Разработка концепции цифровых двойников для оптимизации взаимодействия роботизированных комплексов в условиях глубоководной минеральной разведки
Ключевые слова:
цифровые двойники, глубоководная разведка, роботизированные комплексы, мультиагентная оптимизация, гидроакустическое моделирование, интеллектуальное управление, автономные подводные аппаратыАннотация
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.
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.
