1.一般架構設計

基于數字孿生的智能系統強調的是物理系統與虛擬系統的協調感知統一，所以基于數字孿生的智能系統最重要的有兩個方面:一是數字化的物理系統與虛擬系統的實時連接；另外就是實現數字孿生系統的智能計算模塊。本節將實時連接以及智能計算的模塊定義為“數字孿生引擎”，最終形成數字孿生系統的通用參考架構，包括物理實體、虛擬實體、數字孿生引擎和數字孿生服務四個部分，如圖1所示

圖1 數字孿生系統的通用參考架構

1.1物理實體(Physical Entity)

物理實體，是數字孿生所要映射的在物理空間實際存在的一個系統。數字孿生系統所包括的物理實體需要有數字化接口，能進行數據采集和信息映射。物理實體中的各個部分，通過物理連接或活動關系結合起來，其本身可以是一個CPS單元、CPS系統或CPS體系。

物理實體中各異構要素的全面互聯感知是構建數字孿生系統的前提和關鍵，智能感知的基礎在于泛在的數據采集，常見的數據來源包括各類聲光熱電力傳感器、條形碼、計算機/手機/平板電腦/手環等智能終端、系統固有的機器/設備或者智能儀表、系統人員數據、企業的管理數據、本地/云端存儲的歷史可追溯數據等，數據傳輸方式通常有現場總線和工業以太網技術、射頻識別技術、無線藍牙技術、工業互聯網技術等。

物理實體信息感知的手段包括直接和間接兩類。直接手段是指物理實體本身帶有傳感器，能采集白身的數據；間接手段是通過物理實體外在的環境感知，間接獲取物理實體的運行狀態。例如，針對某些機械設備，其內置的溫度、振動等傳感器可以感知其運行狀態，而通過視頻、聲音等方式從外部環境采集設備信息，可以獲取其運行的外在表現狀態。這些外在傳感器的信息也是物理實體數據采集的一部分。

物理實體的另外一個功能是“精準執行”，即能接收虛擬實體、數字孿生引擎發送過來的指令，完成某些動作。依靠高速、低延遲、高穩定的數據傳輸協議，物理實體能及時接收虛擬系統仿真、分析、優化后的管控命令并精準執行，并將執行結果實時反饋給數字孿生體以進一步迭代優化。

借助互聯網、云計算、邊云協同等技術，物理實體各組成部分在空間維度上遠距離分布式協同控制成為可能，而不必將系統局限在狹小的范圍內。物理實體可以具有分散化、社會化、協同化的特點。

簡而言之，為了支撐數字孿生系統的實施，物理實體需要具備數字化接入能力。從角色來看，物理實體是數字孿生系統的實現基礎，同時也是數字孿生系統最終所要優化的目標對象。

1.2虛擬實體(Virtual Entity)

虛擬實體是物理實體對應在信息空間的數字模型，以及物理實體運行過程的相關信息系統。信息系統是物理對象的信息模型抽象，并且包括了一些物理實體運行過程的管理、控制等邏輯。

虛擬實體的模型是指在物理實體設計和運行過程中所構建的幾何模型、機理模型以及數據模型。這些模型可以看作是對物理實體的一個定義。對于一個工業產品來說，模型包括三維設計模型、有限元分析模型、制造工藝模型、運行過程的數據模型等。

由于當前的很多產品、系統本身就是一個CPS系統，因此，信息系統是物理實體運行過程不可缺少的部分，例如，數控機床所包含的數控操作系統、數控程序，工廠和車間運行相關的ERP、PLM、MES等系統，這些信息系統是物理系統運行必不可少的部分，也是物理實體在信息空間所對應的虛擬實體的一部分。

在數字孿生系統里面的虛擬實體，可以看成是物理實體在信息空間的一個數字化映射。在數字孿生技術出現之前，這些虛擬實體的組成部分就已經存在，并且在仿真分析、系統運行管控等方面已經開展豐富的應用。但是這些應用沒有充分發揮實時數據的作用，模型之間也沒有構建成系統化的聯系，因此是局部的、非系統化的“淺層數字映射”。

1.3數字孿生引擎(Digital Twin Engine)

數字孿生引擎一方面是實現物理系統和虛擬系統實時連接同步的驅動引擎，另一方面是數字孿生系統智能算法和智能計算引擎核心，為用戶提供高級智能化服務。在數字孿生引擎的支持下，數字孿生系統才真正形成，實現虛實交互驅動以及提供各類數字孿生智能化服務，所以數字孿生引擎即是數字孿生系統的“心臟和大腦”。

如前文分析，數字孿生引擎從功能上來說主要包括交互驅動和智能計算。數字孿生應用通過構建擬實的界面，充分利用三維模型等來形象地展示計算和分析的結果，提高人機交互的水平。其智能計算是利用數據驅動模型進行仿真分析與預測，提供傳統虛擬實體應用所沒有的智能計算結果

在數字孿生系統出現之前，虛擬實體已經包含了很多反映物理實體運行規律的模型，用來對物理實體進行模擬仿真，同時，虛擬實體中的信息系統也包括了很多物理實體運行過程所采集的數據，但是這些模型和數據因為分屬不同的應用目的而開發，沒有很好地融合起來，不能充分發揮作用。數字孿生就是解決傳統應用模型和數據分離的各自為政的問題，通過兩者的融合充分發揮協同作用。數字孿生引擎的另外一個重要功能，就是完成模型和數據融合，包括相關的數據管理和模型管理功能。

1.4數字孿生服務(Digital Twin Service)

數字孿生服務是指數字孿生系統向用戶各類應用系統提供的各類服務接口，是物理實體、虛擬實體在數字孿生引擎支持下提供的新一代應用服務，是數字孿生系統功能的體現。

物理實體和虛擬實體在沒有數字孿生引擎的支持下，能進行傳統意義上的系統運行，完成各自預定的功能。但是，數字孿生引擎能讓物理實體、虛擬實體融合在一起，形成數字孿生系統，具有原來物理實體和虛擬實體獨立運行所沒有的新的功能。一個完整的數字孿生系統包括服務接口支持，也就是功能接口，能讓數字孿生系統真正地為用戶所用。

數字孿生服務包括仿真服務、監控服務、分析服務和預測服務，同時，由于人機交互要求更高，虛擬現實(VR)、增強現實(AR)和混合現實(MR)是數字孿生應用的重要形式，因此，數字孿生服務也包括對這些應用的服務接口支持。

數字孿生服務根據數字孿生系統的不同，具體實現內容也不同，其設計和實現根據不同的行業、不同的規模而不同，同時，隨著數字孿生系統的不斷進化，其服務內容也會不斷增加，是一個逐步完善的過程。

基于數字孿生服務，根據不同的應用需求，可以開發不同的應用。數字孿生的應用部分可以是傳統信息系統的升級，部分是全新開發的應用。由于移動互聯、泛在計算的廣泛應用，手機、平板電腦、智能眼鏡等將是數字孿生應用的一個新的發力點，也是提供給用戶沉浸體驗的新手段。

綜合上述內容，一個數字孿生系統各個部分的組成結構如圖2所示。

圖2數字孿生系統組成結構圖

2.數字孿生引擎

數字孿生引擎是連接物理實體和虛擬實體，實現數字孿生系統的一個核心模塊。“虛擬實體+數字孿生引擎=數字孿生體”，因此，本節對數字孿生引擎的一般組成進行進一步的說明。圖2給出了數字孿生引擎的基本模塊，圖3對其組成給出了進一步的說明。

圖3數字孿生引擎的基本組成

2.1交互驅動模塊

交互驅動模塊，是數字孿生引擎用來連接各個相關系統的核心模塊，包括物理實體交互驅動接口、虛擬實體交互驅動接口、外部軟件交互驅動接口和服務接口。

物理實體交互驅動接口，是從物理實體采集實時數據的接口以及傳送給物理實體的指令執行接口。傳統的信息系統應用、管控軟件中，也包括了對物理實體的數據采集和指令下達，但是數字孿生系統根據模型和數據融合需求，需要更多的數據，以及更精準的指令執行功能，就需要數字孿生引擎的交互接口來提供額外的驅動接口，實現數字孿生的增強功能。

虛擬實體交互驅動接口，是數字孿生引擎的一個主要接口。模型數據大部分通過這個接口進入數字孿生引擎。一些計算結果也通過這個接口傳回給虛擬實體。根據上述分析，虛擬實體包括了數字模型和信息系統，傳統的管控功能還是需要通過信息系統完成，而數字孿生引擎所產生的新的數據能輔助模型仿真、信息系統運行更好地完成。

外部軟件交互驅動接口，是指物理實體和數字孿生體本身之外的一些軟件，為數字孿生系統提供軟件環境。例如，一個數字孿生車間其主要的軟件系統是MES，而企業級的ERP、SCM、PLM等軟件系統就是數字孿生車間系統的外部軟件;對于一個建筑來說，BIM是其關鍵模型，而這個建筑所在的小區信息系統、CIM就是外部軟件。外部軟件為數字孿生系統的運行提供了參考信息，以及一些功能支撐，所以需要專門的接口來獲取相關的模型和數據。

服務接口，是數字孿生引擎為數字孿生服務模塊提供各類模型和數據訪問的接口。這類接口比較多，根據不同的實際系統需求而進行定義。

2.2數據存儲和管理模塊

數據存儲和管理，是數字孿生引擎運行的一個數據支撐環境。虛擬實體的信息系統包括了物理實體運行過程的相關數據，但是這些數據是根據業務需求而定義的，不能滿足數字孿生系統運行過程的數據需求，因此，在已有的信息之外，數字孿生引擎需要定義自己的數據存儲和管理。從這個意義上說，數字孿生引擎的數據存儲和管理是虛擬實體中包含的信息系統中的數據存儲之外的一個補充。

這個模塊一般包括實時數據庫、主題數據庫和數據倉庫。主題數據庫存放的是按各類分析主題整理的實時或半實時數據。數據倉庫包括了按一定主題存放的經過分析整理后的數據，用于支持聯機分析處理(OLAP)和數據挖掘。

數據抽取、數據轉化、數據集成是傳統意義上的ETL（抽取、轉化、裝載）過程，數據更新則是根據物理實體和虛擬實體接口，實時在線更新相關數據的過程。

需要說明的是，由于數據的多樣性，所以需要根據不同數據特點來選擇關系型數據庫、非關系型數據庫或者是分布式文件系統來存儲不同的數據，數字孿生引擎需要支持多模式數據庫管理系統的數據應用集成與管理。

2.3模型管理模塊

模型管理，主要包括機理模型和基于數據的模型。這些模型如果在虛擬實體中已經包含，則在數字孿生引擎中無須重建，但是需要對模型進行跟蹤，保證這些模型在數字孿生應用中可用和可管理。

模型采集，是指根據數字孿生智能計算和模型/數據融合需要，從虛擬實體中選擇相關模型導入到數字孿生引擎模型庫的過程。模型訓練，是根據應用需要，從數據中訓練新模型的過程。模型更新，是對模型進行完善和更新的過程。模型分發，是根據服務需求，對相關模型分發過程進行管理的模塊。

2.4模型/數據融合模塊

模型和數據的融合，是數字孿生的基本特征。脫離了模型的數據分析，就會脫離物理實體的基本邏輯和應用場景，導致數據分析的無目的性；而離開了實時數據，模型只能作為物理實體設計規劃時的靜態應用，不能指導實際運行。

模型和數據映射，是建立相關模型和實時數據的關聯關系。例如，利用三維幾何模型，可以構建實時數據的空間關系，支持數據在三維空間中的展示；對于仿真模型引入實時數據，可以完善仿真參數，讓模型運行更加貼合實際過程。

模型和數據的比較，是構建模型運行結果和實際系統運行結果的比較關系，這個對于一些管控方案的評估起到關鍵作用，也能評估模型參數設定是否合理。

數據驅動下的模型更新，是對傳統建模過程中參數不確定的一個補充。在物理實體運行前，很多仿真參數都是假設的，或者是理論模型，不能和實際運行狀況吻合。通過數據分析結果來完善模型參數讓模型更擬實，是數字孿生的一個基本功能。

模型驅動下的數據采集，是利用機理模型來指導數據分析的基礎。傳統的大數據一個特點就是價值密度低，其含義就是大量的數據看起來是沒有用的，或者說是“無心”采集的；而在工業領域，由于傳感器部署都是需要成本的，沒有目的的數據采集在工業領域往往不切實際。利用機理模型分析需求來指導數據采集過程，有限成本下部署最多的數據感知點，是數字孿生應用順利開展的一個基礎。

數據和模型，是數字孿生系統的兩個基本面。數據代表了物理實體，是從物理實體運行過程采集而來，代表實際；模型代表虛擬，是從數字模型分析、仿真而來，虛實融合就是模型和數據的融合。

2.5智能計算模塊

智能計算模塊是數字孿生引擎的驅動力，通過智能計算實現數字孿生服務所需要的各類功能。

預測分析，是利用“模型+數據”對物理實體的運行過程進行預測?？梢允且粋€運行規律的計算，也可以是對幾種方案的仿真評估。給出虛擬實體未來運行趨勢的分析，為物理實體的運行提供優化建議。

知識推理，是利用已有的知識模型，對一些事實進行推理分析得到推理結果的過程。一般用于規律已知情況下的判斷和決策。

在線/離線分析，是利用計算模型，進行在線分析、離線分析。根據所掌握的分析模型以及應用需要，可以選擇在線或離線模式。一般來說，大量的計算需要采用離線模式；局部的、明確的一些判斷，則可以結合邊緣計算架構實現在線模式。

X在環仿真，是指“硬件在環仿真”或“軟件在環仿真”。對于一個物理實體，其規劃設計、安裝調試過程往往是十分復雜的，利用硬件在環仿真，可以對軟件設計進行優化；而軟件在環仿真，又可以對硬件設計和安裝進行評估和檢驗。利用模型和數據的融合，這部分功能在數字孿生系統中可以得到很好的支持。