数字孪生在汽车领域的常见用例

by Canonical on 5 October 2022

“数字孪生”在过去几年已成为一个流行词。但到底什么是“数字孪生”？顾名思义，数字孪生就是指对物理对象的数字克隆。两者的关系就像是一副真实画作和它的数字扫描版。我们可以利用数字孪生技术实时查看所述对象的所有相关数据。根据所研究系统的情况，可追踪和测量特定的传感器，还可复制系统环境（道路、天气、周围物体或系统等）。在本篇博文中，我们将讨论数字孪生及其在汽车领域中的应用。

对汽车业来说，数字孪生的价值主要在于运行模拟。

在模拟器中模拟碰撞测试、自动驾驶和其他场景比使用实体车辆在真实环境中进行测试更容易（成本更低）。

利用人工智能和机器学习（AI/ML），虚拟数字孪生可在物理孪生出现问题前帮助发现这些问题。这意味着人们可以在真实世界中的物理孪生出现问题时尽快予以维护。下面来看一些具体应用

研发新车

汽车行业中的数字双孪生技术可应用于多个领域的系统设计阶段，无论是车辆还是机械臂设计。从车辆设计角度看，利用数字孪生技术进行开发设计更可靠。

以电动车为例，为新原型的能耗建模是非常重要的。清楚了解车辆表现（如电池管理系统（BMS），车轮和胎压）有助于工程师有效完善设计。能够在限制热冲击或电磁影响的同时优化线路布局，这有助于减轻车辆重量，降低成本。在考虑电池能耗时，首先要想到的要素是电池的充电状态。但实际上，汽车的空气动力学也会对能耗产生巨大影响（不仅仅是电动汽车，所有的汽车都是如此）。凭借计算流体力学模拟技术，设计师可以最大限度优化车辆的空气动力学设计。原始设备制造商就是利用这种方法计算汽车的最低风阻系数。

工厂和供应链模拟

数字孪生还可帮助优化生产流程。原始设备制造商和供应商必须考虑整个供应链才能简化各项操作，包括制造限制。从工厂的角度而言，机械臂的设计，供应链和输送设备的发展非常重要。公司也可以利用扩展的数字双孪生模型模拟其供应链，并运行AI/ML模型来测试不同的场景。[181] 能够在设计工厂机器时预测传感器的最佳位置，不仅可以在使用时节省时间，还可节省相关组件，优化材料。此外公司也可以利用扩展的数字双孪生模型模拟其供应链，并运行AI/ML模型来测试不同的场景。[

自主驾驶模拟

在汽车行业，数字孪生技术也可在系列生产阶段发挥作用。

凭借数字孪生技术，制造商可利用 AI/ML 计算实时模拟自主驾驶（AD）算法。使用模拟环境验证 AI/ML 算法可以让工程师和开发人员确定它们是否安全。如果所述算法可在模拟现实世界的数字环境中通过数万公里的测试，即可安全应用于物理原型。物理测试需要时间，在实际应用中，我们可以并行加快和运行模拟，从而在考虑了应用重力、重量和物理碰撞的的逼真模拟环境中完成数千小时的驾驶。

数字孪生技术有助于更好地监控该计算，并确定哪些特定场景需要进行深入模拟。例如，一些自主驾驶的现实情形很难再现，但对传感器和算法的优化很有帮助。物理原型不会被完全取代，但我们可利用真实物理传感器（即：相机、激光定位器等）的数字模型进行数字模拟，这样就不必在开放世界的开发过程中运行无法预见的情境。这样不仅可以节省大笔开支，还可以减少与其他车辆、行人等发生交通事故的风险。

预见性维护

数字孪生技术采用实时车辆传感器数据，从而实现预见性维护。如今，许多车企使用这一组合监测传感器（如安全气囊的触发展开装置），以及获取车辆或工厂机器各类部件的磨损状态数据。这样做不仅可以节省大量时间和成本（不再因故障停工、库存和资源可提前安排）还可以最大限度降低厂内事故风险，减少车辆设计缺陷，同时持续获取每一关键（安全相关）和非关键系统元素的状态数据。

汽车行业的强大推动因素

正如各位所见，数字孪生技术可为处于汽车生命周期不同阶段的车企提供各类帮助。

在开发阶段，可利用数字孪生技术模拟和优化汽车的概念、布线、重量、空气动力学设计和整体结构，而不需要测试物理原型的这些变量，从而帮助原始设备制造商降低成本。

在制造阶段，它有助于优化设备布局、维护以及制造过程中每一步的规定运行。在系列生产阶段，它可以帮助预测磨损、缺陷，还可以用于重现实体车辆面临的真实场景。

本篇文章仅对数字孪生技术的常见应用进行了大致介绍。在后续博文中，我们还将深入探讨企业可能需要的实际用例。在相关技术方面，我们将介绍 vGPU 如何帮助实现虚拟桌面基础架构（VDI）、高性能计算（HPC）和高级自主驾驶模拟。敬请期待。

想要了解 Canonical 在汽车领域有何作为？ 请移步官网

想进一步了解软件定义汽车? 请下载我们的指南

想知道 harmed OpenStack 和 NVIDIA vGPU Software 如何协作？ 请观看专业网络研讨会