本文来自微信公众号“智造苑，作者/小智。
数字孪生技术可以应用在工艺设计中产品的设计研发、生产制造、运行状态监测和维护、后勤保障等各个阶段。
1
数字孪生的概念
数字孪生的概念最初由Michael W.Grieves教授于2003在美国密歇根大学的产品全生命周期管理课程上提出，并被定义为三维模型，包括实体产品、虚拟产品以及二者间的连接。但由于当时技术和认知上的局限，数字孪生的概念并没有得到重视，直到2011年，美国空军研究实验室和NASA合作提出了构建未来飞行器的数字孪生体，并定义数字孪生为一种面向飞行器或系统的高度集成的多物理场、多尺度、多概率的仿真模型，能够利用物理模型、传感器数据和历史数据等反映与该模型对应的实体的功能、实时状态及演变趋势等，随后数字孪生才真正引起关注。
数字孪生是一种集成多物理、多尺度、多学科属性，具有实时同步、忠实映射、高保真度特性，能够实现物理世界与数字世界交互与融合的技术手段，如图1所示。把真实物理世界的参数信息用数字化的方式构建出虚拟模型，用数据模型模拟物理实体在现实环境的行为，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数字世界的桥梁和纽带作用，提供更加实时、高效、智能的服务。
图1数字孪生交互示意图
数字孪生的核心是模型和数据，为进一步推动数字孪生理论与技术的研究，促进数字孪生理念在产品全生命周期中落地应用，北京航空航天大学陶飞教授团队在三维模型基础上提出了如图2所示数字孪生五维模型。
图2数字孪生五维概念模型
（1）物理实体是客观存在的，它通常由各种功能子系统（如控制子系统、动力子系统、执行子系统等）组成，并通过子系统间的协作完成特定任务。各种传感器部署在物理实体上，实时监测其环境数据和运行状态。
（2）虚拟模型是物理实体忠实的数字化镜像，集成与融合了几何、物理、行为及规则4层模型。其中，几何模型描述尺寸、形状、装配关系等几何参数；物理模型分析应力、疲劳、变形等物理属性；行为模型响应外界驱动及扰动作用；规则模型对物理实体运行的规律／规则建模，使模型具备评估、优化、预测、评测等功能。
（3）服务系统集成了评估、控制、优化等各类信息系统，基于物理实体和虚拟模型提供智能运行、精准管控与可靠运维服务。
（4）孪生数据包括物理实体、虚拟模型、服务系统的相关数据，领域知识及其融合数据，并随着实时数据的产生被不断更新与优化。孪生数据是数字孪生运行的核心驱动。
（5）将以上4个部分进行两两连接，使其进行有效实时的数据传输，从而实现实时交互以保证各部分间的一致性与迭代优化。
2
数字孪生的关键技术
数字孪生的实现主要依赖于以下几方面技术的支撑：多领域多尺度融合建模、数据驱动与物理模型的融合状态评估、数据采集与传输、全寿命周期数据管理、VR呈现、高性能计算。
（1）多领域多尺度融合建模：多领域建模是指在正常和非正常工况下从不同领域视角对物理系统进行跨领域融合建模，且从最初的概念设计阶段开始实施，从深层次的机理层面进行融合设计理解和建模。
（2）融合模型的状态评估：对于机理结构复杂的数字孪生目标系统，往往难以建立精确可靠的系统级物理模型，而采用单因素系统的解析物理模型对其进行状态评估不能获得最佳的评估效果。采用数据驱动的方法，利用系统的历史和实时运行数据，对物理模型进行更新、修正、连接和补充，充分融合系统机理特性和运行数据特性，能够更好地结合系统的实时运行状态，获得动态实时跟随目标系统状态的评估效果。
（3）数据采集与传输：高精度传感器数据的采集和快速传输是整个数字孪生系统的基础。温度、压力、振动等各个类型的传感器性能都要最优以复现实体目标系统的运行状态，传感器的分布和传感器网络的构建要以快速、安全、准确为原则，通过分布式传感器采集系统的各类物理量信息以表征系统状态。
（4）全寿命周期数据管理：复杂系统的全寿命周期数据存储和管理是数字孪生系统的重要支撑，采用云服务器对系统的海量运行数据进行分布式管理，实现数据的高速读取和安全冗余备份，为数据智能解析算法提供充分可靠的数据来源，对维持整个数字孪生系统的运行起着重要作用。通过存储系统的全寿命周期数据，可以为数据分析和展示提供更充分的信息，使系统具备历史状态回放、结构健康退化分析以及任意历史时刻的智能解析功能。
（5）VR呈现：VR技术可以将系统的制造、运行、维修状态以超现实的形式给出，对复杂系统的各关键子系统进行多领域、多尺度的状态监测和评估，将智能监测和分析结果附加到系统的各个子系统、部件，在完美复现实体系统的同时将数字分析结果以虚拟映射的方式叠加到所创造的孪生系统中，从视觉、声觉、触觉等各个方面提供沉浸式的虚拟现实体验，实现实时连续的人机互动。VR技术能够使使用者通过孪生系统迅速地了解和学习目标系统的原理、构造、特性、变化趋势、健康状态等各种信息，并能启发其改进目标系统的设计和制造，为优化和创新提供灵感。
（6）高性能计算：数字孪生系统复杂功能的实现很大程度上依赖于其背后的计算平台，实时性是衡量数字孪生系统性能的重要指标，因此，基于分布式计算的云服务器平台是其重要保障，同时优化数据结构、算法结构等以提高系统的任务执行速度同样是保障系统实时性的重要手段。如何综合考量系统搭载的计算平台的计算性能、数据传输网络的时间延迟以及云计算平台的计算能力，设计最优的系统计算架构，满足系统的实时性分析和计算要求，是其应用于数字孪生的重要内容。平台数字计算能力的高低直接决定系统的整体性能，作为整个系统的计算基础，其重要性毋庸置疑。
（7）其他关键技术：人工智能的热潮推动着数字孪生技术的发展，智能制造和工业智能的快速发展催动数字孪生技术的演进和成熟，考虑商用大数据和工业大数据的本质差异，诸如异常状态或故障状态仿真与注入、工业数据可用性量化分析、小样本或无样本的增强深度学习等，均是当前在数据生成、数据分析与建模等方面的研究热点或挑战。
3
工艺设计中的数字孪生技术
数字孪生技术可以应用在工艺设计中产品的设计研发、生产制造、运行状态监测和维护、后勤保障等各个阶段。在产品设计阶段，数字孪生技术可以将全寿命周期的产品健康管理数据的分析结果反馈给产品设计专家，帮助其判断和决策不同参数设计情况下的产品性能情况，使产品在设计阶段就综合考虑了后续整个寿命周期的发展变化情况，获得更加完善的设计方案。在产品生产制造阶段，数字孪生技术可以通过虚拟映射的方式将产品内部不可测的状态变量进行虚拟构建，细致地刻画产品的制造过程，解决产品制造过程中存在的问题，降低产品制造的难度，提高产品生产的可靠性。
产品运行过程中，数字孪生技术通过高精度传感器的采集和传输产品的各个运行参数和指标，使用高性能计算对融合模型进行监测和评估，对系统的早期故障和部件性能退化信息进行详细反馈，指导产品维护工作和故障预防工作，使产品能够获得更长的寿命周期。后勤保障过程中，由于有多批次全寿命周期的数据作支撑，并通过虚拟传感的方式能够采集到反映系统内部状态的变量数据，产品故障能够被精确定位分析和诊断，使产品的后勤保障工作更加简单有效。通过将数字孪生技术应用到产品生产的整个生命周期，产品从设计阶段到最后的维修阶段都将变得更加智能有效。
4
基于数字孪生的工艺设计体系框架
工艺规程是产品制造工艺过程和操作方法的技术文件，是一切有关生产人员都应严格执行、认真贯彻的纪律性文件，是进行产品生产准备、生产调度、工人操作和质量检验的依据。数字孪生驱动的工艺规划指通过建立超高拟实度的产品、资源和工艺流程等虚拟仿真模型，以及全要素、全流程的虚实映射和交互融合，真正实现面向生产现场的工艺设计与持续优化。在数字孪生驱动的工艺设计模式下，虚拟空间的仿真模型与物理空间的实体相互映射，形成虚实共生的迭代协同优化机制。数字孪生驱动的工艺设计模式如图3所示。
图3数字孪生驱动的工艺规划
建立虚拟空间的数字孪生模型，需要结合规范化需求、概念模型及其架构，来进行模型的规范化设计。在规范化设计完成之后，就可以用类似Arena、Simio等仿真软件，或者C、C++、Java或Python等编程语言来开发可执行的仿真子模型。当把所有子模型实现并集成起来后，就形成了完整数字孪生模型。在虚拟空间建立产品结构、工艺结构、资源结构的树形结构层次，构建面向过程的虚拟空间。考虑现场工艺执行情况，在虚拟空间进行待加工产品的加工工艺规划。完成详细的工艺内容设计，进行加工工艺仿真。首先对仿真需求进行分析，确定模型构建的基本要求。接着，通过概念建模、架构设计、模型设计、模型实现和集成共5个步骤完成模型的构建。在构建过程中需要不断反向迭代，看是否每一步都满足前置需求。基础模型构建完毕后生成仿真结果，与现实系统比对，并根据采集到的实时数据进行同步更新。当系统发生重大变革或模型被重用时，数字孪生将演化生成新版本的模型。所有生成的模型、过程模型与格式化的需求都会存入模型库/云池等待被重用。
数字孪生驱动的工艺设计模式使工艺设计与优化呈现出以下新的转变：①在基于仿真的工艺设计方面，真正意义上实现了面向生产现场的工艺过程建模与仿真，以及可预测的工艺设计；②在基于知识的工艺设计方面，实现了基于大数据分析的工艺知识建模、决策与优化；③在工艺问题主动响应方面，由原先的被动工艺问题响应向主动应对转变，实现了工艺问题的自主决策。
5
基于数字孪生的工艺设计应用
推动航空发动机先进制造技术与新一代信息技术融合应用，提升航空发动机数字化、智能化制造整体水平，有利于突破我国航空发动机制造技术体系面临的瓶颈，显著提高制造技术成熟度，增强核心能力，是实现航空发动机高质量发展的重要支撑，也是推动航空发动机制造业转型升级和跨越发展的关键环节。中国航发研究院朱宁等探索了数字孪生在航空发动机制造工艺的应用。
（1）制造工艺过程（物理实体）。制造工艺过程是数字孪生模型的构成基础，主要包括制造工艺过程涉及的设备、原材料、辅助工装夹具等子系统以及部署的传感器。各个子系统实现不同功能，共同支持物理实体即整个制造工艺过程的监测、控制与优化过程。
（2）制造过程模型（虚拟实体）。制造过程模型包括制造工艺过程涉及的几何模型、物理模型、行为模型、规则模型等，是在功能与结构上的集成，这些模型从多时间尺度、多空间尺度对制造工艺过程进行描述，形成与制造工艺过程物理实体对应的完整映射。
（3）应用系统（服务）。对数字孪生应用过程中所需各类数据、模型、算法、仿真、结果进行封装，以工具组件、中间件、模块引擎等形式支撑数字孪生内部功能运行与实现，并以应用系统（或平台）等形式满足不同用户的不同业务需求，包括物理实体全生命周期各个阶段的优化，以及虚拟模型的测试、校正，使其准确映射物理实体。
（4）制造过程孪生数据。制造过程孪生数据受制造工艺过程、制造过程模型、应用系统运行的驱动，主要包括制造工艺过程数据、制造过程模型数据、应用系统数据、知识数据及融合衍生数据等。
（5）连接。通过连接实现数字孪生各组成部分的互联互通，使制造工艺过程、制造过程模型、应用系统在运行中保持交互、一致与同步；连接使制造工艺过程、制造过程模型、应用系统产生的数据实时存入孪生数据，并使孪生数据能驱动三者的运行。以制造工艺过程与孪生数据之间的连接为例，可利用各种传感器、嵌入式系统、数据采集卡等对制造工艺过程数据进行实时采集，通过控制过程的“对象链接和嵌入-统一架构”（OPC-UA）等协议规范传输至孪生数据，经过处理后的数据或指令也可通过OPC-UA等协议规范传输反馈给制造工艺过程并实现其运行优化。
新型航空发动机整体叶盘（上述的物理实体）设计中的薄壁和高扭曲叶片需要极其稳定的铣削工艺和高度复杂的工艺设计与规划，以避免在铣削过程中叶片振动而产生不可接受的表面缺陷，这使切削加工成为整体叶盘制造中关键的工艺流程之一。由于切削加工过程变化瞬息万变，实时高质量监测难度极大，这意味着在切削完成之前无法预测最终结果。目前整体叶盘的铣削过程可以持续一整天甚至能够达到100h或更长时间，并且返工率通常可高达25％以上，工时成本大。而且，未来的整体叶盘设计仍在不断向轻量化和更复杂的结构方向发展，甚至很快将超出目前制造工艺和设备的能力范围。因此，通过数字孪生的优点，建立数字孪生模型实现整体叶盘的高性能制造具有重要意义。
（1）现场多源数据收集和处理。整体叶盘切削加工过程处于高度非线性状态，存在热变形、弹性变形、残余应力以及系统振动等多种复杂的物理现象，获得现场多源数据、实现高质量监测的难度很大。5G技术的主要优势是可以提供非常低、稳定和可预测的延迟，并通过提供这种低延迟功能来实现控制闭环，满足实时控制需要在1ms内完成处理传感器信息的要求。通过微型传感器和5G通信模块可以实现无线数据采集和数据传输，以及更严格控制的监控功能。将通过5G的传感器放置在试件或工具上，实现当前故障的实时检测，并将错误率降低至15％。为了监控铣削过程，试件配备了一个无线智能传感器，可以检测当前的过程稳定状态，该智能传感器使用直接连接到试件表面的微型加速度传感器捕获整个铣削过程的试件振动。传感器系统将频率范围高达10kHz的振动信号传输到机器外部的接收器系统，以进行后续数据分析和过程稳定性确定。
（2）数字孪生模型构建。传统工艺设计基于试错法，低效、耗时并依赖于人的经验，使得该阶段的成本和时间不可预测。为了解决上述问题，基于从高精度智能传感器和机器控制系统收集的实时数据，针对整体叶盘加工过程和物理设备从多时空尺度建立模型，实施多物理场和多尺度的模拟仿真分析，形成人-机知识融合，具备实时的判断、评估、优化及预测能力，从而形成整体叶盘制造过程的数字孪生模型，实现虚实双向连接与交互等。加工过程调控与自主进化开展实时监控，防止缺陷零件进一步加工，并定位和描述缺陷以及启动返工；进一步对加工过程实时控制，调整优化加工工艺，例如改变铣刀旋转速度等，实施自适应柔性加工。以叶片振动状态的自诊断、自决策、自进化过程为例（如图4所示）。从控制系统连续提取刀头坐标数据、传感器数据并与工件表面上的工作位置相互关联，结合叶片的模拟数据，确定精确的控制策略；以传感器数据、机床控制的刀具位置和模拟数据作为输入，计算基于实际工况及其动态变化的最佳主轴速度，并将此信息反馈给控制系统最终形成闭环，有效避免过大振动（甚至是共振）发生导致加工中断和试件报废。
图4制造工艺过程的数字孪生应用模型
本文引自：《智能工艺设计》（作者：邓朝晖、刘伟、万林林、吕黎曙、刘涛）。由清华大学出版社「智造苑」原创首发。
