数字孪生技术：从NASA阿波罗计划到企业数字化转型的未来展望

概括：

数字孪生以各领域日益庞大的数据为基本要素，利用快速发展的建模仿真、人工智能、虚拟现实等先进技术，在虚拟空间中构建物理实体的数字孪生，实现数字化管理和管理。对物理实体的控制。优化为企业数字化转型开辟了可行思路。首先介绍了数字孪生的演进和价值，然后给出了数字孪生的典型特征及其架构，并介绍了基于该架构的多项数字孪生关键技术。最后，对数字孪生进行了展望，包括其面临的挑战和未来的发展趋势。

01概述

数字孪生中“孪生”的基本思想源于上世纪美国国家航空航天局（NASA）的阿波罗计划。留在地球上的航天器模拟了发射到太空的航天器的工作状态。然后辅助宇航员做出决策，大大减少各种操作结果的未知数。 “数字孪生”一词最早出现在美国空军研究实验室2009年提出的“机身数字孪生”概念中，而“数字孪生”作为独立概念首次出现在2010年NASA的两份技术报告中，即定义为集成多物理量、多尺度、多概率的系统或飞机仿真过程。自此，数字孪生正式进入公众视野，并开始受到各个研究领域的关注。 2012年，NASA指出数字孪生是驱动未来飞机发展的关键技术之一； 2013年，NASA将数字孪生纳入“全球科技愿景”； 2017年，佐治亚理工大学首次提出数字孪生城市，2018年，中国信息通信研究院发布发布了《数字孪生城市研究报告》；从2018年开始，三大标准化组织ISO、IEC、IEEE也开始着手数字孪生相关标准化工作。目前数字孪生尚无统一的理论体系。自其诞生以来，各个研究和应用领域对其提出了各种定义，如表1所示。

表1 数字孪生定义

02数字孪生的价值

数字孪生自应用以来，在工业、商业、社会等方面展现了其重要价值。

a) 从产业价值来看，构建全产业链的数字孪生，可以推动产业向制造与服务一体化的新产业形态转型，即从市场需求、用户沟通、产品设计、产品制造、物流供应、维修服务等全产业链开始构建数字孪生，使传统行业具备定制化生产能力，实现更加敏捷、灵活的商业模式；而构建产品全生命周期的数字孪生，有助于建立从产品研发、仿真、制造到使用的闭环体系，加快产品研发和迭代升级，进一步推动行业发展。

b) 在商业价值方面，随着数字孪生技术在各领域得到认可，不少科技公司开始研发数字孪生技术并推出相关产品。这些产品在实际应用中不断升级优化，逐步满足市场客户的实际需求，为企业带来了可观的经济效益，也促进了更多企业与行业共同推动数字孪生产品的商业化；另一方面，企业构建整个产品生命周期的数字孪生，有助于改进产品设计、优化生产流程、快速定位问题、提高产品质量、降低生产成本、提升生产效率等目标也是重要的数字孪生商业价值的体现。

c) 在社会价值方面，数字孪生可以促进社会数字经济的发展。数字经济是继农业经济、工业经济之后，随着信息技术革命的发展而出现的新的经济形态。其核心在于数据驱动发展，构建实体经济的数字孪生，整合利用数据，进行模拟决策。资源配置、市场探索等模拟和再生产对于提高劳动生产率、探索新的经济增长点、实现经济可持续增长具有重要作用。

03数字孪生架构数字孪生具有以下典型特征。 a) 数字保真度。 “数字化”是指数字孪生是将物理实体数字化构建的模型。 “保真”是指数字孪生需要与物理实体具有高度的贴近性，即物理实体的各项指标能够真实地呈现在数字孪生中，数字孪生中的变化也能够真实地反映出来。物理实体的变化。

b) 实时交互。 “实时”是指数字孪生的状态是物理实体状态的实时虚拟映射。 “交互”是指在实时性能的前提下，数字孪生与物理实体之间存在数据和指令相互流动的管道。

c) 远见。 “先知”是指基于物理实体的各种真实数据，通过数字孪生模拟来预测物理实体的未来状态。提前了解未来的状态可以帮助用户做出更合理的决策。 “预知”是指通过数字孪生基于物理实体的实时运行状态进行监控，预测系统的不稳定状态，提前意识到可能出现的不稳定状态，让用户更从容地处理问题。 d) 共生和相互智慧。 “共生”是指数字孪生和物理实体同时构建，两者在系统的整个生命周期中相互依存。 “共享智能”一方面是指单个数字孪生系统内各个组件之间的智慧（即数据、算法等）共享；另一方面，它是指由多个数字孪生系统组成的高层次数字孪生系统内各组件之间的智慧共享。 。根据数字孪生的典型特征，可以提出数字孪生架构，如图1所示。

图1 数字孪生架构

感知层：感知层主要包括在物理实体中搭载先进物联网技术的各种新型基础设施。数据层：数据层主要包括高精度数据采集，保证计算精度；高速数据传输，保证实时交互；全生命周期数据管理，保证访问可靠性。计算层：计算层是数字孪生的核心。它充分利用各种先进的关键技术，实现下层数据的利用和上层功能的支撑。功能层：功能层是数字孪生的直接价值体现，实现系统认知、系统诊断、状态预测、辅助决策等功能。一方面，系统认知意味着数字孪生能够真实地描述和呈现物理实体的状态；另一方面，意味着数字孪生除了感知和计算之外，还具备独立分析和决策的能力。后者是更高层次的功能，是智能系统发展的目标和趋势；系统诊断是指数字孪生实时监测系统，能够判断即将到来的不稳定状态的能力，即“预知力”；状态预测只是数字孪生可以根据系统运行数据预测物理实体的未来状态，即“预言”；辅助决策是指根据数字孪生的数据预测物理实体未来状态的能力。呈现、诊断和预测的结果为系统运行过程中的各种决策提供参考。应用层：应用层是数字孪生在各种场景下的最终价值体现。它体现在不同行业的各类产品中，能够显着推动各行各业的数字化转型。目前，数字孪生已应用于智慧城市和智慧工业。 、智慧医疗、车联网等领域，尤其是数字孪生城市和数字孪生制造最为成熟。 04 数字孪生关键技术 根据数字孪生架构，数字孪生包括以下关键技术。

4.1 建模

建模是创建数字孪生的核心技术，也是数字孪生上层运行的基础。建模不仅包括物理实体的几何结构和形状的三维建模，还包括物理实体本身的运行机构、内外接口、软件和控制算法的全数字化建模。数字孪生建模具有很强的特殊性，即不同物理实体的数字孪生模型差异很大。目前，不同领域的数字孪生建模主要借助CAD、Matlab、Revit、CATIA等软件来实现。前两者主要面向基础建模，Revit主要面向建筑信息模型（BIM）建模，CATIA面向更高层次的产品生命周期管理（Product Lifecycle Management，PLM）。

4.2 模拟

仿真是数字孪生模型验证的关键方法。仿真和建模是一对伴侣。如果说建模是对物理实体的理解的建模，那么仿真就是验证和确认这种理解的正确性和有效性的工具。仿真是利用具有确定性规律和完整机制的模型，以软件的形式模拟物理实体的技术。在建模正确、感知数据完整的前提下，模拟基本上可以正确反映物理实体在一定时间内的状态。仿真起源于工业领域。近年来，随着工业

随着4.0、智能制造等新一轮工业革命的兴起，仿真软件开始与传统制造技术及各种新兴技术相结合，在研发设计、生产制造、测试运维等方面发挥着重要作用。 、等方面。

4.3 云计算和边缘计算

云计算为数字孪生提供了重要的计算基础设施。云计算利用分布式计算等技术，整合强大的硬件、软件、网络等资源，为用户提供便捷的网络访问。用户使用可配置计算资源的共享池，这些资源按需计费并使用各种应用程序和服务。完成目标功能的实现，而无需担心功能实现方法，显着提高了用户进行各项业务的效率。云计算按照网络结构可以分为私有云、公有云、混合云和专有云。按照服务层次，可以分为基础设施即服务（IaaS）、平台即服务（PaaS）和软件即服务（SaaS）。边缘计算将云计算的各种计算资源分配到更靠近用户侧的边缘，即计算可以在智能手机等移动设备、边缘服务器、智能家居、摄像头等靠近数据源的终端上完成。 ，从而减少了云之间的传输，减少了服务延迟，节省了网络带宽，并减少了安全和隐私问题。云计算和边缘计算以云边协同的形式为数字孪生提供分布式计算基础。终端采集数据后，部分小规模本地数据留在边缘用于轻量级机器学习和仿真，仅将大规模整体数据发送回中央云端进行大数据分析和深度学习训练。对于高水平的数字孪生系统，这种云边端协同的形式可以更好地满足系统的时效性、容量和算力要求。每个数字孪生都部署在相应的物理实体附近，以完成一些时间敏感或轻型任务。还将所有边缘侧数据和计算结果传输至数字孪生主控中心，对整个数字孪生系统进行统一存储、管理和调度。

4.4 大数据与人工智能

大数据和人工智能是数字孪生实现认知、诊断、预测、决策等多种功能的主要技术支撑。大数据的特点是数据量巨大、数据类型多样、数据实时在线、数据价值密度低但商业价值高。传统的大数据相关技术主要集中于数据的采集、组织、传输、存储、分析、呈现和应用。然而，随着近年来各行业、各领域数据的爆发式增长，大规模数据开始需要更高性能的算法来支持其分析处理，也正是这些需求带来了诸多发展突破人工智能技术。两者可谓齐头并进。人工智能需要大量的数据来进行预测和决策。基本上，大数据需要人工智能技术来进行数据价值运算。目前，人工智能已经发展出更高水平的强化学习、深度学习等技术，可以满足与大规模数据相关的训练、预测和推理的需求。在数字孪生系统中，数字孪生会感知来自物理实体的大量实时数据。借助各种人工智能算法，数字孪生可以针对不同的需求场景训练模型并完成后续的诊断、预测和决策任务，甚至在物理机制不清楚、输入量不明确的情况下也可以实现对未来状态的预测。数据不完整，赋予数字孪生“预见”的能力。

4.5 物联网 物联网是承载数字孪生数据流的重要工具。

物联网通过各种信息传感技术和设备，实时采集监控对象的位置、声、光、电、热等数据并通过网络传回，实现物与物、物与物的无所不在的连接以及人，完成监控对物体的智能识别、感知和控制。物联网可以为数字孪生与物理实体之间的数据交互提供纽带，即通过部署在物联网物理实体关键点的传感器，通过各种短距离无线通信技术（如如NFC、RFID、蓝牙等）或远程通信技术（互联网、移动通信网络、卫星通信网络等）传输到数字孪生。

4.6 VR、AR、MR VR、AR和MR技术是使数字空间中的交互更接近物理实体的方式。

虚拟现实（VR）将构建的三维模型与各种输出设备相结合，模拟出一个虚拟空间，让用户体验与现实世界的分离并实现交互。增强现实（AR）是虚拟现实的发展，它将虚拟世界内容与现实世界叠加，让用户体验的不仅仅是虚拟空间，从而实现超越现实的感官体验。混合现实（MR）基于增强现实构建用户与虚拟世界和现实世界的交互通道，进一步增强用户的沉浸感。在VR、AR、MR技术的支持下，用户与数字孪生的交互开始类似与物理实体的交互，不再局限于传统的屏幕呈现，使得数字世界在各方面更加贴近现实世界。感官和操作经验。 ，基于物理实体的数字孪生的决策将更加准确、更接近现实。

05数字孪生展望

5.1 面临的挑战

5.1.1 技术挑战

数字孪生的发展面临以下五个技术挑战。

a) 数据收集、传输和管理方面的挑战。对于数据采集来说，主要挑战是传感器的类型、精度、可靠性和工作环境受到当前技术发展水平的限制；对于数据传输来说，主要挑战是传输的实时性，而目前使用的大多数网络传输设备和网络结构很难满足高水平的传输速率和质量要求；对于数据管理来说，全生命周期的数据管理需要借助分布式和冗余存储，如何优化数据分布架构、存储方式和检索方式，获得实时可靠的数据读取，提高性能是其在应用中面临的挑战。数字孪生系统。

b）多尺度融合建模的挑战。首先，现实中的复杂系统往往很难建立准确的数学模型。目前的建模方法大多基于统计算法，将数据转换为物理模型的替代品。模型的可解释性不足，难以深入描述或表征物理实体的机制。如何将高精度传感数据与物理实体的运行机制有效深度结合，获得更好的状态评估和系统表征效果，是构建精准数字孪生模型的关键。其次，高级数字孪生系统通常需要对大量不同的物理实体进行建模。当将这些不同尺度的模型集成为综合的系统级模型时，增加了不同模型之间的数据接口和数据转换器，以解决模型参数及其格式不一致的问题，这也是数字孪生建模过程中的挑战。

c) 高性能计算的挑战。数字孪生系统各项功能的实现很大程度上依赖于高性能计算能力。系统搭载的云计算平台必须优化数据结构和算法结构，并提供足够的计算能力。终端上部署的边缘计算平台必须综合考虑。算力与功耗的平衡是数字孪生系统层面需要面对的挑战。在服务层面，当今用户所需的人工智能基础设施不足、人工智能应用解决方案成本高昂也是亟待解决的问题。

d) 虚拟演示的挑战。如今，VR、AR、MR技术本身就有很多瓶颈需要突破。对于复杂的数字孪生系统，VR、AR、MR存在两个技术难点：一是需要布置大量高精度传感器来采集系统的运行数据。虚拟呈现提供了必要的数据源和支持，二是如何将虚拟内容叠加到现实空间上，提供沉浸式的虚实交互体验。

e) 系统安全挑战。数字孪生系统中数字孪生与物理实体之间的交互是基于网络数据传输的。数字孪生的应用逐渐将企业原有的封闭系统转变为开发系统，因此出现系统安全问题。首先是数据传输和存储的安全性，即传输和存储过程中存在数据丢失、数据泄露等风险。其次，数字孪生虚实交互过程存在安全漏洞，容易受到外部攻击，从而造成系统紊乱。 ，影响数字孪生与物理实体之间数据信息和控制指令的交互效率。

5.1.2 应用挑战

数字孪生在实际应用中也面临一定的挑战。

a) 多场景应用的挑战。涉及数字孪生的行业需要不断扩大。目前，数字孪生得到实际应用的行业还很少，主要集中在智慧城市、智能制造等行业。在其他行业，数字孪生仍处于概念和原型设计阶段。此外，数字孪生大规模应用的场景也相对有限。即使在已经投入实际应用的个别行业，数字孪生更多是服务于单个小场景或单个系统，例如单个建筑或单个机器的数字孪生。尚未在大规模场景中得到应用。

b) 数字孪生产业链的挑战。特定行业的整个产业链涉及不同功能的实体。通过建立数字孪生产业链，可以实现跨区域、跨行业、跨企业、跨部门的高效协作和资源优化配置。但目前，数字孪生产业链各主体仍处于碎片化阶段，联系不够紧密，数字化程度较低。

5.2 发展趋势

a) 技术方面。在数字孪生的发展过程中，各种支撑关键技术日趋成熟。硬件支撑技术的发展可以给系统带来高效的数据传输能力和高性能计算能力，软件相关算法和模型的发展可以给系统带来可靠的数据管理能力和深度模型融合能力。这些都在不同层面上推动了数字孪生在各个领域的应用。未来，随着新一代信息技术、先进制造技术、新材料技术等一系列新兴技术的共同发展，数字孪生将进一步探索和尝试、优化和完善。发展。

b) 应用方面。随着数字孪生的普及，更多的企业能够挖掘各类数据的隐藏价值，并以此为基础构建更加复杂、动态的数字模型。因此，从长远来看，数字孪生的应用一方面会向广度发展，即数字孪生应用到更多行业、服务更多场景；另一方面，向纵深发展，即贯穿特定产业链的全行业，全面覆盖上下游各类主体，追求行业的数字化转型。

c) 政策方面。国家对数字孪生相关技术的重视程度不断加大。未来，更多政策将出台鼓励人工智能、云计算、大数据等技术的深入发展，这将进一步促进数字孪生的成熟。同时，国家将持续推动企业数字化转型进程，深化数字经济与实体经济深度融合。在经济扶持政策和技术扶持政策的双重红利下，数字孪生将越来越完善，最终造福国家和人民。 。