江海凡，丁國富，肖 通，樊孟杰，付建林，張 劍

（西南交通大學(xué)先進(jìn)設(shè)計與制造技術(shù)研究所，四川 成都 610031）

信息物理系統(tǒng)（cyber-physical system, CPS）是通過建立物理空間和信息空間的雙向連接通道，實現(xiàn)數(shù)據(jù)感知、傳輸、計算和控制[1].數(shù)字孿生（digital twin）則通過鏡像物理實體構(gòu)建虛擬模型并建立物理實體及其虛擬模型的雙向數(shù)據(jù)連接；在模型和數(shù)據(jù)雙驅(qū)動下，實現(xiàn)虛實同步和虛實融合，為實現(xiàn)CPS提供了更為清晰、可行的技術(shù)路線[2].

作為實現(xiàn)CPS的關(guān)鍵使能技術(shù)，數(shù)字孿生受到廣泛關(guān)注，數(shù)字孿生模型及其建模方法成為當(dāng)前的研究熱點.Grieves最早給出了數(shù)字孿生的通用參考模型，即數(shù)字孿生三維模型，包括物理實體、虛擬模型及其連接[3].Tao等[3-4]通過引入數(shù)據(jù)和服務(wù)，將三維模型拓展為五維模型，并探討了其在十大領(lǐng)域的應(yīng)用.上述參考模型高度概括了數(shù)字孿生的組成及其內(nèi)涵，為數(shù)字孿生建模和應(yīng)用指明了方向.但仍然過于抽象，較難直接應(yīng)用于工程實踐.

針對具體應(yīng)用場景和對象，學(xué)者提出了各自的數(shù)字孿生模型、建模方法和架構(gòu)：Bao等[5]從車間生產(chǎn)過程的角度建立了產(chǎn)品數(shù)字孿生模型、過程數(shù)字孿生模型和操作數(shù)字孿生模型，并探討了上述模型間的互操作；Cecil等[6]設(shè)計并實現(xiàn)了一個基于物聯(lián)網(wǎng)的信息物理架構(gòu)實現(xiàn)微型設(shè)備的分布式協(xié)同制造和裝配；Jiang等[7]將離散事件系統(tǒng)（discrete event systems, DES）應(yīng)用到數(shù)字孿生三維模型，探討了車間級的數(shù)字孿生建模和應(yīng)用方法.

綜上，學(xué)者們從通用的概念模型與專用的應(yīng)用模型兩方面提出了各自的數(shù)字孿生模型.但都較少從構(gòu)建方法和過程的角度考慮如何分階段、有步驟地構(gòu)建和應(yīng)用數(shù)字孿生.換言之，缺少對數(shù)字孿生技術(shù)路線的描述.Kritzinger等[8]提出按照虛實融合程度將數(shù)字孿生細(xì)分為數(shù)字模型（digital model）、數(shù)字投影（digital shadow）以及嚴(yán)格意義上的數(shù)字孿生.江海凡等[9]等借鑒這一分類方式，探討了從數(shù)字模型車間到數(shù)字投影車間，到數(shù)字孿生車間的演進(jìn)過程以及各演進(jìn)階段的運行機制.在此基礎(chǔ)上，本文進(jìn)一步提出數(shù)字孿生演進(jìn)模型（digital twin evolution model, DTEM）的概念.通過時間軸串聯(lián)起數(shù)字模型、數(shù)字投影和數(shù)字孿生，將其與智能制造背景下具體應(yīng)用場景、使能技術(shù)與工具相關(guān)聯(lián)，賦予其空間、時間、應(yīng)用等維度新內(nèi)涵，形成數(shù)字孿生的3個演進(jìn)階段，探討DTEM在智能裝備、智能生產(chǎn)和智能運維中的典型應(yīng)用.

1 DTEM

DTEM由基本模型、關(guān)聯(lián)關(guān)系、演進(jìn)過程和融合過程4個部分組成，見圖1.基本模型包括物理實體和虛擬模型：前者是建模、分析和優(yōu)化的對象；后者又分為可視化模型、仿真模型和數(shù)據(jù)模型，分別從不同維度實現(xiàn)對物理實體的映射.關(guān)聯(lián)關(guān)系從空間維度表征了上述虛擬模型與物理實體間的映射關(guān)系，見圖1中黑色箭頭；演進(jìn)過程從時間維度描述了從數(shù)字模型、到數(shù)字投影、到數(shù)字孿生的演進(jìn)過程，見圖1中藍(lán)色箭頭；融合過程則從應(yīng)用維度描述了不同演進(jìn)階段在系統(tǒng)不同生命階段等典型應(yīng)用，見圖1中綠色箭頭.

圖1 數(shù)字孿生演進(jìn)模型及其內(nèi)涵Fig.1 Digital twin evolution model and its connotations

DTEM從時間維度將數(shù)字孿生構(gòu)建與應(yīng)用過程分為3個階段，即數(shù)字模型、數(shù)字投影和數(shù)字孿生.

數(shù)字模型包括物理實體、可視化模型以及仿真模型.其中，可視化模型借助先進(jìn)圖形技術(shù)實現(xiàn)物理對象和仿真過程的可視化，提供便捷的人機交互環(huán)境，降低仿真建模難度，同時有利于加深對仿真過程的理解.仿真模型基于對現(xiàn)有對象/系統(tǒng)運行機制的理解，借助仿真技術(shù)分析和優(yōu)化物理對象/系統(tǒng).該階段物理對象/系統(tǒng)往往尚不存在或尚未運行，無法建立有效的虛實連接關(guān)系；適用于產(chǎn)品/系統(tǒng)設(shè)計與規(guī)劃階段，例如，產(chǎn)品性能分析、車間布局規(guī)劃、生產(chǎn)計劃/過程驗證與優(yōu)化等應(yīng)用場景.

數(shù)字投影在數(shù)字模型的基礎(chǔ)上引入數(shù)據(jù)模型.基于傳感器技術(shù)、物聯(lián)網(wǎng)等實現(xiàn)對物理對象/系統(tǒng)運行狀態(tài)和參數(shù)的感知建立數(shù)據(jù)模型，借助數(shù)據(jù)處理和分析技術(shù)實現(xiàn)對物理對象/系統(tǒng)的運行監(jiān)控.該階段物理對象/系統(tǒng)已經(jīng)存在并運行，實時數(shù)據(jù)可以同步更新至虛擬模型；適用于設(shè)備/系統(tǒng)運行階段，例如，設(shè)備遠(yuǎn)程監(jiān)控、生產(chǎn)過程優(yōu)化等應(yīng)用場景.

數(shù)字孿生則是在數(shù)字投影的基礎(chǔ)上，深度融合仿真模型與數(shù)據(jù)模型.基于現(xiàn)場數(shù)據(jù)和仿真數(shù)據(jù)，借助大數(shù)據(jù)分析和人工智能算法實現(xiàn)數(shù)據(jù)挖掘和知識發(fā)現(xiàn)，持續(xù)優(yōu)化和完善仿真模型，提高其精度和效率，最終基于對物理對象/系統(tǒng)未來狀態(tài)和事件的預(yù)測實現(xiàn)科學(xué)決策.該階段物理對象/系統(tǒng)已穩(wěn)定運行一段時間，積累了足夠多的歷史數(shù)據(jù)；適用于決策優(yōu)化與系統(tǒng)改進(jìn)階段，例如，產(chǎn)品質(zhì)量追溯、設(shè)備故障診斷與預(yù)警、生產(chǎn)過程動態(tài)調(diào)度等應(yīng)用場景.

綜上所述，DTEM的內(nèi)涵和意義可以概括為以下3個方面：1）從空間維度看，DTEM描述了物理實體及其虛擬模型從相對分離、到單向交互到雙向交互的融合過程.2）從時間維度看，DTEM描述了從基于領(lǐng)域知識對系統(tǒng)運行機制的理解（數(shù)字模型）、到基于實時數(shù)據(jù)對系統(tǒng)當(dāng)前運行狀態(tài)的感知（數(shù)字投影）、到基于數(shù)據(jù)挖掘和仿真分析的行為預(yù)測（數(shù)字孿生），即從模型驅(qū)動到數(shù)據(jù)驅(qū)動，再從數(shù)據(jù)中發(fā)現(xiàn)規(guī)律，反過來完善和優(yōu)化模型的閉環(huán)過程.3）從應(yīng)用維度看，DTEM描述了實體/系統(tǒng)從規(guī)劃階段的離散仿真、到運行階段實時監(jiān)控、到優(yōu)化階段性能提升與決策優(yōu)化的全生命周期應(yīng)用過程.

2 DTEM應(yīng)用方法與關(guān)鍵技術(shù)

2.1 基于DTEM的數(shù)字孿生應(yīng)用方法

基于DTEM，將數(shù)字孿生的實施和應(yīng)用過程分為4個階段.首先是構(gòu)建物理實體可視化模型，為后續(xù)應(yīng)用提供三維可視化操作平臺；后3個階段則依次對應(yīng)DTEM 3個演進(jìn)階段，即數(shù)字模型、數(shù)字投影和數(shù)字孿生.

圖2分別從可視化建模、仿真建模、數(shù)據(jù)建模與模型融合4個遞進(jìn)層次論述基于DTEM的數(shù)字孿生各演進(jìn)階段應(yīng)用方法.

圖2 數(shù)字孿生演進(jìn)模型應(yīng)用方法Fig.2 Application method of digital twin evolution model

2.2 基于DTEM的數(shù)字孿生應(yīng)用關(guān)鍵使能技術(shù)

圖3則給出了基于DTEM的數(shù)字孿生各應(yīng)用階段的關(guān)鍵使能技術(shù)和工具平臺.

圖3 數(shù)字孿生不同應(yīng)用階段使能技術(shù)與工具/平臺Fig.3 Enabling technologies and tools/platforms for digital twin at different stages of application

1）物理對象可視化使能技術(shù)與工具/平臺.建立物理對象/系統(tǒng)高保真的三維可視化模型是實現(xiàn)物理對象虛擬化的第一步，也是數(shù)字孿生區(qū)別于傳統(tǒng)建模仿真的特征之一.物理對象可視化使能技術(shù)包括面向真實感的可視化建模技術(shù)、大規(guī)模復(fù)雜場景組織與渲染技術(shù)、人機交互技術(shù)等.物理對象可視化使能工具包括：UG、Pro/E、CATIA、3d MAX等三維建模與模型輕量化處理工具；Unity 3D、面向?qū)ο蟮膱D形渲染引擎（object-oriented graphics rendering engine，OGRE）、開源圖形場景（OpenSceneGraph，OSG）等三維圖形渲染引擎；虛擬現(xiàn)實/增強現(xiàn)實/混合現(xiàn)實（VR/AR/MR）軟硬件設(shè)備等.上述工具形成三維可視化建模平臺.

2）數(shù)字模型使能技術(shù)與工具/平臺.數(shù)字模型集成了物理實體、可視化模型和仿真模型，是數(shù)字孿生的支柱之一.數(shù)字模型使能技術(shù)包括多學(xué)科建模技術(shù)，如多領(lǐng)域耦合建模技術(shù)、DES仿真建模技術(shù)、系統(tǒng)動力學(xué)建模技術(shù)等，模型校核、驗證與確認(rèn)技術(shù)（verification，validation and accreditation，VV&A），仿真評價與優(yōu)化技術(shù)等.數(shù)字模型使能工具包括：MATLAB、Modelica等多學(xué)科耦合仿真工具；Flex-Sim、Plant Simulation等生產(chǎn)系統(tǒng)仿真工具；仿真評價和優(yōu)化算法與工具等.上述工具形成多學(xué)科仿真平臺.

3）數(shù)字投影使能技術(shù)與工具/平臺.數(shù)字投影在數(shù)字模型的基礎(chǔ)上引入了數(shù)據(jù)模型，是數(shù)字孿生的另一支柱.數(shù)字投影使能技術(shù)包括：資產(chǎn)管理殼（asset administration shell, AAS）、OPC 統(tǒng)一架構(gòu)（OPC unified architecture，OPC UA）等數(shù)據(jù)建模技術(shù)；多源異構(gòu)數(shù)據(jù)采集、傳輸、存儲、分析和可視化技術(shù)；基于PLC和OPC UA的虛實同步技術(shù)等.數(shù)字投影使能工具包括：OPC UA、Web service、Kafka等數(shù)據(jù)通信協(xié)議、接口和消息中間件；My SQL、Oracle等關(guān)系數(shù)據(jù)；Redis、MongoDB、HBase等非關(guān)系數(shù)據(jù)庫；Gephi、Tableau等數(shù)據(jù)分析和可視化工具.上述工具形成可視化監(jiān)控平臺.

4）數(shù)字孿生使能技術(shù)與工具/平臺.數(shù)字孿生則深度集成了數(shù)字模型與數(shù)字投影.數(shù)字孿生使能技術(shù)包括基于人工智能、工業(yè)大數(shù)據(jù)的數(shù)據(jù)挖掘、模型融合、知識發(fā)現(xiàn)技術(shù)和服務(wù)封裝、注冊、組合、發(fā)布技術(shù)[10].數(shù)字孿生使能工具包括人工智能算法、工業(yè)大數(shù)據(jù)平臺[11]、模型融合算法、微服務(wù)管理工具等.上述工具形成決策優(yōu)化與管控平臺.

3 DTEM在智能制造中的典型應(yīng)用

基于第2節(jié)所述的基于DTEM的數(shù)字孿生實施方法、使能技術(shù)和工具平臺，本節(jié)通過數(shù)字孿生機床、數(shù)字孿生車間和城軌車輛數(shù)字孿生系統(tǒng)3個應(yīng)用實例，具體說明DTEM對智能制造的指導(dǎo)意義和應(yīng)用方法.

3.1 數(shù)字孿生機床

機床作為工業(yè)母機，是生產(chǎn)系統(tǒng)的核心設(shè)備.借助仿真和數(shù)據(jù)分析手段，構(gòu)建機床數(shù)字孿生模型，對實現(xiàn)機床高質(zhì)量生產(chǎn)以及保證機床長時間無故障運行具有重要意義.如圖4所示，以某五軸數(shù)控機床為例，基于DTEM的數(shù)字孿生機床實現(xiàn)過程分為機床可視化建模、數(shù)字模型機床、數(shù)字投影機床和數(shù)字孿生機床4個階段.

1）基于多體運動學(xué)的五軸數(shù)控機床拓?fù)浣?虛擬機床包括CAD模型、拓?fù)浣Y(jié)構(gòu)和屬性參數(shù)3個部分.基于多體運動學(xué)的拓?fù)浣Y(jié)構(gòu)是實現(xiàn)機床五軸聯(lián)動的基礎(chǔ).如圖4所示，機床拓?fù)滏準(zhǔn)且粋€以床身為根節(jié)點的雙鏈結(jié)構(gòu)，分別從工件節(jié)點W和刀具節(jié)點T指向床身M.機床各部分三維模型通過CAD軟件建立，關(guān)聯(lián)到相應(yīng)的拓?fù)涔?jié)點上，形成機床運動模型，并通過機床結(jié)構(gòu)樹進(jìn)行管理.進(jìn)一步，通過編輯機床屬性參數(shù)，如機床類型、結(jié)構(gòu)、行程、數(shù)控系統(tǒng)等，形成虛擬機床.

圖4 數(shù)字孿生演進(jìn)模型在智能設(shè)備中的應(yīng)用Fig.4 Application of digital twin evolution model in smart devices

2）基于虛擬機床的虛擬調(diào)試與加工仿真.加工仿真的實質(zhì)是在數(shù)控程序驅(qū)動下，刀具掃掠體與工件進(jìn)行實時布爾求交運算，模擬實際材料去除過程.根據(jù)刀具的掃掠截面可生成刀具模型，基于構(gòu)造實體幾何法（constructive solid geometry，CSG）可生成工件模型[12].進(jìn)一步地，通過關(guān)聯(lián)工藝模型、刀具模型、工件模型與機床運動學(xué)/動力學(xué)模型，可構(gòu)建虛擬機床及其加工環(huán)境，形成數(shù)字模型機床；應(yīng)用于操作指令、數(shù)控程序的無風(fēng)險驗證和優(yōu)化，以及虛擬加工仿真數(shù)據(jù)的獲取與分析.一方面，在實際加工前，通過虛擬數(shù)控面板對虛擬機床進(jìn)行操作和調(diào)試，基于碰撞檢測驗證機床操作指令的合法性，如是否發(fā)生干涉、超過行程等.基于刀具掃掠體生成算法和圖像消隱算法[12]，實現(xiàn)虛擬加工仿真，驗證數(shù)控程序是否發(fā)生過切或欠切現(xiàn)象，優(yōu)化刀具移動軌跡，減少不必要的“走空刀”過程.另一方面，結(jié)合被加工材料力學(xué)特性、材料去除機理和有限元模擬建立切削過程力學(xué)模型，通過虛擬加工仿真獲得瞬時條件下的刀具切削狀態(tài)數(shù)據(jù)，用于理論分析與工藝信息推理，例如刀具磨損量預(yù)測、材料去除率估算等.

3）基于可編程多軸運動控制器（programmable multi-axes controller，PMAC）的機床虛擬同步與遠(yuǎn)程可視化監(jiān)控.數(shù)字投影機床主要應(yīng)用于機床的遠(yuǎn)程監(jiān)視和控制.利用PMAC及其應(yīng)用程序編程接口（application programming interface，API）函數(shù)建立物理機床與虛擬機床的數(shù)據(jù)通信通道.在機床加工過程中，一方面，從物理機床實時采集運動變量和運行參數(shù)，同步更新至虛擬機床，實現(xiàn)遠(yuǎn)程可視化監(jiān)控[13].另一方面，通過定義、檢測、識別和評估異常數(shù)據(jù)和事件，對機床進(jìn)行反饋控制.

4）基于模型與數(shù)據(jù)融合的機床故障預(yù)測與健康管理.數(shù)字孿生機床則為機床長周期穩(wěn)定運行提供了技術(shù)保障.由于難以同時考慮機床運行過程數(shù)據(jù)特性和物理特性，模型或數(shù)據(jù)驅(qū)動的單一預(yù)測方法預(yù)測精度較低.而在機床穩(wěn)定運行一段時間后，歸集和重建加工過程技術(shù)狀態(tài)，如工藝參數(shù)、機床狀態(tài)信息、機床故障信息等，以及虛擬加工仿真數(shù)據(jù)，基于模型和數(shù)據(jù)融合可以提高預(yù)測精度，實現(xiàn)機床預(yù)測性維護(hù).例如，基于濾波算法融合仿真分析的理論計算值與數(shù)據(jù)驅(qū)動的預(yù)測值，實現(xiàn)刀具壽命預(yù)測；通過虛擬加工仿真數(shù)據(jù)訓(xùn)練故障診斷模型，基于遷移學(xué)習(xí)將訓(xùn)練好的模型應(yīng)用于實測數(shù)據(jù)的分析，實現(xiàn)機床主軸軸承和滾珠絲桿的故障診斷[14].

通過上述4個階段的實施，最終形成數(shù)字孿生機床，其運行機制如圖4中 ②～⑤所示.在實際加工前，操作指令和數(shù)控程序先在虛擬機床上驗證和優(yōu)化（圖4中 ②）；驗證后的指令和數(shù)控程序下載至物理機床實際執(zhí)行（圖4中 ③）.基于PMAC通信機制實現(xiàn)虛實同步和狀態(tài)監(jiān)控，并歸集實時數(shù)據(jù)和仿真數(shù)據(jù)（圖4中 ④）；基于模型與數(shù)據(jù)融合，實現(xiàn)機床自感知和自決策（圖4中 ⑤），形成控制閉環(huán).

3.2 數(shù)字孿生車間

車間是信息流、物料流和控制流的匯聚地.數(shù)字孿生車間通過在制造執(zhí)行各階段融合信息流、物料流和控制流[9]，實現(xiàn)智能化運行，如異構(gòu)設(shè)備互聯(lián)與互操作、生產(chǎn)過程智能管理與控制，進(jìn)而在保持生產(chǎn)柔性的同時實現(xiàn)提質(zhì)增效.如圖5所示，以某柔性制造車間為例，基于DTEM的實現(xiàn)過程分為車間可視化建模、數(shù)字模型車間、數(shù)字投影車間和數(shù)字孿生車間4個階段.

圖5 數(shù)字孿生演進(jìn)模型在智能生產(chǎn)中的應(yīng)用Fig.5 Application of digital twin evolution model in smart production

1）基于OSG的復(fù)雜場景組織和渲染.OSG基于面向?qū)ο笏枷耄贠penGL的基礎(chǔ)上封裝了場景組織、模型遍歷、相機操作等功能.基于OSG可以快速地實現(xiàn)虛擬設(shè)備建模、三維可視化布局和生產(chǎn)過程可視化等功能，建立虛擬車間，為后續(xù)應(yīng)用提供便捷的仿真和數(shù)據(jù)可視化操作平臺.

2）基于DES的生產(chǎn)計劃/過程仿真評價與優(yōu)化.數(shù)字模型車間主要應(yīng)用于車間規(guī)劃和生產(chǎn)準(zhǔn)備階段，主要涉及仿真邏輯建模、DES仿真機制、仿真結(jié)果綜合評價方法3個關(guān)鍵技術(shù)，具體流程如下：① 建立設(shè)備、服務(wù)單元和物流路徑網(wǎng)絡(luò)模型，為每一類工件生成一個仿真邏輯模型，描述工件的所有工序活動以及各工序所涉及的資源[7].② 以生產(chǎn)計劃為輸入，通過解析生產(chǎn)計劃，形成物流和服務(wù)單元調(diào)度指令，物流任務(wù)和加工服務(wù)任務(wù)交替執(zhí)行，直至完成該工件的所有工序[15].③ 建立生產(chǎn)計劃、系統(tǒng)性能評價指標(biāo)體系，基于可拓層次分析法、改進(jìn)CRITIC法和熵值法確定各指標(biāo)的組合權(quán)重，得到不同生產(chǎn)計劃的綜合評分[16].在綜合得分最高的生產(chǎn)計劃基礎(chǔ)上，基于區(qū)域法識別影響評分結(jié)果的關(guān)鍵指標(biāo)，并溯源至車間配置參數(shù).通過設(shè)計正交實驗對生產(chǎn)計劃和車間性能進(jìn)行進(jìn)一步優(yōu)化.

3）生產(chǎn)執(zhí)行過程可視化監(jiān)控與動態(tài)調(diào)整.數(shù)字投影車間主要應(yīng)用于車間執(zhí)行階段，實現(xiàn)對生產(chǎn)過程異常數(shù)據(jù)和事件的實時感知，并作出相應(yīng)的調(diào)整和調(diào)度.設(shè)計了一個生產(chǎn)排程與調(diào)度、指令傳輸與執(zhí)行反饋、物理資源的三層架構(gòu).生產(chǎn)排程與調(diào)度層基于調(diào)度模型和算法制定生產(chǎn)計劃或調(diào)度方案發(fā)送至制造執(zhí)行系統(tǒng)執(zhí)行，并根據(jù)執(zhí)行反饋數(shù)據(jù)進(jìn)行動態(tài)調(diào)整.在中間層，MES通過信息中間件Kafka向數(shù)據(jù)采集與監(jiān)視控制系統(tǒng)發(fā)送生產(chǎn)指令，包括出入庫指令、物流指令、操作指令等.SCADA將生產(chǎn)指令轉(zhuǎn)換為控制變量并寫入內(nèi)存數(shù)據(jù)庫Redis，從而控制設(shè)備狀態(tài)和行為；并將執(zhí)行結(jié)果通過Kafka反饋回MES，包括執(zhí)行開始、執(zhí)行成功、執(zhí)行失敗等.另一方面，虛擬車間通過Redis獲取實時數(shù)據(jù)，與物理車間在關(guān)鍵狀態(tài)和執(zhí)行進(jìn)度上保持一致.物理車間的異常數(shù)據(jù)和事件將實時更新至虛擬車間.這些異常數(shù)據(jù)和事件將被捕獲、分析和評估.基于仿真分析結(jié)果，生成新的控制指令，對物理車間生產(chǎn)計劃和方案進(jìn)行動態(tài)調(diào)整.

4）基于工業(yè)大數(shù)據(jù)和微服務(wù)架構(gòu)的生產(chǎn)過程管控.數(shù)字孿生車間的意義在于對生產(chǎn)過程的持續(xù)優(yōu)化和改進(jìn)，基于數(shù)據(jù)挖掘和知識發(fā)現(xiàn)，在自感知的基礎(chǔ)上實現(xiàn)自優(yōu)化和自決策.為實現(xiàn)上述目標(biāo)，從MES獲取生產(chǎn)進(jìn)度數(shù)據(jù)，例如計劃執(zhí)行進(jìn)度、在制品數(shù)、生產(chǎn)過程異常數(shù)據(jù)等；從SCADA或分布式數(shù)控系統(tǒng)（distributed numerical control，DNC）獲取設(shè)備狀態(tài)與運行參數(shù)，例如機床實時狀態(tài)、主軸功率、主軸轉(zhuǎn)速等；從仿真系統(tǒng)獲取生產(chǎn)計劃性能評估結(jié)果，例如設(shè)備利用率、生產(chǎn)線平衡率、最大完工時間等；導(dǎo)入Hadoop分布式文件系統(tǒng)（hadoop distributed file system, HDFS），形成數(shù)據(jù)池.在此基礎(chǔ)上，基于Hadoop及其組件構(gòu)建數(shù)據(jù)分析工具池，對上述數(shù)據(jù)進(jìn)行處理和分析.例如，利用數(shù)據(jù)倉庫工具Hive、面向列的分布式存儲系統(tǒng)HBase等實現(xiàn)大規(guī)模數(shù)據(jù)分布式存儲與離線批處理；利用計算引擎Spark、Storm等實現(xiàn)實時數(shù)據(jù)流在線處理[11].根據(jù)實際應(yīng)用場景和需求，按照微服務(wù)架構(gòu)進(jìn)行服務(wù)注冊、封裝和發(fā)布[10]，構(gòu)建車間生產(chǎn)管控App，提供設(shè)備故障診斷、動態(tài)調(diào)度、仿真分析、產(chǎn)能分析、能耗分析、質(zhì)量追溯等服務(wù).以生產(chǎn)過程異常監(jiān)測與處理為例，主要涉及設(shè)備故障診斷、動態(tài)調(diào)度與仿真分析3項服務(wù).以加工設(shè)備（例如機床）的實時狀態(tài)、主軸功率、主軸轉(zhuǎn)速等運行參數(shù)為輸入，基于設(shè)備故障診斷服務(wù)得到機床關(guān)鍵部件（例如主軸軸承、滾珠絲桿）的故障診斷與預(yù)警信息（參見3.1節(jié)所述機床故障預(yù)測方法）；基于上述預(yù)警信息，啟動動態(tài)調(diào)度服務(wù)，在實際故障發(fā)生前進(jìn)行重調(diào)度，并通過仿真分析服務(wù)評估和優(yōu)化重調(diào)度方案；最后以物流指令、操作指令等形式控制物理車間制造執(zhí)行過程，從而提高車間異常處理能力，降低因異常停機導(dǎo)致的訂單延期風(fēng)險.

通過上述4個階段的實施，最終形成數(shù)字孿生車間，其運行機制如圖5中 ②～⑤所示.在生產(chǎn)執(zhí)行前，基于調(diào)度模型生成生產(chǎn)計劃發(fā)送至虛擬車間驗證和優(yōu)化（圖5中 ②），驗證后的生產(chǎn)計劃下發(fā)MES執(zhí)行（圖5中 ③）.基于執(zhí)行反饋和虛實同步機制，識別物理車間異常數(shù)據(jù)和事件，并調(diào)用仿真模型評估異常的影響，決定是否重調(diào)度，而重調(diào)度方案將基于虛擬車間再次驗證、評估和優(yōu)化.同時，歸集實時數(shù)據(jù)和仿真數(shù)據(jù)（圖5中 ④），形成工業(yè)大數(shù)據(jù)池；基于數(shù)據(jù)挖掘和知識發(fā)現(xiàn)工具以微服務(wù)形式對生產(chǎn)過程進(jìn)行持續(xù)優(yōu)化和控制（圖5中 ⑤）.

3.3 面向性能評估的數(shù)字孿生城軌車輛

城軌車輛，如地鐵，是在復(fù)雜工況下長壽命周期安全可靠服役的典型復(fù)雜產(chǎn)品，關(guān)系到人們的出行安全，因此對其進(jìn)行性能評估、故障診斷與運行維護(hù)至關(guān)重要.如圖6所示，以某地鐵系統(tǒng)為例，基于DTEM的應(yīng)用過程包括全路網(wǎng)可視化建模、數(shù)字模型列車、數(shù)字投影列車和數(shù)字孿生列車4個階段.

圖6 數(shù)字孿生演進(jìn)模型在智能運維中的應(yīng)用Fig.6 Application of digital twin evolution model in smart management and maintenance

1）面向全路網(wǎng)的列車多層級系統(tǒng)可視化建模.按照地鐵路網(wǎng)、線路、列車、車輛及其關(guān)鍵零部件的層次建立全路網(wǎng)可視化模型.利用可擴展標(biāo)記語言（extensible markup language，XML）描述地鐵路網(wǎng)、線路及其站點信息；通過線路編號、列車編號和車輛編號實現(xiàn)這三者的關(guān)聯(lián)和綁定；基于車輛物料清單（bill of material，BOM）實現(xiàn)對其關(guān)鍵零部件的分層樹狀管理以及CAD模型的關(guān)聯(lián).

2）基于動力學(xué)模型的整機服役性能仿真評估.以大系統(tǒng)動力學(xué)為基礎(chǔ)，一方面，利用SIMPACK動力學(xué)仿真軟件建立了車輛多體動力學(xué)仿真模型及其評價指標(biāo)體系，以軌道譜、運行速度等為輸入，評估不同工況下車輛運行安全性、平穩(wěn)性和穩(wěn)定性.另一方面，對于關(guān)鍵零部件，例如懸掛部件，基于卷積神經(jīng)網(wǎng)絡(luò)訓(xùn)練其振動信號下劣化辨識模型，通過實時振動數(shù)據(jù)對一系和二系懸掛參數(shù)進(jìn)行劣化程度辨識，將辨識得出的結(jié)果轉(zhuǎn)換為結(jié)構(gòu)參數(shù)更新至其相應(yīng)模型，使仿真模型與物理對象在性能上保持一致，從而提升評估模型的精度.

3）基于行為映射的列車同步運行與狀態(tài)監(jiān)控.基于車地通信單元和多功能列車通訊總線建立路網(wǎng)、列車和車輛三級監(jiān)控體系.在路網(wǎng)監(jiān)控級，基于路網(wǎng)和線路可視化模型，監(jiān)控各線路列車實時運行狀態(tài)、站點信息、公里標(biāo)等；在列車監(jiān)控級，基于幀動畫，結(jié)合列車實時運行信息，模擬列車進(jìn)出站、開關(guān)門、行駛等動作和行為；在車輛監(jiān)控級，借助可視化圖表實時展示各關(guān)鍵零部件監(jiān)控點變量，如振動、應(yīng)力、溫度等.

4）基于云邊協(xié)同的列車性能預(yù)測與決策優(yōu)化.對于時延敏感的數(shù)據(jù)分析、只需局部數(shù)據(jù)的異常情況下故障診斷以及關(guān)鍵零部件的短周期評估模型和計算部署在列車上，即邊緣側(cè)，包括關(guān)鍵部件劣化辨識、故障診斷、系統(tǒng)可靠性分析等模型.對于時效性要求較低，需要歷史數(shù)據(jù)、全局?jǐn)?shù)據(jù)，需在較長周期內(nèi)進(jìn)行模型訓(xùn)練和計算部署在地面控制中心，即云端.核心服務(wù)包括：基于歷史數(shù)據(jù)挖掘的關(guān)鍵部件劣化辨識模型、故障診斷模型的訓(xùn)練，訓(xùn)練好后再下載至邊緣側(cè)應(yīng)用；涉及多條線路和多個列車的歷史和實時數(shù)據(jù)的、基于時空環(huán)比的異常定位；及基于潛在風(fēng)險分析的維修策略和維修排程.以列車一系、二系懸掛部件狀態(tài)辨識與動力學(xué)評估為例，在云端，利用歷史與仿真的振動數(shù)據(jù)，基于卷積神經(jīng)網(wǎng)絡(luò)訓(xùn)練懸掛部件劣化辨識模型，將訓(xùn)練好的模型下載至列車邊緣端部署；在邊緣端，基于劣化辨識模型辨識懸掛部件劣化程度，更新云端動力學(xué)仿真模型相應(yīng)的懸掛部件參數(shù)（例如，一系/二系彈簧橫向/垂向剛度，二系橫向/垂向減震器阻尼等），使仿真模型與懸掛部件的性能保持一致，得到更為準(zhǔn)確的動力學(xué)評估結(jié)果，如橫向平穩(wěn)性指標(biāo)，輔助決策者制定更為精準(zhǔn)的維修策略與計劃，實現(xiàn)列車的預(yù)測性維修.

通過上述4個階段的實施，最終形成城軌車輛數(shù)字孿生系統(tǒng)，其運行機制如圖6中 ②～⑤所示.基于行為映射獲得線路、列車和車輛運行工況和實測數(shù)據(jù)進(jìn)行可視化監(jiān)控，同時輸入至建立好的車輛動力學(xué)模型進(jìn)行性能評估（圖6中 ②）.在實時數(shù)據(jù)驅(qū)動下，計算列車平穩(wěn)性、安全性和穩(wěn)定性等指標(biāo)，評估列車服役性能并反饋回監(jiān)控中心（圖6中 ③）.基于實測數(shù)據(jù)在邊緣端對關(guān)鍵零部件進(jìn)行故障診斷和劣化辨識（圖6中 ④）；實測數(shù)據(jù)和仿真數(shù)據(jù)將傳輸并存儲至云端，進(jìn)行模型訓(xùn)練、異常定位和維修策略制定，從而更加精準(zhǔn)地控制列車行為，保障行車安全（圖6中 ⑤）.

4 結(jié) 論

本文提出了數(shù)字孿生演進(jìn)模型（DTEM），將數(shù)字孿生演進(jìn)階段與工程應(yīng)用階段相結(jié)合，賦予了DTEM具體的工程背景和應(yīng)用場景，有利于豐富和完善數(shù)字孿生建模方法理論體系.通過數(shù)字孿生機床、數(shù)字孿生車間和數(shù)字孿生城軌車輛3個應(yīng)用實例詳細(xì)演示了DTEM在智能裝備、智能生產(chǎn)、智能運維中的實施方法、實施過程和潛在應(yīng)用價值，通過逐階段、分步驟實施，不斷加深物理對象與其虛擬模型的融合程度，無限逼近于“孿生”.基于DTEM的指導(dǎo)和對實施階段的劃分以及各階段應(yīng)用方法、關(guān)鍵使能技術(shù)、工具平臺的介紹，有利于企業(yè)在數(shù)字孿生實踐中研判當(dāng)前所處階段，并從實際需求和應(yīng)用場景出發(fā)制定適合自身發(fā)展的數(shù)字孿生建設(shè)目標(biāo)、實施方案和技術(shù)藍(lán)圖.