Ansys Twin Builder 是一款集成型系统仿真工具，可将 Ansys 的电磁场 / 结构 / 流体 / 热分析 CAE 3D 仿真模型转换为 0D 组件，并提供高精度和高速系统仿真环境。除了将 AnsysCFD、Modelica 和 VHDL-AMS，SPICE 和 MATLAB/Simulink 的耦合分析作为计算模型，我们还可以将功能安全性嵌入式软件研发工具 Ansys SCADE 作为控制器模型，并执行系统验证。
Ansys Twin Builder使您能够快速创建数字孪生兄弟–一个在用资产的连接副本。这允许增强生命周期管理和真正的预测性维护，从而节省成本，帮助保持竞争优势。
·构建和验证系统模型和数字双胞胎
·在IIoT平台上部署数字孪生兄弟
·使用IIoT平台轻松扩展部署
·灵活的许可
·混合分析
新增功能
Ansys推出了Ansys TwinAI，这是Ansys Digital Twin产品组合的新成员，它将物理模型的准确性与由尖端人工智能技术支持的真实世界数据的洞察力无缝集成。Ansys TwinAI现在支持降阶模型（ROM），并将Ansys设计语言与新的UI/UX改进集成在一起。此外，改进了混合分析，处理无状态FMU和ROM初始化。
利用混合分析释放数字孪生兄弟的潜力
1、Ansys设计语言（ADL）在Twin Deployer中的集成
2、混合分析改进
3、改进了无状态FMU的处理
简化模型（ROM）创建的自动化、速度和准确性
1、双部署器中的ROM
2、增强的动态ROM初始化
3、改进的机械模态ROM应用程序
增强的解算器、模型库和用户体验
1、扩展PSPICE参数支持
2、Motor-CAD Thermal ROM组件
3、支持Modelica标准库（MSL）4.0
汽车领域
自动驾驶系统：对自动驾驶相关电子控制安全功能进行安全分析与评估，助力满足安全标准和法规要求，推动自动驾驶技术发展。
汽车动力系统及电子控制单元
可分析汽车动力系统（如发动机、变速器控制单元）、车身电子控制系统（如防抱死制动系统、车身稳定控制系统）和底盘控制系统等各类电子控制单元的安全性和性能，提高汽车整体安全性和可靠性。
电池管理系统：于设计电池模型，进行电池管理系统的设计和开发，实现无风险虚拟测试，确保电池系统的高效、安全运行。
车辆动力系统仿真：整合电动汽车和混合动力汽车的复杂动力系统及其子系统和组件，开发车辆动力系统仿真软件，优化动力系统设计和性能。
汽车零部件数字孪生
用于汽车关键零部件（如连杆）的数字孪生体建模，全面监控系统关键参数，分析在非常规条件下（如恶劣环境、加工误差、冲击载荷）的性能，通过虚拟化测试缩短时间、降低成本，优化试验参数。
电磁仿真
对汽车的电磁锁及变压器进行电磁仿真，驱动设计改进，减少试制验证损失；针对安全性问题进行电磁 - 热耦合仿真，直观了解热可靠性问题。
电池包热耦合仿真：对充电过程中电池包的热点耦合情况进行仿真分析，确保电池包充电安全。
工业设备领域
工业运营优化：助力工业运营的设计、部署和性能优化，为工程团队提供新洞察，加快创新速度，降低从设计到生产阶段的成本。
生产线安全与效率：对工业自动化生产线上的电气电子设备和控制系统进行安全分析，确保生产线高效、稳定、安全运行，减少生产中断和损失。
工业流程网络：可应用于工业流程网络，集成基于模型的设计、仿真以及实际资产性能，实现工业资产的管理优化。
设备监测与预测
可用于起重机等设备核心结构件的应力和应变分布监测，以及部件的疲劳与寿命预测。
基于模型的开发（MBD）技术
为工业设备创建 MBD 技术，如东芝利用其开发的相关技术简化热和 EMI 特性的仿真与验证流程，大幅缩短仿真时间、加快验证速度，支持汽车半导体及其他行业半导体开发，帮助工程师高精度仿真热和 EMI，实现系统级优化。
能源领域
电网数字孪生：对电网进行数字孪生建模，制作特定模型并通过相关平台部署，实现对电网的监控和分析。
其他领域
与罗克韦尔自动化合作
与罗克韦尔自动化的相关软件连接，支持自动化。用户可在虚拟空间创建和测试设计，节省物理原型的时间和资金；还可在现场实施流程变更前进行测试，提高吞吐量等性能指标；进行多物理场分析，了解多种因素对现场设备的影响，计算剩余寿命并制定维护计划，降低意外停机成本。
数字孪生系统构建与应用
用于构建、验证和部署基于仿真的数字孪生，实现系统设计和优化、预测性维护以及工业资产的管理优化。例如，用于识别和可视化泵中的气蚀问题、预测安全关键继电器的剩余运行时间、优化助听器的电磁行为、提高泥脉冲遥测的数据速率等。
系统知识图谱服务：为用户提供系统知识图谱构建、场景聚合、可视化与应用等服务，辅助创建数字孪生系统，映射对象包括工厂、产线、设备和建筑等。
基于物理机理的混合数字孪生解决方案
物理仿真是数字孪生的基础。设备在设计阶段进行了大量的工况仿真，以保证设备满足设计要求。但由于工作环境，加工物料，操作习惯等差别，仿真并不能完全匹配现场的工况。而仿真计算，往往需要数小时，甚至数天的时间，不能满足实时监测和控制的节拍要求，所以数字孪生往往使用大数据分析技术。大数据分析技术虽然不乏成功案例，但缺乏物理机理的支撑，难以预知和改进数字孪生的效果。
在行业需求的推动下，出现了基于物理机理和大数据分析的混合数字孪生技术，Ansys公司的TwinBuilder就是其中的代表。如下图所示，TwinBuilder利用传统的物理仿真，来训练神经网络，产生所谓的降阶模型（ROM），并将现场工况，通过物理机理，抽象出子系统。利用现场的真实测量数据，来标定子系统参数。不仅将仿真速度提高到100毫秒到数秒的数量级，满足常用控制系统的节拍，而且仿真精度更加符合现场的实测数据。
