Universiẗat, Diss., 2005--Kassel. / Download lizenzpflichtig.

Zugl.: Darmstadt, Techn. Universiẗat, Diss.

Zugl.: Darmstadt, Techn. University, Diss.

Zugl.: München, Techn. Univ., Diss., 2009

<p>The aim of this thesis is to improve the control of urea injection at the combined power and heating plant Framtidens Gärstad (FTG). Tekniska Verken i Linköping AB is the owner of the plant.</p><p>The FTG plant consists of a boiler where garbage combustion is done. From the combustion nitrogen oxides are emitted. These nitrogen oxides are hazardous to the environment. To reduce the nitrogen oxides, injection of urea into the boiler is used. Urea is an organic compound of carbon, nitrogen, oxygen and hydrogen. When urea reacts with nitrogen oxides they transform into harmless nitrogen gas and water. In the plant the urea is injected by six lances.</p><p>The control of the urea injection at FTG could be improved which would save some money for the company. This is the main reason for the aim of this thesis. It is the control of the total flow of urea to the lances that is studied in this work.</p><p>Some literature about reduction of nitrogen oxides is studied, especially reduction using urea injection. There are a lot of factors that affect how good the reduction becomes. The most important factors are the amount of urea being used and the temperature of the flue gases where the reaction with urea takes place. A model with these two factors as inputs and the content of nitrogen oxides as output is derived. This is done with experiments in the boiler and system identification. The system is modelled as a linear system.</p><p>The proposal about the improved control uses the temperature from a temperature measurement just below the urea injection in the boiler. This is a parameter that the existing control does not use. The temperature is divided into three intervals. For each interval different parameters for the function of the system and the nitrogen oxide controller are used. The nitrogen oxide controller in the proposed control is derived with help from a new method of controldesign called AMIGO.</p><p>The identification models gave good results in two of the temperature intervals. The result for the third interval was not so good. This is probably due to lack of good data.</p><p>The proposed control structure could for practical reasons not be tested online but preliminary tests using measurement data gave qualitatively reasonable results.</p><p>In order to improve the results temperature dependence has to be treated more systematically.</p>

Traction efficiency of tractors barely reaches 50 % in field operations. On the other hand, modern trends in agriculture show growth of the global tractor markets and at the same time increased demands for greenhouse gas emission reduction as well as energy efficiency due to increasing fuel costs. Engine power of farm tractors is growing at 1.8 kW per year reaching today about 500 kW for the highest traction class machines. The problem of effective use of energy has become crucial. Existing slip control approaches for tractors do not fulfil this requirement due to fixed reference set-point. The present work suggests an optimal control scheme based on set-point optimization and on assessment of soil conditions, namely, wheel-ground parameter identification using fuzzy-logic-assisted adaptive unscented Kalman filter.

Techn. Hochsch., Diss., 2003--Aachen.

The aim of this thesis is to improve the control of urea injection at the combined power and heating plant Framtidens Gärstad (FTG). Tekniska Verken i Linköping AB is the owner of the plant. The FTG plant consists of a boiler where garbage combustion is done. From the combustion nitrogen oxides are emitted. These nitrogen oxides are hazardous to the environment. To reduce the nitrogen oxides, injection of urea into the boiler is used. Urea is an organic compound of carbon, nitrogen, oxygen and hydrogen. When urea reacts with nitrogen oxides they transform into harmless nitrogen gas and water. In the plant the urea is injected by six lances. The control of the urea injection at FTG could be improved which would save some money for the company. This is the main reason for the aim of this thesis. It is the control of the total flow of urea to the lances that is studied in this work. Some literature about reduction of nitrogen oxides is studied, especially reduction using urea injection. There are a lot of factors that affect how good the reduction becomes. The most important factors are the amount of urea being used and the temperature of the flue gases where the reaction with urea takes place. A model with these two factors as inputs and the content of nitrogen oxides as output is derived. This is done with experiments in the boiler and system identification. The system is modelled as a linear system. The proposal about the improved control uses the temperature from a temperature measurement just below the urea injection in the boiler. This is a parameter that the existing control does not use. The temperature is divided into three intervals. For each interval different parameters for the function of the system and the nitrogen oxide controller are used. The nitrogen oxide controller in the proposed control is derived with help from a new method of controldesign called AMIGO. The identification models gave good results in two of the temperature intervals. The result for the third interval was not so good. This is probably due to lack of good data. The proposed control structure could for practical reasons not be tested online but preliminary tests using measurement data gave qualitatively reasonable results. In order to improve the results temperature dependence has to be treated more systematically.

Traction efficiency of tractors barely reaches 50 % in field operations. On the other hand, modern trends in agriculture show growth of the global tractor markets and at the same time increased demands for greenhouse gas emission reduction as well as energy efficiency due to increasing fuel costs. Engine power of farm tractors is growing at 1.8 kW per year reaching today about 500 kW for the highest traction class machines. The problem of effective use of energy has become crucial. Existing slip control approaches for tractors do not fulfil this requirement due to fixed reference set-point. The present work suggests an optimal control scheme based on set-point optimization and on assessment of soil conditions, namely, wheel-ground parameter identification using fuzzy-logic-assisted adaptive unscented Kalman filter.:List of figures VIII List of tables IX Keywords XI List of abbreviations XII List of mathematical symbols XIII Indices XV 1 Introduction 1 1.1 Problem description and challenges 1 1.1.1 Development of agricultural industry 1 1.1.2 Power flows and energy efficiency of a farm tractor 2 1.2 Motivation 9 1.3 Purpose and approach 12 1.3.1 Purpose and goals 12 1.3.2 Brief description of methodology 14 1.3.2.1 Drive torque feedback 14 1.3.2.2 Measurement signals 15 1.3.2.3 Identification of traction parameters 15 1.3.2.4 Definition of optimal slip 15 1.4 Outline 16 2 State of the art in traction management and parameter estimation 17 2.1 Slip control for farm tractors 17 2.2 Acquisition of drive torque feedback 23 2.3 Tire-ground parameter estimation 25 2.3.1 Kalman filter 25 2.3.2 Extended Kalman filter 27 2.3.3 Unscented Kalman filter 27 2.3.4 Adaptation algorithms for Kalman filter 29 3 Modelling vehicle dynamics for traction control 31 3.1 Tire-soil interaction 31 3.1.1 Forces in wheel-ground contact 32 3.1.1.1 Vertical force 32 3.1.1.2 Tire-ground surface geometry 34 3.1.2 Longitudinal force 36 3.1.3 Zero-slip condition 37 3.1.3.1 Soil shear stress 38 3.1.3.2 Rolling resistance 39 3.2 Vehicle body and wheels 40 3.2.1 Short description of Multi-Body-Simulation 40 3.2.2 Vehicle body and wheel models 42 3.2.3 Wheel structure 43 3.3 Stochastic input signals 45 3.3.1 Influence of trend and low-frequency components 47 3.3.2 Modelling stochastic signals 49 3.4 Further components and general view of tractor model 53 3.4.1 Generator, intermediate circuit, electrical motors and braking resistor 53 3.4.2 Diesel engine 55 4 Identification of traction parameters 56 4.1 Description of identification approaches 56 4.2 Vehicle model 58 4.2.1 Vehicle longitudinal dynamics 58 4.2.2 Wheel rotational dynamics 59 4.2.3 Tire dynamic rolling radius and inner rolling resistance coefficient 60 4.2.4 Whole model 61 4.3 Static methods of parameter identification 63 4.4 Adaptation mechanism of the unscented Kalman filter 63 4.5 Fuzzy supervisor for the adaptive unscented Kalman filter 66 4.5.1 Structure of the fuzzy supervisor 67 4.5.2 Stability analysis of the adaptive unscented Kalman filter with the fuzzy supervisor 69 5 Optimal slip control 73 5.1 Approaches for slip control by means of traction control system 73 5.1.1 Feedback compensation law 73 5.1.2 Sliding mode control 74 5.1.3 Funnel control 77 5.1.4 Lyapunov-Candidate-Function-based control, other approaches and choice of algorithm 78 5.2 General description of optimal slip control algorithm 79 5.3 Estimation of traction force characteristic curves 82 5.4 Optimal slip set-point computation 85 6 Verification of identification and optimal slip control systems 91 6.1 Simulation results 91 6.1.1 Identification of traction parameters 91 6.1.1.1 Comparison of extended Kalman filter and unscented Kalman filter 92 6.1.1.2 Comparison of ordinary and adaptive unscented Kalman filters 96 6.1.1.3 Comparison of the adaptive unscented Kalman filter with the fuzzy supervisor and static methods 99 6.1.1.4 Description of soil conditions 100 6.1.1.5 Identification of traction parameters under changing soil conditions 101 6.1.2 Approximation of characteristic curves 102 6.1.3 Slip control with reference of 10% 103 6.1.4 Comparison of operating with fixed and optimal slip reference 104 6.2 Experimental verification 108 6.2.1 Setup and description of the experiments 108 6.2.2 Virtual slip control without load machine 109 6.2.3 Virtual slip control with load machine 113 7 Summary, conclusions and future challenges 122 7.1 Summary of results and discussion 122 7.2 Contributions of the dissertation 123 7.3 Future challenges 123 Bibliography 125 A Measurement systems 137 A.1 Measurement of vehicle velocity 137 A.2 Measurement of wheel speed 138 A.3 Measurement or estimation of wheel vertical load 139 A.4 Measurement of draft force 140 A.5 Further possible measurement systems 141 B Basic probability theoretical notions 142 B.1 Brief description of the theory of stochastic processes 142 B.2 Properties of stochastic signals 144 B.3 Bayesian filtering 145 C Modelling stochastic draft force and field microprofile 147 D Approximation of kappa-curves 152 E Simulation parameters 156

Beim Entwurf von Bauwerken herrschen nach wie vor große Modellunsicherheiten aufgrund von Unterbemessungen. Trotz der Anwendung hoher Sicherheitsfaktoren wird die Erfüllung der Sicherheitsanforderungen an Bauwerke wegen steigender Sicherheitsbedürfnisse der Gesellschaft und daraus resultierender Vorschriften immer aufwändiger. Eine Reduktion der Sicherheitsfaktoren und damit materielle und zeitliche Einsparungen bei Bauwerken sowie Konstruktions- und Überwachungsprozessen erfordert neue Methoden für eine zuverlässigere Vorhersage des Bauwerksverhaltens. Das seit Langem bekannte Verfahren der Systemidentifikation durch Parameterstudien ist hierbei aufgrund fehlender Werkzeugunterstützung und daraus resultierendem hohen manuellen Aufwand bisher nicht geeignet, um ein hinreichend genaues Ergebnis zur Reduktion der Sicherheitsfaktoren bei gleichbleibendem nachweisbaren Sicherheitsniveau zu liefern. Die hier entwickelte Automatisierung des Prozesses der neuartigen simulationsbasierten Systemidentifikation ermöglicht die Durchführung von Parameterstudien mit einer ausreichend großen Anzahl von Modellvarianten, um realitätsnahe Systeme für hinreichend genaue Verhaltensvorhersagen bereitzustellen. Für die simulationsbasierte Systemidentifikation wird ein neues generisches Software-gestütztes Prozessmodell konzipiert, das an wechselnde Anforderungen adaptiert und in komplexe Optimierungsverfahren integriert werden kann. Die Simulations- und Hilfsprozesse sind in Building Information Modeling (BIM) eingebettet, wobei mit Hilfe der Multimodellmethode ein gemeinsamer Datenraum für einen komplexen Digital Twin (DT) geschaffen wird. Als Basisarchitekturkonzept für die Umsetzung des entwickelten Prozessmodells im Rahmen eines DT dient das integrated Virtual Engineering Laboratory (iVEL). Dieses definiert Merkmale sowie Anforderungen für die konkrete Umsetzung eines integrierten DT in einer Software-Plattform. Zur Maximierung der Adaptierbarkeit bei der Erstellung bzw. Anpassung iVEL-basierter DT an unterschiedliche Aufgabenstellungen wird das BIMgrid-Framework entwickelt und in Java formalisiert. Dieses kapselt elementare Funktionen in Services, die anwendungsfallspezifisch zur Lösung komplexer Aufgaben kombiniert und durch Workflows gesteuert werden. Im Mittelpunkt stehen dabei die Erforschung einer grundlegenden Prozessinfrastruktur zur automatisierten Durchführung simulationsbasierter Systemidentifikationen, eine BIM-basierte Datenverwaltung auf der Grundlage von Multimodellen sowie die Anwendung moderner Web-Prinzipien zur Unterstützung kollaborativer Projekt-Teams. Eine Referenzimplementierung des Frameworks demonstriert die Umsetzbarkeit des Konzeptes und dient als Ausgangspunkt zur Implementierung eigener iVEL-basierter DT.:Vorwort iii Kurzfassung iv Abstract v 1 Einleitung 1 1.1 Motivation und Grundlagen . . . . . . . . . . . . . . . . . . . . . . 1 1.2 Zielsetzung und Forschungshypothesen . . . . . . . . . . . . . . . 4 1.3 Lösungsansatz . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6 1.4 Abgrenzung . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7 1.5 Aufbau der Arbeit . . . . . . . . . . . . . . . . . . . . . . . . . . . 8 2 Stand der Forschung 10 2.1 BIM Plattformen . . . . . . . . . . . . . . . . . . . . . . . . . . . 11 2.2 Microservice-basierte Systemarchitektur . . . . . . . . . . . . . . . 14 2.3 Modellierung und Automatisierung komplexer Prozesse . . . . . . . 16 2.4 Digital Twins im Bauingenieurwesen und Maschinenbau . . . . . . 21 2.5 Multimodellbasierte Datenverwaltung . . . . . . . . . . . . . . . . 23 2.6 Methoden zur Systemidentifikation . . . . . . . . . . . . . . . . . . 24 2.7 Das Virtuelle Energielabor . . . . . . . . . . . . . . . . . . . . . . 27 2.8 Zusammenfassung . . . . . . . . . . . . . . . . . . . . . . . . . . . 29 3 Generischer Prozess für simulationsbasierte Systemidentifikationen 32 3.1 Simulationsbasierte Systemidentifikationen im Bauwesen . . . . . . 32 3.2 Variantendefinition und Variantengenerierung . . . . . . . . . . . . 34 3.2.1 Reduktion der Modellkandidaten durch Sensitivitätsanalyse . 36 3.2.2 Strategien zur Variantengenerierung . . . . . . . . . . . . . 37 3.3 Anforderungen an das IT-gestützte Prozessmodell . . . . . . . . . . 38 3.4 Zusammenfassung . . . . . . . . . . . . . . . . . . . . . . . . . . . 40 4 Adaptierbares Prozessmodell für IT-gestützte Simulationsaufgaben 42 4.1 Logische und technische Abstraktionsstufen von Prozessen . . . . . 42 4.2 Ein generisches Prozessmodell für simulationsbasierte Systemidentifikationen . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 43 4.3 Bewertung des Prozessmodells hinsichtlich der gestellten Anforderungen 46 4.4 Zusammenfassung . . . . . . . . . . . . . . . . . . . . . . . . . . . 48 5 BIM-basierte Verwaltung von Digitalen Zwillingen mit Multimodellen 50vii 5.1 Evolution integrierter Digitaler Zwillinge im Gebäudelebenszyklus . 50 5.2 Anwendungsbeispiel . . . . . . . . . . . . . . . . . . . . . . . . . 52 5.3 Zusammenfassung . . . . . . . . . . . . . . . . . . . . . . . . . . . 55 6 Ein generisches IT-Framework für Digitale Zwillinge auf Basis virtueller Labore 57 6.1 Das Virtuelle Labor zur Simulation von Ingenieursystemen . . . . . 58 6.1.1 GeoTech Control-Plattform zur Sicherheitsüberwachung des Bauprozesses . . . . . . . . . . . . . . . . . . . . . . . . . 59 6.1.2 Virtuelles Energielabor zur Optimierung der Energiebilanz von Gebäuden . . . . . . . . . . . . . . . . . . . . . . . . . 60 6.1.3 Gegenüberstellung der Referenzimplementierungen eines Virtuellen Labors . . . . . . . . . . . . . . . . . . . . . . . . . 60 6.1.4 Das Konzept des integrierten Virtuellen Ingenieurlabors . . . 62 6.2 Das BIMgrid Framework . . . . . . . . . . . . . . . . . . . . . . . 64 6.2.1 Funktionalität des BIMgrid Frameworks . . . . . . . . . . . 64 6.2.2 Architektur des BIMgrid Frameworks . . . . . . . . . . . . 65 6.2.3 Orchestration Service . . . . . . . . . . . . . . . . . . . . . 66 6.2.4 Workflow Engine Service . . . . . . . . . . . . . . . . . . . 69 6.2.5 Business Core Service . . . . . . . . . . . . . . . . . . . . 73 6.2.6 Multimodel Engine Service . . . . . . . . . . . . . . . . . . 74 6.3 Schichtenmodell für die Verwaltung von Digitalen Zwillingen . . . 75 6.4 Zusammenfassung . . . . . . . . . . . . . . . . . . . . . . . . . . . 77 7 Detaillierung und Implementierung eines integrierten Digitalen Zwillings auf Basis des BIMgrid Frameworks 80 7.1 Vorbereitende strategische Schritte zur Instanziierung des Frameworks 81 7.2 Referenzimplementierung des Frameworks . . . . . . . . . . . . . . 82 7.2.1 Eingesetzte Technologien und Frameworks . . . . . . . . . 83 7.2.2 REST-basierte Kommunikation . . . . . . . . . . . . . . . . 88 7.2.3 Ressourcenverwaltung und Skalierbarkeit . . . . . . . . . . 89 7.2.4 Workflow Engine Service . . . . . . . . . . . . . . . . . . . 91 7.2.4.1 Konfiguration anwendungsspezifischer Workflows 91 7.2.5 Business Core Service . . . . . . . . . . . . . . . . . . . . 94 7.2.6 Multimodel Engine Service . . . . . . . . . . . . . . . . . . 96 7.2.7 Frontend des Digitalen Zwillings . . . . . . . . . . . . . . . 97 7.2.8 Service-Orchestrierung . . . . . . . . . . . . . . . . . . . . 99 7.3 Zusammenfassung . . . . . . . . . . . . . . . . . . . . . . . . . . . 101 8 Evaluation des BIMgrid Frameworks anhand zweier Implementierungen unterschiedlicher funktionaler Anwendungen 103 8.1 Ein Digitaler Zwilling für Optimierungen in der Bauphase . . . . . 104 8.1.1 GeoProduction Workflow . . . . . . . . . . . . . . . . . . . 104 8.1.2 GeoProduction Digitaler Zwilling auf Basis des BIMgrid Frameworks . . . . . . . . . . . . . . . . . . . . . . . . . . . . 106 8.1.3 Multimodellbasierte Datenverwaltung des Digital Twin . . . 111 8.1.3.1 Fazit . . . . . . . . . . . . . . . . . . . . . . . . 113 8.2 Ein virtuelles Labor zur Brückenüberwachung . . . . . . . . . . . . 114viii 8.2.1 cyberBridge Workflow . . . . . . . . . . . . . . . . . . . . 114 8.2.2 cyberBridge Digitaler Zwilling auf Basis des BIMgrid Frameworks . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 116 8.2.3 Multimodell des Digital Twin . . . . . . . . . . . . . . . . . 121 8.2.4 Fazit . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 125 8.3 Zusammenfassung . . . . . . . . . . . . . . . . . . . . . . . . . . . 125 9 Diskussion und Ausblick 126 9.1 Zusammenfassung . . . . . . . . . . . . . . . . . . . . . . . . . . . 126 9.2 Diskussion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 129 9.3 Ausblick . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 133 9.3.1 Einsatz Künstliche Intelligenz (KI)-basierter Methoden zur Steigerung der Automatisierung . . . . . . . . . . . . . . . 133 9.3.2 Automatisierung der Link-Erzeugung in multimodellbasierten Digital Twins . . . . . . . . . . . . . . . . . . . . . . . . . 134 9.3.3 Weiterentwicklung des iVEL-Konzeptes zur automatisierten Steuerung von Abläufen und Geräten . . . . . . . . . . . . 135 9.3.4 Berücksichtigung juristischer Aspekte bei kollaborativen Nutzung verteilter Daten . . . . . . . . . . . . . . . . . . . . . 135 A Implementierung eines integrierten Digitalen Zwillings auf Basis des BIMgrid Frameworks 137 Literaturverzeichnis 141 Eigene Publikationen 150 / When designing buildings, there are still major model uncertainties because of undersizing. Despite the application of high safety factors, meeting security requirements for buildings is becoming more and more difficult due to the increasing security needs of society and the resulting regulations. A reduction in safety factors and therefore material and time savings in buildings, as well as construction and monitoring processes requires new methods for more reliable prediction of structural behavior. The method of system identification through parameter studies, which has been known for a long time, was not suitable for a sufficiently accurate result due to the lack of tool support and the resulting high manual effort to reduce the safety factors while maintaining the same verifiable safety level. Automating the process of the novel simulation-based system identification enables parametric studies to be performed with a large enough number of model variants to provide realistic systems for sufficiently accurate behavioral predictions. A softwaresupported process model is created for the simulation-based system identification, which can be adapted to changing requirements and integrated into complex optimization processes. The simulation and auxiliary processes are embedded in BIM, whereby a common data space for a complex DT is created with the help of the multimodel method. The iVEL serves as a basic architectural concept for the implementation of the developed process model as part of a DT. It defines features and requirements for the concrete implementation of an integrated DT in a software platform. In order to maximize adaptability when creating or adapting iVEL-based DT to different application scenarios, the BIMgrid framework is developed and formalized in Java. Elementary functions are encapsulated in services, which are combined in a specific application to solve complex tasks and which are controlled by workflows. The focus is on researching a basic process infrastructure for the automated execution of simulationbased system identifications, BIM-based data management based on multimodels and the application of modern web principles to support collaborative project teams. A reference implementation of the framework demonstrates the feasibility of the concept and serves as a starting point for implementing your own iVEL-based DT.:Vorwort iii Kurzfassung iv Abstract v 1 Einleitung 1 1.1 Motivation und Grundlagen . . . . . . . . . . . . . . . . . . . . . . 1 1.2 Zielsetzung und Forschungshypothesen . . . . . . . . . . . . . . . 4 1.3 Lösungsansatz . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6 1.4 Abgrenzung . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7 1.5 Aufbau der Arbeit . . . . . . . . . . . . . . . . . . . . . . . . . . . 8 2 Stand der Forschung 10 2.1 BIM Plattformen . . . . . . . . . . . . . . . . . . . . . . . . . . . 11 2.2 Microservice-basierte Systemarchitektur . . . . . . . . . . . . . . . 14 2.3 Modellierung und Automatisierung komplexer Prozesse . . . . . . . 16 2.4 Digital Twins im Bauingenieurwesen und Maschinenbau . . . . . . 21 2.5 Multimodellbasierte Datenverwaltung . . . . . . . . . . . . . . . . 23 2.6 Methoden zur Systemidentifikation . . . . . . . . . . . . . . . . . . 24 2.7 Das Virtuelle Energielabor . . . . . . . . . . . . . . . . . . . . . . 27 2.8 Zusammenfassung . . . . . . . . . . . . . . . . . . . . . . . . . . . 29 3 Generischer Prozess für simulationsbasierte Systemidentifikationen 32 3.1 Simulationsbasierte Systemidentifikationen im Bauwesen . . . . . . 32 3.2 Variantendefinition und Variantengenerierung . . . . . . . . . . . . 34 3.2.1 Reduktion der Modellkandidaten durch Sensitivitätsanalyse . 36 3.2.2 Strategien zur Variantengenerierung . . . . . . . . . . . . . 37 3.3 Anforderungen an das IT-gestützte Prozessmodell . . . . . . . . . . 38 3.4 Zusammenfassung . . . . . . . . . . . . . . . . . . . . . . . . . . . 40 4 Adaptierbares Prozessmodell für IT-gestützte Simulationsaufgaben 42 4.1 Logische und technische Abstraktionsstufen von Prozessen . . . . . 42 4.2 Ein generisches Prozessmodell für simulationsbasierte Systemidentifikationen . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 43 4.3 Bewertung des Prozessmodells hinsichtlich der gestellten Anforderungen 46 4.4 Zusammenfassung . . . . . . . . . . . . . . . . . . . . . . . . . . . 48 5 BIM-basierte Verwaltung von Digitalen Zwillingen mit Multimodellen 50vii 5.1 Evolution integrierter Digitaler Zwillinge im Gebäudelebenszyklus . 50 5.2 Anwendungsbeispiel . . . . . . . . . . . . . . . . . . . . . . . . . 52 5.3 Zusammenfassung . . . . . . . . . . . . . . . . . . . . . . . . . . . 55 6 Ein generisches IT-Framework für Digitale Zwillinge auf Basis virtueller Labore 57 6.1 Das Virtuelle Labor zur Simulation von Ingenieursystemen . . . . . 58 6.1.1 GeoTech Control-Plattform zur Sicherheitsüberwachung des Bauprozesses . . . . . . . . . . . . . . . . . . . . . . . . . 59 6.1.2 Virtuelles Energielabor zur Optimierung der Energiebilanz von Gebäuden . . . . . . . . . . . . . . . . . . . . . . . . . 60 6.1.3 Gegenüberstellung der Referenzimplementierungen eines Virtuellen Labors . . . . . . . . . . . . . . . . . . . . . . . . . 60 6.1.4 Das Konzept des integrierten Virtuellen Ingenieurlabors . . . 62 6.2 Das BIMgrid Framework . . . . . . . . . . . . . . . . . . . . . . . 64 6.2.1 Funktionalität des BIMgrid Frameworks . . . . . . . . . . . 64 6.2.2 Architektur des BIMgrid Frameworks . . . . . . . . . . . . 65 6.2.3 Orchestration Service . . . . . . . . . . . . . . . . . . . . . 66 6.2.4 Workflow Engine Service . . . . . . . . . . . . . . . . . . . 69 6.2.5 Business Core Service . . . . . . . . . . . . . . . . . . . . 73 6.2.6 Multimodel Engine Service . . . . . . . . . . . . . . . . . . 74 6.3 Schichtenmodell für die Verwaltung von Digitalen Zwillingen . . . 75 6.4 Zusammenfassung . . . . . . . . . . . . . . . . . . . . . . . . . . . 77 7 Detaillierung und Implementierung eines integrierten Digitalen Zwillings auf Basis des BIMgrid Frameworks 80 7.1 Vorbereitende strategische Schritte zur Instanziierung des Frameworks 81 7.2 Referenzimplementierung des Frameworks . . . . . . . . . . . . . . 82 7.2.1 Eingesetzte Technologien und Frameworks . . . . . . . . . 83 7.2.2 REST-basierte Kommunikation . . . . . . . . . . . . . . . . 88 7.2.3 Ressourcenverwaltung und Skalierbarkeit . . . . . . . . . . 89 7.2.4 Workflow Engine Service . . . . . . . . . . . . . . . . . . . 91 7.2.4.1 Konfiguration anwendungsspezifischer Workflows 91 7.2.5 Business Core Service . . . . . . . . . . . . . . . . . . . . 94 7.2.6 Multimodel Engine Service . . . . . . . . . . . . . . . . . . 96 7.2.7 Frontend des Digitalen Zwillings . . . . . . . . . . . . . . . 97 7.2.8 Service-Orchestrierung . . . . . . . . . . . . . . . . . . . . 99 7.3 Zusammenfassung . . . . . . . . . . . . . . . . . . . . . . . . . . . 101 8 Evaluation des BIMgrid Frameworks anhand zweier Implementierungen unterschiedlicher funktionaler Anwendungen 103 8.1 Ein Digitaler Zwilling für Optimierungen in der Bauphase . . . . . 104 8.1.1 GeoProduction Workflow . . . . . . . . . . . . . . . . . . . 104 8.1.2 GeoProduction Digitaler Zwilling auf Basis des BIMgrid Frameworks . . . . . . . . . . . . . . . . . . . . . . . . . . . . 106 8.1.3 Multimodellbasierte Datenverwaltung des Digital Twin . . . 111 8.1.3.1 Fazit . . . . . . . . . . . . . . . . . . . . . . . . 113 8.2 Ein virtuelles Labor zur Brückenüberwachung . . . . . . . . . . . . 114viii 8.2.1 cyberBridge Workflow . . . . . . . . . . . . . . . . . . . . 114 8.2.2 cyberBridge Digitaler Zwilling auf Basis des BIMgrid Frameworks . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 116 8.2.3 Multimodell des Digital Twin . . . . . . . . . . . . . . . . . 121 8.2.4 Fazit . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 125 8.3 Zusammenfassung . . . . . . . . . . . . . . . . . . . . . . . . . . . 125 9 Diskussion und Ausblick 126 9.1 Zusammenfassung . . . . . . . . . . . . . . . . . . . . . . . . . . . 126 9.2 Diskussion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 129 9.3 Ausblick . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 133 9.3.1 Einsatz Künstliche Intelligenz (KI)-basierter Methoden zur Steigerung der Automatisierung . . . . . . . . . . . . . . . 133 9.3.2 Automatisierung der Link-Erzeugung in multimodellbasierten Digital Twins . . . . . . . . . . . . . . . . . . . . . . . . . 134 9.3.3 Weiterentwicklung des iVEL-Konzeptes zur automatisierten Steuerung von Abläufen und Geräten . . . . . . . . . . . . 135 9.3.4 Berücksichtigung juristischer Aspekte bei kollaborativen Nutzung verteilter Daten . . . . . . . . . . . . . . . . . . . . . 135 A Implementierung eines integrierten Digitalen Zwillings auf Basis des BIMgrid Frameworks 137 Literaturverzeichnis 141 Eigene Publikationen 150