数字孪生技术发展迅猛正与人工智能深度结合(组图)

数字孪生 (.)，现实世界（系统）的数字化。具体而言，数字孪生是指在信息平台内创建物理系统的数字映射并模拟物理实体、过程或系统的技术。数字孪生技术可以对物理实体进行分析和优化，并可以依靠传感器数据了解物理实体的状态，应对变化，帮助改进运营，因此对推动智能制造的发展具有重要意义。随着企业数字化的深入推进，越来越多的国家和组织逐渐关注数字孪生技术在生产生活中的应用。

一、数字孪生技术飞速发展，正与人工智能深度融合

数字孪生技术在今天并不新鲜，它的根源可以追溯到计算机辅助设计 (CAD) 技术的出现。就这样，数字孪生技术经历了数十年的发展，其确切概念由密歇根大学教授迈克尔·格里弗斯于 2003 年正式提出。格里弗斯认为，通过物理设备的数据，虚拟实体和可以在虚拟（信息）空间中创建能够代表物理设备的子系统，并且这种连接不是单向和静态的，而是在整个产品中。在生命周期中联系在一起。 2012年，NASA发布“建模、仿真、信息技术和处理”路线图，数字孪生概念正式进入公众视野。 2013年，美国空军发布《全球视野》顶层技术规划文件，将数字线索和数字孪生并置为“改变游戏规则”的颠覆性机会，组织洛克希德·马丁、波音、诺斯罗普·格鲁曼, GM 从 2014 财年开始。电气、普惠等公司开展了一系列应用研究项目。此后，数字孪生理论与技术体系初步建立，美国国防部、NASA、西门子等公司开始接受并推广这一理念。

事实上数字孪生的强度思考与实践，自从引入了 CAD 等数字“创造”方法以来，数字孪生已经开始萌芽；有了CAE仿真方法，研究方法从简单的计算机辅助变成了自动化，数字化的虚拟物体和物理实体变得更加系统仿真，研究对象从简单的对象变成了复杂的系统，虚拟实体是更像是一个物理实体；直到比较系统的数字样机技术问世，研究对象已经从单体动力学转向多体动力学，研究形式从静态到动态过渡。

现阶段，数字孪生正在与人工智能技术深度结合，促进信息空间与物理空间的实时交互和融合，从而在信息平台上进行更真实的数字模拟，实现更广泛的数字化模拟。利用。将数字孪生系统与机器学习框架学习相结合，数字孪生系统可以基于多个反馈源数据进行自学习，进而近乎实时地呈现数字世界中物理实体的真实状态，并对即将到来的事物进行预测事件。和预览。数字孪生系统的自学习除了依靠传感器反馈外，还可以通过历史数据或来自集成网络的数据来学习。在不断的自学习和迭代过程中，仿真精度和速度会大大提高。

二、数字孪生对推动智能制造发展意义重大

数字孪生技术可以在网络空间再现产品和生产系统，使产品和生产系统的数字空间模型和物理空间模型能够实时交互，两者可以在时间上相互控制动态变化并做出响应实时性为智能制造的实现提供了有力保障，进一步加速了智能制造与工业互联网、物联网的融合。

近年来，数字孪生的前沿技术受到了工业界和学术界的广泛关注。全球最权威的 IT 研究和咨询公司将数字孪生列为十大战略技术趋势之一。目前，数字孪生主要用于制造领域。根据国际数据公司 (IDC) 的数据，现在 40% 的大型制造商使用这种虚拟仿真技术来模拟生产过程。 4.0 的解决方案。到 2020 年，估计有 210 亿个连接的传感器和终端将为数字孪生提供服务，并且在不久的将来将有数十亿个数字孪生。

随着工业4.0、智能制造等技术和发展战略的不断出台，数字孪生技术逐渐成为智能制造的基本要素，受到各方广泛关注。 2017 年 11 月，洛克希德·马丁公司将数字双胞胎列为 2018 年未来国防和航空航天工业的顶级技术；英国国家基础设施 与国家基础设施相对应的数字孪生，并于 2019 年 1 月启动了相关计划；公司连续三年（2017-2019）将数字孪生列为年度十大战略技术发展趋势之一。

党的十九大报告明确提出，要加快建设制造强国。 《中国制造2025》指出，“以智能制造为主攻方向，推进生产过程智能化，培育新型生产方式，全面提升智能化水平。企业研发、生产、管理和服务”。在此背景下，数字孪生技术受到广泛关注，将产生巨大的发展潜力。

三、数字孪生加速各领域融合发展

根据相关研究分析，数字孪生目前在 11 个领域有 45 个子类应用。具体领域包括：安全急救、环保、航空航天、电力、汽车制造、油气工业、医疗保健、航运、城市管理、智慧农业和建筑施工。

从应用阶段来看，数字孪生技术贯穿于产品生命周期的各个阶段，与产品生命周期管理（PLM）的理念不谋而合。可以说，数字孪生技术的发展真正将PLM的能力和理念从设计阶段延伸到了项目生命周期。数字孪生以产品为主线，在生命周期的不同阶段引入不同的元素，形成不同阶段的表现形式。

在产品的设计阶段，数字孪生技术可以提高设计的准确性，并在真实环境中验证产品的性能。主要功能包括：数字模型设计、仿真和仿真。模拟产品的外形设计、性能和机械性能（强度、刚度、模态等），以优化设计、提高性能和降低成本。如今，法国 AG、美国、美国ANSYS开发的建模分析软件已广泛应用于工程设计领域。 2018 年 5 月，通用电气与美国海军研究办公室签署了一份价值 900 万美元的合同，使用数字孪生技术按需制造零件，以加快武器和设备的制造。

在产品的制造阶段，借助数字孪生技术，可以加快产品导入时间，提高产品设计质量，降低产品生产成本，加快产品交付速度。产品可以改进。产品阶段的数字孪生是一个高度协作的过程。以数字化手段构建的虚拟生产线将产品本身的数字孪生与生产设备、生产过程等其他形式的数字孪生高度融合，实现以下功能：生产过程模拟、数字化生产线、关键指标监控和过程能力评估。洛克希德·马丁公司利用数字孪生技术提高了 F-35 战斗机的生产效率，将单架飞机的制造周期从 22 个月缩短到 17 个月。

数字孪生技术也可以应用于产品的服务阶段。随着物联网技术的成熟和传感器成本的降低，许多工业产品，从大型设备到消费类产品，都使用大量传感器采集产品运营阶段。环境和工作状态，并通过数据分析和优化避免产品故障，提高产品的用户体验。服务阶段数字孪生可以实现远程监控和预测性维护、客户生产指标优化、产品使用反馈等功能。在基础设施建设和管理方面，数字孪生技术可用于市政设施的网络管理、远程交通调度、汽轮机、锅炉等复杂设施的管理。俄罗斯南乌拉尔国立大学开发了用于电驱动器的数字孪生技术，以协助维护电驱动器以预测故障并提高生产的可靠性和安全性。

四、不应低估数字孪生应用中的安全风险

如今，人工智能、大数据、工业互联网等技术的快速发展，推动了数字世界边界的快速扩张。基于数字孪生技术的智能制造的虚拟空间与物理空间之间的连接，以及过程中各部件之间的连接，都是基于网络信息流的传输。加速融合，从封闭系统向开放系统转变势在必行，系统性网络安全风险将集中。

一方面，智能制造的基础设备和控制系统面临未知的网络风险。原有的基本设备大多是长期在封闭系统环境中运行的简单设备。相关的硬件芯片和软件控制系统可能存在一定的未知安全漏洞。同时，由于缺乏应对互联网环境的固有安全措施，极易受到网络攻击，导致系统混乱、管理失控甚至系统瘫痪等网络安全问题。

另一方面，智能制造系统面临数据安全风险。随着当今网络攻击方式的不断变化，智能制造系统产生并存储了生产管理数据、生产运营数据、工厂外部数据等海量数据。这些数据可能通过大数据平台存储，也可能分布在用户、生产终端、设计服务器等各种设备上，任何设备的安全问题都可能导致数据泄露风险。同时，随着智能制造与大数据、云计算的融合，以及第三方协同服务的深入介入，大量异构平台的多层次协同，网络安全风险点数急剧增加，带来了更多的入侵。方法和攻击路径，进一步增加数据安全风险。

数字孪生作为一项前沿技术，基于虚拟现实技术，将在推动智能制造和智慧城市建设方面发挥重要作用。然而，作为一种开放共享的新兴技术，在加速与互联网融合的过程中数字孪生的强度思考与实践，势必面临一系列网络安全风险和挑战。为此，大力开展数字孪生领域的网络安全管理体系建设，提前确定风险和对策，将成为推动相关技术发展的必要措施。