[正版新书]AI数字孪生建模与计算 [美] 兰詹 甘古里 桑迪蓬 阿迪卡里 苏维克 查克拉博蒂 姆里蒂卡 甘

Ranjan Ganguli 博士目前是美国凤凰城Viasat 公司的高级研究工程师。他于1989年获得印度理工学院航空航天工程专业的理工学士学位，1991 年和1994 年分别获得美国马里兰大学帕克分校航空航天工程系的硕士和博士学位；2000 年至2021 年，担任印度科学学院航空航天工程系教授；1998 年至2000 年，就职于普惠公司，利用机器学习进行发动机诊断。他曾为波音、普惠、霍尼韦尔、HAL 等公司完成赞助研究项目，有多个研究成果发表在权威期刊上。他着有《等谱振动系统》《燃气轮机诊断》和《工程优化》等书，是美国机械工程师协会会员、美国航空航天学会副研究员、电气与电子工程师协会高级会员及印度国家工程院院士；分别于2007 年和2011 年获得亚历山大 • 冯 • 洪堡奖学金和富布赖特奖学金；曾在德国、法国和韩国担任访问科学家。
Sondipon Adhikari 教授现任格拉斯哥大学詹姆斯 • 瓦特工程学院工程力学教授。他曾作为贾瓦哈拉尔 • 尼赫鲁学者在剑桥大学三一学院获得博士学位，获颁英国皇家学会(英国科学院)着名的沃尔夫森研究功绩奖，曾是工程与物理科学研究委员会(EPSRC)高级研究员和菲利普 • 勒弗胡尔姆工程奖(Philip Leverhulme Award inEngineering)获得者，也曾担任斯旺西大学工程学院首任航空航天工程教席教授。在此之前，他还曾担任布里斯托尔大学讲师和剑桥大学菲茨威廉学院初级研究员，是里昂中央理工学院、莱斯大学、巴黎大学、UT Austin 和IIT Kanpur 的客座教授，以及洛斯阿拉莫斯国家实验室的访问科学家。
Adhikari 教授的研究涉及多个学科，包括动态系统的不确定性量化、计算纳米力学、复杂系统动力学、线性和非线性动力学逆问题，以及振动能量采集。他在这些领域已出版5 本专着，发表350 多篇国际期刊论文

市面上已有的相关出版物主要集中于以下 3 方面：工业数字孪生、领域应用数字化(例如智慧城市数字孪生、流域数字孪生)、数字孪生系统建设。目前，将基于数据驱动和知识驱动的数字孪生系统与人工智能相结合论述的着作实为鲜见。本书内容涵盖复杂系统理论、数字孪生和人工智能技术，主要讲述由物理和数据驱动的混合数字孪生方法，并将之与人工智能模型结合，构建数字孪生动态和分析系统，洞察规律、了解机理、突破认知，从而回顾过去、把握现在和预测未来。
译者认为，数字孪生是数字化、智慧化和智能化建设不可或缺的技术手段。其中，数据是原材料，平台、系统是基础，动态计算是灵魂，服务产业是目标。要打破认知壁垒、技术壁垒和行业壁垒，将数字孪生与物联网技术、云计算技术、大数据技术及人工智能技术深度融合，发挥各项技术的价值和作用。本书四位作者从动态系统和计算视角全面、深入介绍理论知识，填补了数字孪生在该主题方面的空白。本书可作为计算机科学、人工智能等专业的本科生和研究生教材，也可作为研究数字孪生、数字化转型等技术的参考书。

目 录
第1 章 引言和背景 1
1.1 引言 1
1.2 建模与模拟 3
1.3 传感器和执行器 6
1.4 信号处理 8
1.5 估算算法 10
1.6 工业4.0 12
1.7 应用 13
1.7.1 维护 13
1.7.2 制造业 16
1.7.3 智慧城市 17
第2 章 计算与数字孪生 19
2.1 数字孪生用例和物联网 20
2.2 边缘计算 21
2.3 电信和5G 23
2.4 云 24
2.4.1 微软Azure 25
2.4.2 亚马逊AWS 26
2.5 大数据 27
2.6 谷歌TensorFlow 28
2.7 区块链与数字孪生 30
第3 章 动态系统 33
3.1 单自由度无阻尼系统 33
3.1.1 固有频率 34
3.1.2 动态响应 34
3.2 单自由度黏性阻尼系统 36
3.2.1 固有频率 37
3.2.2 动态响应 38
3.3 多自由度无阻尼系统 43
3.3.1 模态分析 43
3.3.2 动态响应 46
3.4 比例阻尼系统 49
3.4.1 比例阻尼的条件 50
3.4.2 广义比例阻尼 51
3.4.3 动态响应 54
3.5 非比例阻尼系统 71
3.5.1 自由振动和复模态 71
3.5.2 动态响应 76
3.6 小结 82
第4 章 随机分析 83
4.1 概率论 83
4.1.1 概率空间 83
4.1.2 随机变量 83
4.1.3 希尔伯特空间 84
4.2 可靠性 84
4.2.1 不确定性的来源 84
4.2.2 随机变量和极限状态函数 84
4.2.3 早期方法 85
4.3 模拟方法 86
4.3.1 直接蒙特卡罗模拟法 86
4.3.2 重要性采样 86
4.3.3 分层采样 86
4.3.4 定向采样 87
4.3.5 子集模拟 87
4.4 可靠性 89
第5 章 数字孪生动态系统 91
5.1 数字孪生系统的动态模型 91
5.1.1 单自由度系统：标称模型 91
5.1.2 数字孪生模型 92
5.2 由刚度演化的数字孪生 95
5.2.1 获取精确的固有频率数据 95
5.2.2 带误差的固有频率数据 97
5.2.3 带误差估计的固有频率数据 98
5.2.4 数值说明 99
5.3 由质量演化的数字孪生 100
5.3.1 获取精确的固有频率数据 100
5.3.2 带误差的固有频率数据 102
5.3.3 带误差估计的固有频率数据 102
5.3.4 数值说明 103
5.4 由质量和刚度演化的数字孪生 105
5.4.1 获取精确的固有频率数据 106
5.4.2 带误差的精确固有频率数据 107
5.4.3 带误差估计的精确固有频率数据 108
5.4.4 数值说明 109
5.5 讨论 113
5.6 小结 116
第6 章 机器学习和代理模型 119
6.1 方差分解分析 119
6.2 混沌多项式展开法 124
6.3 支持向量机 125
6.4 神经网络 127
6.5 高斯过程 128
6.6 混合多项式相关函数展开法 129
第7 章 基于代理的动态系统数字孪生体 133
7.1 数字孪生动态模型 136
7.2 高斯过程仿真器概述 138
7.3 基于高斯过程的数字孪生 139
7.3.1 通过刚度演化的数字孪生 140
7.3.2 通过质量演化实现数字孪生 143
7.3.3 通过质量和刚度演化的数字孪生 148
7.4 讨论 153
7.5 小结 155
第8 章 多时间尺度的数字孪生 157
8.1 问题陈述 159
8.2 多时间尺度动态系统的数字孪生 161
8.2.1 数据收集与处理 163
8.2.2 高斯过程专家混合 167
8.2.3 算法 172
8.3 提出框架说明 173
8.3.1 通过刚度演化实现数字孪生 174
8.3.2 通过质量演化的数字孪生 178
8.3.3 通过质量和刚度演化的数字孪生系统 181
8.4 小结 185
第9 章 非线性多自由度系统的数字孪生 187
9.1 基于物理的标称模型 187
9.1.1 随机非线性MDOF 系统：标称模型 187
9.1.2 数字孪生 188
9.1.3 问题陈述 188
9.2 贝叶斯滤波算法 188
9.3 监督机器学习算法 192
9.4 高保真预测模型 193
9.5 示例 195
9.5.1 带Duffing 振荡器的2-DOF 系统 196
9.5.2 带有Duffing Van der Pol 振荡器的7-DOF 系统 205
—— 以下内容可扫描封底二维码下载 ——
参考文献 213