黃海松 陳啟鵬 李宜汀 姚立國 張松松

摘 要：數(shù)字孿生技術(shù)作為實(shí)踐智能制造理念的使能技術(shù)與手段，能夠有效解決智能制造的信息物理融合難題，已成為當(dāng)前世界各國學(xué)術(shù)界和工業(yè)界關(guān)注的熱點(diǎn)。為了更好地理解和應(yīng)用數(shù)字孿生，本文首先從數(shù)字孿生的背景和定義兩方面進(jìn)行歸納和總結(jié);在此基礎(chǔ)上，從公開出版年度、主要出版國家、主要研究方向等不同維度，采用文獻(xiàn)計(jì)量分析方法對(duì)Web of Science（WOS）核心合集數(shù)據(jù)庫近5年來收錄的與數(shù)字孿生相關(guān)文獻(xiàn)進(jìn)行研究，綜述了數(shù)字孿生技術(shù)在產(chǎn)品設(shè)計(jì)、工業(yè)生產(chǎn)、制造服務(wù)方面的應(yīng)用;最后對(duì)數(shù)字孿生技術(shù)未來的發(fā)展方向進(jìn)行展望，以期為數(shù)字孿生技術(shù)在智能制造領(lǐng)域的落地應(yīng)用提供一定的理論參考和借鑒。

關(guān)鍵詞：數(shù)字孿生;文獻(xiàn)計(jì)量;智能制造;應(yīng)用

中圖分類號(hào)：TP18

文獻(xiàn)標(biāo)識(shí)碼： A

文章編號(hào)?1000-5269（2020）05-0001-08???DOI：10.15958/j.cnki.gdxbzrb.2020.05.01

隨著新一代信息技術(shù)與制造技術(shù)的深度融合發(fā)展，制造業(yè)的生產(chǎn)方式正在發(fā)生深刻變革，先進(jìn)制造業(yè)的發(fā)展正處于重要的戰(zhàn)略機(jī)遇期，全球各主要工業(yè)化國家相繼提出新的國家級(jí)工業(yè)發(fā)展戰(zhàn)略，如德國的“工業(yè)4.0” 、美國的“先進(jìn)制造業(yè)國家戰(zhàn)略計(jì)劃”、英國的“工業(yè)2050戰(zhàn)略”等，力求通過“再工業(yè)化”發(fā)展先進(jìn)制造業(yè)。雖然這些戰(zhàn)略的提出背景不同，但其共同目標(biāo)之一是實(shí)現(xiàn)制造的物理世界與信息世界的交互融合，從而驅(qū)動(dòng)整個(gè)制造業(yè)的智能化發(fā)展。與此同時(shí)，為推動(dòng)“中國制造”向“中國智造”、“中國創(chuàng)造”加速轉(zhuǎn)變，我國于2015年出臺(tái)“中國制造2025” 作為推進(jìn)制造強(qiáng)國的國家戰(zhàn)略[1-2]。為實(shí)現(xiàn)傳統(tǒng)制造業(yè)向智能制造的轉(zhuǎn)型升級(jí)，學(xué)術(shù)界和工業(yè)界圍繞大數(shù)據(jù)（big data）、工業(yè)物聯(lián)網(wǎng)（internet of things， IOT）、云計(jì)算（cloud computing）、人工智能（artificial intelligence）、區(qū)塊鏈（block chain）等新興技術(shù)領(lǐng)域開展了大量研究和實(shí)踐。

數(shù)字孿生（digital twin）技術(shù)作為實(shí)踐智能制造理念的使能技術(shù)與手段，能夠有效解決智能制造的信息物理融合難題，也被越來越多的學(xué)者關(guān)注和重視，研究并將其用于解決實(shí)際的工程問題。美國工業(yè)互聯(lián)網(wǎng)核心框架和德國工業(yè)4.0架構(gòu)都將數(shù)字孿生作為重要組成部分，世界最大的國防承包商LMT公司（Lockheed Martin Corporation）在未來國防和航天工業(yè)頂尖技術(shù)中將數(shù)字孿生排在首位[3]，世界頂級(jí)的工業(yè)軟件公司SIEMENS、ESI、DASSAULT、PTC等將數(shù)字孿生技術(shù)用于產(chǎn)品設(shè)計(jì)、流程優(yōu)化、數(shù)據(jù)驅(qū)動(dòng)決策等業(yè)務(wù)。全球最具權(quán)威的IT研究與顧問咨詢公司Gartner在2017年和2018年將數(shù)字孿生技術(shù)列為十大戰(zhàn)略科技發(fā)展趨勢[4-5]。具體如圖1、圖2所示，通過新興技術(shù)成熟度曲線可知，數(shù)字孿生技術(shù)在2019年達(dá)到期望膨脹期的頂峰，將在未來2—5年內(nèi)產(chǎn)生顛覆式創(chuàng)新，數(shù)字孿生將代表數(shù)十億個(gè)事物，藉此來實(shí)現(xiàn)對(duì)物理世界中實(shí)體的了解、分析和優(yōu)化[6]。中國科學(xué)技術(shù)協(xié)會(huì)在其近期發(fā)布的2020重大科學(xué)問題和工程技術(shù)難題中將“如何建立虛擬孿生理論和技術(shù)基礎(chǔ)并開展示范應(yīng)用”列為前沿科學(xué)問題[7]。

1?數(shù)字孿生技術(shù)概述

1.1?數(shù)字孿生的背景

業(yè)界普遍認(rèn)為數(shù)字孿生的概念最初是由美國密歇根大學(xué)的GRIEVES M教授首次提出。他于2002年在PLM中心成立時(shí)向工業(yè)界發(fā)表演講的幻燈片中針對(duì)產(chǎn)品全生命周期管理（product lifecycle management， PLM）提出 “與物理產(chǎn)品等價(jià)的虛擬數(shù)字化表達(dá)”的概念[10]，具體如圖3所示。該概念源于對(duì)裝置的信息和數(shù)據(jù)進(jìn)行更清晰地表達(dá)的期望，希望能夠?qū)⑺械男畔⒎旁谝黄疬M(jìn)行更高層次的分析，但當(dāng)時(shí)并沒有準(zhǔn)確命名。GRIEVES M教授于2005年將該概念模型命名為鏡像空間模型（mirrored spaces model， MSM），于2006年將其命名為信息鏡像模型（information mirroring model， IMM）[11-12]。2011年將其命名為數(shù)字孿生（digital twin， DT），該名稱由美國國家航空航天局（NASA）VICKERS J提出，并一直延續(xù)至今[13]。

數(shù)字孿生這一理念最早被應(yīng)用于航空航天領(lǐng)域，NASA于2010年在其撰寫的空間技術(shù)路線圖中提出數(shù)字孿生體2027計(jì)劃，并將其列為未來10—20年的最大挑戰(zhàn)之一[15]。與此同時(shí)，美國國防部提出數(shù)字孿生體，并設(shè)計(jì)了數(shù)字線程（digital thread），它是基于物理的模型實(shí)例，成為跨領(lǐng)域交換數(shù)據(jù)的基礎(chǔ)。美國空軍研究實(shí)驗(yàn)室（AFRL）于2011年提出機(jī)身數(shù)字孿生（airframe digital twin）的概念，用于解決戰(zhàn)斗機(jī)機(jī)體的維護(hù)問題[16]。在上述理論和應(yīng)用的推動(dòng)下，數(shù)字孿生技術(shù)在工業(yè)領(lǐng)域也獲得了高度的重視。SIEMENS在2016年就開始嘗試?yán)脭?shù)字孿生體來完善工業(yè)4.0應(yīng)用，2017年底正式發(fā)布了完整數(shù)字孿生體的應(yīng)用模型[17]。GE在2016年正式推出了面向全球工業(yè)領(lǐng)域的Predix物聯(lián)網(wǎng)平臺(tái)，并在其SaaS層提供數(shù)字孿生功能服務(wù)，數(shù)字孿生技術(shù)可以使工業(yè)領(lǐng)域的產(chǎn)品生命周期管理流程延伸到設(shè)備生產(chǎn)、操作的現(xiàn)場，從而建立起一個(gè)完整、閉環(huán)的“設(shè)計(jì)-制造-運(yùn)營-優(yōu)化”的產(chǎn)品周期[18]。ANSYS在2018年推出Twin Builder平臺(tái)，用于幫助用戶在統(tǒng)一的工作流程中構(gòu)建、驗(yàn)證和部署基于仿真的數(shù)字孿生體，實(shí)現(xiàn)工業(yè)資產(chǎn)的連接功能與整體系統(tǒng)仿真充分結(jié)合，從而開展診斷和故障排除工作，確定理想的維護(hù)程序，優(yōu)化工業(yè)資產(chǎn)設(shè)備的性能，從中獲得潛在的重要數(shù)據(jù)來推動(dòng)產(chǎn)品革新[19]?；谝陨蠎?yīng)用分析可知，數(shù)字孿生技術(shù)能夠有效實(shí)現(xiàn)物理世界與信息世界的交互融合。

1.2?數(shù)字孿生的定義

GRIEVES M教授最初僅對(duì)數(shù)字孿生的模型進(jìn)行定義，即由物理實(shí)體、虛擬實(shí)體以及兩者之間的連接共同組成，并沒有對(duì)其具體定義進(jìn)行描述。而后，在NASA撰寫的空間技術(shù)路線圖中對(duì)數(shù)字孿生定義如下：數(shù)字孿生是一種面向飛行器或系統(tǒng)的高度集成多學(xué)科、多物理量、多尺度、多概率的仿真模型，能夠充分利用物理模型、傳感器更新、運(yùn)行歷史等數(shù)據(jù)，在虛擬空間中完成映射，從而反映實(shí)體裝備全生命周期過程[15，20]，具體如圖4所示。NASA對(duì)于數(shù)字孿生的定義受到了廣泛的關(guān)注和認(rèn)可，在此基礎(chǔ)上，不同領(lǐng)域的研究人員也提出了自己的理解和定義，具體如表1所示。

2?數(shù)字孿生技術(shù)學(xué)術(shù)研究現(xiàn)狀分析

本文選擇WOS核心合集數(shù)據(jù)庫對(duì)近5年來收錄與數(shù)字孿生技術(shù)相關(guān)的文獻(xiàn)進(jìn)行統(tǒng)計(jì)分析，采用可視化網(wǎng)絡(luò)分析工具CiteSpace（5.7.R1）生成知識(shí)圖譜[32]，用以闡述近些年數(shù)字孿生技術(shù)在國內(nèi)外研究情況。 檢索文獻(xiàn)類型包括文章、會(huì)議論文、會(huì)議摘要等，檢索方式采用WOS中的高級(jí)檢索工具，使用字段標(biāo)識(shí)、布爾運(yùn)算符、括號(hào)和檢索結(jié)果集來創(chuàng)建檢索式，檢索式字符串為：TS=（“digital twin” OR “digital twins”） AND PY?2016—2020，即在主題（包括標(biāo)題、摘要和關(guān)鍵詞）中搜索出版年在2016—2020年間包含“digital twin”或 “digital twins”的字段。

2.1?公開出版文獻(xiàn)年度統(tǒng)計(jì)分析

2016—2020年以來檢索到已被WOS核心合集數(shù)據(jù)庫公開收錄的文獻(xiàn)累計(jì)460篇。從年度發(fā)表的文獻(xiàn)數(shù)量上可知，總體趨勢呈逐年上漲。2016年文獻(xiàn)發(fā)表數(shù)量較少，年度數(shù)量為2篇，2017年發(fā)表數(shù)量為16篇，2018年數(shù)字孿生逐漸開始進(jìn)入快速成長期，當(dāng)年發(fā)表數(shù)量為36篇，2019年發(fā)表數(shù)量為184篇，2020年截止到8月發(fā)表數(shù)量為222篇，具體如圖5所示。其中2019年的發(fā)表數(shù)量占近5年的40.00%，2020年的發(fā)表數(shù)量占近5年的48.26%，預(yù)計(jì)未來幾年還將呈快速發(fā)展的勢頭。

2.2?主要出版國家及研究機(jī)構(gòu)分布統(tǒng)計(jì)分析

從近5年來發(fā)表相關(guān)文獻(xiàn)的主要出版國家分布統(tǒng)計(jì)分析可知，截止到2020年8月在全球范圍內(nèi)已有超過30個(gè)國家參與數(shù)字孿生技術(shù)的研究，具體如圖6所示，主要出版國家共現(xiàn)知識(shí)圖譜中節(jié)點(diǎn)總數(shù)為33，邊數(shù)為100。其中，排名在前5位的國家分別為中國（占比21.96%）、美國（占比16.52%）、德國（占比13.26%）、英國（占比10.00%）、意大利（占比6.96%）。這些國家均已具有完整的工業(yè)體系和強(qiáng)大的科技實(shí)力。通過主要研究機(jī)構(gòu)統(tǒng)計(jì)分析可知，已有超過900所高校、研究院和企業(yè)對(duì)數(shù)字孿生技術(shù)開展相關(guān)研究并發(fā)表學(xué)術(shù)成果，具體如表2所示。排名在前5位的研究機(jī)構(gòu)分別為中國北京航空航天大學(xué)（占比3.26%）、瑞典查爾姆斯理工大學(xué)（占比2.39%）、中國廣東工業(yè)大學(xué)（占比2.17%）、法國國家科學(xué)研究中心（占比1.96%）、韓國成均館大學(xué)（占比1.96%）。此外，英國劍橋大學(xué)、德國亞琛工業(yè)大學(xué)、美國佐治亞理工學(xué)院等世界一流大學(xué)以及德國西門子公司、美國通用電氣公司等世界一流企業(yè)正在圍繞數(shù)字孿生技術(shù)的理論與應(yīng)用開展研究，且這一趨勢逐年上漲，充分表明此項(xiàng)技術(shù)具有很大的研究價(jià)值。

2.3?主要研究方向及出版物統(tǒng)計(jì)分析

從近5年來發(fā)表相關(guān)文獻(xiàn)的主要研究方向統(tǒng)計(jì)分析可知，數(shù)字孿生技術(shù)涉及超過60個(gè)研究方向，目前處于滲透期，具體如圖7所示，主要研究方向共現(xiàn)知識(shí)圖譜中節(jié)點(diǎn)總數(shù)為64，邊數(shù)為236。其中，工程（占比67.61%）和計(jì)算機(jī)科學(xué)（占比30.00%）為數(shù)字孿生技術(shù)最主要的研究方向，可以預(yù)測未來數(shù)字孿生技術(shù)有望在各個(gè)領(lǐng)域展開應(yīng)用。通過主要出版物統(tǒng)計(jì)分析可知，有超過290個(gè)在WOS核心合集數(shù)據(jù)庫中收錄的出版物發(fā)表過與數(shù)字孿生相關(guān)的文獻(xiàn)，具體如圖8所示。如美國電氣和電子工程師協(xié)會(huì)旗下的《IEEE ACCESS》、泰勒-弗朗西斯下的《INT J COMPUT INTEG M》、施普林格旗下的《INT J ADV MANUF TECH》、愛思唯爾旗下的《ROBOT CIM-INT MANUF》、國際生產(chǎn)工程學(xué)會(huì)下屬的《CIRP ANN-MANUF TECHN》，主要出版物集中在與工程技術(shù)相關(guān)的工業(yè)、制造、管理科學(xué)領(lǐng)域以及與計(jì)算機(jī)科學(xué)相關(guān)的信息系統(tǒng)、電子電氣領(lǐng)域。

3?數(shù)字孿生技術(shù)在智能制造中的應(yīng)用

數(shù)字孿生技術(shù)作為能夠?qū)崿F(xiàn)智能制造物理世界與信息世界交互融合的潛在途徑，被逐步應(yīng)用于產(chǎn)品全生命周期的各個(gè)環(huán)節(jié)，即產(chǎn)品設(shè)計(jì)、工業(yè)生產(chǎn)以及制造服務(wù)，對(duì)于提高產(chǎn)品的研發(fā)質(zhì)量、制造的生產(chǎn)效率、設(shè)備的預(yù)測性維護(hù)具有重要意義。

3.1?數(shù)字孿生技術(shù)在產(chǎn)品設(shè)計(jì)中的應(yīng)用

產(chǎn)品設(shè)計(jì)是產(chǎn)品全生命周期中的重要環(huán)節(jié)，也是數(shù)字孿生技術(shù)應(yīng)用于智能制造中的第一步[33]。大規(guī)模、個(gè)性化的產(chǎn)品設(shè)計(jì)目前已成為企業(yè)追求的理想設(shè)計(jì)目標(biāo)。傳統(tǒng)設(shè)計(jì)方法普遍存在需求不精準(zhǔn)、設(shè)計(jì)協(xié)作難等問題，且樣機(jī)的試制周期長成本高，無法及時(shí)對(duì)其性能進(jìn)行反饋和驗(yàn)證，嚴(yán)重影響企業(yè)的產(chǎn)品創(chuàng)新和市場開發(fā)。為此，數(shù)字孿生技術(shù)被逐漸引入其中。數(shù)字孿生技術(shù)使設(shè)計(jì)人員能夠比較虛擬產(chǎn)品在不同環(huán)境下的性能，以確保將生產(chǎn)產(chǎn)品的實(shí)際行為與期望實(shí)際值之間的不一致性降至最低。同時(shí)，數(shù)字孿生可以避免因評(píng)估虛擬產(chǎn)品而進(jìn)行的冗長測試，從而加快設(shè)計(jì)周期。

陶飛等[34]提出了一種基于數(shù)字孿生技術(shù)的產(chǎn)品設(shè)計(jì)框架（digital twin-driven product design framework， DTPD）。該框架著重于將物理產(chǎn)品與虛擬產(chǎn)品連接起來，主要適用于對(duì)現(xiàn)有產(chǎn)品進(jìn)行迭代優(yōu)化設(shè)計(jì)，構(gòu)成DTPD的大多數(shù)選定設(shè)計(jì)方法已被證明對(duì)于重新設(shè)計(jì)現(xiàn)有產(chǎn)品更為有用。劉強(qiáng)等[35]提出一種數(shù)字孿生驅(qū)動(dòng)的自動(dòng)化流水車間制造系統(tǒng)的快速個(gè)性化設(shè)計(jì)方法，將基于物理的系統(tǒng)建模和分布式半物理仿真結(jié)合起來，提供工程解決方案分析能力，并在試制階段生成系統(tǒng)的權(quán)威數(shù)字設(shè)計(jì)。SCHLEICH B等[36]提出了一種基于表面模型形狀概念的綜合參考模型，在設(shè)計(jì)和制造過程中作為物理產(chǎn)品的數(shù)字孿生模型用于幾何變化的管理。STARK R等[37]提出了一種基于數(shù)字孿生的信息物理生產(chǎn)系統(tǒng)（cyber physical production systems， CPPS）新型架構(gòu)模塊化設(shè)計(jì)方法，通過將現(xiàn)有的生產(chǎn)資源和新的CPS單元整合到構(gòu)建工具模塊中，工廠制造商可以使用虛擬原型創(chuàng)建、驗(yàn)證和優(yōu)化CPPS的體系結(jié)構(gòu)。

[17]TAO F，?CHENG J，?QI Q，?ET Al.?Digital twin-driven product design，?manufacturing and service with big data[J].?The International Journal of Advanced Manufacturing Technology，?2018，?94（9-12）：?3563-3576.

[18]TODOROVIC M H，?DATTA R，?STEVANOVIC L，?et al.?Design and testing of a modular SiC based power block[C]//PCIM Europe 2016; International Exhibition and Conference for Power Electronics，?Intelligent Motion，?Renewable Energy and Energy Management. Nuremberg， Germany： VDE，?2016：?1-4.

[19]HE K F，?LI X J，?WU J G，?et al.?Three-dimensional temperature field numerical simulation of twin-arc high-speed submerged arc welding process based on ANSYS[C]//Advanced Materials Research.?Zurich， Switzerland：?Trans Tech Publications Ltd，?2011，?216：?188-193.

[20]TAO F，?ZHANG M，?NEE A Y C.?Digital twin driven smart manufacturing[M].?San Diego， the United States： Academic Press，?2019.

[21]SCHLEICH B，?ANWER N，?MATHIEU L，?et al.?Shaping the digital twin for design and production engineering[J].?CIRP Annals，?2017，?66（1）：?141-144.

[22]GOCKEL B，?TUDOR A，?BRANDYBERRY M，?et al.?Challenges with structural life forecasting using realistic mission profiles[C]//53rd AIAA/ASME/ ASCE/AHS/ASC Structures，?Structural Dynamics and Materials Conference 20th AIAA/ASME/AHS Adaptive Structures Conference 14th AIAA.?Hawaii， the United States： AIAA， 2012：?1813.

[23]LIU Z，?MEYENDORF N，?MRAD N.?The role of data fusion in predictive maintenance using digital twin [C]//AIP Conference Proceedings.?New York， the United States：?AIP Publishing LLC，?2018，?1949（1）：?020023.

[24]LEE J，?LAPIRA E，?BAGHERI B，?et al.?Recent advances and trends in predictive manufacturing systems in big data environment[J].?Manufacturing Letters，?2013，?1（1）：?38-41.

[25]SIEMENS.?Digital twin[EB/OL]. [2020-08-08]. https： //www. plm. automation. siemens. com/global/zh/our-story/glossary/digital-twin/24465.

[26]GE.?Digital twin[EB/OL]. [2020-08-08].?https： //www. ge. com/digital/applications/digital-twin.

[27]ANSYS.?Digital twin[EB/OL]. [2020-08-08].?https： //www. ansys. com/products/systems/digital-twin.

[28]陶飛，?劉蔚然，?劉檢華，?等.?數(shù)字孿生及其應(yīng)用探索[J]. 計(jì)算機(jī)集成制造系統(tǒng)， 2018， 24（1）： 1-18.

[29]劉大同，?郭凱，?王本寬，?等. 數(shù)字孿生技術(shù)綜述與展望[J]. 儀器儀表學(xué)報(bào)， 2018， 39（11）： 1-10.

[30]張霖. 關(guān)于數(shù)字孿生的冷思考及其背后的建模和仿真技術(shù)[J]. 系統(tǒng)仿真學(xué)報(bào)， 2020， 32（4）： 1-10.

[31]ZHANG H，?LIU Q，?CHEN X，?et al.?A digital twin-based approach for designing and decoupling of hollow glass production line[J].?IEEE Access，?2017，?5： 26901-26911.

[32]CHEN C，?SONG M.?Visualizing a field of research：?a methodology of systematic scientometric reviews[J].?PloS One，?2019，?14（10）：?e0223994.

[33]李浩，?陶飛，?王昊琪，?等. 基于數(shù)字孿生的復(fù)雜產(chǎn)品設(shè)計(jì)制造一體化開發(fā)框架與關(guān)鍵技術(shù)[J]. 計(jì)算機(jī)集成制造系統(tǒng)， 2019， 25（6）： 1320-1336.

[34]TAO F，?SUI F，?LIU A，?et al.?Digital twin-driven product design framework[J].?International Journal of Production Research，?2019， 57： 1-19.

[35]LIU Q，?ZHANG H，?LENG J，?et al.?Digital twin-driven rapid individualised designing of automated flow-shop manufacturing system[J].?International Journal of Production Research，?2019， 57： 3903-3919.

[36]SCHLEICH B，?ANWER N，?MATHIEU L，?et al.?Shaping the digital twin for design and production engineering[J].?CIRP Annals，?2017，?66（1）：?141-144.

[37]STARK R，?KIND S，?NEUMEYER S.?Innovations in digital modelling for next generation manufacturing system design[J].?CIRP Annal，?2017，?66（1）： 169-172.

[38]陶飛，?程穎，?程江峰，?等. 數(shù)字孿生車間信息物理融合理論與技術(shù)[J]. 計(jì)算機(jī)集成制造系統(tǒng)， 2017， 23（8）： 1603-1611.

[39]趙浩然，?劉檢華，?熊輝， 等. 面向數(shù)字孿生車間的三維可視化實(shí)時(shí)監(jiān)控方法[J]. 計(jì)算機(jī)集成制造系統(tǒng)， 2019， 25（6）： 1432-1443.

[40]KNAPP G L，?MUKHERJEE T，?ZUBACK J S，?et al.?Building blocks for a digital twin of additive manufacturing[J].?Acta Materialia，?2017，?135： 390-399.

[41]CORONADO P D U，?LYNN R，?LOUHICHI W，?et al.?Part data integration in the Shop Floor Digital Twin：?mobile and cloud technologies to enable a manufacturing execution system[J].?Journal of Manufacturing Systems，?2018，?48：?25-33.

[42]丁華，?楊亮亮，?楊兆建，?等. 數(shù)字孿生與深度學(xué)習(xí)融合驅(qū)動(dòng)的采煤機(jī)健康狀態(tài)預(yù)測[J]. 中國機(jī)械工程， 2020， 31（7）： 815-823.

[43]TAO F，?ZHANG M，?LIU Y，?et al.?Digital twin driven prognostics and health management for complex equipment[J].?CIRP Annals，?2018，?67（1）：?169-172.

[44]張旭輝，?張雨萌，?王巖，?等. 數(shù)字孿生驅(qū)動(dòng)的設(shè)備維修MR輔助指導(dǎo)技術(shù)[J/OL]. 計(jì)算機(jī)集成制造系統(tǒng)： 1-13[2020-08-22]. http： //kns. cnki. net/kcms/detail/11. 5946. TP. 20200312. 1004. 002. html.

[45]ZAKRAJSEK A J，?MALL S.?The development and use of a digital twin model for tire touchdown health monitoring[C]//58th AIAA/ASCE/AHS/ASC Structures，?Structural Dynamics，?and Materials Conference.?Texas， the United States： 2017：?0863.

[46]KRAFT J，?KUNTZAGK S.?Engine fleet-management：?the use of digital twins from a MRO perspective[C]//Turbo Expo：?Power for Land，?Sea，?and Air.?North Carolina， the United States： American Society of Mechanical Engineers，?2017，?50770：?V001T01A007.

（責(zé)任編輯：曾?晶）