数字孪生概念起源于产品全生命周期管理（PLM），由美国密歇根大学教授迈克尔·格里夫斯于2002年提出。数字孪生应用最早发生于航空航天领域，其中，美国国家航空航天局和美国空军实验室是第一批数字孪生应用企业。近年来，数字孪生应用已从航空航天领域向工业各领域全面拓展，西门子、通用电气等工业巨头纷纷打造数字孪生解决方案，并赋能工业企业。据IDC预测，到2022年，70%的制造商将使用数字孪生技术进行流程仿真和场景评估。可见，未来数字孪生技术有望持续在工业界发挥作用，加快推动工业企业实现数字化转型。
工业数字孪生技术体系
工业数字孪生技术不是近期诞生的一项新技术，它是一系列数字化技术的集成融合和创新应用，技术体系涵盖了感知控制、数据集成、建模分析、人机交互四大领域和基础技术、核心技术两大类型。一方面，基础技术是构建数字孪生数据闭环的支撑保障，涵盖面向感知控制领域的传感技术和控制技术，面向数据集成领域的产品数据集成（PLM）和业务数据集成（BPM）技术，面向建模分析领域的物理建模、数据建模、业务建模技术，以及面向人机交互领域的AR/VR技术。另一方面，核心技术是数字孪生应用创新的动力引擎，集中在数据集成和建模分析两个领域，涵盖数字线程、模型融合、模型修正、管理壳技术。
数字孪生基础技术发展趋势
传感技术向微型化和集成化发展，支撑数字孪生更深入地获取物理对象数据。一是传感器向微型化发展，能够被集成到智能产品中，实现更深层次的数据感知。二是多类传感能力集成至单个传感模块，支撑实现更丰富的数据感知获取。多传感器融合技术基于多数据融合分析提升决策水平。
物理建模工具创新应用，提升数字孪生模型构建效率。一是基于AI的创成式设计工具提升增量产品的几何设计效率。二是基于三维扫描建模工具实现存量产品的自动化几何建模。三是仿真工具通过融入无网格划分功能缩短仿真时长。
传统统计分析叠加人工智能技术，强化数字孪生预测建模能力。一是基于深度学习、强化学习等新兴机器学习技术，建立深度分析模型，提高分析效率。二是基于知识图谱构建全产业链、全领域的巨模型，大大拓展模型关联范围。三是基于迁移学习理论，提升模型通用性，不需要针对同领域、同类型、不同问题的对象多次建模。
虚拟现实技术发展带来全新人机交互模式，提升数字孪生可视化效果。新兴AR/VR技术具备三维可视化效果，正加快与几何设计、仿真模拟融合，有望持续提升数字孪生应用效果。在“AR﹢CAD”“AR﹢三维扫面建模”“AR﹢仿真”等领域，目前都实现了应用落地。
数字孪生核心技术发展趋势
数字线程技术拓展数字孪生数据集成范围和深度。一是数字线程技术从基于PLM/ BPM的局部互联向基于工业互联网平台的全面互联演进。传统PLM仅聚焦提供面向产品的数据集成能力，BPM聚焦提供商业数据集成能力，而借助IoT平台的跨领域数据集成能力，能够构建包含产品全生命周期、全业务流程的数字线程。如PTC利用ThingWorx平台使creo（CAD）、windchill（PLM）、Vuforia（AR）以及其他多个软件系统实现实时数据同步，构建全流程的数字线程。二是数字线程技术由单一领域向机械、软件、电子多领域集成发展。传统PLM仅管理机械领域数据，ALM管理IT软件领域数据，EDA管理电子电控领域数据，而数字线程技术实现面向机械、软件、电子等多领域数据深度集成。如西门子Xcelerator综合集成了产品全生命周期管理（PLM）、电子设计自动化（EDA）、应用生命周期管理（ALM）、制造运营管理（MOM）、嵌入式软件和物联网（IoT）。
跨领域、跨尺度、跨类型模型融合技术支撑复杂孪生模型构建。一是多物理、多学科跨领域模型融合技术构建更全面、更完整的孪生模型。如ANSYS Simplorer提供多物理场建模仿真解决方案，能够外部输出复杂模型融合的数字孪生构建服务。贝加莱MapleSim Connector多学科联合仿真统一不同领域仿真工具接口，构建系统级数字孪生应用。二是以降阶模型技术为代表的跨类型模型融合技术，有效实现仿真模型和数据模型的互操作，极大缩短仿真求解时间。如ANSYS利用深度学习算法进行10次CFD仿真，获得整个工作范围内的流场分布降阶模型，原先16个核的工作站需要计算2小时，现在笔记本电脑只需计算3秒钟，极大缩短仿真模拟时间。三是多尺度建模技术通过建模工具融合不同时间、空间尺度的模型，使孪生模型能够融合微观和宏观的多方面机理。如西门子自动驾驶汽车产品PAVE，集成了从芯片设计到软硬件系统、整车模型以及交通流量等不同领域和尺度下的模型，形成不同尺度孪生模型融合能力。
模型修正技术不断提升数字孪生模型精度。基于实际运行数据持续修正模型参数，是保证数字孪生高精度的关键手段，目前数据科学和仿真模型均具备相应的模型动态调整技术。一是在线机器学习基于实时数据持续驱动数据模型完善，能够有效对模型进行动态修正。如流行的Tensorflow、Scikitlearn等AI工具中都嵌入了在线机器学习模块，基于实时数据动态更新模型。二是有限元仿真模型修正技术能够基于试验或者实测数据对原始有限元模型进行修正。如达索、ANSYS、MathWorks等领先厂商的有限元仿真工具中，均具备了有限元模型修正的接口或者模块，支持用户基于试验数据对模型进行修正。
管理壳技术为数字孪生提供模块化的管理框架。管理壳技术为数字孪生提供了一套数据互联、信息互通、模型互操作的管理框架，为数字孪生提供从单元到系统的灵活组合能力。一是具备数据集成功能，实现不同设备、不同业务系统数据格式的统一。二是具备模型管理及融合功能，有效管理几何模型、数据模型、仿真模型、业务模型等不同类型模型，支持模型间无缝互操作。三是具备标识解析功能，每个管理壳都有唯一标识，不同管理壳间能够相互识别，进而实现管理壳间模型灵活抽取。四是具备工业通信功能、统一网络协议，实现高效的数据共享。未来，管理壳技术有望通过叠加AI技术提升多智能体技术工程化应用，为数字孪生提供更智能的协同管理。
工业数字孪生前景展望
工业数字孪生是多类数字化技术的集成融合，其中工业仿真和新一代信息技术的融合应用是数字孪生发展的关键。工业数字孪生是复杂的系统工程，目前仅有少数工业巨头能够独自构建数字孪生解决方案，大多数企业需要通过能力互补合作共同提供数字孪生服务。统一数据与模型的标准是数字孪生创新发展面临的最重要挑战，管理壳有望成为关键解决方案。平台是数据集成、模型融合的关键载体，将成为数字孪生发展的重要基础设施。
