数字孪生什么？

 一、 数字孪生发展背景

从根源上分析，孪生的概念起源于美国阿波罗任务时代：建造一个与实际飞行飞船大小比例 1:1 的地面飞船，在地面的飞船中进行实际飞行经历的“所有”操作，以此来反映实际飞行中的飞船的状态，并为飞船的维护提供参考。这种方式也可以被称为物理伴飞。

数字孪生概念的提出可以追溯到 2002 年，美国密歇根大学 Grieves 教授在向工业界展示如何进行产品生命周期管理时提出的两个系统，即真实系统和虚拟系统。虚拟系统接收从真实空间传来的数据，镜像(Mirroring)真实系统的状态；真实系统接收虚拟空间传来的指导信息，做出相应响应。这一理念中提及的真实空间、虚拟空间、从真实空间到虚拟空间的数据流和从虚拟空间到真实空间的信息流被认为是数字孪生的 3 个基本要素。

美国NASA(National Aeronautics and Space Administration)在 2010 年发布的“建模、仿真、信息技术和过程”路线图中明确了数字孪生的发展愿景，认为数字孪生是：“一个集成多物理场、多尺度的非确定性分析框架，能够联合高精度物理模型、传感器测量数据、飞行历史数据等，镜像相应孪生飞行器的生命历程”。这一愿景对 NASA 和美国空军具有重要意义，两者拥有大量的机队需要周期性检测和维护，不仅耗费巨大成本，而且面临针对性不强、响应速度慢的问题。

数字孪生利用模型指导决策的思想正好能够弥补这一能力短缺。通过真实数据驱动数字孪生体更新，响应实际飞行器结构变化，并对实际飞行器的操作、运维进行优化，从而降低维护成本、延长使用寿命。

二、 数字孪生的定义及典型特征

标准化组织中的定义：数字孪生是具有数据连接的特定物理实体或过程的数字化表达，该数据连接可以保证物理状态和虚拟状态之间的同速率收敛，并提供物理实体或流程过程的整个生命周期的集成视图，有助于优化整体性能。

学术界的定义：数字孪生是以数字化方式创建物理实体的虚拟实体，借助历史数据、实时数据以及算法模型等，模拟、验证、预测、控制物理实体全生命周期过程的技术手段。

从根本上讲，数字孪生可以定义为有助于优化业务绩效的物理对象或过程的历史和当前行为的不断发展的数字资料。数字孪生模型基于跨一系列维度的大规模，累积，实时，真实世界的数据测量 。

企业的定义：数字孪生是资产和流程的软件表示，用于理解、预测和优化绩效以实现改善的业务成果。数字孪生由三部分组成：数据模型，分析或算法，以及知识。

数字孪生公司早已在行业中立足，它在整个价值链中革新了流程。作为产品，生产过程或性能的虚拟表示，它使各个过程阶段得以无缝链接。这可以持续提高效率，最大程度地降低故障率，缩短开发周期，并开辟新的商机，创造持久的竞争优势。

从数字孪生的定义可以看出，数字孪生具有以下几个典型特点：

1、互操作性 ：数字孪生中的物理对象和数字空间能够双向映射、动态交互和实时连接，因此数字孪生具备以多样的数字模型映射物理实体的能力，具有能够在不同数字模型之间转换、合并和建立“表达”的等同性 。

2、可扩展性 ：数字孪生技术具备集成、添加和替换数字模型的能力，能够针对多尺度、多物理、多层级的模型内容进行扩展。

3、实时性 ：数字孪生技术要求数字化，即以一种计算机可识别和处理的方式管理数据以对随时间轴变化的物理实体进行表征。表征的对象包括外观、状态、属性、内在机理，形成物理实体实时状态的数字虚体映射。

4、保真性：数字孪生的保真性指描述数字虚体模型和物理实体的接近性。要求虚体和实体不仅要保持几何结构的高度仿真，在状态、相态和时态上也要仿真。值得一提的是在不同的数字孪生场景下，同一数字虚体的仿真程度可能不同。例如工况场景中可能只要求描述虚体的物理性质，并不需要关注化学结构细节 。

5、 闭环性：数字孪生中的数字虚体，用于描述物理实体的可视化模型和内在机理，以便于对物理实体的状态数据进行监视、分析推理、优化工艺参数和运行参数，实现决策功能，即赋予数字虚体和物理实体一个大脑。因此数字孪生具有闭环性 。

三、 数字孪生与其他技术的区别

数字孪生与仿真（Simulation）的区别：仿真技术是应用仿真硬件和仿真软件通过仿真实验，借助某些数值计算和问题求解，反映系统行为或过程的模型技术，是将包含了确定性规律和完整机理的模型转化成软件的方式来模拟物理世界的方法，目的是依靠正确的模型和完整的信息、环境数据，反映物理世界的特性和参数。仿真技术仅仅能以离线的方式模拟物理世界，不具备分析优化功能，因此不具备数字孪生的实时性、闭环性等特征。

数字孪生需要依靠包括仿真、实测、数据分析在内的手段对物理实体状态进行感知、诊断和预测，进而优化物理实体，同时进化自身的数字模型。仿真技术作为创建和运行数字孪生的核心技术，是数字孪生实现数据交互与融合的基础。在此基础之上，数字孪生必需依托并集成其他新技术，与传感器共同在线以保证其保真性、实时性与闭环性。

数字孪生与信息物理系统（CPS）的区别：数字孪生与 CPS 都是利用数字化手段构建系统为现实服务。其中，CPS 属于系统实现，而数字孪生侧重于模型的构建等技术实现。CPS 是通过集成先进的感知、计算、通信和控制等信息技术和自动控制技术，构建了物理空间与虚拟空间中人、机、物、环境和信息等要素相互映射、适时交互、高效协同的复杂系统，实现系统内资源配置和运行的按需响应、快速迭代和动态优化 。

相比于综合了计算、网络、物理环境的多维复杂系统 CPS，数字孪生的构建作为建设 CPS 系统的使能技术基础，是 CPS 具体的物化体现。数字孪生的应用既有产品、也有产线、工厂和车间，直接对应 CPS 所面对的产品、装备和系统等对象。数字孪生在创立之初就明确了以数据、模型为主要元素构建的基于模型的系统工程，更适合采用人工智能或大数据等新的计算能力进行数据处理任务 。

数字孪生与数字主线（Digital Thread）的区别：数字主线被认为是产品模型在各阶段演化利用的沟通渠道，是依托于产品全生命周期的业务系统，涵盖产品构思、设计、供应链、制造、售后服务等各个环节。在整个产品的生命周期中，通过提供访问、整合以及将不同/分散数据转换为可操作性信息的能力来通知决策制定者。

数字主线也是一个允许可连接数据流的通信框架，并提供一个包含生命周期各阶段功能的集成视图。数字主线有能力为产品数字孪生提供访问、整合和转换能力，其目标是贯通产品生命周期和价值链，实现全面追溯、信息交互和价值链协同。由此可见，产品的数字孪生是对象、模型和数据，而数字主线是方法、通道、链接和接口。

简单地说，在数字孪生的广义模型之中，存在着彼此具有关联的小模型。数字主线可以明确这些小模型之间的关联关系并提供支持。因此，从全生命周期这个广义的角度来说，数字主线是属于面向全生命周期的数字孪生的。

数字孪生和资产管理壳（Asset administration Shell）的区别：出自工业4.0 的资产管理壳，是德国自工业 4.0 组件开始，发展起来的一套描述语言和建模工具，从而使得设备、部件等企业的每一项资产之间可以完成互联互通与互操作。借助其建模语言、工具和通讯协议，企业在组成生产线的时候，可具备通用的接口，即实现“即插即用”性，大幅度降低工程组态的时间，更好地实现系 统之间的互操作性 。

自数字孪生和资产管理壳的问世以来，更多的观点是视二者为美国和德国的工业文化不同的体现。实际上，相较于资产管理壳这样一个起到管控和支撑作用的“管家”，数字孪生如同一个“执行者”，从设计、模型和数据入手，感知并优化物理实体，同时推动传感器、设计软件、物联网、新技术的更新迭代。但是，基于这两者在技术实现层次上比较相近，德国目前也正努力在把资产管理壳转变为支撑数字孪生的基础技术。

四、 数字孪生的关键技术

数字孪生强调用实时监测的数据消除模型的不确定性，用精确的模拟代替真实场景，从而优化实际系统的操作和运维，其实现需要依赖的关键技术包括：

1、复杂系统建模技术。数字孪生体是由传统模型发展而来，因此建立高精度的复杂系统模型是首要前提，现在建模依然面临着环境、载荷、材料性能等众多不确定因素，力、热、电等不同物理场之间的强耦合作用等各类问题，这些复杂性都将导致模型无法准确模拟系统的真实情况，需要借助于多物理场耦合建模、多尺度损伤分析方法提升模型精度。

2、传感与监测技术。数字孪生体镜像物理系统的生命历程的基础在于：能够实时感知系统性能状态并收集系统周围的环境信息，这就需要借助传感与监测技术来实现。通过安装在系统结构表面或嵌入结构内部的分布式传感器网络，获取结构状态与载荷变化、操作以及服役环境等信息，实时监测系统的生产、制造、服役以及维护过程。持续获取的传感数据不仅能够用于监测系统当前状态，还能借助大数据、动态数据驱动分析与决策等技术用于预测系统未来状态。

3、大数据技术。对于一个大型复杂系统，其基本几何和组件装配本身就已经囊括了海量的数据，而服役过程中不断加入的载荷、环境、维修等数据，最终将生成现有数据分析技术无法处理的大数据，这就需要利用数字主线技术对所有数据进行统一管理，同时借助大数据分析技术，从这些规模巨大、种类繁多、生成迅速、不断变化的数据集中挖掘价值。从数据出发增强对问题的认识，发掘多源异构数据之间潜藏的相关关系，从而实现更好地诊断、预报并指导决策。

4、动态数据驱动分析与决策技术。实时交互性与动态演化性是数字孪生体的两个重要特性，而动态数据驱动应用系统(Dynamic Data Driven Application Systems，DDDAS)L3 纠这种全新的仿真应用模式，能够将模型与物理系统有机的结合起来，在实际服役过程中，利用实时监测的数据动态更新模型，更新后的模型可以得到许多测量无法直接输出的数据，从而驱动更准确地分析与预测系统状态，以及更有效地指导决策者实施对系统的动态控制。

5、数字孪生软件平台技术。数字孪生的实现需要发展新的工具平台，集成多物理场仿真、数据管理、大数据分析、动态数据驱动决策等多个功能模块．同时借助虚拟现实(Virtual Reality，VR)或增强现实(Augmented Reality，AR)等可视化技术，使决策者能够快速准确地了解系统实际状态，从而指导对系统的操作，实现效能更高的控制与优化。