Разработка концепции цифровых двойников для оптимизации взаимодействия роботизированных комплексов в условиях глубоководной минеральной разведки
Как цитировать
Аннотация
Глубоководная минеральная разведка становится стратегическим направлением ресурсного освоения Мирового океана, однако экстремальные условия эксплуатации роботизированных комплексов обуславливают высокие риски и значительные экономические затраты при проведении операций. Данное исследование посвящено разработке концепции цифровых двойников для оптимизации взаимодействия роботизированных систем в условиях глубоководной среды. Предложенная архитектура цифровых двойников интегрирует многоуровневую систему математического моделирования, имитационные алгоритмы и технологии машинного обучения для прогнозирования поведения подводных комплексов в режиме реального времени. В рамках исследования проведено экспериментальное тестирование разработанной концепции на базе гидроакустического полигона с использованием трех промышленных автономных необитаемых подводных аппаратов. Результаты испытаний демонстрируют повышение эффективности координации роботизированных комплексов на 37,8% и сокращение энергопотребления на 22,3% по сравнению с традиционными методами управления. Разработанная система мультиагентной оптимизации позволила снизить временные затраты на выполнение технологических операций на 41,5% при одновременном повышении точности позиционирования подводных аппаратов на 18,9%. Представленная концепция формирует методологическую основу для развития интеллектуальных систем управления роботизированными комплексами в экстремальных условиях, способствуя повышению экономической эффективности и экологической безопасности глубоководной минеральной разведки.
Ключевые слова
Библиографические ссылки
Aydemir H., Zengin U., Durak U. The digital twin paradigm for aircraft review and outlook // AIAA Scitech 2020 Forum. 2020. рр. 1-13.
Castellani A., Gheda M., Bui N., Rossi M., Zorzi M. Web of things: architecture and implementation // IEEE communications magazine. 2019. Vol. 57. рр. 37-43.
Diez-Olivan A., Del Ser J., Galar D., Sierra B. Data fusion and machine learning for industrial prognosis: Trends and perspectives towards Industry 4.0 // Information fusion. 2019. Vol. 50. рр. 92-111.
Fuller A., Fan Z., Day C., Barlow C. Digital twin: enabling technologies, challenges and open research // IEEE Access. 2020. Vol. 8. рр. 108952-108971.
Grieves M., Vickers J. Digital Twin: Mitigating unpredictable, undesirable emergent behavior in complex systems // Transdisciplinary perspectives on complex systems. 2017. рр. 85-113.
Hoegh-Guldberg O., Poloczanska E.S., Skirving W., Dove S. Coral Reef Ecosystems under Climate Change and Ocean Acidification // Frontiers in Marine Science. 2017. Vol. 4. P. 158.
Kritzinger W., Karner M., Traar G., Henjes J., Sihn W. Digital twin in manufacturing: А categorical literature review and classification // IFAC-PapersOnLine. 2018. Vol. 51. рр. 1016-1022.
Liu Z., Meyendorf N., Mrad N. The role of data fusion in predictive maintenance using digital twin // AIP сonference рroceedings. 2018. Vol. 1949. рр. 20-23.
Lu Y., Liu C., Wang K.I., Huang H., Xu X. Digital twin-driven smart manufacturing: Сonnotation, reference model, applications and research issues // Robotics and computer-integrated manufacturing. 2020. Vol. 61. рр. 101837.
Qi Q., Tao F., Hu T., Anwer N., Liu A., Wei Y., Wang L., Nee A.Y.C. Enabling technologies and tools for digital twin // Journal of manufacturing systems. 2021. Vol. 58. рр. 3-21.
Tao F., Zhang H., Liu A., Nee A.Y.C. Digital twin in industry: State-of-the-art // IEEE Transactions on industrial informatics. 2019. Vol. 15. рр. 2405-2415.
Tao F., Zhang M., Liu Y., Nee A.Y.C. Digital twin driven prognostics and health management for complex equipment // CIRP Annals. 2018. Vol. 67. P. 169-172.
Wanasinghe T.R., Wroblewski L., Petersen B.K., Gosine R.G., James L.A., De Silva O., Mann G.K.I., Warrian P.J. Digital twin for the oil and gas industry: overview, research trends, opportunities, and challenges // IEEE Access. 2020. Vol. 8. рр. 104175-104197.
Zhao X., Wang S., Zhang J., Fan F., Yang T. A novel comprehensive evaluation method of AUV obstacle avoidance based on multi-sensor fusion // IEEE Transactions on instrumentation and measurement. 2021. Vol. 70. рр. 1-15.
Zhuang C., Liu J., Xiong H. Digital twin-based smart production management and control framework for the complex product assembly shop-floor // International journal of advanced manufacturing technology. 2018. Vol. 96. рр. 1149-1163.