數字孿生的新邊界

劉青 劉濱 張宸

摘 要：作為網絡物理空間CPS（cyber-physical space）建設的重要支撐技術之一，數字孿生已應用在航空航天、智能制造、智慧城市、智慧醫療、智慧教育等多領域，但其在實踐過程中也出現了一些問題。例如：數字孿生概念泛化，導致理解偏差從而造成產學研用目標不一致、實踐結果不受目標用戶認同;具體實施缺乏通用有效方法，導致難以形成普遍性實踐案例和公認的典型案例。為解決這些問題，需對數字孿生概念邊界進行約束，并對數字孿生方法邊界進行延伸，形成數字孿生的新邊界，促進形成共識，增加實施方法，更好地推動其發展。在概念上，物理實體是一種具備多種性質的物質集合體，具有復雜性、真實性、即時性的特點，可隨外界條件變化按照客觀規律進行動態演化。在將物理實體映射到數字孿生的研究中，極易擴張概念范圍，如將動態演化過程模擬——仿真、外界條件——數據、甚至對象——物理實體等全部包含在內。如此一來，數字孿生概念將失其核心，不利于在學界就其形成共識。

在方法上，基于對多場景下相關應用的詳細調研分析，現有數字孿生研究往往越過對物理實體的感知過程，直接依托原有專業領域的模型或模型構建方法而進行。這種方法在取得一些進展的同時，也顯現出一定的局限性。首先，已有模型多聚焦于細分領域，在領域間無法通用;其次，已有模型中既少有同時體現數字孿生模型高保真、多尺度、多物理場的特點，更罕有涉及對應全生命周期信息流動的內容，直接套用無法保證數字孿生的有效實現;再次，從已有認知的高度直接進入建模過程可能導致成本過高，如世界公認的美軍典型案例ADT計劃，建設時間以10年計，投入人力物力巨大，這進一步阻礙了產業界進入數字孿生實踐。

為應對這些挑戰，在概念邊界方面，提出了數字孿生應回歸其數字化模型的本質，以模型為中心進行有效約束，從而促使產學研用各方的理解達成一致。在方法邊界的延伸方面，提出了一種面向多感知的數字孿生模型構建方法，即按照人類對物理世界的一般認識過程，先經由各種感知方法對特征獲得感性認識，而后經各種認知過程進一步形成理性認識，由淺入深、由易到難、由簡到繁地來進行數字孿生的實踐。首先，通過視覺、聽覺、觸覺和動力感知、嗅/味覺、與反映條件變化的控制數據相結合等多感知方法，建立物理實體的數字孿生初始模型，在模型建立之初就聚焦于物理實體的復雜性和真實性，充分體現數字孿生模型的特點，有效增強模型的實用性和通用性;其次，將初始模型逐步與已有認知的知識框架進行匹配，并使用從物理實體處返回的控制數據進行不斷迭代，將物理實體在特定外界條件變化下的各種性質變化、實時/近實時反應、對其有影響的各種客觀規律、行為邏輯等信息按照研究領域的實際需要逐步加入到數字孿生模型中，有效控制模型規模和成本，逐步實現全生命周期的信息流動;再次，將優化成型的數字孿生模型進一步用于理論和實際研究中，如仿真、規劃、優化、決策等，促進各項研究的發展;最后，展望了面向多感知數字孿生模型在計算機圖像掃描領域、文化遺產保護領域、醫療和教育領域及某些特殊領域的應用前景。

關鍵詞：系統建模;數字孿生;多感知;網絡物理空間;數字化模型

中圖分類號：TP301.6;TB497 文獻標識碼：A

doi：10.7535/hbkd.2021yx02011

New boundary of digital twin：A multi-sensory

oriented model construction method

LIU Qing1，LIU Bin1，ZHANG Chen2

（1.School of Economics and Management，Hebei University of Science and Technology，Shijiazhuang，Hebei 050018，China;2.Department of Mechanical Engineering，Ilmenau University of Technology，Ilmenau D-98693，Germany）

Abstract：

As one of the important supporting technologies for the construction of CPS（cyber-physical space），the digital twin has been applied in many fields，such as aerospace，intelligent manufacturing，smart city，smart medical care，smart education，etc.However， some problems in the practice process has also appeared： the generalization of the concept of digital twin leads to the misunderstanding，which results in the inconsistency of production，teaching，research and application goals，and the practice results are not recognized by the target users; The lack of general and effective methods in concrete implementation leads to the limitation of the results，which results in the lack of universal practical cases and difficulty in forming recognized typical cases.To solve these problems，it is necessary to restrict the concept boundary of digital twin and extend the boundary of digital twin method，so as to form a new boundary of digital twin，promote the formation of consensus，increase implementation methods and promote its better development.

Conceptually，physical entity is a collection of materials with various properties，which is characterized by complexity，authenticity and immediacy，and can dynamically evolve with the change of external conditions according to objective laws.In the study of mapping physical entities to digital twins，it is easy to expand the scope of concept to include simulation （the simulation of dynamic evolution process），data （external conditions），and even physical entities （objects）.As a result，the concept of digital twin will lose its core and it is difficult to from a consensus.

In terms of methods，based on the detailed investigation and analysis of related applications in multi-scenarios，the existing research on digital twin often goes beyond the perception process of physical entities，and directly relies on the models or modelconstruction methods in the original professional fields.While this method has made some progress，its limitations have already been revealed.Firstly，the existing models are mostly focused on subdivision fields，which can not be used universally among fields.Secondly，there are few existing models that reflect the characteristics of high fidelity，multi-scale and multi-physical fields of the digital twin model，and even less information flow corresponding to the whole life cycle.Direct application can not guarantee the effective realization of digital twin; Thirdly，entering the modeling process directly from the height of existing cognition may cause huge costs.For example，the ADT program，a world recognized typical case of US military，was constructed in ten years and with huge investment in manpower and material resources，which further hinders the industry from entering the practice of digital twin.

In order to meet these challenges，in terms of conceptual boundary，this paper proposed that the digital twin should return to the essence of its digital model，and effectively restrict the model as the center，so as to promote the understanding of all parties involved in production，teaching and research to reach an agreement.As for the extension of method boundary，this paper put forward a multi-sensory oriented digital twin model construction method，that is，according to the general process of human understanding of the physical world，firstly obtained perceptual knowledge of features through various perception methods，and then further formed rational knowledge through various cognitive processes，from shallow to deep，from easy to difficult，from simple to complex.At first，the digital twin initial model of physical entity was established by multi-sensory methods，such as visual perception，auditory perception，tactile perception and dynamic perception，gustatory/taste perception，and combination with control data reflecting the change of conditions，thus focusing on the complexity and authenticity of physical entity at the beginning of the model establishment，fully embodying the characteristics of the digital twin model，and effectively enhancing the practicability and universality of the model. Then，the initial model was gradually matched with the existing cognitive knowledge framework，and the control data returned from the physical entity was used for continuous iteration.In this way，information of various property changes，real-time/near-real-time reactions，various objective laws and behavioral logic affecting the physical entity under specific external conditions can be gradually added to the digital twin model according to the actual needs of the research field，thus effectively controled the scale and cost of the model and gradually realized the information flow in the whole life cycle. Third，the optimized digital twin model was further used in theoretical and practical research，such as simulation，planning，optimization，decision-making，etc.，so as to promote the development of various studies.The application prospect of the multi-sensory oriented digital twin model in computer image scanning，cultural heritage protection，medical treatment，education and some special fields was prospected.

Keywords：

system modeling; digital twin; multi-sensory; cyber-physical space;digital model

數字孿生在產業界受到極大關注，2017—2019年，連續3年被Gartner公司評為年度十大戰略性技術[1]。 其學術熱度也同樣持續增長，截至2021年1月，僅在CNKI中檢索到與數字孿生相關的研究已近2 500篇。

然而迄今為止，數字孿生的應用研究與研究總量相比增長仍然較為緩慢，且已經出現對數字孿生理解不一致、有效且通用的數字孿生方法欠缺等問題。為此，本文以推進數字孿生的應用為目標，通過對數字孿生概念核心的辨析，厘清數字孿生的概念邊界，并在詳細分析調研各種場景中的數字孿生應用情況的基礎上，結合數字孿生的特點和多感知的方法與技術，提出一種面向多感知的數字孿生模型構建方法，用于延伸數字孿生的方法邊界。

1 數字孿生概念核心的辨析

對于數字孿生概念已有很多討論，包括將其與CPS（cyber-physical space，網絡物理空間）建設和智能制造系統架構IMSA對接[2]，還有數字孿生標準體系[3]，或將數字孿生視為整個工業互聯網的框架[4]。但是數字孿生的含義在近年來的研究熱潮中并沒有形成越來越清晰的邊界，卻相反有模糊化的傾向[5]，這將對數字孿生的應用和推廣造成阻力。首先，對于產業界和政府決策層來說，一個泛化概念的理解難、操作難，會導致支持難、落地難;其次，對于應用研究者來說，往往傾向于將與本研究領域看似相關的仿真、數據等統統打包到數字孿生這一概念之中，在加劇其概念模糊化的同時又使得數字孿生顯得日益龐雜，進一步加大了其應用研究開展、相互借鑒和整合的難度。因此，重新回到起點對數字孿生的概念、特點和難點進行梳理是必要的。

數字孿生起源于美國密歇根大學GRIEVES教授的產品全生命周期管理課程[6]，后來經過GRIEVES及VICKERS等人的研究，鏡像空間模型這一概念逐步演變為數字孿生，表現形式也從物理-虛擬空間的映射逐步發展到一種新的管理模式[7-8]。這里，數字孿生就是一種物理實體的數字化模型、對這個說法學術界目前并無爭論。后來NASA在其路線圖Modeling，Simulation，Information Technology & Processing Roadmap，Technology Area 11中將數字孿生歸類為基于仿真的系統工程，并定義NASA Digital Twin為一個集成多物理量、多尺度、基于概率仿真技術的仿真過程，使用最佳可用的物理模型，傳感器更新等，以映射對應載具或系統的全生命周期[9]。在這里NASA把數字孿生定義為了一種仿真。數字孿生的概念大概就是從這里開始出現了分歧[5]并進一步泛化，有一些研究把數字孿生視為模型、仿真、數據的集合體，甚至個別研究還加入了物理實體本身，對數字孿生概念的幾種理解如圖1所示。

為了厘清概念，需要分別對仿真、數據、物理實體進行辨析。以下是幾種被廣泛接受的仿真定義。

“計算機仿真是在沒有分析方法的情況下，探索數學模型特性的任何以計算機實現的方法。”[10-11]

“仿真與動態模型密切相關，更具體地說，在仿真底層有一個動態模型，其旨在模擬真實系統的時間演化，仿真模擬一個過程接著另一個過程，直至得到動態模型方程的解即仿真結果。在計算機上運行的仿真，則被稱為計算機仿真。”[12]

“仿真指使用計算機來解決人們無法分析解決的方程，或者說，探索分析失敗的方程數學性質的方法稱為仿真。”[13]

綜合這些定義可知，仿真是建立在非分析性動態模型基礎上的一種模擬真實系統、探索系統性質的方法。這里仿真顯然不能和數字孿生劃等號，數字孿生更接近于仿真定義中描述的仿真的基礎——非分析性動態模型。如一定要加入仿真的概念，直接稱數字孿生仿真更為妥當。

而物理實體是數字孿生映射的對象，“是一種具備多種性質的物質集合體，具有復雜性、真實性、即時性的特點，可隨外界條件變化按照客觀規律進行動態演化”。這里物理實體作為物質集合體，明顯與數字孿生作為數字化模型的概念不符，且物理實體是數字孿生對應的客觀對象，數字孿生和物理實體明顯具有非同一性，因此物理實體同樣不應放入數字孿生概念之中。

數據可認為“是通過觀測得到的數字性的特征或信息。更專業地說，數據是一組關于一個或多個人或對象的定性或定量變量”。既然數據就是特征或信息，那么數據就不是數字孿生概念的一部分，而是與數字孿生共同作用于整個系統的建設、運行過程，如要將其加入，需特別指明為數字孿生數據以示區分。

總之，在數字孿生的語境中，模型是本體，物理實體是參照對象，數據是反映對象特征的信息，仿真是在模型基礎上探索物理實體的方法，如圖1 c）所示，數字孿生的概念邊界是以模型為中心的。

另外，模型這個概念也同樣具有多種涵義，包含不同的層次，數字孿生模型不同于一般的模型，它不僅表示某個單一物理狀態，而且是一系列模型的復雜組合，所以數字孿生模型概念是一個整體，不能將其他模型與數字孿生模型混為一談。

為了更好地促進各界對數字孿生的理解，中文專業詞語注解也應進一步明確化。“孿生”一詞的原始定義參見辭源第3版798頁：“孿（孿），雙生子，【孿生】，雙生，……”。也就是說，“孿”字本身是名詞，作雙生子解釋，而“孿生”這一詞匯應該理解為形容詞，即“以雙生子的

狀態而出生的”，在中文語境的實際使用中，“孿生”也是作修飾語的，后接名詞，如孿生兄弟、孿生姐妹等。根據上述內容，泛指數字孿生概念時可定義為“數字孿生”，這符合目前的普遍認知;而digital twin專指數字化模型的中文概念時可定義成“數字孿生模型”。

2 數字孿生應用調研分析

數字孿生的實施方法在概念上如圖2所示，需要建立一個和物理實體有對應關系的模型，將物理實體隨時間和外在條件改變而產生的各種數據處理并返還給模型，使模型能夠映射物理實體的多物理場、多尺度特征以及全生命周期信息，從而成為數字孿生模型，可以將數字孿生模型和數字孿生數據進行協同仿真。建立數字孿生的方法有3個主要環節，分別是數字孿生模型的構建、數字孿生數據的提取、數字孿生模型與數據結合的應用（仿真等），其中居于核心地位的是數字孿生模型的構建。

2.1 不同應用場景中的數字孿生模型

在實踐中，數字孿生的應用場景基于現有的研究大致可分為4類，即制造業（航空航天、離散制造、流程制造）、智慧城市、智慧醫療和智慧教育。

2.1.1 制造業

1）航空航天

在數字孿生概念誕生之初，其主要應用聚焦在制造業中的航空航天這一場景之下，最早出現在美國空軍研究實驗室（AFRL）的飛機機體數字孿生計劃（ADT，the airframe digital twin）中[14-15]，該計劃的階段性項目Spiral 1 Program主要針對機器疲勞展開，自2013年以來已完成了針對機器疲勞的三大任務中的2個，目前正進行最后一個任務的演示實驗。作為數字孿生實際應用的重大里程碑，該項目使用FEM有限元模型和CFD計算流體力學模型構建數字孿生的核心模型，再結合貝葉斯理論對傳感器數據、維護記錄、使用記錄等異構多源數據進行處理，以期達成2個目標：一是降低復雜環境下的飛行器維護成本，二是提供壽命預測方法，延長舊飛機的服役周期[15-16]。ADT計劃影響深遠，加拿大國家研究委員會（NRC）也對使用ADT計劃進行了適用性研究[17]。中國國內數字孿生的相關研究也取得了一些進展。例如：為國家探月工程和載人航天工程服務的數字孿生航天任務三維實時可視化飛行控制與工程任務指揮平臺、地外遙操作平臺、航天測控凈評估系統等[18]，成功為國家完成自嫦娥二號以來的歷次重大航天任務提供了保障;趙正旭等[19]使用開源工具對FAST射電望遠鏡饋源艙構建數字孿生，以期對工作機制進行模擬維護改進;侯正航等[20]使用Unity對機器人巡檢場景進行建模，使用Solidworks搭建機器人對象和虛擬攝像頭，同時使用自編C#程序收發數據，從而對裝配過程中的攝像頭角度進行優化;胡富琴等[21]設計構建了用于優化旋壓加工過程的薄壁件數字孿生，研發了一種高保真模型定性定量化評估體系;劉蔚然等[22]提出將數字孿生用于衛星產業，以提高大型衛星工程的管理水平;潘春露等[23]針對鳥撞發動機問題，構建了一個葉片鳥撞數字孿生模型，用于評估撞擊風險;張連超等[24]提出了一種用于數字孿生衛星總裝車間的物料配送優化方法;張文杰等[25]針對在數字孿生背景下的航天器試驗，提出了一套體系架構設計方法;周治國等[26]建立了衛星互聯網數字孿生系統，在仿真環境中驗證并反饋計算效果，為衛星的姿態校驗和修正提供有力的依據和支撐。 在航空航天場景下，數字孿生模型的構建的基本方法是使用Unity3D，Blender等3D建模工具對研究對象進行場景建模，針對待解決的問題使用有限元模型、力學模型等工具，并結合已有的領域認知進行功能建模。

2）離散制造

離散制造的行業特點和航空航天行業有很多相似性和銜接性，面向制造業關心的產品設計、決策、故障檢測、診斷等問題涌現了一些數字孿生的方法研究[27-32]。在應用層面，丁凱等[33]設計建造的西安交大智能制造樣本車間，使用某工業軟件對葉輪樣件加工制造過程進行具備數字孿生特點的建模;肖通等[34]建立了五軸磨床的數字孿生，用于故障預測和質量管理;WANG等[35]開發了一種用于精準裝配的數字孿生方法;YERATAPALLY等[36]對鋁合金材料斷裂問題進行研究，使用數字孿生構建了微觀結構的多尺度框架模型，對影響疲勞壽命的可觀察之前的材料損傷累積進行了預測，并發展了一種基于診斷樹的健康管理方法;林晨陽等[37]設計了可用于數字孿生構建的數據采集系統;KONSTANITOS等[38]構建了一種數字孿生仿真器，可以支持設計決策、測試假設系統配置、離線驗證整個系統的實際行為、測試真實的反應，并提供系統性能的統計數據。此外，MALIK等[39]對人與機器人在同一環境中的協同優化進行了研究，發現數字孿生對人-機器人協同領域的優化研究有很大價值，可以明顯減少成本，提高工作人員的安全性;張旭輝等[40]針對煤炭生產“采掘失衡”問題構建了懸臂式掘進機遠程智能虛擬操控系統試驗平臺，運用數字孿生方法有效優化了遠程操作，提高了效率和安全;魏一雄等[41]面向中電38所汽車防撞雷達組裝生產線構建了數字孿生車間系統，實現了車間狀態的信息顯示、分析與管理。在離散制造業的場景下，數字孿生模型的構建同樣大量使用了3D建模工具構建場景模型，并結合相關領域認知進行功能建模，其中有較多研究聚焦于管理方面的問題。

3）流程制造

由于行業特點，具有一定規模的流程制造企業普遍裝備了以DCS為核心的控制系統，管路沿線也往往有一定數量的傳感器，因此具備發展數字孿生的條件。一些研究應用研究立足于管理，把機器學習和數字孿生合用進行管理優化[42]

;一些研究利用衛星航拍、GPS、三維激光高清掃描設備，構建油氣管道的數字孿生[43]，使用數字孿生對管道進行監測[44]。還有一些研究試圖把生物工程的深層次內容與數字孿生結合，如APPL等[45]設計制作的SSF-BC-Simulator，該系統制作了一個同步糖化、發酵和生物催化反應裝置的數字孿生，目前用于對生物工程專業學生的控制策略訓練。李彥瑞等[46]結合3D空間幾何模型、運動過程模型、流體模型，對煉鐵生產線構建了數字孿生，并對煉鐵過程進行了優化。在流程制造業場景下的數字孿生模型構建中，研究者們除了使用典型的3D建模方法建設場景模型，一些研究還使用三維掃描類技術，而功能建模主要是針對管理問題進行的。

數字孿生模型的應用目的、特征、構建方法與工具會因應用場景的不同而有很大區別，詳見表1。

2.1.2 智慧城市

智慧城市在全球范圍內已成為未來城市發展的新理念與新實踐ADDINEN.CITE.DATA[54]，自2017 年“數字孿生城市”建設理念問世以來，各地政府和產業界已將數字孿生城市視為實現智慧城市的必要手段，將CIM（城市信息模型）作為數字孿生城市建設的中心。據中國信息通信研究院數據統計，2018年CIM相關投標項目全國僅有2項，2019年新增8項，2020年新增19項，項目數量增長迅猛。同時，以騰訊、51WORLD、數字冰雹為代表的企業推出各自的數字孿生核心平臺，并在城市管理、制造、交通、能源、水利、應急等方面開展多樣化場景應用。2021年，以CIM為核心的數字孿生城市建設將會進一步加速落地[55]。

數字孿生城市主要有2個場景：微城市生態以及宏觀城市管理。微城市生態的應用針對某一具體問題。針對使用數字孿生理念對停車路徑設計進行驗證[48]的問題，季瑋等[56]提出將數字孿生用于智能交通，實現基于數字孿生的車輛運行、交通管控、道路建管養等現代交通運輸體系各個環節的智慧化升級;伍朝輝等[57]提出使用數字孿生對交通場景進行構建，從而更好地解決復雜交通問題;PAN等[49]構建了一種基于GIS的類數字孿生，將行人車輛的動作捕捉后與空間模型融合，從而提高交通管理水平。智慧電力/電網作為智慧城市的重要組成部分，近年也有研究者嘗試應用數字孿生解決一些管理優化的問題。例如：MILTON等[50]嘗試在電廠模擬中對變壓器模組構建數字孿生，提高了優化效率;房方等[58]提出將數字孿生用于發電機組群的管理，構建面向智能發電的數字孿生。建筑業也已普及使用BIM進行數字化設計，杜明芳[59]提出使用數字孿生整合BIM，GIS，AR/VR等新一代技術以實現建筑一體化管控。宏觀城市管理將數字孿生視作管理體系，如把整個城市的災害管理整合到一個城市災害數字孿生之下[60]。雄安新區規劃中也提出了從頭打造數字孿生城市，把在系統論下的城市建設過程以模型集的方式進行匯聚[61]。

智慧城市場景下的數字孿生模型的構建，在微觀城市生態部分與其他場景類似，基本上是場景建模結合具體問題的功能/邏輯建模。而在宏觀城市管理部分，場景建模基本上都是使用GIS結合攝像頭、無人機等視頻采集設備進行，而功能/邏輯模型需要把城市這種巨系統映射到數字孿生，不能簡單地套用原有決策模型，具體方法還在研究探討中。

在醫療場景下，一些研究認為為病患建立個性化的數字孿生可能會帶來醫療領域的革命[62]，極大提高就醫體驗并節約醫療成本。DU等[51]在Cog-DT項目中通過對腦部的活動進行檢測，構建腦部特殊活動的數字孿生來研究人類認知過程;DESSISLAVA等[63]嘗試用數字孿生構建一種用于多發性硬化癥的診斷平臺;還有科研人員構建了心臟冠狀動脈的數字孿生，并應用于檢查和預防心梗[52]。

數字孿生在教育場景下也已有個別應用，如吳迎年等[53]使用一些商業機器人平臺和軟件針對抓取的決策過程建立對應的數字孿生，還有訓練生物工程專業學生的SSF-BC-Simulator等[45]。

2.1.3 智慧醫療和智慧教育

醫療和教育場景下的數字孿生構建更強調功能模型的個性化，目前尚沒有較一致的方法。

2.2 數字孿生應用中的困難與迷思

通過綜合梳理上述數字孿生應用研究可知，多數實施方法是先使用某種工具建立場景和研究對象的三維模型，再依托原有的專業領域模型，如結構/機構模型、力學模型、動態模型等進行功能和邏輯建模。這樣建立的數字孿生模型往往過于依賴原有模型，而沒有充分體現數字孿生模型的核心特點，從而導致希望達成的目的與實踐成果之間存在距離。

第一，如果不直接以建立對物理實體的映射模型作為出發點可能降低通用性，進而形成重復研究。例如，同樣是以車間為研究對象的2個研究[33，47]，一個研究制造過程的數據關聯，另一個研究作業優化，其場景/對象建模分別由不同軟件完成，這些模型難以通用，需要額外使用包裝函數（wrapper function）等方法;而功能和邏輯建模本來同樣聚焦在制造和作業過程，本應能夠互相借用，但實際同樣難以實現。

第二，如果要實現對真正物理實體的映射，需要使模型具有精確性。眾所周知，描述物理實體相關性質的理論往往沒有真實解，只有近似解，即使理論有精確解，數學模型、求解方法、輸入數據和執行的舍入誤差都會影響結果。如果不使用有效的方法，場景/對象建模造成的偏差會和原有功能/邏輯建模的誤差進一步疊加，最終將影響數字孿生模型對物理實體的映射效果。以鋁合金微觀結構數字孿生模型構建AA7075-T651為例，在宏觀尺度上觀察鋁合金斷裂就是一道裂縫，而在微觀尺度上觀察極其復雜，涉及到微結構如何從受力、形變一直到斷裂的過程，描述這個過程的物理模型本身就有待完善，那么如何在這種有缺陷的模型基礎上構建符合數字孿生模型精確性要求的物理實體模型呢？

第三，對物理實體的映射還需要解決真實性的問題，物理實體具有多尺度和多物理場。如上例中僅針對力學中的一個斷裂現象進行模型構建，而除力學外，還有電學、熱力學、電磁學、流體力學等物理場，每增加一個尺度或物理場都會增加模型構建的困難，最終如何保證模型能夠覆蓋物理實體的全部物理特性類別呢？

第四，要實現對應全生命周期的信息流動，就需要解決信息提取、處理、反饋的一系列問題，而且這些信息必須有相應價值，可以對分析、開發、決策、生產、部署、運營等階段提供支持。這些都進一步增加了數字孿生模型構建的困難。

為了解決這些困難，在以美國ADT計劃為代表的數字孿生模型的構建實踐中，首先，從頂層設計開始統籌推進數字孿生模型的構建，以避免通用性方面可能面對的問題;其次，基于演繹方法進行了大量風洞模擬實驗，在各傳感器收集數據，對機身結構的原有有限元模型進行不斷優化，力求得到一個“完美”的模型，即兼具精確性、真實性的模型;最后，綜合考慮如何應用全生命周期信息。自從2013年起，Spiral 1 Program進入實際運作階段，迄今仍未完成全部實驗項目，建設周期長，成本居高不下。上述實踐過程各界可以普遍接受嗎？這是否就是唯一解決問題的思路呢？

數字孿生的抽象方法過程表明，先要在不斷的迭代過程中逐步優化模型，使其能夠映射物理實體的多物理場、多尺度特征以及全生命周期信息，從而成為數字孿生模型。之后，數字孿生模型可以和數字孿生數據協同進行仿真等數據處理。

數字孿生模型并不是基于對某個領域認知的“完美”的模型，而是通過建設模型的過程，同時不斷通過與物理世界的現實情況進行迭代，最終得到一個“足夠好”的模型，從而為全生命周期信息流動提供各種支持，如圖3所示。為了更好地建立數字孿生模型，現有研究的方法邊界需要進一步延伸。

3 多感知的技術與方法

對一個物理實體通過迭代的方法建立認識并不是稀有方法，人類對物理實體的認識就是這樣進行的。

3.1 通過多感知認識物理世界

作為高級生物，人類可以認識物理世界，首先通過感知過程對物理實體的特征獲得感性認識，而后經各種認知過程進一步形成理性認識，是一種由淺入深、由易到難、由簡到繁的逐步迭代的方法，如圖4所示。

其中的感知過程是由各種感官（如視覺、聽覺、觸覺、嗅覺、味覺、動力感知等）采集外界物理世界的各種特征，通過在物種進化過程中由大自然創造并完善的機制——反思，人腦內部用內在形象的形式形成和保存某些特定的神經網絡結構，從而執行內部圖像的處理[64]。人腦的相應結構包括等級制度和層間關系，從而將人的感官系統收集的多感知的信息在不同層次上分別表示。同時，人腦有一種分析機制，可以將這些復雜層級組合成為物理實際中客觀對象的虛擬圖像。另外，人類的身體和大腦有一種協同機制，可以將多種不同層級的刺激進行整合并不斷從感官回饋給大腦[65]。也就是說，人腦認識物理世界并不是通過各種精確的數據進行的，而是通過印象—感知—反饋—優化的認識過程來建立對物理實體的映射，這種映射始終是基于感知的。那么，數字孿生模型的構建可以用類似人類認識物理世界的模式進行嗎？答案是肯定的。

3.2 多感知技術

視覺和聽覺是人類最主要的2種感知方法，也是學術界長時間關注的研究熱點，所以對視覺和聽覺信息的獲取、存儲、傳輸和顯示技術已經達到非常高的水平[66]。在視覺方面，伴隨虛擬現實技術VR和機器視覺、計算機圖形學的快速發展，通過圖片、視頻、多波段和激光掃描等視頻數據采集方式形成各種空間點云數據，并在此基礎上形成三維圖像已變得日益普及[67]。如圖5所示，可使用手持設備在施工現場掃描場景并與建筑設計模型BIM進行比對。在聽覺方面，通過對聲音的采集和分析對設備內部運動部件進行感知和監測，已經成為一種典型的應用場景。

觸覺和動力感知是感知技術現在發展的另一個熱點。在這一領域，科研人員對于人類觸覺和動力感知形成機制的研究已經有了很大進展[68]，同時還開展了對各種材料表面的編碼工作[66]。近年來還提出了建設觸覺互聯網 the Tactile Internet[66]的概念。在觸覺和視覺結合方面，目前已有一些相關的研究成果，建立起觸覺與表面間的聯系[69]。更重要的是，隨著觸覺互聯網和5G技術的發展，完全可以借助觸覺感知設備，將物理實體的表面觸覺進行記錄[66，70]，并將記錄所得數據進行高速傳輸。與觸覺相關聯的還有動力感知，人在嘗試移動物體中，會對物體的質量、速度、加速度等形成一種感知。目前已有一些動力感知的研究成果投入應用，如圖6所示[66]，使用該設備可以將物體表面的觸覺數字化處理，并進行儲存和傳遞。

人類的嗅覺和味覺都是對應器官對化學成分的一種采集和分析結果，現在已經有一些工程實踐可以將模型的味道通過穿戴式裝備反饋給使用者。如NARUMI等[71]建立了一種仿嗅覺系統，通過視覺、味覺和嗅覺的交叉模式，讓使用者可以體驗到曲奇餅的不同口味，如圖7所示。

此外，在柔性混合電子學領域，還有一些特殊傳感材料取得了長足的進步，如皮膚狀電子器件材料和結構設計。這種柔性傳感材料增強了虛擬世界和物理世界之間以及人和物體之間的聯系，可以靈活響應刺激，靈敏度類似于人類感官（嗅覺、視覺、 聽覺、觸覺和味覺），同時具備相應的應用（氣體、光、化學成分、聲音和機械信號監控）[72]。還有一批研究人員提出并在努力構建一種賽博物理化學空間接口（CPI，cyber-physiochemical interfaces），它能夠提取生物物理和生物化學信號，并將它們與電子、通信和計算技術緊密聯系起來，包括材料、傳感器開發、系統集成和數據處理等技術[73]。

各種感知技術和數字孿生可能的融合已被某些研究者注意到，如SADDIK[74]就提出從人類感知的角度，可以把數字孿生的作用視為有助于監控、理解和優化所有物理實體的功能，并為人類提供持續的反饋，提高生活質量和福祉。多感知領域為VR提供支持的技術，如圖像引擎技術的成果，都可以簡化、優化3D模型的構建過程[75]，用于數字孿生模型的構建。

4 面向多感知的數字孿生模型構建方法

根據人類通過多感知認識物理世界的過程與方法，結合多感知技術的研究成果，本文提出一種面向多感知的數字孿生模型構建方法。

4.1 模型框架

為了體現數字孿生模型的核心特點和要求，即實現對真正物理實體的映射和有效體現對應全生命周期的信息流動，需要將模型分解為幾個組成部分，如圖8所示。

首先，按照物理實體的定義進行模型的分別構建。物理實體是一種具備多種性質的物質集合體，具有復雜性、真實性、即時性的特點，可隨外界條件變化按照客觀規律進行動態演化，需要對物質集合體進行環境建模和對象建模。所謂對象是指研究對象，環境就是可能對研究對象造成影響的周邊物體;還需要對其具有的多種性質進行結構建模和功能建模，并需要針對動態演化進行近實時建模、行為建模和規律邏輯建模。

其次，為了體現對應全生命周期的信息流動，控制數據會對與動態演化相關的近實時建模、行為建模和邏輯建模產生影響。

在實施過程中，與現有應用研究使用的建模方法不同之處在于，通過視覺、聽覺、觸覺和動力感知、嗅/味覺、與反映條件變化的控制數據相結合等多感知方法，建立物理實體的數字孿生初始模型，從而在模型建立之初就聚焦于物理實體的復雜性和真實性，充分體現了數字孿生模型的特點，有效增強了模型的實用性和通用性。具體而言，使用視覺相關技術（如掃描設備等），建立環境模型、對象模型并協助建立部分結構模型;使用聽覺相關技術（如超聲波檢測儀器等），建立結構、功能模型;使用觸覺和動力感知相關技術（如表面觸覺體驗系統等），協助建立環境模型、對象模型和部分結構模型;使用嗅覺和味覺相關技術，協助建立部分功能模型。將初始模型逐步與已有認知的知識框架進行匹配，并使用從物理實體處返回的控制數據進行不斷迭代，可以將物理實體在特定外界條件變化下的各種性質變化、實時/近實時反應、對其有影響的各種客觀規律、行為邏輯等信息按照研究領域的實際需要逐步加入數字孿生模型中，從而有效控制模型的規模和成本，逐步實現全生命周期的信息流動。具體而言，使用多波段相機等視覺相關技術，對物理實體進行持續觀測，協助建立體現動態演化的近實時模型和行為模型;使用聽覺技術，對物理實體的變化進行監測，協助建立近實時模型和行為模型;使用觸覺和動力感知技術，對物理實體的行為進行監測，協助建立行為模型;使用嗅覺和味覺技術，對物理實體的行為進行監測，協助建立行為模型。

將優化成型的數字孿生模型進一步用于理論和實際研究中，如仿真、規劃、優化、決策等，可促進各項研究的開展，如圖9所示。總之，在構建數字孿生模型時，不追求在開始階段就有精確模型，而是結合三維模型和多感知技術構建初始模型，而后使用物理實體隨時間變化產生的各種可用控制數據，結合新的多感知采集的數據對模型進行迭代，直至優化過程結束，形成數字孿生模型為止。

4.2 多感知的優點

面向多感知的數字孿生模型構建框架，從方法論上避免陷入“完美”模型，結合技術手段和可采集的數據，優先建立一個“可用的”數字孿生模型。

1）適用于計算機圖像掃描領域，如中緬油氣管道數字孿生體[43]建設，就是使用衛星航拍照片結合其他計算機圖像技術進行的構建，有效降低了成本和建設時間;

2）在聽覺監測技術不斷進步的今天，數字孿生模型也需要將聲音信息集成在整體框架中，可以有效結合新技術的進步，提升數字孿生模型的效用;

3）觸覺和動力感知可以直接對表面的信息進行數字化處理并儲存，極大豐富了數字孿生模型，使用相關技術構建表面部分的數字孿生模型，可以擴大其適用范圍;

4）嗅覺和味覺的感知在某些特殊領域（如危化品管理、化工流程行業、智能城市建設等）很有前景，應該予以集成和重視;

5）在與人交互的領域和需要沉浸感的領域（如文化遺產保護[76]、醫療、教育、社交等），基于多感知的方法具有顯著裨益。

李旭健等[76]分析了2010—2019年Web of Science與中國知網中虛擬現實技術用于文化遺產保護的相關文獻，發現近幾年虛擬現實在物質文化遺產領域的研究主要集中在器物、書畫、雕塑和建筑遺址方面，在非物質文化遺產領域的研究主要集中在口頭故事與語言、傳統技藝和傳統習俗方面。隨著技術的進步，虛擬現實三維建模的速度與準確性不斷提高，聲音的加入增強了虛擬系統的沉浸感。未來虛擬現實技術在文化遺產保護領域具有很廣泛的應用前景。

多感知構建成的數字孿生模型在與人交互的領域有著特殊意義，其可以存儲氣味、觸覺、聲音等人的個性化信息，和VR/AR等技術融合后，可以為改善醫療、教育、社交等應用場景下使用者的用戶體驗提供極大的可能性[77]。基于感知技術，也可以對人本身建立數字孿生，預想效果圖如圖10所示[74]。

5 結 語

1）隨著數字孿生在多領域的應用，其概念涵義日益泛化、具體實施缺乏通用有效方法等問題日益凸顯，制約了數字孿生的進一步推廣和應用。

2）對于數字孿生，在概念方面應將數字孿生的概念邊界以模型為中心進行約束;在方法層面，應將數字孿生模型構建方法進行拓展，即面向多感知的數字孿生模型構建方法，參考人類一般認知過程，先使用多感知技術結合三維模型建立數字孿生初始模型，再使用控制數據和多感知技術進行持續迭代優化，最終得到數字孿生模型。

3）本研究有助于人們在產學研用各層面對數字孿生形成一致性的理解，可為數字孿生在更大范圍的推廣運用提供思路。后續研究中，將在具體領域應用面向多感知的數字孿生模型構建方法，推動該方法的進一步發展。

參考文獻/References：

GARTNER Gartner identifies the top 10 strategic technology trends for 2019[C]// Analysts Explore Top Industry Trends at Gartner Symposium.Orlando：[s.n.]，2018：14-18.

[2] 劉青，劉濱，王冠，等.數字孿生的模型、問題與進展研究[J].河北科技大學學報，2019，40（1）： 68-78.

LIU Qing，LIU Bin，WANG Guan，et al.Research on digital twin： Model，problem and progress [J].Journal of Hebei University of Science and Technology，2019，40（1）：68-78.

[3] 陶飛，馬昕，胡天亮，等.數字孿生標準體系[J].計算機集成制造系統，2019，25（10）： 2405-2418.

TAO Fei，MA Xin，HU Tianliang，et al.Research on digital twin standard system[J].Computer Integrated Manufacturing Systems，2019，25（10）： 2405-2418.

[4] CHENG J，ZHANG H，TAO F，et al.Dt-Ii： Digital twin enhanced industrial internet reference framework towards smart manufacturing[J].Robotics Computer-Integrated Manufacturing，2020，62： 101881-101892.

[5] 張霖.關于數字孿生的冷思考及其背后的建模和仿真技術[J].系統仿真學報，2020，32（4）： 1-10.

[6] GRIEVES M.Plm-beyond lean manufacturing[J].Manufacturing Engineering，2003，130（3）： 23-25.

[7] GRIEVES M.Mitigating systems complexity & unintended systems emergent behaviors through nasa′s digital twin strategy[C]// PI Congress Dusseldorf Research Gate.[S.l.]：[s.n.]，2015：2-25.

[8] GRIEVES M，VICKERS J.Digital twin： Mitigating unpredictable，undesirable emergent behavior in complex systems[J].Springer，2017，8：85-113.

[9] SHAFTO M，CONROY M，DOYLE R，et al.Modeling，Simulation，Information Technology & Processing Roadmap[M].[S.l.]：[s.n.]，2012.

[10]HUMPHREYS P.Computer simulations[C]// PSA： Proceedings of the Biennial Meeting of the Philosophy of Science Association.[S.l.]：Philosophy of Science Association，1990：497-506.

[11]DURN J M.What is a simulation model？[J].Minds Machines，2020，30（3）： 301-323.

[12]HARTMANN S.Simulation and Modelling in the Social Sciences from the Philosophy of Science Point of View[M].[S.l.]：Springer Netherlands，1996.

[13]FRIGG R，REISS J.The philosophy of simulation： Hot new issues or same old stew？[J].Synthese，2009，169（3）： 593-613.

[14]TUEGEL E J，KOBRYN P，ZWEBER J V，et al.Digital thread and twin for systems engineering： Design to retirement[C]// 55th AIAA Aerospace Sciences Meeting.[S.l.]：[s.n.]，2017.doi： 10.2514/6.2017-0876.

[15]李鵬，潘凱，劉小川.美國空軍機體數字孿生計劃的回顧與啟示[J].航空科學技術，2020，31（9）： 1-10.

LI Peng，PAN Kai，LIU Xiaochuan.Retrospect and enlightenment of the AFRL airframe digital twin program[J].Aeronautical Science & Technology，2020，31（9）：1-10.

[16]MILLWATER H，OCAMPO J ，CROSBY N.Probabilistic methods for risk assessment of airframe digital twin structures[J].Engineering Fracture Mechanics，2019，221. doi：10.1016/j.engfracmech.2019.106674.

[17]LIAO M，RENAUD G，BOMBARDIER Y.Airframe digital twin technology adaptability assessment and technology demonstration[J].Engineering Fracture Mechanics，2020，225： 106793.

[18]趙正旭.非可及環境的鏡像孿生與實時可視化遙操控[J].青島理工大學學報，2020，41（6）： 1-16.

ZHAO Zhengxu.Twin imaging and real-time visualized remote manipulating in inaccessible environments[J].Journal of Qingdao University of Technology，2020，41（6）： 1-16.

[19]趙正旭，劉曼云，宋立強，等.射電望遠鏡饋源艙數字化模型的創建[J].現代計算機，2019（26）： 3-7.

ZHAO Zhengxu，LIU Manyun，SONG Liqiang，et al.Creation of digital model of radio telescope's feed cabin[J].Modern Computer，2019 （26）： 3-7.

[20]侯正航，何衛平.基于數字孿生的飛機裝配狀態巡檢機器人的建模與控制[J/OL].計算機集成制造系統.[2021-01-06].https：//kns.cnki.net/kcms/detail/11.5946.TP.20210105.1701.055.html.

HOU Zhenghang，HE Weiping.Modeling and control of a digital twin-based aircraft assembly state inspection robot[J/OL].Computer Integrated Manufacturing Systems.[2021-01-06].https：//kns.cnki.net/kcms/detail/11.5946.TP.20210105.1701.055.html.

[21]胡富琴，楊蕓，劉世民，等.航天薄壁件旋壓成型數字孿生高保真建模方法[J/OL].計算機集成制造系統.[2020-12-03].https：//kns.cnki.net/kcms/detail/11.5946.TP.20201202.1714.005.html.

HU Fuqin，YANG Yun，LIU Shimin，et al.Digital twin high-fidelity modeling method for spinning forming of aerospace thin-walled parts[J/OL].Computer Integrated Manufacturing Systems.[2020-12-03].https：//kns.cnki.net/kcms/detail/11.5946.TP.20201202.1714.005.html.

[22]劉蔚然，陶飛，程江峰，等.數字孿生衛星：概念、關鍵技術及應用[J].計算機集成制造系統，2020，26（3）： 565-588.

LIU Weiran，TAO Fei，CHENG Jiangfeng，et al.Digital twin satellite：Concept，key technologies and applications[J].Computer Integrated Manufacturing Systems，2020，26（3）： 565-588.

[23]潘春露，劉君強，胡東斌，等.基于數字孿生和有限元的發動機葉片鳥撞分析[J].航空計算技術，2020，50（6）： 52-56.

PAN Chunlu，LIU Junqiang，HU Dongbin，et al.Bird strike analysis of engine blade based on digital twin and finite element method[J].Aeronautical Computing Technique，2020，50（6）： 52-56.

[24]張連超，劉蔚然，程江峰，等.衛星總裝數字孿生車間物料準時配送方法[J].計算機集成制造系統，2020，26（11）： 2897-2914.

ZHANG Lianchao，LIU Weiran，CHENG Jiangfeng，et al.Just-time material distribution method for satellite assembly digital twin shop-floor[J].Computer Integrated Manufacturing Systems，2020，26（11）： 2897-2914.

[25]張文杰，王國新，閻艷，等.基于數字孿生和多智能體的航天器智能試驗[J].計算機集成制造系統，2021，27（1）： 16-33.

ZHANG Wenjie，WANG Guoxin，YAN Yan，et al.Intelligent test of space craft based on digital twin and multi-agent systems[J].Computer Integrated Manufacturing Systems，2021，27（1）： 16-33.

[26]周治國，余思雨，馬文浩，等.衛星互聯網數字孿生系統仿真校驗研究[C]// 2020中國仿真大會論文集.北京：中國仿真學會，2020：163-170.

[27]BOOYSE W，WILKE D N，HEYNS S，et al.Deep digital twins for detection，diagnostics and prognostics[J].Mechanical Systems and Signal Processing，2020，140.doi：10.1016/j.ymssp.2019.106612.

[28]LESER P E，WARNER J E，LESER W P，et al.A digital twin feasibility study （Part Ⅱ）： Non-deterministic predictions of fatigue life using in-situ diagnostics and prognostics[J].Engineering Fracture Mechanics，2020，229： 106903.

[29]MEIERHOFER J，WEST S.Data-driven decision support by digital twins in manufacturing[C]//2020 7th Swiss Conference on Data Science （SDS）.[S.l.]：IEEE，2020：53-54.

[30]白仲航，孫意為，許彤，等.基于設計任務的概念設計中產品數字孿生模型的構建[J].工程設計學報，2020，27（6）：681-689.

BAI Zhonghang，SUN Yiwei，XU Tong，et al.Construction of product digital twin model based on design task in conceptual design[J].Chinese Journal of Engineering Design，2020，27（6）：681-689.

[31]陳繼文，魏文勝，李鑫，等.基于數字孿生的工程機械產品健康檢測方法研究[J].中國工程機械學報，2020，18（4）： 371-376.

CHEN Jiwen，WEI Wensheng，LI Xin，et al.Health detection method of construction machinery products based on digital twins[J].Chinese Journal of Construction Machinery，2020，18（4）： 371-376.

[32]王峻峰，張玉帆，邵瑤琪，等.面向生產性能數字孿生的仿真數據映射研究[J/OL].系統仿真學報.[2021-01-05].https：//kns.cnki.net/kcms/detail/11.3092.V.20210104.1716.014.html.

WANG Junfeng，ZHANG Yufan，SHAO Yaoqi，et al.Research on simulation data mapping for production performance digital twin[J/OL].Journal of System Simulation.[2021-01-05].https：//kns.cnki.net/kcms/detail/11.3092.V.20210104.1716.014.html.

[33]丁凱，張旭東，周光輝，等.基于數字孿生的多維多尺度智能制造空間及其建模方法[J].計算機集成制造系統，2019，25（6）： 1491-1504.

DING Kai，ZHANG Xudong，ZHOU Guanghui，et al.Digital twin-based multi-dimensional and multi-scale modeling of smart manufacturing spaces[J].Computer Integrated Manufacturing Systems，2019，25（6）： 1491-1504.

[34]肖通，江海凡，丁國富，等.五軸磨床數字孿生建模與監控研究[J/OL].系統仿真學報.[2020-10-29].https：//kns.cnki.net/kcms/detail/11.3092.V.20201029.1655.002.html.

XIAO Tong，JIANG Haifan，DING Guofu，et al.Research on digital twin-based modeling and monitoring of five-axis grinder[J/OL].Journal of System Simulation.[2020-10-29].https：//kns.cnki.net/kcms/detail/11.3092.V.20201029.1655.002.html.

[35]WANG K，LIU D，LIU Z，et al.An assembly precision analysis method based on a general part digital twin model[J].Robotics Computer-Integrated Manufacturing，2021，68. doi：10.1016/j.rcim.2020.102089.

[36]YERATAPALLY S R，LESER P E，HOCHHALTER J D，et al.A digital twin feasibility study （Part I）： Non-deterministic predictions of fatigue life in aluminum alloy 7075-T651 using a microstructure-based multi-scale model[J].Engineering Fracture Mechanics，2020，228： 106888.

[37]林晨陽，周杰文，史建成.面向數字孿生的數據采集系統設計[J].電子質量，2020（10）： 71-75.

LIN Chenyang，ZHOU Jiewen，SHI Jiancheng.Design of data acquisition system for digital twin[J].Electronics Quality，2020（10）： 71-75.

[38]KONSTANITOS M，HARRIS G A.A digital twin emulator of a modular production system using a data-driven hybrid modeling and simulation approach[J].Journal of Intelligent Manufacturing，2021，336.doi：10.1007/s10845-020-01724-5.

[39]MALIK A A，BREM A.Digital twins for collaborative robots： A case study in human-robot interaction[J].Robotics Computer-Integrated Manufacturing，2020，68： 102092.

[40]張旭輝，張超，王妙云，等.數字孿生驅動的懸臂式掘進機虛擬操控技術研究[J/OL].計算機集成制造系統.[2020-10-26].https：//kns.cnki.net/kcms/detail/11.5946.TP.20201026.1618.050.html.

ZHANG Xuhui，ZHANG Chao，WANG Miaoyun，et al.Digital twin-driven virtual control technology of cantilever roadheader[J/OL].Computer Integrated Manufacturing Systems.[2020-10-26].https：//kns.cnki.net/kcms/detail/11.5946.TP.20201026.1618.050.html.

[41]魏一雄，郭磊，陳亮希，等.基于實時數據驅動的數字孿生車間研究及實現[J/OL].計算機集成制造系統.[2021-01-06].https：//kns.cnki.net/kcms/detail/11.5946.TP.20210105.1518.036.html.

WEI Yixiong ，GUO Lei ，CHEN Liangxi，et al.Research and implementation of digital twin workshop based on real-time data driven[J/OL].Computer Integrated Manufacturing Systems.[2021-01-06].https：//kns.cnki.net/kcms/detail/11.5946.TP.20210105.1518.036.html.

[42]MIN Q，LU Y，LIU Z，et al.Machine learning based digital twin framework for production optimization in petrochemical industry[J].International Journal of Information Management，2019，49： 502-519.

[43]熊明，古麗，吳志鋒，等.在役油氣管道數字孿生體的構建及應用[J].油氣儲運，2019，38（5）： 503-509.

XIONG Ming，GU Li，WU Zhifeng，et al.Construction and application of digital twin in the in-service oil and gas pipeline[J].Oil & Gas Storage and Transportation，2019，38（5）： 503-509.

[44]IUREVA R A，KREMLEV A S，SUBBOTIN V，et al.Digital twin technology for pipeline inspection[C]// International Conference on Intelligent Decision Technologies.[S.l.]：Springer，2020：329-339.

[45]APPL C，MOSER A，BAGANZ F，et al.Digital twins for bioprocess control strategy development and realisation[J].Advances in Biochemical Engineering/Biotechnology，2020，11.doi： 10.1007/10-2020-151.

[46]李彥瑞，楊春節，張瀚文，等.流程工業數字孿生關鍵技術探討[J/OL].自動化學報.[2020-09-25].https：//doi.org/10.16383/j.aas.c200147.

LI Yanrui，YANG Chunjie，ZHANG Hanwen，et al.Discussion on key technologies of digital twin in process industry[J/OL].Acta Automatica Sinica.[2020-09-25].https：//doi.org/10.16383/j.aas.c200147.

[47]ZHANG M，TAO F，NEE A Y C.Digital twin enhanced dynamic job-shop scheduling[J].Journal of Manufacturing Systems，2021，58：146-156.

[48]張鵬，馮浩，楊通達，等.數字孿生與TRIZ集成迭代參數演化創新設計過程模型[J].計算機集成制造系統，2019，25（6）： 1361-1370.

ZHANG Peng，FENG Hao，YANG Tongda，et al.Innovative design process model of TRIZ and digital twin integration iterative evolution based on parameter deduction[J].Computer Integrated Manufacturing Systems，2019，25（6）： 1361-1370.

[49]PAN C，CHEN Y，WANG G.Virtual-real fusion with dynamic scene from videos[C]// 2016 International Conference on Cyberworlds （CW）.[S.l.]：[s.n.]，2016：65-72.

[50]MILTON M，de LA O C，GINN H L，et al.Controller-embeddable probabilistic real-time digital twins for power electronic converter diagnostics[J].IEEE Transactions on Power Electronics，2020，35（9）： 9852-9866.

[51]DU J，ZHU Q，SHI Y，et al.Cognition digital twins for personalized information systems of smart cities： Proof of concept[J].Journal of Management in Engineering，2020，36（2）： 04019052.

[52]NAPLEKOV I，ZHELEZNIKOV I，PASHCHENKO D，et al.Methods of computational modeling of coronary heart vessels for its digital twin[C]// MATEC Web of Conferences.[S.l.]：EDP Sciences，2018：1009-1023.

[53]吳迎年，楊棄.視覺伺服抓取系統及其數字孿生系統研究[J].計算機集成制造系統，2019，25（6）： 1528-1535.

WU Yingnian，YANG Qi.Visual servo grab system and its digital twin system[J].Computer Integrated Manufacturing Systems，2019，25（6）： 1528-1535.

[54]王靜遠，李超，熊璋，等.以數據為中心的智慧城市研究綜述[J].計算機研究與發展，2014，51（2）： 239-259.

WANG Jingyuan，LI Chao，XIONG Zhang，et al.Survey of date-centric smart city[J].Journal of Computer Research and Development，2014，51（2）： 239-259.

[55]孫亮.2021年智慧城市發展六大趨勢[EB/OL].https：//www.sohu.com/a/445378577_776618，2021-01-19.

[56]季瑋，趙志峰，謝天，等.數字孿生智能交通系統的技術內涵與應用展望[C]//第15屆中國智能交通年會科技論文集.深圳：[s.n.]，2020.doi：10.26914/c.cnkihy.2020.028417.

[57]伍朝輝，劉振正，石可，等.交通場景數字孿生構建與虛實融合應用研究[J].系統仿真學報，2021，33（2）：295-305.

WU Zhaohui，LIU Zhenzheng，SHI Ke，et al.Review on the construction and application of digital twins in transportation scenes[J].Journal of System Simulation，2021，33（2）：295-305.

[58]房方，張效寧，梁棟煬，等.面向智能發電的數字孿生技術及其應用模式[J].發電技術，2020，41（5）： 462-470.

FANG Fang，ZHANG Xiaoning，LIANG Dongyang，et al.Digital twin technology for smart power generation and its application modes[J].Power Generation Technology，2020，41（5）： 462-470.

[59]杜明芳.數字孿生建筑：實現建筑一體化管控[J].中國建設信息化，2020（20）： 40-43.

[60]FAN C，ZHANG C，YAHJA A，et al.Disaster city digital twin： A vision for integrating artificial and human intelligence for disaster management[J].International Journal of Information Management，2021，56.doi：10.1016/j.ijinfomgt.2019.102049.

[61]周瑜，劉春成.雄安新區建設數字孿生城市的邏輯與創新[J].城市發展研究，2018，25（10）： 60-67.

ZHOU Yu，LIU Chuncheng.The logic and innovation of building digital twin city in Xiong'an New Area[J].Urban Development Studies，2018，25（10）： 60-67.

[62]BJRNSSON B，BORREBAECK C，ELANDER N，et al.Digital twins to personalize medicine[J].Genome Medicine，2020，12（1）： 1-4.

[63]DESSISLAVA P，SPASOV I，KRASTEVA I，et al.A digital twin platform for diagnostics and rehabilitation of multiple sclerosis[C]// International Conference on Computational Science and Its Applications.[S.l.]：Springer，2020：503-518.

[64]SUYATINOV S.Conceptual approach to building a digital twin of the production system[C]//Cyber-Physical Systems： Advances in Design & Modelling.[S.l.]： Springer，2020：279-290.

[65]ELSADDIK A.Multimedia and the tactile internet[J].IEEE Multi Media，2020，27（1）： 5-7.

[66]STEINBACH E，STRESE M，EID M，et al.Haptic codecs for the tactile internet[J].Proceedings of the IEEE，2018，107（2）： 447-470.

[67]郭耀武.基于稀疏圖像序列的雕塑點自動云三維重構方法[J].自動化與儀器儀表，2020（2）： 139-142.

GUO Yaowu.3D reconstruction method of sculpture point automatic cloud based on sparse image sequence[J].Automation & Instrumentation，2020（2）： 139-142.

[68]LIU X，DOHLER M，MAHMOODI T，et al.Challenges and opportunities for designing tactile codecs from audio codecs[C]// 2017 European Conference on Networks and Communications （EuCNC）.[S.l.]：IEEE，2017：1-5.

[69]RAVIKANTH D，HARIHARAN P.Study on human fingers perception over textured surfaces for the textural applications in haptics technology[C]// IOP Conference Series： Materials Science and Engineering.[S.l.]：IOP Publishing，2021：12050-12062.

[70]SIMSEK M，AIJAZ A，DOHLER M，et al.5G-enabled tactile internet[J].IEEE Journal on Selected Areas in Communications，2016，34（3）： 460-473.

[71]NARUMI T，KAJINAMI T，NISHIZAKA S，et al.Pseudo-gustatory display system based on cross-modal integration of vision，olfaction and gustation[C]// 2011 IEEE Virtual Reality Conference.[S.l.]：IEEE，2011：127-130.

[72]MA Y，LI H，CHEN S，et al.Skin-like electronics for perception and interaction： Materials，structural designs，and applications[J].Advanced Intelligent Systems，2020（1）.doi：10.1002/aisy.202000108.

[73]WANG T，WANG M，YANG L，et al.Cyber-physiochemical interfaces[J].Advanced Materials，2020，32（8）. doi： 10.1002/adma.201905522.

[74]SADDIK A.Digital twins： The convergence of multimedia technologies[J].IEEE Multimedia，2018，25（2）： 87-92.

[75]LESKOVSKYˇ' R，KUERA E，HAFFNER O，et al.Proposal of digital twin platform based on 3D rendering and iiot principles using virtual/augmented reality[C]// 2020 Cybernetics & Informatics （K&I）.[S.l.]：IEEE，2020：1-8.

[76]李旭健，李皓，熊玖朋.虛擬現實技術在文化遺產領域的應用[J].科技導報，2020，38（22）： 50-58.

LI Xujian，LI Hao，XIONG Jiupeng.Applications of virtual reality technology in the field of cultural heritage[J].Science & Technology Review，2020，38（22）： 50-58.

[77]BRUYNSEELS K，SANTONI de SIO F，van DEN HOVEN J.Digital twins in health care： Ethical implications of an emerging engineering paradigm[J].Frontiers in Genetics，2018，9（31）.doi：10.3389/fgene.2018.00031.