"物理系统的数字孪生是一种自适应的计算机模拟，存在于云端，能动态地适应物理系统的变化。为帮助你理解和掌握数字孪生概念，本书呈现相关的计算、数学和工程背景，介绍开发下一代数字孪生所需的建模/模拟、计算技术、传感器/执行器等知识，还讲解云计算、大数据、物联网、无线通信、高性能计算和区块链等概念。
主要内容
● 提供关于数字孪生技术的背景材料
● 讲述数字孪生的计算方面
● 介绍基于物理和代理模型的表示方法
● 解决测量和建模中的不确定性问题
● 列举实际的数字孪生案例，涉及增材制造过程、服务器集群、预测性维护和智能城市等领域
"

目 录
第1 章 引言和背景 1
1.1 引言 1
1.2 建模与模拟 3
1.3 传感器和执行器 6
1.4 信号处理 8
1.5 估算算法 10
1.6 工业4.0 12
1.7 应用 13
1.7.1 维护 13
1.7.2 制造业 16
1.7.3 智慧城市 17
第2 章 计算与数字孪生 19
2.1 数字孪生用例和物联网 20
2.2 边缘计算 21
2.3 电信和5G 23
2.4 云 24
2.4.1 微软Azure 25
2.4.2 亚马逊AWS 26
2.5 大数据 27
2.6 谷歌TensorFlow 28
2.7 区块链与数字孪生 30
第3 章 动态系统 33
3.1 单自由度无阻尼系统 33
3.1.1 固有频率 34
3.1.2 动态响应 34
3.2 单自由度黏性阻尼系统 36
3.2.1 固有频率 37
3.2.2 动态响应 38
3.3 多自由度无阻尼系统 43
3.3.1 模态分析 43
3.3.2 动态响应 46
3.4 比例阻尼系统 49
3.4.1 比例阻尼的条件 50
3.4.2 广义比例阻尼 51
3.4.3 动态响应 54
3.5 非比例阻尼系统 71
3.5.1 自由振动和复模态 71
3.5.2 动态响应 76
3.6 小结 82
第4 章 随机分析 83
4.1 概率论 83
4.1.1 概率空间 83
4.1.2 随机变量 83
4.1.3 希尔伯特空间 84
4.2 可靠性 84
4.2.1 不确定性的来源 84
4.2.2 随机变量和极限状态函数 84
4.2.3 早期方法 85
4.3 模拟方法 86
4.3.1 直接蒙特卡罗模拟法 86
4.3.2 重要性采样 86
4.3.3 分层采样 86
4.3.4 定向采样 87
4.3.5 子集模拟 87
4.4 可靠性 89
第5 章 数字孪生动态系统 91
5.1 数字孪生系统的动态模型 91
5.1.1 单自由度系统：标称模型 91
5.1.2 数字孪生模型 92
5.2 由刚度演化的数字孪生 95
5.2.1 获取准确的固有频率数据 95
5.2.2 带误差的固有频率数据 97
5.2.3 带误差估计的固有频率数据 98
5.2.4 数值说明 99
5.3 由质量演化的数字孪生 100
5.3.1 获取准确的固有频率数据 100
5.3.2 带误差的固有频率数据 102
5.3.3 带误差估计的固有频率数据 102
5.3.4 数值说明 103
5.4 由质量和刚度演化的数字孪生 105
5.4.1 获取准确的固有频率数据 106
5.4.2 带误差的准确固有频率数据 107
5.4.3 带误差估计的准确固有频率数据 108
5.4.4 数值说明 109
5.5 讨论 113
5.6 小结 116
第6 章 机器学习和代理模型 119
6.1 方差分解分析 119
6.2 混沌多项式展开法 124
6.3 支持向量机 125
6.4 神经网络 127
6.5 高斯过程 128
6.6 混合多项式相关函数展开法 129
第7 章 基于代理的动态系统数字孪生体 133
7.1 数字孪生动态模型 136
7.2 高斯过程仿真器概述 138
7.3 基于高斯过程的数字孪生 139
7.3.1 通过刚度演化的数字孪生 140
7.3.2 通过质量演化实现数字孪生 143
7.3.3 通过质量和刚度演化的数字孪生 148
7.4 讨论 153
7.5 小结 155
第8 章 多时间尺度的数字孪生 157
8.1 问题陈述 159
8.2 多时间尺度动态系统的数字孪生 161
8.2.1 数据收集与处理 163
8.2.2 高斯过程专家混合 167
8.2.3 算法 172
8.3 提出框架说明 173
8.3.1 通过刚度演化实现数字孪生 174
8.3.2 通过质量演化的数字孪生 178
8.3.3 通过质量和刚度演化的数字孪生系统 181
8.4 小结 185
第9 章 非线性多自由度系统的数字孪生 187
9.1 基于物理的标称模型 187
9.1.1 随机非线性MDOF 系统：标称模型 187
9.1.2 数字孪生 188
9.1.3 问题陈述 188
9.2 贝叶斯滤波算法 188
9.3 监督机器学习算法 192
9.4 高保真预测模型 193
9.5 示例 195
9.5.1 带Duffing 振荡器的2-DOF 系统 196
9.5.2 带有Duffing Van der Pol 振荡器的7-DOF 系统 205
—— 以下内容可扫描封底二维码下载 ——
参考文献 213