数字孪生(Digital Twins)

简介: 数字映射(Digital twin),或译作数字孪生、数字分身,指在信息化平台内模拟物理实体、流程或者系统,类似实体系统在信息化平台中的双胞胎。借助于数字映射,可以在信息化平台上了解物理实体的状态,甚至可以对物理实体里面预定义的接口组件进行控制。

数字映射(Digital twin),或译作数字孪生、数字分身,指在信息化平台内模拟物理实体、流程或者系统,类似实体系统在信息化平台中的双胞胎。借助于数字映射,可以在信息化平台上了解物理实体的状态,甚至可以对物理实体里面预定义的接口组件进行控制。

数字映射是物联网里面的概念,它指通过集成物理反馈数据,并辅以人工智能、机器学习和软件分析,在信息化平台内创建一个数字化模拟。这个模拟会根据反馈,随着物理实体的变化而自动做出相应的变化。理想状态下,数字映射可以根据多重的反馈源数据进行自我学习,从而几乎实时地在数字世界里呈现物理实体的真实状况。数字映射的反馈源主要依赖于各种传感器,如压力、角度、速度传感器等。数字映射的自我学习(或称机器学习)除了可以依赖于传感器的反馈信息,也可以是通过历史数据,或者是集成网络的数据学习。后者常指多个同批量的物理实体同时进行不同的操作,并将数据反馈到同一个信息化平台,数字映射根据海量的信息反馈,进行迅速的深度学习和精确模拟。

数字映射可以应用在各种行业(目前主要是工业)对核心设备、流程的使用进行优化,并简化维护工作。

设备影子(Device Shadow)

设备影子是一个Json文件,主要用于存储设备当前上报的属性值和IoT平台期望下发给设备的属性值,且设备影子功能只存储最近一次的上报值和属性值。每个设备有且只有一个影子。用户可通过管理门户和北向API,查询和修改设备影子,获取设备最新属性,并将期望属性下发给设备。

设备影子主要的应用场景:

查询设备属性状态:

  • 北向应用直接向设备查询状态时,由于设备可能长时间处于离线状态或因网络不稳定掉线,因此不能及时获取设备当前的状态。使用设备影子机制,设备影子保存的是设备最新的状态,一旦设备状态产生变化,设备会将状态同步到设备影子。应用便可以及时获取查询结果,无需关注设备是否在线。
  • 很多的北向应用频繁的查询设备状态,由于设备处理能力有限,频繁查询会损耗设备性能。使用设备影子机制,设备只需要主动同步状态给设备影子一次,多个应用程序请求设备影子获取设备状态,即可获取设备最新状态,从而将应用程序和设备解耦。
  • 修改设备属性信息:设备管理员通过管理门户或者调用北向API接口修改设备的属性信息,由于设备可能长时间处于离线状态,修改设备属性的操作不能及时下发给设备。在这种情况下,IoT平台可以将修改设备的属性信息存储在设备影子中,待设备上线后,将修改的设备属性值同步给设备,从而完成设备属性的修改。

目录
相关文章
|
4月前
|
自动驾驶 定位技术 调度
自动化存储系统无人搬运车(AGV,Autonomous Guided Vehicle)与无人叉车
自动化存储系统无人搬运车(AGV,Autonomous Guided Vehicle)与无人叉车
28 3
|
12月前
|
机器学习/深度学习 并行计算 算法
中科院计算所牵头「低熵云计算」专辑登Intelligent Computing!
中科院计算所牵头「低熵云计算」专辑登Intelligent Computing!
143 0
|
数据采集 人工智能 监控
数字孪生(Digital Twins)给我们带来了什么?
数字孪生,英文名叫Digital Twin(数字双胞胎),也被称为数字映射、数字镜像,通俗的讲,就是在一个物理设备或物理系统的基础上,创造一个数字版的“克隆体”。那么数字孪生中的关键技术是什么,又给我们人机交互带来了什么呢?
676 0
数字孪生(Digital Twins)给我们带来了什么?
|
机器学习/深度学习 人工智能 算法
从Analytics Experience 2017看数据智能演进
从Analytics Experience 2017看数据智能演进
107 0
从Analytics Experience 2017看数据智能演进
|
存储 边缘计算 分布式计算
High&NewTech:带你解读云计算、雾计算(Fog Computing)、边缘计算(Edge Computing)的前世今生(一)
High&NewTech:带你解读云计算、雾计算(Fog Computing)、边缘计算(Edge Computing)的前世今生
|
机器学习/深度学习 人工智能 物联网
书籍:python物联网人工智能 Hands-On Artificial Intelligence for IoT - 2019
简介 结合人工智能和物联网构建更智能的系统 - 这是当今很受关注的两个主题。 主要特点 利用TensorFlow和Keras等Python库的强大功能来处理实时物联网数据 处理物联网数据并实时预测结果,以构建智能物联网模型 涵盖工业物联网,智能城市和家庭自动化的实际案例研究 图书说明 有许多应用程序使用数据科学和分析来从数TB的数据中获取洞察力。
|
网络协议 物联网 大数据
Rethinking IoT
版权声明:本文为半吊子子全栈工匠(wireless_com,同公众号)原创文章,未经允许不得转载。 https://blog.
926 0
|
机器学习/深度学习 搜索推荐 物联网