摘 要：
數字孿生(Digital Twin)作為踐行智能制造、工業4.0、工業網際網路、智慧城市等先進理念的使能技術與手段，近期備受學術界和企業界關注，尤其是數字孿生的落地應用更是關注熱點。模型是數字孿生的基礎與核心，而傳統數字孿生三維模型已無法滿足現階段技術發展與應用需求。在此背景下，為推動數字孿生技術在相關領域和行業的進一步應用，在數字孿生工廠中的房間研究過程中，提出了數字孿生五維模型的概念，以适應新需求。基于前期相關研究，在進一步闡述數字孿生五維模型後，結合相關合作企業實際應用需求，重點探讨了數字孿生五維模型在衛星/空間通信網絡、船舶、車輛、發電廠、飛機、複雜機電裝備、立體倉庫、醫療、制造工廠中的房間、智慧城市10個領域的應用思路與方案，以期為相關領域踐行數字孿生理念與技術提供參考。
1 數字孿生發展應用新趨勢與新需求
數字孿生(Digital Twin)以數字化的方式建立實體實體的多元、多時空尺度、多學科、多實體量的動态虛拟模型來仿真和刻畫實體實體在真實環境中的屬性、行為、規則等。數字孿生的概念最初于2003年由Grieves教授在美國密歇根大學産品生命周期管理課程上提出，早期主要被應用在軍工及航空航天領域。如美國空軍研究實驗室、美國國家航空航天局(NASA)基于數字孿生開展了飛行器健康管控應用，美國洛克希德·馬丁公司将數字孿生引入到F-35戰鬥機生産過程中，用于改進工藝流程，提高生産效率與品質。由于數字孿生具備虛實融合與實時互動、疊代運作與優化、以及全要素/全流程/全業務資料驅動等特點，目前已被應用到産品生命周期各個階段，包括産品設計、制造]、服務與運維等。
随着美國工業網際網路、德國工業4.0、及中國制造2025等國家層面制造發展戰略的提出，智能制造已成為全球制造業發展的共同趨勢與目标。數字孿生作為解決智能制造資訊實體融合難題和踐行智能制造理念與目标的關鍵使能技術，得到了學術界的廣泛關注和研究，并被工業界引入到越來越多的領域進行落地應用[1]。
數字孿生落地應用的首要任務是建立應用對象的數字孿生模型。目前，數字孿生模型多沿用Grieves教授最初定義的三維模型，即實體實體、虛拟實體及二者間的連接配接。然而，随着相關理論技術的不斷拓展與應用需求的持續更新，數字孿生的發展與應用呈現出如下新趨勢與新需求：
(1)應用領域擴充需求 數字孿生提出初期主要面向軍工及航空航天領域需求，近年逐漸向民用領域拓展。根據作者前期關于數字孿生在工業應用中的調研分析，數字孿生在電力、汽車、醫療、船舶等11個領域均有報道與應用需求，且市場前景廣闊。研究與實踐表明，相關領域應用過程中所需解決的首個挑戰是如何根據不同的應用對象與業務需求建立對應的數字孿生模型。因缺乏通用的數字孿生參考模型與建立方法的指導，嚴重阻礙了數字孿生相關領域的落地應用。
(2)與New IT技術深度融合需求 數字孿生的落地應用離不開New IT技術的支援，包括基于物聯網的虛實互聯與內建；基于雲模式的數字孿生資料存儲與共享服務；基于大資料與人工智能的資料分析、融合、及智能決策;基于虛拟現實(VR)與增強現實(AR)的虛實映射與可視化顯示等。數字孿生必須與New IT技術深度融合才能實作資訊實體系統的內建、多源異構資料的采—傳—處—用，進而實作資訊實體資料的融合、支援虛實雙向連接配接與實時互動，開展實時過程仿真與優化，提供各類按需使用的智能服務。關于數字孿生與New IT技術的融合目前已有相關研究報道，如基于雲、霧、邊的數字孿生三層架構，數字孿生服務化封裝方法，數字孿生與大資料融合驅動的智能制造模式，基于資訊實體系統的數字孿生參考模型，及VR/AR驅動的數字孿生虛實融合與互動等。
(3)資訊實體融合資料需求 資料驅動的智能是目前國際學術前沿與應用過程智能化的發展趨勢，如資料驅動的智能制造、設計、運作維護、仿真優化等。相關研究可歸為3類：①主要依賴資訊空間的資料進行資料處理、仿真分析、虛拟驗證、及運作決策等，缺乏應用實體對象的實體實況小資料(如裝置實時運作狀态、突發性擾動資料、瞬态異常小資料等)的考慮與支援，存在“仿而不真”的問題；②主要依賴應用實體對象實況資料開展“望聞問切”經驗式的評估、分析與決策，缺乏資訊大資料(如曆史統計資料、時空關聯資料、隐性知識資料等)的科學支援，存在“以偏概全”的問題；③雖然有部分工作同時考慮和使用了資訊資料與實體資料，能在一定程度上彌補上述不足，但實際執行過程中兩種資料往往是孤立的，缺乏全面互動與深度融合，資訊實體一緻性與同步性差，結果的實時性、準确性有待提升。資料也是數字孿生的核心驅動力，與傳統數字化技術相比，除資訊資料與實體資料外，數字孿生更強調資訊實體融合資料，通過資訊實體資料的融合來實作資訊空間與實體空間的實時互動、一緻性與同步性，進而提供更加實時精準的應用服務。
(4)智能服務需求 随着應用領域的拓展，數字孿生必須滿足不同領域、不同層次使用者(如終端現場操作人員、專業技術人員、管理決策人員、及産品終端使用者等)、不同業務的應用需求。包括：①虛拟裝配、裝置維護、工藝調試等實體現場操作指導服務需求；②複雜生産任務動态優化排程、動态制造過程仿真、複雜工藝自優化配置、裝置控制政策自适應調整等專業化技術服務需求；③資料可視化、趨勢預測、需求分析與風險評估等智能決策服務需求；④面向産品終端使用者功能體驗、沉浸式互動、遠端操作等“傻瓜式”和便捷式服務需求。是以，如何實作數字孿生應用過程中所需各類資料、模型、算法、仿真、結果等的服務化，以應用軟體或移動端App的形式為使用者提供相應智能服務，是數字孿生普适應用面臨的又一難題。
(5)普适工業互聯需求 普适工業互聯(包括實體實體間的互聯與協作，實體實體與虛拟實體的虛實互聯與互動，實體實體與資料/服務間的雙向通信與閉環控制，虛拟實體、資料、及服務間的內建與融合等)是實作數字孿生虛實互動與融合的基石，如何實作普适的工業互聯是數字孿生的應用前提。目前，部分研究已開始探索面向數字孿生的實時互聯方法，包括面向智能制造多源異構資料實時采集與內建的工業網際網路Hub(IIHub)、基于AutomationML的資訊系統實時通訊與資料交換、基于MTConnect的現場實體裝置與模型及使用者的遠端互動，以及基于中間件的實體實體與虛拟實體的互聯互通等。
(6)動态多元多時空尺度模型需求 模型是數字孿生落地應用的引擎。目前針對實體實體的數字化模組化主要集中在對幾何與實體次元模型的建構上，缺少能同時反映實體實體對象的幾何、實體、行為、規則及限制的多元動态模型的建構。而在不同次元，缺少從不同空間尺度來刻畫實體實體不同粒度的屬性、行為、特征等的“多空間尺度模型”；同時缺少從不同時間尺度來刻畫實體實體随時間推進的演化過程、實時動态運作過程、外部環境與幹擾影響等的“多時間尺度模型”。此外，從系統的角度出發，缺乏不同次元、不同空間尺度、不同時間尺度模型的內建與融合。上述模型不充分、不完整問題，導緻現有虛拟實體模型不能真實客觀地描述和刻畫實體實體，進而導緻相關結果(如仿真結果、預測結果、評估及優化結果)不夠精準。是以，如何建構動态多元多時空尺度模型，是數字孿生技術發展與實際應用面臨的科學挑戰難題。
為适應以上新趨勢與新需求，解決數字孿生應用過程中遇到的難題，北航數字孿生技術研究團隊提出了數字孿生五維模型，并對數字孿生五維模型的組成架構及應用準則進行了研究。在前期研究工作基礎上，本文進一步對數字孿生五維模型進行了系統闡述，并探索五維模型在衛星/空間通信網絡、船舶、車輛、發電廠、飛機、複雜機電裝備、立體倉庫、醫療、制造工廠中的房間、智慧城市10個領域的應用，以期為數字孿生理念與技術進一步落地應用提供參考。
2 數字孿生五維模型
為使數字孿生進一步在更多領域落地應用，北航數字孿生技術研究團隊對已有三維模型進行了擴充，并增加了孿生資料和服務兩個新次元，創造性提出了數字孿生五維模型的概念，如式(1)所示：
MDT=(PE,VE,Ss,DD,CN)。
(1)
式中：PE表示實體實體，VE表示虛拟實體，Ss表示服務，DD表示孿生資料，CN表示各組成部分間的連接配接。根據式(1)，數字孿生五維模型結構如圖1所示。
數字孿生五維模型能滿足上節所述數字孿生應用的新需求。首先，MDT是一個通用的參考架構，能适用不同領域的不同應用對象。其次，它的五維結構能與物聯網、大資料、人工智能等New IT技術內建與融合，滿足資訊實體系統內建、資訊實體資料融合、虛實雙向連接配接與互動等需求。再次，孿生資料(DD)內建融合了資訊資料與實體資料，滿足資訊空間與實體空間的一緻性與同步性需求，能提供更加準确、全面的全要素/全流程/全業務資料支援。服務(Ss)對數字孿生應用過程中面向不同領域、不同層次使用者、不同業務所需的各類資料、模型、算法、仿真、結果等進行服務化封裝，并以應用軟體或移動端App的形式提供給使用者，實作對服務的便捷與按需使用。連接配接(CN)實作實體實體、虛拟實體、服務及資料之間的普适工業互聯，進而支援虛實實時互聯與融合。虛拟實體(VE)從多元度、多空間尺度、及多時間尺度對實體實體進行刻畫和描述。
2.1 實體實體(PE)
PE是數字孿生五維模型的構成基礎，對PE的準确分析與有效維護是建立MDT的前提。PE具有層次性，按照功能及結構一般包括單元級(Unit)PE、系統級(System)PE和複雜系統級(System of systems)PE三個層級。以數字孿生工廠中的房間[2]為例，工廠中的房間内各裝置可視為單元級PE，是功能實作的最小單元；根據産品的工藝及工序，由裝置組合配置構成的生産線可視為系統級PE，可以完成特定零部件的加工任務；由生産線組成的工廠中的房間可視為複雜系統級PE，是一個包括了物料流、能量流與資訊流的綜合複雜系統，能夠實作各子系統間的組織、協調及管理等。根據不同應用需求和管控粒度對PE進行分層，是分層建構MDT的基礎。例如，針對單個裝置建構單元級MDT，進而實作對單個裝置的監測、故障預測和維護等；針對生産線建構系統級MDT，進而對生産線的排程、進度控制和産品品質控制等進行分析及優化；而針對整個工廠中的房間，可建構複雜系統級MDT，對各子系統及子系統間的互動與耦合關系進行描述，進而對整個系統的演化進行分析與預測。
2.2 虛拟實體(VE)
VE如式(2)所示[8]，包括幾何模型(Gv)、實體模型(Pv)、行為模型(Bv)和規則模型(Rv)，這些模型能從多時間尺度、多空間尺度對PE進行描述與刻畫[2,5]，
VE=(Gv,Pv,Bv,Rv)。
(2)
式中：Gv為描述PE幾何參數(如形狀、尺寸、位置等)與關系(如裝配關系)的三維模型，與PE具備良好的時空一緻性，對細節層次的渲染可使Gv從視覺上更加接近PE。Gv可利用三維模組化軟體(如SolidWorks、3D MAX、ProE、AutoCAD等)或儀器裝置(如三維掃描器)來建立。
Pv在Gv的基礎上增加了PE的實體屬性、限制、及特征等資訊，通常可用ANSYS，ABAQUS，Hypermesh等工具從宏觀及微觀尺度進行動态的數學近似模拟與刻畫，如結構、流體、電場、磁場模組化仿真分析等。
Bv描述了不同粒度不同空間尺度下的PE在不同時間尺度下的外部環境與幹擾，以及内部運作機制共同作用下産生的實時響應及行為，如随時間推進的演化行為、動态功能行為、性能退化行為等。建立PE的行為模型是一個複雜的過程，涉及問題模型、評估模型、決策模型等多種模型的建構，可利用有限狀态機、馬爾可夫鍊、神經網絡、複雜網絡、基于本體的模組化方法進行Bv的建立。
Rv包括基于曆史關聯資料的規律規則，基于隐性知識總結的經驗，以及相關領域标準與準則等。這些規則随着時間的推移自增長、自學習、自演化，使VE具備實時的判斷、評估、優化及預測的能力，進而不僅能對PE進行控制與運作指導，還能對VE進行校正與一緻性分析。Rv可通過內建已有的知識獲得，也可利用機器學習算法不斷挖掘産生新規則。
通過對上述4類模型進行組裝、內建與融合，進而建立對應PE的完整VE。同時通過模型校核、驗證和确認(VV&A)來驗證VE的一緻性、準确度、靈敏度等，保證VE能真實映射PE[2,5]。此外，可使用VR與AR技術實作VE與PE虛實疊加及融合顯示，增強VE的沉浸性、真實性及互動性。
2.3 服務(Ss)
Ss是指對數字孿生應用過程中所需各類資料、模型、算法、仿真、結果進行服務化封裝，以工具元件、中間件、子產品引擎等形式支撐數字孿生内部功能運作與實作的“功能性服務(FService)”，以及以應用軟體、移動端App等形式滿足不同領域不同使用者不同業務需求的“業務性服務(BService)”，其中FService為BService的實作和運作提供支撐。
FService主要包括：①面向VE提供的模型管理服務，如模組化仿真服務、模型組裝與融合服務、模型VV&A服務、模型一緻性分析服務等；②面向DD提供的資料管理與處理服務，如資料存儲、封裝、清洗、關聯、挖掘、融合等服務；③面向CN提供的綜合連接配接服務，如資料采集服務、感覺接入服務、資料傳輸服務、協定服務、接口服務等。
BService主要包括：①面向終端現場操作人員的操作指導服務，如虛拟裝配服務、裝置維修維護服務、工藝教育訓練服務；②面向專業技術人員的專業化技術服務，如能耗多層次多階段仿真評估服務、裝置控制政策自适應服務、動态優化排程服務、動态過程仿真服務等；③面向管理決策人員的智能決策服務，如需求分析服務、風險評估服務、趨勢預測服務等；④面向終端使用者的産品服務，如使用者功能體驗服務、虛拟教育訓練服務、遠端維修服務等。這些服務對于使用者而言是一個屏蔽了數字孿生内部異構性與複雜性的黑箱，通過應用軟體、移動端App等形式向使用者提供标準的輸入輸出，進而降低數字孿生應用實踐中對使用者專業能力與知識的要求，實作便捷的按需使用。
2.4 孿生資料(DD)
DD是數字孿生的驅動[7]。如式(3)所示[8]，DD主要包括PE資料(Dp)，VE資料(Dv)，Ss資料(Ds)，知識資料(Dk)，及融合衍生資料(Df)。
DD=(Dp,Dv,Ds,Dk,Df)。
(3)
式中：Dp主要包括展現PE規格、功能、性能、關系等的實體要素屬性資料與反映PE運作狀況、實時性能、環境參數、突發擾動等的動态過程資料，可通過傳感器、嵌入式系統、資料采集卡等進行采集；Dv主要包括VE相關資料，如幾何尺寸、裝配關系、位置等幾何模型相關資料，材料屬性、載荷、特征等實體模型相關資料，驅動因素、環境擾動、運作機制等行為模型相關資料，限制、規則、關聯關系等規則模型相關資料，以及基于上述模型開展的過程仿真、行為仿真、過程驗證、評估、分析、預測等的仿真資料；Ds主要包括FService相關資料(如算法、模型、資料處理方法等)與BService相關資料(如企業管理資料，生産管理資料，産品管理資料、市場分析資料等)；Dk包括專家知識、行業标準、規則限制、推理推論、常用算法庫與模型庫等；Df是對Dp,Dv,Ds,Dk進行資料轉換、預處理、分類、關聯、內建、融合等相關處理後得到的衍生資料，通過融合實體實況資料與多時空關聯資料、曆史統計資料、專家知識等資訊資料得到資訊實體融合資料，進而反映更加全面與準确的資訊，并實作資訊的共享與增值。
2.5 連接配接(CN)
CN實作MDT各組成部分的互聯互通。如式(4)所示[8]，CN包括PE和DD的連接配接(CN_PD)、PE和VE的連接配接(CN_PV)、PE和Ss的連接配接(CN_PS)、VE和DD的連接配接(CN_VD)、VE和Ss的連接配接(CN_VS)、Ss和DD的連接配接(CN_SD)，
CN=(CN_PD,CN_PV,CN_PS,
CN_VD,CN_VS,CN_SD)。
(4)
式中：①CN_PD實作PE和DD的互動：可利用各種傳感器、嵌入式系統、資料采集卡等對PE資料進行實時采集，通過MTConnect、OPC-UA、MQTT等協定規範傳輸至DD；相應地，DD中經過處理後的資料或指令可通過OPC-UA、MQTT、CoAP等協定規範傳輸并回報給PE，實作PE的運作優化。②CN_PV實作PE和VE的互動：CN_PV與CN_PD的實作方法與協定類似，采集的PE實時資料傳輸至VE，用于更新校正各類數字模型；采集的VE仿真分析等資料轉化為控制指令下達至PE執行器，實作對PE的實時控制。③CN_PS實作PE和Ss的互動：同樣地，CN_PS與CN_PD的實作方法及協定類似，采集的PE實時資料傳輸至Ss，實作對Ss的更新與優化；Ss産生的操作指導、專業分析、決策優化等結果以應用軟體或移動端App的形式提供給使用者，通過人工操作實作對PE的調控。④CN_VD實作VE和DD的互動：通過JDBC、ODBC等資料庫接口，一方面将VE産生的仿真及相關資料實時存儲到DD中，另一方面實時讀取DD的融合資料、關聯資料、生命周期資料等驅動動态仿真。⑤CN_VS實作VE和Ss的互動：可通過Socket、RPC、MQSeries等軟體接口實作VE與Ss的雙向通訊，完成直接的指令傳遞、資料收發、消息同步等。⑥CN_SD實作Ss和DD的互動：與CN_VD類似，通過JDBC、ODBC等資料庫接口，一方面将Ss的資料實時存儲到DD，另一方面實時讀取DD中的曆史資料、規則資料、常用算法及模型等支援Ss的運作與優化。
來源《計算機內建制造系統》 2019年第1期 P1-18頁 不聲明原創，如有問題可聯系我删除。