【论文笔记】Enabling technologies and tools for digital twin

论文标题：Enabling technologies and tools for digital twin

论文链接：https://www.sciencedirect.com/science/article/abs/pii/S027861251930086X

论文代码：

发表时间：2021年1月 

作者提示

由于数字孪生理论性较强，作者结合个人理解，对原文进行有效删减，突出重点，提供概述理解

若想要全文通读，建议查看原文链接

Abstract

数字孪生正在革新工业。由传感器更新和历史数据激发，复杂的模型可以反映产品、过程或服务的几乎每个方面。未来，物理世界中的一切都将通过数字孪生技术在数字空间中复制。作为一项前沿技术，数字孪生受到了很多关注。然而，数字孪生远未实现其潜力，这是一个复杂的系统和漫长的过程。研究人员必须对物体或系统的所有独立部分进行建模。需要收集和合并各种类型的数据。许多工程研究人员和参与者不清楚应该使用哪些技术和工具。5维数字孪生模型为理解和实施数字孪生提供了参考指导。本文试图从5维数字孪生模型的角度出发，研究和总结数字孪生常用的使能技术和工具，为未来数字孪生的应用提供技术和工具参考。 

Introduce

目前，数字化已成为共识，尤其是数字孪生，机器或系统的精确虚拟副本，正在彻底改变行业。数字孪生（DT）是指物理资产（或物理实体）及其数字化表示的有机整体，它们通过双向交互相互交流、促进和共同进化。通过各种数字化技术，物理世界中的实体、行为和关系被整体数字化，以创建高保真虚拟模型。这种虚拟模型依赖于来自物理世界的真实世界数据来制定其实时参数、边界条件和动力学，从而对相应的物理实体进行更具代表性的反映。

DT 目前的研究主要集中在框架、过程和专有技术方面的宏观层面，而不是具体技术、工具和专有技术方面的微观层面。

A brief overview of digital twin 

2.1. History of digital twin 

从 Grieves 提出的“与物理产品等效的虚拟数字化”概念到 DT 的首次亮相，这要归功于美国国家航空航天局 (NASA) 和空军研究实验室 (AFRL)，DT 代表了突破众多限制（如数据采集、数字描述、计算机性能和算法等）。

随后，DT 于 2016 年被西门子应用于工业 4.0。随着越来越多的研究人员致力于 DT 的研究，相关出版物的数量开始呈指数级增长。

陶飞等人。在2017年1月提出了DT车间的概念，并讨论了DT车间的特点、组成和运行机制及关键技术，为DT在制造业中的应用提供了理论支持。

后来，为了促进DT在更多领域的进一步应用，陶飞等人，扩展了现有的 3 维 DT 模型，并增加了两个维度（DT 数据和服务），提出了一个 5 维的 DT 模型。 DT发展的一些里程碑如图2所示。

2.2. Five-dimension digital twin model 

其中PE是物理实体，VM是虚拟模型，Ss是服务，DD是DT数据，CN是连接。

2.3. Application fields of digital twin 

如图4所示，DT应用可以在智慧城市、建筑、医疗保健、农业、货运、钻井平台、汽车、航空航天、制造、电力等领域找到。作为一项相对较新的技术，DT 的应用由领先企业（如 GE、PTC、Siemens、ANSYS、Dassault 等）率先应用。

对于土木工程，达索使用其 3D 体验平台构建“数字孪生新加坡”，以支持城市规划、建设和服务。 Intellectsoft 正在探索施工现场的 DT 应用程序，以检测潜在问题并防止危险操作。

在医疗保健领域，Sim&Cure 开发了用于治疗动脉瘤的基于患者的数字双胞胎，而达索针对人类心脏 DT 开展了“活体心脏项目 (LHP)”。

根据微软关于 DT 的白皮书，DT 有能力加速农业业务并支持农业可持续发展。 DNV GL 建立了“虚拟姊妹船”（即船舶 DT）以提高可靠性、降低运营成本并提高船舶整个生命周期的安全性。

中国蓝鲸#1钻井平台DT实现了可视化展示、作业监控和设计培训。

特斯拉试图为每辆电动汽车开发一个 DT，以实现汽车和工厂之间的同步数据传输。

在航空业，空客、波音、AFRL 和 NASA 使用 DT 来反映实际情况、识别缺陷、预测潜在故障并解决机身维护问题。

LlamaZOO 使用 DT 使矿山主管能够监控其操作员的车辆。

基于 Predix 平台，GE 建立了一个数字风电场，通过为每个风力涡轮机创建一个 DT，以优化维护策略、提高可靠性并增加能源产量。

3. Enabling technologies for digital twin

根据 5 维模型，如图 6 所示，需要多种使能技术来支持 DT 的不同模块。对于物理实体来说，对物理世界的充分理解是DT的前提。为了提供这些服务，它需要应用软件、平台架构技术、面向服务的架构（SoA）技术和知识技术。最后，将 DT 的物理实体、虚拟模型、数据和服务相互连接，以实现交互和信息交换。连接涉及互联网技术、交互技术、网络安全技术、接口技术、通信协议等。

3.1. Enabling technologies for cognizing and controlling physical world 

一方面，物理实体对应的虚拟模型并不完善。如图 7 所示，虚拟模型需要不断演进，逐步提高与物理实体的对应关系，这需要对物理世界有充分的理解和感知。

另一方面，物理实体被数字化后，可以发现许多隐含的关联，可以用来促进物理实体的进化以控制物理世界。

3.2. Enabling technologies for digital twin modeling

建模是指以可以由计算机处理、分析和管理的数字形式表示物理实体的过程。建模可以说是DT的基石，它为产品设计、分析、计算机数控（CNC）加工、质量检测、生产管理等提供信息表示方法。如图8所示，DT相关建模涉及几何建模，物理建模、行为建模和规则建模。

3.3. Enabling technologies for digital twin data management 

数据驱动的数字孪生可以感知、响应和适应不断变化的环境和运营条件。如图 9 所示，整个数据生命周期包括数据收集、传输、存储、处理、融合和可视化。

3.4. Enabling technologies for digital twin services 

DT融合多学科，实现先进的监测、模拟、诊断和预后。监控需要计算机图形、图像处理、3D 渲染、图形引擎、虚拟现实同步技术等。仿真涉及结构仿真、力学（例如流体动力学、固体力学、热力学和运动学）仿真、电子电路仿真、控制仿真、过程模拟、虚拟测试模拟等。诊断和预后基于数据分析，涉及统计理论、机器学习、神经网络、模糊理论、故障树等。

 

3.5. Enabling technologies for connections in digital twin 

如图 11 所示，基于 CN_PV 的实时数据交换，不仅物理实体的运行状态动态反映在虚拟世界中，而且将虚拟模型的分析结果回传给控制物理实体。通过CN_PD，DT用于管理整个产品生命周期，为分析、预测、质量追溯和产品规划奠定了数据基础。通过 CN_PS，服务（例如，监控、诊断和预测）与物理实体相关联，以接收数据并反馈服务结果。在物理实体与模型、数据和服务的连接中，物理实体的识别、传感和跟踪至关重要。因此，RFID、传感器、无线传感器网络等物联网技术是必不可少的。数据交换需要通信技术、统一通信接口和协议技术，包括协议解析与转换、接口兼容、通用网关接口等。 、VR、AR、MR）以及人机交互和协作。鉴于多种不同的模型，CN_VD需要通信、接口、协议和标准技术来保证虚拟模型和数据之间的数据交互顺畅。

4. Tools for digital twin 

如图12所示，基于数字孪生的5维数字孪生模型、功能需求和使能技术，规定了一些工具，包括物理世界认知和控制工具、数字孪生建模工具、数字孪生工具。数据管理、数字孪生服务应用工具和数字孪生连接工具。

4.1. Tools for cognizing and controlling physical world 

DT物理部分的工具可以分为认知物理世界的工具和控制物理世界的工具。认知物理世界的不同方面是数字化的基础。物联网是数字孪生的驱动力之一。当物理实体连接到数据传感和收集系统时，数字孪生将数据转化为洞察力，并最终转化为优化的流程和业务成果。

例如，阿里云物联网提供安全可靠的设备感知能力，实现多协议、多平台、多地域设备的快速接入。此外，虚拟模型与物理资产并行运行。在传感器数据的驱动下，数字孪生标记偏离模拟行为的操作行为。

例如，一家石油公司可能会从连续运行的海上石油钻井平台传输传感器数据。 IoTSys是一个IoT中间件，它为智能设备之间的通信提供了一个通信协议栈。 IoTSys 支持多种标准和协议，包括 IPv6、oBIX、6LoWPAN 和高效的 XML 交换格式。此外，大多数认知物理世界的工具都与视觉相关。

例如，在未知的车间环境中，AGV（自动导引车）汽车可以使用 LIDAR（光探测和测距）、深度相机、GPS（全球定位系统），以及通过 ROS（机器人操作系统）软件架构建立的地图，优化路径。类似的软件工具如图 13 所示。

4.2. Tools for digital twin modeling

ANSYS Twin Builder 包含大量特定于应用程序的库和第三方工具集成功能，是适用于数字双胞胎建模的软件工具，它允许多种建模域和语言。 Twin Builder 可以让工程师快速构建、验证和部署实物资产的数字模型。 Twin Builder 的内置库提供了丰富的组件，可以在适当的细节级别上创建所需的系统动力学模型，其中包括来自多个物理域和多个保真度级别的模型。此外，Twin Builder 与 ANSYS 的基于物理的仿真技术相结合，将 3D 的细节带入系统环境。

4.3. Tools for digital twin data management

数据是信息的载体，是DT的关键驱动力。如图15所示，DT数据管理工具包括数据采集工具、数据传输工具、数据存储工具、数据处理工具、数据融合工具和数据可视化工具。数据采集​​工具通过合理的传感器放置，可以获得完整、稳定、有效的数据。

例如DHDAS信号采集分析系统就是一套信号分析处理软件。该软件可与多种型号配套使用，完成不同信号的实时采集和分析。该软件还具有信号分析处理能力。类似的软件工具如图 15 所示。

4.4. Tools for digital twin service applications

数字孪生服务应用工具可分为平台服务工具、仿真服务工具、优化服务工具、诊断与预测服务工具，如图16所示。服务平台工具集成了物联网、大数据等新兴技术。数据，人工智能。

例如，Thingworx 平台可以将 DT 模型连接到运行中的产品，显示传感器数据，并通过 Web 应用程序分析结果。 ThingWorx平台可以提供工业协议转换、数据采集、设备管理、大数据分析等服务。首屈一指的自动化制造设备及零部件供应商HIROTEC基于ThingWorx平台实现了数控机床运行数据与ERP系统数据的对接，有效减少了设备停机时间。西门子推出了 MindSphere 平台。该平台可将传感器、控制器及各种信息系统采集的工业现场设备数据通过安全通道实时传输至云端，为企业提供大数据分析挖掘、工业APP及增值服务。类似的工具如图 16 所示。

4.5. Tools for connections in digital twin

DT 连接工具用于连接物理世界和虚拟世界，以及连接 DT 的不同部分。任何 DT 的核心都是在物理世界和虚拟世界之间进行映射，打破物理和虚拟现实之间的界限。

例如，PTC Thingworx 可以充当传感器和数字模型之间的网关，将各种智能设备连接到 IoT 生态系统 [67]。 MindSphere 是西门子基于云的开放式物联网操作系统，可连接产品、工厂、系统和机器。 MindSphere 使用高级分析来支持物联网生成的大量数据。

5. Conclusion

DT代表了数字化的进步。它越来越多地应用于越来越多的领域，例如智能制造、楼宇管理、智慧城市、医疗保健、石油和天然气等等。由于DT是一个集成多个工程学科的复杂系统，许多公司和研究人员对DT的关键技术和工具并不熟悉。 5维数字孪生模型具有良好的实用性和可扩展性，可为数字孪生在不同领域的应用提供通用的参考模型支持。结合5维数字模型，研究总结了DT的使能技术和工具，可为DT实践提供指导。然而，由于不同的格式、协议和标准，当前的工具可能无法集成并同时用于特定目标。因此，未来需要开发通用的数字孪生设计开发平台和工具。此外，需要适合工业实践且具有高可靠性的基础设施来满足数字孪生的要求。此外，DT 的实践与具体的对象密切相关。例如，DT city 和 DT shop-floor 在模型规模、操作规则、数据管理等方面存在很大差异。因此，本文提供了使能技术的总体方向和一些工具示例。 DT的技术研究和工具的选择需要学术界和工业界的参与者根据具体的领域和对象来判断和决定。