内容来源于百度百科与各方资料！
数字孪生
数字孪生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。数字孪生是一种超越现实的概念，可以被视为一个或多个重要的、彼此依赖的装备系统的数字映射系统。
数字孪生是个普遍适应的理论技术体系，可以在众多领域应用，目前在产品设计、产品制造、医学分析、工程建设等领域应用较多。目前在国内应用最深入的是工程建设领域，关注度最高、研究最热的是智能制造领域。
含义
美国国防部最早提出利用Digital Twin技术，用于航空航天飞行器的健康维护与保障。首先在数字空间建立真实飞机的模型，并通过传感器实现与飞机真实状态完全同步，这样每次飞行后，根据结构现有情况和过往载荷，及时分析评估是否需要维修，能否承受下次的任务载荷等。
数字孪生，有时候也用来指代将一个工厂的厂房及产线，在没有建造之前，就完成数字化模型。从而在虚拟的赛博空间中对工厂进行仿真和模拟，并将真实参数传给实际的工厂建设。而工房和产线建成之后，在日常的运维中二者继续进行信息交互。值得注意的是：Digital Twin不是构型管理的工具，不是制成品的3D尺寸模型，不是制成品的MBD定义。
对于Digital Twin的极端需求，同时也将驱动着新材料开发，而所有可能影响到装备工作状态的异常，将被明确地进行考察、评估和监控。Digital Twin正是从内嵌的综合健康管理系统（IVHM）集成了传感器数据、历史维护数据，以及通过挖掘而产生的相关派生数据。通过对以上数据的整合，Digital Twin可以持续地预测装备或系统的健康状况、剩余使用寿命以及任务执行成功的概率，也可以预见关键安全事件的系统响应，通过与实体的系统响应进行对比，揭示装备研制中存在的未知问题。Digital Twin可能通过激活自愈的机制或者建议更改任务参数来减轻损害或进行系统的降级，从而提高寿命和任务执行成功的概率。
原理
最早，数字孪生思想由密歇根大学的 Michael Grieves 命名为“信息镜像模型”（Information Mirroring Model），而后演变为“数字孪生”的术语。数字孪生也被称为数字双胞胎和数字化映射。数字孪生是在 MBD 基础上深入发展起来的，企业在实施基于模型的系统工程（MBSE）的过程中产生了大量的物理的、数学的模型，这些模型为数字孪生的发展奠定了基础。2012 年 NASA 给出了数字孪生的概念描述：数字孪生是指充分利用物理模型、传感器、运行历史等数据，集成多学科、多尺度的仿真过程，它作为虚拟空间中对实体产品的镜像，反映了相对应物理实体产品的全生命周期过程。为了便于数字孪生的理解，庄存波等提出了数字孪生体的概念，认为数字孪生是采用信息技术对物理实体的组成、特征、功能和性能进行数字化定义和建模的过程。数字孪生体是指在计算机虚拟空间存在的与物理实体完全等价的信息模型，可以基于数字孪生体对物理实体进行仿真分析和优化。数字孪生是技术、过程、方法，数字孪体是对象、模型和数据。
进入21世纪，美国和德国均提出了 Cyber-Physical System（CPS），也就是“信息-物理系统”，作为先进制造业的核心支撑技术。CPS 的目标就是实现物理世界和信息世界的交互融合。通过大数据分析、人工智能等新一代信息技术在虚拟世界的仿真分析和预测，以最优的结果驱动物理世界的运行。数字孪生的本质就是在信息世界对物理世界的等价映射，因此数字孪生更好的诠释了 CPS,成为实现 CPS 的最佳技术。
基本组成
2011 年，Michael Grieves 教授在《几乎完美：通过PLM驱动创新和精益产品》给出了数字孪生的三个组成部分：物理空间的实体产品、虚拟空间的虚拟产品、物理空间和虚拟空间之间的数据和信息交互接口。
在 2016 西门子工业论坛上，西门子认为数字孪生的组成包括：产品数字化双胞胎、生产工艺流程数字化双胞胎、设备数字化双胞胎，数字孪生完整真实地再现了整个企业。北京理工大学的庄存波等也从产品的视角给出了数字孪生的主要组成，包括：产品的设计数据、产品工艺数据、产品制造数据、产品服务数据、以及产品退役和报废数据等。无论是西门子还是北京理工大学的庄存波都是从产品的角度给出了数字孪生的组成，并且西门子是以它的产品全生命周期管理系统（product lifecycle management，PLM）为基础，在制造企业推广它的数字孪生相关产品。
同济大学的唐堂等人提出数字孪生的组成应该包括：产品设计、过程规划、生产布局、过程仿真、产量优化等。该数字孪生的组成不仅包括了产品的设计数据，也包括了生产品的生产过程和仿真分析，更加全面，更加符合智能工厂的要求。
北京航空航天的陶飞等人从车间组成的角度先给出了车间数字孪生的定义，然后提出了车间数字孪生的组成，主要包括：物理车间、虚拟车间、车间服务系统、车间孪生数据几部分组成。物理车间是真实存在的车间，主要从车间服务系统接收生产任务，并按照虚拟车间仿真优化后的执行策略，执行完成任务；虚拟车间是物理车间的计算机内的等价映射，主要负责对生产活动进行仿真分析和优化，并对物理车间的生产活动进行实时的监测、预测和调控；车间服务系统是车间各类软件系统的总称，主要负责车间数字孪生驱动物理车间的运行，和接受物理车间的生产反馈。
意义
Digital twin最为重要的启发意义在于，它实现了现实物理系统向赛博空间数字化模型的反馈。这是一次工业领域中，逆向思维的壮举。人们试图将物理世界发生的一切，塞回到数字空间中。只有带有回路反馈的全生命跟踪，才是真正的全生命周期概念。这样，就可以真正在全生命周期范围内，保证数字与物理世界的协调一致。各种基于数字化模型进行的各类仿真、分析、数据积累、挖掘，甚至人工智能的应用，都能确保它与现实物理系统的适用性。这就是Digital twin对智能制造的意义所在。
智能系统的智能首先要感知、建模，然后才是分析推理。如果没有Digital twin对现实生产体系的准确模型化描述，所谓的智能制造系统就是无源之水，无法落实。
进展
实现Digital Twin的许多关键技术都已经开发出来，比如多物理尺度和多物理量建模、结构化的健康管理、高性能计算等，但实现Digital Twin需要集成和融合这些跨领域、跨专业的多项技术，从而对装备的健康状况进行有效评估，这与单个技术发展的愿景有着显著的区别。因此，可以设想Digital Twin这样一个极具颠覆的概念，在未来可以预见的时间内很难取得足够的成熟度，建立中间过程的里程碑目标就显得尤为必要。
美国空军研究实验室（AFRL）2013年发布的Spiral 1计划就是其中重要的一步，已与通用电气（GE）和诺思罗谱·格鲁曼签订了2000万美元的商业合同以开展此项工作。计划以现有美国空军装备F15为测试台，集成现有最先进的技术，与当前具有的实际能力为测试基准，从而标识出虚拟实体还存在的差距。当然，对于Digital Twin这么一个好听好记的概念，许多公司已经迫不及待地将其从高尖端的领域，拉到民众的眼前。
GE将其作为工业互联网的一个重要概念，力图通过大数据的分析，可以完整地透视物理世界机器实际运行的情况；而激进的PLM厂商PTC公司，则将其作为主推的“智能互联产品”的关键性环节：智能产品的每一个动作，都会重新返回设计师的桌面，从而实现实时的反馈与革命性的优化策略。Digital Twin突然赋予了设计师们以全新的梦想。它正在引导人们穿越那虚实界墙，在物理与数字模型之间自由交互与行走。
数字孪生的研究现状
在智能制造领域最先使用数字孪生概念的是美国的航空航天局（NASA）在阿波罗项目中，美国国家航空航天局使用空间飞行器的数字孪生对飞行中的空间飞行器进行仿真分析，监测和预测空间飞行器的飞行状态，辅助地面控制人员作出正确的决策。从美国国家航空航天局对数字孪生的应用来看，数字孪生主要是要创建和物理实体等价的虚拟体或数字模型，虚拟体能够对物理实体进行仿真分析，能够根据物理实体运行的实时反馈信息对物理实体的运行状态进行监控，能够依据采集的物理实体的运行数据完善虚拟体的仿真分析算法，从而对物理实体的后续运行和改进提供更加精确的决策。
密歇根大学的迈克尔·格里夫斯教授在2003年提出了“物理产品的数字表达”的概念，并指出物理产品的数字表达应能够抽象的表达物理产品，能够基于数字表达对物理产品进行真实条件或模拟条件下的测试。这个概念虽然没有被称作数字孪生，但是它具备数字孪生所具有的组成和功能，即创建物理实体的等价虚拟体，虚拟体能够对物理实体进行仿真分析和测试。迈克尔·格里夫斯教授提出的理论，可以被看做是数字孪生在产品设计过程中的应用。
美国国家标准与技术研究院于 2012 提出了 MBD（基于模型的定义）和 MBE（基于模型的企业）的概念，其核心思想是要创建企业和产品的数字模型，数字模型的仿真分析要贯穿产品设计、产品设计仿真、加工工艺仿真、生产过程仿真、产品的维修维护等整个产品的寿命周期。MBE 和 MBD 的概念将数字孪生的内涵扩展到了整个产品的制造过程。
2015年之后，世界各国分别提出国家层面的制造业转型战略。这些战略核心目标之一就是构建物理信息系统（Cyber-Physical System，CPS），实现物理工厂与信息化的虚拟工厂的交互和融合，从而实现智能制造，数字孪生作为实现物理工厂与虚拟工厂的交互融合的最佳途径，被国内外相关学术界和企业高度关注。从 CPS 和数字孪生的内涵来看，他们都是为了描述信息空间与物理世界融合的状态，CPS 更偏向科学原理的验证，数字孪生更适合工程应用的优化，更能够降低复杂工程系统建设的费用。北京航空航天大学的陶飞，张萌等人基于数字孪生提出了数字孪生车间的概念，并从车间管理要素分析，数字孪生车间的发展需要依次经过生产要素、生产活动、生产控制仅限于物理车间，物理车间与数字孪生车间相对独立，物理车间与数字孪生车间交互融合这个三个阶段，才能够逐渐的成熟。同济大学的唐堂，滕琳等认为数字孪生是整合企业的制造流程，实现产品从设计到维护全过程的数字化，通过信息集成实现生产过程可视化，形成从分析到控制再到分析的闭合回路，优化整个生产系统。GE Digital工业互联网创新与生态发展负责人 Robert Plana 认为，数字孪生最重要的价值是预测，在产品制造过程中出现问题时，可以基于数字孪生对生产策略进行分析，然后基于优化后的生产策略进行组织生产。
应用场景
从产品全生命周期管理、工程全生命周期管理、车间管控系统几个方面梳理目前数字孪生的应用场景如下：
最早，美国国家航空航天局使用数字孪生对空间飞行器进行仿真分析、检测和预测，辅助地面管控人员进行决策。
Michael Grieves 教授和西门子公司主要使用数字孪生进行产品数据的全生命周期管理。利用数字孪生对产品设计、产品功能、产品性能、加工工艺、维修维护等进行仿真分析。
以欧特克公司为代表的工程建设类软件供应商，将数字孪生技术应用于建筑、工厂、基础设施等建设领域，把建筑和基础设施看做产品进行全生命周期的管理。
北京航空航天大陶飞等人将数字孪生应用于车间的建设和管控，主要涉及基于数字孪生的产品设计、基于数字孪生的虚拟样机、基于数字孪生的车间快速设计、基于数字孪生的工艺规划、基于数字孪生的车间生产调度优化、基于数字孪生的生产物流精准配送、基于数字孪生的车间装备智能控制、基于数字孪生的车间人机交互、基于数字孪生的装配、基于数字孪生的测试/检测、基于数字孪生的制造能耗管理、基于数字孪生的产品质量分析与追溯、基于数字孪生的故障预测与健康管理、基于数字孪生的产品服务系统等。
数字孪生与Digital Thread
Digital Twin是与Digital Thread，既相互关联，又有所区别的一个概念。
Digital Twin是一个物理产品的数字化表达，以便于我们能够在这个数字化产品上看到实际物理产品可能发生的情况，与此相关的技术包括增强现实和虚拟现实。Digital Thread在设计与生产的过程中，仿真分析模型的参数，可以传递到产品定义的全三维几何模型，再传递到数字化生产线加工成真实的物理产品，再通过在线的数字化检测/测量系统反映到产品定义模型中，进而又反馈到仿真分析模型中。 依靠Digital Thread，所有数据模型都能够双向沟通，因此真实物理产品的状态和参数将通过与智能生产系统集成的赛博物理系统CPS向数字化模型反馈，致使生命周期各个环节的数字化模型保持一致，从而能够实现动态、实时评估系统的当前及未来的功能和性能。而装备在运行的过程中，又通过将不断增加的传感器、机器的联接而收集的数据进行解释利用，可以将后期产品生产制造和运营维护的需求融入到早期的产品设计过程中，形成设计改进的智能闭环。然而，并不是建立了全机有限元模型，就有了数字孪生，那只是问题的一个角度；必须在生产中把所有真实制造尺寸反馈回模型，再用PHM（健康预测管理）实时搜集飞机实际受力情况，反馈回模型，才有可能成为Digital Twin。
Digital Twin描述的是通过Digital Thread连接的各具体环节的模型。可以说Digital Thread是把各环节集成，再配合智能的制造系统、数字化测量检验系统的以及赛博物理融合系统的结果。通过Digital Thread集成了生命周期全过程的模型，这些模型与实际的智能制造系统和数字化测量检测系统进一步与嵌入式的赛博物理融合系统(CPS)进行无缝的集成和同步，从而使我们能够在这个数字化产品上看到实际物理产品可能发生的情况。
简单说，Digital Thread贯穿了整个产品生命周期，尤其是从产品设计、生产、运维的无缝集成；而Digital Twin更像是智能产品的概念，它强调的是从产品运维到产品设计的回馈。Digital Twin它是物理产品的数字化影子，通过与外界传感器的集成，反映对象从微观到宏观的所有特性，展示产品的生命周期的演进过程。当然，不止产品，生产产品的系统（生产设备、生产线）和使用维护中的系统也要按需建立Digital Twin。
标准体系
数字孪生标准体系可包含以下部分：
1. 基础共性标准：包括术语标准、参考架构标准、适用准则三部分，关注数字孪生的概念定义、参考框架、适用条件与要求，为整个标准体系提供支撑作用。
2. 数字孪生关键技术标准：包括物理实体标准、虚拟实体标准、孪生数据标准、连接与集成标准、服务标准五部分，用于规范数字孪生关键技术的研究与实施，保证数字孪生实施中的关键技术的有效性，破除协作开发和模块互换性的技术壁垒。
3. 数字孪生工具/平台标准：包括工具标准和平台标准两部分，用于规范软硬件工具/平台的功能、性能、开发、集成等技术要求。
4. 数字孪生测评标准：包括测评导则、测评过程标准、测评指标标准、测评用例标准四部分，用于规范数字孪生体系的测试要求与评价方法。
5. 数字孪生安全标准：包括物理系统安全要求、功能安全要求、信息安全要求三部分，用于规范数字孪生体系中的人员安全操作、各类信息的安全存储、管理与使用等技术要求。
6. 数字孪生行业应用标准：考虑数字孪生在不同行业/领域、不同场景应用的技术差异性，在基础共性标准、关键技术标准、工具/平台标准、测评标准、安全标准的基础上，对数字孪生在机床、车间、工程机械装备等具体行业应用的落地进行规范。
现实世界的数字镜像就是数字孪生，建立数字孪生体能使我们通过“上帝”视角实现对现实世界的指挥和运行。
日常生活中我们所用的“滴滴出行”打车软件，就是对现实世界所进行的数字镜像，通过对车、司机、乘客三者之间建立联系，在数字化空间解决不同对象的需求。乘客可以通过滴滴的数字化空间发布即时的出行需求，同时司机快速获取附近有出行需求的乘客，同时双方都可在该数字空间内进行路程、车辆、时间等信息的精准预测。
对现实世界进行更快的认知，无死角的监控，精准的预测，并建立规则指挥运行，提供有效的交互手段提升用户体验，就是建立数字孪生体对现实世界的五点意义。
想要建立数字空间，就需要对现实世界的实体一一映射到虚拟空间，并链接其动态信息，先形成数字孪生图谱。
当我们在构建数字空间时，就必须先将现实世界的实体，以围绕该实体的关系一一映射放到虚拟空间。并将实体的基本属性、动态数据等信息链接到数字空间，形成数字空间的大数据。与此同时，以大数据为基础，通过实体和实体的关系在数字空间内加入时间维度，就构成了整个数字空间最基础的框架。这也是通常我们讲的数字孪生的前四个最基本的要素，数据模型、数据信息、唯一映射以及联接监测。
在此基础上，我们就可以选择虚拟现实的可视化手段，并可对数据进行分析，同时实现操作控制、仿真模拟等。通过建立数字孪生图谱，并加入基本属性，就能构建数字化的空间。
万物互联带来了数字孪生应用场景的爆发，而未来几年的新技术大多会集中应用于建设智慧园区，因此数字孪生技术是推动智慧园区建设的关键点。
从大机为王的1970年代到IoT万物互联的2020年代，每次代际跃迁都会带来企业数字化程度持续百倍的增长。由量变到质变，新世界就需要更强大的认知和管理能力，因此万物互联必定会带来更多数字孪生应用场景的爆发。
智慧园区作为数字孪生最重要的应用场景之一，给其的定义是“以人为本的智慧空间”。数字孪生可视化系统平台，通过物理层到平台层，提供数据接入的能力，建立物理世界和现实世界的关系。服务层通过构建数字孪生世界的建模工具，提供二维、三维、地图等交互界面，并最终应用于智慧园区。
从产业园区、科研院所，再到商业地产、高校等......数字孪生系统，提供生态组件、行业应用等，一个孪生平台，实现多种可视场景。