数字孪生技术与应用

一个完整的数字孪生系统必须具备四个核心要素: 数字模型作为基础架构、关联数据作为信息纽带、身份识别作为基础依据以及实时监测功能作为关键支撑。该系统通过整合软件能力、硬件设施与物联网反馈机制来构建其独特的运行模式。实体运行的数据可视为构成一个完整闭环的基础信息来源。反过来,通过数字化手段传递到实际对象中的模拟数据与指令信息,不仅能够实现故障预警,还能辅助预防性维护策略的有效实施。这一过程体现了双向的信息反馈与优化发展机制。

数字孪生模型是对实体的一种数字化表示；这种数字化表示往往呈现出多维度且动态变化的特点；它主要通过安装在物体表面的传感器或模拟数据流来进行实时状态监测；同时，在接收指令数据后会将这些信息反馈至物体本身，并最终引起其状态的变化。

数字孪生模型

数字孪生在完美条件下包含着物理实体的所有信息，并将其转化为虚拟空间中的镜像图像。这种数字化表示具备以下具体特性：1）高度准确；2）动态更新；3）多维度集成。

通过分析虚拟空间中的数字孪生运行情况，在不必要地建造物理实体的情况下（即不需要在现实世界中建立实体模型），能够实现实时监控……并进行预测与调节。

（2）基于产品全生命周期管理理论，在不同阶段中, 物理实体会受到环境和功能需求的影响而发生转变；由于数字孪生是物理实体在虚拟空间中的映射关系, 在这种情况下数字孪生也会随之发生转变。

1-基于物理实体的机理和数据科学知识，在虚拟空间构建它的数字孪生；

将相关设备整合为一揽子实时运行状态数据与维护历史记录进行动态同步至数字孪生平台，并对之进行持续优化；

搭建具有逼真度高的仿真环境，在此环境中对经过优化处理的数字孪生模型进行模拟运算，模仿物理实体在真实环境中运行的行为模式；

通过分析模拟仿真所得的数据并提取具有参考价值的信息后，在实际生产中应用这些数据以提升产品设计水平的同时，并提高制造工艺水平以及优化运行维护流程。

数字孪生五维模型

在公式中:PE代表物理实体,VE代表虚拟实体,Ss即服务,DD即孪生数据,CN指各组成部分之间的联系

数字孪生五维模型能够满足上一节所述数字孪生应用的新需求。首先,Mpr作为一个通用参考架构,适用于不同领域及不同应用对象。其次,其五维结构通过融合物联网(New IT)、大数据以及人工智能等技术,成功实现了信息物理系统集成以及数据的深度融合,从而满足了信息物理数据融合和虚实双向连接交互的需求。再次,虚拟实体(VE)从多维度、多尺度以及多层次对物理实体进行刻画描述;而服务(Ss)则将数字孪生应用中涉及的不同领域层次及业务所需的数据模型算法仿真结果等进行了服务化封装,并通过应用软件或移动端App的形式交付给用户,从而实现了服务的便捷化使用。最后,孪生数据(DD)整合了信息数据与物理数据,确保了信息空间与物理空间的一致性和同步性需求,为用户提供全面准确的数据支持并覆盖全要素全过程及全业务场景;而连接(CN)则通过实现各实体间的普适工业互联机制,确保了虚拟世界与物理世界的实时互联及数据融合能力

1-物理实体（PE）

PE作为数字孪生5维模型的核心支撑，在深入剖析和妥善管理PE的基础上构建Mdt具有重要意义。

2-虚拟实体（VE）

VE由几何模型Gv（详细说明其结构组成）构成；其中该模型包含具体的几何尺寸、形状及其装配关系，并采用三维模型进行表示。

物理模型Pv（Pv在Gv的基础上增加了PE的物理属性约束及特征等信息）；

行为体Bv通过阐述多层次间的相互关系及其动态变化特征构建了一个复杂的系统工程。该体系涵盖了包括问题评估系统综合评价框架等在内的多个子系统的有机整合，并着重研究了各层次间的信息传递机制及其对整体系统性能的影响规律。具体而言它包含了问题建模评估指标体系设计决策优化等多个关键环节构成了一个完整的BPV构建流程。

随着时间的推移（或：随着时代的变迁），这些规律（或：这些准则）会持续发展（或：不断演进），赋予VE实时判断、评估、优化及预测的能力（或：赋予VE实时监控、评估、调整与改进的能力）。这种动态发展的特性使其不仅能够对PE进行控制与运行指导（或：指导与运行管理），还能够对VE进行校正与一致性分析（或：校准与一致性检验）。通常可由已有的知识库整合获取（或：通常可由现有数据库进行整合获取），同时还可以通过机器学习算法不断挖掘产生新的规则（或：同时还可以利用机器学习算法不断挖掘出新的规范与准则）。

这些模型能从多时间尺度，多空间尺度对PE进行描述与刻画。

VE＝（Gv ，Pv，Bv，Rv ）

3-服务（Ss）

涉及对数字孪生应用过程中所需的各种数据（包括但不限于）模型系统、算法模型以及仿真结果进行服务化封装；通过工具组件（如中间组件）、模块引擎等方式来支撑数字孪生系统的内部功能运行与实现。

4-孪生数据(DD)

数字孪生体系中的动态驱动因素包括：PE参数（Dp）代表生产过程的关键指标；VE参数（Dv）代表设备状态的关键指标；Ss参数（Ds）代表系统运行的关键指标；知识参数（Dk）代表系统知识的关键指标；融合衍生参数（Df）则整合了上述各项信息以实现全面数字化管理。

DD=(Dp,Dv,Ds, Dk,Df)

式中

5-3.2.5 连接（CN）
CN负责整合Mdt各组成部分间的互联关系。该系统架构包含以下几类关键接口：

• PE与DD之间的连接（CN_PD）
• PE与VE之间的连接（CN_PV）
• PE与SS之间的连接（CN_PS）
• VE与DD之间的连接（CN_VD）
• VE与SS之间的连接（CN_VS）
• SS与DD之间的连接（CN_SD）

CN＝(CN_PD,CN_PV,CN_PS,CN_VD,CN_Vs,CN_SD) 式中:

① CN_PD实现PE与DD之间的交互: 采用多种传感器设备进行数据采集与整合处理, 并通过OPC-UA/MT Connect/MQTT等多种协议对数据进行实时传输至DD系统; 同时, DD系统经过处理后的数据信息也可通过这些协议返回至PE系统, 实现对PE运行状态的有效优化与控制。
② CN_PV实现PE与VE之间的交互: 该方案与CN_PD系统的实现方法相似, 通过实时采集PE端的数据并将其传输至VE系统, 进行相应的模型更新与参数校正; 同时, VE系统的仿真分析数据也可被转化为控制指令发送至PE执行机构, 实现对PE运行状态的动态监控。
③ CN_PS实现PE与Ss之间的交互: 类似于CN_PD的设计思路, CN_PS系统同样能够接收并处理来自PE端的各种实时数据信息; Ss系统生成的操作指令及专业分析结果可通过应用软件或移动端App的形式反馈给相关操作人员, 从而实现对PE运行状态的有效调控。

CN_VD 通过多种数据库接口与 VE 和 DD 建立互动机制：借助主流的 JDBC 和 ODBC 等标准接口，在 VE 生成仿真数据的同时将其实时同步至 DD；与此同时，则能够即时调用 DD 中融合的数据流、关联信息以及生命历程信息作为 VE 进行动态仿真的驱动力

CN_VS支持VE与 Ss之间的通信：利用Socket、RPC及MQSeries等多种软件接口完成VE与Ss之间的双向通信，并可执行指令的直接传输、数据交换以及消息同步处理等操作。

通过JDBC和ODBC等数据库接口实现CN_SD与SS和DD之间的交互,如同CN_VD的做法,一方面实时将SS的数据存入DD中,另一方面则实时读取DD中的历史数据、规则数据以及常用的算法和模型来支持SS的运行和优化