AI數(shù)字孿生建模與計算

定　價：￥68.00

作　者：	[美] 蘭詹·甘古里, 桑迪蓬·阿迪卡里, 蘇維克·查克拉博蒂, 姆里蒂卡·甘古利著，郭濤譯
出版社：	清華大學出版社
叢編項：
標　簽：	暫缺

購買這本書可以去

當當網(wǎng) (￥64.60)

ISBN：	9787302674313	出版時間：	2024-10-01	包裝：	平裝-膠訂
開本：	16開	頁數(shù)：		字數(shù)：

內(nèi)容簡介

　　物理系統(tǒng)的數(shù)字孿生是一種自適應(yīng)的計算機模擬，存在于云端，能動態(tài)地適應(yīng)物理系統(tǒng)的變化。為幫助你理解和掌握數(shù)字孿生概念，本書呈現(xiàn)相關(guān)的計算、數(shù)學和工程背景，介紹開發(fā)下一代數(shù)字孿生所需的建模/模擬、計算技術(shù)、傳感器/執(zhí)行器等知識，還講解云計算、大數(shù)據(jù)、物聯(lián)網(wǎng)、無線通信、高性能計算和區(qū)塊鏈等概念。主要內(nèi)容● 提供關(guān)于數(shù)字孿生技術(shù)的背景材料● 講述數(shù)字孿生的計算方面● 介紹基于物理和代理模型的表示方法● 解決測量和建模中的不確定性問題● 列舉實際的數(shù)字孿生案例，涉及增材制造過程、服務(wù)器集群、預測性維護和智能城市等領(lǐng)域

作者簡介

　　Ranjan Ganguli 博士目前是美國鳳凰城Viasat 公司的高級研究工程師。他于1989年獲得印度理工學院航空航天工程專業(yè)的理工學士學位，1991 年和1994 年分別獲得美國馬里蘭大學帕克分校航空航天工程系的碩士和博士學位；2000 年至2021 年，擔任印度科學學院航空航天工程系教授；1998 年至2000 年，就職于普惠公司，利用機器學習進行發(fā)動機診斷。他曾為波音、普惠、霍尼韋爾、HAL 等公司完成贊助研究項目，有多個研究成果發(fā)表在權(quán)威期刊上。他著有《等譜振動系統(tǒng)》《燃氣輪機診斷》和《工程優(yōu)化》等書，是美國機械工程師協(xié)會會員、美國航空航天學會副研究員、電氣與電子工程師協(xié)會高級會員及印度國家工程院院士；分別于2007 年和2011 年獲得亞歷山大 • 馮 • 洪堡獎學金和富布賴特獎學金；曾在德國、法國和韓國擔任訪問科學家。Sondipon Adhikari 教授現(xiàn)任格拉斯哥大學詹姆斯 • 瓦特工程學院工程力學教授。他曾作為賈瓦哈拉爾 • 尼赫魯學者在劍橋大學三一學院獲得博士學位，獲頒英國皇家學會（英國科學院）著名的沃爾夫森研究功績獎，曾是工程與物理科學研究委員會（EPSRC）高級研究員和菲利普 • 勒弗胡爾姆工程獎（Philip Leverhulme Award inEngineering）獲得者，也曾擔任斯旺西大學工程學院首任航空航天工程教席教授。在此之前，他還曾擔任布里斯托爾大學講師和劍橋大學菲茨威廉學院初級研究員，是里昂中央理工學院、萊斯大學、巴黎大學、UT Austin 和IIT Kanpur 的客座教授，以及洛斯阿拉莫斯國家實驗室的訪問科學家。Adhikari 教授的研究涉及多個學科，包括動態(tài)系統(tǒng)的不確定性量化、計算納米力學、復雜系統(tǒng)動力學、線性和非線性動力學逆問題，以及振動能量采集。他在這些領(lǐng)域已出版5 本專著，發(fā)表350 多篇國際期刊論文和200 多篇會議論文。Adhikari 教授是英國皇家航空學會研究員、美國航空航天學會（AIAA）副研究員和美國航空航天學會非確定性方法技術(shù)委員會（NDA-TC）成員，也是Advances in Aircraft and Spacecraft Science、Probabilistic Engineering Mechanics、Computer and Structures、Journal of Sound and Vibration 等多家期刊的編委會成員。Souvik Chakraborty 博士目前在印度理工學院應(yīng)用力學系擔任助理教授，并在印度理工學院亞迪人工智能學院擔任聯(lián)合教職。Chakraborty 博士的研究涉及科學機器學習（SciML）、隨機力學、不確定性量化、可靠性分析、不確定性下的設(shè)計和貝葉斯統(tǒng)計等多個領(lǐng)域，他已在同行評審期刊上發(fā)表了超過55 篇文章。Chakraborty 博士于2017年獲得印度理工學院Roorkee 分校博士學位。2020 年加入印度理工學院之前，他曾于2017 年至2019 年在美國圣母大學和加拿大英屬哥倫比亞大學擔任博士后研究員。Mrittika Ganguli 是NEXOCTO 英特爾網(wǎng)絡(luò)和邊緣架構(gòu)團隊的首席工程師兼云原生尋路總監(jiān)。她在云硬件和軟件管理、網(wǎng)絡(luò)和存儲處理控制、數(shù)據(jù)平面、云協(xié)調(diào)、遙測QOS 和調(diào)度架構(gòu)方面擁有25 年以上的經(jīng)驗。她積極參與CNCF 和Open Infra 開源計劃，并發(fā)起了名為Meshmark 的SMP 指數(shù)。她擁有計算機科學碩士學位，在該領(lǐng)域擁有70 多項專利并發(fā)表多篇IEEE 論文。

圖書目錄

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 13
1.7.2 制造業(yè) 16
1.7.3 智慧城市 17
第2 章計算與數(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 動態(tài)響應(yīng) 54
3.5 非比例阻尼系統(tǒng) 71
3.5.1 自由振動和復模態(tài) 71
3.5.2 動態(tài)響應(yīng) 76
3.6 小結(jié) 82
第4 章隨機分析 83
4.1 概率論 83
4.1.1 概率空間 83
4.1.2 隨機變量 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)字孿生動態(tài)系統(tǒng) 91
5.1 數(shù)字孿生系統(tǒng)的動態(tài)模型 91
5.1.1 單自由度系統(tǒng)：標稱模型 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 章機器學習和代理模型 119
6.1 方差分解分析 119
6.2 混沌多項式展開法 124
6.3 支持向量機 125
6.4 神經(jīng)網(wǎng)絡(luò) 127
6.5 高斯過程 128
6.6 混合多項式相關(guān)函數(shù)展開法 129
第7 章基于代理的動態(tài)系統(tǒng)數(shù)字孿生體 133
7.1 數(shù)字孿生動態(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 章多時間尺度的數(shù)字孿生 157
8.1 問題陳述 159
8.2 多時間尺度動態(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 基于物理的標稱模型 187
9.1.1 隨機非線性MDOF 系統(tǒng)：標稱模型 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)督機器學習算法 192
9.4 高保真預測模型 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 213