數字孿生，自2016年起連續４年被Gartner列為十大戰略科技發展趨勢之一。數字孿生技術作為解決數字模型與物理實體交互難題，踐行數字化轉型理念與目標的關鍵使能技術，在支撐產品研制業務全流程、助力科研生產和管理的融合創新方面將發揮重要作用。
那么什么是數字孿生呢？
與物聯網又有什么關系呢？
與企業的數字化轉型又有什么關系呢？
1. 什么是數字孿生
數字孿生的雛形 “鏡像空間模型” 最早由美國密歇根大學Michael Grieves于2003年在產品全生命周期管理（PLM）課程中提出，隨后在與NASA以及美國空軍的合作過程中對該概念進行了富，強化了基于模型的產品性能預測與優化等要素，并將其定義為 “數字孿生”。
圖片
數字孿生是一種旨在精確反映物理對象的虛擬模型，需要給研究對象配備與重要功能方面相關的各種傳感器。這些傳感器產生與物理對象性能各個方面有關的數據，例如，能量輸出、溫度和天氣條件等等，然后將這些數據轉發至處理系統并應用于數字副本。一旦獲得此類數據，虛擬模型便可用于運行模擬、研究性能問題并生成可能的改進方案；所有這些都是為了獲取富有價值的洞察成果，然后將之再應用于原始物理對象。
圖片
數字孿生是物聯網里面的一個概念，通過集成物理反饋數據，輔以人工智能、機器學習和軟件分析，在信息化平臺內建立一個數字化模擬。這個模擬會根據反饋，隨著物理實體的變化而自動做出相應的變化。理想狀態下，數字孿生可以根據多重的反饋源數據進行自我學習，幾乎實時地在數字世界里呈現物理實體的真實狀況。數字孿生的反饋源主要依賴于各種傳感器，如壓力、角度、速度傳感器等。數字孿生的自我學習( 或稱機器學習) 除了可以依賴于傳感器的反饋信息，也可以是通過歷史數據，或者是集成網絡的數據學習。
圖片
2. 數字孿生的技術架構
數字孿生技術架構可以按技術特性分解為專業分析層、虛實交互層和基礎支撐層 ，以安全互聯和高性能并行計算作為數字孿生技術的基礎，利用基于ＰＬＭ 的數據管理技術支撐產品全生命周期的數據管理，通過精細化建模與仿真技術實現對產品的精細化數字表達，基于信息物理系統對數據進行實時采集，結合數據模型融合技術和交互與協同技術進行虛實交互，從而實現智能決策、診斷預測、可視監控、優化控制等。
圖片
精細化建模與仿真指從幾何、功能和性能等方面對產品進行精細化建模與跨領域多學科耦合仿真，連接不同時間尺度的物理過程構建模型，從而精確地表達物理實體的形狀、行為和性能等。數據模型融合指基于數據對多領域模型進行實時更 新、修正和優化，實現動態評估。基于信息物理系統的數據實時采集一般指基于CPS通過可靠傳感器及分布式傳感網絡實時準確地感知和獲取物理設備數據。基于PLM的數據管理指以平臺架構為基礎， 形成集成產品信息的框架，使所有與產品相關的 數據高度集成、協調、共享。交互與協同指利用虛擬現實 、增強現實 、混合現 實等沉浸式體驗人機交互技 術，實現數字孿生體與物理實體的交互與協同。安全互聯技術指對數字孿生模型和數據的完 整性、有效性和保密性進行安全防護、防篡改的技術。高性能并行計算指通過優化數據結構、算法結 構等提升數字孿生系統搭載的計算平臺的計算性能、 傳輸網絡實時性、數字計算能力等。
與物聯網的技術架構類似， 數字孿生也可以按照應用實現的視角形成4層以及5層架構。
圖片
從基礎數據采集層到頂層應用層,每一層的實現都建立在前面各層的基礎之上，是對前面各層功能的進一步豐富和拓展。
圖片
3. 數字孿生的能力模型
從過程演化角度可以建立數字孿生的“定義、展現、交互、服 務、進化”五維度能力模型,如下圖所示：
- 定義是通過軟件的方式定義客體；
- 展現是多維度的客體可視化；
- 交互是與物理客體的緊密融合；
- 服務是為物理客體增值賦能；
- 進化是基于數據的迭代優化。
圖片
數據是整個能力模型的基礎，五大能力圍繞數據來發揮作用和效能,數據與五大能力之間的聯系主要由高性能傳感器數據采集、高速數據傳輸和全壽命周期數據管理3個部分支撐。高性能傳感器數據采集中采用先進傳感器技術及分布式傳感技術使整個數字孿生體系能夠獲得更加準確、充分的數據源支撐;高速數據傳輸中采用高帶寬光纖技術使得海量傳感器數據的傳輸不再受帶寬的限制;全壽命周期數據管理中采用分布式云服務器存儲技術提供了平臺保障,高效率存儲結構和數據檢索結 構為海量歷史運行數據存儲和快速提取提供了重要保障,為基于云存儲和云計算的系統體系提供了歷史數據基礎,使大數據分析和計算的數據查詢和檢索階段能夠快速可靠得完成。
4. 數字孿生的技術集成
下圖引自 NASA OCT的技術路線圖，以數字孿生中的技術集成為例描述了數字孿生技術的廣闊發展前景，重點解決與極端可靠性相關的技術需求，使數字孿生技術融入實際工程實踐中不斷發展。
圖片
該范例通過集成多種先進技術，實現多物理、多尺度的集群仿真，利用高保真建模和仿真技術以及狀態深度感知和自感知技術構建目標系統的虛擬實時任務孿生體，持續預測系統健康、剩余使用壽命和任務執行成功率。虛擬數字集群是數字孿生體向實際工程實踐發展的重要范例，對于滿足未來成本可控情況下的高可靠性任務執行需求具有重要意義。
5. 數字孿生的產品生命周期管理
通過構建與實物產品完全對應的數字孿生體， 在安全互聯技術、高性能并行計算技術提供支撐的基礎上，利用基于ＰＬＭ 的數據管理技術對產品全生命周期的數據進行管理，可以從設計、生產、試驗、培訓、運維５個方面推進面向產品全生命周期開展數字孿生技術的研究與應用，如下圖所示。
圖片
在設計過程中形成的各類精細化數字仿真模型是構建后續生產、 試驗、培訓和運維數字孿生體的核心。通過面向生產過程的模型， 結合生產過程中采集的數據，形成生產過程的數字孿生體，并采用數據模型融合技術，開展智能化加工檢測及虛實映射的裝配對接，從而實現生產過程數字孿生技術的應用。通過構建試驗產品模型、試驗設備模型、試驗場景模型、試驗環境模型等面向試驗過程的模型，采用分布式控制、流程建模仿真等技術，形成試驗數字孿生體。開展流程規劃仿真、應急處理演練仿真和數字合 練仿真等，實現產品使用性能和操作流程預示， 為提升產品使用效率提供輔助優化手段。通過構建產品故障診斷模型和壽命預測模型等面向運維過程的模型，采用機器學習、VR/AR等交互協同技術，開展虛實結合維修保障，從而實現運維過程數字孿生技術的應用。
6. 數字孿生的成熟度模型
從物理實體、數字孿生模型、數字孿生數據、連接交互和功能服務出發，根據連接交互方式與自動化程度的不同，以數字孿生所能提供的功能服務為主線，可以將數字孿生分為六個成熟度等級，如下圖所示。
圖片
具體而言，以虛仿實指利用數字孿生模型對物理實體描述和刻畫，具有該能力的數字孿生處于其成熟度等級的第零等級（L0），滿足此要求的實踐和應用可歸入廣義數字孿生的概念范疇。以虛映實指利用數字孿生模型實時復現物理實體的實時狀態和變化過程，具有該能力的數字孿生處于其成熟度等級的第一等級（L1）。以虛控實指利用數字孿生模型間接控制物理實體的運行過程，具有該能力的數字孿生處于其成熟度等級的第二等級（L2）。以虛預實指利用數字孿生模型預測物理實體未來一段時間的運行過程和狀態，具有該能力的數字孿生處于其成熟度等級的第三等級（L3）。以虛優實指利用數字孿生模型對物理實體進行優化，具有該能力的數字孿生處于其成熟度等級的第四等級（L4）。虛實共生作為數字孿生的理想目標，指物理實體和數字孿生模型在長時間的同步運行過程中，甚至是在全生命周期中通過動態重構實現自主孿生，具有該能力的數字孿生處于其成熟度等級的第五等級（L5）。
圖片
7. 數字孿生的實現示例
數字孿生技術是對原有建模設計技術的優化和提升，通過建立虛擬環境與現實環境間的映射關系，對虛擬環境進行模擬分析，大幅度降低現實環境操作的難度和制約。下面以現場網絡為例，看一下具體與物聯網相結合的實現。
圖片
現場網關鍵技術包括：
- a）RFID、NFC（近場通信）等新型無源物聯技術，主要應用場景包括出入庫管理和資產盤點等；
- b）Wi-Fi、IrDA（紅外數據傳輸）和 D2D（設備到設備）等超低時延、超高可靠新型短距離通信技術，主要應用場景包括 AGV（自動導引車）控制和機械臂管理等；
- c）PLC（電力線通信）、工業總線和工業以太網等確定性傳輸技術， 主要應用場景包括數控機 床和機器人等 ；
- d）NB-IoT（窄帶物聯網 ）、LTE、ZigBee、eMTC（增強型機器類通信）、LoRa、SigFox等中 低速通信技術，主要應用場景包括環境監測、控制開 關和音頻設備控制等；
- e）RTT（往返時間）、AoA（到達角度）、POA（到達相位）等精確定位技術，主要應用場景包括定位終端和定位信標等。
5G 具有高速率、低時延、大連接和高可靠等特點，非 常契合數字孿生的數據傳輸需求， 能夠有效保障物 理實體與虛擬實體之間的海量數據交互、 低時延數 據傳輸、多設備互聯互通，從而更快、更好地實現數字孿生的應用落地。6G 的目標是充分利用低中高全 頻譜資源，構建空、天、地一體化全球覆蓋網絡，提供完全沉浸式交互場景，支持精確的空間互動，實現物理世界的智能互聯和數字世界的實時互動， 精確映射物理世界的真實狀態， 在虛擬世界仿真推演并科 學預測結果， 助力人類走進虛擬與現實深度融合的 全新時代，進而實現數字孿生的美好愿景。
數字孿生作為物理世界映射到數字時間的技術，是物聯網技術的具體發展趨勢之一。
