作為推動新一輪科技革命的顛覆性技術之一，數(shù)字孿生從提出之初就以其獨特的科技優(yōu)勢、 廣闊的應用前景、無窮的發(fā)展?jié)摿Γ艿饺驑I(yè)界專家的關注。 同時，人工智能、物聯(lián)網(wǎng)、云計算、大數(shù)據(jù)和區(qū)塊鏈等前沿信息技術的迅猛發(fā)展和廣泛應用， 為數(shù)字孿生的實現(xiàn)提供了堅實的技術底座。 通過開發(fā)數(shù)字化產品，改變產品設計、開發(fā)、制造和服務全生命周期流程，連接內部和外部環(huán)境，數(shù)字孿生能夠加速數(shù)字化、網(wǎng)絡化、智能化發(fā)展進程，可加速企業(yè)數(shù)字化轉型，促進數(shù)字經濟發(fā)展。

數(shù)字孿生是具有數(shù)據(jù)連接的特定目標實體的數(shù)字化表達， 該數(shù)據(jù)連接可以保證物理狀態(tài)和虛擬狀態(tài)之間以適當?shù)乃俾屎途冗M行同步。 數(shù)字孿生具備實時交互、彈性擴展、高度保真、閉環(huán)優(yōu)化等優(yōu)勢，在城市、交通、制造、能源、建筑、農業(yè)、水利和國防等多個領域得到了廣泛應用。

1 系統(tǒng)參考架構

國家標準 GB/T 43441.1—2023《信息技術 數(shù)字孿生 第 1 部分：通用要求》對數(shù)字孿生的定義是： 數(shù)字孿生是指具有保證物理狀態(tài)和虛擬狀態(tài)之間以適當速率和精度同步的數(shù)據(jù)連接的特定目標實體的數(shù)字化表示。

數(shù)字孿生系統(tǒng)是一種基于數(shù)據(jù)驅動來實現(xiàn)目標實體與數(shù)字實體間各要素動態(tài)迭代的系統(tǒng)， 通常由目標實體、數(shù)字實體、兩者之間的數(shù)據(jù)連接以及數(shù)據(jù)連接過程中涉及的模型、數(shù)據(jù)和接口等要素組成，其參考架構由目標實體、孿生互動、數(shù)字實體和服務應用 4 部分構成，如圖 1 所示。 其中，實體是指具體或抽象的事物，包括這些事物之間的關聯(lián)。數(shù)字孿生系統(tǒng)擁有目標實體和數(shù)字實體兩類實體。

圖 1 數(shù)字孿生系統(tǒng)的參考架構

目標實體是現(xiàn)實世界被選中進行數(shù)字化映射的實體，屬于具體事物，包括實體本體和關聯(lián)關系。實體本體可依據(jù)產生時間、邏輯屬性和復雜程度進行分類，而關聯(lián)關系依據(jù)特征屬性和更新情況進行分類。

孿生互動是數(shù)字孿生系統(tǒng)中目標實體和數(shù)字實體之間的信息交互過程， 旨在實現(xiàn)目標實體和數(shù)字實體的動態(tài)迭代， 支持目標實體和數(shù)字實體以虛實結合的形式提供服務應用，包括測量與感知、反饋與控制等操作。 測量與感知可給出目標實體的數(shù)字化表達，內容包括目標實體的幾何特征、物理屬性和約束條件等； 反饋與控制包括數(shù)字實體對目標實體的信息反饋、輔助決策和執(zhí)行控制等操作。

數(shù)字實體是目標實體的數(shù)字化映射， 包括數(shù)字模型和孿生數(shù)據(jù)。 數(shù)字模型通過對實體本體和關聯(lián)關系進行映射，反映目標內外特征和行為規(guī)律，主要包括幾何模型、物理模型、行為模型、規(guī)則模型、算法模型、優(yōu)化模型和知識模型等；孿生數(shù)據(jù)是目標實體相關信息的數(shù)字化表達，主要包括本體數(shù)據(jù)、規(guī)則數(shù)據(jù)和衍生數(shù)據(jù)等。

服務應用通過應用支撐技術來實現(xiàn)行業(yè)服務，包括應用支撐和行業(yè)服務等。應用支撐包括可視化、仿真、分析、預測、優(yōu)化和決策等技術；行業(yè)服務包括數(shù)字孿生在城市、交通、制造、能源、建筑、農業(yè)、水利和國防等領域的應用。

2 成熟度評價模型

數(shù)字孿生系統(tǒng)的成熟度評價模型由 11 個域、24 個指標構成，如圖 2 所示。 這 11 個域分別是數(shù)字模型域、孿生數(shù)據(jù)域、孿生互動域、可視呈現(xiàn)域、模擬仿真域、分析預測域、優(yōu)化完善域、決策控制域、功能更新域、集成融合域和系統(tǒng)管理域。

圖 2 數(shù)字孿生系統(tǒng)的成熟度評價模型

數(shù)字模型域用于實現(xiàn)目標實體和數(shù)字實體的數(shù)字化映射，主要包括模型類型、模型精度和可復用性3 個指標。 其中，模型類型主要評價幾何模型、物理模型、行為模型、規(guī)則模型、算法模型、優(yōu)化模型和知識模型的數(shù)量和質量等內容； 模型精度主要評價對模型類型、數(shù)量的要求以及精度調整能力等內容；可復用性主要評價模型配置形式及覆蓋范圍等內容。

孿生數(shù)據(jù)域用于實現(xiàn)目標實體和數(shù)字實體信息的數(shù)字化表達， 主要包括數(shù)據(jù)采集和數(shù)據(jù)處理 2 個平（手動或自動）、數(shù)據(jù)來源（傳感器或知識庫）、數(shù)據(jù)體量（局部或全生命周期）等內容；數(shù)據(jù)處理主要評價數(shù)據(jù)處理模式（手動或自動）、數(shù)據(jù)處理實效性（實時或非實時等）、數(shù)據(jù)處理正確率、數(shù)據(jù)處理速度等內容。

孿生互動域用于實現(xiàn)目標實體和數(shù)字實體之間的信息交互過程，主要包括連接性和實時性 2 個指標。 其中，連接性主要評價管控配置實體的能力（人工或自適應）、連接的穩(wěn)定性、連接重構能力等內容；實時性主要評價平均交互時延、交互時延自適應調整能力等內容。

可視呈現(xiàn)域使用計算機圖形、圖像處理和數(shù)字建模等技術來呈現(xiàn)目標實體的模型和特征，主要包括可視化內容和可視化方式 2 個指標。 其中，可視化內容用于評價呈現(xiàn)內容的類型（基礎信息、動態(tài)數(shù)據(jù)、模型狀態(tài)、管控結果、預測結果、優(yōu)化結果）、呈現(xiàn)的時效性（實時或非實時）等內容；可視化方式用于評價呈現(xiàn)的維度（二維或三維）、呈現(xiàn)的穩(wěn)定性（靜態(tài)或動態(tài)）、呈現(xiàn)的關聯(lián)性（獨立呈現(xiàn)、連續(xù)呈現(xiàn)或聯(lián)動呈現(xiàn)）。

模擬仿真域通過將模型轉化為軟件，來模擬目標實體的確定性規(guī)律和完整機理，主要包括仿真精度和仿真速度 2 個指標。 其中，仿真精度用于評價對功能性需求的滿足程度、仿真結果與實際運行結果的一致性等內容；仿真速度用于評價實時決策、目標實體實際演進速度對于預測仿真速度要求的滿足程度。

分析預測域通過算法對數(shù)字實體進行時空推理、業(yè)務場景模擬分析、個性化計算和趨勢推演，基于目標實體的歷史數(shù)據(jù)和實時運行數(shù)據(jù)來預先推測目標實體的性能狀態(tài)、安全狀態(tài)、工作狀態(tài)等，主要包括預測精度、預測時長和參數(shù)規(guī)模 3 個指標。 其中，預測精度用于評價預測依據(jù)（歷史數(shù)據(jù)模型、真實動態(tài)數(shù)據(jù)、現(xiàn)有知識模型）和預測對象（數(shù)值、運行過程、狀態(tài)、性能、運行過程、變化趨勢）；預測時長用于評價預測實體未來變化時間量級（秒級、分鐘級）、智能管控或自主演化總時長與預測時長的比較，參數(shù)規(guī)模用于評價智能管控和自主演化所需參數(shù)能否得到滿足。

優(yōu)化完善域基于對數(shù)字空間的仿真、分析和預測，改進和完善目標實體全生命周期的結果，并動態(tài)、實時和持續(xù)作用于物理空間，實現(xiàn)模型、算法和資源配置優(yōu)化等， 主要包括優(yōu)化內容和優(yōu)化程度 2個指標。 其中，優(yōu)化內容用于評價優(yōu)化對象（行為、組成、結構）的完備性；優(yōu)化程度用于評價優(yōu)化效果、對其他實體運行結果的影響。

決策控制域通過分析與推理目標實體和數(shù)字實體相關信息，提出科學合理的解決方案，并向目標實體下達控制指令為決策人員提供實施建議，主要包括控制目標實體和控制數(shù)字實體 2 個指標。 其中，控制目標實體用于評價控制和配置目標實體的自動化程度、控制精度、對目標實體進行改造的能力；控制數(shù)字實體用于評價控制和配置數(shù)字實體的自動化程度、控制精度、對數(shù)字實體進行改造的能力。功能更新域通過對現(xiàn)有功能進行組合、分解、增強和選擇性裁剪操作，將功能自動遷移至另一種場景，實現(xiàn)相關功能自動部署，主要包括功能重構和功能遷移 2 個指標。 其中，功能重構用于評價可視化、仿真、預測、 控制和優(yōu)化功能的重構能力（人工或自動）；功能遷移用于評價將數(shù)字孿生系統(tǒng)功能自動遷移至目標實體與數(shù)字實體演化過程所需場景。集成融合域通過導入模型、插件、集成傳感器、通信、智能分析、決策、機器學習等系統(tǒng)功能，融合MR（混合現(xiàn)實）、VR（虛擬現(xiàn)實）、腦機接口、大數(shù)據(jù)、大模型、機器學習、預測分析算法和知識圖譜等新技術，實現(xiàn)與傳感器、通信、智能分析、決策、機器學習等系統(tǒng)的實時交互，主要包括系統(tǒng)集成和新技術融合 2 個指標。 其中，系統(tǒng)集成用于評價模型插件導入能力，以及與傳感器、通信、智能分析、決策、機器學習等系統(tǒng)的功能集成和實時交互能力；新技術融合用于評價數(shù)字孿生系統(tǒng)與 MR、VR、腦機接口、大數(shù)據(jù)、大模型、機器學習、預測分析算法和知識圖譜等新技術的融合能力，以及融合后的實現(xiàn)效果。

系統(tǒng)管理域通過對物理和數(shù)字實體、 數(shù)據(jù)、內容、行為等要素進行安全管理，以及對模型、數(shù)據(jù)、算法、系統(tǒng)、平臺等要素進行資源管理，實現(xiàn)人力、設備、平臺的按需安全配置，主要包括安全管理和資源管理 2 個指標。 其中，安全管理用于評價系統(tǒng)在物理和數(shù)字實體安全、數(shù)據(jù)安全、內容安全、行為安全等方面的管理能力，資源管理用于評價系統(tǒng)在模型、數(shù)據(jù)、算法、系統(tǒng)、平臺等方面的管理能力。

3 發(fā)展階段劃分

依據(jù)數(shù)字孿生系統(tǒng)的成熟度評價模型，可以將數(shù)字孿生劃分為 5 個發(fā)展階段，即以虛仿實、以虛映實、以虛控實、以虛預實和虛實共生，如圖 3 所示。

3.1 以虛仿實

作為數(shù)字孿生發(fā)展的第一階段，以虛仿實是指采用可見光建模、結構光建模、激光點云建模、維度建模、實體聯(lián)系建模、手工建模、傾斜攝影建模等技術，來實現(xiàn)對目標實體結構外觀、屬性特征和能力行為的定義與數(shù)字化描述，其評價指標要求具體如下。

圖 3 數(shù)字孿生發(fā)展階段劃分

a）數(shù)字模型域。 模型類型：應是物理模型、幾何模型、行為模型、規(guī)則模型的任意一種。 模型精度：應需準確描述目標實體物理屬性、幾何結構、行為的某一方面。 可復用性：支持人工配置模型部分內容以實現(xiàn)復用。

b）孿生數(shù)據(jù)域。 數(shù)據(jù)采集：具備人工采集數(shù)據(jù)、目標實體靜態(tài)參數(shù)和從歷史運行過程或經驗中采集數(shù)據(jù)的能力。 數(shù)據(jù)處理：具備人工方式識別目標實體參數(shù)和明確現(xiàn)有數(shù)據(jù)間顯性關系的能力。

c）孿生互動域。連接性：具備人工管控配置數(shù)字實體和目標實體的能力。 實時性：無要求。

d）可視呈現(xiàn)域。 可視化內容：支持數(shù)據(jù)標簽、標識等模型基礎信息的呈現(xiàn)。可視化方式：支持 2D（二維）或 3D（三維）可視化展示和通過動態(tài)圖表連續(xù)呈現(xiàn)數(shù)據(jù)

e）模擬仿真域。仿真精度：滿足對目標實體進行仿真分析的基本需求。 仿真速度：無要求。

f）分析預測域。 預測精度、預測時長、參數(shù)規(guī)模：無要求。

g）優(yōu)化完善域。 優(yōu)化內容、優(yōu)化程度：無要求。

h）決策控制域。控制目標實體：支持人工控制和配置目標實體。控制數(shù)字實體：支持人工控制和配置數(shù)字實體。

i）功能更新域。 功能重構、功能遷移均無要求。

j）集成融合域。 系統(tǒng)集成：支持導入利用其他建模軟件構建的模型， 或將其他軟件建模功能作為插件集成在數(shù)字孿生系統(tǒng)中。 新技術融合： 能夠融合MR、VR 等技術，或已將這些技術投入實際應用。

k）系統(tǒng)管理域。安全管理：具備與該等級功能對應的物理和數(shù)字實體、數(shù)據(jù)、內容、行為等系統(tǒng)安全管理能力。 資源管理： 具備與該等級功能相應的模型、數(shù)據(jù)、算法、系統(tǒng)、平臺等資源管理能力，并根據(jù)管理需要配置相應的人力、設備、平臺等資源。

以虛仿實階段的典型特征是“人工交互，離線仿真”。 在此階段，數(shù)字孿生模型從物理屬性、幾何結構、 能力行為和運行規(guī)則某個或多個維度對目標實體單方面或多方面的屬性和特征進行數(shù)字化描述，在一定程度上取代了目標實體參與實驗驗證和仿真分析， 但模型與目標實體之間無法直接進行數(shù)據(jù)交換和實時交互， 需要通過人工參與達成間接虛實交互，如人工控制和配置目標實體、數(shù)字實體。

3.2 以虛映實

作為數(shù)字孿生發(fā)展的第二階段， 以虛映實是指通過單向數(shù)據(jù)實時傳輸， 來實現(xiàn)數(shù)字實體動態(tài)跟隨目標實體的運行過程，其評價指標要求具體如下。

a）數(shù)字模型域。模型類型：至少應包含幾何模型和行為模型。模型精度：應能精準描述目標實體幾何結構和運行狀態(tài)。可復用性：支持人工配置模型部分內容以實現(xiàn)復用。

b）孿生數(shù)據(jù)域。數(shù)據(jù)采集：具備使用傳感器自動采集數(shù)據(jù)和目標實體運行動態(tài)數(shù)據(jù)的能力。 數(shù)據(jù)處理：具備實時整合不同來源、不同格式數(shù)據(jù)，并通過實時分析目標實體運行數(shù)據(jù)將其轉化為數(shù)字實體所需輸入?yún)?shù)或狀態(tài)變量的能力。

c）孿生互動域。連接性：具備連接目標實體與數(shù)字實體重要動態(tài)參數(shù)的能力。實時性：平均交互時延應為分鐘級。

d）可視呈現(xiàn)域。可視化內容：支持動態(tài)數(shù)據(jù)和基于動態(tài)數(shù)據(jù)驅動的模型狀態(tài)的實時呈現(xiàn)。 可視化方式：支持聯(lián)動顯示動態(tài)數(shù)據(jù)、模型信息和模型變化過程，并可按需調整呈現(xiàn)方式。

e）模擬仿真域。仿真精度：滿足對目標實體進行仿真分析的基本需求。 仿真速度：無要求。

f）分析預測域。 預測精度、預測時長、參數(shù)規(guī)模均無要求。

g）優(yōu)化完善域。 優(yōu)化內容、優(yōu)化程度均無要求。

h）決策控制域。控制目標實體：支持人工控制和配置目標實體。控制數(shù)字實體：支持依據(jù)目標實體的運行數(shù)據(jù)對數(shù)字實體進行一致性控制。

i）功能更新域。 功能重構、功能遷移均無要求。

j）集成融合域。 系統(tǒng)集成：支持集成傳感器或通信系統(tǒng)功能，并與傳感器或通信系統(tǒng)進行實時交互。新技術融合：能夠融合 MR、VR 等技術，或將這些技術投入實際應用。

k）系統(tǒng)管理域。安全管理：具備與該等級功能對應的物理和數(shù)字實體、數(shù)據(jù)、內容、行為等系統(tǒng)安全管理能力。 資源管理： 具備與該等級功能對應的模型、數(shù)據(jù)、算法、系統(tǒng)、平臺等資源管理能力，并根據(jù)管理需要配置相應的人力、設備、平臺等資源。以虛映實階段的典型特征是“單向映射，動態(tài)可視”。 在此階段，目標實體相關時敏性數(shù)據(jù)驅動數(shù)字孿生模型常態(tài)運行， 其運行過程和實時狀態(tài)可同步直觀呈現(xiàn)， 且數(shù)字孿生模型的仿真結果與目標實體實際運行結果一致， 在一定程度上解除了時空和環(huán)境約束條件對目標實體監(jiān)測的制約。需要注意的是，目標實體的控制和配置、 模型內容的復用和操作仍需人的介入和干預， 目標實體的可視化遙控尚未實現(xiàn)遠程操控。

3.3 以虛控實

作為數(shù)字孿生發(fā)展的第三階段， 以虛控實是指通過雙向數(shù)據(jù)實時傳輸達成數(shù)字實體與目標實體間的雙向交互，以實現(xiàn)數(shù)字實體對目標實體運行過程的實時監(jiān)測與管控，其評價指標要求具體如下。

a）數(shù)字模型域。模型類型：至少應包含幾何模型和行為模型。 模型精度：應能精準描述目標實體行為變化過程。 可復用性：支持人工配置模型部分內容以實現(xiàn)復用。

b）孿生數(shù)據(jù)域。 數(shù)據(jù)采集：具備獲取數(shù)字實體運行過程以及目標實體與數(shù)字實體交互過程動態(tài)數(shù)據(jù)的能力。 數(shù)據(jù)處理：正確率與速度應滿足目標實體實時管控需求，具備通過實時分析數(shù)字實體運行數(shù)據(jù)生成目標實體控制指令的能力。

c）孿生互動域。連接性：具備常規(guī)高吞吐和高并發(fā)情況應對能力，擁有連接動態(tài)檢測、評估或預警機制，且連接具有相對穩(wěn)定性。 實時性：平均交互時延應為秒級。

d）可視呈現(xiàn)域。 可視化內容：支持對目標實體管控結果的實時呈現(xiàn)。 可視化方式：支持聯(lián)動顯示動態(tài)數(shù)據(jù)、模型信息和模型變化過程，并可按需調整呈現(xiàn)方式。

e）模擬仿真域。仿真精度：滿足對目標實體進行仿真分析的基本需求。 仿真速度：無要求。

f）分析預測域。 預測精度、預測時長、參數(shù)規(guī)模均無要求。

g）優(yōu)化完善域。 優(yōu)化內容、優(yōu)化程度均無要求。

h）決策控制域。 控制目標實體：依據(jù)對數(shù)字實體的虛擬控制和配置，實現(xiàn)對目標實體的及時控制與配置，控制精度應滿足目標實體的應用需求。 控制數(shù)字實體：在依據(jù)目標實體運行數(shù)據(jù)對數(shù)字實體進行一致性控制時，人工操作可無縫接管數(shù)字實體控制權。

i）功能更新域。 功能重構：支持人工配置目標實體管理和控制功能。 功能遷移：無要求。

j）集成融合域。 系統(tǒng)集成：支持集成目標實體控制系統(tǒng)功能，并與目標實體控制系統(tǒng)進行實時交互。新技術融合：能夠融合預測分析算法、機器學習、知識圖譜、腦機接口、大模型、大數(shù)據(jù)等技術。

k）系統(tǒng)管理域。 安全管理：具備與該等級功能對應的物理和數(shù)字實體、數(shù)據(jù)、內容、行為等系統(tǒng)安全管理能力。 資源管理：具備與該等級功能對應的模型、數(shù)據(jù)、算法、系統(tǒng)、平臺等資源管理能力，并根據(jù)管理需要配置相應的人力、設備、平臺等資源。以虛控實階段的典型特征是“雙向交互，遠程管控”。 在此階段，數(shù)字實體中孿生模型的運動邏輯和控制邏輯已相對完整，能夠精準反映目標實體行為變化過程，可以接受控制指令并在數(shù)字實體中完成比較復雜的運行過程。 同時，基于以虛映實，構建從數(shù)字實體到目標實體的數(shù)據(jù)傳輸通道，實現(xiàn)實時雙向虛實閉環(huán)交互，為目標實體提供可視化遙控能力，進一步削弱了時空和環(huán)境約束條件對目標實體操控的制約。 雖然對目標實體的控制并不一定達到智能水平或最優(yōu)化目標，但是目標實體的管控效率仍得到大幅提高。

3.4 以虛預實

作為數(shù)字孿生發(fā)展的第四階段，以虛預實是指基于數(shù)字實體信息達成對目標實體的預測性分析和智能決策，以實現(xiàn)對目標實體的智能管控，其評價指標要求具體如下。

a）數(shù)字模型域。 模型類型：至少應包含幾何模型、物理模型、行為模型、規(guī)則模型、算法模型、優(yōu)化模型和知識模型。 模型精度：應能精準描述目標實體的運行機理，可通過按需加載輕量化或高精度模型來實現(xiàn)模型精度調節(jié)。 可復用性：支持人工配置算法模型、優(yōu)化模型、知識模型、物理模型和行為模型，支持行為模型的自主復用。

b）孿生數(shù)據(jù)域。 數(shù)據(jù)采集：具備從知識庫中采集數(shù)據(jù)的能力。 數(shù)據(jù)處理：具備從歷史數(shù)據(jù)中實時提取特征和從歷史數(shù)據(jù)和當前數(shù)據(jù)實現(xiàn)數(shù)值實時預測的能力，且具備實時分析和分解復雜管控方案的能力。

c）孿生互動域。連接性：擁有自適應配置或容錯機制，且具備知識庫和人的連接能力。 實時性：平均交互時延應為毫秒級。

d）可視呈現(xiàn)域。 可視化內容：支持對預測結果、優(yōu)化結果和管控方案實施過程的實時呈現(xiàn)。 可視化方式：支持聯(lián)動顯示動態(tài)數(shù)據(jù)、模型信息和模型變化過程，并可按需調整呈現(xiàn)方式。

e）模擬仿真域。仿真精度：滿足實時決策對預測內容精度的要求。 仿真速度：滿足實時決策對預測仿真速度的要求。

f）分析預測域。 預測精度：具備依據(jù)真實動態(tài)數(shù)據(jù)的精準數(shù)值預測能力和依據(jù)歷史數(shù)據(jù)、模型的精準運行過程預測能力。 預測時長：應能依據(jù)動態(tài)數(shù)據(jù)實現(xiàn)秒級預測，預測時長應不小于智能管控過程所需總時長。 參數(shù)規(guī)模：應包括與管控需求有關的大部分參數(shù)。

g）優(yōu)化完善域。優(yōu)化內容：應包括目標實體在未來一段時間內的行為。 優(yōu)化程度：應優(yōu)于目標實體原方案運行效果，且對目標實體之外的其他實體運行結果不會產生顯著影響。

h）決策控制域。 控制目標實體：支持將智能管控方案分解為目標實體可執(zhí)行的簡單控制指令。 控制數(shù)字實體：支持將智能管控方案分解為數(shù)字實體可執(zhí)行的簡單控制指令。

i）功能更新域。 功能重構：應能對可視化、仿真、預測和控制功能進行人工重構。 功能遷移：無要求。

j）集成融合域。 系統(tǒng)集成：支持集成智能分析和決策系統(tǒng)功能，并與智能分析和決策系統(tǒng)進行實時交互。 新技術融合：能夠融合預測分析算法、機器學習、知識圖譜、腦機接口、大模型、大數(shù)據(jù)等技術。

k）系統(tǒng)管理域。 安全管理：具備與該等級功能對應的物理和數(shù)字實體、數(shù)據(jù)、內容、行為等系統(tǒng)安全管理能力。 資源管理：具備與該等級功能對應的模型、數(shù)據(jù)、算法、系統(tǒng)、平臺等資源管理能力，并根據(jù)管理需要配置相應的人力、設備、平臺等資源。以虛預實階段的典型特征是“時效分析，孿生預演”。在此階段，通過與目標實體進行雙向實時閉環(huán)交互，數(shù)字孿生模型能夠動態(tài)實時地反映目標實體當前的實際運行狀態(tài)。數(shù)字孿生模型顯性機理和數(shù)字孿生數(shù)據(jù)隱性規(guī)律的有機結合，在一定程度上能夠實現(xiàn)對目標實體未來運行過程的在線預演和對目標實體未來運行結果的預測，從而達成將未知轉化為預知、將突發(fā)和偶發(fā)問題轉變?yōu)槌Ｒ?guī)問題的目標。

3.5 虛實共生

作為數(shù)字孿生發(fā)展的終極目標和最高階段，虛實共生是指實現(xiàn)數(shù)字實體和目標實體在全生命周期中的自主學習和迭代優(yōu)化，其評價指標要求具體如下。

a）數(shù)字模型域。 模型類型：至少應包含幾何模型、物理模型、行為模型、規(guī)則模型、算法模型、優(yōu)化模型和知識模型。 模型精度：模型精度可調整，應能精準描述目標實體物理、幾何、行為、規(guī)則等方面的全部信息。 可復用性：支持全部模型的自主復用。

b）孿生數(shù)據(jù)域。 數(shù)據(jù)采集：具備數(shù)字孿生系統(tǒng)外部數(shù)據(jù)和目標實體全生命周期數(shù)據(jù)的采集能力。數(shù)據(jù)處理：應能對各種類型和來源數(shù)據(jù)進行實時解析、歸類、存儲和利用。

c）孿生互動域。 連接性：應能自動識別、重構和新增連接關系。 實時性：平均交互時延應為毫秒級，且可按需對交互時延進行自適應調整。

d）可視呈現(xiàn)域。 可視化內容：支持對目標實體的變化過程、數(shù)字實體的變化過程、交互關系的變化過程等演化內容的實時呈現(xiàn)。 可視化方式：支持聯(lián)動顯示動態(tài)數(shù)據(jù)、模型信息和模型變化過程，并可按需調整呈現(xiàn)方式。

e）模擬仿真域。仿真精度：確保仿真結果與實際運行結果一致。 仿真速度：應大于目標實體實際演化的速度。

f）分析預測域。 預測精度：應能依據(jù)歷史數(shù)據(jù)、實時數(shù)據(jù)、現(xiàn)有知識、現(xiàn)有模型精準預測目標實體的狀態(tài)、性能、運行過程和變化趨勢。 預測時長：應能依據(jù)動態(tài)數(shù)據(jù)實現(xiàn)分鐘級預測，預測時長應不小于目標實體與數(shù)字實體演化過程所需總時長。 參數(shù)規(guī)模：應包括數(shù)字孿生系統(tǒng)中已明確的全部參數(shù)。

g）優(yōu)化完善域。優(yōu)化內容：應包括數(shù)字孿生系統(tǒng)在未來一段時間內的行為、組成、結構。 優(yōu)化程度：應優(yōu)于數(shù)字孿生系統(tǒng)依據(jù)原方案運行的最終效果。

h）決策控制域。 控制目標實體：支持對目標實體的外觀、內部結構、功能、交互關系、關聯(lián)關系進行改造。 控制數(shù)字實體：支持對數(shù)字實體的模型內容、模型結構、模型間關聯(lián)關系和數(shù)據(jù)進行改造。

i）功能更新域。 功能重構：應能對可視化、仿真、預測、控制和優(yōu)化功能進行自動重構。 功能遷移：應能將數(shù)字孿生系統(tǒng)功能自動遷移至演化過程所需場景，實現(xiàn)相關功能的自動部署。

j）集成融合域。 系統(tǒng)集成：支持集成機器學習系統(tǒng)和新接入數(shù)字孿生系統(tǒng)，并與機器學習系統(tǒng)和新接入數(shù)字孿生系統(tǒng)進行實時交互。 新技術融合：能夠融合預測分析算法、機器學習、知識圖譜、腦機接口、大模型、大數(shù)據(jù)等技術。

k）系統(tǒng)管理域。安全管理：具備與該等級功能對應的物理和數(shù)字實體、數(shù)據(jù)、內容、行為等系統(tǒng)安全管理能力。 資源管理： 具備與該等級功能對應的模型、數(shù)據(jù)、算法、系統(tǒng)、平臺等資源管理能力，并根據(jù)管理需要配置相應的人力、設備、平臺等資源。虛實共生階段的典型特征是“決策優(yōu)化，動態(tài)重構”。 在此階段，數(shù)字孿生模型不僅能夠實時反映目標實體的運行狀態(tài)，而且還能利用歷史數(shù)據(jù)、實時數(shù)據(jù)、策略算法、現(xiàn)有知識和現(xiàn)有模型，達成決策實時智能優(yōu)化和目標實體智能管控的目標。同時，目標實體和數(shù)字實體通過雙向交互能夠實時感知和識別對方的更新內容，并利用預測分析算法、機器學習、知識圖譜、腦機接口、大模型、大數(shù)據(jù)等技術，來實現(xiàn)目標實體和數(shù)字實體的自主構建或動態(tài)重構， 確保在長期運行過程中數(shù)字實體的仿真結果與目標實體的實際運行結果保持動態(tài)一致性，提升可視化、仿真、預測、控制和優(yōu)化等功能的有效性，實現(xiàn)高質量、低成本、可持續(xù)的數(shù)字孿生。

4 結束語

作為一種集成創(chuàng)新的技術體系， 數(shù)字孿生是具有數(shù)據(jù)連接的特定目標實體的數(shù)字化表達， 該數(shù)據(jù)連接可以保證物理狀態(tài)和虛擬狀態(tài)之間以適當?shù)乃俾屎途冗M行同步。經過多年探索，數(shù)字孿生發(fā)展已進入快車道，成為培育新興產業(yè)集群、助力數(shù)據(jù)要素價值化、實現(xiàn)產品制造現(xiàn)代化、促進傳統(tǒng)產業(yè)轉型的重要抓手，數(shù)字孿生相關技術、應用、產業(yè)、標準、機制等不斷發(fā)展和完善。