什么是数字孪生？数字孪生的特点、分级和技术

工业仿真软件随着国家经济发展，越来越多的企业和教学科研单位开始采购并使用。

坦率地说，工业仿真软件在国内的使用进程和国际进程并不一致。国际上，尤其是工业软件发源国家，他们对于工业软件的使用是一种自然而然的渐进过程。用软件总结设计经验，用经验不断丰富软件，从而形成独立的产品设计体系和逐渐成熟的软件开发工具。

此所谓仿真软件与工业应用的本源。

国内的软件使用更多是由预算决定，而不是设计需求决定。差别就是完成采购之后，往往束之高阁。

好的软件采购，一定是基于设计出发。采购前对于软件一定要进行算例评测和产品试用，从而明确仿真软件的真正功用和使用价值。

好的软件供应商，一定是基于客户价值出发。在采购前，充分研究软件对于客户的应用场景和技术方案；采购后，充分培训客户，帮助客户完成标准算例仿真，规范化实例仿真，多尺度优化仿真三阶段过程，充分体现仿真软件的客户价值。

扪心自问，由于诸多因素，在很多项目场景中无法按照三阶段仿真进行客户培训。但是，起码应该坦荡地说，三阶段仿真培训方案、所需技术条件都已经充分地和客户进行了交流和沟通，满足合同要求的技术培训一定会高质量完成。

DT（数字孪生）是一个越来越热门的仿真技术领域，它的本源是什么？

什么是数字孪生？

数字孪生是系统、流程或服务的动态虚拟模型。因此，产品、工厂或商业服务都可以拥有自己的数字孪生。数字孪生的愿景要求将来自物理系统（或流程）的业务、前后关联部分和传感器数据整合到数字孪生的虚拟系统模型中，以促进分析、规避问题并制定明智的技术路线图。通过集成虚拟和物理世界，数字孪生能够实时监控系统和流程，并及时分析数据，以便在问题出现之前阻止问题，安排预防性维护以减少/防止停机时间，发现新的商机，并规划未来的升级和新发展。虽然虚拟模型往往是系统、部件或一系列部件的通用表示，但数字孪生代表一个实例（即特定系统或过程）。数字孪生技术有可能降低系统验证和测试的成本，同时提供对系统行为的早期洞察。

随着物联网（IoT）的出现，数字孪生技术的实施变得具有成本效益，并且在工业物联网（IIoT）社区中越来越被接受，该社区往往专注于大型、复杂、资本密集型设备。与此同时，继续投资工业4.0的航空航天和国防工业已经开始投资数字孪生技术。

根据定义，数字孪生需要物理孪生体进行数据采集和数据驱动的交互。数字孪生中的虚拟系统模型可以随着物理系统状态的变化（在运行期间）而实时变化。数字孪生由物联网连接的产品和数字线程组成。数字线程在系统的整个生命周期内提供连接，并从物理孪生收集数据以更新数字孪生中的模型。

数字孪生将虚拟环境和物理环境联系起来。物理环境包括物理系统、外部传感器、通信接口和交联系统组成。与物理系统相关的操作和维护数据都将提供给虚拟环境，以更新数字孪生中的虚拟模型。因此，数字孪生成为物理系统的精确和最新表示，也反映了物理孪生的操作环境。重要的是，即使产品供应商在售出物理孪生体后，与物理孪生体的关系也可以继续，从而可以跟踪每个物理孪生体随时间推移的性能和维护历史记录，检测和报告异常行为，并建议/计划维护。

研究人员通常将数字孪生描述为对系统的集成多物理场、多尺度和概率模拟，该模拟使用最佳可用物理模型、传感器的最新数据和历史数据，可能影响产品的制造异常也需要明确考虑、评估和监控。

除了在售产品的高保真物理模型外，数字孪生还集成了来自产品健康管理系统的传感器数据、维护历史以及通过数据挖掘和文本挖掘等技术获得的所有可用历史数据。通过结合来自这些不同信息源的数据，数字孪生可以持续预测产品健康状况、剩余使用寿命和任务成功概率。数字孪生还可用于预测系统对安全关键事件的响应，并通过比较预测和实际响应，在问题变得严重之前发现新问题。最后，数字孪生上的系统能够通过激活自我修复机制或建议改变任务配置文件以减少负载来减轻损坏或退化，从而增加任务的寿命和成功的可能性。

数字孪生的测试环境涉及一个仪器化测试平台，其中基于模型的系统工程（MBSE）工具（例如，系统建模和验证工具）和操作场景模拟（例如，离散事件模拟，基于代理的模拟）用于在实验者的控制下探索虚拟原型在假设模拟模式下的行为。

来自测试环境的结论用于修改虚拟原型中使用的系统模型。初期虚拟原型使用物理系统提供的数据来实例化数字孪生。随后，数字孪生会不断更新，因此它忠实地反映了物理孪生的特征和历史。

MBSE是构建DT虚拟系统原型的主要方法。

MBSE工具套件包括系统建模方法（例如，SysML模型、设计结构矩阵、过程依赖结构矩阵、概率模型，例如部分可观察马尔可夫决策过程（POMDP）、离散事件模拟、基于代理的模拟、基于模型的逻辑关心、MBSE知识库（构成权威事实来源）和系统工程生命周期过程模型。虚拟系统模型的范围可以从轻量级模型到完整模型。轻量级模型反映了简化的结构（例如，简化的几何图形）和简化的物理场（例如，简化阶次模型），以减少计算负载，特别是在前期工程活动中。

数字孪生的特点

数字孪生在以下重要方面与传统的计算机辅助设计/计算机辅助工程（CAD/CAE）模型不同：

它是一个特定实例，反映了结构、性能、运行状况和特定于任务的特征，例如飞机的飞行里程、经历的故障以及物理孪生体的维护和维修历史

它有助于根据对系统维护历史和观察到的系统行为的了解来确定何时安排预防性维护

它有助于了解物理孪生体在现实世界中的性能，以及将来通过及时维护预期如何执行

它允许开发人员观察系统性能，以了解例如修改的执行情况，并更好地了解操作环境

它通过数字线程提供的连接促进生命周期阶段之间的可追溯性

它有助于通过预测分析来完善假设，并从物理系统收集并合并到数字孪生中的数据可以与其他信息源一起进行分析，以预测未来的系统性能

它使维护人员能够对故障的远程设备进行故障排除并执行远程维护

它将来自物联网的数据与来自物理系统的数据相结合，例如，优化服务和制造流程，并确定所需的设计改进（例如，改进物流支持，提高任务性能）

数字孪生的价值

使用真实数据验证系统模型

操作环境数据以及系统与该环境的交互可以合并到数字孪生中，以验证其模型并进行评估和预测。

为用户提供决策支持和警报

在整合运营、维护和健康数据后，数字孪生可以在假设分析模式下使用，以生成量身定制的决策支持信息，并向物理系统的操作员/用户发出警报。

预测物理系统随时间的变化

来自物理孪生的运营、维护和运行状况数据进行基于仿真的分析有助于优化运营（包括满足需求和确定根本原因），增强应急计划和预测系统性能。数字孪生还可以嵌入到控制回路中，以预测物理系统的变化，并调整/修改物理系统参数以应对突发事件。

发现新的应用机会和收入来源

通过数字孪生，可以评估不同版本的系统，以确定哪些功能提供了“最大的收益”。机器学习和其他数据科学技术可以促进对生成的大量数据的及时分析，从而提供对潜在新用途和收入来源的见解。

到目前为止，最初的一系列数字孪生计划都集中在复杂的高成本系统上。然而，如今，随着传感器、通信网络、分析和仿真成本模型的进步，几乎可以为任何系统开发数字孪生。

数字孪生的分级

预数字孪生（I级）

该阶段是在前期工程设计期间创建的传统虚拟原型。它支持概念设计和初步设计的决策。虚拟原型是所设想系统的虚拟通用可执行系统模型，通常在构建物理原型之前创建。其主要目的是降低技术风险并发现前期工程中的问题。我们称之为虚拟原型-预数字孪生。与大多数模型驱动方法一样，虚拟原型设计涉及设计过程早期的系统模型。但是，虚拟原型通常不用于推导最终系统。这是因为虚拟原型可以是“一次性”原型或“可重复使用”原型。后者可用于推导最终系统。虚拟原型主要用于验证有关系统的某些关键决策，并在设计过程的早期降低特定的技术风险。下图显示了使用Modelica提供的汽车系统I级孪生。该模型由理想车轮组成，带有在表面上滚动的干摩擦接触片。它采用简单（即低保真）的差速器模型，将扭矩均匀地分配给车轮，并反映惯性、质量、固定平移和扭矩等特性，以实现具有质量特性的车辆的基本结构。平面世界组件用于定义重力和全局坐标系。传感器测量绝对位置、速度和加速度。轨迹控制模块为转向和差速器机构提供扭矩值。例如，这种低保真模型可用于测试、规划和决策算法，例如，与执行变道的自动驾驶汽车的轨迹控制相关的算法。

数字孪生（II级）

该级别是数字孪生，其中虚拟系统模型能够合并来自物理孪生的性能、运行状况和维护数据。虚拟表示是通用系统模型的实例化，从物理系统接收批量更新，用于支持概念设计、技术规范、初步设计和开发中的高级决策。从物理传感器和物理孪生中的计算元素收集的数据收集包括健康状况数据（例如，电池电量），任务性能数据（例如，飞行小时数）。数据被报告回数字孪生，数字孪生更新其模型，包括物理系统的维护计划。由于与物理系统的交互是双向的，因此物理孪生体有足够的机会使用从一个或多个数字孪生体获得的知识来提高其在实时操作期间的性能。此级别的数字孪生用于探索物理孪生在各种假设场景中的行为。作为可执行的数字表示，在测试台的受控仿真环境中探索系统行为时很容易操作。发现的任何缺陷都用于修改物理孪生体，其中包含数字孪生中反映的更改。下图显示了乘用车的2级系统孪生模型示例。该模型是使用Modelica工具的车辆界面库构建的。搭载带动力分流混合动力总成的乘用车。底盘模型具有单一自由度，具有与质量和速度相关的阻力属性。利用驾驶员动作产生的制动踏板位置计算制动扭矩的制动子系统。这会影响传动系统。传动系统模型由四个带前轮驱动的车轮和理想差速器组成。功率分配装置由理想的无损耗的行星齿轮组成。具有恒压源的理想电池为直流电机型号供电，电感器、电阻器和电动势组件连接到轴毂。带飞轮的发动机型号由线控驱动加速器组成，其中加速器输入转换为输出扭矩。道路模型，环境和相关软件于定义惯性坐标系，重力，空气温度，风速，空气的气体常数和气压。此模型中使用的数据来自物理孪生体。

自适应数字孪生（III级）

该级别是自适应数字孪生。它为物理和数字孪生提供了一个自适应用户界面（本着智能产品模型的出发点）。自适应用户界面对用户/操作员的偏好和优先级很敏感。这个级别的一个关键能力是能够学习不同情况下人类操作员的偏好和优先级。这些特征是使用基于神经网络的监督机器学习算法捕获的。此数字孪生中采用的模型会根据从物理孪生中实时“提取”的数据不断更新。系统使用后也可批量接受信息。这种数字孪生可以在运营、维护和支持期间支持实时规划和决策。

智能数字孪生（IV级）

该级别是智能数字孪生。它具有3级数字孪生的所有功能（包括监督机器学习）。此外，它还具有无监督机器学习能力，可以识别操作环境中遇到的对象和模式，并在不确定的、部分可观察的环境中对系统和环境状态进行强化学习。这个级别的数字孪生具有高度的自主性。在此级别，数字孪生可以分析来自现实世界对应物的更精细的性能、维护和运行状况数据。

数字孪生的技术

数字孪生可以通过数字线程集成到MBSE工具套件中，并有可能成为基于模型的系统工程（MBSE）的核心元素。事实上，MBSE可以作为数字线程的起点。使用从物联网收集的数据，可以运行系统仿真来探索故障模式，从而随着时间的推移逐步改进设计。例如，制造商可以使用设计失效模式和影响分析（DFMEA）等MBSE工具将数字孪生链接到其服务历史、制造流程、设计历史、实时物联网数据、特定于配置的仿真模型和预期故障模式。将仿真输出与实际结果进行比较的能力可以提供有关物理孪生体的宝贵见解。使用适当的MBSE工具，工程师可以生成事件驱动或基于代理的仿真，分别探索数字孪生的行为和交互。数字孪生可以整合3D数据和仿真，以及使用响应面模型等方法进行表征。为了衡量客户体验以及创新对该体验的影响，可以使用数字孪生在适当的抽象级别模拟工厂、产品或服务。例如，国防部有一项政策，即对可更换单元进行条形码编码，以便在后勤支持中进行分析。这项政策的好处将适用于数字孪生。

数字孪生和仿真

工程师可以使用与数字孪生相关的仿真来预测物理孪生在现实世界中的预期性能。与此形成对比的是，必须依赖设计过程中通常采用的理想和感知的最坏情况条件。可以将实际系统性能数据与来自数字孪生的数据进行比较，从而促使做出有助于成功任务成果的调整决策。此外，通过将物理孪生中的数据合并到数字孪生中，工程师可以改进系统模型，并随后使用数字孪生的分析结果来改善物理系统在现实世界中的运行。

数字孪生和机器学习

对于简单的应用程序，数字孪生技术无需使用机器学习即可提供价值。简单应用的特点是变量数量有限，输入和输出之间具有易于发现的线性关系。然而，大多数与多个数据流竞争的现实世界系统都可以从机器学习和分析中受益，以理解数据。在这种情况下，机器学习意味着应用于数据流的任何算法，以发现/发现随后可以通过各种方式利用的模式。例如，机器学习可以自动执行复杂的分析任务。它可以实时评估数据，在最少的监督需求下调整行为，并增加获得预期结果的可能性。机器学习还有助于产生可操作的见解，从而节省成本。智能建筑是受益于数字孪生中的机器学习功能的应用的一个很好的例子。数字孪生中的机器学习用途包括：在基于模拟的受控实验测试平台中监督学习（例如，使用神经网络）操作员/用户偏好和优先级。例如，在虚拟和现实环境中使用聚类技术对对象和模式进行无监督学习；以及在不确定、部分可观察的操作环境中对系统和环境状态进行强化学习。

数字孪生和物联网（IoT）

将数字孪生连接到物联网带来了了解物理孪生体（例如，制造装配线、自动驾驶汽车网络）在操作环境中的行为和执行方式所需的数据。此外，物联网和数字孪生的结合可以增强物理系统和操作流程的预防性维护和基于分析/AI（人工智能）的优化。作为物理世界和虚拟世界之间的桥梁，物联网可以将性能、维护和健康数据从物理孪生传递到数字孪生。将来自真实数据的见解与预测建模相结合，可以增强做出明智决策的能力，从而有可能创建有效的系统、优化的生产运营和新的业务模型。

数字孪生和成本

在决定将数字孪生集成到MBSE和系统工程流程中时，成本始终是一个重要的考虑因素。明确定义的范围和目的是估算实施数字孪生的成本的先决条件。虽然数字孪生需要更大的前期投资，但数字孪生的加入有望在系统生命周期中提供可观的投资回报。根据生成虚拟系统表示所需的复杂程度、时间和精力，成本可能会有所不同。然而，在当今世界，大多数组织都在追求创建虚拟系统模型，因为它们在减少验证和测试持续时间和成本方面具有价值。数字孪生是这一过程中合乎逻辑的下一步。数字孪生的成本是系统中组件数量、组件之间的接口和依赖关系、用于实现特定功能的算法的复杂性以及构建数字孪生所需的知识和专有技术。重要的是，构建数字孪生以供重用可以进一步降低成本。

未来展望

未来，数字孪生技术有望成为MBSE的核心能力，因为它可以使MBSE跨越整个系统生命周期，同时帮助MBSE渗透制造、建筑和房地产等新市场。具体而言，数字孪生可用于前期工程（例如，系统概念化和模型验证）、测试（例如，基于模型的系统验证）、系统维护（例如，基于状态的维护）和智能制造。另一方面，MBSE可以贡献各种系统建模结构和建模语言，数字孪生可以在虚拟系统表示中利用这些结构和建模语言。

维护将是数字孪生的主要贡献领域。例如，数字孪生将帮助组织从基于计划的维护过渡到基于状态的维护，从而大大降低系统维护成本，同时提高系统可用性。同样，数字孪生可以在飞机发动机维护中利用。目前，飞机发动机通常会根据飞行小时数进行拆卸和重建，无论其中大部分时间只是在高空巡航还是执行高重力机动。数字孪生技术可以帮助我们更好地了解维护需求并相应地安排维护。

数字孪生技术是早期了解系统性能和技术风险的关键。数字线程可以促进知识从一个程序到另一个程序的上游和下游转移。在MBSE标准中，数字孪生可以成为系统生命周期中唯一权威的事实来源。通过利用基于仿真的建模和数据分析，数字孪生可以帮助量化成本和性能方面的利润和不确定性。数字线程提供的数字连接与数字孪生提供的可信数据和知识相结合，可以加速MBSE中采用的系统工程流程的转型。

我们相信数字孪生技术继续在航空航天和国防、制造、石油化工多个行业取得令人瞩目的进展。

　　审核编辑：汤梓红