王宇婷 楊曉波

摘要：數(shù)字孿生技術(shù)一直側(cè)重于應(yīng)用在制造、產(chǎn)品設(shè)計(jì)等重資產(chǎn)行業(yè)，隨著物聯(lián)網(wǎng)、云計(jì)算和AI等支持技術(shù)的發(fā)展，目前數(shù)字孿生也應(yīng)用在其他新領(lǐng)域當(dāng)中。概述數(shù)字孿生發(fā)展歷程，梳理數(shù)字孿生概念架構(gòu)和技術(shù)流程，并基于數(shù)字孿生技術(shù)的特點(diǎn)，分析其在各個(gè)領(lǐng)域中的案例應(yīng)用，為虛擬復(fù)雜場(chǎng)景中應(yīng)用數(shù)字孿生技術(shù)提供理論依據(jù)。

關(guān)鍵詞：數(shù)字孿生;物聯(lián)網(wǎng);虛擬仿真;智慧城市

中圖分類號(hào)：TP399

1.數(shù)字孿生的發(fā)展歷程

2002年左右，美國(guó)密歇根大學(xué)的Mechael Grieves教授在課堂上提出了類似數(shù)字孿生概念的思想，這個(gè)思想也成為業(yè)界普遍認(rèn)同的數(shù)字孿生的起源。但是在此后的十多年中，這一思想并沒有得到業(yè)界響應(yīng)和發(fā)展^[1]。直到2011年美國(guó)空軍研究室（AFRL）在演講中第一次提出了數(shù)字孿生（Digital Twin）。與此同時(shí)，NASA在發(fā)布了一篇文章，正式將數(shù)字孿生這一概念引入其中。后來，工業(yè)4.0重視數(shù)字孿生并開啟相關(guān)課題研究。研究組將數(shù)字孿生技術(shù)應(yīng)用于數(shù)碼行業(yè)和建立互聯(lián)網(wǎng)行業(yè)的金融體系。2015年同年，中國(guó)也注重?cái)?shù)字孿生技術(shù)的發(fā)展，形成了i4CN（工業(yè)4.0中國(guó)）。西門子隨后把數(shù)字孿生和西門子數(shù)字化戰(zhàn)略結(jié)合起來，逐步形成了一個(gè)數(shù)字孿生生產(chǎn)、產(chǎn)品、績(jī)效相對(duì)完整的解決方案。2017年到目前為止，Gartner始終把數(shù)字孿生列為十大戰(zhàn)略科技發(fā)展趨勢(shì)之一。圖1是數(shù)字孿生發(fā)展歷程時(shí)間軸。

2.數(shù)字孿生概念及框架

2.1數(shù)字孿生的概念

很多學(xué)者研究DT（數(shù)字孿生簡(jiǎn)稱）的概念，但是目前為止并沒有在“到底什么是正確的DT”這個(gè)問題上達(dá)成共識(shí)^[2]。2012年NASA給出的數(shù)字孿生的概念是：數(shù)字孿生是一個(gè)集成的多物理學(xué)、多尺度、概率模擬的建成車輛或系統(tǒng)^[3]。但是這篇早期文件中關(guān)于數(shù)字孿生的概念十分模糊，而且只針對(duì)美國(guó)宇航局的飛行器發(fā)展，范圍非常局限。在之后的六年中，數(shù)字孿生概念得到了各個(gè)領(lǐng)域行業(yè)的不斷擴(kuò)充和發(fā)展，使得其概念在2019年得到了初步的完善，Madni教授在文章“在基于模型的系統(tǒng)工程中利用數(shù)字孿生技術(shù)”中歸納總結(jié)了有關(guān)數(shù)字孿生的概念，這個(gè)說法也是目前最被廣泛認(rèn)同的：數(shù)字孿生是一種多物理、多尺度、概率模擬集成系統(tǒng)。數(shù)字孿生在數(shù)字進(jìn)程的支持下，用最佳可用模型、傳感器信息以及輸入數(shù)據(jù)去映射相應(yīng)物理孿生體生命周期內(nèi)活動(dòng)或者性能^[4]。

2.2數(shù)字孿生的構(gòu)建框架

根據(jù)模型在生命周期中的狀態(tài)，建立數(shù)字孿生基本框架，需要對(duì)模型進(jìn)行需求分析，從而確定模型構(gòu)建基本要求。再通過物理模型、數(shù)據(jù)模型、仿真模型之間的耦合集成來完成模型構(gòu)建。模型構(gòu)建過程和需求分析過程之間是不斷迭代的關(guān)系，構(gòu)建出的模型必須每一步都符合前置需求，模型構(gòu)建完成后實(shí)現(xiàn)模型演化并且聲稱仿真系統(tǒng)，達(dá)到數(shù)據(jù)的實(shí)時(shí)更新，每當(dāng)模型發(fā)生改變時(shí)，數(shù)字孿生都會(huì)將演變后的結(jié)果生成最新版的模，同時(shí)新模型以及產(chǎn)生的數(shù)據(jù)都會(huì)存放在模型庫(kù)/云持中被重新利用^[5]。圖2是數(shù)字孿生構(gòu)建過程的整體框架。

3.數(shù)字孿生的應(yīng)用

數(shù)字孿生技術(shù)出現(xiàn)之后，首次被應(yīng)用于飛行器健康管理中，美國(guó)空軍經(jīng)過不斷的探索，詳細(xì)討論了數(shù)字孿生技術(shù)是否適用于航空航天領(lǐng)域。在不斷探索之后，美國(guó)國(guó)家航天局（NASA）和美國(guó)空軍（USAF）聯(lián)合發(fā)表了一篇有關(guān)數(shù)字孿生的論文，文章中明確說明數(shù)字孿生技術(shù)對(duì)飛行器的發(fā)展起著至關(guān)重要的作用。此篇文章發(fā)表之后，數(shù)字孿生技術(shù)被廣泛應(yīng)用于航空航天領(lǐng)域（主要是外部設(shè)計(jì)、預(yù)測(cè)飛行器故障、后期維修等方面）。后來物聯(lián)網(wǎng)、大數(shù)據(jù)、AI以及云計(jì)算技術(shù)的進(jìn)步和完善，使得數(shù)字孿生技術(shù)得到了快速發(fā)展。我國(guó)也緊跟國(guó)際數(shù)字孿生技術(shù)發(fā)展趨勢(shì)。并在2020年由中國(guó)工信部發(fā)布一本《數(shù)字孿生應(yīng)用白皮書》，其中提到了現(xiàn)階段數(shù)字孿生由先前主要應(yīng)用于航空領(lǐng)域，向外擴(kuò)展到智能城市、制造業(yè)、工業(yè)制造、建筑鐵路、石油、船艦、環(huán)保、農(nóng)業(yè)、電力以及醫(yī)療等相關(guān)領(lǐng)域^[6]。圖3是數(shù)字孿生技術(shù)應(yīng)用圖。

3.1數(shù)字孿生應(yīng)用一：智慧城市

數(shù)字孿生是為了反映真實(shí)的物理世界，

智慧城市的核心是在城市核心服務(wù)中嵌入物聯(lián)網(wǎng)傳感器，智慧城市在基礎(chǔ)設(shè)施中安裝傳感器并且通過物聯(lián)網(wǎng)設(shè)備進(jìn)行監(jiān)控，可以有效應(yīng)對(duì)未來的各種防范措施。同時(shí)，數(shù)字孿生還可以幫助城市規(guī)劃和發(fā)展，物聯(lián)網(wǎng)傳感器收集到的數(shù)據(jù)為城市規(guī)劃和發(fā)展提供了非常有力的依據(jù)，包括城市的公共視野到底是如何被劃分、被使用的。智慧城市通過在虛擬孿生中創(chuàng)建靈活的試驗(yàn)床進(jìn)行訓(xùn)練生長(zhǎng)，具體可以實(shí)現(xiàn)兩大目標(biāo)：一個(gè)是場(chǎng)景測(cè)試，另外一個(gè)就是允許數(shù)字孿生通過分析不斷變化的數(shù)據(jù)在城市環(huán)境中學(xué)習(xí)，而數(shù)字孿生學(xué)習(xí)到的數(shù)據(jù)又可以反應(yīng)用于城市的數(shù)據(jù)分析和檢測(cè)。

3.2數(shù)字孿生應(yīng)用二：制造業(yè)

就算不提及數(shù)字孿生，制造業(yè)在國(guó)內(nèi)外都已有非常悠久的歷史，然而，隨著數(shù)字孿生概念的提出，很多制造業(yè)不得不被迫適應(yīng)數(shù)字孿生的發(fā)展趨勢(shì)，很多制造行業(yè)一直在尋找能夠通過跟蹤監(jiān)視產(chǎn)品來節(jié)約時(shí)間和資金成本的方法，高收益低成本是任何一個(gè)制造商的驅(qū)動(dòng)力。數(shù)字孿生可以在這樣的需求環(huán)境下起到最大的作用。數(shù)字孿生可以實(shí)時(shí)地反饋生產(chǎn)線信息，協(xié)助制造商快速預(yù)測(cè)問題，使用數(shù)字孿生技術(shù)可以增加設(shè)備之間的關(guān)聯(lián)性，從而提高生產(chǎn)效率。生產(chǎn)機(jī)器能夠存儲(chǔ)和預(yù)測(cè)分析大量的數(shù)據(jù)，所以將AI算法和數(shù)字孿生相結(jié)合可以使系統(tǒng)具有更高的準(zhǔn)確性。

3.3數(shù)字孿生應(yīng)用三：建筑行業(yè)

建筑行業(yè)的工程建設(shè)以及設(shè)施管理是非常分散的，在一些臨時(shí)項(xiàng)目中無法和網(wǎng)絡(luò)交互、生命周期不可預(yù)測(cè)等特點(diǎn)，使得建筑行業(yè)降低了生產(chǎn)率和整體競(jìng)爭(zhēng)力。所以在過去的幾年中，建筑行業(yè)不斷開發(fā)新工具和方法來集成建筑信息，2000年代初，BIM（建筑信息模型）的出現(xiàn)，為從事建筑行業(yè)的工作人員解決了很多分散性的問題，而當(dāng)下，人們開始探索將BIM和物聯(lián)網(wǎng)技術(shù)結(jié)合起來，目的就是創(chuàng)建完整的數(shù)字孿生體^[7]。數(shù)字孿生可以對(duì)建筑結(jié)構(gòu)持續(xù)的實(shí)時(shí)預(yù)測(cè)和監(jiān)視。當(dāng)預(yù)測(cè)和維護(hù)建筑結(jié)構(gòu)時(shí)，如果在實(shí)際上對(duì)建筑有物理變更，使用數(shù)字孿生和數(shù)據(jù)分析有助于提高準(zhǔn)確性，同時(shí)數(shù)字孿生也可以在仿真過程中為施工團(tuán)隊(duì)提高效率。

3.4數(shù)字孿生應(yīng)用四：醫(yī)療保健

根據(jù)聯(lián)合國(guó)經(jīng)濟(jì)社會(huì)調(diào)查部門統(tǒng)計(jì)，全球老年人人口將達(dá)到21億。而老年人保健約占全部醫(yī)療資源的一半。經(jīng)過調(diào)查發(fā)現(xiàn)，慢性疾病在老年人群體中具有相當(dāng)高的發(fā)病概率，而且具有持續(xù)時(shí)間長(zhǎng)、難治愈等特點(diǎn)^[8]。同時(shí)老年人對(duì)醫(yī)院的排斥感和診斷準(zhǔn)確性低導(dǎo)致了他們對(duì)預(yù)防和解決慢性疾病的知識(shí)十分匱乏，另外一方面，醫(yī)院資源分配不均，掛號(hào)、排隊(duì)、付款時(shí)間長(zhǎng)，使老年人無法在醫(yī)院得到全面問診或治療。面對(duì)這種現(xiàn)象，在數(shù)據(jù)驅(qū)動(dòng)的服務(wù)模式下使用智能醫(yī)療的精密醫(yī)學(xué)顯得尤其重要。隨著物聯(lián)網(wǎng)設(shè)備更便宜且更容易實(shí)現(xiàn)，數(shù)字孿生在醫(yī)療領(lǐng)域的應(yīng)用需求不斷增長(zhǎng)。對(duì)數(shù)字孿生的未來設(shè)想是實(shí)時(shí)地對(duì)人體進(jìn)行分析，但是目前由于技術(shù)支持的限制，數(shù)字孿生已實(shí)施的應(yīng)用是模擬藥物作用。數(shù)字孿生還可以模擬醫(yī)護(hù)人員所需要的環(huán)境場(chǎng)景，和AI算法相結(jié)合能做出更準(zhǔn)確的決策。在醫(yī)療保健中，實(shí)時(shí)模擬和行為能力是最重要的，數(shù)字孿生可以協(xié)助進(jìn)行預(yù)測(cè)性維護(hù)和醫(yī)療設(shè)備的持續(xù)維修。

3.5數(shù)字孿生應(yīng)用五：氣象學(xué)

氣象機(jī)構(gòu)利用地形和建筑的實(shí)體模型和物理模擬器分析多個(gè)來源的數(shù)據(jù)，數(shù)據(jù)主要包來自雷達(dá)、衛(wèi)星、無線電探空儀、無人機(jī)等等，人們可以在實(shí)時(shí)運(yùn)行的大規(guī)模并行數(shù)值模擬器中找到最新的大數(shù)據(jù)同化方法。數(shù)字孿生之所以能在氣象學(xué)中占有一席之地，主要是由于在處理過程中對(duì)數(shù)據(jù)的隱私保護(hù)。目前，數(shù)字孿生在氣象學(xué)中的應(yīng)用已經(jīng)是最成熟的技術(shù)之一，但是仍然有很大的進(jìn)步空間，一個(gè)問題是，全球仍然存在氣象站觀測(cè)不到的地方，這就導(dǎo)致了氣象服務(wù)質(zhì)量有待提高。而決定氣象是否精確，首先就要從數(shù)值收集、分析以及增強(qiáng)技術(shù)等方面下手。數(shù)字孿生可以實(shí)際構(gòu)建物理原型之前使用計(jì)算機(jī)模型來測(cè)試新系統(tǒng)，這樣的技術(shù)杯應(yīng)用在氣象學(xué)中可以改善決策場(chǎng)景，而且對(duì)環(huán)境狀況可以進(jìn)行近乎實(shí)施的天氣預(yù)報(bào)。

3.6數(shù)字孿生應(yīng)用六：教育行業(yè)

網(wǎng)課的誕生顛覆了傳統(tǒng)課堂教程模式，網(wǎng)課具有地點(diǎn)靈活、價(jià)格低廉、可重復(fù)觀看的特點(diǎn)，面對(duì)這種教育變革，個(gè)性化教育面臨著巨大挑戰(zhàn)和更多的機(jī)會(huì)^[9]。很多學(xué)校記錄大量的學(xué)生數(shù)據(jù)，但是整理的學(xué)生線路圖并不完整，數(shù)字孿生就可以有效的彌補(bǔ)這個(gè)不足，讓個(gè)性化教育成為流行。使用智能學(xué)習(xí)環(huán)境可以構(gòu)建個(gè)性化學(xué)習(xí)框架。融合數(shù)據(jù)挖掘工具用來構(gòu)建學(xué)習(xí)目的的數(shù)據(jù)管理框架，從而可以幫助數(shù)據(jù)收集、數(shù)據(jù)表征、數(shù)據(jù)分析和數(shù)據(jù)實(shí)施的一整套評(píng)估流程，而且能更好的將計(jì)劃教育目標(biāo)映射到學(xué)生的學(xué)習(xí)成果當(dāng)中。將教育部門的數(shù)字孿生技術(shù)和其他部門的數(shù)字孿生技術(shù)相結(jié)合，可以更加有效的培養(yǎng)目標(biāo)型人才。

3.7數(shù)字孿生應(yīng)用七：交通能源行業(yè)

數(shù)字孿生相關(guān)技術(shù)日漸成熟，已經(jīng)可以為交通和能源等領(lǐng)域提供智能解決方案。利用網(wǎng)絡(luò)物理系統(tǒng)控制大規(guī)模的公路貨運(yùn)問題，其中包括集成的路線和運(yùn)輸計(jì)劃使燃油消耗降至最低。目前國(guó)外已經(jīng)討論了關(guān)于車輛和移動(dòng)云計(jì)算之間的集成方法，還為空中交通管制提供了混合人工制品解決方案。另外，最近工業(yè)4.0利用最新技術(shù)已經(jīng)在石油和天然氣領(lǐng)域進(jìn)行了評(píng)估，在降低生產(chǎn)成本和減少溫室氣體排放量的前提下，如何提高能源效率的技術(shù)集成^[10]。

4.結(jié)語

數(shù)字孿生的發(fā)展必須以AI、物聯(lián)網(wǎng)、云計(jì)算等技術(shù)的發(fā)展作為支撐。通過文章的應(yīng)用案例來看，數(shù)字孿生在制造領(lǐng)域中的應(yīng)用較為廣泛，而智慧城市和醫(yī)療保健等領(lǐng)域的研究空缺突出。文章中對(duì)數(shù)字孿生的構(gòu)建框架進(jìn)行概括描述，分析其在各個(gè)領(lǐng)域中的案例應(yīng)用，為數(shù)字孿生技術(shù)在現(xiàn)實(shí)中的應(yīng)用提供了理論依據(jù)。

參考文獻(xiàn)：

1. 李欣，劉秀，萬欣欣.數(shù)字孿生應(yīng)用及安全發(fā)展綜述[J].系統(tǒng)仿真學(xué)報(bào)，2019，31（03）：385-392.
2. Zhang L ，? Zhou L ，? Horn B . Building a right digital twin with model engineering[J]. Journal of Manufacturing Systems， 2021， 59（2）：151-164.
3. E. Glaessgen and D. Stargel， "The digital twin paradigm for future NASA and U.S. Air force vehicles"， Proc. 53rd AIAA/ASME/ASCE/AHS/ASC Struct. Struct. Dyn. Mater. Conf. 20th AIAA/ASME/AHS Adapt. Struct. Conf. 14th AIAA， pp. 1818， Apr. 2012.
4. A. Madni， C. Madni and S. Lucero， "Leveraging digital twin technology in model-based systems engineering"， Systems， vol. 7， no. 1， Jan. 2019.
5. 張霖，陸涵.從建模仿真看數(shù)字孿生[J/OL].系統(tǒng)仿真學(xué)報(bào)：1-11[2021-04-07].
6. 趙波.數(shù)字孿生城市白皮書[M].中國(guó)信息通信研究院：北京，2020：2-4.
7. Rosati C A ，? Cervo A ，? Fantuzzi C . Air Quality Monitoring in a BIM model by means of a IoT Sensors Network[C]// 2020 Fourth International Conference on I-SMAC （IoT in Social， Mobile， Analytics and Cloud） （I-SMAC）. 2020.
8. K. Krane-Gartiser， A. Asheim， O. B. Fasmer， G. Morken， A. Vaaler and J. Scott， "Actigraphy as an objective intra-individual marker of activity patterns in acute-phase bipolar disorder： A case series"，?Int. J. Bipolar Disorders， vol. 6， pp. 8， Mar. 2018.
9. H. Yu， C. Miao， C. Leung and T. J. White， "Towards AI-powered personalization in MOOC learning"，?npj Sci. Learn.， vol. 2， pp. 15， Dec. 2017.
10. Cajo R ，? Ghita M ，? D? Copot， et al. Context Aware Control Systems： An Engineering Applications Perspective[J]. IEEE Access， 2020， 8.