去的几年中，数字双胞胎的概念已经遍及所有工业领域。使用先进的机器学习和人工智能来分析传感器和/或历史数据收集的数据，数字双胞胎是一种数字对应物，在运行时反映了真实产品的“健康”。betway官网开户它们可用于监视和诊断，以优化资产绩效和利用，以控制或降低运营成本。

如果数字双胞胎为运营商和运营公司提供与性能相关的有价值的见解，那么如果它们与产品开发过程中的现有产品数据相连，它们可能会带来更大的价值，尤其是当您想到与物理学相关的数据时，工程师时，它们可能会带来更多的价值用于彻底了解产品的行为方式。betway官网开户此外，他们完全数据驱动的基础使得在解决预后时很难使用它们。

在最近在法国媒体CAD杂志上的采访中，达索航空的结构工程主管埃里克·加里格斯（Eric Garrigues）详细介绍了OEM为什么以及如何计算我们的混合双胞胎方法来研究飞行方案及其对飞机老化的影响。简而言之，自从Mirage 1出现以来，Dassault Aviation为飞机提供了嵌入式传感器，以评估每次飞行后飞机的结构性疲劳。这带来了两个好处：优化维护（并降低运营成本），并平衡飞机用法作为整个车队的一部分。这只能归功于混合方法，将现实生活运营收集的智能传感器数据与现有的，基于现实的物理模型相结合。

“飞机双胞胎”项目旨在支持飞行员和维护工程师

必威打串ESI Group最近为由GénéraledeL'Armement提供的指导和由Dassault Aviation和Thales领导的人类机器团队项目做出了贡献。ESI努力为未来飞机的机器化而努力，以维持发展“飞机双胞胎”- 当然，使人和机器能够以最好的方式合作，并为预测或操作维护和计划执行诊断，预后和实时决策。该项目的另一个目的是支持飞行员实时做出关键任务决策，以防传感器运行正常，或者飞机零件显示出恶化的迹象。

达索航空和ESI试图通过在实际飞行情况下获得的经验来丰富理论模型。他们使用了飞机空气分配系统（系统仿真方法）的系统模型，它们在数百个航班中收集的真实数据丰富，以便他们可以比单独使用理论或练习更准确地预测系统行为。

Dassault Aviation和ESI将该理论模型与为“培训集”提供的实际飞行信息进行了比较。两个来源之间的差异或“差距”称为“无知”。然后，他们使用一种称为稳定DMD（动态模式分解）的特定AI技术来训练混合双胞胎，以“填补空白”，并在新的一组飞行数据上测试了其准确性。

可以在上图中汇总混合双胞胎，其中将系统仿真提供的预测与收集的传感器数据进行了比较；而且，如果存在偏差，则通过使用我们刚才提到的高级机器学习技术，在脱机情况下创建了该偏差的模型。然后计算偏差并在线添加到数值预测中以获取真实数据。即使仅使用少数飞行“学习”偏差模型，基于混合双胞胎的预测也会在200多个飞行中产生出色的预测（准确而快速），并且对噪声数据的学习模型也稳定。

下图证明了混合建模方法提供的出色预测。

学到更多：有关更多信息，您可以下载科学论文“学习混合双胞胎的稳定降低级模型”由亚伯·桑卡洛斯（Abel Sancarlos（Abel Sancarlos）（Aragon工程研究所Ensam），Jean-Marc Le Peuvedic（Dassault Aviation），Morgan Cameron，Juliette Groulier，Jean-Louis Duval（ESI Group）和Francisco Chi必威打串nesta（Ensam＆Esi Group）（Ensam＆Esi Group），发表在2021年5月。

观看ESI LIVE 2021按需观看：要了解有关混合双胞胎和其他ESI技术的更多信息，观看我们下一个全球数字活动ESI Live的重播。航空轨道上有劳斯莱斯（Rolls Royce），萨博（Saab AB）和柯林斯航空航天（Collins Aerospace）等。

关于MMTMMT是由法国军队资助和执行的一项倡议，由达索航空和泰勒斯（Thales）驱动。https://man-machine-teaming.com/