数字孪生思想最早由密歇根大学的 Michael Grieves 命名为“信息镜像模型”，也即Information Mirroring Model，而后演变为“数字孪生”的术语。数字孪生也被称为数字双胞胎和数字化映射。数字孪生是在 MBD 基础上深入发展起来的，企业在实施基于模型的系统工程（MBSE）的过程中产生了大量的物理的、数学的模型，这些模型为数字孪生的发展奠定了基础。
数字孪生一词起源于美国国防部对飞行器机体数字孪生的研究，目前已经成为全球制造业的前沿热点领域。
解析了数字孪生的概念及其中的结构健康管理元素，提出了包含生命周期维、仿真精度维、智能程度维的数字孪生成熟度模型;梳理了面向结构健康管理的数字孪生关键技术，特别是4项关键的数字工程技术能力，包括多尺度建模、多物理特性建模、模型与实验的集成和概率性/不确定性分析。
通过测量的方式构建数据世界，我们往往只能够获得表面的、外在的数据，只能通过这些外在的数据进行有限的内在机理的推理。例如，一些工业互联网的项目采集了一条生产线上传感器和设备的数据进行分析，试图通过对这些数据的分析提升产品的质量或者生产效率。但由于先有生产线，再有工业互联网，能够改善的空间是有限的。如果生产线本身的工艺设计和工厂布局就是不合理的，通过工业互联网的手段很难实现大幅度的优化，而通过虚拟工厂、虚拟孪生的手段则可以从根本上解决这些问题。
作为产品设计的重要手段，在计算机中建立产品的虚拟孪生的应用已经十分普遍。今天我们能够见到的绝大多数产品，尤其是复杂的产品，在研发阶段都或多或少应用了虚拟孪生技术。
数字孪生技术与人工智能技术正在改变人类认识世界和改造世界的方式。在构建从微观到宏观的虚拟世界，从原子、分子，到材料、零件，到产品、工厂、基础设施，再到城市，最终到整个星球；从无生命的产品到有生命的人体和生物圈；从产品的原理到地球的演化。人工智能技术与数字孪生技术的融合应用，能够大幅提升数字孪生的构建效率和可用性。通过高效地创建更多可能性的数字孪生，寻求最佳方案，并在物理世界实现，为人类提供最佳体验的产品，同时推动世界的可持续发展。
请登录后评论~