杨 刚，李梦洁，崔朝臣，郭彦君

（1.西北工业大学 计算机学院，陕西 西安 710000；2.中国特种飞行器研究所，湖北 荆门 448000）

0 引言

基于多领域、多尺度建模的数字孪生（Digital Twin，DT）技术可实现对目标系统的镜像反映，通常借助实时跟随的进化机制对系统“知识库”及仿真模型自身进行迭代更新，保证虚拟模型即时反映关注对象的状态变化。数字孪生与目标系统的协同运行、实时交互进化可提升复杂系统运行自主可控与安全可靠性，也可明显提升系统效率与安全性。

密歇根大学Grieves 教授［1］在2003 年提出的镜像空间模型可视为数字孪生雏形。他首次明确了物理实体、镜像模型及其连接是数字孪生的3 个核心要素。其后较长的一段时间内，美国NASA 和军方实验室是数字孪生的主要研究力量。NASA 重点关注其在航天器优化、检测和分析方面的应用［2］，而美国空军实验室则聚焦该技术在航空航天领域全生命周期中的应用及发展。近年来，随着信息技术，尤其是人工智能技术在工业生产中的广泛应用，数字孪生成为全球范围内工业信息化研究热点。西门子、达索、PTC、丰田、特斯拉、华为等工业巨头和IT 厂商纷纷在数字化设计、虚拟工厂、设备预防性维护、车联网等应用场景中提出数字孪生发展路线与解决方案。

2017-2019 年数字孪生连续3 年入选Gartner 十大未来战略技术，被视为构建未来智能时代的信息基础［3］。本文从DT 定义、特征、应用、关键技术及研究挑战等5 个方面，总结DT 内涵，通过与其他类似技术的比较，明晰DT 主要特征；然后对DT 发展现状进行梳理，分析DT 研究应用的关键技术，指出面临的主要挑战；最后重点介绍作者团队在DT 虚拟模型自主进化方面的技术探索和初步应用，并展望DT 未来发展趋势，以期为相关领域研究人员提供参考和借鉴。

1 数字孪生基本内涵

研究人员对DT 的认识各有侧重，但近年来逐渐形成共识，即基于对物理实体或系统的精确还原以构建虚拟表达模型，通过虚实环境交互保证物理对象与虚拟模型一致，借助数据、模型和分析技术为物理实体提供检测、诊断、预测等服务［1，4-7］。作为现实世界数字映射的孪生，应从几何结构、物理属性、规则和机理等方面实现对现实世界外在视觉和内在机理两个维度的精确复刻。

数字孪生由物理层、模型层和服务应用层3 部分构成，如图1 所示。物理层融合在真实物理环境中，实时获取目标对象几何结构、物理属性、规则和机理等物理数据后对其进行融合分析；模型层由数字孪生中的虚拟实体组成，可依据物理层获取的数据进行即时建模和实时更新，并将模型解算的前摄性结果提交服务应用层；服务应用层面向应用需求，将模型层结果转化为设备控制指令或辅助决策数据。

Fig.1 The architecture of the digital twin system图1 数字孪生体系架构

综上可将数字孪生定义为：在高精度复刻目标对象的基础上，通过与目标对象即时持续交互，以对目标对象提供实时监测、在线诊断、智能预测等服务为目标的一系列新型高级信息技术的总称。

2 DT 研究现状分析

DT 技术自问世以来，研究和应用多面向航空航天、智能制造、智慧医疗及智慧城市等领域。

2.1 航空航天领域

NASA 通过在地面上构造一个等比例航天器，进行“物理伴飞”，并通过该方式实现地外飞行航天器状态仿真和预测［8］，这是最早的数字孪生应用。2010 年美国为了强化其在航天领域的绝对优势，推动NASA 与多个军方实验室开展数字孪生技术在航空航天设计、制造、运行维护、报废等全生命周期各个阶段的基础理论方法与应用模式研究［9-11］。在我国，刘蔚然等［12］将数字孪生技术与卫星工程关键环节、关键场景、关键对象相结合，提出数字孪生卫星的概念，并从卫星全生命周期各阶段进行了探讨；董雷霆等［13］针对飞机结构，面向疲劳寿命管理，提出飞机结构数字孪生的5 项关键建模仿真技术，为飞机结构数字孪生系统研究提供了参考。

2.2 智能制造

在制造领域中，数字孪生可以通过对产品制造和工艺周期的各个方面进行模拟、仿真、预测［14］，全面提高生产过程效率及生产线运行效能。在制造场景中，从不同维度可将生产线划分为空间维度和时序维度两个部分。针对不同层级在信息世界构建对应的虚拟表达模型，模拟设备运行状态，并在与目标系统的交互中监控制造设备及过程运行状态，进行分析、预测和决策［15-17］。Zhao 等［18］为控制在生产过程中产品表面粗糙度，提出一种基于数字孪生的加工参数自适应调整方法，并在五轴加工场景中，证明了该方法可有效稳定表面粗糙度，提高表面质量。时序维度指在生产某一产品时，物料经过不同工序实现产品装配。在产品生产过程中，通过对加工活动进行复刻，实现生产过程实时监控，为生产决策和系统优化提供支持［19］。

2.3 智慧医疗

研究人员可以利用人体在信息世界建立一个详细的虚拟人体，作为一个复杂系统进行研究，从而检验新的治疗方案［20］。就临床而言，通过分析患者病史、生活习惯和患者身体现状构建的人体模型能够模拟和预测不同情况下该患者器官对药物和环境的真实反应，为精确医疗提供理论依据［21］。然而，人体数字孪生与工业装置中的数字孪生之间存在巨大差别，主要是体内数据无法有效获取，只能使用非嵌入式传感器监控脉搏、血压、体温等浅层数据，深度数据的缺乏造成虚拟人体构建困难。

2.4 智慧城市

城市具有人口稠密、基础设施密集、多层次/多子系统耦合的特点，是一个典型的复杂系统。数字孪生下的智慧城市可通过虚实交互、软件定义及智能干预，从城市规划、运行、安全管理等不同视角实现对城市的高效管理［22］。当前，世界各国均不同程度地展开了数字孪生城市的相关研究。如新加坡政府2014 年提出“数字孪生新加坡”计划，通过开发数字孪生城市管理平台实现对城市数据的感知、分析、运行优化；中国信息和通信研究院于2018 年发布的《数字孪生城市研究报告》对数字孪生城市内涵进行了提炼；随后，雄安新区提出“数字孪生城市”建设理念，雄安城市实体与虚拟城市同步规划、同步建设，同生共长，实现城市“全过程”写真［23］；另外，陶飞等［24］基于五维模型提出数字孪生城市架构，通过虚实交互、实时互通实现城市管理决策协同化和智能化；Ford 等［25］研究了一种基于数字孪生的社区灾害管理模型，通过该模型可有效减轻灾难程度。

3 DT 主要挑战及其关键技术

基于虚实世界实时交互与虚拟模型对目标系统进行高精度刻画的互操作是数字孪生区别于传统仿真的关键特征，其中，如何构建高精度虚拟模型、保证交互数据准确性是DT 研究中两大技术难题。

3.1 虚拟模型构建

对目标模型高精度复刻的虚拟表达模型是数字孪生基础。目标系统的复杂性与变化性导致建模及评估困难，其中多虚拟模型多尺度的精确构建与融合、自主更新及准确性评估是其中亟待研究的3 个关键技术。

3.1.1 多维度虚拟模型精确构建与融合

虚拟模型的准确性来源于对目标系统内所有关注对象外在视觉和内在逻辑上的精准反映。例如在电机故障诊断任务中，孪生系统需对电机内的滚动轴承、定子、转子和线圈等多个部位进行建模，不同部位的模型需分别从几何结构、故障规律、力学原理、电气等多个维度进行刻画。因此，多个多维度虚拟模型同时对目标系统进行刻画时的不同维度、不同对象间的异构模型以何种规则和标准进行构建与融合是目前数字孪生应用研究的第一个关键技术。

3.1.2 虚拟模型自主更新

因孪生对象具有动态变化特征，如何确保虚实一致性是DT 建模中的第2 个主关键问题。传统模型参数调整与更替依赖于人工干预，存在时延问题。然而DT 系统要求虚拟模型实现目标系统高精度复刻，这包括目标对象变化时的复刻，要求虚拟模型可根据即时数据感知和分析、自我调整和更新，在持续的数据供给中实现自主进化。在该过程中，不同子模型在何种时机更新、如何更新（结构更新还是参数更新）、更新后是否对系统性能产生影响是需重点考虑的问题。

3.1.3 虚拟模型准确性评估

虚拟模型构建后是否与目标系统一致的准确性评估是建模的第3 个关键问题。一个完整的数字孪生系统包含多个对象、多种维度的虚拟表达模型。不同的模型根据其描述维度和对象的不同，性质也各异，因此评估工作难度大。以何种标准进行评定，在不同性质的模型中如何执行这些标准，标准执行后可靠性判定是模型可靠性挑战层面有待研究的问题。

3.2 数据准确性

数字孪生是一个建立在虚实空间交互与理解基础上的复杂互操作系统，期望通过虚拟模型高精度复刻目标，提升目标系统性能。其中高精度复刻及互操作特征对DT系统中数据准确性提出了更高要求。

3.2.1 多源异构数据融合

数字孪生系统是一种面向多对象、多元素的复杂系统。如何将多个对象中多个维度感知的多种异构物理数据进行统一表示、一致转化以及可靠表达是需要在数字孪生虚实交互研究中的重要问题。

3.2.2 数据语义一致性保证

孪生数据物理层感知采集到的原始信号不能为模型层虚拟模型直接使用，语义需经物理数据信息化处理；虚拟模型产生的信息数据或知识不能为物理设备或相关人员直接理解，需进行信息/知识数据的物理/指令化才可得以被理解和执行。此外不同模型间的数据也存在语义理解不通的问题。只有在正确理解和使用的基础上虚拟模型或指令才能被精准接收并执行，因此如何解决复杂体系架构中的多层次多模型间的语义理解是数据发送后的重要问题和挑战。

4 数字孪生在滚动轴承故障诊断中的应用

滚动轴承是机械设备中的重要零件，长期在高速旋转、高温、冲击、摩擦和噪音等复杂工况下运行，是最易发生故障的部位。滚动轴承故障诊断对设备健康状态的维护至关重要，具有普遍意义。目前在滚动轴承故障诊断任务中，首先为其构建一个故障诊断模型，其次根据诊断信号进行故障判别。建模后再计算的运行顺序以及过程中虚拟模型与目标对象相互独立，导致模型无法根据滚动轴承状态变化进行调整。此外，诊断任务中对数据计算的需求是即时的，模型更新与进化对计算性能和时间不造成影响。

结合数字孪生虚实互操作、模型精确刻画的特点，受神经网络模型训练过程中训练和计算分离特征的启发，本文在滚动轴承模型进化问题中进行改变与补充。将滚动轴承故障维度诊断模型更新与计算考虑为两个互不影响的独立模块——进化端和计算端；同时考虑到滚动轴承是机械设备中的内嵌部位，数据采集困难且通常质量较低，为进化异常和时间冲突引入基于模型池的滑动窗口作为缓冲，提出一种计算与更新双端平行的平行进化机制（Par⁃allel Evolutionary Mechanism，PEM），如图2 所示。

平行进化机制中进化端与计算端相互独立，故障计算对模型构建的直接依赖转变为通过模型池调用的间接关系，解决模型更新与模型计算的时延冲突。按照滑动窗口机制处理数据异常导致的更新失败，模型池内设置窗口尺寸，控制池内模型数量，保证可用模型数量，为前端稳定计算提供支撑。该机制算法为：

Fig.2 Parallel evolutionary mechanism based on sliding window图2 基于滑动窗口的平行进化机制

PEM 在滚动轴承故障诊断任务中应用诊断模型进化与使用环节，在实时数据交互的假设之上，初始标准故障诊断模型（基于历史数据构建的初始模型）借助实时物理设备数据进行自身结构调整，计算端模型检测到模型进化成功即可从模型池中读取反映设备运行状态的最新模型，对即时数据进行结算，更新及计算过程如图3 所示。

5 结语

Fig.3 PEM-based rolling bearing troubleshooting process图3 基于PEM 的滚动轴承故障诊断流程

作为智能制造时代最重要的一项核心技术，数字孪生已经成为信息领域和制造领域的新兴交叉研究热点。本文总结了数字孪生研究和应用现状，首次系统地界定数字孪生内涵与特征，凝练了数字孪生给信息领域带来的主要技术挑战。结合滚动轴承故障诊断这一工业制造过程具有代表性的实际应用问题，本文提出PEM 平行进化机制，较好地解决了该应用环境下虚拟模型自主实时更新难的问题，并在滚动轴承故障诊断场景进行了应用。

随着“云智大物移”等技术在工业领域和智能制造中的广泛应用，数字孪生在工业生产中的应用空间将更加开阔。未来，利用软件定义技术实现个性化数字孪生系统定制、面向云边端架构的数字孪生构造以及基于空间计算的孪生虚实交互是研究人员应重点关注的问题。