数字孪生关键技术及体系架构

****__摘要： ****

数字孪生以其领域快速增长的数据作为核心要素，在先进科技的支持下构建了物理实体在虚拟空间中的数字化模型，并实现了对物理实体的精准控制与优化目标。该技术不仅推动了数据驱动型创新方法的发展，并为企业提供了实现数字化转型的有效策略；随后深入阐述了其演进路径与应用场景价值；接着系统梳理了其典型特征及其体系架构；最后基于该架构详细解析了多项核心技术要点，并对未来研究方向进行了展望；整体而言该研究为数字孪生技术的发展指明了新方向并提出了若干值得关注的问题

01

概述

数字孪生技术中的"孪生"概念最早源自20世纪美国国家航空航天局（NASA）的阿波罗计划项目。通过在地球上的固定航天器来复制和模仿太空中的飞行器行为模式，在此过程中辅助航天员做出决策操作，并显著减少了操作结果的不确定性。

“数字孪生”这一术语最早出现在2009年美国空军研究实验室所提出的“飞机身体数字孪生体”的概念之中。然而，在随后的时间里，“将‘数字孪生’视为独立概念”的尝试却始于2010年NASA发布的两份技术报告中，并将其界定为由多个物理量、不同尺度以及概率组成的系统或飞行器仿真过程。自此之后，“数字孪生”逐渐进入公众视野，并开始受到各个研究领域的关注

在2012年时, NASA明确指出数字孪生作为推动未来飞行器发展的重要技术之一;到了2013年,NASA将其列为'全球科技愿景'的重要组成部分;在2017年的时候,乔治亚理工学院首次提出了'数字孪生城市'这一概念;自2018年起,国际标准化组织如ISO.IEC及IEEE等开始致力于制定与数字孪生相关的标准

数字孪生至今尚未形成统一的理论体系。从其诞生至今，不同研究与应用领域对其各自提出了不同的定义, 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，在产业、商业、社会等方面体现出了其重要的价值。

a）在产业价值层面而言，在搭建全产业链的数字孪生体后，则可助力产业升级向制造与服务深度融合的新型产业形态转变；具体而言，在基于市场需求、用户沟通机制以及产品全生命周期管理的基础上构建数字孪生体，则能使传统产业获得定制化生产能力，并由此促进商业模式向敏捷化与灵活性转变；另一方面，在全生命周期视角下构建数字孪生体，则有助于形成从产品研发到最终应用使用的完整封闭体系，并通过加速产品研发与迭代升级进程来进一步推动产业发展

b）商业价值方面，在获得各领域的广泛认可后，在过去的时间里已有许多科技公司已经开始开发并推出相应的数字化孪生解决方案，并且这些方案在实际应用中持续优化和完善以满足客户的具体需求。此举不仅为企业创造了显著的经济效益，并且也促进了更多企业共同推动数字化转型；另一方面，在构建全生命周期内的数字化孪生模型时能够帮助提升产品质量、降低生产成本以及提高生产效率等目标，并且这一做法也体现了数字化转型的重要价值

c）从社会价值层面来看, 数字孪生技术能够促进社会数字经济的发展. 数字经济是继农业经济和工业经济之后, 随着信息技术革命持续发展而形成的新经济形态. 其核心是基于数据驱动的发展理念, 实现实体经济的数字化 twin model, 系统性地进行数据整合与应用, 在进行模拟决策分析、资源配置优化以及市场潜力评估等方面的仿真与复现工作, 从而有助于提升生产效率水平, 探索新的经济增长点以及实现经济的持续健康发展.

03

数字孪生体系架构

数字孪生具备以下几个典型特征。

数化保真是指通过数字化手段生成一个与物理实体高度一致的表现模型。它不仅要求数字孪生体能真实呈现物理实体的各项指标，并且能准确反映实体状态变化。

b）实时交互。“current state"指的是数字孪生体处于物理实体状态的即时虚拟映射。“interaction"则指的是基于实时性原则，在此框架下，数字孪生体与物理实体之间的数据及指令通过通道进行双向传递。

c）先知先觉。“先知”是指基于物理实体的各项真实数据，在虚拟仿真的基础上预判其未来运作模式，并在此过程中辅助决策者制定更为周密的战略规划与应对措施。“先觉”则强调通过持续追踪物理实体的动态变化状态，在及时识别潜在风险并为其提供及时应对策略方面发挥重要作用。

d）共生共智。共生性是指数字孪生体与物理实体形成同步构建过程中的双向互动关系，在全生命周期内相互依存发展。协同智慧则体现在两个层面：其一是在各自子系统层面实现信息、数据和算法等要素的共享融合；其二是在整体层面实现更高层次的协同优化。

根据数字孪生的典型特征，可以提出一种数字孪生的体系架构，如图1所示。

图1 数字孪生体系架构

感知层：感知层主要包含实体世界中搭载先进物联网技术的各种新型设施

数据层： 数据层主要由三部分组成：一是通过高精度的数据采集确保运算的准确性；二是采用快速的数据传输技术以满足交互实时性；三是建立全程的数据管理机制以保障存取可靠性。

运算层： 运算层作为数字孪生体的核心组成部分，在这一层次中，运算层通过充分借助一系列先进的核心技术来实现对底层数据进行利用，并为上一层的功能提供必要的支持。

功能层： 功能层是数字孪生技术体系的重要组成部分及其直接执行者之一，在支撑体系运行机制方面发挥着基础性作用。其主要承担着以下几项核心功能：一是实现系统认知功能；二是承担系统诊断功能；三是提供状态预测能力；四是辅助决策支持工作。其中系统的认知功能包含两个方面：一是通过真实描述和呈现物理实体的状态来实现信息感知；二是借助感知与运算能力自主分析并作出决策判断（这一阶段属于更高层次的功能形态）。而系统的诊断功能则体现在实时监控系统的运行状态并及时识别潜在风险（即所谓的"先觉"）。状态预测则仅限于基于运行数据对未来状态做出预测（即所谓的"先知"）。最后的辅助决策则是通过整合前面所述的各项结果信息为系统的运行决策提供参考依据

应用层：在构建数字孪生体的过程中，默认采用底层架构作为基础支撑系统，在多个应用场景中展现出其终极功能展现能力。该体系能够有效促进各行各业向数字化转型迈进，并已在智慧城市、智慧工业等多领域取得显著进展。当前技术正广泛应用于多个新兴领域如智慧城市、智慧工业等均已实现突破，在智能城市建设和智能制造领域的进展最为显著

04

数字孪生关键技术

根据数字孪生体系架构，数字孪生包含了以下各项关键技术。

4.1 建模

构建数字孪生体的关键技术是建模，并非单纯的技术创新而是跨学科的知识融合与方法创新过程。
不仅包含对物理实体的几何结构与形态特征的三维重建以及运行机理的数字化刻画，
还涉及对其内部接口关系以及相关软件与控制算法的支持性研究。
这种专业特性体现在每个物理实体都有其独特的数字孪生模型。
目前不同领域中的数字孪生应用多依赖CAD、Matlab等软件来完成，
其中CAD及其扩展功能主要用于基础模型构建，
而Matlab则专注于算法开发与系统仿真，
此外,CATIA则专注于更高层次的产品生命周期管理。

4.2 仿真

在数字孪生模型验证中占据关键地位的方法是仿真实验，在软件平台上构建具有确定性规律与完整机理的数学模型后进行数值模拟的技术被称为仿真实验。仿真与建模互为依存的关系，在建模正确且感知数据完整的前提下基于完善的理论基础与充分的数据支撑其本质则是通过实验手段检验该理论体系是否合理，在软件平台上构建具有确定性规律与完整机理的数学模型后进行数值模拟的技术被称为仿真实验。这种模拟结果能够较为准确地还原实际系统的行为模式

仿真技术源自工业领域的早期发展，在过去几十年里经历了持续性演变与完善。随着工业4.0战略与智能制造体系作为新一轮工业化进程的重要组成部分逐渐形成并深化发展，在研发设计、生产制造以及运行维护等多个环节中展现出显著的技术支撑作用。

4.3 云计算与边缘计算

云计算提供了支持数字孪生的重要计算基础设施。云计算采用了基于分布式架构的技术整合了强大的硬件设施软件平台以及网络资源向用户提供便捷的在线接入服务该服务通过灵活付费模式允许用户获取可定制的服务资源池从而实现多种应用场景和服务组合以满足不同需求无需关注具体的技术实现细节从而显著提升了用户开展业务的整体效率该系统根据其架构特点可以分为四种类型：私有云公有云混合云以及专有云从功能划分则可以分为基础设施即服务（IaaS）、平台即服务（PaaS）以及软件即服务（SaaS）。

在边缘计算中将云计算的各种资源部署至更靠近终端用户的地点（如智能手机这样的移动设备端），并延伸至家庭中的各种智能设备（如摄像头），使得这些设备能够自主处理一部分数据处理任务（如图像识别）。这样不仅降低了跨云端的数据传输（减少了传输成本），还减少了服务响应的时间延迟（降低了时延问题）。同时减少了网络带宽的需求消耗（节省了带宽资源），并降低了潜在的安全隐患并保护了个人隐私信息

云计算与边缘计算通过采用云边协同的技术架构为数字孪生系统构建分布式计算基础。在终端设备收集数据后，在边缘端设备上进行轻量级的机器学习模型训练与仿真模拟，并仅对大规模的数据信息汇总并回传至云端数据中心用于全面的数据分析和深度学习训练。对于需要实时响应和高处理能力的复杂场景而言，在确保系统效能的前提下实现即时响应能力，并完成部分基础功能模块的同时，在各虚拟数字孪生单元部署至对应的实际物理设备上完成即时响应能力，并完成部分基础功能模块的同时，在各虚拟数字孪生单元部署至对应的实际物理设备上进行实时状态监测与反馈控制工作以提升整体系统的运行效率与可靠性水平

4.4 大数据与人工智能

大数据与人工智能是数字孪生体实现认知功能的核心技术体系，在诊断能力提升和预测功能优化方面发挥着重要作用，并通过决策支持提升了整体效能水平。在大数据领域中存在三个显著特点：其一是数据量大且种类繁多；其二是实时更新特性明显；其三是尽管单位数据价值不高但整体商业价值却很高；此外传统的大数据分析工作主要聚焦于完成从数据采集到应用分析的全生命周期管理；而随着各行业领域的快速发展对数据分析能力的需求越来越高从而推动了人工智能相关技术体系的持续发展和完善；特别是在算法性能优化方面形成了多层次的学习算法体系以满足大规模数据处理的需求

在数字孪生系统中，数字孪生体会能够接收并处理海量来自物理实体的实时数据，并通过多种先进的人工智能算法构建出适应不同应用场景的模型。这些模型不仅能够执行必要的诊断、预测和决策任务，在面临物理规律尚不完善以及输入数据质量参差不齐的情况下仍能出色地进行未来状态预测。这种能力赋予了'预见未来'的独特功能。

4.5 物联网

数字孪生体的数据流依赖物联网作为关键的技术支撑。
物联网依靠各类信息感知技术及设备实时采集监控对象的位置信息，并通过网络将声、光、电、热等数据回传至云端平台。
借助这些数据回传到云端平台后，在云端平台层面实现了物与物之间的泛在连接，并完成了对监控对象的智能化识别与感知任务

物联网可作为连接数字孪生体与物理实体的关键媒介，在物理实体关键位置部署传感器收集所需数据，并利用短距无线技术和远程技术将信息传递至数字孪生体系统

4.6 VR、AR、MR

通过数字技术手段让数字空间中的互动更加接近于真实的物理环境。采用三维建模技术与先进显示设备协同工作的虚拟现实中一种基于计算机图形学的技术发展而来。增强现实中一种基于计算机图形学的技术发展而来，在这种情况下会将构建的空间内容叠加到用户的视野中，并呈现出现实世界的背景信息。混合现实中一种将用户置于多维信息流中的技术发展，在这种情况下会同时展现虚实世界的动态信息并提升用户的沉浸感

凭借VR/AR/MR技术支持，在与数字孪生体的互动中，用户的体验逐渐演变为类似于与物理实体交互的状态，并非仅仅依赖于传统的屏幕展示方式；从而使得数字化的世界在感官体验和操作方式上更加贴近真实世界的运行机制；基于数字孪生体所制定的相关策略能够更加精准地反映真实世界的运行机制

05

数字孪生展望

5.1 面临的挑战

5.1.1 技术方面的挑战

数字孪生的发展在技术方面面临以下5项挑战。

在数字孪生系统构建中所面临的关键问题包括：
在数据采集环节存在诸多障碍，
主要障碍在于所采用传感器类型、精度及可靠性受限于现有技术水平。
在数据传输方面，
首要问题是实时性要求，
而现有网络传输设备及网络架构难以满足高要求速率与服务质量。
在数据管理层面，
基于全生命周期的数据管理需要依赖分布式存储与冗余存储架构，
如何通过优化分布架构、提升存储效率与改进检索方法来实现可靠的数据读取性能，
仍是应用于数字孪生系统时所面临的核心挑战。

b）多尺度融合建模面临的挑战。首先，在现实中许多复杂系统很难建立精确的数学模型。现有的建模方法主要依赖于统计学算法将数据转换为物理模型的一种替代形式，并未能充分保证模型本身的可解释性，在深入刻画或表征物理实体所遵循的基本规律方面存在不足。如何有效结合高精度传感器数据与物理实体运行的基本规律，在构建高精度数字孪生模型的过程中实现状态评估与系统表征效果的最大化，则是当前研究的核心难点之一。其次，在构建高层次数字孪生系统时，通常需要同时考虑多个不同物理实体及其运行机制，在这一过程中如何实现各子系统的有效融合至关重要。在构建综合系统级数字孪生模型的过程中还需要解决各子系统间参数和格式不一致的问题，并设计相应的数据接口及数据翻译器以确保系统的完整性和一致性

c）高性能计算能力是面临的重大挑战。数字孪生系统的各项功能实现高度依赖于强大的计算能力。针对搭载于云计算平台的功能开发与运行管理需求，在优化数据结构与算法架构的同时，并配备充足的计算资源；而针对部署于终端设备上的边缘计算平台，在综合考虑算力与能耗平衡方面，则提出了更高的要求。这些都构成了数字孪生系统层面面临的主要挑战。而在服务层面，则存在用户的AI基础设施水平有待提升以及AI应用方案的成本问题亟待解决等亟待解决的问题。

d）虚拟呈现的技术挑战。当前VR/AR/MR技术尽管取得了显著进展但仍面临诸多亟待突破的技术瓶颈；就大型数字孪生系统而言VR/AR/MR技术面临着两个主要难点：其一是在该系统运行过程中需要部署大量高精度传感器用于采集系统的运行数据以保障虚拟呈现的基础数据来源；其二是如何将虚拟内容与现实空间进行深度融合并实现沉浸式的虚实交互体验

e）系统安全的挑战。在数字孪生系统中，数字孪生体与物理实体之间的交互建立于网络数据传输机制之上。随着数字孪生技术的应用推广，企业原有的封闭物理系统逐渐转变为开放式的开发体系，在这一转变过程中伴随着系统的安全性问题日益凸显。具体而言，在数据传输及存储环节存在多重安全风险因素：首先涉及信息泄露或数据丢失风险；其次则是在虚拟与实际交互过程中可能出现功能漏洞；这些因素可能导致系统的脆弱性增强从而成为外部攻击的目标进而引发系统紊乱影响数字孪生体与物理实体之间实时的数据交流效率及指令控制能力

5.1.2 应用方面的挑战

数字孪生在落地应用方面也面临一定的挑战。

在多场景应用方面存在诸多挑战。值得进一步拓展的应用领域中存在较多空白区域，在智慧城市建设与工业自动化制造等主要行业中已取得一定进展。然而，在其他领域，则仍停留在概念设计与原型验证阶段。此外，在大规模应用场景方面的探索也相对局限，并非广泛应用于各个行业的复杂环境中。即便是在某些已经取得初步实践成果且投入使用的行业中，在其服务对象主要是单一的小范围场景或单一系统的情况下仍然面临较大的技术限制与推广难度

在推进数字孪生产业链的过程中所面临的主要问题是什么。在各个具体产业领域内都存在由不同职能主体构成的整体链条，在这种情况下, 基于建立完整的数字孪生产业链框架，则可使这些主体实现空间上的广泛协作以及资源利用效率的最大化。然而，在当前状态下, 各参与主体间的连接程度仍然较为薄弱

5.2 发展趋势

在数字孪生的发展进程中，相关技术基础逐渐完善。硬件支持技术的进步显著提升了系统的高效数据传输能力和计算性能；软件层面的算法与模型发展则增强了系统的可靠管理系统能力和多层次的融合机制；这些进展全方位地推动了数字孪生在各领域中的实际应用。展望未来，在新一代信息技术、先进制造技术和新材料等一系列新兴技术协同发展的背景下，数字孪生将在创新探索与持续改进中实现更大突破。

b）应用方面。随着数字孪生技术的发展普及, 企业能够深入挖掘数据潜在价值, 并开发出更为细致和灵活的数据驱动方案. 展望未来, 数字孪生技术的应用将横向拓展, 广泛应用于更多行业和场景; 同时也将纵向深化, 穿透产业链上下游, 全面覆盖各类主体, 推动产业实现数字化转型.

c）政策方面。我国对数字孪生相关技术的关注度持续提升，在未来肯定会出台一系列旨在促进人工智能、云计算、大数据等核心技术深度应用的新举措。这些新举措将加速推动数字孪生技术的发展进程，并为其广泛应用奠定基础。与此同时，国家将继续深入推进企业数字化转型战略实施，并进一步加强数字经济与实体经济之间的深度融合，在一系列经济和社会的支持措施协同作用下，数字孪生技术的应用水平将进一步提高。最终这一系列新举措将为国家发展及人民生活带来深远影响。