文章来源《数字孪生技术与工程实践》
当前，世界处于百年未有之大变局，数字化转型是我国经济社会未来发展的必由之路。
数字化经济发展是全球经济发展的重中之重，“数字孪生（Digital Twin）”这一词汇正在成为学术界和产业界的一个热点。
数字孪生作为近年来的新兴技术，其与国民经济各产业融合不断深化，有力推动着各产业数字化、网络化、智能化发展进程，成为我国经济社会发展变革的强大动力。
其思想是在虚拟空间中运用数字化技术完成物理实体的几何属性、物理规律、行为、规则等全方面、多尺度、多维度、多物理量的动态模拟、监控、诊断、预测，以完成物理实体的全生命周期的管控与优化。
数字孪生常常与信息物理系统（CPS）、人工智能、机器学习、虚拟现实/增强现实、大数据和云计算、区块链等热点名词联系在一起，正是这些热点技术的高速发展，推动了数字孪生的出现和发展，而数字孪生应用的不断深入，也促进了这些技术的发展。
世界著名咨询公司Gartner连续三年（2017～2019年）将数字孪生列入十大战略性科技发展趋势，德勤发布的《德勤2020技术趋势》中数字孪生是五大可引发颠覆性变革的关键新兴趋势之一，上海图书馆（上海科学技术情报研究所）发布的《2020全球前沿科技热点研究》报告中评选出了7个领域的20项前沿科技热点，数字孪生也罗列其中。
市场研究公司Markets ＆ Markets预测，数字孪生市场从2019年到2025年将增长十倍，从每年38亿美元增长到358亿美元，年复合增长率（CAGR）高达37.8%，汽车和交通运输行业的数字孪生市场将占据最大的市场份额。
此外在航空航天领域，飞机的非计划维护活动会给乘客带来压力和不便。
美国通用电气（GE）发布的《未来工作》报告显示，此类活动给全球航空业造成的损失估计高达80亿美元。
采用数字孪生有助于预测停运，可以降低航空公司的成本，从而缓解航空业旅行延误带来的不便。
数字技术的发展，使万物皆可“数字化”与“孪生化”，在未来的世界中，数字孪生技术将应用在我们生活的方方面面。
全球知名的未来学家Thomas Frey预测，到2022年，85%的物联网平台将使用某种数字孪生技术进行监控，并且在智能家居管理、工业设备监控、远程操控、智慧城市管理、现实世界探索、健康监测与管理、大脑活动的监控与管理等七个方面极大改变现有的工作和生活方式。
围绕数字孪生的学术论文、书籍以及各类讲座层出不穷，百花争艳，不同的人、不同的公司对数字孪生的解读也各不相同。
数字孪生是什么？
它是如何产生和发展的？
数字孪生能解决什么问题？
数字孪生如何构建？
这些问题将在本书中给大家逐步解答。
1.1 物理孪生和数字孪生
北京时间2021年4月29日11时23分，长征五号B遥二运载火箭搭载着空间站天和核心舱从海南文昌航天发射场一飞冲天，正式拉开我国空间站在轨建造序幕。
北京时间2021年6月17日15时54分，神舟十二号载人飞船采用自主快速交会对接模式成功对接于天和核心舱前向端口，与此前已对接的天舟二号货运飞船一起构成三舱（船）组合体，整个交会对接过程历时约6.5小时。
这是天和核心舱发射入轨后，首次与载人飞船进行的交会对接。
按任务实施计划，3名航天员随后从神舟十二号载人飞船进入天和核心舱，中国人第一次进入了自己的空间站！
在中国航天科技集团空间技术研究院的实验室，一台与太空中运行的天和核心舱一模一样的装备也正在运行中，它被形象地称作“地面空间站”。
这是地面的1∶1的物理在轨运营支持系统，主要作用是它可以接收在轨的遥测数据，可以设置成跟天上一样的飞行状态，来验证整个飞行程序。
同时，如果需要对空间站进行维护调整，可以在地面空间站上进行模拟操作，各类操作步骤优化和确定后再指导太空中的航天员进行操作，以保证太空中各类动作一次成功完成。
这个地面空间站和太空中的空间站是一起设计和制造的，通过太空空间站的数据导入，让地面空间站的运行和太空空间站一致，这个地面空间站可以看作是太空空间站的“物理孪生体”。
图1-1所示的在中国科学技术馆展出的1∶1实物验证件，是天和核心舱众多实物孪生体中的一个。
图1-1 天和核心舱1:1实物验证件
《辞海》中对“孪生”的释义是：“双生。
一胎生两个婴儿。
《方言》第三：‘自关而东赵、魏之间，凡人兽乳而双产谓之孪生。’”
两个孪生体往往是十分相似的，也称为“双胞胎”。
这个概念引用到产品和系统，就是指一模一样的两个或多个产品或系统。
和人的“双胞胎”不同，双胞胎一出生，就是孪生无疑，而同一个时间下线的两件一样的工业产品，还不能称为“孪生体”。
因为当代的工业体系，能保证同时生产出来的产品是“一模一样”的，其性能也是基本一致的。
但是如果两件产品运行环境不同、运行参数不同，其行为和寿命是不同的。
只有不同的两件产品在后期运行过程中，通过数据同步，实现两件产品运行过程状态一致，才能称之为“孪生体”。
物理孪生的概念在20世纪60年代就由美国国家航空航天局（NASA）提出，当时的概念就是在太空中的飞行器，地面需要构建一个物理孪生，模拟各类指令的操作，保障太空飞行器各类动作的正确性和安全性。
如果物理对象在数字空间有一个与其一致的孪生体，那就是“数字孪生”。
2003年，美国密歇根大学Michael Grieves教授提出“与物理产品等价的虚拟数字化表达”概念，这可以看作是产品数字孪生的一个启蒙。
2010年，NASA描述了航天器数字孪生的概念和功能。
2011年3月，美国空军研究实验室（Air Force Research Laboratory，AFRL）结构力学部门的Pamela A. Kobryn和Eric J. Tuegel做了一次演讲，题目是“Condition-based Maintenance Plus Structural Integrity（CBM+SI） ＆ the Airframe Digital Twin（基于状态的维护+结构完整性 ＆ 战斗机机体数字孪生）”，首次明确提到了数字孪生（Digital Twin）这个词汇。
2012年，NASA和AFRL合作共同提出了未来飞行器的数字孪生体范例，以应对未来飞行器高负载、轻质量以及极端环境下服役更长时间的需求。
航天器的信息镜像模型（Information Mirroring Model），主要利用数字孪生技术对航空航天飞行器进行健康维护与保障。
具体实现流程是，需要在虚拟空间中建立真实飞行器各零部件的模型，然后在物理实体飞行器上装置各类传感器，用于对飞行器各类数据的收集，通过此种方式来达到模型状态和真实状态的完全同步，如此一来，飞行器每次使用完后可以根据飞行器的实际情况和过往载荷，及时分析与评估飞行器的健康情况，是否需要保养维修，能否承受下次任务等。
信息镜像模型如图1-2所示，它是数字孪生模型的概念模型，主要包括三个部分：现实世界的物理产品、虚拟世界的虚拟产品、连接虚拟和现实空间的数据和信息。
图1-2 信息镜像模型
由于当时的信息技术、硬件计算能力、智能化算法方面的局限，数字孪生概念提出初期并未引起国内外学者的广泛重视。
近年来，数字孪生无论在理论还是应用层面都得到较为全面快速的发展，覆盖范围也从原先较为单一的产品设计阶段扩展到生产制造、工艺优化、使用运维、故障预测、产品健康管理等方面。
其之所以能迅速发展主要得益于：
1）基于模型的定义（MBD）、基于模型的系统工程（MBSE）、基于数据驱动的全要素、精准细致的建模方式等技术使得产品全生命周期的准确表达成为可能。
2）计算机硬件平台性能的大幅提升，云计算、边缘计算、雾计算等大规模、高性能计算方式的普及，4G/5G等新一代移动通信技术快速发展，强化学习、深度学习等智能算法的广泛应用，增强现实等新型人机交互方式的出现，为海量动态数据实时采集、存储与处理，虚拟与现实世界的交互联动融合，实体对象行为的推演和决策提供了重要的技术支撑。
3）各研究机构、企业以及政府等开始意识到数字孪生技术巨大的潜在价值，参与到数字孪生技术的理论研究与工程实践中，形成了良性的研究氛围。
数字孪生以物理模型、信息世界中建立的与物理实体相对应的多维度、多尺度、多物理量、多方位、高保真度/高拟实性的数字化模型和多源异构、多维、多模态的孪生数据为基础，通过虚实两侧的双向全要素、全过程的细致、精准、忠实的映射，交互联动，协同发展，完成实体对象、系统状态的实时模拟、预测以及其决策行为的优化和管理调控。
数字孪生为实现CPS深度融合提供了合理、有效的途径和方法，是观察、认知、理解、引导、控制、改造物理世界的可行手段，是数字化、智能化、服务化等先进理念的重要使能技术，因而得到了国内外学术界、工业界、金融界、政府部门的广泛关注。
1.2 数字孪生的概念
数字孪生，也有很多学者和机构称之为数字镜像、数字映射、数字双胞胎、数字双生、数字孪生体等。
数字孪生不局限于构建的数字化模型，不是物理实体的静态、单向映射，也不应该过度强调物理实体的完全复制、镜像，虚实两者也不是完全相等；
数字孪生不能割离实体，也并非物理实体与虚拟模型的简单加和，两者也不一定是简单的一一对应关系，可能出现一对多、多对一、多对多等情况；
数字孪生不等同于传统意义上的仿真/虚拟验证、全生命周期管理，也并非只是系统大数据的集合。
2017～2019年，Gartner公司在连续三年将数字孪生列为十大新型技术的时候，对数字孪生的定义分别为：
数字孪生是实物或系统的动态软件模型（2017），
数字孪生是现实世界实物或系统的数字化表达（2018），
数字孪生是现实生活中物体、流程或系统的数字镜像（2019）。
但就目前而言，对于数字孪生没有统一共识的定义，不同的学者、企业、研究机构等对数字孪生的理解也存在着不同的认识。
Michael Grieves教授认为，数字孪生是一组虚拟信息结构，可以从微观原子级别到宏观几何级别全面描述潜在的物理制成品。
在最佳状态下，可以通过数字孪生获得任何物理制成品的信息。
数字孪生有两种类型：数字孪生原型（Prototype）和数字孪生实例（Instance）。
数字孪生包括三个主要部分：
①实体空间中的物理产品；
②虚拟空间中的虚拟产品；
③将虚拟产品和物理产品联系在一起的数据和信息的连接。
李培根院士认为，数字孪生是“物理生命体”的数字化描述。
“物理生命体”是指“孕、育”过程（即实体的设计开发过程）和服役过程（运行、使用）中的物理实体（如产品或装备），数字孪生体是“物理生命体”在其孕育和服役过程中的数字化模型。
数字孪生不能只说物理实体的镜像，而是与物理实体共生。
数字孪生支撑从（产品）创新概念开始到得到真正产品的整个过程。
北京航空航天大学陶飞教授认为，数字孪生是以数字化方式创建物理实体的虚拟模型，借助数据模拟物理实体在现实环境中的行为，通过虚实交互反馈、数据融合分析、决策迭代优化等手段，为物理实体增加或扩展新的能力。
作为一种充分利用模型、数据、智能并集成多学科的技术，数字孪生面向产品全生命周期过程，发挥连接物理世界和信息世界的桥梁和纽带作用，提供更加实时、高效、智能的服务。
NASA认为，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、多尺度、多物理量、多概率的仿真过程，从而在虚拟空间反映相对应的飞行实体的全生命周期过程。
GE Digital公司认为，数字孪生是资产和流程的软件表示，用于理解、预测和优化绩效以改善业务成果。
数字孪生由三部分组成：数据模型、一组分析工具或算法，以及知识。
西门子公司认为，数字孪生是物理产品或流程的虚拟表示，用于理解和预测物理对象或产品的性能特征。
数字孪生用于在产品的整个生命周期，在物理原型和资产投资之前模拟、预测和优化产品和生产系统。
SAP公司认为，数字孪生是物理对象或系统的虚拟表示，但其远远不仅是一个高科技的外观。
数字孪生使用数据、机器学习和物联网来帮助企业优化、创新和提供新服务。
PTC公司认为，数字孪生（PTC公司翻译为数字映射）正在成为企业从数字化转型举措中获益的最佳途径。
对于工业企业，数字孪生主要应用于产品的工程设计、运营和服务，带来重要的商业价值，并为整个企业的数字化转型奠定基础。
总的来说，数字孪生可以概括为：以模型和数据为基础，通过多学科耦合仿真等方法，完成现实世界中的物理实体到虚拟世界中的镜像数字化模型的精准映射，并充分利用两者的双向交互反馈、迭代运行，以达到物理实体状态在数字空间的同步呈现，通过镜像化数字化模型的诊断、分析和预测，进而优化实体对象在其全生命周期中的决策、控制行为，最终实现实体与数字模型的共享智慧与协同发展。
“数字孪生”这个词是整个技术的统称，数字孪生这个词出现在某个名词前，有时候也会指代“数字孪生系统”。
例如“数字孪生车间”就是“车间数字孪生系统”；
“数字孪生体”指物理实体在虚拟空间的数字化镜像，是物理实体在数字空间的映射，是和物理实体对应的一个概念；
“数字孪生系统”是指构成数字孪生应用的包括物理实体、数字孪生体以及必要的互联模型的整个系统。
数字孪生强调的是虚实两侧的实时互联互通与反馈、双向映射、双向驱动的迭代优化过程，强调的是虚实两侧的动态关联以及通过建立高保真度虚拟模型来完成以虚控实的思想，还有其适用于不同的领域、应用场景、需求/服务的通用实践框架。
数字孪生为实现信息物理系统（CPS）的融合提供了有效途径和方法，实现CPS的融合是数字孪生的目标与核心挑战之一。
数字孪生的核心理念在于构建与物理实体等价的数字化虚拟模型，在虚拟侧完成实体对象的仿真、分析、预测、优化，并通过虚实两侧实时的双向映射、双向互联互通与反馈、双向驱动、迭代运行来实现以虚拟世界的优化结果引导、管理物理世界，控制物理实体的精准执行，即以虚映实、虚实互驱、以虚控实。
数字孪生的核心价值在于预测，通过高保真度的虚拟模型预测物理实体的演化过程，在此基础上完成不同场景、目标、约束条件下的决策与管控优化。
而构建虚拟模型和实现预测价值的核心要素均在于系统的运行数据，即数字孪生采用了有别于传统单一依靠机理模型的建模方式，结合实际数据完成复杂系统模型的建立并以数据驱动模型的更新；
预测的基础在于数据挖掘后形成系统信息与知识。
总之，基于数字孪生构建的系统实现CPS融合的过程是数据和模型双驱动的迭代运行与优化的过程。
此外，构建于数字孪生之上的系统契合了如今智能化的先进理念——能够根据当前状态预测实体对象的发展变化并优化该对象的决策控制行为，以最优结果驱动物理世界的运行，即智能化能依靠未来的预测数据和当前的控制策略来主动地引导被控对象的变化过程，数字孪生实现CPS融合的过程也是实现系统智能化的过程。
近几年，数字孪生正从概念阶段走向实际应用阶段，驱动制造业、建造业等实体产业进入数字化和智能化时代。
随着企业数字化转型需求的提升以及政策的持续支持，数字孪生将会出现更深入的应用场景，为实体经济发展带来新的动力。
1.3 数字孪生的特征
数字孪生的概念在不断发展过程中，国内外有很多文献分析总结了数字孪生的内涵和特征，但是不同的应用场景下的数字孪生系统、数字孪生系统所在生命周期中的不同阶段都呈现出不同的特征，因此，很难通过一个标准的特征来说某个应用系统“是”或者“不是”数字孪生系统。
总体来说，和传统的建模仿真、实时监控、组态软件等相比，数字孪生系统有以下特征：
1 多领域综合的数字化模型
1）数字孪生作为仿真应用的发展和升级，与传统的仿真方式有着巨大的区别。
数字孪生的模型贯穿物理系统的整个生命周期，以产品数字孪生为例，针对新产品的设计，传统的产品仿真主要涉及产品本身的建模与仿真工作，不包括其工艺优化、制造过程规划、服务运维、回收处置等阶段的模型与仿真。
而数字孪生不仅具备传统产品仿真的特点，从概念模型和设计阶段着手，先于现实世界的物理实体构建数字模型，而且数字模型与物理实体共生，贯穿实体对象的整个生命周期，建立数字化、单一来源的全生命周期档案，实现产品全过程追溯，完成物理实体的细致、精准、忠实的表达。
因此，其模型的构建需要考虑产品全生命周期的数据和行为表述。
2）现实产品往往包括机械、电子、电气、液压气动等多个物理系统，一个智能系统往往是数学、物理、化学、电子电气、计算机、机械、控制理论、管理学等多学科、多领域的知识集成的系统。
多个物理系统融合、多学科、多领域融合是现实系统的运行特点。
物理系统在数字空间的数字模型，需要体现这个融合，实现数字融合模型。
这个融合包括了全要素、全业务、多维度、多尺度、多领域、多学科，并且能支持全生命周期的运行仿真。
不同的智能系统关注的重点领域不一，多学科耦合程度存在差异，因而其数字模型需要根据不同的应用场景对其组成部分进行融合，以全方面地刻画物理实体。
3）数字孪生体和物理实体应该是“形神兼似”。
“形似”就是几何形状、三维模型上要一致，“神似”就是运行机理上要一致。数字孪生体的模型不但包括了三维几何模型，还包括前述的多领域、多学科物理、管理模型。
可以根据构建的数字化模型中的几何、物理、行为、规则等划分为多维度空间，还可视为三维空间维、时间维、成本维、质量维、生命周期管理维等多维度交叉作用的融合结果，并形成对应的空间属性、时间属性、成本属性、质量属性、生命周期管理属性；
数字孪生模型的构建应按层级逐级展开，形成单元级、区域级、系统级、跨系统级等多尺度层级，各层级逐渐扩大，完成不同的系统功能。
以产品数字孪生应用为例，数字化建模不仅指代对产品几何结构和外形的三维建模，对产品内部各零部件的运动约束、接触形式、电气系统、软件与控制算法等信息进行全数字化的建模技术同样是建设产品数字孪生所用模型的基础技术。
一般来说，多维度、多物理量、高拟实性的虚拟模型应该包含几何、物理、行为和规则模型四部分。
几何模型包括尺寸、形状、装配关系等；物理模型综合考虑力学、热学、材料等要素；
行为模型则根据环境等外界输入及系统不确定因素做出精准响应；
规则模型依赖于系统的运行规律，实现系统的评估和优化功能。
4）数据驱动的建模方法有助于处理仅仅利用机理/传统数学模型无法处理的复杂系统，通过保证几何、物理、行为、规则模型与刻画的实体对象保持高度的一致性来让所建立模型尽可能逼近实体。
数字孪生技术解决问题的出发点在于建立高保真度的虚拟模型，在虚拟模型中完成仿真、分析、优化、控制，并以此虚拟模型完成物理实体的智能调控与精准执行，即系统构建于模型之上，模型是数字孪生体的主体组成。
2 以模型为核心的数据采集与组织
1）数据是数字孪生的基础要素，其来源包括两部分：
一部分是物理实体对象及其环境采集而得；
另外一部分是各类模型仿真后产生。
多种类、全方位、海量动态数据推动实体/虚拟模型的更新、优化与发展。高度集成与融合的数据不仅能反映物理实体与虚拟模型的实际运行情况，还能影响和驱动数字孪生系统的运转。
2）物理系统的智能感知与全面互联互通是物理实体数据的重要来源，是实现模型、数据、服务等融合的前提。
感知与互联主要指通过传感器技术、物联网、工业互联网等将系统中人、机、物、环境等全要素异构信息以数字化描述的形式接入信息系统，实现各要素在数字空间的实时呈现，驱动数字模型的运作。
3）数据的组织以模型为核心。
信息模型是对物理实体的一个抽象，而多学科、多领域的仿真模型又需要不同的数据驱动，并且也会产生不同的数据。
这些数据通过信息模型、物理模型、管理模型等不同领域模型进行组织，并且通过基于模型的单一数据源管理来实现统一存储与分发，保证数据的有效性和正确性。
3 双向映射、动态交互、实时连接和迭代优化
1）物理系统、数字模型通过实时连接，进行动态交互、实现双向映射。
物理系统的变化能及时反映到数字模型中，数字模型所计算、仿真的结果，也能及时发送给物理系统，控制物理实体的执行过程，这样形成了数字孪生系统的虚实融合。
孪生数据链接成一个统一的整体后，系统各项业务也得到了有效集成与管控，各业务不再以孤立形式展现，业务数据共享，业务功能趋于完善。
2）适合应用场景的实时连接。
“实时连接”在不同的应用场景下，其物理含义是不同的。
对于控制类应用（设备的在线监控），实时可能指小于1s达到毫秒级，而对于生产系统级应用，可能小于10s甚至1min都是允许的，对于城市等大系统，部分数据可以以分钟甚至小时为单位进行更新，也算满足“实时连接”的定义。
3）如今的智能产品和智能系统呈现出复杂度日益提高、不确定因素众多、功能趋于多样化、针对不同行业的需求差异较大等趋势，而数字孪生为复杂系统的感知、建模、描述、仿真、分析、诊断、预测、调控等提供了可行的解决方案，数字孪生系统必须能不断地迭代优化，即适应内外部的快速变化并做出针对性的调整，能根据行业、服务需求、场景、性能指标等不同要求完成系统的拓展、裁剪、重构与多层次调整。
这个优化首先在数字空间发生，同时也同步在物理系统中发生。
4 推演预测与分析等智能化功能
1）数字孪生将真实运行物体的实际情况结合数字模型在软件界面中进行直观呈现，这个是数字孪生的监控功能。
数字孪生的监控一般构建于三维可视化模型之上，各类数据按模型的空间、运行流程、管理层级等不同维度进行展示，能让用户直观感受系统运行状态，便于做出决策。
展示的数据不但包括采集得到的实时数据，也包括基于这些数据结合相关分析模型之后的数据挖掘结果，可以进一步提取数据背后富有价值的信息。
分析结果也叠加到展示模型中，可以更好地展示实体对象的内部状态，为预测和优化提供基础。
2）数字孪生系统具备模拟、监控、诊断、推演预测与分析、自主决策、自主管控与执行等智能化功能。
信息空间建立的数字模型本身来说即是对物理实体的模拟和仿真，用于全方位、全要素、深层次地呈现实体的状态，完成软件层面的可视化监控过程。
而数字孪生不局限于以上基础功能的实现，还应该充分利用全周期、全领域仿真技术对物理世界进行动态的预测，预测是数字孪生的核心价值所在。
动态预测的基础正是系统中全面互联互通的数据流、信息流以及所建立的高拟实性数字化模型。动态预测的方式大体可以分为两类：
①根据物理学规律和明确的机理计算、分析实体的未来状态。
②依赖系统大数据分析、机器学习等方法所挖掘的模型和规律预测未来。
第二类更适合于现如今功能愈加多样化、充满不确定性、难以用传统数学模型准确勾画的复杂控制系统。
在虚拟空间完成推演预测后，根据预测结果、特定的应用场景和不同的功能要求，采用合理的优化算法实时分析被控对象行为，完成自主决策优化和管理，并控制实体对象精准执行。
3）数字孪生可看作是一种技术、方法、过程、思路、框架和途径，本质上是以服务为导向，对特定领域中的系统进行优化，满足系统某一方面的功能要求，如成本、效率、故障预测与监控、可靠运维等。
而服务展开来说，可分为面向不同领域、用户/人员（专业技术人员、决策人员、终端执行人员等）、业务需求、场景的业务性服务和针对智能系统物理实体、虚拟模型、孪生数据、各组成部分之间的连接相关的功能性服务等。
1.4 数字孪生体的生命周期
数字孪生系统是某个产品、某个系统在其生命周期中的一个具象表达，是一个包括物理实体、虚拟实体以及虚实之间的交互迭代关系，并最终形成以实体对象或行为“以实到虚”全要素层级映射、“以虚控实”为目标的体系，所以称之为Digital Twins，区别于Digital Twin（数字孪生体）。
而数字孪生体的分形描述与时间延续特征其实就是分别从面向对象和面向过程两个角度描述物理对象，因此分析物理对象全生命周期的数字孪生体，需要将面向对象和面向过程的数字孪生相结合。
从面向过程的角度出发，每一个阶段的数字孪生体都与物理实体交互，且不同阶段数字孪生体彼此交互。
从面向对象的角度出发，物理对象不断地迭代更新，其数字孪生体在生命周期中的每一个阶段都承载着上一阶段传递的信息。
数字孪生体作为物理对象在其生命周期中的另外一个虚拟的“生命体”，在与物理对象相对应全生命周期的每个阶段会被赋予特定的功能。
根据数字孪生体的特征和功能将其生命周期分为三个阶段，数字孪生体是物理对象的另一个“生命体”，而生命体的最初状态是胚胎，因此数字胚胎阶段是数字孪生体的前期阶段。
数字胚胎是在物理实体对象设计阶段产生的，数字胚胎先于物理实体对象出现，所以用数字胚胎去表达尚未实现的物理对象的设计意图是对物理实体进行理想化和经验化的定义。
这个数字胚胎可以看作是人类大脑或者智能对物理实体对象的物理属性和功能属性进行理性及经验性地认知后的一种虚拟表达，其功能为以虚拟实。
第二个阶段为数字孪生体中期阶段，即数字化映射体阶段，其功能为以虚映实。
通过对物理对象的多层级数字化映射，建立面向物理实体与行为逻辑的数据驱动模型，孪生数据是数据驱动的基础，可以实现物理实体对象和数字化映射对象之间的映射，包括模型行为逻辑和运行流程，并且这个映射模拟会根据实际反馈，随着物理实体的变化而自动做出相应的变化。
第三个阶段为数字孪生体全生命周期最后阶段，也是数字孪生体具备智能化的阶段，即孪生体智能阶段，该阶段数字孪生体继承了前面两个阶段的数据和模型，同时借助大数据挖掘和智能算法，按照“知识模型-智慧决策-精准执行”的方式精准控制物理实体对象，以达到“以虚控实”的功能目标。
数字孪生演化过程如图1-3所示。
图1-3 数字孪生演化过程
1.5 数字孪生的应用
近年来，“数字孪生”成为一个热点词汇，很多行业开始进行推广应用。
陶飞教授的《数字孪生十问：分析与思考》和中国电子技术标准化研究院的《数字孪生应用白皮书（2020版）》都给出了图1-4所示的数字孪生应用领域，主要包括航空航天、汽车、运输、建筑等十大行业。
同时，参考文献也给出了从产品类型、复杂程度、运行环境、性能、经济与社会效益等不同维度总结的数字孪生适用准则，为企业确定是否需要实施数字孪生提供参考。
图1-4 数字孪生的应用领域
1.5.1 数字孪生应用对象类别
从孪生对象的组成来说，数字孪生的应用可以分成产品数字孪生和系统数字孪生。产品是生产活动的结果，是满足特定需求的物品或服务。
工业产品一般是有形的物理产品，服务产品一般是无形的满足用户需求的一系列活动及其结果。
产品数字孪生，就是在信息空间构建了产品的数字孪生体，对于物理产品，一般包括产品的三维几何模型及其相关的机理模型和数据模型；
对于服务产品，一般包括活动过程模型及其相关的机理和数据模型。
系统是由相互作用、相互依赖的若干组成部分结合而成的，具有特定功能和一定结构的有机整体。
一个系统可能是更大系统的组成部分。
一条柔性加工单元、一条流水线、一个车间、一个工厂、一个城市都是一个系统，但是系统的复杂程度不一。
产品数字孪生和系统数字孪生有时候没有严格的划分边界，但是其应用过程的着重点不同。
一般来说，产品数字孪生着重把一个产品看作一个整体，从产品满足、维持、延长其设计性能的角度来考虑；
系统数字孪生则更多地从系统组成部分的协同运行、满足系统多个目标优化的角度来考虑。
产品从其出厂之后，一般其组成相对固定，其内部各部件之间的约束和通信关系较为稳定，而系统可以通过对其组成部分的结构或逻辑关系进行调整以实现更优的运行目标。
对于制造行业来说，产品数字孪生和生产系统数字孪生是有区别又密切相关的两类数字孪生系统。
产品是生产系统的生产对象和生产结果，生产系统的优化运行可以影响到产品的质量和成本；
同时，产品的设计需求又会对生产系统提出新的要求，促进生产系统的不断演化。
1.5.2 数字孪生应用功能类别
数字孪生的功能可分为四个类别，包括仿真与映射、监控与操纵、诊断与分析、预测与优化。
这四个功能可以看作是依次递进的，但也不是绝对的，需要根据不同的应用场景以及应用对象的复杂程度而确定具体的实现功能。
1）仿真与映射。
这个可以看作是数字孪生的基本功能。
通过产品或系统的模型对其实物运行过程进行仿真分析，得到虚拟产品或系统的运行性能评价，验证设计方案是否满足要求。
和传统的仿真不同，数字孪生的仿真包括物理实体实际运行的映射功能。
一般而言，数字模型是先于物理实体而存在，例如，产品在制造前，会有数字模型设计方案，一个生产系统在投产前，也有数字化工厂模型进行分析。
但是数字孪生会利用相似产品或系统的实际运行数据来对仿真模型进行修正，同时构建一个虚拟环境进行更加拟实的仿真，让仿真的结果更可信。
2）监控与操纵。
数字孪生系统中实体物理对象连接虚拟模型，利用虚拟模型来反映物理实体的实际变化。
比如可利用虚拟空间中的虚拟模型达到实时监控的目的，将物理实体的隐藏信息以可视化的方式实时展示给用户，实时观察到实体外在表象下的各种内部状态。
3）诊断与分析。
就是利用数字孪生技术对产品或系统进行分析，一般是寻找潜在故障或影响性能发挥的缺陷，以便进行维护调整。
利用数字孪生体所包含的各种模型，结合实时数据，可以进行异常分析与推断，从而得出诊断结果。
4）预测与优化。
这个功能是数字孪生的高级目标，也是体现数字孪生价值所在。
通过建立的数字孪生体，在虚拟空间中进行产品或系统的预测仿真，例如预测可能的故障情形，提前做好维护保养。
另外，利用数字模型对决策变量进行预运行，根据仿真结果来选择最优的决策变量，在物理系统中实施，可以避免实际操作过程的失误。
这四个功能在实现上是“由虚拟实”“由虚映实”，到“虚实互映”，最后是“由虚控实”，和数字孪生体的演化过程相适应。
但是这个过程不是绝对的，对于数字孪生的应用，可以分成两大切入点：
1）由虚切入。
在实体存在之前，构建虚拟数字模型，通过虚拟数字模型的仿真来明确实体的实现方案，再结合实体数据采集形成数字孪生系统。
例如，产品数字孪生，先构建其产品机理模型进行仿真分析，再制造出实体产品，进行后续的监控、诊断和预测应用。
2）由实切入。
对于大量的系统数字孪生，由于在构建系统之前没有虚拟模型，而系统的一部分甚至大部分物理实体已经存在，这个时候需要通过构建虚拟数字模型，实现“监控与操纵”，再根据分析需要，构建不同的仿真模型，进行“仿真映射”“诊断分析”以及“预测优化”的应用。
例如，数字孪生城市，可以在实现城市监控的基础上，针对应急疏散、灾害预防等领域，构建仿真分析模型，进行预测优化应用。
1.5.3 数字孪生典型应用场景
从数字孪生制造、数字孪生建造、数字孪生城市、数字孪生医疗四个方面对数字孪生的应用做一个简单介绍。
1 数字孪生制造制造业是国民经济的主体产业，也是实体经济发展的核心。
随着智能制造推广应用，数字孪生在制造行业的应用越来越广泛。
制造行业的数字孪生应用可以分成产品数字孪生和生产系统数字孪生。
（1）产品数字孪生数字孪生的概念，就是从“航天器”的数字孪生应用而来的。
所以产品数字孪生是数字孪生最开始的应用。
随着数字孪生技术的推广，航空发动机、轨道交通列车、汽车等行业也开始推广产品数字孪生。
产品数字孪生的应用是覆盖产品全生命周期的，表现在几个方面：
1）仿真映射。
随着基于模型的定义（MBD）技术不断深入应用，复杂产品的MBD已经越来越普及，给基于模型的仿真提供了基础。
除了多学科产品仿真外，利用生产系统的数字模型，可以对产品的可制造性进行分析，提高了产品制造工艺的有效性，缩短了产品上市时间。
2）监控操纵。
通过数字孪生的虚实映射，可以实现产品的有效监控和远程操纵。
例如，针对地铁自动驾驶的支持，利用仿真模型构建各种交通场景，对自动驾驶控制策略进行训练，在实际运行过程运用；
针对航天器的状态分析，模拟航天员对航天器的操作，评估最佳操作过程，发送给航天员执行。
3）诊断分析。
基于产品运行过程的实时数据，结合计算模型，对产品状态进行诊断。
例如，美国针对F-15C战斗机的维护数字化，实物飞机和其对应的数字模型一起交付，利用机载健康监测系统采集的数据，进行相同飞行剖面的虚拟飞行；
虚拟飞行的模拟结果和实际传感器数据进行比较，不断校正模型。
这样，数字模型可以分析飞机的结构是否正常，何时需要维护。
4）预测优化。
利用产品数字孪生体进行维护预测和优化方案分析。
上述的F-15C飞机模型就可以用于预测性维护。
还比如针对地铁车辆的维护需求，通过基于多属性数据映射的精细化高拟实的多维度多环境建模，推动多领域协同优化以及建模仿真与真实环境的融合交互，实现地铁车辆在复杂运行系统和运行环境下的性能分析和行为预测；
结合实时监测数据构建“车-地-网”虚拟运行系统，更精准地预测列车在复杂多样化环境下的运行趋势，优化控制策略；
实现基于数字孪生的状态修正、预测维护，包括事故主动预防、故障快速诊断及维护策略优化，满足地铁车辆30年生命周期内的高安全高可靠运行。
产品数字孪生覆盖了从产品设计、制造、交付、运行维护乃至报废的全生命周期，其目的是最大程度地满足用户的需求，保证在整个生命周期内产品的稳定和优化运行。
（2）生产系统数字孪生
生产系统的数字孪生应用，是为了更好、更快地生产出高附加值产品而构建数字孪生系统。
生产系统的数字孪生应用包括：
1）仿真映射。
随着生产系统的越来越复杂，以及智能制造技术的应用，需要利用数字化工厂的方法以提高生产系统规划设计的质量，包括布局设计、工艺设计以及生产过程的仿真分析。
生产系统的数字孪生设计模型包含所有细节信息，包括机械、自动化、资源及人员等，并且和产品设计模型无缝连接。
例如，利用专用模型库实现车间的快速规划设计；支持各类虚拟试验仿真，与实际车间同步更新，更好地支持车间的迭代更新。
2）监控操纵。
传统的工厂或车间主要通过现场看板、手持设备、触摸屏等二维的可视化平台完成系统监测，无法完整展示系统的全方位信息与运行过程，可视化程度较低。
基于机理模型和数据驱动方式建立的数字孪生工厂或车间具有高拟实性的特点，结合3R（VR，AR，MR）技术能将可视化模型从传统的二维平面过渡到高保真度的三维模型，工厂中产品设计、生产制造、工艺优化、过程规划、服务运维、回收处置等阶段均能以较为直观、完整的方式呈现给用户。
例如，赵浩然等针对目前数字孪生车间中的实时可视化监控难题，分析了数字孪生车间与三维可视化监控之间的关系，提出了一种多层次的三维可视化监控模式和实时数据驱动的虚拟车间运行模式，对虚拟车间几何建模、车间实时数据管理、车间多层次三维可视化监控和车间状态看板构建方法等四个关键技术进行了详细阐述，并将该设计原型应用在北京卫星制造厂的制造车间中，以实现车间中物流、设备、人员、环境、产品、物料、库存、订单、进度、异常等全流程、全要素的动态三维可视化监控。
3）诊断分析。
传统生产过程中难以对生产计划执行过程中的实时状态信息数据进行深入有效的分析，无法实时获取即时生产状态，导致对于生产的管理和控制缺乏实际数据的支撑，无法制定合理的资源调度和生产规划策略，从而导致生产效率的下降。生产数字孪生系统可以提供对生产过程全方位的分析，找出潜在的瓶颈点，提前发出生产预警。
以调度为例，数字孪生驱动下的生产调度基于全要素的精准虚实映射，从生产计划的制定到仿真、实时优化调整等均基于实际车间数据，使得生产调整具有更高的准确性与可执行性。
数字孪生驱动下的生产调度主要分为：
首先结合车间的实际生产资源情况及生产调度相关模型，制定初步的生产计划，并将生产计划传送给虚拟车间进行仿真验证；
虚拟车间对制定的初步生产计划进行仿真，在仿真过程中加入一些通过诊断分析得到的可能干扰因素，保证仿真的拟实性。
根据仿真结果，结合相关生产调度模型、数据及算法对生产计划进行调整，多次仿真迭代后，确定最终的生产计划并下发给车间投入生产；
在实际生产过程，将实时生产状态数据与仿真过程数据进行对比，如果存在较大的不一致性，那么基于历史数据、实时数据及相关算法模型进行分析预测、诊断、确定干扰因素，在线调整生产计划，实现生产过程的实时优化。
4）预测优化。
生产系统是一个开放的、受到多种因素影响的复杂系统，生产系统在运行过程中，会受到内部和外部的各项干扰。
例如，内部干扰包括设备故障、残次品的发生等；
外部干扰包括原材料供应不及时、物流导致的出货延期等。
为了保证生产系统运行优化，需要及时应对各类干扰，提前做好应对措施。
利用数字孪生模型，通过历史数据结合预测模型，可以对一些突发事件进行预测，从而降低生产过程的不确定性。
例如，针对设备的预防性维护，可降低因为设备故障带来的干扰；
针对物流、供应链的预测，可以减少因为原料采购、成品交付等环节可能带来的不确定性。
通过预测来提前应对一些扰动风险，优化系统运行。
2 数字孪生建造
建筑可以看作是一种特殊的产品，和一般的工业品不同，建筑更加注重个性化，而且其建造周期长，涉及的工艺比一般的工业产品多。
建筑信息模型（BIM）是对建筑进行定义以及维护的模型基础。
建筑行业的数字孪生应用，可以看作是一种特殊的“产品数字孪生”，典型应用场景包括：
（1）仿真映射
基于BIM技术，构建建筑物的数字模型，可以对其建筑设计元素、结构参数进行分析和验证，同时，也可以对施工方法进行设计和验证。
例如，对于建筑物的安防设计，目前安防系统多是只关注于安防系统本身采集的安防信息，不能与三维建筑物布局融合。
利用物联网采集室内安防状态数据，通过人员定位系统采集人员位置信息，并把这些信息与BIM进行结合，得到面向室内安防的数字孪生模型。
利用机器学习算法、逻辑推理方法等对数字孪生模型中的室内人员、安防状态、交通布局等信息进行分析，通过智能设备和报警设备把安防决策信息传达给安防管理人员和室内受困人员，实现可视化安防数据综合管理、安防危险分析及预警、安防处理辅助决策等服务功能。
对于装配式建筑，其构件的运输与存放的优化、吊装过程安全风险控制、构件安装质量问题是关键。
通过采集构件和安装过程的信息，包括构件出场时间、位置、尺寸型号、材料、力学性能、吊装设备型号、功率、设备实时运行参数、温湿度、风速、光照等，结合整个建筑的BIM，形成面向装配式施工的数字孪生模型。
在信息空间对数字孪生体虚拟模型进行分析和仿真，得到安装构件的位置、路径、施工设备参数等信息，发送给施工人员，可以实现构件运输存放优化、施工过程安全风险管理、安装过程质量控制等服务功能。
（2）监控操纵
建造活动在施工现场进行，受到环境影响大，而且施工过程的质量管理也不如车间内的工业生产那么严格。
利用数字孪生模型，可以指导、跟踪建筑施工过程，保证安全和质量。
例如，超高层建筑由于自身结构的特殊性，造成测点数量多、监测周期长、监测系统复杂等问题。
目前的超高层结构监测还是单纯地通过传感器采集数据，利用二维监测界面查看数据，不能实现监测数据三维可视化，监测过程不能与三维建筑物BIM信息很好地融合。
巨大的监测数据导致数据管理分散、综合数据处理能力低，根据现场实时情况进行监测仪器安装和采取紧急预警的能力差。
基于数字孪生的超高层建筑结构监测方法应用数字孪生理念，通过物联网采集结构施工状态数据，实时数据结合结构模型进行有限元分析以获得结构安全状态信息。
这些信息与BIM进行结合，得到面向超高层施工过程监测的数字孪生模型。
利用超高层建筑智能监测平台，将结构有限元信息、BIM信息、结构监测信息等通过智能设备传达给监测人员和施工人员，实现三维可视化结构监测数据、结构实时预警准确定位、监测过程智能指导等数字孪生服务功能。
（3）诊断分析和预测优化
大型建筑通常有很高的运营维护成本，然而目前主流的运行和维护管理方式信息化程度低，对隐患的预防和突发事故的应对能力较差。
数字孪生能够利用各种技术实现实时的虚实交互和预测反馈，可以提高建筑运维管理的信息化程度和自动化程度。
针对大型建筑运维阶段的结构和设备健康管理问题，基于数字孪生的大型建筑运维管理方法，应用数字孪生理念，由包括BIM数据和设备参数数据在内的各种数据库进行支撑，融合建筑结构和设备在运行和维护过程中产生的数据，形成建筑结构和设备的数字孪生体。
建筑结构和设备实体与虚拟建筑结构和设备模型之间进行同步反馈和实时交互，以达到准确的建筑结构和设备故障预测与健康管理服务的目的，能够快速感知到故障现象并准确定位。
开展预防性维护研究，结合传感器采集的数据，通过“虚拟巡检”来发现建筑物内的安全隐患，及时进行维护。
数字孪生模型对于建筑物隐蔽工程的检查和维护最有帮助。
3 数字孪生城市
城市作为一个复杂巨系统，优化城市规划、及时掌握城市运行状态、有效应对突发事件是城市管理的关键。
城市数字孪生系统可以为城市管理提供分析和优化模型，实现科学决策。
城市数字孪生是一种“系统数字孪生”应用，典型应用场景包括：
（1）仿真映射
对于城市规划而言，通过在城市信息模型（CIM）上模拟仿真“假设”分析和虚拟规划，推动城市规划有的放矢提前布局。
在规划前期和建设早期了解城市特性、评估规划影响，避免在不切实际的规划设计上浪费时间，防止在验证阶段重新进行设计，以更少的成本和更快的速度推动创新技术支撑的各种规划方案落地。
通过CIM以及可视化系统，以定量与定性方式，进行专题分析、模拟仿真、动态评估规划方案以及对城市带来的影响，保证规划楼宇、绿地、公路、桥梁、公共设施时，综合效益实现最优化。
基于多源数据和多规融合实现规划管控一张图。
整合所有基础空间数据（城市现状三维实景、地形地貌、地质等）、现状数据（人口、土地、房屋、交通、产业等）、规划成果（总规、控规、专项、城市设计、限建要素等）、地下空间数据（地下空间、管廊等）等城市规划相关信息资源，在数字孪生空间实现合并叠加，解决潜在冲突差异，统一空间边界控制，形成规划管控的“一张蓝图”，以此为基础进行规划评估、多方协同、动态优化与实施监督。
在充分保证“一张蓝图”实时性和有效性的前提下，通过对各种规划方案及结果进行模拟仿真及可视化展示，实现方案的优化和比选。
（2）监控管理
利用数字孪生系统，可以对城市运行的各个系统进行有效的监控和管理。
例如，针对城市交通，将物理世界中复杂的交通系统，使用云计算、物联网、人工智能、大数据、实景三维、语义化等技术构建数字模型，形成数字孪生交通系统，融合多源/异构/多模态交通实时数据，构建交通信息知识图谱，对交通时空大数据进行展示、挖掘、分析，从而实现对交通的监测预警、应急处理，以及拥堵治理、联程联运等功能，以保障交通安全、优化城市交通。
（3）诊断分析
数字孪生城市立足城市运行监测、管理、处理、决策等要求，将各行业数据进行有机整合，实时展示城市运行全貌，形成精准监测、主动发现、智能处置的城市“一盘棋”治理体系、城市运行“一张图”管理。
利用CIM和叠加在模型上的多元数据集合，打造精准、动态、可视化的数字孪生城市大脑，通过智能分析、模拟仿真，洞悉人类不易发现的城市复杂运行规律、城市问题内在关联、自组织隐性秩序和影响机理，制定全局最优策略，解决城市各类顽疾，形成全局统一调度与协同治理模式。
借助智能大屏、城市仪表盘、领导驾驶舱、数字沙盘、立体投影等形式，可一张图全方位展示城市各领域综合运行态势，并根据不同主题分级分类呈现，帮助城市决策者、管理者、普通用户从不同角度观察和体验城市发展现状、分析趋势规律。
（4）预测优化
利用数字孪生模型，对城市事件提前预测，提前做好应对方案。
一些突发事件的发生往往措手不及，且事件的演变具有极大的不确定性，人类无法完全预测和消除事件的潜在威胁和现实的破坏，只能在力所能及的范围内尽可能减少突发事件带来的危害。
基于城市数字孪生体的数字模型，可以对一些偶发事件进行提前预测；
结合仿真模拟以及虚拟现实技术，可以给用户模拟一个真实发生的突发事件的场景，例如火灾或暴雪等事件，让用户犹如身临其境，更加生动地体验在紧急事件发生时每个行动所带来的后果。
通过应急现场环境快速还原、应急资源可视化管理、应急预案模拟演练等功能，为城市应急管理提供预案。
4 数字孪生医疗
医疗行业关系到每个人的健康和疾病治疗，是新技术、新方法应用的一个重点行业。
数字孪生在医疗行业的应用，可以包括对人的“数字孪生”应用，以及医疗系统的数字孪生应用。
人作为一个特殊的“物理实体”，和一般的工业产品不同，每个人都有其特殊性，其身体素质、生活习惯、环境、心理等都会影响到身体健康，身体的各项检查指标能大致反映人的健康状况。
利用个人医疗检查数据，构建个人健康评估数字模型，再结合个人社会大数据采集系统，可以全面地获取个人的行为状况，做出个人健康预测和预警。
例如，可以从个人订餐数据获取其饮食偏好，从个人出行数据获取其运动偏好等，这些数据都可以归总到个人健康评估模型中。
对个人的健康状态进行分析和预估，及时提出健康预警。
医疗系统的数字孪生应用，参考文献给出了一个典型应用场景。
该案例针对现代诊疗系统中的患者、医疗设备、治疗方案三要素及其在状态感知、机理模型、智能算法三方面存在的物理信息融合问题进行了探讨，并提出了状态感知、机理模型、智能算法的详细构建方法，最后将该诊疗系统框架推广到临床诊疗、基础医学研究、教育培训、医疗设备研发等领域。
该文献中提出的数字孪生诊疗系统（DTTS）的整体框架如图1-5所示。
图1-5 数字孪生诊疗系统（DTTS）的整体框架[17]
DTTS分为物理空间和数字空间，主要由物理实体、DTTS孪生数据、DTTS孪生机理模型和DTTS智能决策模块四部分组成。
其中，物理空间包括患者（消化、呼吸、循环、内分泌、神经、运动、泌尿以及生殖系统等）、医疗设备（诊断设备、治疗设备和辅助类设备等）、传感设备（各种生理传感设备和设备的状态传感器等）以及用于物理实体（患者和医疗设备）状态数据传输的信息交互平台。
数字空间包括DTTS孪生数据、DTTS孪生机理模型和DTTS智能决策模块。
DTTS孪生数据主要包括来自物理空间的感知数据，分为实时数据和存档数据。
DTTS孪生机理模型基于物理实体建立，与DTTS孪生数据共同实现对患者和医疗设备忠实的、数字化的镜像。
DTTS智能决策模块负责完成辅助临床判断与决策。
基于深度学习平台，利用DTTS孪生数据和DTTS孪生机理模型单独或者融合实现对患者、医疗设备的状态识别以及不同应用场景的指导。
数字空间通过信息交互平台获取物理空间的状态（包括患者的生理病理参数、设备的运行状态等），实现虚实映射。
数字空间的决策结果通过信息交互平台反馈给医疗设备或者直接反馈给医护人员形成治疗方案，同时，物理空间中的患者和医疗设备接收来自医护人员的医嘱并精确执行。
1.6 数字孪生的发展
数字孪生的概念提出后，特别是2017年Gartner公司将其列入十大战略性科技发展趋势之后，各国、各大科技公司都开始注重数字孪生技术的发展，提出相关的发展战略和技术解决方案。
1.6.1 各国的政策和发展
1 中国的政策及应用
（1）数字孪生整体战略
国家发展改革委和中央网信办在2020年4月7日，发布了《关于推进“上云用数赋智”行动培育新经济发展实施方案》，通常称为“发改高技[2020]552号文件”。
它首次指出数字孪生是七大新一代数字技术之一，其他六种技术为大数据、人工智能、云计算、5G、物联网和区块链。
同时该文件还单独提出了“数字孪生创新计划”，即为我国数字孪生国家战略，该计划要求“引导各方参与提出数字孪生的解决方案”。
虽然我国提出数字孪生国家战略并不是最早的，但把数字孪生作为一个产业提出，则早于英国、美国、德国和日本。
七大新一代数字技术中蕴含的数字化、网络化、智能化、服务化的技术特点与第四次工业革命的发展趋势高度融合，也是数字孪生技术作为新经济驱动力的重要体现，其潜在价值巨大。
在2021全球数字经济大会上，中国信息通信研究院发布的《全球数字经济白皮书》显示，2020年，全球47个国家数字经济规模总量达到32.6万亿美元，同比名义增长3.0%，占GDP比重为43.7%。
我国数字经济规模为5.4万亿美元，位居世界第二；
同比增长9.6%，位居世界第一。
随着“工业4.0”的提出，数字孪生等新兴技术逐渐进入人们视野，热度不断攀升，备受行业内外关注。
我国也相继制定了网络强国、数字中国的重要发展战略。
（2）数字孪生城市战略
《中共中央关于制定国民经济和社会发展第十四个五年规划和二〇三五年远景目标的建议》提出，坚定不移建设制造强国、质量强国、网络强国、数字中国，必须加快数字化发展，推动产业与经济的数字化，努力建设以人为核心的新型城市，为数字孪生城市的发展指明了道路。
数字孪生城市有助于未来城市的可持续发展、渐进式的竞争力提升，是多方高端资源整合的平台载体，是新一代信息技术综合应用的典型例子。
近年来，国家发展改革委、科技部、工业和信息化部、自然资源部、住房和城乡建设部等部委密集出台政策文件推动CIM及BIM相关技术与数字孪生的高度融合与各方产业的快速发展，推动数字孪生城市构建过程中的技术突破。
如2020年2月工信部在《建材工业智能制造数字转型三年行动计划（2020—2022年）》中提出，运用计算建模、实时传感、仿真技术等手段推动BIM技术的深层次发展；
2020年9月住房和城乡建设部在《城市信息模型（CIM）基础平台技术导则》中倡导各地积极开展CIM基础平台建设。
在地方信息化发展以及区域试点等关键举措方面，数字孪生技术同样起着重要的作用。
2021年4月1日，河北雄安新区成立四周年，智能城市建设运动史无前例，在《国务院关于河北雄安新区总体规划（2018—2035年）的批复》中明确指出，数字城市与现实城市要同步规划、数字城市与物理城市同频共振、同步建设，适度超前布局智能基础设施，推动全域智能化应用服务实时可控，建立健全大数据资产管理体系，打造具有深度学习能力、全球领先的数字城市，可谓数字中国蓝图构建的示范性工程。
上海市发布的《关于进一步加快智慧城市建设的若干意见》明确指出，智慧城市是城市能级和核心竞争力的重要体现，是上海建设具有全球影响力的科技创新中心的重要载体，要努力将上海建设成为全球新型智慧城市的排头兵，国际数字经济网络的重要枢纽，引领全国智慧社会、智慧政府发展的先行者，智慧美好生活的创新城市。
《智慧海南总体方案（2020—2025年）》提出，全面引入新理念、新模式、新机制、新应用，充分运用先进技术和前沿科技，以打造“数字孪生第一省”为主要手段，通过将人、车、物、空间等城市数据全域覆盖，形成可视、可控、可管的数字孪生城市，进而实现城市空间价值增值、城市精细化治理以及智能规划决策等。
《广东省推进新型基础设施建设三年实施方案（2020—2022年）》中指出，要积极推动省内智慧城市工程建设，探索构建“数字孪生城市”实时模型，实现实体城市向数字空间的全息投影，构建“万物互联、无时不有、无处不在”的城市大脑神经感知网络，支持广州、深圳等有条件的城市建设“城市大脑”，最终为“数字政府”改革建设提供坚实可靠的数字底座。
“十四五”时期，北京城市副中心将以建设世界智慧城市典范为目标，打造数字孪生城市，让城市“能感知、会思考、可进化、有温度”，加快打造数字孪生城市运行底座，融合基础地理、建筑信息等数据开展三维城市建模，并促进数字孪生城市应用试点，以提升市民获得感。
2 其他国家的政策及应用
2020年，美、英等国将数字孪生从局部探索提升为国家战略，加大对数字孪生城市的重视，分别将数字孪生上升为国家战略政策并积极推进。
2020年4月，英国重磅发布《英国国家数字孪生体原则》，讲述构建国家级数字孪生体的价值、标准、原则及路线图。2020年5月，美国组建数字孪生联盟，联盟成员跨多个行业进行协作，相互学习，并开发各类应用。
美国工业互联网联盟将数字孪生作为工业互联网落地的核心和关键，正式发布《工业应用中的数字孪生：定义，行业价值、设计、标准及应用案例》白皮书。
德国工业4.0参考框架将数字孪生作为重要内容。新加坡、法国等深入开展数字孪生城市建设。
随着5G、物联网产业的快速发展，数字孪生能力进一步凸显，全球各国纷纷把握机遇，实施数字孪生推进计划。
新加坡率先搭建了“虚拟新加坡”平台，用于城市规划、维护和灾害预警项目。
法国高规格推进数字孪生巴黎建设，打造数字孪生城市样板，虚拟教堂模型助力巴黎圣母院“重生”。
为了确保由欧盟发起的两项计划——绿色协议（Green Deal，在2050年实现欧洲地区“碳中和”）和数字化战略（Digital Strategy）顺利实现，气候学家和计算机科学家发起了“目的地地球倡议”（Destination Earth Initiative）项目。
这一项目旨在建立一个全面和高精度的数字孪生地球，在空间和时间上精确监测和模拟气候发展、人类活动和极端事件等，预计从2021年中期开始执行，并运行长达10年时间。
这一项目由欧洲中期天气预报中心（ECMWF）、欧洲航天局（ESA）和欧洲气象卫星开发组织（EUMETSAT）联合推动。
2020年，日本东京公开了“东京都3D视觉化实证项目”，该项目以现实空间数据化的技术“数字孪生”为目标，旨在解决日益复杂的社会问题，提高都市人的生活质量，最终提高东京的经济效益。
在“东京都3D视觉化实证项目”中，研究人员通过“数字孪生”技术制作了西新宿、涩谷、六本木区域的3D都市模型，利用这些模型进行了模拟实验，验证了它们在人口流动和防灾减灾等方面的效果，从而推动城市基础设施建设。
俄罗斯计划在2024年完成有关将“数字孪生”技术引入航空发动机的研究工作。
据俄罗斯联合发动机公司（UEC）创新开发部门的资深专家伊凡·季莫菲耶夫（Ivan Timofeev）透露，俄罗斯国内数十家企业将一起解决这个问题，数字孪生将是一个统一的研究系统，它描述产品在整个生命周期中的操作。
这项技术的实施将加速俄罗斯航空发动机新产品的开发，减少其测试、认证和投入生产的时间。
从专家的角度来看，数字孪生的创建将增加俄罗斯国产发动机的竞争优势。
意大利国家铁路集团FerroviedelloStato Italian旗下子公司Italferr S. p. A作为意大利和国际大型基础设施项目领军企业，在普通铁路、高铁、公路运输等多领域运用数字孪生技术与BIM方法，实现了基础设施项目的设计决策、管理方式、施工流程等方面的全面可视化、可洞察，提高了工程质量与团队协作效率，降低了设计成本与施工过程的变更成本，促进了当地的现代化交通体系的完善。
2018年8月莫兰迪桥倒塌后，意大利热那亚市的Pergenova Consortium公司委托Italferr在Polcevera河上设计新建一座200米长的高架桥路段。
Italferr创建了数字孪生模型，以支持设计阶段的BIM工作流。
数字孪生模型广泛应用于先进的设计环境，可以帮助设计团队在设计过程中随时进行协作和模拟资产的性能。
项目团队在基于ProjectWise的互联数据环境中创建了数字孪生模型，使用Bentley公司的开放式建模和模拟应用程序来管理多专业项目团队的数据流。
利用MicroStation、Open-Roads和OpenBuildings Designer等软件，项目团队创建了地形、道路和相关土木工程以及机械和电气系统的数字模型。
汉南大桥作为韩国基础设施系统的重要组成部分，在经过40多年的运行，该大桥以及同时期的数百座大桥大部分出现了不同程度的老化问题，达到预期的使用寿命，亟待修缮。但与此同时需保证修缮期间不影响正常交通。
桥梁修缮团队借助数字孪生与新一代BIM技术，先对当前桥梁状况做出全面评估，然后制定完善的维护计划以及评估体系。
此外，该修缮工程还利用数字孪生模型和图像处理与跟踪方法，对裂缝、材料降解、钢构件腐蚀等问题引入自动损坏检查机制，用于分析桥梁的未来表现。
数字孪生技术的成功应用助力汉南大桥修缮不停运。
澳大利亚新南威尔士州政府已启动了悉尼西部地区建筑和自然环境的虚拟4D模型，其中包含建筑物、地层平面图、地形、物业边界和公用事业（例如电力、自来水和下水道）等数据。
4D模型是带有时间的3D描绘，因此用户可以根据历史或未来场景创建模型。
该模型的主要优点是让城市规划师、地产商和政策制定者做出更明智的决策，将公共机构和私营部门的数据汇总，从而更好地预测和管理交通拥堵、监测土地覆盖和结构变化以及预测山火。
1.6.2 相关企业的推动
1 西门子
西门子的核心价值主张和技术路线就是通过数字化技术打造三个“数字化双胞胎”，即在企业的研发环节，建立企业所要生产、制造的产品数字化双胞胎；
企业在规划的产品被研发出来，准备制造时，建立包括工艺、制造路线、生产线等内容的生产数字化双胞胎；
当产品和生产线投入使用时，建立反映实际工作性能的性能数字化双胞胎（见图1-6）。
建立三个数字化双胞胎后，还应该考虑背后数据的互联互通，产品加工和交付的过程中产生的大量运行数据可用于与设计数据比较，数据的一致与否以及如何保持设计和实际数据的一致性是生产力和创新力的重要驱动，并以此促进下一代产品的迭代更新。
而保持互联互通的关键要素就是成熟的工业软件及底层支撑技术。
西门子在产品研发与制造过程以及工厂管理的完整价值链上提供三个数字化双胞胎创建和互联互通的一体化解决方案。
从产品研发阶段的NX三维设计及仿真软件、Teamcenter产品生命周期管理软件，到COMOS工厂工程设计软件、TIA博途全集成自动化平台、Simatic IT生成管理软件，再到PSE工艺过程模拟软件、Mendix低代码平台、MindSphere云平台等，西门子以近乎完美的产品组合来打造现实与虚拟的融合，将数字化双胞胎应用到贯穿产品研发到车间生产的工业场景和流程中。
图1-6 西门子三个数字化双胞胎（来源：西门子数字化战略报告）
2 达索
达索系统是三维建模的重要软件之一。
经过40余年的沉淀，其在与波音、空客、宝马、奔驰、格力、美的、阿迪达斯、爱马仕等不同行业的大客户合作过程中积累了深厚的技术与行业经验，完成了三维建模到仿真建模再到三维体验的更新升级与换代。
达索凭借航空业CAD设计软件的沉淀以及收购策略，建立了复杂的产品线。
2012年，达索提出3D EXPERIENCE战略，并于2014年推出3D EXPERIENCE平台，通过统一的平台架构，把旗下的产品逐步统一到一个平台上，实现了设计、仿真、分析工具（CATIA、DELMIA、SIMULIA等）、协同环境（VPM）、产品数据管理（ENOVIA）、社区协作（3DSwym）、大数据技术（EXALEAD）等多种应用的打通，覆盖了航空航天、交通运输、工业设备、高科技、能源等11个行业。
可以说，3D EXPERIENCE是达索在对数字孪生技术深入思考后给出的独特、完备的解决方案，着重强调体验一致性、原理一致性、单一数据源、宏观与微观统一。
除了瞄准智能制造、智慧城市等数字孪生技术的典型应用领域外，达索还积极探索生命科学这一面向未来的领域，在数字化人体、医疗设备、药品研发、临床试验等多方面积极布局，提出了数字化革命从原来物质世界中没有生命的“Thing”扩展到有生命的“Life”的前沿概念。
3 ANSYS
ANSYS公司因有限元分析而出名，其以仿真为基础，从仿真的角度出发认识数字孪生。
他们认为，“要充分实现数字孪生所蕴藏的巨大价值，仿真是重要途径”。
ANSYS Customer Excellence总监Peyman Davoudabadi博士将数字孪生的技术架构概括为五个方面：系统级支持、控制系统、完整技术平台、基于物理场的仿真和集成数字孪生生态系统。
通过构建的数字孪生系统在完成物理资产数字化的前提下，广泛引用多工况仿真技术实现了设计、运行、服务的产品全生命周期应用。
ANSYS拥有一整套仿真解决方案，包括平台、物理知识和系统功能，集成多款建模仿真软件（见图1-7）。
ANSYS Twin Builder平台作为数字孪生分析的最终载体，支持组件、子装配体、系统等不同层级的数字孪生体构建，并准确反映各部件间错综复杂的作用关系，完成系统全方位描述。
ANSYS提出的基于仿真的数字孪生解决方案数据依赖性低、模型成长性好，能有效降低设计、生产、维护、工程变更成本，具有高洞察力，可预见潜在故障，用于未来产品改进与重新设计。
以奥地利最大的电力供应商Verbund为例，其每台涡轮机的任何计划外停机成本高达每小时6万美元，所以Verbund希望预测其涡轮机在不同负载条件下的磨损情况，以优化涡轮机的输出。
通过应用数字孪生优化涡轮机的运行，Verbund每年可为每台涡轮机节省约10万美元，而Verbund运营着120多个工厂，可以部署多达120个数字孪生。
图1-7 ANSYS数字孪生技术架构（来源：ANSYS中国）
为加速不同行业的数字孪生应用，2020年5月，美国ANSYS公司、微软公司、戴尔公司、Lendlease公司等共同宣布成立数字孪生联盟，旨在制定数字孪生路线图及行业应用指南，开发相关标准，增强数字孪生的可移植性和互操作性，推动数字孪生技术在更多行业的应用。
该联盟成立短短几个月，就已经吸纳了来自全球政府机构、工业界、学术界的会员单位150余家。
美国空军研究实验室、通用电气公司、诺格公司等军工巨头均是该联盟的创始成员，其在数字孪生技术应用方面的成功经验将为加速数字孪生技术的推广应用奠定坚实基础。
2020年8月，数字孪生联盟与工业互联网联盟达成协议，希望加快数字孪生技术的开发、应用速度并创造经济效益。其联合活动主要包括：
在标准化要求方面进行协作；
通过协调技术组件及其他要素来实现互操作性；
协调在术语、安全、模型、支撑技术等方面的工作，以便在各领域中获得应用；组织进行信息交流，联合召开研讨会和进行市场营销。
4 微软
微软是数字孪生的一个软件解决方案供应商，其作为IT企业代表，主张云与AI结合的数字孪生体战略，并在2018年发布了Azure Digital Twins平台，提供了全面的数字模型和空间感知解决方案，可应用于任何物理环境。
该平台是一个服务型平台（PaaS），可基于整个环境的数字模型创建孪生体。
这些环境可能是建筑物、工厂、农场、能源网络、铁路、体育场等，甚至是整个城市。这些数字模型可用于获取洞察力，以推动产品改进、运营优化、成本降低和客户体验突破。
其创新性地使用空间智能图来模拟人、地点、设备、环境之间的复杂关系，支持全面的信息互联与双向通信，可接收物联网及业务系统的输入作为驱动数字孪生体的数据，能够从状态属性、事件触发、组件关系等多方面对模型进行描述，并保证数字孪生体的实时同步更新。
此外，Azure具有强大的服务生态（Azure AI、Azure存储、Office 365），能够提供完备的数据存储与历史回溯等服务。
借助云服务与全面互联的技术基础，用户可了解到整个系统的实时运行状况，完成远程监控和基于智能算法的预测性维护。
5 美国参数技术公司（PTC）
PTC擅长将数字孪生技术与增强现实技术结合，让数字孪生体变得更加形象化、场景化、更富真实感，强调数字世界与物理世界的紧密相连，以此探索企业数字化转型的本质。
借助增强现实技术和已构建完成的数字孪生体，系统可根据用户、场景等不同需求，将不同的虚拟信息等准确无误地叠加到现实的物体之上，广泛应用于产品设计与动态信息展示、员工实操培训、施工现场设备维护、专家远程协同作业、可视化装配指导、客户定制化生产等多个工业应用场景中，能有效提高效率并降低成本，克服工程、制造、服务、销售和营销等多方面的挑战。
图1-8为数字孪生与增强现实在汽车行业的应用示意。
图1-8 数字孪生与增强现实在汽车行业的应用（来源：PTC官网）
6 通用电气（GE）公司
GE公司收集了大量资产设备（如航空发动机）的数据，通过数据挖掘分析，能够预测可能发生的故障和时间，确定故障发生的具体原因，GE公司近年来格外重视数字孪生技术的应用与探索。
GE公司具有基础平台软件研发和推广能力，借助Cloud Foundry开源框架构建通用PaaS（平台即服务）平台，技术实力强，对各领域有较透彻的理解，具有较强的竞争力，占有较大的市场份额。
公司已投资建立工业资产的高保真数字孪生模型，到目前已建立了如齿轮和发动机数字孪生模型，并宣称有数十万生产中的数字孪生实例。
以风力机为例，Predix提供的通用数字孪生体必须针对特定电厂的具体风力机进行定制。
Predix中的风力机通用模型包含：
具有材料和组件细节的PLM（产品生命周期管理）系统信息、三维几何模型、可根据物理算法预测行为的仿真模型等。