数字孪生技术的详情分析及应用场景简介

 数字孪生好像已经变得无所不在，成为了各行各业各个领域实现数字化的神丹妙药。2016-2018年，Gartner接连三年将数字孪生列入十大战略科技发展趋势。2019年，Gartner认为数字孪生处在期望膨胀期顶峰，将在未来5年产生破坏性创新。那么，数字孪生到底是什么，是一种技术，还是一种思想、方法，或运用模式？

一、数字孪生概念的提出

 2002年MichaelGrieves在密歇根大学的演讲中初次提出了PLM（产品生命周期管理）概念模型，模型中出现了现实空间、虚拟空间、从现实空间到虚拟空间的数据流、从虚拟空间到现实空间的信息流，以及虚拟子空间的表述。按MichaelGrieves后来的说法，该模型已经具备数字孪生的所有要素，并在其2006年发布的著作《ProductLifecycleManagement：DrivingtheNextGenerationofLeanThinking》中，被称为信息镜像模型。

 但在那时候，MichaelGrieves教授提出物理产品的虚拟数字化映射思想，也就是如今火热的“数字孪生”概念的起源时，并没有获得行业领域内的积极响应。十余载后，数字孪生获得了各领域人士的热情追捧，不仅在制造业，而且运用到了智慧城市、智慧交通、智慧农业、智慧医疗、智能家居等各个行业领域。

二、数字孪生技术的初次使用

 2010年,NASA（美国国家航空航天局）在其太空技术路线图（ModellingSimulationInformationTechnology&ProcessingRoadmap：TechnologyArea11）中初次引入了数字孪生的表述。

 为了能够更好地理解NASA的数字孪生，先来回顾一段Apollo13登月飞行中发生的故事。1970年4月14日，Apollo13号宇宙飞船已经远离地球21万英里，生活舱中的一个氧气罐发生了爆炸，严重地毁坏了主推进器，氧气也被泄漏到太空。时间每过一分钟，受损的飞船便会飞离地球400英里。怎样才能让三名宇航员安全回家，成为了数千名NASA地面支持人员在之后三天半时间里日以继夜工作的唯一目标！最终，NASA成功将人类宇航史上有可能发生的最大灾难，转化为一个令人振奋的巨大成功。

 实现这一切的一个关键所在，是在NASA背后有一套完善的、高水准的地面模拟仿真系统，用于培训宇航员和任务控制人员所需要的全部任务操作，包含各种故障场景的处理。模拟器是整个太空计划中技术最繁杂的部分内容，在模拟培训中，除了乘员、座舱和任务控制台，其它所有的一切，全部都是由经验足够丰富的技术人员运用一堆计算机和公式创造出来的。

 任务控制人员和宇航员们，在综合性考虑到飞船受损、可用电力、剩余氧气、饮用水等因素后，制定了一个史无前例的大胆返还计划，要点如下：重启指令舱将其更改为手动操作模式（节约宝贵的动力）；运用登月舱作为救生艇（服务舱受损无动力）；途中进行三次发动机点火变轨（进入自由返还轨道）；手动导航操控飞船（导航计算机省电关闭，节约宝贵的动力）。但这样的回家模式将远远地超出飞船设计的边界，从来没有人实践过。一旦出现任何错误，宇航员们就再也没有回家的机会了。

 地面任务控制中心将模拟器进行调整，以适配Apollo13目前不同寻常的配置状态，按质量、重心、推力等参数为这艘新飞船的主机重新进行了编程；并与登月舱制造厂商分工协作，明确了一个新的着陆全过程；然后安排后备宇航员在模拟器上进行操作演练，证明计划方案的可行性，极大地提升了任务控制人员与宇航员们的信心。剩下的工作便是宇航员们按照演练生成的操作指令清单，百分百地执行就可以了。

 大家都为Apollo13号宇航员与任务控制人员在事故出现后的从容淡定所钦佩，殊不知这个是在模拟器上数万小时训练的结果。

 NASA的成功应当得益于这些模拟器，或叫仿真器，它们都可以说是数字孪生切切实实的案例，Apollo13可以看做第一个数字孪生体。实际上，仿真器在Apollo号发射之前就曾发挥了关键作用。

三、数字孪生及其内涵

 数字孪生是充分运用物理模型、传感器更新、运转历史等数据，集成化多学科、多物理量、多尺度、多概率的模拟仿真全过程，在虚拟（赛博）空间中完成映射，进而反映相应的实体装备的生命周期全过程。数字孪生实现了现实物理系统向赛博空间数字化模型的反馈，各种基于数字化模型进行的各类模拟仿真、分析、数据积累、发掘，甚至于AI人工智能的应用，都能确保它与现实物理系统的适用性。在数字孪生中，数据是基础、模型是核心、软件是载体。

 数字孪生的内涵可以用“一项通用技术、两大孪生空间、三大技术要素、四大功能等级和五大典型性特征”来表述。数字孪生是一项支撑经济社会数字化转型的使能技术，它综合性运用感知、计算、建模等信息技术，通过软件定义，对物理空间进行表述、诊断、预测、决策，进而实现物理空间与赛博空间的交互映射。

 级别一：表述，通过感知设备收集到的数据，对物理实体各要素进行检验和动态表述。

 级别二：诊断，剖析历史数据，查验功能、性能变化的原因。

 级别三：预测，表明各类模式的关系，预测未来。

 级别四：决策，在剖析过去和预测未来的基础上，对行为进行引导。

四、数字孪生典型性场景应用

 数字孪生是一个普遍性适用的理论技术体系，可以用于产品设计、产品制造、工程建设、城市管理等领域。数字孪生是实际物理产品的数字化表达，在设计与生产的过程中，仿真分析模型的参数，传输到产品定义的全三维几何模型，再传输到数字化生产线加工成真实的物理产品，再通过在线的数字化检验/测量系统反映到产品定义模型中，进而再反馈到仿真分析模型中。通过数字化纽带集成生命周期全过程的模型，并与实际智能制造系统、数字化测量检测系统、嵌入式信息物理融合系统（CPS）进行无缝集成和同步，使得我们可以在这个数字化产品上看到实际物理产品可能会发生的状况。

 依赖于数字化纽带（DigitalThread），所有的数据模型都能双向沟通，真实物理产品的状态和参数将通过与智能生产系统集成的CPS系统，向数字化模型反馈，使生命周期各个阶段的数字化模型保持一致，从而实现动态、实时的评估系统当下及未来的功能和性能。数字化纽带贯穿了整个产品生命周期，尤其是产品设计、生产、运维的无缝集成。

典型性的数字孪生场景应用：

 数字化设计：数字孪生+产品创新。数字孪生技术打造产品设计数字孪生体，在赛博空间进行系统化仿真，实现反馈式设计、迭代式创新和持续性优化。目前，在汽车、轮船、航空航天、精密装备制造等领域，已普遍性展开原型设计、工艺设计、工程设计、数字化样机等形式的数字化设计实践。

 虚拟工厂：数字孪生+生产制造全过程监管。在赛博空间打造出映射物理空间的虚拟车间、数字工厂，促进物理实体与数字虚体之间的数据双向动态交互，依据赛博空间的变化及时调整生产工艺、优化生产参数，提升 生产效率。

 设备预测性维护：数字孪生+设备管理。开发设计设备数字孪生体并与物理实体同步交付，实现设备生命周期数字化管理，同时依托于现场数据收集与数字孪生体分析，提供产品故障分析、寿命预测、远程管理等增值服务，增强用户体验，减少运维成本，强化企业核心竞争力。

 智慧城市：数字孪生+城市运作管理。建设城市数字孪生体，以定量与定性结合的形式，在数字世界预演天气环境、基础设施、人口土地、产业交通等要素的交互运作，绘制“城市画像”，支撑决策者在物理世界实现城市规划“一张图”、城市难题“一眼明”、城市治理“一盘棋”的综合性效益最优化布局。

 智慧医疗：数字孪生+医疗服务。将数字孪生与医疗服务相结合，实现人体运作机理和医疗设备的动态监测、模拟和仿真，加快科研创新向临床实践的转化速度，提升 医疗诊断效率，优化医疗设备质控监管。