【数字孪生】数字孪生的前世今生及未来之路

国内外发展纪：

在2010年，NASA已经开始将数字孪生运用到下一代战斗机和NASA月球车的设计当中。美国国防部、PTC公司、西门子公司、达索公司等都在2014年接受了“Digital Twin”这个术语，并开始在市场宣传中使用。

美国国防部提出利用Digital Twin技术，用于航空航天飞行器的健康维护与保障。在数字空间建立真实飞机的模型，并通过传感器实现与飞机真实状态完全同步，这样每次飞行后，根据结构现有情况和过往载荷，及时分析评估是否需要维修，能否承受下次的任务载荷等。

工业巨头通用电气（GE）将数字孪生这一概念推向了新的高度，通用电子是将这项军方技术转为民用化的最理想载体。 GE借助Digital Twin这一概念，实现物理机械和分析技术的融合。以喷射引擎为例，喷射引擎中昂贵、且扮演关键角色的耐高温合金涡轮叶片，是制造推力的主要零件。每个叶片上都安装了传感器，这样就可以根据要求的频率传输实时数据。软件平台会将引擎的所有信息收集起来，使之数据化，并建立数字模型。

德国西门子公司也在积极推进包括数字孪生在内的数字化业务，数字孪生已经被应用在了西门子工业设备Nanobox PC的生产流程里。

北京航空航天大学陶飞等提出了数字孪生车间的实现模式，并明确了其系统组成、运行机制、特点和关键技术，为制造车间信息物理系统的实现提供了理论和方法参考。

西安电子科技大学孔宪光等提出基于数字孪生的工业大数据分析论，把物理实体业务抽象成图谱，通过问题分解，在数字孪生体内进行求解。

华龙迅达将数字孪生技术与三维虚仿真过程进行了有效融合，实现实体工厂与虚拟可视化工厂的动态联动，从全要素、全流程、全业务角度进行生产过程优化。

科大讯飞发布建设数字孪生城市计划，使用人工智能技术，打通城市规划、建设、运行的数据闭环。

不同场景下应用数字孪生：

（1）产品设计阶段

基于模型定义技术（MBD）能够实现高效、标准的产品全生命周期各阶段数据定义及数字化表达，是实现数字挛生体构建的关键技术。MBD技术充分体现了产品的并行协同设计理念和单一数据源思想，而这也正是数字孪生体的本质之一。

产品定义模型主要包括两类数据：一类是几何信息，也就是产品的设计模型；另一类是非几何信息，存放于规范树中，与三维设计软件配套的PDM软件负责存储和管理该数据。

为了确保仿真及优化结果的准确性，至少需要保证以下三点：

1）产品虚拟模型的高精确度/超写实性：通过使用人工智能、机器学习等方法，基于同类产品组的历史数据实现对现有模型的不断优化，使得产品虚拟模型更接近于现实世界物理产品的功能和特性。

2）仿真的准确性和实时性：可以采用先进的仿真平台和仿真软件，例如仿真商业软件Ansys，Abaqus等。

3) 模型轻量化技术：轻量化的模型降低了系统之间的信息传输时间、成本和速度，促进了价值链端到端的集成、供应链上下游企业间的信息共享、业务流程集成以及产品协同设计与开发。

（2）产品制造阶段

在生产制造阶段，除了基于产品模型的生产实测数据监控和生产过程监控。还包括基于生产实测数据，智能化的预测与分析、智能决策模块根据预测与分析，实现对实体产品的动态控制与优化，达到虚实融合、以虚控实的目的。

因此，多源异构数据实时准确采集、有效信息提取与可靠传输是实现数字孪生体的前提条件。

1）实体空间的动态数据实时采集：利用条码技术、RFID、传感器等物联网技术，进行制造资源信息标识，实现对制造资源的实时感知。

2）虚拟空间的数字孪生体演化：通过统一的数据服务驱动三维模型，实现数字孪生体与真实空间的装配生产线、实体产品进行关联。

3）基于数字孪生体的状态监控和过程优化反馈控制：通过实时数据和设计数据、计划数据的比对实现对产品技术状态和质量特性的比对、实时监控、质量预测与分析、提前预警、生产动态调度优化等，从而实现产品生产过程的闭环反馈控制以及虚实之间的双向连接。

（3）产品服务阶段

在产品服务阶段（即产品使用和维护）阶段，仍然需要对产品的状态进行实时跟踪和监控，并根据产品实际状态、实时数据、使用和维护记录数据对产品的健康状况、寿命、功能和性能进行预测与分析，并对产品质量问题进行提前预警。

1）在物理空间，采用物联网、传感技术、移动互联技术将与物理产品相关的实测数据（最新的传感数据、位置数据、外部环境感知数据等）、产品使用数据和维护数据等关联映射至虚拟空间的产品数字孪生体。

2）在虚拟空间，采用模型可视化技术实现对物理产品使用过程的实时监控，并结合历史使用数据、历史维护数据、同类型产品相关历史数据等，采用动态贝叶斯、机器学习等数据挖掘方法和优化算法实现对产品模型、结构分析模型、热力学模型、产品故障和寿命预测与分析模型的持续优化，使产品数字孪生体和预测分析模型更为精确，仿真预测结果更加符合实际情况。

3）对于已发生故障和质量问题的物理产品，采用追溯技术、仿真技术实现质量问题的快速定位、原因分析、解决方案生成及可行性验证等，最后将生成的最终结果反馈给物理空间指导产品质量排故和追溯等。

数字孪生与信息物理系统不期而遇：

早在2003年，Grieves教授就提出了为一个物理实体建立数字模型的想法。当时建立数字孪生体的这一概念还不是很成熟，主要原因还是在实施上受限于数据的采集和管理方式，当时企业中的数据大多依靠人工采集，并且大部分以纸面的形式呈现。建立一个物理实体的虚体模型需要大量有关该实体的实时数据作为支撑。因此，当时的数据无论在质量还是数量上都远远无法达到建立数字孪生体的要求。十几年后的今天，诸如制造执行系统等工业系统的出现，能够完整地记录并且有效地管理产品或设备在运行过程中所产生的全部数据。并且智能传感技术，射频识别技术等感知识别类技术的出现，使得实时采集设备或产品所产生的大量数据成为可能，也为数字孪生的创建打下了基础。

信息物理系统（CPS）的本质是通过传感器采集物理实体的相关数据，之后利用系统中的通讯和计算技术对这些数据进行实时分析，挖掘数据潜在的信息内容，基于信息做出科学的决策，最后利用执行器对物理设备进行准确地控制。可以看出，CPS构造了一个基于数据流动的闭环反馈，在数据的驱动和作用下该闭环可以连续地运行，不断地进行知识积累与迭代优化，这也使得信息物理系统每次的闭环反馈无论在速度还是质量上都会得到相应的提升。CPS的实现中，驱动反馈环运行的数据无疑是主导因素，数据搭建了信息物理系统中物理空间与虚拟空间深度融合的桥梁。数字孪生技术作为CPS实现与运作的核心与精髓，在创立之初就明确了是以数据和模型为主要元素构建的基于模型系统工程。其以数据作为模型构建和驱动的基础，实现虚拟与现实的交互与协同，这一点与CPS数据驱动的构建思想是完全契合的。数字孪生技术的出现无疑为发展和拓展CPS的功能起到了极大地推动作用，有助于CPS信息空间与物理空间交互中实时性与准确性的提升。

数字孪生贯穿信息物理系统各个基础环节：

2006年，美国国家科学基金会NSF首先提出了信息物理系统（CPS）的概念，也可译为网络-实体系统，或信息物理融合系统。CPS被定义为由具备物理输入输出且可相互作用的元件组成的网络，它不同于未联网的独立设备，也不同于没有物理输入输出的单纯网络，2013年德国提出了“工业4.0”，其核心技术就是Cyber-Physical Production System（信息物理生产系统）。CPS是一个综合计算、通信、控制、网络和物理环境的多维复杂系统，以大数据、网络与海量计算为依托，通过3C（Computing、Communication、Control）技术的有机融合与深度协作，实现大型工程系统的实时感知、动态控制和信息服务。CPS能够从物理空间（Physical Space）、环境、活动大数据的采集、存储、建模、分析、挖掘、评估、预测、优化和协同，并与对象的设计、测试和运行性能表征相结合，使网络空间（Cyber Space）与物理空间深度融合、实时交互、互相耦合、互相更新；进而通过自感知、自记忆、自认知、自决策、自重构和智能支持促进工业资产的全面智能化。在中国制造2025中，CPS被认为是支撑两化深度融合的综合技术体系，是推动制造业与互联网融合发展的重要抓手。CPS把人、机、物互联，实体与虚拟对象双向连接，以虚控实，虚实融合，有两个步骤：1）虚拟的实体化，如设计一件产品，先进行模拟、仿真，然后再制造出来；2）实体的虚拟化，实体在制造、使用、运行的过程中，把状态反映到虚拟端去，通过虚拟方式进行监控、判断、分析、预测和优化。

CPS通过构筑信息空间与物理空间数据交互的闭环通道，能够实现信息虚体与物理实体之间的交互联动，数字孪生技术的出现为实现CPS提供了清晰的思路、方法及实施途径。以物理实体建模产生的静态模型为基础，通过实时数据采集、数据集成和监控，动态跟踪物理实体的工作状态和工作进展（如采集测量结果、追溯信息等），将物理空间中的物理实体在信息空间进行全要素重建，形成具有感知、分析、决策、执行能力的数字孪生体。因此，从这个角度看，数字孪生是CPS的核心关键技术。