Digitale Zwillinge

Physikalische und datengetriebene Modelle

Im Ingenieurwesen ist die Verwendung von mathematischen oder physikalischen Modellen so alt wie die Disziplin selbst und auch die Idee eines Zwillings wurde bei der NASA auch seit den frühen Apollo-Missionen benutzt, siehe Rosen 2015. In letzter Zeit haben allerdings effizientere Algorithmen und das enorme Wachstum von Daten und Rechnerleistung die Schaffung eines neuen Konzepts ermöglicht, den digitalen Zwilling, siehe Shafto 2010. Digitale Zwillinge integrieren physikalische Modelle und datenbasierte Ansätze und beinhalten das gesamte Wissen zu einem Produkt oder System als ausführbaren Code. Sie ermöglichen so neuartige Unterstützung z.B. für Designoptimierung, Prozesssteuerung oder Lebenszyklusmanagement. Digitale Zwillinge sind heute so wichtig für die Wirtschaft, dass sie von Gartner zu einem der Top 10 strategischen Technologietrends im Jahr 2019 ernannt wurden.

Digitale Zwillinge basieren oft auf differential-algebraischen Gleichungen (engl. DAEs). Das sind Kombinationen aus Differentialgleichungen mit algebraischen Einschränkungen. Ursprünglich war das vor allem in der Mechanik und Robotik, sowie der elektrischen Schaltungssimulation relevant. Heute treten sie häufig bei multiphysikalischen Problemen aufgrund von Kopplungsbedingungen auf. Die algebraischen Gleichungen verursachen große numerische Schwierigkeiten, da die Berechnung nicht nur Integration, sondern auch Differenzierung erfordert.

Es ist bekannt dass die Ableitung eine unbeschränkte Operation ist und sie daher schwieriger zu handhaben als die Integration zur Lösung von gewöhnlicher Differentialgleichungen. Betrachten wir eine DAE mit einer sinusförmigen Anregung kleiner Amplitude, aber mit hoher Frequenz, z.B.

\[ \begin{aligned}\dot{x}(t) & = y(t)\\0 & = x(t)\;-\; \varepsilon\sin(\omega t).\end{aligned} \]

Diese sinusförmige Schwingung kann numerisches Rauschen sein, das so klein ist wie die Maschinengenauigkeit, aber dennoch wird ihre Amplitude durch die Frequenz verstärkt.

\[ \begin{aligned}x(t) & = \varepsilon\sin(\omega t)\\y(t) & = \varepsilon \;\omega \cos(\omega t).\end{aligned} \]

Je mehr Ableitungen an der Lösung einer DAE beteiligt sind, desto mehr Probleme können bei den numerischen Berechnungen auftreten. Der DAE-Index ist ein Maß dafür. Deshalb ist es relevant den Index vor einer Simulation zu kennen.

Idoia Cortes Garcia ; Herbert De Gersem ; Sebastian Schöps (2020):
A Structural Analysis of Field/Circuit Coupled Problems Based on a Generalised Circuit Element.
In: Numerical Algorithms, 83, (1), pp. 373–394, ISSN: 1017-1398, DOI: 10.1007/s11075-019-00686-x, ARXIV: 1801.07081. [Article]

Idoia Cortes Garcia ; Sebastian Schöps ; Herbert De Gersem ; Sascha Baumanns. Systems of Differential Algebraic Equations in Computational Electromagnetics. In Applications of Differential-Algebraic Equations: Examples and Benchmarks, Differential-Algebraic Equations Forum. Springer, 2019.

Idoia Cortes Garcia ; Jonas Pade ; Sebastian Schöps ; Christian Strohm ; Caren Tischendorf (2019):
Waveform relaxation for field/circuit coupled problems with cutsets of inductances and current sources.
In: Proceedings of the 2019 International Conference on Electromagnetics in Advanced Applications (ICEAA), 1286–1286. IEEE. ISBN: 978-1-7281-0562-8, DOI: 10.1109/ICEAA.2019.8878955, URL: https://ieeexplore.ieee.org/xpl/conhome/8868012/proceeding. [In Proceedings]

Giuseppe Alì ; Andreas Bartel ; Michael Günther ; Vittorio Romano ; Sebastian Schöps. Simulation of Coupled PDAEs: Dynamic Iteration and Multirate Simulation. In Coupled Multiscale Simulation and Optimization in Nanoelectronics, volume 21 of Mathematics in Industry, pages 103–156. Springer, 2015.

Giuseppe Alì ; Massimiliano Culpo ; Roland Pulch ; Vittorio Romano ; Sebastian Schöps. PDAE Modeling and Discretization. In Coupled Multiscale Simulation and Optimization in Nanoelectronics, volume 21 of Mathematics in Industry, pages 15–102. Springer, 2015.

Sebastian Schöps ; Andreas Bartel ; Michael Günther ; E. Jan W. ter Maten ; Peter C. Müller (editors) (2014):
Progress in Differential-Algebraic Equations, Differential-Algebraic Equations Forum, Springer. ISBN: 978-3662449257 DOI: 10.1007/978-3-662-44926-4 [Proceedings]

Andreas Bartel ; Markus Brunk ; Sebastian Schöps (2014):
On the Convergence Rate of Dynamic Iteration for Coupled Problems With Multiple Subsystems.
In: Journal of Computational and Applied Mathematics, 262, pp. 14–24, ISSN: 0377-0427, DOI: 10.1016/j.cam.2013.07.031. [Article]

Sebastian Schöps ; Andreas Bartel ; Michael Günther (2013):
An Optimal p-Refinement Strategy for Dynamic Iteration of Ordinary and Differential Algebraic Equations.
In: Proceedings in Applied Mathematics and Mechanics, volume 13, 549–552. DOI: 10.1002/pamm.201310262. [In Proceedings]

Andreas Bartel ; Markus Brunk ; Michael Günther ; Sebastian Schöps (2013):
Dynamic Iteration for Coupled Problems of Electric Circuits and Distributed Devices.
In: SIAM Journal on Scientific Computing, 35, (2), pp. B315–B335, ISSN: 1064-8275, DOI: 10.1137/120867111. [Article]

Sebastian Schöps ; Andreas Bartel ; Herbert De Gersem (2012):
Multirate Time-Integration of Field/Circuit Coupled Problems by Schur Complements.
In: Scientific Computing in Electrical Engineering SCEE 2010, volume 16 of Mathematics in Industry, 243–251. Springer. ISBN: 978-3-540-71979-3, DOI: 10.1007/978-3-642-22453-9_26. [In Proceedings]

Markus Clemens ; Sebastian Schöps ; Herbert De Gersem ; Andreas Bartel (2011):
Decomposition and Regularization of Nonlinear Anisotropic Curl-Curl DAEs.
In: COMPEL: The International Journal for Computation and Mathematics in Electrical and Electronic Engineering, 30, (6), pp. 1701–1714, DOI: 10.1108/03321641111168039. [Article]

Andreas Bartel ; Sascha Baumanns ; Sebastian Schöps (2011):
Structural Analysis of Electrical Circuits Including Magnetoquasistatic Devices.
In: Applied Numerical Mathematics, 61, pp. 1257–1270, ISSN: 0168-9274, DOI: 10.1016/j.apnum.2011.08.004. [Article]

Sebastian Schöps ; Andreas Bartel ; Herbert De Gersem ; Michael Günther (2010):
DAE-Index and Convergence Analysis of Lumped Electric Circuits Refined by 3-D MQS Conductor Models.
In: Scientific Computing in Electrical Engineering SCEE 2008, volume 14 of Mathematics in Industry, 341–350. Springer. ISBN: 978-3-642-12293-4, DOI: 10.1007/978-3-642-12294-1_43. [In Proceedings]