工業仿真軟件隨著國家經濟發展，越來越多的企業和教學科研單位開始采購并使用。

坦率地說，工業仿真軟件在國內的使用進程和國際進程并不一致。國際上，尤其是工業軟件發源國家，他們對于工業軟件的使用是一種自然而然的漸進過程。用軟件總結設計經驗，用經驗不斷豐富軟件，從而形成獨立的產品設計體系和逐漸成熟的軟件開發工具。

此所謂仿真軟件與工業應用的本源。

國內的軟件使用更多是由預算決定，而不是設計需求決定。差別就是完成采購之后，往往束之高閣。

好的軟件采購，一定是基于設計出發。采購前對于軟件一定要進行算例評測和產品試用，從而明確仿真軟件的真正功用和使用價值。

好的軟件供應商，一定是基于客戶價值出發。在采購前，充分研究軟件對于客戶的應用場景和技術方案；采購后，充分培訓客戶，幫助客戶完成標準算例仿真，規范化實例仿真，多尺度優化仿真三階段過程，充分體現仿真軟件的客戶價值。

捫心自問，由于諸多因素，在很多項目場景中無法按照三階段仿真進行客戶培訓。但是，起碼應該坦蕩地說，三階段仿真培訓方案、所需技術條件都已經充分地和客戶進行了交流和溝通，滿足合同要求的技術培訓一定會高質量完成。

DT（數字孿生）是一個越來越熱門的仿真技術領域，它的本源是什么？

什么是數字孿生？

數字孿生是系統、流程或服務的動態虛擬模型。因此，產品、工廠或商業服務都可以擁有自己的數字孿生。數字孿生的愿景要求將來自物理系統（或流程）的業務、前后關聯部分和傳感器數據整合到數字孿生的虛擬系統模型中，以促進分析、規避問題并制定明智的技術路線圖。通過集成虛擬和物理世界，數字孿生能夠實時監控系統和流程，并及時分析數據，以便在問題出現之前阻止問題，安排預防性維護以減少/防止停機時間，發現新的商機，并規劃未來的升級和新發展。雖然虛擬模型往往是系統、部件或一系列部件的通用表示，但數字孿生代表一個實例（即特定系統或過程）。數字孿生技術有可能降低系統驗證和測試的成本，同時提供對系統行為的早期洞察。

隨著物聯網（IoT）的出現，數字孿生技術的實施變得具有成本效益，并且在工業物聯網（IIoT）社區中越來越被接受，該社區往往專注于大型、復雜、資本密集型設備。與此同時，繼續投資工業4.0的航空航天和國防工業已經開始投資數字孿生技術。

根據定義，數字孿生需要物理孿生體進行數據采集和數據驅動的交互。數字孿生中的虛擬系統模型可以隨著物理系統狀態的變化（在運行期間）而實時變化。數字孿生由物聯網連接的產品和數字線程組成。數字線程在系統的整個生命周期內提供連接，并從物理孿生收集數據以更新數字孿生中的模型。

數字孿生將虛擬環境和物理環境聯系起來。物理環境包括物理系統、外部傳感器、通信接口和交聯系統組成。與物理系統相關的操作和維護數據都將提供給虛擬環境，以更新數字孿生中的虛擬模型。因此，數字孿生成為物理系統的精確和最新表示，也反映了物理孿生的操作環境。重要的是，即使產品供應商在售出物理孿生體后，與物理孿生體的關系也可以繼續，從而可以跟蹤每個物理孿生體隨時間推移的性能和維護歷史記錄，檢測和報告異常行為，并建議/計劃維護。

研究人員通常將數字孿生描述為對系統的集成多物理場、多尺度和概率模擬，該模擬使用最佳可用物理模型、傳感器的最新數據和歷史數據，可能影響產品的制造異常也需要明確考慮、評估和監控。

除了在售產品的高保真物理模型外，數字孿生還集成了來自產品健康管理系統的傳感器數據、維護歷史以及通過數據挖掘和文本挖掘等技術獲得的所有可用歷史數據。通過結合來自這些不同信息源的數據，數字孿生可以持續預測產品健康狀況、剩余使用壽命和任務成功概率。數字孿生還可用于預測系統對安全關鍵事件的響應，并通過比較預測和實際響應，在問題變得嚴重之前發現新問題。最后，數字孿生上的系統能夠通過激活自我修復機制或建議改變任務配置文件以減少負載來減輕損壞或退化，從而增加任務的壽命和成功的可能性。

數字孿生的測試環境涉及一個儀器化測試平臺，其中基于模型的系統工程（MBSE）工具（例如，系統建模和驗證工具）和操作場景模擬（例如，離散事件模擬，基于代理的模擬）用于在實驗者的控制下探索虛擬原型在假設模擬模式下的行為。

來自測試環境的結論用于修改虛擬原型中使用的系統模型。初期虛擬原型使用物理系統提供的數據來實例化數字孿生。隨后，數字孿生會不斷更新，因此它忠實地反映了物理孿生的特征和歷史。

MBSE是構建DT虛擬系統原型的主要方法。

MBSE工具套件包括系統建模方法（例如，SysML模型、設計結構矩陣、過程依賴結構矩陣、概率模型，例如部分可觀察馬爾可夫決策過程（POMDP）、離散事件模擬、基于代理的模擬、基于模型的邏輯關心、MBSE知識庫（構成權威事實來源）和系統工程生命周期過程模型。虛擬系統模型的范圍可以從輕量級模型到完整模型。輕量級模型反映了簡化的結構（例如，簡化的幾何圖形）和簡化的物理場（例如，簡化階次模型），以減少計算負載，特別是在前期工程活動中。

數字孿生的特點

數字孿生在以下重要方面與傳統的計算機輔助設計/計算機輔助工程（CAD/CAE）模型不同：

它是一個特定實例，反映了結構、性能、運行狀況和特定于任務的特征，例如飛機的飛行里程、經歷的故障以及物理孿生體的維護和維修歷史

它有助于根據對系統維護歷史和觀察到的系統行為的了解來確定何時安排預防性維護

它有助于了解物理孿生體在現實世界中的性能，以及將來通過及時維護預期如何執行

它允許開發人員觀察系統性能，以了解例如修改的執行情況，并更好地了解操作環境

它通過數字線程提供的連接促進生命周期階段之間的可追溯性

它有助于通過預測分析來完善假設，并從物理系統收集并合并到數字孿生中的數據可以與其他信息源一起進行分析，以預測未來的系統性能

它使維護人員能夠對故障的遠程設備進行故障排除并執行遠程維護

它將來自物聯網的數據與來自物理系統的數據相結合，例如，優化服務和制造流程，并確定所需的設計改進（例如，改進物流支持，提高任務性能）

數字孿生的價值

使用真實數據驗證系統模型

操作環境數據以及系統與該環境的交互可以合并到數字孿生中，以驗證其模型并進行評估和預測。

為用戶提供決策支持和警報

在整合運營、維護和健康數據后，數字孿生可以在假設分析模式下使用，以生成量身定制的決策支持信息，并向物理系統的操作員/用戶發出警報。

預測物理系統隨時間的變化

來自物理孿生的運營、維護和運行狀況數據進行基于仿真的分析有助于優化運營（包括滿足需求和確定根本原因），增強應急計劃和預測系統性能。數字孿生還可以嵌入到控制回路中，以預測物理系統的變化，并調整/修改物理系統參數以應對突發事件。

發現新的應用機會和收入來源

通過數字孿生，可以評估不同版本的系統，以確定哪些功能提供了“最大的收益”。機器學習和其他數據科學技術可以促進對生成的大量數據的及時分析，從而提供對潛在新用途和收入來源的見解。

到目前為止，最初的一系列數字孿生計劃都集中在復雜的高成本系統上。然而，如今，隨著傳感器、通信網絡、分析和仿真成本模型的進步，幾乎可以為任何系統開發數字孿生。

數字孿生的分級

預數字孿生（I級）

該階段是在前期工程設計期間創建的傳統虛擬原型。它支持概念設計和初步設計的決策。虛擬原型是所設想系統的虛擬通用可執行系統模型，通常在構建物理原型之前創建。其主要目的是降低技術風險并發現前期工程中的問題。我們稱之為虛擬原型-預數字孿生。與大多數模型驅動方法一樣，虛擬原型設計涉及設計過程早期的系統模型。但是，虛擬原型通常不用于推導最終系統。這是因為虛擬原型可以是“一次性”原型或“可重復使用”原型。后者可用于推導最終系統。虛擬原型主要用于驗證有關系統的某些關鍵決策，并在設計過程的早期降低特定的技術風險。下圖顯示了使用Modelica提供的汽車系統I級孿生。該模型由理想車輪組成，帶有在表面上滾動的干摩擦接觸片。它采用簡單（即低保真）的差速器模型，將扭矩均勻地分配給車輪，并反映慣性、質量、固定平移和扭矩等特性，以實現具有質量特性的車輛的基本結構。平面世界組件用于定義重力和全局坐標系。傳感器測量絕對位置、速度和加速度。軌跡控制模塊為轉向和差速器機構提供扭矩值。例如，這種低保真模型可用于測試、規劃和決策算法，例如，與執行變道的自動駕駛汽車的軌跡控制相關的算法。

數字孿生（II級）

該級別是數字孿生，其中虛擬系統模型能夠合并來自物理孿生的性能、運行狀況和維護數據。虛擬表示是通用系統模型的實例化，從物理系統接收批量更新，用于支持概念設計、技術規范、初步設計和開發中的高級決策。從物理傳感器和物理孿生中的計算元素收集的數據收集包括健康狀況數據（例如，電池電量），任務性能數據（例如，飛行小時數）。數據被報告回數字孿生，數字孿生更新其模型，包括物理系統的維護計劃。由于與物理系統的交互是雙向的，因此物理孿生體有足夠的機會使用從一個或多個數字孿生體獲得的知識來提高其在實時操作期間的性能。此級別的數字孿生用于探索物理孿生在各種假設場景中的行為。作為可執行的數字表示，在測試臺的受控仿真環境中探索系統行為時很容易操作。發現的任何缺陷都用于修改物理孿生體，其中包含數字孿生中反映的更改。下圖顯示了乘用車的2級系統孿生模型示例。該模型是使用Modelica工具的車輛界面庫構建的。搭載帶動力分流混合動力總成的乘用車。底盤模型具有單一自由度，具有與質量和速度相關的阻力屬性。利用駕駛員動作產生的制動踏板位置計算制動扭矩的制動子系統。這會影響傳動系統。傳動系統模型由四個帶前輪驅動的車輪和理想差速器組成。功率分配裝置由理想的無損耗的行星齒輪組成。具有恒壓源的理想電池為直流電機型號供電，電感器、電阻器和電動勢組件連接到軸轂。帶飛輪的發動機型號由線控驅動加速器組成，其中加速器輸入轉換為輸出扭矩。道路模型，環境和相關軟件于定義慣性坐標系，重力，空氣溫度，風速，空氣的氣體常數和氣壓。此模型中使用的數據來自物理孿生體。

自適應數字孿生（III級）

該級別是自適應數字孿生。它為物理和數字孿生提供了一個自適應用戶界面（本著智能產品模型的出發點）。自適應用戶界面對用戶/操作員的偏好和優先級很敏感。這個級別的一個關鍵能力是能夠學習不同情況下人類操作員的偏好和優先級。這些特征是使用基于神經網絡的監督機器學習算法捕獲的。此數字孿生中采用的模型會根據從物理孿生中實時“提取”的數據不斷更新。系統使用后也可批量接受信息。這種數字孿生可以在運營、維護和支持期間支持實時規劃和決策。

智能數字孿生（IV級）

該級別是智能數字孿生。它具有3級數字孿生的所有功能（包括監督機器學習）。此外，它還具有無監督機器學習能力，可以識別操作環境中遇到的對象和模式，并在不確定的、部分可觀察的環境中對系統和環境狀態進行強化學習。這個級別的數字孿生具有高度的自主性。在此級別，數字孿生可以分析來自現實世界對應物的更精細的性能、維護和運行狀況數據。

數字孿生的技術

數字孿生可以通過數字線程集成到MBSE工具套件中，并有可能成為基于模型的系統工程（MBSE）的核心元素。事實上，MBSE可以作為數字線程的起點。使用從物聯網收集的數據，可以運行系統仿真來探索故障模式，從而隨著時間的推移逐步改進設計。例如，制造商可以使用設計失效模式和影響分析（DFMEA）等MBSE工具將數字孿生鏈接到其服務歷史、制造流程、設計歷史、實時物聯網數據、特定于配置的仿真模型和預期故障模式。將仿真輸出與實際結果進行比較的能力可以提供有關物理孿生體的寶貴見解。使用適當的MBSE工具，工程師可以生成事件驅動或基于代理的仿真，分別探索數字孿生的行為和交互。數字孿生可以整合3D數據和仿真，以及使用響應面模型等方法進行表征。為了衡量客戶體驗以及創新對該體驗的影響，可以使用數字孿生在適當的抽象級別模擬工廠、產品或服務。例如，國防部有一項政策，即對可更換單元進行條形碼編碼，以便在后勤支持中進行分析。這項政策的好處將適用于數字孿生。

數字孿生和仿真

工程師可以使用與數字孿生相關的仿真來預測物理孿生在現實世界中的預期性能。與此形成對比的是，必須依賴設計過程中通常采用的理想和感知的最壞情況條件。可以將實際系統性能數據與來自數字孿生的數據進行比較，從而促使做出有助于成功任務成果的調整決策。此外，通過將物理孿生中的數據合并到數字孿生中，工程師可以改進系統模型，并隨后使用數字孿生的分析結果來改善物理系統在現實世界中的運行。

數字孿生和機器學習

對于簡單的應用程序，數字孿生技術無需使用機器學習即可提供價值。簡單應用的特點是變量數量有限，輸入和輸出之間具有易于發現的線性關系。然而，大多數與多個數據流競爭的現實世界系統都可以從機器學習和分析中受益，以理解數據。在這種情況下，機器學習意味著應用于數據流的任何算法，以發現/發現隨后可以通過各種方式利用的模式。例如，機器學習可以自動執行復雜的分析任務。它可以實時評估數據，在最少的監督需求下調整行為，并增加獲得預期結果的可能性。機器學習還有助于產生可操作的見解，從而節省成本。智能建筑是受益于數字孿生中的機器學習功能的應用的一個很好的例子。數字孿生中的機器學習用途包括：在基于模擬的受控實驗測試平臺中監督學習（例如，使用神經網絡）操作員/用戶偏好和優先級。例如，在虛擬和現實環境中使用聚類技術對對象和模式進行無監督學習；以及在不確定、部分可觀察的操作環境中對系統和環境狀態進行強化學習。

數字孿生和物聯網（IoT）

將數字孿生連接到物聯網帶來了了解物理孿生體（例如，制造裝配線、自動駕駛汽車網絡）在操作環境中的行為和執行方式所需的數據。此外，物聯網和數字孿生的結合可以增強物理系統和操作流程的預防性維護和基于分析/AI（人工智能）的優化。作為物理世界和虛擬世界之間的橋梁，物聯網可以將性能、維護和健康數據從物理孿生傳遞到數字孿生。將來自真實數據的見解與預測建模相結合，可以增強做出明智決策的能力，從而有可能創建有效的系統、優化的生產運營和新的業務模型。

數字孿生和成本

在決定將數字孿生集成到MBSE和系統工程流程中時，成本始終是一個重要的考慮因素。明確定義的范圍和目的是估算實施數字孿生的成本的先決條件。雖然數字孿生需要更大的前期投資，但數字孿生的加入有望在系統生命周期中提供可觀的投資回報。根據生成虛擬系統表示所需的復雜程度、時間和精力，成本可能會有所不同。然而，在當今世界，大多數組織都在追求創建虛擬系統模型，因為它們在減少驗證和測試持續時間和成本方面具有價值。數字孿生是這一過程中合乎邏輯的下一步。數字孿生的成本是系統中組件數量、組件之間的接口和依賴關系、用于實現特定功能的算法的復雜性以及構建數字孿生所需的知識和專有技術。重要的是，構建數字孿生以供重用可以進一步降低成本。

未來展望

未來，數字孿生技術有望成為MBSE的核心能力，因為它可以使MBSE跨越整個系統生命周期，同時幫助MBSE滲透制造、建筑和房地產等新市場。具體而言，數字孿生可用于前期工程（例如，系統概念化和模型驗證）、測試（例如，基于模型的系統驗證）、系統維護（例如，基于狀態的維護）和智能制造。另一方面，MBSE可以貢獻各種系統建模結構和建模語言，數字孿生可以在虛擬系統表示中利用這些結構和建模語言。

維護將是數字孿生的主要貢獻領域。例如，數字孿生將幫助組織從基于計劃的維護過渡到基于狀態的維護，從而大大降低系統維護成本，同時提高系統可用性。同樣，數字孿生可以在飛機發動機維護中利用。目前，飛機發動機通常會根據飛行小時數進行拆卸和重建，無論其中大部分時間只是在高空巡航還是執行高重力機動。數字孿生技術可以幫助我們更好地了解維護需求并相應地安排維護。

數字孿生技術是早期了解系統性能和技術風險的關鍵。數字線程可以促進知識從一個程序到另一個程序的上游和下游轉移。在MBSE標準中，數字孿生可以成為系統生命周期中唯一權威的事實來源。通過利用基于仿真的建模和數據分析，數字孿生可以幫助量化成本和性能方面的利潤和不確定性。數字線程提供的數字連接與數字孿生提供的可信數據和知識相結合，可以加速MBSE中采用的系統工程流程的轉型。

我們相信數字孿生技術繼續在航空航天和國防、制造、石油化工多個行業取得令人矚目的進展。

審核編輯：湯梓紅