mirror of
https://gitee.com/AiShiYuShiJiePingXing/bigscreen.git
synced 2026-01-21 05:40:35 +08:00
160 lines
23 KiB
Markdown
160 lines
23 KiB
Markdown
# 一、数字孪生究竟是什么？
|
||
|
||
数字孪生，英文名为DigitalTwin(数字双胞胎)，也称之为数字映射、数字镜像。它的官方定义十分复杂：
|
||
|
||
数字孪生是充分运用物理模型、传感器更新、运作历史等数据信息，集成多学科、多物理量、多尺度、多概率的模拟仿真过程，在虚拟空间中进行映射，进而反映对应的实体装备的全生命周期过程。简便而言，数字孪生便是在一个设备或系统的基础上创建一个数字版的“克隆体”。这个“克隆体”也称之为“数字孪生体”。
|
||
|
||
它被创建在信息化平台上，是虚拟的。数字孪生体最大的特性就在于：它是对实体目标(本体)的动态模拟仿真。这也就是说，数字孪生体是会“动”的。它“动”的依据来自于本体的物理设计模型，还有就是本体上面传感器反馈的数据信息，以及本体运作的历史数据。倘若需要做系统设计变动，或者需要知道系统在特殊外部条件下的反应，工程师们可以在孪生体上进行“实验”。如此一来，既避免了对本体的影响，还可以提高效率、节约成本。除去“会动”之外，正确理解数字孪生还需要记住三个关键词，分别是“全生命周期”、“实时/准实时”、“双向”。
|
||
|
||
数字孪生是起源于工业界的概念。在工业制造领域，有个词叫做“产品生命周期管理(PLM)”。全生命周期，指的是数字孪生可以贯穿产品包括设计、开发、制造、服务、维护甚至报废回收的整个周期。它并不仅仅局限于协助企业把产品更好的造出来，还包括协助用户更好的使用产品。而实时/准实时，指的是本体和孪生体之间，可以构建全面的实时或准实时联系。两者之间并不是完全独立的，映射关系也具有一定的实时性。双向，指的是本体和孪生体之间的数据信息流动可以是双向的。并不是只有本体向孪生体输出数据信息，孪生体也可以向本体反馈信息。企业可以根据孪生体反馈的信息，对本体采取更进一步的行动和干预。
|
||
|
||
## 1.1 数字孪生的起源和定义
|
||
|
||
1. 数字孪生是有生命或无生命的物理实体的数字副本；
|
||
2. 通过桥接物理和虚拟世界，数据可以无缝传输，进而允许虚拟实体与物理实体同时存在。
|
||
|
||
|
||
|
||
## 1.2 数字孪生有何用
|
||
|
||
首先，它可以通过设计工具、仿真工具、物联网、虚拟现实等多种数字化的手段，将物理设备的各种属性映射到虚拟空间中，生成可拆解、可复制、可转移、可更改、可删除、可重复操作的数字镜像。
|
||
|
||
这极大程度的加快了操作人员对物理实体的了解，激发仿真模拟、批量复制、虚拟装配等设计活动。以往，在没有数字化模型协助下，生产制造一件产品要经过很多次迭代设计。现如今，运用了数字化模型的设计技术，就可以在虚拟的三维数字空间轻松地更改构件和产品的每一处尺寸和装配关系，这使得几何结构的验证工作和装配可行性的验证工作变的简单，大幅降低了迭代过程中物理样机的生产制造次数、时间，及其成本。
|
||
|
||
除此之外，数字孪生还可以通过收集有限的物理传感器指标的直接数据，依靠大样本库，通过机器学习推断出一些原本没法直接测量的指标。由此实现对当前状态的评估、对以往发生问题的诊断，及其对未来发展趋势的预测，并给予分析的结果，模拟多种可能性，提供更全方位的决策支撑。比如说，针对大型设备运作过程中出现的多种故障特征，可以将传感器的历史数据通过机器学习训练出针对不同故障现象的数字化特征模型，并结合专家处理的记录，将其生成未来对设备故障状态进行精准判断的依据，最终形成自治化的智能诊断和判决。
|
||
|
||
|
||
|
||
## 1.3 数字孪生技术框架
|
||
|
||
数字孪生技术框架可分为三个层级，即数据接入层、计算仿真层和应用层。
|
||
|
||
|
||
|
||
|
||
|
||
第一个层级是数据接入层，主要是指通过静态建模和动态感知来获取数据，创建一个基本的客观世界的镜像模型。感知可分为两大类：第一类是静态感知，常用的是CAD/CAE/BIM/CIM技术，如对城市环境的静态部分进行建模；第二类是动态感知，这个是较为关键的一点。动态感知的发展，实际上得益于物联网、互联网技术的发展，诸如工业互联网、5G甚至未来6G技术的不断发展。在这些技术的支持下，可以更全面、及时地实现对客观环境的状态感知。
|
||
|
||
第二层是计算仿真层，主要是包含发掘分析和仿真预测两个方面，是为数字孪生上层应用提供技术支持的关键层级。一方面，要对静态和动态感知所获取数据的初级模型进行深层次发掘，创建更高层的知识模型，即发现一些规律、分布和关联，获取出更高层语义的知识。另一方面，运用这些知识去做仿真演算，进而能够为上层应用实现——通过现实的把握来预测未来。
|
||
|
||
第三层是应用层，数字孪生的核心应用是决策和控制。在现实中，一系列改造现实世界的过程可以认为是一种实施策略，或是看成一种决策。通过应用数字孪生系统，可以在众多平行世界中通过推演来检验我们的策略和决策是否合理，再进一步运用各类智能优化技术，不断迭代改进策略和决策，最后再通过控制系统来实施策略和决策，影响改变现实世界的PhysicalTwin（物理双胞胎），进而构成“感觉-决策-控制-感知”——物理与数字的孪生世界之间信息流动闭环。
|
||
|
||
建模、仿真和基于数据融合的数字线程是数字李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,则成为数字李生体的顶层框架技术；物联网是数字李生体的底层伴生技术；而云计算、机器学习、大数据、区块链则是数字李生体的外围使能技术。
|
||
|
||
# 二、数字孪生：为物理世界“复制”一个虚拟数字分身
|
||
|
||
“数字孪生”（DigitalTwin）这个概念正式提出是在NASA的2010年的一份技术报告当中，那时候给出的一个狭窄定义是“集成了多物理量、多尺度、多概率的系统或飞行器仿真过程”，接下来，“数字孪生”概念和相关技术主要应用在航空航天领域的飞行器健康管理，包括像机身设计与维修，飞行器能力评估，飞行器故障预测等应用当中。
|
||
|
||
不过，“孪生”的概念在二十世纪六十年代就已经出现，那时候美国NASA在“阿波罗计划”中，创建了两个完全相同的航天飞行器，其中一个发射到太空执行任务，另一个留在地球上用来反映太空中航天器在任务期间的工作状态，进而协助工程师分析处理太空中出现的紧急事件。此时，两个航天器都是真实存在的物理实体，也就是还未形成“数字孪生”的概念。
|
||
|
||
到2003年左右，美国密歇根大学教授Grieves首次在“产品的全生命周期管理”课程上提出了“数字孪生”的构想，只是当时将之称为“ConceptualIdealforProductLifecycleManagement”，PLM的主要构想便是在虚拟空间创建一套数字模型，可以与物理实体进行交互映射，完整描述物理实体全生命周期的运行轨迹。
|
||
|
||
现如今，伴随着数字化技术在消费互联网和产业互联网的深层次应用，“数字孪生”概念和技术获得了更加广泛地推广和应用。在2019年，“数字孪生”这一术语已经被Gartner列入2019年十大战略性技术趋势之一。
|
||
|
||
如何来解释“数字孪生”概念呢？从国际标准化组织的定义来看，数字孪生是具备数据连接的特殊物理实体或过程的数字化表述，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，有益于提升整体性能。
|
||
|
||
简单来说，便是针对于物理世界的实体，利用数字化手段创建一个数字世界中的“完整分身”，能够和物理实体保持实时的交互联接，凭借历史数据、实时数据以及算法模型等，通过模拟、验证、预测、控制物理实体全生命周期过程，实现对物理实体的了解、分析和提升。从上述定义可以看到，数字孪生所具备的特征，包含：
|
||
|
||
1）互操作性，即数字孪生中的物理实体和数字空间的虚拟实体能够双向映射、动态交互和实时连接。
|
||
|
||
2）可扩展性，即数字孪生技术具备集成、添加和替换的能力，能够针对多尺度、多物理、多层级的数字模型内容进行扩展。
|
||
|
||
3）实时性，即数字化虚拟实体可对物理实体进行随时间轴变化而进行实时状态的数字表征。
|
||
|
||
4）保真性，即数字化虚拟实体与物理实体保持在样态、状态、相态和时态上的高度仿真。
|
||
|
||
5）闭环性，即数字化虚拟实体可以表述物理实体的可视化模型和内在机理，以便于对物理实体状态数据进行监控、分析、推理、优化工艺参数和运行参数，实现决策功能，形成闭环性。
|
||
|
||
|
||
|
||
|
||
|
||
|
||
|
||
# 三、“万物皆数据”：无处不及的数字孪生应用场景
|
||
|
||
数字孪生做为数字经济之中一项关键技术和高效能工具，可以有效的发挥其在设计模型、数据采集、分析预测、仿真模拟等方面的功效，助力推动产业数字化，促进数字经济与实体经济融合发展。
|
||
|
||
## 3.1 数字孪生的价值
|
||
|
||
### 1. 工业制造
|
||
|
||
数字孪生技术可以在网络空间中再现产品和生产系统，并使产品和生产系统的数字空间模型和物理空间模型始终处于实时交互中，两者之间可以及时地把握彼此的动态变化并实时地作出响应，为实现智能制造提供了强有力的保障，同时也更进一步加快了智能制造与工业互联网、物联网相融合。
|
||
|
||
近些年来，数字孪生这个前沿技术已经获得了工业界与学术界的广泛性关注。全世界最具权威性的IT研究与顾问咨询公司Gartner将数字孪生列入十大战略性科技发展趋势之一。现阶段，数字孪生主要被运用于制造业领域，国际数据公司表示现如今有40%的大型制造商都在运用这种虚拟仿真技术为生产过程建模，数字孪生已成为制造企业迈向工业4.0的解决方案。2020年，有210亿个连接的传感器和终端服务于数字孪生，在不久的将来数字化孪生将存在数十亿种。
|
||
|
||
### 2. 智慧城市
|
||
|
||
如果物理世界是一个工厂，则对应的数字世界是数字孪生工厂，如果物理世界是一个城市，那么对应的数字世界即数字孪生城市。从工业引伸到城市，也是顺理成章的结果，因为城市是数字化更大的舞台，是由人与物件、事件构成的繁杂巨系统，比工厂更为丰富多彩。城市发展时至今日仍面临着比较严重的问题，传统的发展模式已经失效，以信息化为引擎的数字城市、智慧城市成为了城市发展的新理念和新模式。虽说数字城市的提出由来已久，但此前的概念并没有上升到数字孪生的高度，这与技术发展的阶段有关，目前数字孪生城市的内涵，才真正的体现了数字城市想要实现的愿景目标。
|
||
|
||
智慧城市是数字城市发展的高级阶段，数字孪生城市做为数字城市的目标，却也是智慧城市建设的新起点，它是城市实现智慧的重要设施和基础能力，是技术驱动下城市信息化从量变迈向质变的转折点。由点到线，由线到面，基于数字化标识、自动化感知、网络化连接、智能化控制、平台化服务等强大技术能力，使数字城市模型可以完整的浮出水面，做为一个孪生体与物理城市平行运转，虚实融合蕴含无限的创新空间。
|
||
|
||
数字孪生城市的搭建将引发城市智能化管理和服务的重大颠覆式创新。设想一下，与物理城市对应有一个数字孪生城市，物理城市所有的人、物件、事件、建筑、道路、设施等，都会在数字世界有虚拟映像，信息可见，轨迹可循，状态可查，虚实同步运转，情景交融，过去可追溯，未来可预期，当下知冷暖，见微知著，睹始知终，全市一盘棋尽在掌握，一切可管可控，管理扁平化、服务一站式，信息多跑路、人力少跑腿，虚拟服务现实、模拟仿真决策，精细化管理岂非容易，人性化服务岂非不难，城市智慧再不是空话。事实上，印度海德拉巴、新加坡，还有我们国家的深圳、雄安，都已经在做这方面的探索和尝试。大量的投资，正在涌入“智慧城市+数字孪生”的应用场景。
|
||
|
||
阿里的“城市大脑”、“数字平行世界”，还有科大讯飞的“讯飞超脑”，都有涉及到智慧城市和数字孪生的结合。
|
||
|
||
### 3. 基建工程
|
||
|
||
基建工程也是数字孪生的一个重要的应用场景。尤其是对中国这个“基建狂魔”而言，引进数字孪生意义更为重大。我们在修建高速公路、桥梁等基础设施前，完成对工程的数字化建模，随后在虚拟的数字空间对工程进行仿真和模拟，评估工程的结构和承受能力，还可以导入流量数据，评估工程是否可以满足投入使用后的需求。在工程交付之后，还可以在维护阶段评估工程是否可以承担特殊情况的压力。以及检测可能会出现的安全隐患。
|
||
|
||
|
||
|
||
除了以上所述领域之外，包含医疗、物流、环保等许多场景都适合运用数字孪生技术，应用场景非常广阔。
|
||
|
||
## 3.2 数字孪生在各领域的运用
|
||
|
||
数字孪生作为数字化的基础技术可以渗入到诸多行业之中，在这我们以制造行业和能源行业为例子介绍数字孪生的运用示例。
|
||
|
||
### 1. 制造业
|
||
|
||
数字孪生最开始是为了在制造业中运用而诞生的，故此制造业也是如今数字孪生运用的主战场。数字孪生技术贯穿了从制造到服务和运营的整个产品生命周期中。在制造阶段，通过数字化手段创建起来的虚拟生产线，将产品本身的数字孪生同生产设备、生产过程等其他形态的数字孪生高度集成起来，实现如下的功能：
|
||
|
||
1）生产过程仿真：在产品生产制造之前，就可以通过虚拟生产制造的方式来仿真模拟在不同产品、不同参数、不同外部条件下的生产过程，实现对产能、效率以及可能出现的生产制造瓶颈等问题的提前预判，加速新产品导入的过程;
|
||
|
||
2）数字化产线：将生产制造阶段的各类要素，如原材料、设备、工艺配方和工序要求，通过数字化的手段集成在一个紧密协作的生产过程中，并按照既定的规则，自动的完成在不同条件组合下的操作，实现自动化的生产过程；同时记录生产过程中的各类数据，为后续的深入分析和优化提供依据。
|
||
|
||
3）关键指标值监管和过程能力评估：通过收集生产线上的各类生产设备的实时运行数据，实现全部生产过程的可视化监管，并且通过经验或者机器学习创建关键设备参数、检验指标值的监管策略，对出现违背策略的异常现象进行及时处理和调整，实现稳定并不断优化的生产过程。
|
||
|
||
而在服务阶段，数字孪生可以实现远程监控和预测性维修、优化客户的生产指标、产品使用反馈等功能，改善用户对产品的使用体验，这些功能将伴随着物联网技术的完善和传感器成本的降低逐步投入大规模使用。
|
||
|
||
在企业应用层面，前文提到过的通用电气就有一个基于数字孪生的系统，该软件系统可以用于管理和分析风力涡轮机，石油钻机或它们产生的飞机发动机上的数据。比如说，它们通过这个系统收集伦敦和巴黎之间航班的所有数据。这些数据被传输到数据中心，在这里生成每一个发动机的实时数字孪生。这样，通用电气便可以在飞行全过程中检测出潜在性的缺陷或故障。如果发动机的一部分引起故障，负责维护的工作人员可以在飞机将要降落的机场准备好替换零件。
|
||
|
||
### 2. 电力行业
|
||
|
||
在电力行业中，数字孪生在发、输、配三个环节都有极大的运用空间，当前两大电气巨头——通用电气和西门子，都提出了完整的解决方案。以发电全过程为例，在一个数字化的发电厂中，数字孪生将基于物理的方法和高级分析功能结合起来，力争精确地复刻电厂资产的当前状态，并且可以借助这种组合方法预测电厂的老化模式、异常情况和未来行为，评估不同的场景、优化和平衡各种权衡因素，并提高电厂的效率和可靠性。
|
||
|
||
数字孪生与智能电网的结合也是十分具备潜力的应用场景。智能电网数字孪生利用电力系统物理模型、先进计量基础设施的在线量测数据、电力系统历史运行数据，并集成电气、计算机、通信、气候、经济等多学科知识，进行的多物理量、多时空尺度、多概率的仿真全过程，通过在虚拟空间中完成对智能电网的映射，反映智能电网的生命周期全过程。
|
||
|
||
### 3. 智慧城市
|
||
|
||
现如今，我们的城市铺满了各式各样的传感器、摄像头，大量的数据为数字孪生在[智慧城市](http://www.ztmapinfo.com/application/)中的运用打下了强大的基础。借助包括5G在内的物联网技术，这些终端采集的数据可以更快地被提取出来，并加以运用。因此，智慧城市将成为数字孪生体最庞大的运用，即——数字孪生城市。
|
||
|
||
对于智慧城市而言，数字孪生在建设和管理两个阶段也会有不同的运用。在城市建设阶段，基建工程可以说是数字孪生运用非常重要的领域。在建造高速公路、桥梁等基础设施之前，可以通过数字孪生完成对工程的数字化建模，之后在虚拟的数字空间对工程进行仿真和模拟，评估工程的结构和承受能力，还可以导入流量数据，评估工程是否可以满足投入使用后的需求。在工程交付之后，还可以在维护阶段评估工程是否可以承担特殊情况的压力。及其监测可能会出现的事故隐患。
|
||
|
||
在建筑工程方面也是同样。对于业内人士而言，BIM（BuildingInformationModelling，建筑信息建模）是大家非常熟悉的概念，而数字孪生则是在BIM基础上的一种逻辑延伸，更加注重人们与环境如何进行交互。英国政府就非常重视数字孪生在建筑业的运用，因此出资建设英国数字建筑中心，通过“国家数字孪生计划”，支持运用数字技术来更好的设计和建造建筑，并更好的改造、维护、集成和运用建设环境。
|
||
|
||
在城市管理阶段，通过建设数字孪生城市，将基础设施（水、电、气、交通等）的运行情况，市政资源（警力、医疗、消防等）的调配情况，通过传感器、摄像头、数字化子系统采集出来，并通过包括5G在内的物联网技术传输到云端。在采集数据后，以交互平台的形式运用这个庞大的数字孪生，以捕获和展示实时3D和4D空间数据，以便于对城市环境及建筑内部的数据传输进行建模。城市的管理人员，基于这些数据，及其城市模型，更高效地管理城市。
|
||
|
||
现如今，许多海外城市已经在摸索数字孪生城市的运用。新加坡的“虚拟新加坡”计划、澳大利亚新南威尔士州的DigitalTwin、及其德国黑伦贝格UrbanDigtialTwin都是“智慧城市+数字孪生”的践行。下图所示便是新南威尔士州彭里斯市智慧城市某建筑的4D模型。
|
||
|
||
# 四、支撑万亿规模的市场变革：数字孪生的未来产业图谱
|
||
|
||
数字孪生的产业版图可以从其技术生态系统的图谱来了解，行业报告将数字孪生区分为“基础支撑”、“数据互动”、“模型创建”、“仿真分析”、“共性应用”、“行业应用”6大核心模块，匹配从设备、数据到行业应用的全生命周期。
|
||
|
||
|
||
|
||
现阶段，海内外重点厂商主要有建模业务、仿真业务、平台业务、行业服务业务四大类。
|
||
|
||
在基础支撑层面，主要是可以创建数字孪生基础的物联网终端提供芯片、传感器业务等厂商。目前而言现如今全球所有芯片巨头都将物联网芯片做为未来的重点战场，物联网传感器也是众多美国、日本、德国半导体公司争夺的重点市场。另外像监控设备这样的边缘设备，我国的企业具有比较强的优势。
|
||
|
||
在数据互动层，数字孪生的创建需要通过软件定义的工具和平台提供支持，现阶段这些工具和平台主要都掌控在国际的软件巨头手中，比如Bentley的iTwinService，ANSYS的TwinBuilder，微软的Azure，达索的3DExperience等。
|
||
|
||
在仿真分析层，为数字化模型中加入物理规律和机理的计算、分析等能力，必须使用到仿真软件，包含像CAD、EDA等工业仿真软件和像交通、物流领域的复杂系统仿真软件。现阶段我国在仿真软件的国产化上，还没法达到国外一线产品的水平。
|
||
|
||
在模型构建层，在我们国家主要进行数字化建模服务的企业以国有测绘企业为主，市场规模现阶段达到数百亿，但提供测绘数据服务的软件仍以采购国外软件为主。
|
||
|
||
在共性应用层，也同样依靠国外主流的这几家软件工具和平台提供支持，虽然现阶段还欠缺融合数字孪生综合功能需求的一体化平台出现，但是不同行业、应用场景的界限正在打通。
|
||
|
||
在支撑技术层，面向云计算、人工智能、边缘计算、安全等技术领域的企业都在从其自身优势领域切入数字孪生的产业布局中。
|
||
|
||
在行业应用层，汇聚了数千家海内外企业，针对各行业需求的数字孪生技术，提供包含像智慧城市、交通、水利、工程、工业生产、能源、自动驾驶、公共应急等领域的各类应用服务，有些行业市场规模都普遍超千亿，智慧城市更是一个综合规模上万亿的巨无霸市场。 |