数字孪生人工智能研究综述 | Digital Twin文章推荐

Artificial intelligence in the digital twins: State of the art, challenges, and future research topics

Zhihan Lv ¹, Shuxuan Xie ²

1 Department of Game Design, Faculty of Arts, Uppsala University, Uppsala, SE 75105, Sweden

2 College of Computer Science and Technology, Qingdao University, Qingdao, 266071, China

摘要

随着数字化的发展，大数据、人工智能（AI）、云计算、数字孪生和边缘计算等先进计算机技术已应用于各个领域。为了研究数字孪生与人工智能结合的应用现状，本文通过研究当前已发表文献的研究成果，对人工智能在数字孪生中的应用和前景进行了论述。我们讨论了数字孪生在航空航天、生产车间智能制造、无人驾驶车辆和智能城市交通四个领域的应用现状，并回顾了当前的挑战和未来需要展望的方向。研究发现，数字孪生和人工智能的结合在航空航天飞行探测模拟、故障警告、飞机装配，甚至无人驾驶飞行方面都有显著的效果；在汽车自主驾驶虚拟仿真试验中，可以节省80%的时间和成本，相同的路况降低了实际车辆动力学模型的参数规模，大大提高了试验精度；在生产车间的智能制造中，虚拟车间环境的建立可以提供及时的故障报警，延长设备的使用寿命，保证车间整体运行安全；在智能城市交通中，模拟真实的道路环境，恢复交通事故，使交通状况清晰高效，能够快速准确地进行城市交通管理。最后，我们对数字孪生和人工智能的未来进行了展望，希望能为今后相关领域的研究提供参考。

关键词

数字孪生；人工智能制造；自动驾驶；智能城市

1、引言

2、数字孪生中人工智能技术的研究现状

2.1 数字孪生中的人工智能

密歇根大学的Michael Grieves教授于2003年首次提出了数字孪生（Digital Twins）的概念。数字孪生也被称为数字镜像或数字映射，是一种从物理世界到数字世界的表达系统。简单来说，它是在虚拟世界中复制现实世界中的真实事物，是一种超越现实的概念。数字孪生是一个集成了多学科、物理量、尺度和概率的数字仿真过程，通过物理模型、传感器设备和历史运行数据来实现。

由于数字孪生的优势日益显著，其研究领域也日趋多样化，主要集中在计算机集成制造领域，其发展过程经历了多个阶段，如图1所示。

图1 数字孪生的发展历史

数字孪生主要包括数据采集、数据建模和数据应用三个方面。数据采集是指充分利用卫星遥感、倾斜航空摄影测量、激光雷达测量、摄像头等技术，从完整的物理空间场景中获取三维数据。传感器的作用是获取现实世界中不同类型的真实数据。数据采集的技术难点和关键在于高精度和高效率的数据采集，这决定了数据采集的质量、效率和成本。在获取大量原始物理世界数据后，进行数据建模，并利用自动化建模工具进一步处理，生成物理世界实际恢复的三维模型。除了对环境进行高精度的虚拟重建外，数字孪生数据在支持各种操作流程方面更为有效。数据建模可分为视觉三维建模和语义建模两部分。视觉三维建模是对物理世界的三维再现，而数字孪生的语义建模则包括对采集的数据进行“结构化”处理，并识别车辆、道路、人物及内部物体等对象。其映射概念如图2所示。

图2 数字孪生的概念

人工智能（AI）作为计算机科学的一个分支，不仅改变了我们的生活方式，也深刻影响了众多行业。它旨在理解智能的本质，从而创造出能够以类似于人类智能的方式做出响应的新型智能机器。机器人技术、语言识别、图像识别、自然语言处理和专家系统都是这一学科的研究领域。计算机、机器人、经济与政治决策、控制系统以及仿真系统等领域都广泛应用了人工智能技术。如图3所示，人工智能正在悄然改变我们的生活方式。

图3 人工智能在数字孪生生态模拟分析中的应用

2.2 基于数字技术的人工智能技术应用现状

数字孪生中的人工智能是一种具有普遍适用性的理论和技术体系，其应用领域广泛，涵盖产品设计、设备制造、医疗分析、航空航天等多个领域。目前，中国最深入的应用领域是工程建设，而智能制造在研究中吸引了最多的关注。应用领域的分类如图4所示。

图4 数字孪生中人工智能应用领域的分类

数字孪生在航空航天领域的应用

数字孪生的概念最初就是为航空航天领域提出的。例如，数字孪生被用于飞行模拟和航空航天飞行器的维护与质量保证过程中。通过在数字空间中建立真实的飞机模型，并应用人工智能技术分析飞机状态，可以实现飞机与实际飞行状态的同步。通过这种方式，每架飞机的起飞和降落过程都可以在数字空间中进行模拟和存储。基于人工智能的数据分析，可以清晰地判断飞机是否需要维护以及是否准备好进行下一次飞行。

如图5所示，与其他行业相比，飞机装配具有结构复杂、零件数量庞大以及对产品气动外形要求极为严格的特点。因此，必须使用专业的装配框架，以确保零件在安装过程中不受人为因素的影响，从而避免变形和装配误差问题。仅依靠传统的工程图纸进行工艺设计和生产装配基础，难以确保严格的精度要求。数字孪生技术的出现为飞机装配过程与现场信息反馈控制之间的及时有效交互提供了可能性。

图5 基于数字孪生模型的飞行寿命预测

在民用飞机质量偏差控制系统中，质量偏差控制数据分散在多个管理系统中，导致无法从飞机的全生命周期中收集与质量数据相关的信息；同时，缺乏用于质量数据分析和质量偏差控制的闭环信息物理融合系统。因此，定位质量偏差问题非常困难，解决这些问题也需要耗费大量时间。Cai等人（2021）研究并提出了一种基于数字孪生的质量偏差控制模型。通过基于资产管理技术的数字孪生建模，可以检索和整合多源异构质量偏差数据，并构建质量偏差系统。该系统采用FP-growth（频繁模式增长）关联规则算法对飞机质量偏差数据进行分析，从而为装配现场提供支持，并优化实际质量问题的纠正性能和准确性。

根据上述讨论，数字孪生在航空航天领域具有广泛的应用，包括飞机飞行路线的数字模拟、故障和维修的及时报告以及无人机性能的测试。这些领域已经取得了重大突破和进展。

数字孪生在自动智能驾驶中的应用

随着深度学习和大数据分析技术的进步，人工智能应用正在快速发展。其中，利用人工智能算法开发自动驾驶系统已成为必然趋势。在现实生活中，自动驾驶技术可以减少交通事故，实现时间和空间等资源利用的效率，甚至为残疾人的驾驶过程提供极大的便利。然而，由于自动驾驶技术的高要求，数字孪生在虚拟仿真环境中模拟驾驶的需求已成为不可或缺的一步。

在自动驾驶汽车实际上路之前，必须经过严格的虚拟仿真测试以确保安全。在传统的虚拟仿真测试环境中，通常使用HTL（高阈值逻辑）设备进行安全性和主动性能测试。但在这种测试中，只有控制器是真实的，而驾驶员、变速箱、动力、道路环境以及其他与控制器相关的内容都是在虚拟环境中模拟的。由于目前计算机水平的限制，仿真环境不能设置得过于复杂，因此被测车辆的性能表现不够准确，测试精度存在一定偏差。当然，在真实环境中进行测试无疑是最佳选择，但由于物理条件的各种限制，无法每次都保持统一的测试场景。因此，应实施一种基于数字孪生技术的自动驾驶仿真测试与实际道路环境相结合的测试评估系统。数字孪生测试架构图如图6所示。

图6 自动驾驶数字双虚拟场景测试的总体架构

将数字孪生技术应用于自动驾驶领域，城市或城市级的数字孪生数据可以作为高精度地图，即汽车运行的基础环境数据。作者认为，汽车制造商、自动驾驶设备制造商以及综合解决方案提供商都需要普及这一技术。

一方面，由于自动驾驶的测试环境非常有限且成本高昂，数字孪生可以为客户提供自动驾驶仿真系统作为解决方案。利用虚拟仿真的自动驾驶系统可以验证传感器性能和车辆算法的可靠性。

另一方面，它可以作为实际自动驾驶环境中的映射数据之一。汽车制造商可以利用数字测试场对车辆性能进行虚拟测试，例如车辆动力学、舒适性和耐久性。虚拟测试跑道是进行地面测试的道路。虚拟环境和真实场景需要尽可能逼真，包括固定车辆、道路标志、行人、斑马线、障碍物、移动车辆以及场景中的车道数量。当然，随着自动驾驶领域技术的不断增强，对虚拟测试场景技术复杂性的要求也越来越高，因此我们需要开发更完善的架构。

因此，通过数字孪生自动驾驶测试可以节省至少80%的时间成本，并且可以重复测试相同的路况，减少实际车辆动力学模型的参数规模，大大提高测试结果的准确性。作者认为，在虚拟场景中操作的过程可以避免真实交通条件下可能发生的事故概率，还可以减少不必要的物质损失，从而降低企业成本。因此，在自动驾驶领域使用数字孪生技术为汽车制造和性能测试开辟了新的思路。

数字孪生在智能制造中的应用

随着全球各国智能制造技术的不断发展，制造业的信息化水平逐步提高。为了提高产品生产率并及时应对生产过程中的突发事件，企业必须加强生产车间各模块的管理和控制措施，以提高公司对生产过程的控制能力。此外，消费者对产品的更高个性化需求使企业在生产过程中面临大量数据、数据需求和数据结构的挑战，这使得企业难以管理和分析数据。因此，在制造过程中，如何有效及时地反馈生产车间设备的使用状态并进行故障预警，已成为当前智能制造行业的一大难题。

现代先进信息技术的发展，如大数据、人工智能、物联网、边缘计算等，推动了传统制造业向智能制造的转型。智能制造最关键的特征是其自主性和主动自我优化能力。

数字孪生车间是智能制造的核心组成部分，由物理车间、虚拟车间、车间服务系统和车间孪生数据组成，其中虚拟车间是最重要的组成部分。虚拟车间的构建从三个方向出发，包含多个要素：使用虚拟数字几何模型表示车间的环境要素，包括车间人员、机器、产品等；行为要素包括车间设备的速度轨迹和不同生产指令等生产要素，模拟车间设备的运行状态；规则要素利用车间现有的物理环境对生产过程进行评估、分析、预测和优化，以实现虚拟车间的建立，如图7所示。在实际生产过程中，设备故障时有发生，影响生产进度和成本。如果在故障发生后进行维修，通常难度较大且需要大量人力和物力进行故障排查。因此，对设备故障的预警和设备使用寿命的预测尤为重要。

图7 虚拟车间设备故障预警示意图

基于多项研究可以看出，数字孪生在智能制造领域取得了突破性进展，特别是虚拟车间的使用，可以大大降低设备故障的概率，同时帮助工作人员及时调整车间的整体调度，提高设备生产效率。数字孪生技术可以在智能制造领域实现产品、制造过程甚至整个工厂的虚拟仿真，从而提高制造企业产品开发和制造的生产效率。此外，它还可以在虚拟三维空间中创建产品。通过修改各种尺寸和装配关系的组件和产品，可以大大简化产品几何验证工作、装配可行性验证工作和工艺实施。同时，迭代过程中物理原型的制造次数、时间和成本也大大减少。

数字孪生在智慧城市中的应用

数字孪生的概念简单来说就是将现实世界中的人、物、关系和过程映射到虚拟世界中，并通过观察和分析虚拟空间中的数字孪生来实现对现实对象的研究和控制。将这一概念应用于城市交通领域无疑对智慧城市的建设大有裨益，如图8所示。

城市功能区管理是以空间控制为主要目标，促进城市和区域发展的空间组织和策略。城市功能区管理的主要目标是限制或规范土地的合理使用，并为城市区域的高效利用奠定基础。

城市规划的主要依据包括资源环境承载能力、现有区域开发密度数据以及未来区域增长潜力等相关指标。借助GIS技术，建筑师可以更好地优化城市功能区的布局。

智能交通是利用视频监控、毫米波雷达融合、机动车、非机动车、行人等交通要素的全息感知，实现数字空间中真实交通系统的映射模型构建。通过实时分析和跟踪，可以有效解决交通资源浪费、信号系统功能僵化、不可预测的交通事件以及对交通问题的快速响应。数字孪生在智能交通中的应用可以分为三个方向：提高无人驾驶训练的效率、辅助交通事故分析以及辅助交通控制。

图8 数字孪生智慧城市示意图

数字孪生提高了无人驾驶训练的效率。目前，智能研究中心正在研究智能无人驾驶虚拟训练系统，为无人驾驶汽车驾驶算法的道路驾驶安全性和智能驾驶能力提供一个开放的虚拟测试和训练平台。这类项目的目标是在数字空间中重现真实的交通场景，通过广义衍生技术为无人驾驶车辆创建极端环境和关键高风险场景，从而大大提高无人驾驶训练的效果。

基于静态和动态数据的感知，我们可以创建数字孪生模型，实现基于孪生数据的场景重现，并帮助无人驾驶车辆进行虚拟测试和训练。然而，仅提供高保真场景的数字孪生是不够的，更重要的是对孪生场景进行衍生和泛化，例如增加天气变化、人类驾驶行为和场景案例的泛化，以不断丰富无人驾驶车辆的测试场景。

在交通事故分析中，以卡车交通事故为例。一旦事故现场环境和交通参与者的轨迹被跟踪和恢复，就可以从多个角度观察事故的过程。数字孪生在交通事故分析场景中具有巨大的应用价值，可以帮助追溯和分析事故的具体原因并找到责任人。

在整体交通控制方向上，数字孪生技术用于模拟城市交通状况，然后通过评估和推演优化交通控制策略。这是数字孪生赋能智能交通的重要应用场景，主要涉及三个层次的功能：

（1）监控与发现。通过数字孪生系统，可以创建信息获取和控制的闭环，并对整个过程进行控制。

（2）推演与预测。在掌握数据后，可以为一些参与者创建微观行为模型，然后通过对大量交通参与者的模拟计算，获得宏观模拟结果，推演事态发展，并实现预测功能。

（3）评估和优化对策。通过大规模并行计算，可以同时评估许多平行世界的模拟结果。然后，通过强化学习等技术，不断改进交通控制计划，并进行历史回顾和审查研究。当事件发生时，我们可以使用数字孪生系统还原交通事故的整个过程，并探讨每一步的响应是否足够好以及是否有改进的空间。基础设施的数字孪生可以用于在其整个生命周期内执行模拟，从而实现更好的资产创建、管理和维护。

总之，数字孪生与人工智能技术的结合在智能城市交通中得到了广泛应用。数字孪生技术支持城市信息模型的构建，包括建筑信息、地理信息、新街景和真实三维场景。人工智能与数字孪生结合的核心集中在全球数据的端到端管理和运营上，具体包括数据收集、访问、治理、集成、轻量化、可视化和应用。城市环境的可视化模型有助于更清晰、更高效、更快速和更准确的城市交通管理。

3、数字孪生中人工智能技术的挑战

3.1 数字孪生在汽车自动驾驶领域面临的挑战

由于全球智能互联网汽车产业的快速发展，汽车互联网相关技术的研究对推动汽车互联网的发展具有重要意义。通过利用数字孪生（DTs）、无线网络和人工智能技术，构建交通空间信息网络以优化交通基础设施。作为道路网络交通网络的进一步延伸，交通空间信息网络将各种交通工具与地面宽带网络连接起来，形成一个智能网络系统。它具有重要的研究意义和应用前景。

自动驾驶的主要功能是通过接收数据采集可视化系统发送的真实车辆的实时位置、速度、加速度、航向角等信息，控制仿真系统中与真实车辆对应的仿真车辆。实现真实车辆的控制和仿真车辆在虚拟场景中的运行，使两者的运动状态同步，并实现真实车辆在环的基本功能。

尽管现阶段的研究已经形成了高度开放的数字孪生自动驾驶测试能力，并建立了友好开放的测试和验证环境，支持多种自动驾驶算法实验，并为与自动驾驶相关的研究公司提供开放的测试服务，但在解决测试方案方面仍存在挑战，其中包括：测试成本问题，测试灵活性问题，以及测试系统如何平稳推进。

3.2 数字孪生在航空航天领域面临的挑战

尽管数字孪生的人工智能应用在航空航天领域有广泛的研究，但仍存在一些技术挑战。以航空发动机气路系统为例，基于认知处理创新和工业水平的进步，航空发动机的数据分析正朝着全方位、多层次和可视化方向发展。发动机参数的分析范围从发动机部件到整个发动机，从发动机状态监测到整体健康管理。数据分析也从传统的集成转向结合大量数据、方法和模型的数字孪生过程。目前，发动机状态监测和授权数字电子控制系统的检测、故障检测和定位基本可以完成，但分析发动机整体健康状态的方法有限，这也成为全球学者面临的主要挑战。

数字研发战略的概念似乎已经老生常谈。在过去10年工业软件厂商的努力下，包括航空航天业在内的中国各行业已经相当熟悉数字孪生的概念，但我们对数字研发应用的深度、广度和价值收获仍有相当大的提升空间。飞机的生命周期可达数十年，因此记录和分析整个生命周期的数据不仅有价值，而且是必要的。基于文档的部门协作模式必须转向基于模型的数字孪生-数字协作模式。这也给相关行业带来了巨大的挑战。

关于数字孪生的使用，最好的概括是构建和维护大量超现实模型和数据。只有利用完整的数字孪生技术建立大量超现实模型和数据，包括数字产品模型、数字制造模型和数字性能模型，实时、双向、透明和系统地考虑设计、制造和性能，才能控制和缩短开发周期，否则随着研发难度的增加，延迟交付的风险将越来越大。此外，只有全面数字化才能突破性能设计的瓶颈。

3.3 数字孪生在智能制造领域面临的挑战

随着许多智能生产和建设技术的日益成熟，智能制造技术越来越普及，而实现车间设备生产过程的高效智能实时监控仍然是研究的重点。目前，工业生产已经发展到高度自动化和信息化的阶段，但仍有许多问题需要改进和优化。具体来说，工厂生产的产品多样化、个性化程度高，通用性差。这直接导致产品设计和工艺变更频繁，给生产、采购、仓库和质量带来了巨大挑战。

工厂在多品种小批量生产方面也存在需要解决的问题：例如，一些多品种小批量的离散生产模式限制了车间生产线大规模生产和智能化改造的步伐。

同时，在当前高度信息化和集成化的工业生产模式中，当生产线上发生意外故障时，很容易导致整条生产线停工停产。因此，工业生产过程必须依靠大规模数据的帮助，如设备诊断、化工生产过程模拟以及在虚拟数字空间中对当前设备状态和生产过程结果的模拟预测，以防止现场故障和生产异常造成严重后果。

在工业产品设计过程中，如果没有数字化的帮助，设计一个产品将需要经过多次迭代，消耗资源并影响交付时间。在高度集成的工业生产线的设计中，需要基于精确的节拍优化和协调各种设备、材料、质量检测、人工装配等环节，以提高整体效率。传统的规划过程只能依靠人工模拟或在真实生产线中进行验证。

3.4 数字孪生在智慧城市交通领域面临的挑战

数字孪生城市是在城市积累的数据从量变到质变的背景下，以及感知建模和人工智能等信息技术取得重大突破的背景下，建设新型智慧城市的一条全新技术路径。它是城市智能化和可持续运营的新兴技术路径和先进模式。

然而，面对当前城市管理中的诸多挑战，如何突破传统智慧城市的束缚，逐步向“数字孪生城市”转型升级，是一个值得思考的问题。数字孪生城市的核心是模型和数据，而建立完整的数字模型是一个关键的起点。从当前传统智慧城市建设的应用来看，各领域仍存在数据碎片化的问题。一般来说，普通城市至少有三张基础图，即住房和城乡建设系统推广的城市信息模型平台、自然资源和土地规划主导的时空大数据平台，以及基于公安政法线的城市安全和综合治理的城市基础图。每张基础图都形成了自己的系统，通常只支持系统内的应用，无法被其他部门按需随时使用。这些数据已经积累了相当长的时间，放弃和整合都很困难。这使得城市交通模拟过程的实施变得困难且具有挑战性。

事实上，在数字孪生工具和平台的建设方面，当前大多数工具和平台都侧重于某些特定方面，缺乏系统性的考虑。然而，要实现城市规划、建设和管理的全过程可视化，收集城市“脉搏”数据，反映城市的实时运行情况，并为信息资源共享、整合、有效利用和跨部门业务协作提供根本解决方案，数字孪生技术具有巨大潜力。

4、人工智能在数字孪生中的前景

4.1 数字孪生在汽车自动驾驶领域的未来展望

在未来的数字孪生汽车自动驾驶虚拟环境测试系统推广中，使用开放模拟接口来控制基于代码的交通场景是未来的主要趋势。未来的研究课题将围绕测试平台的推广展开。毕竟，当前自动驾驶测试环境的利用率并不高。未来需要进行大量的综合市场调研，以准确把握市场需求，制定合理的市场推广计划，包括科研成果转化方法、产品推广和应用方法、产品定价等，制定合理的产品开发计划，并建立软硬件集成的数字孪生自动驾驶测试平台。

推广可以通过与汽车制造公司、汽车供应商、科研机构等联合建立数字孪生自动驾驶测试系统来实现，共同攻克其技术难题，逐步形成对自动驾驶测试系统的共识，并推动自动驾驶测试行业的发展。另一方面，为汽车公司、汽车供应商和科研机构推出数字孪生自动驾驶测试平台。采用联合单位会员制，以低成本使用和联合开发；对于非联合单位，采用两种方式：按次收费的测试服务、平台建立的年费或永久授权费。建立完整的售前咨询-平台建立-测试服务-售后维护团队和系统，并进行测试平台的适应性调整和售后问题的收集与解决。

当然，跟踪和记录过程也非常重要。持续跟踪和记录数字孪生自动驾驶测试平台的外部使用情况，建立使用信息数据库，并根据使用数据比较各个方面。对数字孪生自动驾驶测试系统进行模块化和平台化效果评估，从而实现数字孪生自动驾驶测试系统的针对性改进，实现“平台建立-跟踪回访-迭代升级”的闭环开发模式。

4.2 数字孪生在航空航天领域的未来研究课题

在航空航天领域，数字孪生的应用已经显示出显著优势。通过物理实体模型的构建和相关数据的应用，不仅可以减少飞机认证测试的次数和持续时间，消除意外裂纹和故障，还可以减少飞机整体结构的维护检查次数和频率，从而实现前所未有的经济安全性和可靠性。然而，目前的数字孪生技术缺乏系统且通用的参考模型作为指导，未来在数字孪生模型优化方面的相关研究仍有很长的路要走。

此外，数字孪生将逐渐向仿真和集成方向发展，这两者也是未来研究的主题。虚拟化——对象数字孪生的完整性对其在工业领域的应用成功至关重要。每个物理模型都有特定的模型，常用的模型如流体力学、结构力学、热力学、应用力学、疲劳损伤、材料状态演化模型等。未来，将不同模型关联在一起并实时反映在孪生模型中，是数字孪生技术实施的关键。集成——实现产品和孪生生命周期各阶段模型和关键数据的双向交互，决定了数字孪生技术能否成功应用。实现这一突破需要其他技术的支持，数字孪生的愿景需要与其他先进技术集成才能实现。

4.3 智能制造方向的数字孪生的未来前景

在未来几年，数字孪生的发展趋势将持续增长。越来越多的制造商开始利用数字孪生技术来改进流程、生成实时数据库判断，并开始寻找机会修订创新服务、产品和业务方法。制造业将逐渐成为数字孪生技术应用的先驱。如果早期实践者在各个行业中展现出先发优势，其他制造企业将跟随他们的步伐。

从长远来看，要实现数字孪生技术的全部潜力，可能需要整合生态系统各个部分的系统和数据。建立客户生命周期或供应链的完整数字模拟，并提供包括一级供应商及其自身供应商在内的宏观运营视图，但仍需将外部物质整合到内部数字生态系统中。目前，大多数制造商仍然对超越点对点连接的外部连接感到不满。克服这种犹豫可能是一场长期战斗，但最终所有的努力都是值得的。未来，企业希望利用区块链打破信息孤岛，验证信息并进入数字孪生。这将释放大量以前无法访问的数据，使模拟更加详细和动态，并创造不可估量的潜在价值。

4.4 智能城市交通中数字孪生的未来研究课题

随着5G、6G等前沿通信技术的进步，加上端-边-云协同计算，数字孪生的实时性将得到提升，甚至可以在不依赖高精度地图的情况下实时建模未知区域。其次，通过改进行为模拟和预测算法，可以使行为预测的推演更加准确，并且在更强的计算能力下，甚至可以一次性推演更多的平行世界。此外，随着V2X（车联网）技术的发展，将会有更多类型的交通参与者和更复杂的场景。如何使模拟更好也是一个值得研究的方向。最后，在个体实时决策和远程控制方面，对整个孪生系统的要求会更高。例如，数据能否即时安全地传输到云端和后端，并通过情境感知将控制命令传回物理世界。这个过程必须足够快，数据传输过程需要安全稳定。结合区块链等相关技术是一个可探索的解决方案，使这个信息闭环过程安全稳定。

数字孪生城市也是城市信息化建设不断发展的产物，是城市信息化发展的高级阶段。与物理城市相对应的数字孪生城市充分利用前期形成的城市大数据，为城市综合决策、智能管理和全局优化提供平台、工具和手段。

5、数字孪生相关领域应用探讨

根据研究人员的调查可以发现，数字孪生在不同领域的应用已经趋于成熟，并且在未来具有良好的应用前景，例如医疗领域、航空航天领域、制造领域等。

然而，要实现数字孪生的潜力，仍有许多工作要做。仍然面临收集数据类型的困难，例如缺失或错误的数据会扭曲结果并掩盖故障。例如，如果振动传感器发生故障，风力涡轮机的振动将被忽略。算法和模型的建立也面临巨大挑战。例如，当为不同目的编写的软件手动拼凑在一起时，可能会出现其他错误。如果没有标准和指南，很难验证生成模型的准确性。许多数字孪生可能需要进行结合。例如，虚拟飞机可能会将机身的3D模型与故障诊断系统和空调及加压监测系统的模型结合起来。

6、结论

随着大数据、物联网、工业互联网和智能控制技术的快速发展，数字孪生作为一种新型技术形式被广泛应用于生活的许多方面。数字孪生已成为制造业现实世界与数字虚拟世界之间的理想连接，也是实现现实世界与信息世界交互与合作的有效技术手段。

数字孪生是一种以数字方式创建真实实体的虚拟实体，并利用历史数据、实时数据和算法模型来模拟、验证、预测和控制真实实体的整个生命周期。作为提高效率的关键技术和重要工具，数字孪生可以有效地发挥其在模型设计、数据收集、分析、预测和模拟中的作用，以帮助推动数字产业化和产业数字化，以及数字与实际经济发展的融合。

数字孪生依靠知识机制、数字化和其他技术构建数字模型，利用物联网和其他技术将物理世界中的数据和信息转换为通用数据，并结合AR/VR/MR/GIS（增强现实/虚拟现实/中介现实/地理信息系统）等技术，在数字世界中完全再现物理实体。在此基础上，利用人工智能、大数据和云计算等技术，将数字孪生的描述、诊断预调整/预测和智能决策等常见应用赋能于各个垂直行业。

可以看出，人工智能是数字孪生生态系统的底层核心技术之一。其必要性主要体现在数字孪生生态系统中的海量数据处理和系统自优化，使数字孪生生态系统有序且智能地运行，是数字孪生生态系统的核心大脑。两者的结合对当前的研究状态至关重要，未来的研究将为各个行业带来不同程度的智能转型。

关注公众号，后台回复“DT09”即可下载原文

第五届数字孪生国际会议（DigiTwin 2025）将于2025年10月14日-10月18日在德国加尔米施-帕滕基兴举行。

DigiTwin 2025计划设置分论坛如下：

• 数字孪生智能制造

• 数字孪生增材制造

• 数字孪生智能服务

• 数字孪生设计

• 数字孪生智慧城市

• 数字孪生物流

• 数字孪生能源/环境工程

• 数字孪生医疗健康

大会秘书邮箱：digitaltwin@buaa.edu.cn