В работе представлен сквозной подход к созданию цифрового двойника для прогнозирования состояния авиационной конструкции. Метод расширяет гауссовские процессы включением данных о производных для повышения точности и использует потоковое разреженное разложение Холецкого для эффективного обновления модели данными, поступающими в процессе эксплуатации. Это обеспечивает высокоточное прогнозирование в реальном времени.
Демонстрирует практический подход к обновлению суррогатных моделей данными эксплуатации, что критично для точного прогнозирования состояния физических активов в цифровых двойниках.
Перевод и краткое изложение — машинные, по материалам источника. Полный текст статьи не републикуется; права на него принадлежат источнику.
