数字孪生技术方案

数字孪生技术方案目录 2 3 4 4 7 8 数字孪生(DigitalTwin)最早应该追溯到NASA的JohnVickers对物理实体和其数字镜像的命名。而其概念的来源，业界一般认为，是由密西根大学MichaelGrieves教授于2002年针对产品全生命周期管理(PLM)提出的，当初并不叫DigitalTwin,而是叫镜像空间模型(MirroredSpaceModel,MSM)。工业仿真软件巨头对数字孪生的定义：“从高层次来说，它是创造物理对象的数字化表达形式；从根本上讲，它是为真实世界的资产设备创建数字模型，并将实际的性能数据与企业所拥有的与该特定资产设备有关的整套数字信息充分结合。”CommercialOutcomesEanywarningsDigitalTwin:Data+Intelligence0otoArohhs6ModkndusritdtaomreSyaem图一：数字孪生用数字化技术去动态镜像真实世界的资产设备，以期预测和优化资产设备的运行状态并提供预警。使用数字原型和数字探索技术，不仅仅在产品的研发范畴，更要逐渐扩展到依托仿真驱动的工程领域。传统上用于产品开发和虚拟实验，而结合数字孪生技术，在整个产品的生命周期过程中，发挥其蕴藏的巨大价值。一、简介数字孪生技术是“将带有三维数字模型的信息拓展到整个生命周期中的影像技术，最终实现虚拟与物理数据同步和一致”,它可以“发现潜在问题、激发创新思维、不断追求优化进步”。“数字孪生技术帮助企业在实际投入生产之前即能在虚拟环境中优化、仿真和测试，在生产过程中也可同步优化整个企业流程。”数字孪生是充分利用物理模型、传感器更新、运行历史等数据，集成多学科、多物理量、多尺度、多概率的仿真过程，在虚拟空间中完成映射，从而反映相对应的实体装备的全生命周期过程。数字孪生是一种超越现实的概念，可以被视为一个或多个重要的、彼此依赖的装备系统的数字映射系统。数字孪生是个普遍适应的理论技术体系，可以在众多领域应用，目前在产品设计、产品制造、医学分析、工程建设等领域应用较多。目前在国内应用最深入的是工程建设领域，关注度最高、研究最热的是智能制造领域。数字孪生体是现有或将有的物理实体对象的数字模型，通过实测、仿真和数据分析来实时感知、诊断、预测物理实体对象的状态，通过优化和指令来调控物理实体对象的行为，通过相关数字模型间的相互学习来进化自身，同时改进利益相关方在物理实体对象生命周期内的决策。1.1定义数字孪生是充分利用物理模型、传感器更新、运行历史等数据，集成多学科、多物理量、多尺度、多概率的仿真过程，在虚拟空间中完成映射，从而反映相对应的实体装备的全生命周期过程。数字孪生以数字化方式为物理对象创建虚拟模型，来模拟其在现实环境中的行为。通过搭建整合制造流程的数字孪生生产系统，能实现从产品设计、生产计划到制造执行的全过程数字化，将产品创新、制造效率和有效性水平提升至一个新的高度。数字孪生体是指与现实世界中的物理实体完全对应和一致的虚拟模型，其可实时模拟其在现实环境中的行为和性能，也称为数字孪生模型。可以说，数字孪生是技术、过程和方法，数字孪生体是对象、模型和数据。标准化组织中的定义：数字孪生是具有数据连接的特定物理实体或过程的数字化表达，该数据连接可以保证物理状态和虚拟状态之间的同速率收敛，并提供物理实体或流程过程的整个生命周期的集成视图，有助于优化整体性能。学术界的定义：数字孪生是以数字化方式创建物理实体的虚拟实体，借助历史数据、实时数据以及算法模型等，模拟、验证、预测、控制物理实体全生命周期过程的技术手段。从根本上讲，数字孪生可以定义为有助于优化业务绩效的物理对象或过程的历史和当前行为的不断发展的数字资料。数字孪生模型基于跨一系列维度的大规模，累积，实时，真实世界的数据测量。企业的定义：数字孪生是资产和流程的软件表示，用于理解、预测和优化算法，以及知识。1.2典型特征1、互操作性:数字孪生中的物理对象和数字空间能够双向映射、动态交互和实时连接，因此数字孪生具备以多样的数字模型映射物理实体的能力，具有能够在不同数字模型之间转换、合并和建立“表达”的等同性。2、可扩展性:数字孪生技术具备集成、添加和替换数字模型的能力，能够针对多尺度、多物理、多层级的模型内容进行扩展。3、实时性:数字孪生技术要求数字化，即以一种计算机可识别和处理的方属性、内在机理，形成物理实体实时状态的数字虚体映射。4、保真性”:数字孪生的保真性指描述数字虚体模型和物理实体的接近性。要求虚体和实体不仅要保持几何结构的高度仿真，在状态、相态和时态上也要仿例如工况场景中可能只要求描述虚体的物理性质，并不需要关注化学结构细节。5、闭环性:数字孪生中的数字虚体，用于描述物理实体的可视化模型和内在机理，以便于对物理实体的状态数据进行监视、分析推理、优化工艺参数和运行参数，实现决策功能，即赋予数字虚体和物理实体一个大脑。因此数字孪生具有闭环性。1.3作用及意义>实现全生命周期的数据管理数字孪生可以通过设计工具、仿真工具、物联网、虚拟现实等多种技术手段，将物理对象的各方面属性映射到虚拟空间中，形成数字镜像。在产品设计过程中采用数字孪生技术，可以实现产品全生命周期的管理。>实现基于状态的维护预测数字孪生可以通过传感器采集数据，借助大数据分析，通过机器学习预测原本无法直接测量的指标。由此完成评估、诊断、分析、模拟、预测和决策等一系列操作。(1)预见设计质量和制造过程在传统模式中，完成设计后必须先制造出实体零部件，才能对设计方案的质量和可制造性进行评估，这意味着成本和风险的增加。而通过建立数字孪生模型，任何零部件在被实际制造出来之前，都可以预测其成品质量，识别是否存在设计缺陷，比如零部件之间的干扰，设计是否符合规格等。找到产生设计缺陷的原因，在数字孪生模型中直接修改设计，并重新进行制造仿真，查看问流程验证方法是获得配置好的生产设备之后再进行试用，判断设备是否运行正常，但是到这个时候再发现问题为时已晚，有可能导致生产延误，而且此时解决问题所需要的花费将远远高于流程早期。当前自动化技术广泛应用，最具革命性意义的是机器人开始出现在工作人员身旁，引入机器人的企业需要评估机器人是否能在生产环境中准确执行人的工作，机器人的尺寸和伸缩范围会不会对周围的设备造成干扰，以及它有没有可能导致操作员受到伤害。机器人成本昂贵，更需要在早期就完成这些工作的验证。高效的方法是建立包含所有制造过程细节的数字孪生模型，在虚拟环境中验证制造过程。发现问题后只需要在模型中进行修正即可，比如机器人发生干涉时，改变工作台的高度、输送带的位置、反转装配台等，然后再次执行仿真，确保机器人能正确执行任务。借助数字孪生模型在产品设计阶段预见其性能并加以改进，制造流程初期就掌握准确信息并预见制造过程，保证所有细节都准确无误，这些无疑是具有重要意义的，因为越早知道如何制造出色的产品，就能越快的向市场推出优质的产品，抢占先机。(2)推进设计和制造高效协同随着产品制造过程越来越复杂，制造中所发生的一切需要进行完善的规划。而一般的过程规划是设计人员和制造人员基于不同的系统独立工作。设计人员将产品创意提交给制造部门，由他们去思考如何制造。这样容易导致产品信息流失，使得制造人员很难看到实际状况，增加出错的几率。一旦设计发生变更，制造过程很难实现同步更新。而在数字孪生模型中，所需要制造的产品、制造的方式、资源以及地点等各个方面可以进行系统地规划，将各方面关联起来，实现设计人员和制造人员的协同。一旦发生设计变更，可以在数字孪生模型中方便地更新制造过程，包括更新面向制造的物料清单，创建新的工序，为工序分配新的操作人员，在此基础上进一步将完成各项任务所需的时间以及所有不同的工序整合在一起，进行分析和规划，直到产生满意制造过程方案。除了过程规划之外，生产布局也是复杂的制造系统中重要的工作。一般的生产布局是用来设置生产设备和生产系统的二维原理图和纸质平面图，设计这些布局图往往需要大量的时间精力。竞争日益激烈，企业需要不断向产品中加入更好的功能，以更快的速度向市场推出更多的产品，这意味着制造系统需要持续扩展和更新。但静态的二维布局图由于缺乏智能关联性，修改又会耗费大量时间，制造人员难以获得有关生产环境的最新信息，来制定明确的决策和及时采取行动。借助数字孪生模型可以设计出包含所有细节信息的生产布局，包括机械、自动化设备、工具、资源甚至是操作人员等各种详细信息，并将之与产品设计进行无缝关联。比如一个新的产品制造方案中，引入的机器人干涉到一条传送带，布局工程师需要对传送带进行调整并发出变更申请，当发生变更时，同步执行影响分析来了解生产线设备供应商中，哪些会受到影响，以及对生产调度产生怎么样的影响，这样在设置新的生产系统时，就能在需要的时间获得正确的设备。基于数字孪生模型，设计人员和制造人员实现协同，设计方案和生产布局实现同步，这些都大大提高了制造业务的敏捷度和效率，帮助企业面对更加复杂的产品制造挑战。(3)确保设计和制造准确执行如果制造系统中所有流程都准确无误，生产便可以顺利开展。但万一生产进展不顺利，由于整个过程非常复杂，制造环节出现问题并影响到产出的时候，很难迅速找出问题所在。最简单的方法是在生产系统中尝试一种全新的生产策略，但是面对众多不同的材料和设备选择，清楚的知道哪些选择将带来最佳效果又是一个难题。针对这种情况，可以在数字孪生模型中对不同的生产策略进行模拟仿真和评估，结合大数据分析和统计学技术，快速找出有空档时间的工序。调整策略后再模拟仿真整个生产系统的绩效，进一步优化实现所有资源利用率的最大化，确保所有工序上的所有人都尽其所能，实现盈利能力的最大化。为了实现卓越的制造，必须清楚了解生产规划以及执行情况。企业经常抱怨难以确保规划和执行都准确无误，并满足所有设计需求，这是因为如何在规划与执行之间实现关联，如何将在生产环节收集到的有效信息反馈至产品设解决方案是搭建规划和执行的闭合环路，利用数字孪生模型将虚拟生产世界和现实生产世界结合起来，具体而言就是集成PLM系统、制造运营管理系统以及生产设备。过程计划发布至制造执行系统之后，利用数字孪生模型生成详细的作业指导书，与生产设计全过程进行关联，这样一来如果发生任何变更，整个过程都会进行相应的更新，甚至还能从生产环境中收集有关生产执行情况此外还可以使用大数据技术，直接从生产设备中收集实时的质量数据，将这些信息覆盖在数字孪生模型上，对设计和实际制造结果进行比对，检查二者是否存在差异，找出存在差异的原因和解决方法，确保生产能完全按照规划来执行。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五个层次用户域用户域亚模型仿真报告生成分析服务平台支持在对象控制不现实物理域个资源接口资源互操作安全访问在线插拔亚不数字建模模型展示模型同步运行管理在不備息交换安全保障[数]捉跨域功能实体人图1数字孪生系统的通用参考架构第一层是使用数字孪生体的用户域，包括人、人机接口、应用软件，以及其他相关数字孪生体(简称共智孪生体)。第二层是与物理实体目标对象对应的数字孪生体。它是反映物理对象某一视角特征的数字模型，并提供建模管理、仿真服务和孪生共智三类功能。◆建模管理涉及物理对象的数字建模与展示、与物理对象模型同步和运行管理。◆仿真服务包括模型仿真、分析服务、报告生成和平台支持。◆孪生共智涉及共智孪生体等资源的接口、互操作、在线插拔和安全访问。建模管理、仿真服务和孪生共智之间传递实现物理对象的状态感知、诊断和预第三层是处于测量控制域、连接数字孪生体和物理实体的测量与控制实体，实现物理对象的状态感知和控制功能。第四层是与数字孪生体对应的物理实体目标对象所处的现实物理域。测量与控制实体和现实物理域之间有测量数据流和控制信息流的传递。测量与控制实体、数字孪生体以及用户域之间的数据流和信息流动传递，需要信息交换、数据保证、安全保障等跨域功能实体的支持。信息交换通过适当的协议来实现数字孪生体之间交换信息。数据保证负责数据传递的安全保障，负责数据和信息传递的认证、授权和保密。数据保证和安全保障一起提供数据的准确一个数字孪生系统，按照其所能实现的功能来分，大致可分为4个发展阶段学习预测学习预测·机器学习决策自治▲多层级应用能力·云计算·高级别隐私保护分析诊断▲数据驱动模型数化仿真在这个阶段，数字孪生要对物理空间进行精准的数字化复现，并通过物联网实现物理空间与数字空间之间的虚实互动。这一阶段，数据的传递并不一定需要完全实时，数据可在较短的周期内进行局部汇集和周期性传递，物理世界对数字世界的数据输入以及数字世界对物理世界的能动改造基本依赖于物联网硬件设这一阶段主要涉及数字孪生的物理层、数据层和模型层(尤其是机理模型的构建),最核心的技术是建模技术及物联网感知技术。通过3D测绘、几何建模、流程建模等建模技术，完成物理对象的数字化，构建出相应的机理模型，并通过物联网感知接入技术使物理对象可被计算机感知、识别。在这个阶段，数据的传递需要达到实时同步的程度。将数据驱动模型融入物理世界的精准仿真数字模型中，对物理空间进行全周期的动态监控，根据实际业务需求，逐步建立业务知识图谱，构建各类可复用的功能模块，对所涉数据进行分析、理解，并对已发生或即将发生的问题做出诊断、预警及调整，实现对物理世界的状态跟踪、分析和问题诊断等功能。这一阶段的重点在于结合使用机理模型及数据分析型的数据驱动模型，核心技术除了物联网相关技术外，主要会运用到统计计算、大数据分析、知识图谱、计算机视觉等相关技术。实现了学习预测功能的数字孪生能通过将感知数据的分析结果与动态行业词典相结合进行自我学习更新，并根据已知的物理对象运行模式，在数字空间中预测、模拟并调试潜在未发觉的及未来可能出现的物理对象的新运行模式。在建立对未来发展的预测之后，数字孪生将预测内容以人类可以理解、感知的方式呈这一阶段的核心是由多个复杂的数据驱动模型构成的、具有主动学习功能的半自主型功能模块，这需要数字孪生做到类人一般灵活地感知并理解物理世界，而后根据理解学习到的已知知识，推理获取未知知识。所涉及的核心技术集中于机器学习、自然语言处理、计算机视觉、人机交互等领域。到达这一阶段的数字孪生基本可以称为是一个成熟的数字孪生体系。拥有不同功能及发展方向但遵循共同设计规则的功能模块构成了一个个面向不同层级的业务应用能力，这些能力与一些相对复杂、独立的功能模块在数字空间中实现了交互沟通并共享智能结果。而其中，具有“中枢神经”处理功能的模块则通过对各类智能推理结果的进一步归集、梳理与分析，实现对物理世界复杂状态的预判，并自发地提出决策性建议和预见性改造，并根据实际情况不断调整和完善自在这一过程中，数据类型愈发复杂多样且逐渐接近物理世界的核心，同时必然会产生大量跨系统的异地数据交换甚至涉及数字交易。因此，这一阶段的核心技术除了大数据、机器学习等人工智能技术外，必然还包括云计算、区块链及高级别隐私保护等技术领域。四、数字孪生体成熟度模型数字孪生体不仅仅是物理世界的镜像，也要接收物理世界实时信息，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，即一个数字孪生体的生长发育将经历数化、互动、先知、共智共智先觉先知基于不明确机理的推测基于明确机理的计算实时互传信息数据物理世界的数字化建模数化互动图2数字孪生体成熟度模型1.数化无论从工业领域还是建筑领域，现代的绝大部分实体都需要通过CAD(注意，CAD包含3D,BIM的概念，并不仅仅代表二维图纸)数字化软件建模才可以加工生产制造。2.互动“互动”主要是指数字对象间及其与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。这种仿真不是对一个阶段或一种现象的仿真，应是全周期和全领域的动态仿真。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体的未来，那么“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。如果要求数字孪生体越来越智能和智慧，就不应局限于人类对物理世界的确定性知识。其实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体之间的智慧交换和共享，其隐含的前提是单个数字孪生体内部各构件的智慧首先是共享的。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。众多数字孪生体在“共智”过程中必然存在大量的数字资产的交易，区块链则提供了最佳交易机制。数字孪生体核心技术建模、仿真和基于数据融合的数字线程是数字孪生体的三项核心技术；能够做到统领建模、仿真和数字线程的系统工程和MBSE,则成为数字孪生而云计算、机器学习、大数据、区块链则是数字孪生体的外围使能技术。级别名称关键特征关键技术1数化对物理世界进行数字化建模建模/物联网2互动数字间及其与物理之间实时互传信息和数据物联网/数字线程3先知基于完整信息和明确机理预测未来仿真/科学计算4先觉基于不完整信息和不明确机理推测未来大数据/机器学习5共智多个数字孪生体之间共享智慧，共同进化云计算/区块链1.建模生的源头和核心技术，也是“数化”阶段的核心。2.物联网将现实世界的事务对象的状态等信息，通过各种设备、传感器等进行实时监测采集，获取其运行状态信息。核心是物联网网关装置。实现各类物联网设备和3.数字线程“互动”是数字孪生体的一个重要特征，主要是指物理对象和数字对象之间的动态互动，当然也隐含了物理对象之间的互动以及数字对象之间的互动。前两者通过物联网实现，而后者则是通过数字线程实现。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。4.仿真“先知”是指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，更需要数字模型中融入物理规律和机理，这是仿真世界的特长。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。物理对象的当前状态则通过物联网和数字线程获得。这种仿真不是对一个阶段或一种现象的仿真，应是全周期和全领域的动态仿真，譬如产品仿真、虚拟试验、制造仿真、生产仿真、工厂仿真、物流仿真、运维仿真、组织仿真、流程仿真、城市仿真、交通仿真、人群仿真、战场仿真等。5.虚拟现实人类通过屏幕与数字世界交互不仅不直观、不真实，而且交互的深度受到巨大限制。虚拟现实(VR)、增强现实(AR)及混合现实(MR)等三种技术提供的深度沉浸技术让人类与数字世界的交互方式与物理世界类似，使数字世界在感官和操作体验上更加接近物理世界，让“孪生”一词变得更为精妙。但在数字世界中，人类又具有超人般的特异功能，可以无限驾驭数字世界，系统工程的建模和仿真方法及流程可以作为顶层框架分别指导系统级数字孪生体和体系级数字孪生体(如共智孪生体)的构建和运行。MBSE(基于模型的系统工程)是创建数字孪生体的框架，数字孪生体可以通集的数据，运行系统仿真来探索故障模式，从而随着时间的推移逐步改进系统设7.大数据如果说“先知”是依据物理对象的确定性规律和完整机理来预测数字孪生体的未来，那么“先觉”就是依据不确定和不完整的信息来预感未来，这是大数据的强项。如果要求数字孪生体越来越智能和智慧，就不应局限于人类对物理世界的确定性知识，其实人类本身就不是完全依赖确定性知识而领悟世界的。8.云计算“共智”的目标是实现世界上所有数字孪生体智慧的交换和共享，其隐含的前提是单个数字孪生体内部各构件的智慧首先是共享的。云计算、雾计算和边缘计算则为数字孪生体内部和之间进行智慧共享提供了可能。当然，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的数字孪生体，这个数量可以是无限的。数字孪生体是典型的数字资产。在众多数字孪生体“共智”的过程中，必然区块链提供的去中心化的交易机制能很好地支持分布、实时和精细化的数字资产交易，可以成为数字孪生体的最佳资产交易媒介。同时它也能引入信任度，持续保持透明度，很好地支持数字资产交易生态系统的参与主体，包括数字资产采集、存储、交易、分发和服务各个流程的参与者。数字孪生标准体系可包含以下部分：1.基础共性标准：包括术语标准、参考架构标准、适用准则三部分，关注数字孪生的概念定义、参考框架、适用条件与要求，为整个标准体系提供支撑2.数字孪生关键技术标准：包括物理实体标准、虚拟实体标准、孪生数据标准、连接与集成标准、服务标准五部分，用于规范数字孪生关键技术的研究与实施，保证数字孪生实施中的关键技术的有效性，破除协作开发和模块互换3.数字孪生工具/平台标准：包括工具标准和平台标准两部分，用于规范软硬件工具/平台的功能、性能、开发、集成等技术要求。4.数字孪生测评标准：包括测评导则、测评过程标准、测评指标标准、测评用例标准四部分，用于规范数字孪生体系的测试要求与评价方法。5.数字孪生安全标准：包括物理系统安全要求、功能安全要求、信息安全要求三部分，用于规范数字孪生体系