新框架通过在线贝叶斯学习增强数字孪生

研究人员开发了一个新的自适应数字孪生框架，该框架增强了其在土木工程应用中的价值。该方法利用动态贝叶斯网络来模拟物理系统和虚拟系统之间的交互，通过贝叶斯更新实现状态转移动力学的在线学习。该框架允许比当前方法更广泛的分布范围，并采用强化学习来解决参数马尔可夫决策过程，以制定精确的动态策略。这导致了更个性化、更鲁棒、更具成本效益的数字孪生，正如在铁路桥梁结构健康监测和维护规划的案例研究中所证明的那样。 AI

影响 增强了数字孪生在土木工程应用中的预测能力和成本效益。

排序理由 这是一篇详细介绍自适应数字孪生新框架和方法论的研究论文。

在 arXiv cs.LG 阅读 →

• Bayesian updates
• civil engineering
• digital twin
• Dynamic Bayesian Networks
• Maintenance Planning of Pitched Roofs in Current Buildings
• Marco Tezzele
• Markov decision processes
• railway bridge
• reinforcement learning
• Structural health monitoring

• 论文
• 基础设施

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →