数字孪生：不仅仅只是一种炒作

“数字孪生”这一概念仅仅是炒作，还是一个从新角度推销建模软件的把戏？在本篇博文中，我们讨论了模型、App 和数字孪生之间的区别。我们得出的结论是，虽然这个概念（相对于其最初的表述）在一定程度上遭到了误用，但它背后其实蕴含了实质性内容。

什么是数字孪生？

航空航天工业是最早使用数字孪生的行业之一。在一篇很有见地的论文中，Glaessgen 和 Stargel （参考文献1 ）阐释了数字孪生在飞行器认证和机队管理中的应用，可以实现“持续地预测飞行器或系统的健康状况、剩余使用寿命，以及任务成功概率。”对数字孪生的描述如下：“数字孪生是已建成飞行器或系统的一个集成的多物理场、多尺度、概率仿真，它借助了现有最佳的物理模型、传感器更新和机队历史等来反映其对应的孪生实体飞行物的寿命。”

“数字孪生”一词是由美国密歇根大学的 Michael Grieves 于2011年所创造的（参考文献2 ）。早在2002年，这一概念就已由 Grieves 提出，但后来又被称为“镜像空间模型”。根据 Grieves 给出的定义，数字孪生概念由真实空间和虚拟空间组成，其中虚拟空间包含了从真实空间收集到的所有信息，它还包含从微观层次到几何和宏观层次对物理设备或过程的高保真描述。数字孪生提供的这种描述应该“与物理孪生所提供的几乎没有区别。”（参考文献3 ）

M. Grieves 给出的一些定义

• 数字孪生原型（Digital twin prototype，DTP）：用于数字孪生实例的原型，精确的高保真模型通常是这样一个原型的组成部分。然而，这一原型还不（尚未）包括实测数据和来自特定物理设备的报告。
• 数字孪生实例（Digital twin instance，DTI）：包含特定产品、设备或过程的参数、控制参数、传感器数据和历史数据的数字孪生。例如，这样的实例可以对特定战斗机中的特定发动机进行寿命预测，如上文所述。
• 数字孪生聚合（Digital twin aggregate，DTA）：可能没有独立且唯一的数据结构的数字孪生集合。相反，DTI 这一组成部分可以相互查询数据。
• 数字孪生环境（Digital twin environment，DTE）：用于操作数字孪生的集成多域物理场应用空间。

数字孪生概念中一个重要的要求是，它应该是对真实物理产品、设备或过程的动态和持续更新的表示，而不应该是对真实空间的静态表达。真实空间和虚拟空间从产品、设备或过程的制造、操作到处置都是相互联系的。来自传感器的信息、来自用户的报告以及通过制造和操作过程收集的其他信息，都必须连续地传输到数字孪生中。可用于设计和操作真实设备的预测、控制参数和其他变量都必须从虚拟空间连续地传回真实空间。

与传统模型相比，数字孪生在真实空间和虚拟空间之间有着非常紧密的联系。

如果我们观察喷气式飞机在运行阶段（包括态势感知阶段）的情况，飞机的传感器和控制系统可能会不断地向数字孪生发送数据。此外，飞行员还可以发送数据和报告。数字孪生可以向飞机传回控制参数和报告。因此，数字孪生的某些方面可以实时运行，并部署在飞机的不同计算机系统中，而其他要求更高的任务可能无法在真实设备上实时运行。在任何情况下，真实空间和虚拟空间之间都存在着密切的联系。

系统、子系统和虚拟子空间

我们可以想象得到，喷气式飞机是一个极其复杂的系统，这种先进机器的高保真建模与仿真环境可能需要数百甚至上千个多物理场和多尺度模型才能准确描述。

例如，为了优化喷气飞机的性能，以及预测和控制燃烧的工作条件，喷气发动机可以用燃烧模型来描述。CFD 模型也可以与燃烧模型耦合，而燃烧模型又可以与燃料分配系统的管流模型耦合。而且，冷却系统可能需要一个特定的模型，其中管流模型可与固体传热和 CFD 耦合。此外，考虑到流场和流体所施加的力，多体动力学-流固耦合（fluid-structure interaction, FSI）模型可以预测和控制喷气发动机某些部件的运动；可以进行结构力学分析，并可将其与某些关键部件的精确微观材料模型耦合，这些关键部件则对疲劳和温度循环表现得敏感。这些模型可以连续地从以下条件获取数据：涡轮中的流量、气体混合物的成分、温度、喷气发动机的转数、振动、速度以及特定涡轮所有操作变量的历史数据——而且，仅涡轮就还有许多其他方面的数据。

通过 CFD 和传热分析，可以计算出涡轮定子上的应力和应变。这些应力使工程师能够估算出涡轮定子在因疲劳而面临故障风险之前可能承受的循环次数。数字孪生实例记录了温度循环次数，以及定子在使用寿命期间承受的最大应力和应变。

喷气式飞机的其他部件也需要同样准确的描述。飞行控制、液压、起落架和其他子系统可能有自己的数字孪生，而各数字孪生都由多物理场、多尺度模型、仿真数据、传感器数据和历史数据组成。

上图显示了战斗机中一些最重要的子系统。数字孪生由许多不同的子空间组成，而这些不同的子空间又包含飞机每个子系统的模型、仿真数据、实测数据和报告。此类系统可以用数字孪生聚合来描述。

因此，数字孪生可能由许多虚拟子空间和子系统组成，这些虚拟子空间和子系统可相互通信并查询信息，例如在数字孪生集合中。仿真数据管理系统可以协调不同的多物理场和多尺度模型之间的松散连接，如通过查询来自另一个子系统的更新信息来执行仿真。具有协同仿真功能的系统模型可用于运行需要不同子系统之间双向耦合的仿真。

高保真模型、传感器数据、历史数据和用户报告可用于产品、设备或过程的不同阶段的数字孪生。对于上述喷气式飞机的情况，数字孪生及其技术可应用于以下过程：设计、认证、制造、操作、态势感知和使用寿命预测。（参考文献1 ）

轻量级模型

高保真多物理场和多尺度模型可能需要计算机能力，并且可能需要很长的计算时间才能给出结果。然而，一些物理产品的系统可能需要实时的仿真数据；例如，用于上述喷气式飞机的控制系统和实时诊断。为了能够对来自真实系统的查询进行快速回复的目的，数字孪生必须包含能够提供快速回复的轻量级模型。

对这一简单的基准机翼剖面进行精确 CFD 仿真（LES），需要耗费数小时才能在相对强大的台式计算机上运行。而对真实机翼几何结构进行相应的仿真，则需要在超级计算机上耗费数小时的计算。这类精确的仿真只能用于验证一系列更简单的模型，比如湍流模型，再到可以实时运行的非常简单的集总模型。

轻量级模型的缺点在于它们的有效性范围是有限的。数字孪生则可以通过使用高保真模型、传感器和操作范围的报告数据来持续验证轻量级模型，以此扩大其有效性范围。轻量级模型的更新可以是按计划执行的，而当操作范围接近以前验证过的范围之外时也可以触发更新。

轻量级模型的好处是显而易见的：速度很快。通过战斗机的例子就可以发现，轻量级模型能够嵌入到控制这些子系统的子系统和计算机中。这些模型的持续更新和验证可以借助传感器和报告数据来完成，也可以通过与空军设施的超级计算机进行高速通信来完成，其中高保真多物理场和多尺度模型同历史数据和传感器数据一起得到了部署。

炒作

通过以上讨论，我们可以得出结论：大量的传感器数据、历史数据、报告、仿真数据和控制参数都必须在真实空间和虚拟空间之间发送，并存储在一个统一的存储库中。针对军用，所有这些数据资料都将在一个封闭系统内进行传输，在该系统中，喷气式战斗机使用军事通信系统与空军设施内的超级计算机进行通信。针对民用，对通信和计算的需求解释了围绕物联网（internet of things， IoT）、5G 网络、机器学习和云计算连同数字孪生一起的炒作。封闭系统中的类似要求适用于军事用途。

这些技术与数字孪生概念相结合具有真正的价值。这不仅仅是炒作!

民用方面，物联网能够传输传感器数据，并将验证和控制数据传回设备中的嵌入式系统，这一点至关重要。机器学习，亦称人工智能，它可以用来决定何时查询或更新子系统、传感器和不同的模型，以保持数字孪生和物理设备或过程的高保真。云计算可用于求解复杂的模型方程、验证模型、过滤并处理实测数据、存储并处理历史数据，并根据用户或 AI 的命令查询不同的系统和子系统。因此，这个概念有其真正的价值，而不仅仅是炒作。

COMSOL Multiphysics® 和数字孪生

显而易见，COMSOL Multiphysics® 软件可以为数字孪生高保真描述的创建提供所需的多物理场和多尺度模型。此外，COMSOL® 软件还能够使用实测数据，并结合不同的参数估计、优化和控制方法来控制和验证这些模型。COMSOL Multiphysics 还提供了模型降阶方法（参考文献4 ）和集总模型方法，这些方法可用于生成并验证轻量级模型。

COMSOL Multiphysics 模型还可以包含多个模型组件，以便借助能实现非常紧密耦合的组件对系统进行建模。例如，一个系统模型可以是喷气式发动机的模型，其中包含一个用于燃料分配系统的管流模型组件、一个用于冷却系统的组件、一个或多个用于发动机不同部件的结构模型组件、燃烧和 CFD 模型组件。

在 COMSOL Multiphysics 中，借助 COMSOL API 与 Java® 一起使用 可以实现真实空间和虚拟空间之间的紧密连接。包含在模型中的 Java® 程序可以与外部系统进行通信，例如，通过使用动态链接库文件（dynamic link library files，dll-files）。得益于 Java® 生态系统，还可以将虚拟空间实现为 web 服务（比如运行在 Tomcat 中基于 Java® 的 web 服务），举例来说，这种 web 服务可以提供表征性状态转移应用程序接口（representation state transfer application programming interface，REST API），用于与真实空间进行通信。这将会是数字孪生环境的核心部分。

运行 Apache Tomcat 的 Web 服务提供了一个 REST API，可以用来在物理设备和 COMSOL App 之间建立起紧密连接，从而实现数字孪生的创建。涡轮图片由 Sanjay Acharya — Own work 提供，在 CC BY-SA 3.0 授权下使用，通过维基共享资源发布。

COMSOL Server™ 用来对模型和 App 进行管理，这些模型和 App 可用于查询输入文件或运算符更新所触发的仿真数据。此外，借助 COMSOL Compiler™ 编译的 App，可以用来接收输入数据，并以控制参数和报告的形式生成输出数据。COMSOL Server™ App 和编译的 App 中的唯一局限是：在执行过程中不能对输入进行更新（这两者与上面使用 COMSOL API for use with Java® 的示例截然相反，而后者则可以实时持续接收输入数据）。

输入在一开始执行就已经完成，而在执行过程中的输出可能是连续进行的。因此，COMSOL Server™ 和编译的 App 的典型用法是在功能相对强大的计算机上运行高保真度描述。这些 App 可以在数字孪生中进行查询，以生成用于验证可能嵌入到产品、设备或过程中的轻量级模型的数据。

结束语

从上面的讨论我们可以得出结论，数字孪生的概念不仅仅是炒作。在设计、制造、操作甚至是处理过程中，数字孪生能够理解、预测和优化产品、设备或过程，这便是其巨大的价值所在。例如，在战斗机的例子中，数字孪生会遵循其物理对应物的产品生命周期，以相对较低的成本交付设计、控制和运行参数，以及进行安全和寿命预测。

COMSOL Multiphysics、COMSOL Server™ 和 COMSOL Compiler™ 都可以提供多物理场、多尺度和轻量级模型，以及数字孪生的验证和控制方法，所有这些都可以通过真实的多物理场功能在真实空间和虚拟空间之间提供最高的保真度!

下一步

如需了解更多关于 COMSOL Multiphysics 模型和仿真 App 如何适用于贵单位的数字孪生的使用，以及评估本软件，请通过以下按钮与我们联系：

参考文献

1. E. Glaessgen and D. Stargel, “The Digital Twin Paradigm for Future NASA and U.S. Air Force Vehicles,” 53rd Structures, Structural Dynamics and Materials Conference, 2012.
2. M. Grieves, “Origins of the Digital Twin Concept”, working paper, Florida Institute of Technology, 2016.
3. M. Grieves, “Digital Twin: Manufacturing Excellence through Virtual Factory Replication,” Michael W. Grieves, LLC, 2014.
4. D. Hartmann, M. Herz, and U. Wever, “Model Order Reduction a Key Technology for Digital Twins”, Reduced-Order Modeling (ROM) for Simulation and Optimization, pp. 167–179, Springer, 2018.

Oracle和Java是Oracle和/或其附属公司的注册商标。