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；……