【数字孪生】关于数字孪生的冷思考及其背后的建模和仿真技术

来源：系统仿真学报

张霖                          北京航空航天大学教授。曾任国际建模仿真学会(SCS)主席，北 航自动化   学院副院长等，现为ASIASIM主席，中国仿真学会常务理事，SCS Fellow，复杂产品先进制造系统教育部工程研究中心主任，复杂产品智能制造系统技术国家重点实验室学术委员会委员，航天系统国家级仿真重点实验室学术委员会委员，任多个国际期刊编辑及编委。曾获国家863十五周年先进个人和全国优秀科技工作者称号。研究方向：智能制造系统，复杂系统建模仿真，云制造，模型工程等。

 

关于数字孪生的冷思考及其背后的建模和仿真技术

 

近年来，数字孪生（DigitalTwin）一词迅速蹿红，成为一个炙手可热的概念。但随着工业界和学术界对数字孪生的不断解读，其含义却越发扑朔迷离，和其他一些相关概念的界限也越来越模糊。数字孪生到底是什么，能做什么，边界在哪里，它和建模仿真是什么关系等等问题令很多人困惑。本文尝试对其中的一些疑惑进行粗浅的分析。

1  Digital Twin 到底指什么？

由于Digital Twin的中文翻译莫衷一是(这个问题稍后会提到)，暂时使用DT代表Digital Twin。

在信息领域，一个概念有多种解释已是司空见惯的事情。不过大多概念虽然在开始出现时含义模糊，定义不明，但经过一段时间讨论和沉淀之后，会逐渐形成一致的看法，比如云计算。而DT很有意思，它一开始的时候，含义还比较明确，但随着研究的深入，定义和内涵却越来越模糊。另外，很多概念，虽然有多种不同的定义和解释，但大致的区别都在于要么看问题的角度和侧重点不同，要么解释的详细程度不同，要么文字表述方式不同，而概念本身所指向的事物主体却是确定的。像DT这样，不同的定义指向不同的主体，却不多见。

DT一词，业界一般认为，是由密西根大学MichaelGrieves教授于2002年针对产品全生命周期管理(PLM)提出的一个概念，当初并不叫Digital Twin，而是叫镜像空间模型(Mirrored Space Model, MSM)，后来NASA的John Vickers将其命名为Digital Twin[1]。其模型的属性是很清楚的，尽管当时没有引起太多关注，却也没有什么歧义，DT就是一个数字化的模型。

但随着NASA将其引入《NASA空间技术路线图》，DT的含义发生了重要的变化。NASA给出的解释是这样的：DT是充分利用物理模型、传感器更新、运行历史等数据，集成多学科、多物理量、多尺度、多概率的仿真过程，在虚拟空间中完成映射，从而反映相对应的实体装备的全生命周期过程[2]。

DT的主体变成了仿真。

还是这个报告，又很明确地指出，NASA的Digital Twin就是“基于仿真的系统工程”（Simulation-Based Systems Engineering）。

DT的主体又变成了系统工程。

NASA对DT的这些解读大概是引起后续DT的定义和内涵含糊不清的根源。我们不妨列举一些有代表性的定义。

(1) DT是物理设备的一个实时的数字副本[3]。

(2) DT是有生命或无生命的物理实体的数字副本。通过连接物理和虚拟世界，数据可以无缝传输，从而使得虚拟实体与物理实体同时存在[4]。

(3) DT是对人工构建的或自然环境中的资产、流程或系统的数字表示[5]。

(4) DT是资产和过程的软件表示，用于理解，预测和优化性能以改善业务[6]。

(5) DT是实际产品或流程的虚拟表示，用于理解和预测对应物的性能特点[7]。

(6) DT是在云平台上运行的真实机器的耦合模型，并使用来自数据驱动的分析算法以及其他可用物理知识的集成化知识对健康状况进行仿真[8]。

(7) DT是物理对象或系统在其整个生命周期中的动态虚拟表示，使用实时数据实现理解，学习和推理[9]。

(8) DT使用物理系统的数字副本执行实时优化[10]。

(9) DT是现实世界和数字虚拟世界沟通的桥梁[11]。

图1是上面各种定义中所提到的和DT有关的各个部分。包括①物理对象、②数据、③模型、④仿真和⑤仿真结果。

图1  与DT相关的各个部分

这些定义分别将DT指向图1中的不同部分。

第一类：定义(1)~(5)将DT定义为数字副本、数字表示、软件表示或虚拟表示，指向③，即DT是一个随物理对象实时更新的模型，因为不管是数字副本、数字表示还是软件表示或虚拟表示，都属于模型的范畴。

第二类：定义(6)~(8)将DT指向③和④，即DT是模型加仿真。

第三类：定义(9)将DT指向②和⑤，即DT是连接物理对象和模型之间的桥梁。

那么，作为一个严谨的学术术语，哪一个更合理呢？不妨来分析一下。

第二类将建模和仿真合起来定义成一个新的概念，一方面没有必要，另一方面也不合理。因为模型和仿真虽然密切相关，但确是两件事情。模型是对事物的描述，而仿真则是基于模型的各种活动，就像两个数的量纲不同，是不能直接相加成为一个数的。

第三类听起来很有煽动性，但却最不合理。如果将来自物理对象的数据或是仿真反馈的数据称为“桥梁”到无可厚非，但这两类数据都不能称为物理对象的Twin。

因此，相对而言还是第一类定义最为合理，即DT就是物理对象的一个数字化模型。只不过这个模型可以实时接收来自物理对象的数据，从而可以不断演化以保持与物理对象的一致。当然并不是说之前的模型不具备演化特性，只不过之前模型的演化并没有强调实时性。

在关于DT的理解中，还有一个问题令人困扰，即一个DT是否应该包含物理对象，即图1中的①？这也使得很多人对于DT与信息物理系统的关系感到困惑。

造成这个问题的根源也来自NASA和美国空军研究办公室的相关文献[12-13]，它们认为DT的概念由三个不同的部分组成：物理产品，数字/虚拟产品以及两个产品之间的连接。即图1中的①②③甚至⑤。

但显然这样的解释存在逻辑上的问题。如果DT里面包含物理系统，那么这个Twin就没有了参照物。因为Twin一定是和另一个人（或物体）相对而言的。当然如果将①和③合起来称为Twins，即双胞胎，倒还说得过去，但不能叫Digital Twins，因为其中一个是digital，另一个是physical。所以在DT概念里还是应该把物理对象和数字模型这两部分区分开来。

按照前面的分析，若将DT定义为物理对象的一个数字化模型，那么DT和信息物理系统(Cyber Physical System)之间的关系就很容易理清了，即数字模型、基于数字模型的各种活动（仿真）、物理对象以及数字模型和物理对象之间的连接（数据及仿真结果）形成一个信息物理系统，如图2所示。

图2  DT和信息物理系统之间的关系

另外，还有一个可能引起歧义的问题，即DT中是否应该包含从物理系统采集的数据，即图1中的②？本人认为，DT概念中不需要也不宜包含这类数据，因为这里的模型是根据这些数据实时演化的，所以数据的信息将在模型中得到体现。而且关于数据还有一个专门的技术，即Digital Thread技术，它可以用来处理和Digital Twin有关的数据问题。

再来看一下关于DT 的中文翻译问题。目前虽然数字孪生一词用的较为普遍，但数字双胞胎或数字化双胞胎等称谓仍然经常被使用。

DT最早翻译为数字化双胞胎或数字双胞胎。后来经专家考证，改为数字孪生。大概的意思是说，双胞胎是指两个人，即双胞胎兄弟或双胞胎姐妹，对应的英文单词应该是Twins，Twin则是指双胞胎中的一个，所以应该叫孪生。其实孪生这个词在中文里也少见单独使用，多数情况下和兄弟、姐妹连用，如孪生兄弟、孪生姐妹等。不过单从词义的准确性上讲，用数字孪生对应Digital Twin，确实比数字双胞胎更合理些。

联想前面提到的关于DT概念的各种解释，将DT译为数字孪生，也就意味着，默认了DT是指模型这一事实，并且不包含物理系统。因为孪生指的是双胞胎中的一个，显然不包含所对应的物理系统本身。如果既包含模型部分又包含物理部分，那叫数字（化）双胞胎应该更合适些，虽然也不算严谨，因为正如前面所说，物理系统不是数字的。

在中文文献中，对DT还有一种解读，即将其解释为一种建模的过程和方法，也称为数字孪生技术，而利用这一技术所构建的模型称为数字孪生模型，或数字孪生体。这样的解释显然和DT的基本含义无法对应。

对DT概念认识上的模糊不清，也是导致中文翻译一直不能统一的一个重要原因。

综上所述，笔者认为，将DT翻译为数字孪生更符合其本来的含义。对于数字孪生可以这样理解：

数字孪生是物理对象的数字模型，该模型可以通过接收来自物理对象的数据而实时演化，从而与物理对象在全生命周期保持一致。基于数字孪生可进行分析、预测、诊断、训练等（即仿真），并将仿真结果反馈给物理对象，从而帮助对物理对象进行优化和决策。物理对象、数字孪生以及基于数字孪生的仿真及反馈一起构成一个信息物理系统 (cyberphysical systems)。面向数字孪生全生命周期（构建、演化、评估、管理、使用）的技术称为数字孪生技术(DigitalTwin Technology)。

2  数字孪生背后的建模和仿真技术

作为学术研究，我们需要采用一个合理的且没有歧义的概念，而不必纠结于NASA对于DT的解释。但对于NASA所提到的NASA Digital Twin的真实目的却不能忽视。事实上很多人对于DT的热情和研究动机就来自于NASA Digital Twin为制造业的未来带来的无限憧憬。

虽然我们对NASA关于DT概念的解释并不认同，但换个角度想一想，NASA其实并没有将DT当作一个严肃的学术术语来进行定义。其真正想表达的意思，是强调仿真的价值，即NASA飞行器研制需要遵循“基于仿真的系统工程”这一理念。

仿真技术几乎是伴随着计算机技术的诞生而产生的，自上世纪五十年代至今，已经经历了六十多年的发展。由于仿真是以建立模型为基础的，所以为了突出建模的重要性，建模和仿真常常一起出现，即Modeling &Simulation，常缩写为M&S。

从下面的这段文字可以看出美国对建模和仿真的认识所达到的高度。这段文字摘录自美国国会于2007年7月16日通过的487号决议[14]。

美利坚合众国是一个伟大而繁荣的国家，而建模和仿真极大地促进了这一伟大和繁荣。

在美国，建模和仿真是计算机科学和数学的独特应用，它基于模型或仿真的有效性、正确性和可重复性，以及成千上万的美国人在建模和仿真事业中开发这些模型的能力。

政府、工业界和学术界的建模和仿真领域的成员为美国的整体福利做出了突出的贡献，下面的例子可以部分体现建模和仿真为美国做出的贡献，尽管这些贡献不胜枚举：

(1) 曼哈顿计划期间，通过最早复现核链式反应过程的仿真，拓展了对核裂变的理解，最终促成了第二次世界大战的结束；

(2) 作为“库存管理计划”的基本要素，使美国总统能够在不进行真实核试验的情况下，确保核武器库存十年以上的安全性和可靠性，并展示了国家对核不扩散的承诺。

仅从上面两项贡献，便可看出建模和仿真的巨大威力。而在这个决议中，这样的案例共罗列了11条。在该决议中还明确提出，建模和仿真是“国家核心技术(National Critical Technology)”。

下面的内容更加震撼。

1965年颁布的《高等教育法》是美国历史上第一部高等教育立法，它通过扩展联邦政府在高等教育财政领域的角色，使联邦政府介入美国高等教育的发展，为美国高等教育普及化奠定了基础。该法在美国高等教育改革中具有里程碑的意义[15]。

而2018年12月修订生效的新版高等教育法，专门将建模和仿真作为一项重要的内容（20 U.S. Code § 1161v - Modeling andsimulation）列入其中[16]，并使用大量篇幅说明政府和社会应如何推动建模和仿真技术在大学教育中的普及。在整个法案中，还没有见到任何其他的一项技术能够享受如此高的待遇，即使近年来热火朝天的人工智能技术，都没有出现。

从这两个文件可以看出，建模和仿真技术的基础性和长远价值已远远超出其所在的技术领域范畴，将对国家利益和国家安全产生重大影响。

而在制造业，建模和仿真也一直发挥着不可替代的作用。2000年，由美国DARPA、商务部、能源部、NSF联合发布了一项国家级制造业发展战略研究及推广计划“集成制造技术路线图(IntegratedManufacturing Technology Roadmapping, IMTR)”。IMTR提出了未来制造业面临的6个“重大挑战”，即成为精良、高效的企业，提高响应客户的企业，成为全面互联的企业，保持环境可持续性，进行知识管理，善于应用新技术。不难看出，这六大挑战放到今天也仍然成立。IMTR进而提出了迎接这6大挑战的4类技术对策，即面向制造的信息系统，建模和仿真技术，制造工艺与装备，企业集成。由此可见建模和仿真技术对于制造业的重要性。

而在此报告发布之前的1997年，美国国防部对武器采办进行改革，最重要的改革就是提出“基于仿真的采办”(Simulation Based Acquisition, SBA)，即将建模和仿真应用于武器从需求分析到最终报废的全生命周期过程。而洛克希德马丁公司的F35则是第一个全面引进SBA概念而研制的产品。2017年11月，有报道称，洛克希德马丁公司将数字孪生列为未来国防和航天工业六大顶尖技术之首。洛马的数字孪生背后其实是SBA，即基于仿真的采办，这与NASA的基于仿真的系统工程如出一辙。

建模和仿真技术六十多年前诞生于美国，而且一直都在为美国的国家利益发挥着不可估量的作用，但美国人从来不把建模和仿真拿出来炒作。其中的原因值得我们深思。

3  对数字孪生不宜过度演绎，需保持清醒的头脑

数字孪生（digital twin）这个词之所以能够走红，很大程度上得益于这个词本身的传播特性，它形象，上口，通俗易懂，即使行外人也能从字面上明白个大概，而且还能引发无限的想象。对于科普或商业推广，确实是个好词。但作为一个学术术语，它却缺乏应有的严谨性，至少到目前为止仍然如此。当前有两种倾向值得关注，一是在概念上把数字孪生的内涵不断放大，赋予越来越多的内容，致使与其他概念交叉甚至重叠；二是在应用上将传统技术应用贴上数字孪生的标签。这两种倾向对数字孪生技术的发展都没有好处。

正如前面说讲，数字孪生背后是建模和仿真技术。数字孪生最诱人的地方，是数字模型和物联网的结合，而这种结合的最终目的是为了将模型打磨得更加接近真实系统。物联网技术为建模提供了一种新的强有力的手段，而且在对复杂系统机理缺乏足够认识的情况下，还可基于所采集的数据利用人工智能技术对系统进行建模。这是对建模技术的发展和补充。而基于模型的分析、预测、训练等活动，本来就是仿真要做的事。所以数字孪生本质上是新一代信息技术在建模和仿真中的应用。

经过半个多世纪的发展，建模和仿真已经形成了一个相当完善和系统的技术体系。事实上，在仿真领域，利用动态实时数据进行建模和仿真的方法和技术已经研究多年，如动态数据驱动的仿真（Dynamic Data Driven Simulations, DDDS），嵌入式仿真，硬件在回路的仿真等。当然，数字孪生作为仿真技术的重要内容，通过与新一代信息技术的融合，将进一步促进建模和仿真技术的发展。

另外，建模和仿真技术体系中很多可以直接用于数字孪生的研究和应用，包括理论、方法、标准、工具和平台，而没有必要在数字孪生的名义下重复开发。这也是NASA虽然提出2027年实现Digital Twin的目标，但后续并没有就Digital Twin本身再建立新的技术体系的原因。因为所需要的技术、标准、工具和平台等，在其建模和仿真技术体系里大多都已经存在了。换个标签，再搞一套类似的东西，既浪费资源，又浪费时间。

数字孪生的火爆，名字起的好固然很重要，但更重要的还是得益于西门子、GE等行业大鳄们的推波助澜。清醒的业内人士都清楚，数字孪生相关的核心技术大多掌握在外国人手中，如传感技术、CAD技术、CAE技术、PLM技术、VR/AR技术等。西门子, Predix, 达索、PTC, SAP, Ansys等企业之所以大肆渲染数字孪生的迷人前景和应用价值，是因为他们确实掌握着数字孪生所必须的核心技术，而伴随着数字孪生热度的提升，真正热卖的都是这些企业的产品。工业界对新概念的热衷，都有其自身的目的，行内人都心知肚明。

然而，上面提到的这些核心技术和产品恰恰是我国目前最缺乏的。但有意思的是，在国内，对数字孪生的研究却常常避重就轻，关注的多是些外围的、非核心的东西，而且对其概念的热情远远高于提出这一概念的美国以及其他工业发达国家。我们大多数时间热衷于概念的炒作，说的多、做的少，做虚事儿多，做实事儿少。其实尚且不知，我们一轮一轮的呐喊，都是在为他人助威。

对于严重缺乏核心技术支撑的我们，在热词不断涌现的今天，应该保持清醒的头脑。埋头研发卡脖子的关键技术才是硬道理。否则，我们既浪费了资源，又浪费了时间，最终失去的是发展的大好机遇和战略主动权。

参考文献：

[1]     Grieves M. Virtually Intelligent ProductSystems: Digital and Physical Twins, in Complex Systems Engineering: Theory andPractice, S. Flumerfelt, et al. Editors. 2019, American Institute ofAeronautics and Astronautics. 2019: 175-200.

[2]     Piascik R, et al. Technology Area 12:Materials, Structures, Mechanical Systems, and Manufacturing Road Map. 2010,NASA Office of Chief Technologist.

[3]     Bacchiega IRS srl, Gianluca (2017-06-01). "Embedded digital twin".

[4]     Saddik, A. El (April 2018). "DigitalTwins: The Convergence of Multimedia Technologies". IEEE MultiMedia. 25 (2):87-92.doi:10.1109/MMUL.2018.023121167.

[5]     "TheGemini Principles". www.cdbb.cam.ac.uk. Centre for DigitalBuilt Britain. 2018. Retrieved. [2020-01-01].

[6]     https://www.ge.com/digital/applications/digital-twin

[7]     https://www.plm.automation.siemens.com/global/zh/our-story/glossary/digital-twin/24465

[8]     Lee Jay, Bagheri Behrad, Kao Hung-An. (January2015). "A Cyber-Physical Systems architecture for Industry 4.0-basedmanufacturing systems". Manufacturing Letters.2015(3): 18-23.doi:10.1016/j.mfglet.2014.12.001

[9]     Bolton, Ruth N.; McColl-Kennedy, Janet R.;Cheung, Lilliemay; Gallan, Andrew; Orsingher, Chiara; Witell, Lars; Zaki,Mohamed (2018). "Customer experience challenges: Bringing togetherdigital, physical and social realms". Journal of Service Management. 29(5): 776-808. doi:10.1108/JOSM-04-2018-0113

[10]  Söderberg, Rikard, et al. "Toward a Digital Twin for real-time geometry assurancein individualized production." CIRPAnnals 66.1, 2017: 137-140.

[11]  http://www.cs.com.cn/gppd/gsyj/201903/t20190313_5930441.html

[12]  Grieves M, J Vickers. Digital Twin: Mitigating Unpredictable, Undesirable EmergentBehavior in Complex Systems, in Trans-Disciplinary Perspectives on System Complexity, F.-J.Kahlen, S. Flumerfelt, and A. Alves, Editors. 2016, Springer: Switzerland. 2016:85-114.

[13]  Glaessgen E H, D Stargel. 2012.“The DigitalTwin Paradigm for Future NASA and US Air Force Vehicles, the 53rd Structures,Structural Dynamics, and Materials Conference: Special Session on the DigitalTwin, Honolulu, HI, US.

[14]  H Res. 487，In the House of Representatives, U. S., July16, 2007.

[15]  殷超. 试析1965年《美国高等教育法》，沧桑，2012年3月，74-79.

[16]  HIGHER EDUCATION ACT OF 1965，As AmendedThrough P.L. 115-334, Enacted December 20, 2018.

未来智能实验室是人工智能学家与科学院相关机构联合成立的人工智能，互联网和脑科学交叉研究机构。

未来智能实验室的主要工作包括：建立AI智能系统智商评测体系，开展世界人工智能智商评测；开展互联网（城市）云脑研究计划，构建互联网（城市）云脑技术和企业图谱，为提升企业，行业与城市的智能水平服务。

  如果您对实验室的研究感兴趣，欢迎加入未来智能实验室线上平台。扫描以下二维码或点击本文左下角“阅读原文”