1.1　数字孪生的概念

数字孪生，也有很多学者和机构称之为数字镜像、数字映射、数字双胞胎、数字双生、数字孪生体等。数字孪生不局限于构建的数字化模型，不是物理实体的静态、单向映射，也不应该过度强调物理实体的完全复制、镜像，虚实两者也不完全相等；数字孪生不能割离实体，也并非物理实体与虚拟模型的简单加和，两者也不一定是简单的一一对应关系，可能出现一对多、多对一、多对多等情况；数字孪生不等同于传统意义上的仿真／虚拟验证、全生命周期管理，也并非只是系统大数据的集合。2017－2019年，Gartner公司在连续三年将数字孪生列为十大新兴技术的时候，对数字孪生的定义分别为：数字孪生是实物或系统的动态软件模型（2017），数字孪生是现实世界实物或系统的数字化表达（2018），数字孪生是现实生活中物体、流程或系统的数字镜像（2019）。但就目前而言，对于数字孪生还没有形成统一的定义，不同的学者、企业、研究机构等对数字孪生的理解也存在着不同的认识。

数字孪生的概念最早可以追溯到阿波罗计划中，那时美国国家航空航天局就曾构建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，另一个则留在地球上反映太空中的航天器在任务期间的工作状态，以辅助工程师进行分析和处理紧急事件。

2002年，美国密歇根大学（The University of Michigan）成立了一个PLM（Product Lifecycle Management，产品生命周期管理）中心。Michael Grieves教授面向工业界发表《PLM的概念性设想》（Conceptual Ideal for PLM），首次提出了一个PLM概念模型，在这个模型中提出了“与物理产品等价的虚拟数字化表达”，出现了现实空间、虚拟空间的描述。

Michael Grieves教授提到，驱动该模型的前提是每个系统都由两个子系统组成：一个是一直存在的物理系统，一个是包含了物理系统所有信息的新虚拟系统。

这意味着现实空间中的系统和虚拟空间中的系统之间存在一个镜像（Mirroring of Systems），或者叫作“系统的孪生”（Twinning of Systems），反之亦然。

因此，PLM意味着不再是静态的谁表达谁，而是两个系统即虚拟系统和现实系统，将在整个生命周期中彼此连接。PLM贯穿了4个阶段：创造、生产制造、操作（维护和支持）和报废处置。

2003年年初，这个PLM概念模型在密歇根大学第一期的PLM课程中使用，当时被称作“镜像空间模型”（Mirrored Space Model）。2005年，Michael Grieves教授在一份刊物中又提到了这一个模型。

到了2006年，Michael Grieves教授又发表了一篇叫作《产品生命周期管理：驱动下一代精益思想》的文章，在这篇文章里他将数字孪生叫作“信息镜像模型”。

尽管Michael Grieves自称是数字孪生第一人，但行业内对谁先提出数字孪生概念还存在一些争议。因为数字孪生一词最早出现在2010年NASA的技术路线图中，但Michael Grieves在数字孪生的表述从抽象到清晰方面所做出的贡献是不可磨灭的。

1．NASA数字孪生的应用

2010年，NASA在其太空技术路线图中首次引入了数字孪生的表述。为了更好地理解NASA的数字孪生，要先给读者讲一段Apollo 13登月飞行中发生的故事。

50多年前的一天，Apollo 13号宇宙飞船已经飞离了地球210000英里，飞往月球的3名宇航员突然听到“嘣－哧哧－咣咣”的声音，这时一名宇航员看到飞船壳体已经弯曲。几秒钟后，驾驶舱的警告灯亮起，宇航员耳边响起了刺耳的报警声。事后查明，是Apollo 13生活舱中的一个氧气罐发生了爆炸，爆炸严重地损坏了主推进器，同时用于维持宇航员们生命的氧气被泄漏到了太空之中。此时情况十分危急，因为每过一分钟，受损的太空飞船就会飞离地球400英里。这种状况在人类历史上首次发生。如何让3名宇航员安全回家，成了数千名NASA地面支持人员在之后三天半时间里夜以继日工作的唯一目标。同时，3名宇航员通过打开、关闭不同的系统来判定哪些系统还在正常工作，哪些系统已经受损不能工作。任务控制中心综合各方面的信息，快速而准确地诊断出问题所在，在生活舱中的氧气供应完全失效前，将宇航员们转移到了登月舱中。宇航员们暂时安全了，但他们如何回家呢？这又是一个巨大的挑战，然而，NASA克服了这个挑战，并成功地将宇航史上很可能发生的巨大灾难转化为一个令人振奋的巨大成功。NASA飞行器如图1-1所示。

做到这一切的一个关键是，在NASA的身后有一套完整的、高水准的地面仿真系统，用于培训宇航员和任务控制人员所用到的全部任务操作，包括了多种故障场景的处理。模拟器是整个太空计划中技术最复杂的部分，在模拟培训中，唯一真实的东西是乘员、座舱和任务控制台，其他所有的一切都是由一堆计算机、许多的公式以及经验丰富的技术人员创造出来的。任务控制人员和宇航员们在综合考虑飞船的受损、可用的电力、剩余的氧气、饮用水等因数的情况后，与登月舱制造厂商协同工作，确定了一个着陆计划，然后安排后备宇航员在模拟器上进行操作演练。演练证明了方案的可行性，这极大地增强了任务控制人员与宇航员们的信心。剩下的工作就是宇航员们百分之百地按照演练形成的操作指令清单去执行就可以了。最终，他们做到了，安全回家了。

NASA的成功主要归功于模拟器（或者叫作仿真器）。这些模拟器正是现在火热的数字孪生的一个实实在在的案例。准确地说，这些模拟器应该是数字孪生和物理孪生的结合体。所以，西门子工程师Stephen Ferguson曾说：“Apollo 13, The First Digital Twin”。

因此，NASA的数字孪生定义诞生了。在2010年发布的太空技术路线图中的Area 11中的Simulation-Based Systems Engineering部分，是这样定义数字孪生的：

“一个数字孪生，是一种集成化的多种物理量、多种空间尺度的运载工具或系统的仿真，该仿真使用了当前最为有效的物理模型、传感器数据的更新、飞行的历史等，来镜像出其对应的飞行当中孪生对象的生存状态。”

NASA提出的数字孪生概念有明确的工程背景，即服务于自身未来宇航任务的需要。NASA认为基于Apollo时代积累起来的航天器设计、制造、飞行管理与支持等方式方法（相似性、统计模式的失效分析和原型验证等），无论在技术方面还是在成本方面等，均不能满足未来深空探索（更大的空间尺度、更极端的环境和更多未知因素）的需要，需要找到一种全新的工作模式，这种工作模式就是数字孪生。

2．NASA的数字孪生的用途

NASA的数字孪生的用途如下：

（1）发射前飞船未来任务清单的演练。可以用来研究各种任务参数下的结果，确定各种异常的后果，减轻故障、失效、损害的策略效果的验证。此外，还可以确定发射任务最大概率成功的任务参数。

（2）镜像飞行孪生的实际飞行过程。在此基础上，监控并预测飞行孪生的状况。

（3）完成可能的灾难性故障或损害事件的现场取证工作。

（4）用作任务参数修改后结果的研究平台。

NASA的数字孪生基于其之前的宇航任务实践经验，极其看重仿真的作用。NASA要完成的宇航任务涉及天上、地下、材料、结构、机构、推进器、通信、导航等众多专业，是一个极其复杂的系统工程，因此，NASA更强调上述内容的集成化的仿真，从某种意义上讲是其系统工程方法的落脚点。换个看问题的角度来讲，NASA的数字孪生就等同于其基于仿真的系统工程。

3．AFRL更具工程应用含义的数字孪生

2009年，AFRL（美国空军研究实验室）发起了一个“机身数字孪生”项目，简称ADT。该项目综合了每架飞机制造时的机身静态强度数据、每架飞机的飞行历史数据，以及日常运维数据，采用仿真的方法来预测飞机机身的疲劳裂纹，实现了飞机结构的寿命管理，有效地提高了机身运维效率以及机身的使用寿命。

该项工作发表在2011年Tuegel EJ等人撰写的文章Reengineering aircraft structural life prediction using a digital twin中。文章中指出该ADT项目发起于2009年，所以有部分学者认为是AFRL首先提出了数字孪生的概念。但是从文章公开发表的时间以及之前的工程实践规模和带来的影响力来看，还是认为NASA首先提出了数字孪生的概念更为科学。

4．Gartner提出的数字孪生

Gartner在2017年、2018年和2019年连续3年将数字孪生列为十大技术趋势之一，对数字孪生的火热起到了推动作用。Gartner将数字孪生定义为对象的数字化表示，进而将数字孪生分为3类：

（1）离散数字孪生（Discrete Digital Twins）：单个产品／设备、人或任务的虚拟复制品，用于监视和优化单个资产、人和其他物理资源。

（2）复合数字孪生（Composite Digital Twins）：用于监视和优化关联在一起的离散数字孪生的组合使用，如轿车和工业机器这样的多部件系统。

（3）组织数字孪生（Digital Twins of Organizations，DTOs）：DTOs是复杂大型实体的虚拟模型，是数字孪生构成的一部分。DTOs用于监视与优化高级业务的性能。Gartner在实践中更为重视物联网领域中数字孪生的应用。据其内部的一个调查统计，在所有有实施物联网意愿的企业中，59%的企业已经实施了或正在实施数字孪生。

5．国内数字孪生方面的理论研究工作

2004年，中国科学院自动化研究所的王飞跃研究员发表了《平行系统方法与复杂系统的管理和控制》的文章。文章中首次提出了平行系统（Parallel Systems）的概念。

平行系统是指由某一个自然的现实系统和对应的一个或多个虚拟或理想的人工系统所组成的共同系统。通过实际系统与人工系统的相互连接，对二者之间的行为进行实时的动态对比与分析，以虚实互动的方式完成对各自未来的状况的“借鉴”和“预估”，人工引导实际，实际逼近人工，达到有效解决方案以及学习和培训的目的。我们完全可以将平行系统中的人工系统，理解为物理系统的数字孪生这样的结论。需要强调的是，王飞跃是将平行系统（数字孪生）作为解决复杂系统问题的方法论而提出来的，如图1-2所示。

走向智能研究院的赵敏与宁振波在《铸魂——软件定义制造》一书中，对数字孪生有着如下的认识和定位：“数字孪生是在数字化一切可以数字化的事物的大背景下，通过软件定义，在数字虚体空间所创立的虚拟事物，与物理实体空间的现实事物形成了在形、态、质地、行为和发展规律上都极为相似的虚实精确映射，让物理孪生体和数字孪生体之间具有了多元化的映射关系，具备了不同的保真度（逼真／抽象等）。”笔者认为，两位专家提出的“虚体测试，实体创新”，是对数字孪生的作用机理的最简洁概括。

南山工业书院的林雪萍在“知识自动化”微信公众号上发表的《数字孪生：第四象限的崛起》一文中，使用二维象限工具完美地诠释了一个产品从设计到制造，再到使用与运营，全生命周期的数字孪生的动态演变过程，依据象限的不同，生动形象地指出了数字孪生的重要作用。其中的3条信息新通道正是数字孪生的不断丰富、不断丰满的发展过程。笔者认为，还可以将林雪萍给出的二维象限结构发展为三维螺旋式上升结构，表达出数字孪生在产品升级换代、不断提高方面的作用。

北京航空航天大学的陶飞等在CIMS期刊上发表的《数字孪生五维模型及十大领域应用》一文中，给出了数字孪生的五维模型：即MDT=（PE，VE，Ss，DD，CN）。MDT是一个通用的参考架构；物理实体（PE）是数字孪生五维模型的基础，主要包括各子系统具备不同的功能，共同支持设备的运行以及传感器采集设备和环境数据；孪生数据（DD）集成融合了信息数据与物理数据；服务（Ss）对数字孪生应用过程中面向不同领域、不同层次用户、不同业务所需的各类数据、模型、算法、仿真、结果等进行服务化封装；连接（CN）实现物理实体、虚拟实体、服务及数据之间的普适工业互联；虚拟实体（VE）从多维度、多空间尺度及多时间尺度对物理实体进行刻画和描述。五维模型对数字孪生的落地具有重要的指导意义，在工程应用中，可以直接将该模型映射或转换为面向服务的软件体系结构。

综上所述，我们可以简单地用一个编年史对数字孪生的演进历史做一个总结：

●　1959年，美国航空航天局发射了旅行者1号卫星，并利用其回传的图像进行数学模拟，开启了数字孪生的先河。

●　1970年，航空工业开始使用数字固体建模技术，加强了数字化工程能力。

●　1990年，汽车和宇航工业开始广泛应用数字化技术，销售商在销售型号之前可以提前测试数量。

●　2002－2010年是数字孪生体的概念产生期，即数字孪生体模型的出现和英文术语名称的确定。这段时间，数字技术愈发成熟，出现了仿真驱动的设计、基于模型的系统工程（MBSE)等先进设计范式。

●　2010－2020年是数字孪生的领先应用期，主要指NASA、美军方和达索、ANSYS、GE等航空航天、国防军工机构或工业领域的领先应用。

◆　2010－2014年，NASA和AFRL促进了数字孪生的应用。2014年前后，国际上有很多大型公司提出了基于数字孪生的产品落地方案，比如达索、GE、西门子，ANSYS等。

◆　2016年，美国国家工业计划（The National Strategic Plan）开始正式将数字孪生技术视为推动企业数字化转型的重要策略。

◆　2017年，CNBC评选的全球前50位最有创新力的企业中，几乎都拥有数字孪生方案，而且其应用范围也逐渐扩大，包括工业自动化、机械制造、航空航天、汽车制造、能源领域等。

◆　2018年，GE公司启动了一项数字孪生计划，其目标是将数字孪生技术应用到GE各个产品线的研发、生产、维护等各个环节，并且通过数字化转型提高其效率和竞争力。

近年来，数字孪生得到越来越广泛的传播。同时，得益于物联网、大数据、云计算、人工智能等新一代信息技术的发展，数字孪生的实施已逐渐成为可能。现阶段，除了航空航天领域外，数字孪生还被应用于电力、船舶、城市管理、农业、建筑、制造、石油天然气、健康医疗、环境保护等行业，特别是在智能制造领域，数字孪生被认为是一种实现制造信息世界与物理世界交互融合的有效手段。许多著名企业（如空客、洛克希德马丁、西门子等）与组织（如Gartner、德勤、中国科协智能制造协会）对数字孪生给予了高度重视，并且开始探索基于数字孪生的智能生产新模式。更多应用领域如图1-3所示。

总的来说，数字孪生可以概括为：以模型和数据为基础，通过多学科耦合仿真等方法，完成现实世界中的物理实体到虚拟世界中的镜像数字化模型的精准映射，并充分利用两者的双向交互反馈、迭代运行，达到物理实体状态在数字空间的同步呈现，通过镜像化数字化模型的诊断、分析和预测，进而优化实体对象在其全生命周期中的决策、控制行为，最终实现实体与数字模型的共享智慧与协同发展。

数字孪生正从概念阶段走向实际应用阶段，驱动制造业、建造业等实体产业进入数字化和智能化时代。随着企业数字化转型需求的提升以及政策的持续支持，数字孪生将会出现更深入的应用场景，为实体经济发展带来新的动力。