1. 数字孪生关键技术概述

数字孪生技术通过构建物理对象的数字化镜像，描述物理对象在现实世界中的变化，模拟物理对象在现实环境中行为和影响，以实现状态监测、故障诊断、趋势预测和综合优化。为了构建数字化镜像并实现上述目标，需要用IOT、建模、仿真等基础支撑的关键技术通过平台化的架构进行融合，搭建从物理世界到孪生空间的信息交互闭环。整体来看，一个完成的数字孪生系统应包含以下四个实体层级:

1.1 数据采集与控制实体

主要涵盖感知、控制、标识等技术，承扣孪生体与物理对象间上行感知数据的采集和下行控制指令的执行。

1.2 核心实体

依托通用支撑技术，实现模型构建与融合、数据集成、仿真分析、系统扩展等功能，是生成孪生体并拓展应用的主要载体。

1.3 用户实体

主要以可视化技术和虚拟现实技术为主，承担人机交互的职能。

1.4 跨域实体

承担各实体层级之间的数据互通和安全保障职能。

数字李生技术架构

2.  基础技术：感知

感知是数字孪生体系架构中的底层基础，在一个完备的数字孪生系统中，对运行环境和数字孪生组成部件自身状态数据的获取，是实现物理对象与其数字孪生系统间全要素、全业务、全流程精准映射与实时交互的重要一环。因此，数字孪生体系对感知技术提出更高要求，为了建立全域全时段的物联感知体系，并实现物理对象运行态势的多维度、多层次精准监测，感知技术不但需要更精确可靠的物理测量技术，还需考虑感知数据间的协同交互，明确物体在全域的空间位置及唯一标识，并确保设备可信可控。

数字孪生感知系统构建

2.1 数字生全域标识

全域标识能够为物理对象赋予数字“身份信息”，支撑孪生映射。标识技术能够为各类城市部件、物体赋予独一无二的数字化身份编码，从而确保现实世界中的每一个物理实体都能与孪生空间中的数字虚体精准映射、一一对应，物理实体的任何状态变化都能同步反应在数字虚体中，对数字虚体的任何操控都能实时影响到对应的物理实体，也便于物理实体之间跨域、跨系统的互通和共享。同时，数字孪生全域标识是数字孪生中各物理对象及其数字孪生在信息模型平台中的唯一身份标识，数字孪生全域标识可实现数字孪生资产数据库的物体快速索引、定位及关联信息加载。目前，主流的物体标识采用Handle、Ecode、OID 等。

2.2 智能化技术

随着行业应用场景不断拓展，传统传感器已无法满足数字孪生对数据精度、一致性、多功能性的需求。而智能化传感器是将传感器获取信息的基本功能与专用微处理器的信息分析、自校准、功耗管理、数据处理等功能紧密结合在一起，具备传统传感器不具备的自动校零、漂移补偿、传感单元过载防护、数采模式转换、数据存储、数据分析等能力，其能力决定了智能化传感器具备较高的精度、分辨率，稳定性及可靠性，使其在数字孪生体系中不但可以作为数据采集的端口，更可以自发地上报自身信息状态，构建感知节点的数字孪生。

2.3 多传感融合技术

由于单一传感器不可避免地存在不确定或偶然不确定性，缺乏全面性、鲁棒性，所以偶然的微小故障就会导致系统失效。多传感器集成与融合技术通过部署多个不同类型传感器对对象进行感知，在收集观测目标多个维度的数据后，对这些数据进行特征提取的变换，提取代表观测数据的特征矢量，利用聚类算法、自适应神经网络等模式识别算法将特征矢量变换成目标属性，并将各传感器关于目标的说明数据按同一目标进行分组、关联，最终利用融合算法将目标的各传感器数据进行合成，得到该目标的一致性解释与描述。多传感器数据融合不仅可以描述同一环境特征的多个冗余信息，而且可以描述不同的环境特征，极大的增强了感知的冗余性、互补性、实时性和低成本性。

3. 基础技术：网络

网络是数字孪生体系架构的基础设施，在数字孪生系统中，网络可以对物理运行环境和数字孪生组成部件自身信息交互进行实时传输，是实现物理对象与其数字孪生系统间实时交互、相互影响的前提。网络既可以为数字孪生系统的状态数据提供增强能力的传输基础，满足业务对超低时延、高可靠、精同步、高并发等关键特性的演进需求，也可以助推物理网络自身实现高效率创新，有效降低网络传输设施的部署成本和运营效率。

伴随物联网技术的兴起，通信模式不断更新，网络承载的业务类型、网络所服务的对象、连接到网络的设备类型等呈现出多样化发展，要求网络具有较高灵活性:同时，伴随移动网络深入楼宇、医院、商超、工业园区等场景，物理运行环境对确定性数据传输、广泛的设备信息采集、高速率数据上传、极限数量设备连接等需求愈加强烈，这也相应要求物理运行环境必须打破以前“黑盒”和“盲哑”的状态，让现场设备、机器和系统能够更加透明和智能。因此，数字孪生体系架构需要更加丰富和强大的网络接入技术，以实现物理网络的极简化和智慧化运维。

3.1 基于行业现场网的组网技术

行业现场网是用于现场设备之间、现场设备与外部设备之间、以及设备与业务平台之间数据互通的通信与管理技术。行业近端网、组网需求碎片化，利用行业现场网可以为行业设备提供在近端通信域互操作的手段，实现行业现场异构网络的互联互通、柔性组网。

行业现场网关键技术包括面向资产盘点、出入库管理等场景的新型无源RFID技术，面向超低时延、超高可靠设备互通信的新型短距技术，面向数据高可靠确定性通信的确定性传输技术，面向环境监控等场景的中低速技术，及面向设备及人员定位的室内定位技术等。5G+行业现场网是以网关为中心，南向通过无源RFID、短距、确定性传输等现场网技术实现现场设备连接与通信，北向通过5G网络将行业现场生产及管理数据传输到平台，可服务于行业生产现场，满足各类业务差异化需求。行业现场网与5G协同，一方面能够满足不同行业现场通信需求，进一步提升网络的管理和运维能力;另一方面可结合边缘计算、算力感知等能力，提升网络的智能化能力。

5G+行业现场网体系架构

3.2 基于SLA服务的QoS保障技术

网络故障将带来丢包、乱序、时延、抖动，甚至网络服务中断等问题，这会直接影响用户的使用体验和满意度。如何结合不同等级的SLA服务对网络可靠性的需求，保证网络业务用户体验是数字孪生网络的重点研究内容之一。具体来说，基于SLA服务的OoS架构及能力分级管理方法，就是通过构建全流程、一体化的网络可靠性参数集、资源分配策略，包括端到端 OoS 映射规则、配置规则、监测及保障机制等，实现高效、可靠的SLA服务管理的增强，以承载各种能力等级要求的泛在感知应用，以及与之相关的用户体验一致性服务。

作为一种服务质量增强技术，该技术可以将包括用户服务质量请求在内的SLA请求参数高效传递给抽象后的网络管理虚拟化节点，并且逐步根据 OoS服务的共性特征，形成API封装的平台级能力。

3.3 资源编排技术

由于数字孪生网络可以感知无处不在的计算和服务，如何实现物理网络资源的统筹调度及编排，是数字孪生网络的重点研究内容之一。具体来说，数字孪生网络的各级管理实体应能够根据感知采样周期、网络拓扑结构和差异化数据质量需求等，以主动协商的方式对抽象后的网络资源、计算资源进行灵活度量和协同编排，决定在什么时间、什么地点、使用合理的网络控制面和用户面资源来传输什么内容，为全要素、全业务数据的感知信息在网络会话中的关联、分发提供可信服务。

作为一种网络资源智能调度技术，该技术可快速将高优先业务流匹配至最优节点，实现对高质量感知数据的优先传输、运营，也可对整体网络资源进行最优部署、管理，有效降低物理网络的总能耗，实现绿色低碳、计算智能的低能耗网络组合。

3.4 基于智能路由的数据流控技术

感知数据高效传输是满足物联网系统实现计算智能、认知智能的必要前提。如何在通信域全业务周期中为所有感知节点的实时数据流提供柔性组网、接纳控制的方法，是数字孪生网络的重点研究内容之一。具体来说，物理网络为了满足行业近端网络碎片化的组网需求，需要考虑引入智能路由的方式，在网络控制平面中定义多通信域之间的角色选择、信息交互机制及交互格式等，实现信息资源在网络中的自动化关联、寻址、调配等智能功能，高效指导实时数据流在全业务周期内的路由配置。

作为一种网络管道增强技术，该技术综合考虑全网路由状况和数据流计算状况，在用户不关心物理网络路由配置状态的前提下，保证每个业务流数据的传输路径的先后顺序和逻辑关系，可适用于异构网络自适应融合通信、多域数据流接纳控制等场景，在在网络流量全息透视、网元全生命周期管理等场景也能发挥重要作用。

4. 关键技术：建模

数字孪生的建模是将物理世界的对象数字化和模型化的过程。通过建模将物理对象表达为计算机和网络所能识别的数字模型，对物理世界或问题的理解进行简化和模型化。数字孪生建模需要完成从多领域多学科角度模型融合以实现物理对象各领域特征的全面刻画，建模后的虚拟对象会表征实体对象的状态、模拟实体对象在现实环境中的行为、分析物理对象的未来发展趋势。建立物理对象的数字化建模技术是实现数字孪生的源头和核心技术，也是“数字化”阶段的核心。

而模型实现方法研究主要涉及建模语言和模型开发工具等，关注如何从技术上实现数字孪生模型。在模型实现方法上，相关技术方法和工具呈多元化发展趋势。

当前，数字孪生建模语言主要有Modelica、AutomationML、UML、SysML及XML等。一些模型采用通用建模工具如CAD等开发，更多模型的开发是基于专用建模工具如FlexSim和Ofsm等。

按照实现来看，物理对象的建模可以包含是个步骤，如下图所示，模型抽象、模型表达、模型构建、模型运行。其中模型抽象实现对物理对象的特征抽象、模型表达对抽象后的信息进行描述，模型构建阶段会实现模型的校验、编排等，模型运行提供虚拟模型运行环境。

数字生模型构建流程

为了达到物理实体与数字实体之间的实时准确刻画，需要基础支撑技术做为依托，同时经历多阶段的演进才能很好的实现物理实体在数字世界中的塑造。在数字孪生建模的过程中涉及到的技术来看，涉及到不同领域的技术族，可以从模型建模的使用场景来分析。IT、OT、CT三个领域有各自的特点。IT领域目前的建模主要集中在两个场景，物联网设备建模和数字孪生城市等场景建模。其中物联网设备的建模主要由大的平台厂家推动，实现设备数据的平台呈现，在描述层面，大多采用json、xml等语言进行描述，自定义架构，并采用MOTT，COAP等应用传输协议进行虚实系统交互。OT领域建模主要集中在复杂装备，对于OT领域的复杂装备和场景的建模，需要融合机械、电气、液压等不同领域知识。

Modelica是由瑞典非赢利组织Modelica协会开发，是一种开放的、面向对象的、基于方程的多领域统一物理系统建模语言，支持例如机械、电气、液压、控制、电磁等面向对象的组件模型构建。工业界的三大工业建模工具都支持Modelica建模语言。Modelica开放、标准、与平台无关的特性，逐渐形成了丰富的模型库生态，利用模型库可很大提高建模效率和质量，模型库也成为商业建模工具最重要的竞争力。另外，如OPCUA等技术，在OT领域的信息模型构建方面也提供了如信息模型描述，信息模型模板等技术。CT领域的模型构建能力主要集中在网络基础设施和网络组网等能力的构建，主要集中在信息模型领域，以SNMP/mib方式为主，实现网络中网元状态信息，配置信息等的交互。对于CT领域数字孪生的需求，目前业界研究telemetry技术，用netconf/YANG来实现更高效的虚实交互能力。

从不同层面的建模来看，可以把模型构建分为几何模型构建、信息模型构建、机理模型构建等不同分类，完成不同模型构建后，进行模型融合，实现物理实体的统一刻画。如下图提供的模型融合架构。面对不同领域的多种异构模型，需要提供统一的协议转换和语义解析能力。

跨领域虚实交互框架

数字孪生模型的建立以实现业务功能为目标，对于不同的建模技术，最核心的竞争力都在工具和模型库。数字孪生模型库的组件原则可以提供以人员、设备设施、物料材料、场地环境等信息为主要内容的对象组件模型库，也可以生产信息规则模型库、产品信息规则模型库、技术知识规则模型库为主要内容的规则模型库。也可提供与人机交互、业务展示相关的几何、拓扑等模型库。数字孪生模型库是与建模工具相辅相成的能力，作为数字孪生技术的底座和核心，模型构建的理论、方法和相关工具及模型库的发展，都是数字孪生核心的技术，这些都是数字孪生技术应用的有效支撑。

5. 关键技术：仿真

数字孪生体系中的仿真作为一种在线数字仿真技术，将包含了确定性规律和完整机理的模型转化成软件的方式来模拟物理世界。只要模型正确，并拥有了完整的输入信息和环境数据，就可以基本正确地反映物理世界的特性和参数，验证和确认对物理世界或问题理解的正确性和有效性。从仿真的视角，数字孪生技术中的仿真属于一种在线数字仿真技术，可以将数字孪生理解为:针对物理实体建立相对应的虚拟模型，并模拟物理实体在真实环境下的行为。和传统的仿真技术相比，更强调物理系统和信息系统之间的虚实共融和实时交互，是作贯穿全生命周期的高频次并不断循环迭代的仿真过程。因此仿真技术不再仅仅用于降低测试成本，通过打造数字孪生，仿真技术的应用将扩展到各个运营领域，甚至涵盖产品的健康管理、远程诊断、智能维护、共享服务等应用。基于数字孪生可对物理对象通过模型进行分析、预测、诊断、训练等(即仿真)，并将仿真结果反馈给物理对象，从而帮助对物理对象进行优化和决策。因此仿真技术是创建和运行数字孪生体、保证数字孪生体与对应物理实体实现有效闭环的核心技术。

与数字生相关的各部分

随着与云计算、大数据、物联网、人工智能等新技术新理念的融合，仿真进入了一个新的发展阶段，向着数字化、网络化、服务化、智能化方向发展，体系逐渐完备。从对象、架构及粒度维度,数字孪生仿真技术发展出很多种类和分支。按被仿真的对象可以分为:工程系统仿真，将实际工程的状态在模型中进行模拟，通过仿真技术确认工程系统的内在变量对被控对象的影响，如制造过程的仿真，仿真技术已被用于产品制造的整个生命周期;自然系统仿真，对自然场景进行真实模拟，部分自然场景具有不规则性、动态性和随机性，如气候变化仿真、自然灾害仿真，因此对自然场景的实时仿真具有重大的意义:社会系统仿真，是对复杂社会系统的描述与研究方法，有助于提高决策层对系统运行状态的快速掌握以及对各种状况的及时处理，如人工社会、经济行为的仿真:生命系统仿真，是以生命系统为研究对象，以生命的某种功能为划分系统的原则，以定量研究为特点的一种新兴学科，如数字人体，数字人体是指用信息化与数字化的方法研究和构建人体，即人体活动的信息全部数字化之后，由计算机网络来管理的技术系统，用以了解整个人体系统所涉及的信息过程，并特别注重人体系统之间信息的联系与相互作用的规律。军事系统仿真，在军事仿真方面，有战争模拟、作战演练、装备使用和维修培训等应用场景，能节约经费、提高效率、保护环境、减少伤亡。如通过仿真进行军事演习，可以极大地降低演习的消耗，并避免人员的伤亡。