高士根，周 敏+，鄭 偉，張林鍹，張 斌，宋海鋒，吳興堂，李 妮，王昆玉

(1.北京交通大學(xué) 軌道交通控制與安全國(guó)家重點(diǎn)實(shí)驗(yàn)室，北京 100044； 2.北京交通大學(xué) 國(guó)家軌道交通安全評(píng)估研究中心，北京 100044； 3.清華大學(xué) 國(guó)家計(jì)算機(jī)集成制造系統(tǒng)工程技術(shù)研究中心，北京 100084； 4.中國(guó)鐵道科學(xué)研究院 金屬及化學(xué)研究所，北京 100081； 5.北京航空航天大學(xué) 電子信息工程學(xué)院，北京 100083； 6.北京航空航天大學(xué) 自動(dòng)化科學(xué)與電氣工程學(xué)院，北京 100083)

0 引言

高端裝備具有研發(fā)周期長(zhǎng)、技術(shù)含量高、資本投入高、附加價(jià)值高、信息密度大等特點(diǎn)，“十三五”期間，我國(guó)高端裝備成果豐碩，在航空航天、高速鐵路、深海工程、超級(jí)計(jì)算、量子信息等領(lǐng)域取得了一批重大科技成果。國(guó)家“十四五”規(guī)劃綱要指出[1]，“大力發(fā)展高端裝備制造相關(guān)產(chǎn)業(yè)，是提升我國(guó)產(chǎn)業(yè)核心競(jìng)爭(zhēng)力的必然要求，是搶占未來經(jīng)濟(jì)和科技發(fā)展制高點(diǎn)，提升國(guó)際影響力與地位的戰(zhàn)略選擇，對(duì)于加快轉(zhuǎn)變經(jīng)濟(jì)發(fā)展方式、實(shí)現(xiàn)由制造業(yè)大國(guó)向強(qiáng)國(guó)轉(zhuǎn)變具有重要戰(zhàn)略意義”。

在高端裝備結(jié)構(gòu)設(shè)計(jì)、加工制造、運(yùn)維管理等全生命周期過程中，運(yùn)行維護(hù)環(huán)節(jié)對(duì)于高端裝備的可持續(xù)安全運(yùn)行發(fā)揮了重要作用。當(dāng)前高端裝備的運(yùn)維環(huán)節(jié)主要以“計(jì)劃維修”模式為主，存在維修機(jī)理依據(jù)不足、維修周期不科學(xué)、數(shù)據(jù)利用差、維修過剩與維修不足并存、維修成效低等難題，導(dǎo)致運(yùn)維成本在全生命周期費(fèi)用中的占比越來越高，尤其在軌道交通、能源裝備等領(lǐng)域，運(yùn)維費(fèi)用支出達(dá)到采購(gòu)?fù)度胫С龅臄?shù)倍以上。因此，尋求效率更高、更經(jīng)濟(jì)、更科學(xué)的運(yùn)維方式成為高端裝備運(yùn)維領(lǐng)域的共同目標(biāo)。

仿真是一系列基于模型(物理或數(shù)字化模型)的活動(dòng)，被認(rèn)為是人們認(rèn)識(shí)和改造客觀世界的第三種手段，它可以不受時(shí)空限制，研究或觀察已在發(fā)生或尚未發(fā)生的現(xiàn)象。隨著人類探索邊界的不斷擴(kuò)張、工業(yè)系統(tǒng)的不斷復(fù)雜，充分利用仿真技術(shù)，為裝備制造領(lǐng)域賦能，實(shí)現(xiàn)提質(zhì)降本增效，是長(zhǎng)久以來人們一直努力的方向。傳感器、物聯(lián)網(wǎng)、大數(shù)據(jù)、人工智能等新一代信息通信技術(shù)的發(fā)展，使得仿真技術(shù)也進(jìn)入到了一個(gè)新的階段，并由此產(chǎn)生了數(shù)字孿生的概念。

數(shù)字孿生技術(shù)最早可以追溯到20世紀(jì)初，1991年，耶魯大學(xué)GELERNTER在《Mirror Worlds》里提出數(shù)字孿生(Digital Twin)的基本想法[2]。2002年，密歇根大學(xué)GRIEVES提出了產(chǎn)品全生命周期管理的概念模型[3]。2010年，美國(guó)國(guó)家航空航天局(NASA)發(fā)布了“Modeling, Simulation, Information Technology & Processing Roadmap”報(bào)告(TA 11)，首次使用Digital Twin一詞[4]。2012年，NASA提出了面向Future NASA和U.S. Air Force Vehicles的數(shù)字孿生規(guī)劃[5]。數(shù)字孿生是物理對(duì)象的數(shù)字模型，該模型通過接收來自物理對(duì)象的數(shù)據(jù)而實(shí)時(shí)演化，從而與物理對(duì)象在全生命周期保持一致?；跀?shù)字孿生可進(jìn)行分析、預(yù)測(cè)、診斷、訓(xùn)練等(即仿真)，并將仿真結(jié)果反饋給物理對(duì)象，從而幫助物理對(duì)象進(jìn)行優(yōu)化和決策。物理對(duì)象、數(shù)字孿生以及基于數(shù)字孿生的仿真及反饋一起構(gòu)成一個(gè)信息物理系統(tǒng)(cyber physical systems)[6-7]。2004年，王飛躍[8]提出了基于計(jì)算實(shí)驗(yàn)和人工交通系統(tǒng)的TransWorld平行系統(tǒng)架構(gòu)，寧濱和董海榮等在軌道交通系統(tǒng)領(lǐng)域推廣應(yīng)用[9-12]，建立了人在環(huán)人工軌道交通系統(tǒng)，并實(shí)施計(jì)算實(shí)驗(yàn)對(duì)列車運(yùn)行控制、調(diào)度優(yōu)化和運(yùn)維決策等進(jìn)行分析與評(píng)估，通過實(shí)際系統(tǒng)與人工系統(tǒng)之間的虛實(shí)互動(dòng)和平行執(zhí)行實(shí)現(xiàn)對(duì)實(shí)際軌道交通系統(tǒng)的優(yōu)化管理與控制。

近年來，隨著工業(yè)物聯(lián)網(wǎng)、大數(shù)據(jù)、人工智能、云計(jì)算、機(jī)器學(xué)習(xí)等使能技術(shù)的快速發(fā)展，數(shù)字孿生技術(shù)逐漸在能源、軌道交通、航空航天、船舶、機(jī)械、醫(yī)療等領(lǐng)域展現(xiàn)了廣泛的應(yīng)用前景和潛在的應(yīng)用價(jià)值[13]，尤其在高端裝備智能運(yùn)維方面受到人們的廣泛關(guān)注，促使傳統(tǒng)的計(jì)劃運(yùn)維模式向數(shù)字化、網(wǎng)絡(luò)化和智能化運(yùn)維模式轉(zhuǎn)型，IEEE P 3144也已經(jīng)啟動(dòng)了Standard for Digital Twin Maturity Model and Assessment Methodology in Industry標(biāo)準(zhǔn)的規(guī)劃和制定[14]。數(shù)字孿生在高端裝備智能運(yùn)維方面的應(yīng)用，促使傳統(tǒng)的計(jì)劃運(yùn)維模式向數(shù)字化、網(wǎng)絡(luò)化和智能化運(yùn)維模式的轉(zhuǎn)型，受到人們的廣泛關(guān)注。基于數(shù)字孿生的智能運(yùn)維是集合建模、工業(yè)物聯(lián)網(wǎng)、大數(shù)據(jù)、人工智能等技術(shù)手段實(shí)現(xiàn)物理世界的虛擬化與數(shù)字化，創(chuàng)建與現(xiàn)實(shí)世界物理實(shí)體完全對(duì)應(yīng)和一致的虛擬模型，實(shí)時(shí)模擬物理實(shí)體在現(xiàn)實(shí)環(huán)境中的行為和性能，借助實(shí)時(shí)運(yùn)行數(shù)據(jù)、歷史數(shù)據(jù)及算法模型持續(xù)完善更新數(shù)字孿生體，實(shí)現(xiàn)孿生體與物理實(shí)體同生共長(zhǎng)。同時(shí)，數(shù)字孿生體模型能夠根據(jù)物理實(shí)體運(yùn)行的實(shí)時(shí)反饋信息，對(duì)物理實(shí)體的運(yùn)行狀態(tài)進(jìn)行監(jiān)控，實(shí)現(xiàn)物理實(shí)體未來態(tài)勢(shì)的推演，揭示物理實(shí)體發(fā)展規(guī)律，預(yù)測(cè)預(yù)防潛在風(fēng)險(xiǎn)，有針對(duì)性地制定運(yùn)維方案，實(shí)現(xiàn)資源配置、系統(tǒng)性能最優(yōu)，最大限度地保持高效、低成本、穩(wěn)定的系統(tǒng)運(yùn)行。

本文基于數(shù)字孿生的高端裝備智能運(yùn)維體系框架，闡述了高端裝備運(yùn)維關(guān)鍵技術(shù)的發(fā)展歷程，面向能源領(lǐng)域梳理了基于數(shù)字孿生的智能運(yùn)維應(yīng)用現(xiàn)狀，探討了數(shù)字孿生在高端裝備智能運(yùn)維領(lǐng)域的技術(shù)發(fā)展方向及應(yīng)用前景，為促進(jìn)高效率、高可靠、低成本的智能運(yùn)維新模式提供借鑒。

1 基于數(shù)字孿生的高端裝備智能運(yùn)維體系框架

基于數(shù)字孿生的高端裝備智能運(yùn)維體系框架如圖1所示，主要由物理層、感知層、數(shù)據(jù)層、孿生層、應(yīng)用層和可視化層等模塊組成，通過服務(wù)接口和傳輸協(xié)議實(shí)現(xiàn)各層之間的數(shù)據(jù)和信息實(shí)時(shí)、高效交互，通過各模塊協(xié)同運(yùn)行與閉環(huán)反饋，以實(shí)現(xiàn)能源裝備、軌道交通等領(lǐng)域高端裝備的智能運(yùn)行與維護(hù)服務(wù)。

2 基于數(shù)字孿生的智能運(yùn)維關(guān)鍵技術(shù)

高端裝備正在從“建設(shè)為主”向“建管并用”發(fā)展，傳統(tǒng)運(yùn)維技術(shù)在智能化時(shí)代不合時(shí)宜，亟需建立新的智能運(yùn)維技術(shù)體系。數(shù)字孿生是實(shí)現(xiàn)虛實(shí)空間交互的先進(jìn)技術(shù)，該技術(shù)突破了傳統(tǒng)仿真及試驗(yàn)條件限制，實(shí)現(xiàn)以最快速度和最優(yōu)成本掌握結(jié)構(gòu)的實(shí)際運(yùn)行狀態(tài)。數(shù)字孿生能夠?qū)⑽锫?lián)網(wǎng)、建筑信息模型、結(jié)構(gòu)健康監(jiān)測(cè)、數(shù)值仿真與人工智能等先進(jìn)技術(shù)通過虛實(shí)數(shù)據(jù)交互，形成對(duì)物理實(shí)體的有效監(jiān)控、模擬、預(yù)測(cè)、診斷與決策。美國(guó)國(guó)家航空航天局給出了面向Future NASA和U.S. Air Force Vehicles的數(shù)字孿生規(guī)劃及其4個(gè)關(guān)鍵組成技術(shù)，包括高可信建模與仿真開發(fā)、設(shè)計(jì)和驗(yàn)證方法、態(tài)勢(shì)感知、壽命預(yù)測(cè)和延壽方法。智能制造、工業(yè)4.0等領(lǐng)域在相關(guān)技術(shù)也展開了研究與探討[6,15-16]。

數(shù)字孿生技術(shù)為多個(gè)領(lǐng)域的運(yùn)營(yíng)、運(yùn)行和裝備的運(yùn)維提供了新思路，相關(guān)的研究框架、思路和方法等也被陸續(xù)提出，如AIVALIOTIS等[17]提出了基于物理仿真模型和數(shù)字孿生相融合的剩余壽命計(jì)算方法，以支撐利用預(yù)測(cè)和健康管理技術(shù)的預(yù)測(cè)性運(yùn)維；KHAN等[18]探討了數(shù)字孿生驅(qū)動(dòng)的自治運(yùn)維的前置條件和在運(yùn)維模型中集成數(shù)字孿生技術(shù)的框架；LIU等[19]探討了基于數(shù)字孿生的預(yù)測(cè)性維護(hù)的數(shù)據(jù)融合技術(shù)，認(rèn)為數(shù)字孿生框架下要從粗糙數(shù)據(jù)到高階決策過程需要實(shí)現(xiàn)傳感到傳感，傳感到模型，模型到模型的數(shù)據(jù)融合過程；ERRANDONEA等[20]詳細(xì)介紹了面向運(yùn)維的數(shù)字孿生體系、方法、技術(shù)和框架。在航空發(fā)動(dòng)機(jī)、多部件系統(tǒng)、綜合決策等領(lǐng)域[21-23]，國(guó)內(nèi)外學(xué)者也探討了數(shù)字孿生框架下的預(yù)測(cè)性運(yùn)維方案。下面主要針對(duì)基于數(shù)字孿生的智能運(yùn)維，從高可信建模、狀態(tài)評(píng)估、故障診斷與預(yù)警、壽命預(yù)測(cè)等方面進(jìn)行闡述。

2.1 高可信建模

數(shù)字孿生系統(tǒng)能夠再現(xiàn)實(shí)際物理系統(tǒng)的屬性、機(jī)理、原理、演化、行為、功能等，其首要步驟是建立全屬性一致的高可信模型。當(dāng)前對(duì)于高可信的數(shù)字孿生模型尚未形成共識(shí)，國(guó)內(nèi)外學(xué)者圍繞如何面向不同領(lǐng)域、不同工程建立高可信的數(shù)字孿生模型開展了研究。

ZHANG等[24]從模型工程的角度闡述了如何定義和構(gòu)建一個(gè)正確的數(shù)字孿生模型，提出數(shù)字孿生進(jìn)化并發(fā)建模方法體系，該方法不僅繼承了傳統(tǒng)建模仿真的方法理論，與傳統(tǒng)模型相比，還突出了數(shù)字孿生的特點(diǎn)，系統(tǒng)地指導(dǎo)了數(shù)字孿生的建模過程，并提出一種數(shù)字孿生進(jìn)化并發(fā)建模方法，如圖2所示；ZHANG等[6]從逼真度、可信度、成熟度、標(biāo)準(zhǔn)化程度、模型開發(fā)能力成熟度等方面構(gòu)建了數(shù)字孿生模型的評(píng)價(jià)指標(biāo)體系；丁凱等[25]從邏輯關(guān)聯(lián)的視角提出了多維多尺度智能制造空間的內(nèi)涵與特征，結(jié)合數(shù)字孿生技術(shù)的實(shí)現(xiàn)邏輯，研究了智能制造空間的虛實(shí)映射建模方法、復(fù)雜多維時(shí)空域下智能制造過程及數(shù)據(jù)建模方法；WU等[26]提出一種映射數(shù)字孿生對(duì)象及屬性的五維數(shù)字孿生概念框架，引入了TRIZ函數(shù)模型以改進(jìn)系統(tǒng)構(gòu)建過程；陶飛等[27]探討了數(shù)字孿生模型構(gòu)建準(zhǔn)則和理論體系，給出了數(shù)字孿生車間的實(shí)例；JIANG等[28]探討了如何為數(shù)字孿生的應(yīng)用建立物理和虛擬模型之間的模型和應(yīng)用方法；WANG等[29]提出了基于知識(shí)系統(tǒng)設(shè)計(jì)的數(shù)字孿生一致性建模方法。上述研究主要圍繞數(shù)字孿生高可信建模的框架設(shè)計(jì)與實(shí)現(xiàn)方法展開討論。

針對(duì)如何在不同領(lǐng)域與工程應(yīng)用建立高可信的數(shù)字孿生模型，SCHROEDER等[30]提出一種基于AutomationML的數(shù)字孿生建模方法及數(shù)據(jù)交換方法，實(shí)現(xiàn)了數(shù)字孿生多個(gè)子系統(tǒng)間的數(shù)據(jù)實(shí)時(shí)交互；肖靜華等[31]認(rèn)為基于數(shù)字孿生構(gòu)建的戰(zhàn)略場(chǎng)景模型可以為企業(yè)提供一種適當(dāng)?shù)膽?zhàn)略設(shè)計(jì)來影響戰(zhàn)略實(shí)踐進(jìn)程；LIU等[32]提出一種基于仿生學(xué)的航空部件加工數(shù)字孿生建模方法，實(shí)現(xiàn)了多物理實(shí)體的數(shù)字孿生體自適應(yīng)構(gòu)建；ZHANG等[33]提出一種面向智能制造系統(tǒng)的數(shù)字孿生使能的可重構(gòu)建模方法，實(shí)現(xiàn)了在生產(chǎn)任務(wù)中的彈性配置靈活性；GLATT等[34]提出一種基于物理仿真的材料流數(shù)字孿生建模方法，避免了復(fù)雜運(yùn)行環(huán)境導(dǎo)致的擾動(dòng)；SCHROEDER等[35]提出一種基于模型驅(qū)動(dòng)工程的靈活、通用式工業(yè)4.0數(shù)字孿生建模方法，并利用AutomationML給出了其一般性架構(gòu)；ZHANG等[36]提出了工作場(chǎng)所的多尺度數(shù)字孿生建模方法，支撐了單元層、系統(tǒng)層、系統(tǒng)的系統(tǒng)層的模型構(gòu)建。隨著數(shù)字孿生相關(guān)理論與建模技術(shù)的研究，如何形成面向高端裝備智能運(yùn)維的多學(xué)科、多變量、多層次、多尺度、多粒度、多概率的高可信建模理論、方法與技術(shù)體系，是數(shù)字孿生技術(shù)在高端裝備智能運(yùn)維領(lǐng)域的重要方向與待解決的問題與難題。

2.2 狀態(tài)評(píng)估

基于數(shù)字孿生對(duì)物理系統(tǒng)的狀態(tài)進(jìn)行監(jiān)控和估計(jì)，及時(shí)捕捉微小異常狀態(tài)，能夠有效地降低產(chǎn)品故障次數(shù)并延長(zhǎng)其壽命?；谖锢硐到y(tǒng)的性能演化機(jī)理及不同狀態(tài)之間的內(nèi)在聯(lián)系，可有效地對(duì)物理系統(tǒng)的狀態(tài)進(jìn)行評(píng)估。TOOTHMAN等[37]考慮現(xiàn)有針對(duì)機(jī)械系統(tǒng)健康狀態(tài)評(píng)估方法側(cè)重于識(shí)別單一類別故障的問題，提出適用于機(jī)械制造系統(tǒng)健康狀態(tài)估計(jì)問題的定量定義，構(gòu)建了允許同時(shí)對(duì)機(jī)械系統(tǒng)健康的多個(gè)維度進(jìn)行建模和估計(jì)的數(shù)字孿生框架；HE等[38]提出用于泵站非穩(wěn)態(tài)流動(dòng)狀態(tài)估計(jì)的數(shù)字孿生解決方案，提出結(jié)合頻域分析和廣義預(yù)測(cè)控制理論的非穩(wěn)態(tài)流動(dòng)狀態(tài)估計(jì)方法；LI等[39]通過物聯(lián)網(wǎng)將所有與電池相關(guān)的數(shù)據(jù)傳輸至云端，構(gòu)建電池系統(tǒng)數(shù)字孿生模型，并基于電池診斷算法對(duì)數(shù)據(jù)進(jìn)行評(píng)估，開發(fā)了適合云計(jì)算的充電狀態(tài)和健康狀態(tài)估計(jì)方法，探索了電池系統(tǒng)數(shù)字孿生模型中的等效電路模型的應(yīng)用。

隨著數(shù)據(jù)挖掘、機(jī)器學(xué)習(xí)等技術(shù)的發(fā)展和興起，基于物理系統(tǒng)當(dāng)前監(jiān)測(cè)數(shù)據(jù)及歷史數(shù)據(jù)，利用深度學(xué)習(xí)等方法對(duì)物理系統(tǒng)的狀態(tài)進(jìn)行實(shí)時(shí)評(píng)估進(jìn)一步成為研究熱點(diǎn)。齊波等[40]基于數(shù)據(jù)分析和數(shù)據(jù)挖掘的技術(shù)構(gòu)建了輸變電設(shè)備數(shù)字孿生體，基于設(shè)備運(yùn)行特征實(shí)現(xiàn)了傳感評(píng)估和數(shù)據(jù)融合，并實(shí)現(xiàn)了設(shè)備的狀態(tài)評(píng)估、診斷及預(yù)測(cè)，如圖3所示；DAS等[41]針對(duì)在線電池管理系統(tǒng)存在的實(shí)時(shí)容量不足和數(shù)據(jù)使用率較差的問題，提出整車隊(duì)的鋰離子電池組的數(shù)字孿生框架，基于遷移學(xué)習(xí)的預(yù)測(cè)技術(shù)對(duì)電池的健康狀態(tài)進(jìn)行評(píng)估；謝林等[42]提出數(shù)控折彎?rùn)C(jī)數(shù)字孿生模型，基于折彎?rùn)C(jī)的運(yùn)行狀態(tài)監(jiān)測(cè)數(shù)據(jù)和孿生數(shù)據(jù)提出了監(jiān)測(cè)數(shù)據(jù)與孿生數(shù)據(jù)融合的液壓系統(tǒng)健康狀況評(píng)估方法；TANG等[43]利用云平臺(tái)的數(shù)據(jù)存儲(chǔ)和計(jì)算能力，使用來自分散的電池儲(chǔ)能系統(tǒng)的實(shí)時(shí)數(shù)據(jù)用于建模和參數(shù)識(shí)別，并提出了串聯(lián)電池組的電池模型及其荷電狀態(tài)(State-of-Charge, SOC)和健康度狀態(tài)(State-of-Health, SOH) ，提出了基于機(jī)器學(xué)習(xí)算法的電池模型及其SOC和SOH的估計(jì)方法；YANG等[44]提出基于剩余有用循環(huán)壽命預(yù)測(cè)的鋰離子電池可靠性數(shù)字孿生模型，基于貝葉斯算法提出了數(shù)字孿生體模型的自適應(yīng)進(jìn)化方法，實(shí)現(xiàn)基于數(shù)字孿生體的電池壽命預(yù)測(cè)、可靠性評(píng)估和預(yù)測(cè)性維護(hù)。高端裝備的系統(tǒng)組件繁多，不同尺度組件之間耦合機(jī)理復(fù)雜，如何進(jìn)一步融合機(jī)理模型和數(shù)據(jù)驅(qū)動(dòng)模型，實(shí)現(xiàn)高端裝備多維度、多尺度的狀態(tài)實(shí)時(shí)評(píng)估仍亟待研究。

2.3 故障診斷與預(yù)警

數(shù)字孿生憑借其數(shù)據(jù)驅(qū)動(dòng)的特性與處理非線性動(dòng)態(tài)和不確定性的能力，為生產(chǎn)、設(shè)備、制造等提供了故障診斷與預(yù)警的新范式。

在故障診斷方面，WANG等[45]提出了適用于旋轉(zhuǎn)機(jī)械故障診斷的數(shù)字孿生參考模型，并給出了基于參數(shù)敏感度分析的模型更新策略，如圖4所示；HE等[46]討論了數(shù)據(jù)驅(qū)動(dòng)數(shù)字孿生的容錯(cuò)控制策略，探討了傳感故障、過程擾動(dòng)、執(zhí)行器故障、多故障場(chǎng)景的應(yīng)對(duì)方案和結(jié)果；JAIN等[47]建立了分布式光伏系統(tǒng)故障診斷的數(shù)字孿生模型，給出了設(shè)計(jì)方法、數(shù)學(xué)分析、仿真研究和實(shí)驗(yàn)驗(yàn)證；DEEBAK等[48]提出了基于深度遷移學(xué)習(xí)的數(shù)字孿生輔助的加工刀具狀態(tài)故障診斷技術(shù)；XIA等[49]提出了數(shù)字孿生輔助深度遷移學(xué)習(xí)的機(jī)械智能故障診斷方法，只需使用目標(biāo)域的一個(gè)采樣遷移參數(shù)實(shí)現(xiàn)預(yù)訓(xùn)練NSDAE的精調(diào)；NGUYEN等[50]使用數(shù)字孿生方法提升了裝備健康檢測(cè)系統(tǒng)級(jí)故障檢測(cè)和診斷方法；JIANG等[51]設(shè)計(jì)了柴油機(jī)故障診斷的自適應(yīng)稀疏注意力網(wǎng)絡(luò)數(shù)字孿生輔助方法，提出一種新型的基于軟閾值濾波的分布式動(dòng)態(tài)時(shí)變故障注意力機(jī)制；VANDANA等[52]討論了電動(dòng)車儲(chǔ)能系統(tǒng)多維數(shù)字孿生框架，分析了數(shù)字孿生技術(shù)在自感知、自判斷、事先預(yù)警等功能上的思路；HE等[53]從生產(chǎn)指標(biāo)優(yōu)化角度分析了數(shù)字孿生輔助的可持續(xù)智能制造問題，構(gòu)建了智能工業(yè)產(chǎn)品傳感和控制系統(tǒng)實(shí)時(shí)參數(shù)驅(qū)動(dòng)的虛擬遠(yuǎn)程監(jiān)控模型；夏玲等[54]針對(duì)Buck電路故障診斷方法存在計(jì)算量大和準(zhǔn)確率低等問題，提出一種基于數(shù)字孿生的Buck電路故障診斷方法；楊俊峰等[55]搭建了數(shù)字孿生模型，通過OPCUA協(xié)議使物理實(shí)體、虛擬仿真和服務(wù)模塊之間的數(shù)據(jù)進(jìn)行集成與融合，實(shí)現(xiàn)了對(duì)設(shè)備狀態(tài)可視化監(jiān)測(cè)與故障診斷。

在實(shí)際生產(chǎn)中，設(shè)備故障通常會(huì)帶來嚴(yán)重的影響和后果，甚至威脅生產(chǎn)人員的生命安全，傳統(tǒng)的“定期修”、“故障修”運(yùn)維模式通常在人力財(cái)力等多方面考慮均不是最優(yōu)運(yùn)維方案，因此向“預(yù)防修”、“狀態(tài)修”的新模式變換成為必然。故障預(yù)警主要通過設(shè)備對(duì)要發(fā)生的故障進(jìn)行診斷，并在故障發(fā)生前提前預(yù)警，在高可信模塊和歷史與感知數(shù)據(jù)的支持下，數(shù)字孿生成為故障預(yù)警的有效手段。王紅微等[56]構(gòu)建了包含機(jī)場(chǎng)物理世界、賽博空間的數(shù)字孿生模型，提出了基于數(shù)字孿生的新型航班保障預(yù)警系統(tǒng)架構(gòu)，實(shí)現(xiàn)了保障車輛和航班數(shù)據(jù)的實(shí)時(shí)采集和潛在碰撞風(fēng)險(xiǎn)的預(yù)警；朱天明等[57]針對(duì)碰撞預(yù)警系統(tǒng)建模和仿真結(jié)果難以真實(shí)表達(dá)物理域且現(xiàn)有碰撞預(yù)警系統(tǒng)僅限于車內(nèi)預(yù)警的問題，設(shè)計(jì)了基于數(shù)字孿生五維框架，詳述了面向擴(kuò)展碰撞預(yù)警系統(tǒng)的數(shù)字孿生建模過程。大數(shù)據(jù)與專家系統(tǒng)驅(qū)動(dòng)的數(shù)字孿生技術(shù)充分結(jié)合數(shù)據(jù)、經(jīng)驗(yàn)和高可信建模技術(shù)，是數(shù)字孿生技術(shù)在高端裝備智能運(yùn)維故障診斷與預(yù)警領(lǐng)域的重要研究方向與待解決的問題與難題。

2.4 壽命預(yù)測(cè)

壽命預(yù)測(cè)是制定預(yù)測(cè)性維護(hù)計(jì)劃、生產(chǎn)計(jì)劃調(diào)整和零部件管理等決策的基礎(chǔ)，是健康管理的重要組成部分。部分學(xué)者展開了基于數(shù)字孿生的通用壽命預(yù)測(cè)架構(gòu)設(shè)計(jì)[58]。WANG等[59]通過建立一個(gè)虛擬數(shù)字孿生模型和其對(duì)應(yīng)的物理模型之間的有效雙向通信，來準(zhǔn)確預(yù)測(cè)該物體的結(jié)構(gòu)疲勞壽命。該孿生模型由高精度逼近模型、動(dòng)態(tài)貝葉斯推理模型和裂紋跟蹤模型組成，并通過離線訓(xùn)練和在線預(yù)測(cè)的方式實(shí)現(xiàn)壽命預(yù)測(cè)。SHAO等[60]構(gòu)建了一個(gè)數(shù)據(jù)和模型融合的剩余壽命預(yù)測(cè)框架體系，如圖5所示，用卡爾曼濾波器和貝葉斯網(wǎng)絡(luò)分別構(gòu)造了物理實(shí)體模型和數(shù)字孿生體的退化模型，進(jìn)一步通過將孿生數(shù)據(jù)補(bǔ)充到物理模型中來得到剩余壽命的最優(yōu)估計(jì)。

在橋梁結(jié)構(gòu)、飛行器、工廠、電池等領(lǐng)域，壽命預(yù)測(cè)是管理與運(yùn)維的重要環(huán)節(jié)，也是當(dāng)前國(guó)內(nèi)外的研究熱點(diǎn)之一。JIANG等[61]設(shè)計(jì)了鋼橋非確定性疲勞壽命預(yù)測(cè)數(shù)字孿生框架，并建立了一個(gè)概率多尺度模型來表征整個(gè)橋梁生命周期的疲勞演變；MERAGHNI等[62]構(gòu)建了一個(gè)包含物理層、數(shù)據(jù)層和孿生層的數(shù)據(jù)驅(qū)動(dòng)的數(shù)字孿生系統(tǒng)，來實(shí)現(xiàn)質(zhì)子交換膜燃料電池系統(tǒng)的剩余壽命預(yù)測(cè)，在孿生層基于堆疊去噪自編碼器的深度遷移學(xué)習(xí)模型實(shí)現(xiàn)壽命的預(yù)測(cè)；TUEGEL等[63]基于數(shù)字孿生理念，通過整合結(jié)構(gòu)偏轉(zhuǎn)和計(jì)算的溫度響應(yīng)飛行條件，從而產(chǎn)生局部損傷和材料狀態(tài)演化，在孿生空間中設(shè)計(jì)壓力、維度、震動(dòng)預(yù)測(cè)模塊以及損傷壽命預(yù)測(cè)模型，實(shí)現(xiàn)實(shí)時(shí)的健康監(jiān)測(cè)和壽命預(yù)測(cè)；GUO等[64]提出一種制造車間的數(shù)字孿生壽命預(yù)測(cè)模型，首先通過軟硬件結(jié)合的方式獲取物理空間的實(shí)時(shí)狀態(tài)，構(gòu)建制造車間的數(shù)字孿生模型，進(jìn)一步建立基于非線性漂移布朗運(yùn)動(dòng)的壽命預(yù)測(cè)模型；HE等[65]凝練了包含數(shù)據(jù)層、映射層和應(yīng)用層三維數(shù)字孿生齒輪壽命預(yù)測(cè)架構(gòu)，在應(yīng)用層通過理查德磨損壽命模擬、齒輪表面磨損實(shí)驗(yàn)等技術(shù)方法實(shí)現(xiàn)壽命預(yù)測(cè)。付洋等[66]建立面向渦輪盤性能退化的數(shù)字孿生框架，通過在虛擬空間構(gòu)建共性表征模型、個(gè)性表征模型、動(dòng)態(tài)演化模型以及退化追蹤與預(yù)測(cè)模型，并基于物理實(shí)體和虛擬模型的實(shí)時(shí)數(shù)據(jù)交互實(shí)現(xiàn)渦輪盤的壽命在線預(yù)測(cè)。對(duì)于高端裝備，其組成組件具有多尺度、耦合復(fù)雜等特點(diǎn)，不同尺度組件的性能退化及損傷演化機(jī)理難以刻畫，如何設(shè)計(jì)高可靠的基于數(shù)字孿生的高端裝備壽命預(yù)測(cè)方法，為維修策略提供技術(shù)支持仍舊是研究難點(diǎn)。

3 高端裝備智能運(yùn)維數(shù)字孿生應(yīng)用

基于上述數(shù)字孿生在智能運(yùn)維方法的現(xiàn)狀分析與總結(jié)，本文梳理了數(shù)字孿生技術(shù)在軌道交通系統(tǒng)與裝備、能源裝備等高端裝備的應(yīng)用現(xiàn)狀與進(jìn)展。

3.1 軌道交通系統(tǒng)與裝備

數(shù)字孿生能夠有效提升復(fù)雜系統(tǒng)的運(yùn)行、監(jiān)控、優(yōu)化等服務(wù)水平，對(duì)于提升軌道交通的智能化發(fā)展具有重要的作用。在軌道交通基礎(chǔ)設(shè)施方面，KAEWUNRUEN等[67]初步總結(jié)了數(shù)字孿生的發(fā)展歷程及原理方法，分析了數(shù)字孿生技術(shù)在鐵路智能運(yùn)維領(lǐng)域的發(fā)展現(xiàn)狀，提出了基礎(chǔ)設(shè)施智能運(yùn)維的技術(shù)框架和解決方案并展望了未來的發(fā)展方向。朱慶等[68]對(duì)數(shù)字孿生川藏鐵路實(shí)景三維空間信息平臺(tái)的建設(shè)與應(yīng)用進(jìn)行了歸納，認(rèn)為數(shù)字孿生是建設(shè)智能鐵路的有效途徑和復(fù)雜環(huán)境下鐵路建設(shè)和管理信息化水平與品質(zhì)保障的關(guān)鍵支撐。呂向茹等[69]研發(fā)了基于數(shù)字孿生技術(shù)的環(huán)鐵一體化協(xié)同實(shí)驗(yàn)平臺(tái)，實(shí)現(xiàn)了環(huán)鐵實(shí)驗(yàn)基地全域資產(chǎn)管理、實(shí)驗(yàn)管理、調(diào)度管理等應(yīng)用功能。王小書等[70]設(shè)計(jì)了基于數(shù)字孿生模型的鐵路客運(yùn)站應(yīng)急響應(yīng)仿真方案，并對(duì)大面積晚點(diǎn)、大客流、火災(zāi)與暴恐等典型應(yīng)急場(chǎng)景進(jìn)行了細(xì)化仿真功能設(shè)計(jì)；王可飛等[71]探討了基于建筑信息模型(Building Information Modeling, BIM)的鐵路數(shù)字孿生工程，梳理了智能鐵路應(yīng)用現(xiàn)狀，分析了在綜合、進(jìn)度、質(zhì)量、安全、投資、環(huán)保等信息化過程的應(yīng)用；梁策等[72]探討了面向竣工交付的數(shù)字孿生鐵路系統(tǒng)的建設(shè)和應(yīng)用；德國(guó)鐵路股份公司(Deutsche Bahn, DB)實(shí)時(shí)數(shù)字技術(shù)戰(zhàn)略，基于TecEx計(jì)劃和“數(shù)字化維護(hù)”計(jì)劃積累的數(shù)據(jù)，研發(fā)了鐵路系統(tǒng)的完整、全面數(shù)字化映射，并開展了仿真模擬識(shí)別系統(tǒng)中的弱點(diǎn)并有針對(duì)性的進(jìn)行優(yōu)化，如圖6所示[73]；ZHANG等[74]提出了鐵路轉(zhuǎn)轍機(jī)的數(shù)字孿生故障診斷方法，設(shè)計(jì)了數(shù)字孿生模型的三維和五維架構(gòu)。

在軌道交通機(jī)車車輛及動(dòng)車組方面，DIMITROVA等[75]探討了數(shù)字孿生技術(shù)在鐵路維修轉(zhuǎn)型以及機(jī)車車輛、鐵路基礎(chǔ)設(shè)施、信號(hào)系統(tǒng)等方面的實(shí)現(xiàn)。DING等[76]描述了基于數(shù)字孿生的高速列車全生命周期模型框架，分析了模型驅(qū)動(dòng)數(shù)字孿生體構(gòu)建、孿生數(shù)據(jù)分析融合等技術(shù)挑戰(zhàn)，并初步探索了數(shù)字孿生在車輛關(guān)鍵部件服役能力的應(yīng)用實(shí)踐。CHEN等[77]提出了基于數(shù)字孿生的動(dòng)車組運(yùn)維管理系統(tǒng)架構(gòu)，設(shè)計(jì)了動(dòng)車組、運(yùn)用所和高級(jí)修車間3個(gè)典型應(yīng)用。ZHANG等[78]基于數(shù)字孿生設(shè)計(jì)了機(jī)車車輛車輪故障預(yù)測(cè)及健康管理系統(tǒng)，為保障機(jī)輛車輪的服役可靠性提供了有力支撐。孫扶瑤[79]提出了基于大數(shù)據(jù)平臺(tái)和數(shù)字孿生模型的動(dòng)車組運(yùn)維解決方案，闡述了基于大數(shù)據(jù)平臺(tái)的動(dòng)車組數(shù)字孿生模型總體框架，并利用最小二乘支持向量機(jī)實(shí)現(xiàn)了數(shù)字孿生模型中數(shù)據(jù)處理模式的自調(diào)整。陳彥等[80]為了解決動(dòng)車組運(yùn)維信息化的數(shù)據(jù)分散、數(shù)據(jù)挖掘不夠深入和缺乏融合展示的問題，設(shè)計(jì)了包含數(shù)字孿生動(dòng)車組、數(shù)字孿生運(yùn)用所和數(shù)字孿生高級(jí)修車間的動(dòng)車組運(yùn)維管理系統(tǒng)。

隨著大數(shù)據(jù)、AI等新技術(shù)在軌道交通系統(tǒng)與裝備上的應(yīng)用，數(shù)字孿生技術(shù)成為了軌道交通系統(tǒng)與裝備智能運(yùn)維的有效手段，并得到了國(guó)內(nèi)外學(xué)者的初步關(guān)注與探討。軌道交通系統(tǒng)與裝備運(yùn)行于復(fù)雜環(huán)境下的智能大系統(tǒng)，其“預(yù)防修”、“狀態(tài)修”的實(shí)現(xiàn)依賴于智能運(yùn)維的高可信建模、狀態(tài)評(píng)估、故障診斷與預(yù)警、壽命預(yù)測(cè)等關(guān)鍵技術(shù)，是數(shù)字孿生技術(shù)在軌道交通系統(tǒng)與裝備智能運(yùn)維方向待解決的重要問題與難題。

3.2 能源裝備

隨著數(shù)字孿生技術(shù)的發(fā)展和能源裝備等對(duì)智能化發(fā)展的需求，許多學(xué)者嘗試結(jié)合數(shù)字孿生的虛實(shí)交互特點(diǎn)，并將其運(yùn)用于能源裝備的運(yùn)行管理、運(yùn)行維護(hù)及性能優(yōu)化等領(lǐng)域。在核電能源領(lǐng)域，PATTERSON等[81]提出了集成運(yùn)行、存儲(chǔ)和處理核廢料的核電數(shù)字環(huán)境框架；針對(duì)不確定環(huán)境下的優(yōu)化問題，KOCHUNAS等[82]給出了基于基于數(shù)字孿生的核電站最大化信息增益和性能的形式化分析方法。MOHANTY等[83]分析了核反應(yīng)堆數(shù)字孿生的SQL和NOSQL數(shù)據(jù)庫(kù)，給出了基于MongoDB的NOSQL數(shù)據(jù)庫(kù)為例加壓水反應(yīng)器蒸汽發(fā)生器的數(shù)字孿生模型。GONG等[84]研究了數(shù)據(jù)支持的物理信息機(jī)器學(xué)習(xí)降階數(shù)字孿生建模，給出了應(yīng)用于核反應(yīng)堆物理的實(shí)例。

在電力裝備領(lǐng)域，LIU等[85]結(jié)合電力裝備制造和管理組織方式，總結(jié)了電力裝備領(lǐng)域數(shù)字孿生技術(shù)應(yīng)用所涉及的關(guān)鍵技術(shù)，提出了以物理層、通信層、虛擬層和應(yīng)用層為核心的電力裝備數(shù)字孿生技術(shù)架構(gòu)，并分析了電力裝備數(shù)字孿生在設(shè)計(jì)、制造、動(dòng)態(tài)管理及運(yùn)維等全生命周期的典型應(yīng)用場(chǎng)景。為了更好地實(shí)現(xiàn)電網(wǎng)運(yùn)行狀態(tài)預(yù)測(cè)和故障診斷等功能，HUANG等[86]提出了基于北斗與數(shù)字孿生技術(shù)的電網(wǎng)運(yùn)維平臺(tái)架構(gòu)，并初步開發(fā)了電網(wǎng)運(yùn)維平臺(tái)。針對(duì)能源互聯(lián)網(wǎng)面臨的規(guī)劃、運(yùn)行和控制等難題，SHEN等[87]中探討了數(shù)字孿生能源互聯(lián)網(wǎng)構(gòu)建和規(guī)劃方面的典型應(yīng)用，并介紹了能源互聯(lián)網(wǎng)規(guī)劃數(shù)字孿生平臺(tái)。YANG等[88]分析了數(shù)字孿生技術(shù)在電力裝備全壽命周期中的研究進(jìn)展，提出了電力裝備數(shù)字孿生框架并構(gòu)建了基于Twin Builder的變壓器數(shù)字孿生模型。

隨著系統(tǒng)仿真、智能管控等新技術(shù)在能源裝備領(lǐng)域的應(yīng)用，數(shù)字孿生技術(shù)成為了能源裝備智能運(yùn)維的新手段，國(guó)內(nèi)外學(xué)者能源裝備關(guān)鍵技術(shù)與問題探討了數(shù)字孿生的應(yīng)用方向，其系統(tǒng)性“預(yù)防修”、“狀態(tài)修”等新特征下的智能運(yùn)維是尚待解決的問題與重要的研究方向。

4 結(jié)論與展望

本文分析了當(dāng)前高端裝備運(yùn)維關(guān)鍵技術(shù)及應(yīng)用的發(fā)展歷程，闡述了高端裝備運(yùn)維新需求下當(dāng)前運(yùn)維關(guān)鍵技術(shù)的不足。數(shù)字孿生技術(shù)實(shí)現(xiàn)了信息物理空間的有機(jī)融合，在虛擬空間先知先覺，在物理空間實(shí)時(shí)優(yōu)化，從而與裝備實(shí)體實(shí)現(xiàn)共生共智。數(shù)字孿生技術(shù)的不斷成熟應(yīng)用，必將顛覆傳統(tǒng)的高端裝備運(yùn)行維護(hù)模式，帶來一場(chǎng)裝備智能運(yùn)維模式的革新，進(jìn)而大幅降低高端裝備的運(yùn)維成本、提高裝備的使用壽命。目前，數(shù)字孿生技術(shù)尚處于高速發(fā)展階段，真正實(shí)現(xiàn)基于數(shù)字孿生的高端裝備智能運(yùn)維還面臨如下挑戰(zhàn)：

(1)復(fù)雜環(huán)境智能感知技術(shù)的挑戰(zhàn) 裝備自身以及外部的工作環(huán)境復(fù)雜，需要開發(fā)多類型、多參數(shù)、寬量程、高精度、低能耗、自校準(zhǔn)、抗干擾的智能傳感器，為數(shù)字孿生物理對(duì)象的各種參數(shù)感知提供支撐。

(2)數(shù)字孿生建模技術(shù)帶來的挑戰(zhàn) 構(gòu)建能夠?qū)崟r(shí)演化的高可信的復(fù)雜裝備的數(shù)字模型是一個(gè)亟待解決的難題。對(duì)于黑盒模型來說，如何設(shè)計(jì)開發(fā)高效的不平衡樣本處理學(xué)習(xí)算法是一個(gè)挑戰(zhàn)；對(duì)于灰盒、白盒模型來說，如何設(shè)計(jì)參數(shù)、結(jié)構(gòu)可在線更新的機(jī)理模型同樣面臨挑戰(zhàn)。

(3)安全可信數(shù)據(jù)傳輸?shù)奶魬?zhàn) 數(shù)字孿生平臺(tái)的實(shí)現(xiàn)需要建立安全可信的數(shù)據(jù)傳輸環(huán)境，如何保證數(shù)據(jù)雙向高速傳輸?shù)陌踩尚乓彩切枰钊胙芯康闹匾较颉?/p>

(4)算力存儲(chǔ)等高性能要求挑戰(zhàn) 考慮到數(shù)字孿生平臺(tái)對(duì)于算力、存儲(chǔ)等的高性能要求以及高端裝備的遠(yuǎn)程部署，基于數(shù)字孿生的高端裝備智能運(yùn)維未來應(yīng)該朝著云邊協(xié)同的架構(gòu)模式發(fā)展，這對(duì)云端平臺(tái)的總體架構(gòu)以及邊緣側(cè)的能力資源分配提出了更高的要求。

隨著數(shù)字孿生技術(shù)自身的不斷完善發(fā)展，上述研究工作必將對(duì)高端裝備在運(yùn)行過程中的狀態(tài)評(píng)估、壽命預(yù)測(cè)、故障預(yù)警與預(yù)警等方面提供更有力的技術(shù)支持，從而有效提升高端裝備安全可靠性和智能運(yùn)維水平。