数字孪生应用及安全发展综述

数字孪生以数字化的形式对生产的全过程进行动态仿真实现，覆盖了产品的全生命周期和全 价值链，对推动智能制造等领域发展具有重要意义。概述数字孪生概念的起源、梳理技术发展历程 和相关技术体系；简述数字孪生技术在智能制造产品生命周期、生产生命周期的应用，并总结分析 了其在智慧城市建设方面的主要应用特点。以智能制造和智慧城市发展为例，分析了相关应用面临 的主要网络安全风险和挑战，并尝试给出了数字孪生技术的网络安全保障方案，为推动数字孪生技 术和应用的安全发展提供参考。 数字孪生(Digital Twins)，是现实世界(系统) 的数字化。在物联网的背景下，数字孪生体与真实 世界的物体系统相连，并提供有关物品状态的信 息，响应变化，改善操作并增加价值。作为一种前沿技术，数字孪生引起了工业界与学术界的广泛关 注。全球最具权威的 IT 研究与顾问咨询公司 Gartner 将数字孪生列为十大战略科技发展趋势之 一[1-3]。目前，数字孪生主要被应用于制造业领域[4]， 国际数据公司(IDC)表示现今有 40%的大型制造商 都会应用这种虚拟仿真技术为生产过程建模，数字 孪生已成为制造企业迈向工业 4.0 的解决方案。到 2020 年，估计有 210 亿个连接的传感器和终端服 务于数字孪生，在不久的将来数字化孪生将存在 数十亿种[5]。党的十九大报告明确提出要加快建设制造强 国，《中国制造 2025》指出“将智能制造作为两 化融合的主攻方向，推进生产过程智能化，培育 新型生产方式，全面提升企业研发、生产、管理 和服务的智能化水平”。在此背景下，数字孪生 技术受到广泛关注，并将具有巨大的发展潜力。与 此同时，开放环境下的网络安全问题随之而来，这 在一定程度上制约了技术的发展和应用。 https://www.china-simulation.com/CN/10.16182/j.issn1004731x.joss.19-0025 **1 概述 **

1.1 基本概念和发展历程 如图 1 所示，数字孪生的理念可追溯到 1969 年，而其明确的概念则普遍认为是在 2003 年由美 国密歇根大学的 Michael Grieves 教授提出，当时 被称为“与物理产品等价的虚拟数字化表达”，但 由于当时技术和认知上的局限，数字孪生的概念并 没有得到重视[6-8]。在 2003-2005 年间，数字孪生 一直被称为“镜像的空间模型”，2006-2010 年被称 为“信息镜像模型”。美国空军研究实验室与 NASA 在 2011 年开展合作，提出了飞行器的数字孪生体 概念，数字孪生才有了明确的定义。2012 年，NASA 发布“建模、仿真、信息技术和处理”路线图，数 字孪生概念正式进入公众视野。2013 年，美空军 发布《全球地平线》顶层科技规划文件，将数字线 索和数字孪生并列视为“改变游戏规则”的颠覆性 机遇，并从 2014 财年起组织洛马、波音、诺格、 通用电气、普惠等公司开展了一系列应用研究项 目。就此，数字孪生理论与技术体系初步建立，美 国防部、NASA、西门子等公司开始接受这一概念 并对外推广。 随着工业 4.0，智能制造等技术和发展战略的 不断出台，数字孪生技术逐步成为智能制造的一 个基本要素，并得到了各方的普遍关注。洛克希 德马丁公司于 2017-11 将数字孪生列为 2018 年未 来国防和航天工业顶尖技术之首；英国国家基础 设施委员会于 2017-12 发布《数据的公共利益报 告》(Public Good report)，提出创建一个与国家基 础设施相对应的数字孪生体，并于 2019-01 启动 相关计划；Gartner 公司连续 3 年(2017-2019 年) 将数字孪生列为当年十大战略科技发展趋势之一 [1-3]。 当前，数字孪生在工业界和学术界有多种不同 的定义和理解，但从根本上讲，数字孪生是以数字 化的形式对某一物理实体过去和目前的行为或流 程进行动态呈现。表 1 梳理了不同机构对数字孪生 技术的不同概念理解。

**1.2 相关技术 **

基于工业界及学术界对数字孪生的定义，工 四 100 术语编写组对数字孪生进行了较为全面的 概括，将数字孪生技术定义为：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[8]。这一理解得到较为广泛 的认同。根据其定义，数字孪生的技术体系必须 支撑虚拟空间、物理空间以及双向的信息流动等 要素，并在其全生命周期发挥作用。 从虚实空间映射以及协同角度出发，西门子 公司给出了如图 2 所示的应用方案。 在虚拟空间，需要具备对基础设备、产品系 统、生产环境等进行多层次的仿真和建模能力。 在物理空间，需要具备完整的生产系统运营管理 能力、全集成自动化系统工程能力以及基于云计 算、物联网和大数据的数字孪生分析和服务能 力。同时，在连接和协同方面，需要具备虚拟空 间和物理空间的信息集成和闭环反馈能力[12-14]。 从产品设计、制造和服务的全周期出发，数 字孪生技术在各个阶段均发挥了重要作用。在产 品设计阶段，模型定义(MBD)技术实现了产品数 据的高效表达、模型轻量化技术优化了模型的存 储结构、仿真及优化技术使产品数字孪生模型与 物理产品的功能和特点更加接近[15-16]。在产品制 造阶段，数字孪生技术通过于工业互联网、物联 网、传感器等发生多级互联，与人工智能、机器 学习、数据挖掘、高性能计算等信息技术进行协 同，在复杂动态空间的多源构数据采集、数据集 成展示、产品生产监督和质量管理、智能分析决 策等方面均发挥了重要作用。在产品服务阶段， 数字孪生综合利用传感技术、追溯技术、仿真技 术、物联网技术等，在产品状态跟踪监控、故障 预警和定位分析等方面提供支持。