MétaCan
Menu
Retour à la cohorte
Enregistrement W4399383831 · doi:10.21203/rs.3.rs-4535883/v1

A Systematic Online Update Method for Reduced-Order-Model-Based Digital Twin

2024· preprint· en· W4399383831 sur OpenAlexaff
Yifan Tang, Pouyan Sajadi, Mostafa Rahmani Dehaghani, G. Gary Wang

Notice bibliographique

RevueResearch Square · 2024
Typepreprint
Langueen
DomaineEngineering
ThématiqueDigital Transformation in Industry
Établissements canadiensSimon Fraser University
Organismes subventionnairesnon disponible
Mots-clésOrder (exchange)Computer scienceEconomics

Résumé

récupéré en direct d'OpenAlex

Abstract A digital twin (DT) is a model that mirrors a physical system and is continuously updated with real-time data from the physical system. Recent implementations of reduced-order-model-based DT (DT-ROM) have been applied in aerodynamics and structural health monitoring, where partial differential equations (PDEs) are utilized to update reduced bases and coefficients. However, these methods are not directly applicable when the PDEs of the system are unknown. This paper addresses the online update challenge for DT-ROM in scenarios lacking known PDEs of the system. To tackle the challenge, a systematic online update and application method is proposed. During the online update, the projection residual of online data on the reduced bases determines the necessity of updating reduced bases, while the prediction residual of online data obtained by the current DT-ROM is used to decide whether to update the coefficient model. By sequentially evaluating both criteria, the method selectively incorporates essential online data for the online DT model update. During the online application, a criterion defined based on online data is adopted to determine whether the offline DT-ROM or the online one is applied to output final predictions. The capability of the proposed method is tested through three numerical and three engineering problems. Results indicate that the proposed online update method consistently reduces both projection and prediction residuals, thereby progressively enhancing the performance of the online DT-ROM on test data. Meanwhile, the online application method provides a prediction performance better than using offline DT-ROM only. Both demonstrate that the proposed work could be applied to online DT update where the PDEs of the system are unknown.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,002
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,004
Score d'incertitude au seuil0,015

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0040,001

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,075
Tête enseignante GPT0,403
Écart entre enseignants0,328 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSimulation ou modélisation
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueResearch SquareMême sujetDigital Transformation in IndustryTravaux en français237 207