数字孪生关键技术

导读：

在数字孪生使用前，应用对象、功能需求、适用性评价等行业应用标准能够帮助企业决策数字孪生的适用性；在数字孪生使用过程中，技术要求、工具标准、平台标准等结合行业／领域特性的应用标准能够指导数字孪生在各领域的应用落地；

建模与仿真

建模，就是建立模型，就是为了理解事物而对事物做出的一种抽象，是对事物的一种无歧义的书面描述。建立系统模型的过程，又称模型化。建模是研究系统的重要手段和前提。凡是用模型描述系统的因果关系或相互关系的过程都属于建模。而数字孪生的目的或本质是通过数字化和模型化，用信息换能量，以更少的能量消除各种物理实体、特别是复杂系统的不确定性。所以建立物理实体的数字化模型或信息建模技术是创建数字孪生、实现数字孪生的源头和核心技术，也是“数化”阶段的核心。

仿真是指利用模型复现实际系统中发生的本质过程，并通过对系统模型的实验来研究已存在的或设计中的系统，又称模拟。这里所指的模型包括物理的和数学的，静态的和动态的，连续的和离散的各种模型。所指的系统也很广泛，包括电气、机械、化工、水力、热力等系统，也包括社会、经济、生态、管理等系统。只要模型正确，并拥有了完整的输入信息和环境数据，就可以基本正确地反映物理世界的特性和参数。

从技术角度看，建模和仿真是一对伴生体：如果说建模是模型化人类对物理世界或问题的理解，那么仿真就是验证和确认这种理解的正确性和有效性。所以，数字化模型的仿真技术是创建和运行数字孪生、保证数字孪生与对应物理实体实现有效闭环的核心技术。

虚拟现实

虚拟现实（VirtualReality，简称VR）技术可以将系统的制造、运行、维修状态呈现出超现实的形式，对复杂系统的各个子系统进行多领域、多尺度的状态监测和评估，将智能监测和分析结果附加到系统的各个子系统、部件中，在完美复现实体系统的同时将数字分析结果以虚拟映射的方式叠加到所创造的孪生系统中，从视觉、声觉、触觉等各个方面提供沉浸式的虚拟现实体验，实现实时且连续的人机互动。

VR技术能够帮助使用者通过数字孪生系统迅速地了解和学习目标系统的原理、构造、特性、变化趋势、健康状态等各种信息，并能启发其改进目标系统的设计和制造，为优化和创新提供灵感。通过简单地点击和触摸，不同层级的系统结构和状态会呈现在使用者面前，对于监控和指导复杂装备的生产制造、安全运行及视情维修具有十分重要的意义，提供了比实物系统更加丰富的信息和选择。

目前很多互联网企业都在不断推出或升级数据呈现的空间或软件包，工业数据分析可以在借鉴或借用这些数据呈现技术的基础上，加强数据分析可视化的性能和效果。

在现有的工业数据分析中，往往忽视数据呈现的研究和应用，随着日趋复杂的数据分析任务以及高维、高实时数据建模和分析需求，需要强化对数据呈现技术的关注，这是支撑构建数字孪生系统的一个重要环节。

物联网

物联网（InternetofThings，简称IoT）是指通过信息传感设备，按照约定的协议，把任何物品与互联网连接起来，进行信息交换和通信，以实现智能化识别、定位、跟踪、监控和管理的一种网络。通俗地讲，物联网就是“物物相连的互联网”，它包含两层含义：第一，物联网是互联网的延伸和扩展，其核心和基础仍然是互联网；第二，物联网的用户端不仅包括人，还包括物品，物联网实现了人与物品及物品之间信息的交换和通信。

物联网作为新一代信息技术的高度集成和综合运用，具有渗透性强、带动作用大、综合效益好的特点，是继计算机、互联网、移动通信网之后信息产业发展的又一推动者。物联网的应用和发展，有利于促进生产生活和社会管理方式向智能化、精细化、网络化方向转变，极大提高社会管理和公共服务水平，催生大量新技术、新产品、新应用、新模式，推动传统产业升级和经济发展方式转变，并将成为未来经济发展的增长点。

物联网是数字孪生的载体，数字孪生是物联网的底层逻辑。数字孪生和物联网是相互成就的关系。一方面，物联网为数字孪生的数据流和信息流提供参考架构。同时，数字孪生是物联网发展应用的新阶段。数字孪生之所以变得越来越受欢迎，是因为它能够显著降低物联网生态系统复杂性并提高效率。

云边协同计算

云计算（CloudComputing）是一种计算资源交付模型，集成了各种服务器、应用程序、数据和其它资源，并通过互联网以服务的形式提供这些资源。通常对资源进行了虚拟化。边缘计算（EdgeComputing）是一种分布式处理和存储的体系结构，它更接近数据的源头。例如，带有视觉处理功能的摄像头、通过蓝牙向手机发送数据的可穿戴医疗设备等都利用到了边缘计算。与云计算相比，边缘计算更靠近终端，存在诸多优良特性，因此，边缘计算和云计算的混合使用通常被认为是构建企业级物联网解决方案的最佳实践，这种方案便是云边协同计算。

对于边缘计算来说，不同于把大量的资源整合的云计算平台，边缘云平台更是一个分布式的平台，因此云边协同的特征是边缘计算的主要特征之一，而云边协同包含了各种协议和功能，涉及到了云计算的方方面面，因此在边缘计算的发展过程中，云边协同的功能实现情况成了影响边缘计算的重要因素。

“共智”的目标是实现不同数字孪生智慧的交换和共享，其隐含的前提是单个数字孪生内部各构件的智慧首先是共享的。云边协同计算则为数字孪生内部和之间进行智慧共享提供了可能。

大数据

大数据（BigData）是指以容量大、类型多、存取速度快、应用价值高为主要特征的数据集合。目前正快速发展为对数量巨大、来源分散、格式多样的数据进行采集、存储和关联分析，从中发现新知识、创造新价值、提升新能力的新一代信息技术和服务业态。大数据必须采用分布式架构，对海量数据进行分布式数据挖掘，因此必须依托云计算的分布式处理、分布式数据库和云存储、虚拟化技术。大数据的主要特征为：数据量巨大，数据类型多，数据流动快，数据潜在价值大。

在数字孪生中，物联网的一项重要作用就是收集来自物理世界的数据，这种数据往往具备大数据特征。数字孪生使用这些数据的一种模式就是通过机器学习技术，在物理机理不明确、输入数据不完备的情况下对数字孪生的未来状态和行为进行预测，尽管这种预测未必准确，特别在数字孪生的发育期，机器学习时间尚不充足。但相比一无所知，这种预测仍富有价值。而且随着数字孪生的进化，这种预测会越来越逼近真实世界，使得数字孪生拥有“先觉”能力。

人工智能

人工智能（ArtificialIntelligence，简称AI）是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门新的技术科学。人工智能的应用可能会出现在工业互联网的各个环节，尤其是在数据应用的环节。利用机器学习和预测分析算法，工业大数据可以在预测、维护等用例场景中产生价值（如预测和预防制造机器、飞机、汽车、火车、风力涡轮机、输油管道等出现的机器故障或组件故障），包括生产过程早期的产品质量预测和产品质量优化（如钢铁行业），连续生产过程中的关键情况预测、预防（如化学工业），产 品寿命预测（如汽车发动机、风力涡轮机部件、电池等）以及能源需 求预测、价格预测等。 

数字孪生正在与人工智能技术深度结合，促进信息空间与物理空 间的实时交互与融合，以在信息化平台内进行更加真实的数字化模拟， 并实现更广泛的应用。将数字孪生系统与机器学习框架学习结合，数 字孪生系统可以根据多重的反馈源数据进行自我学习，从而几乎实时 地在数字世界里呈现物理实体的真实状况，并能够对即将发生的事件 进行推测和预演。数字孪生系统的自我学习除了可以依赖于传感器的 反馈信息，也可以通过历史数据，或者是集成网络的数据学习，在不 断的自我学习与迭代中，模拟精度和速度将大幅提升。

区块链

区块链（Blockchain）技术是利用块链式数据结构来验证与存储数据、利用分布式节点共识算法来生成和更新数据、利用密码学的方式保证数据传输和访问的安全、利用由自动化脚本代码组成的智能合约来编程和操作数据的一种全新的分布式基础架构与计算方式。区块链的核心技术包括:（1）点对点分布式技术；（2）共识机制；（3）智能合约；（4）非对称加密技术。

区块链本质上是一种解决信任问题、降低信任成本的信息技术方案。区块链技术的应用，可以取缔传统的信任中介，颠覆传统上存在了几千年的中心化旧模式，在不需要中心化信任中介的情况下，解决陌生人间的信任问题，大幅降低信任成本。

数字孪生是典型的数字资产。在众多数字孪生“共智”的过程中，必然存在数字资产的交易。区块链提供的去中心化的交易机制能很好地支持分布、实时和精细化的数字资产交易，可以成为数字孪生最佳的资产交易媒介。同时它也能引入信任度，持续保持透明度，很好地支持数字资产交易生态系统的参与主体，包括数字资产的采集、存储、交易、分发和服务各个流程的参与者。最后，去中心化数据交易网络也需要在可扩展性，交易成本和交易速度方面有突破，才能加速推动数字资产的商用化。

互联互通社区

互联互通社区-IT智库，是互联互通社区IT架构、前沿技术平台。包含科技趋势、总体架构、产业架构、技术架构、系统架构、业务架构等内容，内容简练，皆属干货，合作请+微信：hulianhutongshequ.