听起来挺高大上的数字孪生技术，源于人类的一种需求。“爸妈，家里已经有我了，为什么还要再生一个？”“嗯。你玩游戏时，要是大号废了，不是得练个小号吗？”这显然是一个笑话，但是，如果未来能够将数字孪生应用于人类，也许在网络空间中就有了一个仅存在于信息世界里的“你”——数字孪生的你。

1、数字孪生概述

数字孪生(Digital Twin)最早出现于2003年，由Grieves教授在美国密歇根大学的产品全生命周期管理课程上提出，是一个诞生于 21世纪的“年轻”概念。2017年10月，Gartner将数字孪生技术评为2017年10大技术趋势之一。

这项技术在工业物联网中扮演着越来越重要的角色。特斯拉公司为其生产和销售的每一辆电动汽车都建立了数字孪生模型，相对应的模型数据都保存在公司数据库里，以便在测试中排查故障，为客户提供更好的服务。

数字孪生技术是一种实体空间与虚拟空间的数字化、网络化、智能化的映射关系，在物理与数字两个空间同时记录个体全生命周期的运行轨迹，这样我们便可以在网络空间中记录或者观察物体或设备的运行特征。

从更为深刻的角度来思考，数字孪生在信息世界里构建了一个平行的虚拟空间，这在信息维度上打开了一扇能够实现时间非均匀性呈现的大门，也许会通往一种跨域时空的网络。

以目前的技术和对生命的认知，人类还无法完全理解大自然的智慧，大自然通过基因沿时间轴传承自身的智慧，让人类在进化中一代代更迭。基因相当于一个沿着时间轴的网络，是垂直于空间的，基因作为“核心技术”还无法完全破解。

而人类发明的网络则是存在于现有空间中的，无法沿时间轴传递智慧。但是，有了数字孪生，也许就有了智慧传承的时空分析模型的一个引子。

数字孪生技术表现的是形状上完全一样，但质地上差异很大的一对事物，数字模型就像是真实物体的影子，是数字世界中虚拟的模型。所有的数据模型都能够双向沟通，真实物理产品的状态和参数将通过智能生产系统集成的信息系统向数字化模型反馈。

另外，有一些公司正在试图将机器学习技术引入数字孪生领域，帮助建立智能化的数字模型，利用大量的传感器获取相应的数据信息，结合AI算法，可以尝试对正常运行的设备机器做出异常行为预测，及时排查运作过程中可能会出现的隐患。

一些技术专家认为，基于机器学习的数字孪生技术，使人们可以在不靠近或无法靠近设备的情况下，进行相应的预估检测。随着这种技术日趋成熟，最终或许会大范围地覆盖整个工业领域。它将被企业用于规划设备服务、生产线操作、预测设备何时出现故障、提高操作效率、帮助新产品开发等。在未来，这项技术将有望与工业生产彻底融合，推动工业4.0全面进入智能的新阶段。

2、数字孪生的特点

2011年，Michael Grieves教授在《几乎完美：通过PLM驱动创新和精益产品》一书中引用了其合作者John Vickers描述该概念模型的名词——数字孪生体，并一直沿用至今。其概念模型如下图所示，包括三个主要部分：物理空间的实体产品(物理空间)、虚拟空间的虚拟产品(虚拟空间)、物理空间和虚拟空间之间的数据和信息交互接口。

数字孪生是实现物理与信息深度融合的一种有效手段。数字孪生具有以下特点。

• 对物理对象的各类数据进行集成，是物理对象的忠实映射。
• 存在于物理对象的全生命周期，与其共同进化，并不断积累相关知识。
• 不仅能够对物理对象进行描述，而且能够基于模型优化物理对象。

当前数字孪生的理念已在部分领域得到了应用和验证。西门子公司提出了“数字化双胞胎”的概念，包括“产品数字化双胞胎”“生产工艺流程数字化双胞胎”和“设备数字化双胞胎”。致力于帮助制造企业在信息空间构建整合制造流程的生产系统模型，实现物理空间从产品设计到制造执行的全过程数字化。

3、数字孪生的应用

在航天飞行器中的应用

2011年，美国空军研究实验室为了解决未来复杂服役环境下的航天飞行器维护问题及寿命预测问题，计划在2025年交付一个新型号的空间飞行器以及与该物理产品相对应的数字模型，即有机数字孪生体，其在两方面具有超写实性：包含所有的几何数据，如加工时的误差；包含所有的材料数据，如材料微观结构数据。

当时，在美国国家航空航天局(NASA)的一个项目中，NASA需要制造两个完全相同的空间飞行器，留在地球上的飞行器称为孪生体，用来反映(或作镜像)正在执行任务的空间飞行器的状态或状况。

• 在飞行准备期间，被称为孪生体的空间飞行器广泛应用于训练。在数字空间中建立真实的飞行器模型，并通过传感器实现与飞行器真实状态完全同步。
• 在任务执行期间，使用留在地球上的孪生体进行仿真实验，该孪生体尽可能精确地反映和预测正在执行任务的空间飞行器的状态，从而辅助太空轨道上的航天员在紧急情况下做出最正确的决策。
• 在每次飞行结束之后，在数字空间里根据此次飞行的数据分析飞行器现状和负荷情况，而不用检修人员进入机舱对发动机等各种设备进行实际的检测。

机体数字孪生体作为正在制造和维护的机体的超写实模型，是可以用来对机体是否满足任务条件进行模拟和判断的。它由许多子模型组成的集成模型，如下图所示。

 

目前，除了产品以外，针对工厂、车间、生产线、制造资源(工位、设备、人员、物料等)，在虚拟空间都可以建立相应的数字孪生体。详见如下几个例子。

1．数字线索

如果说数字孪生是一系列正在发展中的概念、模型、技术、应用，那么，数字线索(Digital Thread)则侧重于“模型”及其基于模型的系统工程分析框架。数字线索最早由美国的洛克希德·马丁公司提出，其特点是“全部元素建模定义、全部数据采集分析、全部决策仿真评估”，能够量化并减少系统寿命周期中的各种不确定性，实现需求的自动跟踪、设计的快速迭代、生产的稳定控制和维护的实时管理。下图是一个数字线索基础设施示意图。

例如，在产品的概念设计与研发阶段，早期快速迭代非常关键。通过执行快速的“假设”和建模分析，用户可在研发过程早期了解产品特性，避免在不切实际的设计上浪费时间，并且防止在验证阶段重新进行设计。这能帮助用户以更少的成本和更快的速度将创新技术推向市场。

在产品应用后的设备维护阶段，持续变化的现场产品性能数据可与工程仿真的结果同步结合并进行仿真评估，以预测产品一定条件下未来性能的变化。这种预测性功能可优化维护进度、降低维护成本、减少或避免计划外设备停机、提高运营性能。具体来讲，通过对每一个设备的当前状态建模，进行基于现实应用的分析，以获得更高的运行效率、更低的热耗率、更长的寿命和更大的功率。

2．生产生命周期的应用

数字孪生是实际运行设备的实时虚拟版本，可用来提供产品的性能与维护信息。工程仿真并不局限于产品研发过程。如下图所示，物理设备(左图)上的传感器将温度、振动、碰撞、载荷等各项数据发送到数字孪生的虚拟样机(右图)。然后，虚拟样机与机械工作环境的变化保持一致，并同步运行。数字孪生能够在出现状况前提早进行预测，以便在预定停机时间内更换磨损部件，避免意外停机。另外，用户还可根据实时反馈信息提前部署新一代机器的设计。

使用数字孪生技术可应对不断提高的产品复杂性，同时设计空间不断扩展，这些优势推动了更多的新用户使用仿真技术，从而在工作的产品之间建立联系。例如，产品研发团队可将数字孪生提供的信息直接运用到当前的产品研发工作中，这有望大幅加速新产品的创新和推出过程。可以说，我们正迎来全新的仿真时代，数字孪生将带领我们超越仿真驱动产品研发的范畴，逐渐扩展到仿真驱动的工程领域。

3．数字孪生车间

通过物理车间与虚拟车间的双向真实映射与实时交互，实现物理车间、虚拟车间、车间服务系统的全要素、全流程、全业务数据的集成和融合，在车间孪生数据的驱动下，实现车间生产要素管理、生产活动计划、生产过程控制等在物理车间、虚拟车间、车间服务系统间的迭代运行，从而在满足特定目标和约束的前提下，达到车间生产和管控最优的一种车间运行新模式。

在基于信息物理融合的探索中，陶飞和程颖等科研工作者构建的数字孪生车间参考系统架构见下图。他们认为，数字孪生车间(Digital Twin Workshop，DTW)主要由物理车间(physical workshop)、虚拟车间(cyber workshop)、车间服务系统(Workshop Service System，WSS)、车间孪生数据(workshop digital twin data)4部分组成。

4、小结

数字孪生产生于物联网时代，它源于物联网和CPS(信息物理系统)，深于物联网。“深”在什么地方？

• 一个是“线索”的粗细不一样。物联网的线条更粗，联系更广；而数字孪生的线条更为细密。这也是科技更新迭代的速度，所催生出更加精细化的技术场景，这一趋势使然。
• 另一个是“预测”。数字孪生能够让产品、系统在应用的场景里，沿时间轴模拟并“超越”产品的变化周期。

当然，两者所能够联系起来的变量(或者说因素)的规模和场景都有所区分，但是它们都是新一代信息技术的一部分。