从全球数字孪生的发展情况及最新进展、数字孪生基础理论、数字孪生核心技术几个角度全方位阐述数字孪生，提出一些原创性观点，提出数字孪生的理论和技术体系，提出数字孪生建模方法：基于多粒度多模型的大系统建模，即：Multiple Granularity and Multi-Model based Big System Modeling（MGMM-BSM），构建基于系统工程及系统建模与仿真、现代控制理论、模式识别理论、计算机图形学、数据科学交集下的数字孪生理论。提出数字孪生系统构建与开发机理，给出开发实现方法。提出数字孪生理论体系构建思路：数字孪生理论是系统工程及系统建模与仿真理论、现代控制理论、模式识别理论、计算机图形学、数据科学五大分支的融合体，在不同应用领域的需求和新一代信息技术驱动下又呈现出大数据为线索、多模型为核心的特点。
1数字孪生发展情况
根据维基百科的解释，数字孪生（Digital Twin）是指以数字化方式拷贝一个物理对象、流程、人、地方、系统和设备等。数字化的表示提供了物联网设备在其整个生命周期中如何运作的元素和动态。数字孪生将人工智能、机器学习和软件分析与空间网络图相集成以创建活生生的数字仿真模型，这些模型随着其物理对应物的变化而更新和变化。除了模拟/仿真物理对象、流程、人、地方等，更重要的是他们互相之间的关系。
正式对外公开的资料显示，美国空军研究实验室在2011年3月提出了数字孪生体这个概念。美国国家航空航天局（NASA）在同期开始关注数字孪生体，但后续对数字孪生体体系的构建贡献并不多，反而是美国国防部立刻意识到数字孪生体是颇具价值的工程工具，值得全面研发。与此同时，美国通用电气在为美国国防部提供F-35联合攻击机解决方案的时候，也发现数字孪生体是工业数字化过程中的有效工程工具，并开始利用数字孪生体去构建工业互联网体系。2018年7月，美国国防部正式对外发布“国防部数字工程战略”，数字工程战略旨在推进数字工程转型，将国防部以往线性、以文档为中心的采办流程转变为动态、以数字模型为中心的数字工程生态系统，完成以模型和数据为核心谋事做事的范式转移。西门子公司提出了“综合数字孪生体”的概念，其中包含数字孪生体产品、数字孪生体生产和数字孪生体运行的精准连续映射递进关系，最终达成理想的高质量产品交付。GE、惠普、达索等国际大公司均于近年提出了自己的数字孪生系统。
数字孪生技术在工业生产、智能制造等多个领域有广泛的应用前景。
（1）在产品研发领域，可以虚拟数字化产品模型，对其进行仿真测试和验证，以更低的成本做更多的样机。
（2）在设备管理领域，我们可以通过模型模拟设备的运动和工作状态，实现机械和电器的联动。比如电梯运行的维护监控。
（3）在生产管理领域，可将数字化模型构建在生产管理体系中，在运营和生产管理的平台上对生产进行调度，调整和优化。
数字仿真镜像和物理世界可以联动起来，数字世界可以进行预测试错等方式提前判断得到结果，自动反馈到物理世界/真实世界从而自动调整生产或者运营方式。数字孪生将人工智能、机器学习、数据分析与网络空间集成在一起，以创建数字仿真模型，随着物理世界的变化而更新和更改。数字孪生系统不断从多个来源学习和更新，以表示其实时状态。该学习系统利用传感器数据自学，并融合人类专家经验和行业领域知识。数字孪生还将过去机器使用的历史数据整合到其数字模型中。
在各种工业领域，双胞胎正被用于优化物理资产，系统和制造过程的运营和维护。它们是工业物联网的一种形成技术，物理对象可以与其他机器和人进行虚拟生活和交互。在物联网的背景下，它们也被称为“网络对象”或“数字化身”。
目前，尽管数字孪生在全球范围内还处于初期阶段，仅有一些大型公司在部分领域和环节尝试使用数字孪生技术进行部分设备和流程的改造，如前述的GE、阿里巴巴、微软等。微软推出了Azure Digital Twin服务，能够创建任何物理环境的数字模型，包括连接它们的人员、地点、事物、关系和流程，并与物理世界保持同步。通过Azure Digital Twins，用户可以在空间的语境中查询数据，该服务将成为Azure IoT平台的一部分。GE公司已经拥有了120万个数字孪生体，可以处理30万种不同类型的设备资产。
2数字孪生理论体系
从系统工程的视角来看，数字孪生系统的构建是一项典型的系统工程，涉及到目标确立、需求分析、技术开发、理论研究、场景应用等实现环节。数字孪生系统的构建与开发奠定了数字孪生系统论的基石。数字孪生系统的构建与开发方法描述如下：以数字孪生系统需求为导向，设计数字孪生系统软件架构，研发数字孪生系统软硬件平台与技术，在数字空间和物理场景中进行同步测试与验证。物理实测信息反馈到虚拟仿真系统，仿真系统与物理系统进行实时或事件驱动下的不定时比对与匹配，得到二者误差，再以误差作为虚拟系统控制算法的输入，通过自动控制策略实现误差的迭代削减，直至衰减为零。整个数字孪生信息物理系统的运行是一个动态平衡与自主优化的过程。数字孪生系统构建与开发机理如图2-1所示。
图2-1数字孪生系统构建与开发机理图
（一）目标与需求层
数字孪生系统的目标可凝练为“10化”，即：数字化、网络化、智能化、虚拟化、安可化、定制化、服务化、融合化、集约化、标准化。实际系统的需求包括系统多颗粒度互联互通、系统可仿真可预见、技术安全、系统可信、系统开放、系统可重构、系统敏捷、成本节约等。
（二）关键技术层
由多粒度多模型大系统建模、感知、通信、智能控制、智能机器人、大数据智能与安全、机器视觉及模式识别、系统仿真、智能决策等模块组成。关键技术模块简介如下：
（1）多粒度多模型大系统建模（Multiple Granularity and Multi-Model based Big System Modeling，MGMM-BSM）。多模型主要包括：结构模型、参数模型，自动控制系统模型，规则模型，人员模型，环境模型，行为模型，业务流模型，业务知识模型。通过多类型多模态模型实现多模型驱动的大系统模型体系。多粒度指的是设备级、系统级、复杂系统级等多个颗粒度层级，根据实际系统情况可适当收放系统颗粒度范围。
（2）感知。主要功能模块包括：对象特性检测，工况参数检测，工艺特征检测，环境参数测量。利用传感器采集物理世界对象的各种参数数据，如流量、压力、温度、湿度、形变等，对各种数据进行标准化的格式、量纲、类型等转换，变成数字孪生系统能够直接调用的物联感知数据结构体。必要时可对采集到的数据进行智能处理和机器学习，在感知端也可嵌入智能算法，实现端上智能。
（3）通信。主要包括工业通信和互联网通信两大类。常用的工业通讯协议有：Modbus，RS-232，RS-485，HART，MPI通信，PROFIBUS，OPC UA，ASI，PPI，远程无线通信，TCP，UDP，S7，ProfNet，MPI，PPI，Profibus-DP，Device Net。常用的互联网通信协议有：TCP/IP协议、IPX/SPX协议、NetBEUI协议等。
（4）智能控制。包括以下主要控制技术：智能控制模型，智能控制算法，边缘智能控制，终端智能控制，远程智能控制。
（5）智能机器人。包括以下主要类型：工业机器人，服务机器人，特种机器人。
（6）大数据智能与安全。包括以下主要技术：数据治理，数据统计，数据分析，数据挖掘，数据安全。
（7）机器视觉及模式识别。包括以下主要技术：目标检测与识别，目标跟踪，虚拟测量，视频安全监控，语音识别，深度学习，视觉伺服控制。
（8）系统仿真。包括以下核心技术：业务场景建模与仿真，生产设备建模与仿真，产品加工过程仿真，工作流模拟，制造系统建模，测试验证平台。
（9）智能决策。主要方法有：知识图谱，强化学习，多目标关联决策，全景决策。决策是管理的重要职能，是决策者对系统方案做决定的过程和结果，决策是决策者的行为和职责。决策分析的过程大概可以归纳为以下四个阶段：分析问题、诊断及信息活动；对目标、准则及方案的设计活动；对非劣备选方案进行综合分析比较评价的抉择或选择活动；将决策结果付诸实施并进行有效的评估、反馈、跟踪、学习的执行或实施活动。决策问题的类型一般有确定型决策，风险性决策，不确定型决策，对抗型决策和多目标决策。风险型决策的基本方法有期望值法和决策树法。冲突分析(Conflict Analysis)是国外近年来在经典对策论(Game Theory)和偏对策理论(Metagame Theory)基础上发展起来的一种对冲突行为进行正规分析(Formal Analysis)的决策分析方法，其主要特点是能最大限度地利用信息，通过对许多难以定量描述的现实问题的逻辑分析，进行冲突事态的结果预测和过程分析(预测和评估、事前分析和事后分析)，帮助决策者科学周密地思考问题。
（三）基础理论层
构建数字孪生理论所依托的相关理论领域主要有5个：系统工程及系统建模与仿真理论，现代控制理论，模式识别理论，计算机图形学，数据科学。
（四）开发实现层
包括以下核心开发任务：数字孪生虚拟系统组态软件平台研发，多源异构对象泛在感知软硬件开发，智能控制系统软硬件开发，结构与环境建模及软硬件开发，边缘数字孪生体建模与软件研发，大数据智能分析与应用平台开发，系统安全技术平台开发，检验、测试、认证平台构建及开发，技术与管理标准研制。
（五）应用场景层
数字孪生系统理论和技术可以赋能各种应用场景，典型的如：城市、工厂、建筑、医疗、交通、能源、风景、航空、航海、农业。
从技术实现层面来看，需要以数字孪生系统组态软件平台为中心，衔接物理孪生体空间中的部件要素和数字孪生体仿真系统。组态软件平台通过程序实时比较信息系统和物理系统两个空间中的参数值，计算虚实系统的误差，在软件后台实现基于智能算法的误差自动校正、资源自动配置及虚实双系统自动调节与控制。
图2-2基于组态软件平台的数字孪生系统技术实现
3数字孪生理论基础
数字孪生的主要理论渊源和基础是：系统工程及系统建模与仿真理论，现代控制理论，模式识别理论，计算机图形学，数据科学。下面以系统工程及系统建模与仿真理论为例进行阐述。
系统是由两个以上有机联系，相互作用的要素所组成，具有特定功能、结构和环境的整体。它具有整体性，关联性，和环境适应性等基本属性，除此以外，很多系统还具有目的性，层次性等特征。系统有自然系统与人造系统，实体系统与概念系统，动态系统和静态系统，封闭系统与开放系统之分。用定量和定性相结合的系统思想和方法处理大型复杂系统问题，无论是系统的设计或组织建立，还是系统的经营管理，都可以统一地看成是一类工程实践，统称为系统工程。系统工程的应用领域十分广阔，已广泛应用于社会、经济、区域规划、环境生态、能源、资源、交通运输、农业、教育、人口、军事等诸多领域。
系统工程有三大理论基础和工具，即系统论、信息论和控制论，简称“三论”。
系统论是美籍奥地利生物学家冯·贝塔朗菲在理论生物学研究的基础上创立的。系统论的代表性观点有：系统的整体性，系统的开放性，系统的动态相关性，系统的层次等级性，系统的有序性。
信息论的创立者是美国数学家申农和维纳。狭义的信息论即申农信息论，主要研究消息的信息量，信道容量以及消息的编码问题。一般信息论主要研究通信问题，但还包括噪声理论、信号滤波与预测、调制、信息处理等问题。广义的信息论不仅包括前两项的研究内容，而且包括所有与信息相关的领域。
控制论是由美国人维纳创立的一门研究系统控制的学科。其观念是通过一系列有目的的行为及反馈是系统受到控制。控制论研究的重点是带有反馈回路的闭环控制系统。反馈有两类：正反馈和负反馈。如果输出反馈回来放大了输入变化导致的偏差，就是正反馈；如果输出反馈回来弱化了输入变化导致的偏差，就是负反馈。控制论对系统工程方法论的重要启示有“黑箱—灰箱—白箱法”。黑箱即一个闭盒，我们无法直接观测出其内部结构，只能通过外部的输入和输出去推断进而认识该系统，这就是由黑箱到灰箱再到白箱的过程。
模型是现实系统的理想化抽象或间接表示，它描绘了现实系统的某些主要特点，是为了客观地研究系统而发展起来的。模型有三个特征：它是现实世界部分的抽象或模仿；它是由那些与分析的问题有关的因素构成；它表明了有关因素间的相互关系。模型可以分为概念模型，符号模型，类比模型，仿真模型，形象模型等。
模型化就是为了描述系统的构成和行为，对实体系统的各种因素进行适当筛选后，用一定方式（数学、图像等）表达系统实体的方法。简言之就是建模的过程。构造模型需要遵循如下的原则：建立方框图；考虑信息相关性；考虑准确性；考虑结集性。模型化的基本方法有以下几种：1）分析法。分析解剖问题，深入研究客体系统内部细节，利用逻辑演绎方法，从公理、定律导出系统模型；2）实验法。通过对于实验结果的观察分析，利用逻辑归纳法导出系统模型，基本方法包括三类：模拟法，统计数据分析，实验分析；3）综合法。这种方法既重视数据又承认理论价值，将实验数据机理论推导统一与建模之中；4）老手法（Delphi法）。这种方法的本质在于几种了专家们对于系统的认识（包括直觉、印象等不肯定因素）即经验，再通过实验修正，往往可以取得较好的效果；5）辩证法。其基本观点是系统一个对立统一体，是由矛盾的两个方面构成的，因此必须构成两个相反的分析模型。相同数据可以通过两个模型来解释。
