产品概述
综合建模平台软件 PERA DigiTwin IMP
PERA DigiTwin IMP 综合建模平台软件是数字孪生体综合建模平台，支持孪生体中所包含的孪生模型、数据模型、仿真模型等各类模型的混合建模。
基于混合建模的方法，平台从体系视角透视孪生体模型，并通过结构建模、协作建模、功能建模和服务建模等形成完整的孪生体模型，并支持从人工智能和数值仿真等不同维度构建紧贴业务需求的专业模型。在数据处理上支持数据探索、数据标注、特征数据提取等，在模型处理中支持模型冲突校验、模型验证、模型降阶等功能。支持多学科协同集成，提供灵活的多学科协同环境的集成及运行。
平台通过可视化建模，支持建模过程低代码开发及单步运行调试，提供运行日志和错误在线提示。
特色功能
提供基于模型的业务实现方式，面向业务的全流程建模
支持数字孪生体中所包含的孪生模型、数据模型、仿真模型等各类模型的混合建模。基于混合建模的方法，从体系视角透视孪生体模型，并通过结构建模、协作建模、功能建模和服务建模等形成完整的孪生体模型，并支持从人工智能和数值仿真等不同维度构建紧贴业务需求的专业模型。
支持基于机器学习的数据模型可视化建模
基于机器学习的数据模型可视化建模，结合了数据科学、机器学习算法和可视化技术，可以帮助数据科学家和业务分析师更有效地探索数据、构建模型，并将其应用于实际问题。
特色功能包括：数据预处理、基于可视化的方式进行特征选择、内置并根据数据的特点和业务需求选择合适的机器学习模型、模型训练与评估、模型结构、数据分布、特征重要性和模型预测可视化等。
融合Modelica模型，支持第三方仿真模型的集成与融合
面向系统工程、体系工程和多学科仿真集成等应用需求，平台支持融合Modelica所定义的模型，这些模型可以是标准的或用户自定义的。支持第三方模型（如MATLAB、Simulink等）的集成与融合，通过开发接口和适配器来连接不同的模型和仿真环境，遵循相关的标准协议，解决数据交换和协同仿真等问题。
客户价值
-为数字孪生应用中数字孪生体的快速构建提供了一个集成开发环境，减少多系统、多平台组合应用和集成所带来的技术复杂性；
-支持以模型为核心的复杂装备数字样机构建，以满足装备在论证、研发、训练和维保等不同领域对于装备数字样机交付的需求；
-适用于装备性能评估和论证、虚拟试验验证、设计优化、预测性维护等需要基于装备数字孪生体、接入实时或历史数据，进行实时仿真推演和预测等应用场景。
项目案例
研发设计阶段：某高端复杂装备的虚拟试验验证
客户需求：
某高端复杂装备的研制过程中，试验验证环节是影响研发周期和研制成本的重要因素，同时某些试验项目因其重大风险或客观因素限制而无法进行。
针对性解决方案：
• 在试验准备阶段，物理模型包含试验设备对象（整机、零部件）和试验环境，构建基于数字孪生体模型的虚拟试验对象与虚拟试验环境。基于数字孪生技术，可以在原有的试验基础上扩充试验设备和试验环境的模拟，提升试验的多样性，也可以基于海量历史数据构建更多的分析模型。
• 在试验进行阶段，通过将采集的试验数据（温度、压力、应力、振动等）和外部数据（环境温度、湿度、压力等）进行分析，通过与数字孪生体的预测结果比较：一方面可以进行试验方案的动态评估与优化，缩短试验周期，降低试验经费；另一方面，可以进行大量的虚拟地面试验和高风险试验，预测设备的功能、性能表现，预测可能出现的故障，评估设备的可靠性，为设计和制造工艺的优化提供有价值的信息。
客户价值：
能够大幅减少甚至避免实物试验，降低试验费用和开发成本。基本不受时间、空间等因素的制约，重复利用率高，可操作性强。易于改进，能够使试验者在产品研发的各阶段实现交互式迭代设计。更好地解决多领域复杂系统的建模与仿真、复杂体系的试验验证等方面。
生产制造阶段：某跨国大型制药企业的数字孪生工厂应用
客户需求：
客户为某跨国大型制药集团的大分子药剂生产基地。由于大分子药剂生产批次价值高，希望通过构建数字孪生工厂来优化药剂生产工艺过程，并通过数字孪生技术的应用，快速找到制药过程中的关键环境影响因子，确保药剂生产质量，实现黄金批次。
针对性解决方案：
• 批次生产预测：对主要工艺过程的系统建模，预测该批药剂的收率，并给出生产过程优化建议；
• 多因素关联分析：构建人员、温度、湿度、洁净度、压力等生产环境数据的实施关联分析模型，确定影响因素，并给出改善建议。
客户价值：
通过数字孪生工厂构建，大幅提升客户药剂生产的收率，同时有效地协助客户完成降本增效工作，提升了整个工厂的运营收益。
运营维护阶段：基于混合建模的风电数字孪生系统
客户需求：
风电是未来最具发展潜力的可再生能源技术之一。纵观风电场的全寿命周期，运维成本约占运营成本的25%-30%，如何有效降低运维成本成为客户运营关注的重点。当前普遍存在以下问题：
1）风电场多位于偏远地区，设备发生故障后维修困难；2）设备维修受风力等不可控自然因素影响大；3）传统单一数据建模实现的预测性维修系统，存在传感器和数据量不足、虚报和漏报较多、准确率受限等难题。
针对性解决方案：
• 风电场数字孪生体模型构建。从风电场运营的体系维度，将运营需求拆解到人、机、料、法、环、测六个重要维度，对环境、设备、人员、管理流程进行数字孪生体的构建，并通过数字线程对多孪生体进行装载、协作、融合等操作和调度，最大程度地反映风电场运维的实际业务需求。
• 复杂多维信息的可视化监测。通过构建基于IFC标准的风场环境与风机系统内在发电工艺的三维模型，能够将3D GIS、BIM信息、风机CAD模型进行有机结合，在虚拟空间中建立全面的生产感知力。工作人员可以清晰、明确地掌握发电规律，及时作出调整，避免因为运维活动安排不当带来资产和发电量的损失。
• 多因素融合实现故障诊断和预测性维护。基于风机设计数据、运维数据、故障模式的综合分析，对于不同部件采取针对性的孪生体建模方法。通过构建的混合模型来完成发电机绕组状态监控、故障预测、仿真推演等应用，并能够利用实时采集到的风机运行数据进行模型结构和参数的自我学习与持续优化。
• 多领域实时仿真推演。数字孪生模型贯穿于风电机组各系统全生命周期的各个阶段，并能够融合关键组件特性，高精度地对整机动态载荷进行实时仿真推演，可实现风电机组的多领域融合数据映射，并具备预测未来运行态势的能力。
客户价值：
开发的基于混合建模的风电场数字孪生系统，有效提高了复杂业务场景下风电场运营和风电机组的智能化运维水平，同时也为风电机组研发和风电场设计过程中的虚拟试验验证等应用，提供了宝贵的综合孪生体模型和真实运行数据支撑。
