1.3 數字孿生的特征

數字孿生的概念在不斷發展過程中，國內外有很多文獻分析總結了數字孿生的內涵和特征[8-14]，但是不同的應用場景下的數字孿生系統、數字孿生系統所在生命周期中的不同階段都呈現出不同的特征，因此，很難通過一個標準的特征來說某個應用系統“是”或者“不是”數字孿生系統。總體來說，和傳統的建模仿真、實時監控、組態軟件等相比，數字孿生系統有以下特征：

1 多領域綜合的數字化模型

1）數字孿生作為仿真應用的發展和升級，與傳統的仿真方式有著巨大的區別。數字孿生的模型貫穿物理系統的整個生命周期，以產品數字孿生為例，針對新產品的設計，傳統的產品仿真主要涉及產品本身的建模與仿真工作，不包括其工藝優化、制造過程規劃、服務運維、回收處置等階段的模型與仿真。而數字孿生不僅具備傳統產品仿真的特點，從概念模型和設計階段著手，先于現實世界的物理實體構建數字模型，而且數字模型與物理實體共生，貫穿實體對象的整個生命周期，建立數字化、單一來源的全生命周期檔案，實現產品全過程追溯，完成物理實體的細致、精準、忠實的表達。因此，其模型的構建需要考慮產品全生命周期的數據和行為表述。

2）現實產品往往包括機械、電子、電氣、液壓氣動等多個物理系統，一個智能系統往往是數學、物理、化學、電子電氣、計算機、機械、控制理論、管理學等多學科、多領域的知識集成的系統。多個物理系統融合、多學科、多領域融合是現實系統的運行特點。物理系統在數字空間的數字模型，需要體現這個融合，實現數字融合模型。這個融合包括了全要素、全業務、多維度、多尺度、多領域、多學科，并且能支持全生命周期的運行仿真。不同的智能系統關注的重點領域不一，多學科耦合程度存在差異，因而其數字模型需要根據不同的應用場景對其組成部分進行融合，以全方面地刻畫物理實體。

3）數字孿生體和物理實體應該是“形神兼似”。“形似”就是幾何形狀、三維模型上要一致，“神似”就是運行機理上要一致。數字孿生體的模型不但包括了三維幾何模型，還包括前述的多領域、多學科物理、管理模型。可以根據構建的數字化模型中的幾何、物理、行為、規則等劃分為多維度空間，還可視為三維空間維、時間維、成本維、質量維、生命周期管理維等多維度交叉作用的融合結果，并形成對應的空間屬性、時間屬性、成本屬性、質量屬性、生命周期管理屬性；數字孿生模型的構建應按層級逐級展開，形成單元級、區域級、系統級、跨系統級等多尺度層級，各層級逐漸擴大，完成不同的系統功能。

以產品數字孿生應用為例，數字化建模不僅指代對產品幾何結構和外形的三維建模，對產品內部各零部件的運動約束、接觸形式、電氣系統、軟件與控制算法等信息進行全數字化的建模技術同樣是建設產品數字孿生所用模型的基礎技術。一般來說，多維度、多物理量、高擬實性的虛擬模型應該包含幾何、物理、行為和規則模型四部分。幾何模型包括尺寸、形狀、裝配關系等；物理模型綜合考慮力學、熱學、材料等要素；行為模型則根據環境等外界輸入及系統不確定因素做出精準響應；規則模型依賴于系統的運行規律，實現系統的評估和優化功能。

4）數據驅動的建模方法有助于處理僅僅利用機理/傳統數學模型無法處理的復雜系統，通過保證幾何、物理、行為、規則模型與刻畫的實體對象保持高度的一致性來讓所建立模型盡可能逼近實體。數字孿生技術解決問題的出發點在于建立高保真度的虛擬模型，在虛擬模型中完成仿真、分析、優化、控制，并以此虛擬模型完成物理實體的智能調控與精準執行，即系統構建于模型之上，模型是數字孿生體的主體組成。

2 以模型為核心的數據采集與組織

1）數據是數字孿生的基礎要素，其來源包括兩部分：一部分是物理實體對象及其環境采集而得；另外一部分是各類模型仿真后產生。多種類、全方位、海量動態數據推動實體/虛擬模型的更新、優化與發展。高度集成與融合的數據不僅能反映物理實體與虛擬模型的實際運行情況，還能影響和驅動數字孿生系統的運轉。

2）物理系統的智能感知與全面互聯互通是物理實體數據的重要來源，是實現模型、數據、服務等融合的前提。感知與互聯主要指通過傳感器技術、物聯網、工業互聯網等將系統中人、機、物、環境等全要素異構信息以數字化描述的形式接入信息系統，實現各要素在數字空間的實時呈現，驅動數字模型的運作。

3）數據的組織以模型為核心。信息模型是對物理實體的一個抽象，而多學科、多領域的仿真模型又需要不同的數據驅動，并且也會產生不同的數據。這些數據通過信息模型、物理模型、管理模型等不同領域模型進行組織，并且通過基于模型的單一數據源管理來實現統一存儲與分發，保證數據的有效性和正確性。

3 雙向映射、動態交互、實時連接和迭代優化

1）物理系統、數字模型通過實時連接，進行動態交互、實現雙向映射。物理系統的變化能及時反映到數字模型中，數字模型所計算、仿真的結果，也能及時發送給物理系統，控制物理實體的執行過程，這樣形成了數字孿生系統的虛實融合。孿生數據鏈接成一個統一的整體后，系統各項業務也得到了有效集成與管控，各業務不再以孤立形式展現，業務數據共享，業務功能趨于完善。

2）適合應用場景的實時連接。“實時連接”在不同的應用場景下，其物理含義是不同的。對于控制類應用（設備的在線監控），實時可能指小于1s達到毫秒級，而對于生產系統級應用，可能小于10s甚至1min都是允許的，對于城市等大系統，部分數據可以以分鐘甚至小時為單位進行更新，也算滿足“實時連接”的定義。

3）如今的智能產品和智能系統呈現出復雜度日益提高、不確定因素眾多、功能趨于多樣化、針對不同行業的需求差異較大等趨勢，而數字孿生為復雜系統的感知、建模、描述、仿真、分析、診斷、預測、調控等提供了可行的解決方案，數字孿生系統必須能不斷地迭代優化，即適應內外部的快速變化并做出針對性的調整，能根據行業、服務需求、場景、性能指標等不同要求完成系統的拓展、裁剪、重構與多層次調整。這個優化首先在數字空間發生，同時也同步在物理系統中發生。

4 推演預測與分析等智能化功能

1）數字孿生將真實運行物體的實際情況結合數字模型在軟件界面中進行直觀呈現，這個是數字孿生的監控功能。數字孿生的監控一般構建于三維可視化模型之上，各類數據按模型的空間、運行流程、管理層級等不同維度進行展示，能讓用戶直觀感受系統運行狀態，便于做出決策。

展示的數據不但包括采集得到的實時數據，也包括基于這些數據結合相關分析模型之后的數據挖掘結果，可以進一步提取數據背后富有價值的信息。分析結果也疊加到展示模型中，可以更好地展示實體對象的內部狀態，為預測和優化提供基礎。

2）數字孿生系統具備模擬、監控、診斷、推演預測與分析、自主決策、自主管控與執行等智能化功能。信息空間建立的數字模型本身來說即是對物理實體的模擬和仿真，用于全方位、全要素、深層次地呈現實體的狀態，完成軟件層面的可視化監控過程。而數字孿生不局限于以上基礎功能的實現，還應該充分利用全周期、全領域仿真技術對物理世界進行動態的預測，預測是數字孿生的核心價值所在。動態預測的基礎正是系統中全面互聯互通的數據流、信息流以及所建立的高擬實性數字化模型。動態預測的方式大體可以分為兩類：

①根據物理學規律和明確的機理計算、分析實體的未來狀態。

②依賴系統大數據分析、機器學習等方法所挖掘的模型和規律預測未來。

第二類更適合于現如今功能愈加多樣化、充滿不確定性、難以用傳統數學模型準確勾畫的復雜控制系統。在虛擬空間完成推演預測后，根據預測結果、特定的應用場景和不同的功能要求，采用合理的優化算法實時分析被控對象行為，完成自主決策優化和管理，并控制實體對象精準執行。

3）數字孿生可看作是一種技術、方法、過程、思路、框架和途徑，本質上是以服務為導向，對特定領域中的系統進行優化，滿足系統某一方面的功能要求，如成本、效率、故障預測與監控、可靠運維等。而服務展開來說，可分為面向不同領域、用戶/人員（專業技術人員、決策人員、終端執行人員等）、業務需求、場景的業務性服務和針對智能系統物理實體、虛擬模型、孿生數據、各組成部分之間的連接相關的功能性服務等。