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。

文章来源：《工业技术创新》 网址: http://www.gyjscxzz.cn/zonghexinwen/2020/0710/371.html