期刊文献+
共找到2篇文章
< 1 >
每页显示 20 50 100
铁路智能客站数字孪生模型研究 被引量:2
1
作者 王小书 史天运 +2 位作者 吕晓军 李超 杨国元 《铁道运输与经济》 北大核心 2024年第5期78-88,共11页
铁路智能客站数字孪生模型是智能客站的重要组成部分,对于客运组织方案、设备配置及布局优化、安全应急等仿真具有重要意义。研究提出智能客站数字孪生五维模型,给出客站物理实体、客站数字孪生体、客站虚实连接、客站孪生数据、客站孪... 铁路智能客站数字孪生模型是智能客站的重要组成部分,对于客运组织方案、设备配置及布局优化、安全应急等仿真具有重要意义。研究提出智能客站数字孪生五维模型,给出客站物理实体、客站数字孪生体、客站虚实连接、客站孪生数据、客站孪生体服务的内涵;设计客站孪生体服务的具体内容,包括可视化调度指挥、可视化监控运维等车站可视化服务,以及客运组织方案仿真、设备配置及布局优化模拟、安全应急仿真、环境舒适度调控仿真等模拟仿真服务;研究客站数字孪生体虚拟静模型与动行为模型建模关键技术。构建清河站数字孪生体并开展试验,验证可视化调度指挥、设备虚拟巡检、车站安全应急仿真等功能,实现清河站通过数字孪生体全面掌控车站状况。 展开更多
关键词 数字孪生 智能客站 智能铁路 数字孪生五维模型 孪生服务
在线阅读 下载PDF
融合数字孪生与长短期记忆神经网络方法的混凝土水化热温度预测
2
作者 殷新锋 李旭辉 +2 位作者 黄胄 陈勉 虞永杰 《西安建筑科技大学学报(自然科学版)》 2025年第2期167-173,316,共8页
针对大体积混凝土水化过程的多变性和非线性,为预测混凝土水化热温度的趋势与峰值,提出基于数字孪生(Digital Twin,DT)和长短期记忆神经网络(Long Short-Term Memory,LSTM)的承台大体积混凝土水化热温度预测方法.该方法通过构建“物理... 针对大体积混凝土水化过程的多变性和非线性,为预测混凝土水化热温度的趋势与峰值,提出基于数字孪生(Digital Twin,DT)和长短期记忆神经网络(Long Short-Term Memory,LSTM)的承台大体积混凝土水化热温度预测方法.该方法通过构建“物理实体、虚拟实体、孪生数据、服务、链接”五个维度的承台大体积混凝土数字孪生模型,对混凝土水化过程中的关键参数进行实时监测和数据交互,确保有限元模型的准确性,并结合LSTM网络进行数据分析和预测.结果表明:数字孪生技术能通过数据交互更新出最优参数值,随着交互次数的增加,模型模拟值不断趋近实测结果;LSTM神经网络对混凝土温度变化情况预测较为准确,实测对比发现输出值与实测值最大差值为1.32℃,相差2.8%,训练结果的平均绝对误差均值为0.7624,决定系数最低达到0.9742. 展开更多
关键词 大体积混凝土 水化反应 LSTM 数字孪生五维模型 数据交互 温度预测
在线阅读 下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部