智能制造的核心技术之数字孪生

「 1. 数字孪生的概念 」

全球最具权威的IT研究与顾问咨询公司Gartner在2019年十大战略科技发展趋势中将数字孪生作为重要技术之一，其对数字孪生的描述为：数字孪生是现实世界实体或系统的数字化体现。

图1 数字孪生最初概念模型及其术语名词的前身——PLM的概念化理想

关于数字孪生的定义很多。陶飞教授在自然杂志的评述中认为，数字孪生作为实现虚实之间双向映射、动态交互、实时连接的关键途径，可将物理实体和系统的属性、结构、状态、性能、功能和行为映射到虚拟世界，形成高保真的动态多维／多尺度／多物理量模型，为观察物理世界、认识物理世界、理解物理世界、控制物理世界、改造物理世界提供了一种有效手段。

CIMdata推荐的定义是：“数字孪生（即数字克隆）：是基于物理实体的系统描述，可以实现对跨越整个系统生命周期可信来源的数据、模型和信息进行创建、管理和应用。”此定义简单，但若没有真正理解其中的关键词（系统描述，生命周期，可信来源，模型），则可能产生误解。

「 2. 数字孪生的模型 」

1）数字孪生的概念模型

基于数字孪生的文字定义，图2给出数字孪生的五维概念模型。

图2 数字孪生五维概念模型

数字孪生五维概念模型是一个通用的参考架构，能适用不同领域的不同应用对象。其次，它的五维结构能与物联网、大数据、人工智能等新信息技术集成与融合，满足信息物理系统集成、信息物理数据融合、虚实双向连接与交互等需求。再次，孪生数据（DD）集成融合了信息数据与物理数据，满足信息空间与物理空间的一致性与同步性需求，能提供更加准确、全面的全要素/全流程/全业务数据支持。服务（Ss）对数字孪生应用过程中面向不同领域、不同层次用户、不同业务所需的各类数据、模型、算法、仿真、结果等进行服务化封装，并以应用软件或移动端App的形式提供给用户，实现对服务的便捷与按需使用。连接（CN）实现物理实体、虚拟实体、服务及数据之间的普适工业互联，从而支持虚实实时互联与融合。虚拟实体（VE）从多维度、多空间尺度及多时间尺度对物理实体进行刻画和描述。

2）数字孪生的系统架构

图3给出了数字孪生系统的通用参考架构。一个典型的数字孪生系统包括用户域、数字孪生体、测量与控制实体、现实物理域和跨域功能实体共5个层次。

图3 数字孪生系统的通用参考架构

3）数字孪生的成熟度模型

数字孪生不仅仅是物理世界的镜像，也要接受物理世界实时信息，更要反过来实时驱动物理世界，而且进化为物理世界的先知、先觉甚至超体。这个演变过程称为成熟度进化，即数字孪生的生长发育将经历数化、互动、先知、先觉和共智等几个过程（图4）。

图4 数字孪生成熟度模型

（1）数化。数化是对物理世界数字化的过程。这个过程需要将物理对象表达为计算机和网络所能识别的数字模型。建模技术是数字化的核心技术之一，例如测绘扫描、几何建模、网格建模、系统建模、流程建模、组织建模等技术。物联网是“数化”的另一项核心技术，将物理世界本身的状态变为可以被计算机和网络所能感知、识别和分析。

（2）互动。互动主要是指数字对象及其物理对象之间的实时动态互动。物联网是实现虚实之间互动的核心技术。数字世界的责任之一是预测和优化，同时根据优化结果干预物理世界，所以需要将指令传递到物理世界。物理世界的新状态需要实时传导到数字世界，作为数字世界的新初始值和新边界条件。另外，这种互动包括数字对象之间的互动，依靠数字线程来实现。

（3）先知。先知是指利用仿真技术对物理世界的动态预测。这需要数字对象不仅表达物理世界的几何形状，更需要在数字模型中融入物理规律和机理。仿真技术不仅建立物理对象的数字化模型，还要根据当前状态，通过物理学规律和机理来计算、分析和预测物理对象的未来状态。

（4）先觉。如果说“先知”是依据物理对象的确定规律和完整机理来预测数字孪生的未来，那“先觉”就是依据不完整的信息和不明确的机理，通过工业大数据和机器学习技术来预感未来。如果要求数字孪生越来越智能和智慧，就不应局限于人类对物理世界的确定性知识，因为人类本身就不是完全依赖确定性知识而领悟世界的。

（5）共智。共智是通过云计算技术实现不同数字孪生之间的智慧交换和共享，其隐含的前提是单个数字孪生内部各构件的智慧首先是共享的。所谓“单个”数字孪生体是人为定义的范围，多个数字孪生单体可以通过“共智”形成更大和更高层次的数字孪生体，这个数量和层次可以是无限的。

「 3. 数字孪生的关键技术 」

建模、仿真和基于数据融合的数字线程是数字孪生的3项核心技术。

1）建模

数字化建模技术起源于20世纪50年代，建模的目的是将我们对物理世界或问题的理解进行简化和模型化。数字孪生的目的或本质是通过数字化和模型化，消除各种物理实体、特别是复杂系统的不确定性。所以建立物理实体的数字化模型或信息建模技术是创建数字孪生、实现数字孪生的源头和核心技术，也是“数化”阶段的核心。

数字孪生的模型发展分为4个阶段，这种划分代表了工业界对数字孪生模型发展的普遍认识，如图5所示。

图5 数字孪生模型建立的4个阶段

第1个阶段是实物模型阶段，没有虚拟模型与之对应。NASA在太空飞船飞行过程中，会在地面构建太空飞船的双胞胎实物模型。这套实物模型曾在拯救Apollo 13的过程中起到了关键作用。

第2个阶段是实体模型有其对应的部分实现的虚拟模型，但它们之间不存在数据通信。其实这个阶段不能称为数字孪生的阶段，一般准确的说法是实物的数字模型。还有就是虽然有虚拟模型，但这个虚拟模型可能反应的是来源于它的所有实体，例如设计成果二维/三维模型，同样使用数字形式表达了实体模型，但两者直接并不是个体对应的。

第3个阶段是在实体模型生命周期里，存在与之对应的虚拟模型，但虚拟模型是部分实现的，这个就像是实体模型的影子，也可称为数字影子模型，在虚拟模型间和实体模型间可以进行有限的双向数据通信，即实体状态数据采集和虚拟模型信息反馈。当前数字孪生的建模技术能够较好的满足这个阶段的要求。

第4个阶段是完整数字孪生阶段，即实体模型和虚拟模型完全一一对应。虚拟模型完整表达了实体模型，并且两者之间实现了融合，实现了虚拟模型和实体模型间自我认知和自我处置，相互之间的状态能够实时保真的保持同步。

值得注意的是，有时候可以先有虚拟模型，再有实体模型，这也是数字孪生技术应用的高级阶段。

一个物理实体不是仅对应一个数字孪生体，可能需要多个从不同侧面或视角描述的数字孪生体。人们很容易认为一个物理实体对应一个数字孪生体。如果只是几何的，这种说法尚能成立。恰恰因为人们需要认识实体所处的不同阶段、不同环境中的不同物理过程，一个数字孪生体显然难以描述。如一台机床在加工时的振动变形情况、热变形情况、刀具与工件相互作用的情况……这些情况自然需要不同的数字孪生体进行描述。

不同的建模者从某一个特定视角描述一个物理实体的数字孪生模型似乎应该是一样的，但实际上可能有很大差异。前述一个物理实体可能对应多个数字孪生体，但从某个特定视角的数字孪生体似乎应该是**的，实则不然。差异不仅是模型的表达形式，更重要的是孪生数据的粒度。如在所谓的智能机床中，通常人们通过传感器实时获得加工尺寸、切削力、振动、关键部位的温度等方面的数据，以此反映加工质量和机床运行状态。不同的建模者对数据的取舍肯定不一样。一般而言，细粒度数据有利于人们更深刻地认识物理实体及其运行过程。

2）仿真

从技术角度看，建模和仿真是一对伴生体：如果说建模是模型化我们对物理世界或问题的理解，那么仿真就是验证和确认这种理解的正确性和有效性。所以，数字化模型的仿真技术是创建和运行数字孪生体、保证数字孪生体与对应物理实体实现有效闭环的核心技术。

仿真是将包含了确定性规律和完整机理的模型转化成软件的方式来模拟物理世界的一种技术。只要模型正确，并拥有了完整的输入信息和环境数据，就可以基本正确地反映物理世界的特性和参数。

仿真兴起于工业领域，作为必不可少的重要技术，已经被世界上众多企业广泛应用到工业各个领域中，是推动工业技术快速发展的核心技术，是工业3.0时代最重要的技术之一，在产品优化和创新活动中扮演不可或缺的角色。近年来，在工业4.0、智能制造等新一轮工业革命的兴起，新技术与传统制造的结合催生了大量新型应用，工程仿真软件也开始与这些先进技术结合，在研发设计、生产制造、试验运维等各环节发挥更重要的作用。

随着仿真技术的发展，这种技术被越来越多的领域所采纳，逐渐发展出更多类型的仿真技术和软件。

针对数字孪生紧密相关的工业制造场景，我们梳理其中所涉及的仿真技术如下（图6）：

（1）产品仿真，如系统仿真、多体仿真、物理场仿真、虚拟实验等；

（2）制造仿真，如工艺仿真、装配仿真、数控加工仿真等；

（3）生产仿真，如离散制造工厂仿真、流程制造仿真等。

（a）飞机气动仿真

（b）工厂仿真

图6 制造场景下的仿真示例

数字孪生是仿真应用新巅峰。在数字孪生的成熟度的每个阶段，仿真都在扮演着不可或缺的角色：“数化”的核心技术——建模总是和仿真联系在一起，或是仿真的一部分；“互动”是半实物仿真中司空见惯的场景；“先知”的核心技术本色就是仿真；很多学者将“先觉”中的核心技术——工业大数据视为一种新的仿真范式；“共智”需要通过不同孪生体之间的多种学科耦合仿真才能让思想碰撞，才能产生智慧的火花。数字孪生也因为仿真在不同成熟度阶段中无处不在而成为智能化和智慧化的源泉与核心。

3）数字线程

一个与数字孪生紧密联系在一起的概念是数字线程（digital thread）。数字孪生应用的前提是各个环节的模型及大量的数据，那么类似于产品的设计、制造、运维等各方面的数据，如何产生、交换和流转？如何在一些相对独立的系统之间实现数据的无缝流动？如何在正确的时间把正确的信息用正确的方式连接到正确的地方？连接的过程如何可追溯？连接的效果还要可评估。这些正是数字主线要解决的问题。CIMdata推荐的定义：“数字主线指一种信息交互的框架，能够打通原来多个竖井式的业务视角，连通设备全生命周期数据的互联数据流和集成视图”。数字线程通过强大的端到端的互联系统模型和基于模型的系统工程流程来支撑和支持，图7是其示意图。

图7 数字线程的示意图

数字线程是与某个或某类物理实体对应的若干数字孪生体之间的沟通桥梁，这些数字孪生体反映了该物理实体不同侧面的模型视图。数字线程和数字孪生体之间的关系如图8所示。

图8 数字孪生体与数字线程的关系

从图8可以看出，能够实现多视图模型数据融合的机制或引擎是数字线程技术的核心。因此，数字孪生的概念模型中，将数字线程表示为模型数据融合引擎和一系列数字孪生体的结合。数字孪生环境下实现数字线程有如下需求：

（1）能区分类型和实例；

（2）支持需求及其分配、追踪、验证和确认；

（3）支持系统跨时间尺度各模型视图间的实际状态记实、关联和追踪；

（4）支持系统跨时间尺度各模型间的关联和及其时间尺度模型视图的关联；

（5）记录各种属性及其随时间和不同的视图的变化；

（6）记录作用于系统以及由系统完成的过程或动作；

（7）记录使能系统的用途和属性；

（8）记录与系统及其使能系统相关的文档和信息。

数字线程必须在全生命周期中使用某种“共同语言”，才能交互。例如，在概念设计阶段，就有必要由产品工程师与制造工程师共同创建能够共享的动态数字模型。据此模型生成加工制造和质量检验等生产过程所需可视化工艺、数控程序、验收规范等，不断优化产品和过程，并保持实时同步更新。数字线程能有效地评估系统在其生命周期中的当前和未来能力，在产品开发之前，通过仿真的方法及早发现系统性能缺陷，优化产品的可操作性、可制造性、质量控制，以及在整个生命周期中应用模型实现可预测维护。

「 4. 数字孪生在智能制造中的典型应用案例 」

1）数字孪生设计物料堆放场

在电厂、钢铁厂、矿场都有物料堆放场。传统上，设计这些堆放场时，设计需求是人为规划的。堆放场建设运行后，却常常发现当时的设计无法满足现场需求。这种差距有时会非常大，造成巨大浪费。

为了应对这一挑战，在设计新的物料堆放场时，ABB公司使用了数字孪生技术。从设计需求开始，设计人员就利用物联网获得的历史运行数据进行大数据分析，对需求进行优化。在设计过程中，ABB借助于CAD/CAE/VR等技术开发了物料堆放场的数字孪生（图9）。该数字孪生实时反映了物料传输、存储、混合、质量等随环境变化的参数。针对该物料场的设计并不是一次完成的，而是经过多次优化才定型的。在优化阶段，在数字孪生中对物理场进行虚拟运行。通过运行反映出的动态变化，提前获得运行后可能会出现的问题，然后自动改进设计。通过多次迭代优化，形成最终的设计方案。

图9 ABB利用数字孪生设计物料堆放场

通过运行过程证明，通过数字孪生设计的新方案可以更好地满足现场需求。而且，结合物联网，设计阶段的数字孪生体会在运行阶段继续使用，不断优化物料场的运行。

2）数字孪生机床

机床是制造业中的重要设备。随着客户对产品质量要求的提高，机床也面临着提高加工精度、减少次品率、降低能耗等严苛的要求。

在欧盟领导的欧洲研究和创新计划项目中，研究人员开发了机床的数字孪生体，以优化和控制机床的加工过程（图10）。除了常规的基于模型的仿真和评估之外，研究人员使用开发的工具监控机床加工过程，并进行直接控制。采用基于模型的评估，结合监视数据，改进制造过程的性能。通过控制部件的优化来维护操作、提高能源效率、修改工艺参数，从而提高生产率，确保机床重要部件在下次维修之前都保持良好状态。

图10 数字孪生机床

在建立机床的数字孪生体时，利用CAD和CAE技术建立了机床动力学模型（图11）、加工工程模拟、能源效率模型和关键部件寿命模型。这些模型能够计算材料去除率和毛边的厚度变化，以及预测道具破坏的情况。除了优化道具加工过程中的切屑力外，还可以模拟道具的稳定性，允许对加工过程进行优化。此外，模型还预测了表面粗糙度和热误差。机床数字孪生体能把这些模型和测量数据实时连接起来，为控制机床的操作提供辅助决策。机床的监控系统部署在本地系统中，同时将数据上传至云端的数据管理平台，在云平台上管理并运行这些数据。

图11 数字孪生机床的液压控制系统

「 5. 数字孪生未来发展趋势 」

结合当前数字孪生的发展现状，未来数字孪生将向拟实化、全生命周期化和集成化3个方向发展。

1）拟实化——多物理建模

数字孪生是物理实体在虚拟空间的真实反映，数字孪生在工业领域应用的成功程度取决于数字孪生的逼真程度，即拟实化程度。产品的每个物理特性都有其特定的模型，包括计算流体动力学模型、结构动力学模型、热力学模型、应力分析模型、疲劳损伤模型以及材料状态演化模型。如何将这些基于不同物理属性的模型关联在一起，是建立数字孪生、继而充分发挥数字孪生模拟、诊断、预测和控制作用的关键。基于多物理集成模型的仿真结果能够更加精确地反映和镜像物理实体在现实环境中的真实状态和行为，使得在虚拟环境中产品的功能和性能并最终替代物理样机成为可能，同时还能够解决基于传统方法预测产品健康状况和剩余寿命所存在的时序和几何尺度等问题。多物理建模将是提高数字孪生拟实化程度、充分发挥数字孪生作用的重要技术手段。

2）全生命周期化——从产品设计和服务阶段向产品制造阶段延伸

基于物联网、工业互联网、移动互联等新一代信息与通信技术，实时采集和处理生产现场产生的过程数据，并将这些过程数据与生产线数字孪生进行关联映射和匹配，能够在线实现对产品制造过程的精细化管控；同时结合智能云平台以及动态贝叶斯、神经网络等数据挖掘和机器学习算法，实现对生产线、制造单元、生产进度、物流、质量的实时动态优化与调整。

3）集成化——与其他技术融合

数字线程技术作为数字孪生的使能技术，用于实现数字孪生全生命周期各阶段模型和关键数据的双向交互，是实现单一产品数据源和产品全生命周期各阶段高效协同的基础。美国国防部将数字线程技术作为数字制造最重要的基础技术，工业互联网联盟也将数字线程作为其需要着重解决的关键性技术。当前，产品设计、工艺设计、制造、检验、使用等各个环节之间仍然存在断点，并未完全实现数字量的连续流动；MBD技术的出现虽然加强和规范了基于产品三维模型的制造信息描述，但仍主要停留在产品设计阶段和工艺设计阶段，需要向产品制造/装配、检验、使用等阶段延伸；而且现阶段的数字量流动是单向的，需要数字线程技术实现双向流动。因此，融合数字线程和数字孪生是未来的发展趋势。