数字孪生和常规数值仿真的区别

数字孪生的主要功能是对物理实体进行仿真，但数字孪生和常规数值仿真相比，在内涵和支撑技术方面都有所不同，主要体现在如下几个方面：

1）数字孪生和常规数值仿真相比，具有高保真性（high fidelity），体现了数字孪生中“孪生”的含义。

2）常规数值仿真采用不变或不经常变的模型，数字孪生是“活模型”，随物理实体的状态及运行环境变化而同步跟踪并实时演变（evolutionary model）。

3）常规数值仿真和物理实体之间是开环关系，而数字孪生和物理实体构成闭环。一方面，数字孪生需要实时感知物理实体并随实体而演变，另一方面，在数字孪生上进行的仿真、推演、预测结果，将反馈给物理实体，支持物理实体的决策。

4）常规数值仿真大多采用机理建模方法构建模型，而建立数字孪生时，可以采用机理模型建模方法，更多情况下需要采用数据驱动方法或数据驱动和机理模型建模相结合的方法。

5）常规数值仿真通常是单物理场、单时间尺度的，因数字孪生需要关注物理实体的全生命周期过程、各方面的特性，通常需要建立多时间尺度、多物理场的仿真模型。

6）常规数值仿真需要的技术较为单一，了解物理实体的物理特性，并利用计算机实现编程即可。数字孪生需要先进的传感技术，通信技术，云边协同技术，数据传输、储存、处理和分析技术，人工智能技术，AR、VR和其他先进的可视化技术。

数字孪生的由来

数字孪生概念可追溯到1970年美国国家航空航天局（NASA）的阿波罗项目。NASA建设了一套完整的、高水准的地面半物理仿真系统，用于培训宇航员和控制人员，包括模拟多种故障场景的处理。这一仿真系统包含各式各样功能的模拟器，由联网的多台计算机控制。指令舱模拟器用了四台计算机，登月舱模拟器用了三台计算机。在模拟培训中，唯一真实的东西是乘员、座舱和任务控制台，其他所有的一切，都是由很多计算机、许多的公式以及经验丰富的技术人员仿真而创造出来的。

2003年，美国密歇根大学的迈克尔·格里夫斯教授针对设备全生命周期管理，提出了物理实体的虚拟数字表达，并提出了三维模型，但当时并没有用数字孪生这个术语。

NASA在其特定的工程实践中，首先认识到了建设物理孪生的重要性。随着计算机、网络技术的高速发展，特别是软件技术与仿真技术的高度发展，使得各种物理孪生对象，从功能上、行为上完全可以用计算机系统进行仿真替代，在此基础上，很自然地提出了数字孪生概念。2012年，NASA在其发布的技术路线图的”Simulation-Based Systems Engineering”部分中，首次提出了数字孪生（Digital Twins）的概念。

2015年以来，西门子，GE等公司将数字孪生应用到工业界，开发了工业系统、医疗系统的数字孪生。

2017—2019年，Gartner连续三年将数字孪生列入十大战略性技术。数字孪生引起广泛关注和高度重视，开始在各行各业获得应用。

为什么需要数字孪生？

建造物理实体的物理孪生代价太大，而且严格意义上，物理实体独一无二，无法实现两个物理实体的完全一致；另一方面，在物理实体上试错成本高，例如，在真实电力系统中做故障试验风险很大。运用数字孪生技术，可以在不改变原有物理实体的情况下，“克隆”出与之高度相似的数字实体，在数字世界中可以看到物理实体的各种特性，并且可以在数字孪生上模拟不同的“假设-分析”（What-if）场景，并对物理实体进行性能改进，可以提前知道某项决策运用在物理实体上是否可行，因此，可大大减少试错成本。

小结：

数字孪生是充分利用物理模型、传感器更新、运行历史等数据，集成多学科、多物理量、多尺度、多概率的仿真过程，在虚拟空间中完成映射，从而反映相对应的实体装备的全生命周期过程。数字孪生与传统的数值仿真相比，内涵和功能更加丰富，支撑技术更全面和先进。

数字孪生概念已提出多年，直到近两三年才引起广泛重视，这是因为数字孪生的支撑技术如传感技术、云计算、大数据技术、人工智能技术的快速发展，为数字孪生的落地应用奠定了基础，另一方面，也是各行各业的智能化、数字化发展目标与数字孪生相契合。