随着工业4.0与智能制造的兴起，数字孪生技术日益受到重视并快速发展。围绕复杂系统数字孪生的构建问题，李尚宇等提出了一种数字孪生的设计架构，并给出配套的概念建模方法。所提架构基于数字孪生的三维模型，描述了目标实物、数据与模型之间的双向映射关系以及数字孪生模型的演化过程；在对象过程方法（Object Process Method, OPM）的基础上扩展了对象与过程的性质，构建了数字孪生的最小通用本体，并以飞行器电推进系统为例完成概念建模。
一、建模方法的三种路线
数字孪生的核心是模型。论文将现有建模方法归纳为三类：基于知识的机理建模，依据已知的数学定律或物理规律构建模型，能够充分把握目标事物的内在规律，但仅适用于本质已知的对象；数据驱动建模，从试验数据中通过信号处理或人工智能方法提取特征建立模型，可对黑箱或灰箱对象有效建模并降低模型求解复杂度，但可解释性较低；机理与数据融合建模，通过试验数据对机理模型进行参数辨识与修正，既反映内在物理规律又实现模型与数据的交互，但涉及技术较多、建模难度较大。论文举例说明，融合建模可结合多物理场耦合模型与参数辨识算法评估设备健康状态，或结合寿命管理模型与运维数据提升保真度。
二、三层设计架构与三类模型
论文在数字孪生三维模型及国内外参考架构的基础上，提出由物理层、数据层与模型层构成的设计架构。物理层包括目标实体与目标环境；数据层包括现实数据与虚拟数据，前者由目标实体与目标环境产生，描述其过去或正在经历的过程数据，后者由模型层产生，模拟过去、正在或未来经历的过程数据及相关控制指令；模型层包含概念模型、机理模型与数据驱动模型，其中概念模型是对系统服务、性能、功能、结构、行为、规则等物理与信息属性的综合描述蓝图，并定义了机理模型与数据驱动模型在系统中的属性。
双向交互过程分为两步：物理层产生现实数据并发送至模型层，模型层产生虚拟数据并回送物理层。第一步中，目标实体与目标环境中的传感部分采集现实数据并预处理，经API接口、通信协议与物联网等上传，预处理包括数据分类、清洗与边缘计算；第二步中，模型层通过云计算、机器学习等技术提取数据特征，对机理完全了解或部分了解的对象采用机理与数据融合建模，对机理完全未知的对象采用数据驱动建模，再由概念模型整合各模型结果形成系统虚拟数据，目标实体依据虚拟数据进行反馈与控制。论文进一步给出创建初始模型、同步数字孪生体与系统实物、数字孪生体与系统实物协同演化三个算法，将建模过程分为初始化、同步与演化三个子过程，其中同步以现实数据与虚拟数据的差异低于设定值为终止条件。
三、数字孪生的最小通用本体
论文采用基于模型的系统工程（MBSE）中的OPM构建概念模型。OPM以对象、过程与关系构成系统概念建模的最小通用本体，并具备缩放机制，可对任意领域的复杂系统建模。论文在此基础上为对象与过程增加了一种性质——存在，用以区分现实空间与虚拟空间中的事物：对象过程图（OPD）中现实空间的对象与过程底色为白色，虚拟空间的底色为灰色。同时，数字孪生过程所连接的两端或同为对象，或同为过程，可抽象为一种新的结构链接——孪生链接，用以表示现实事物在虚拟空间中的等价映射。对复杂系统建模时，孪生关系通常隐藏，而通过划分现实与虚拟区域进行管理，并据此对比二者的状态与数据，驱动协同演化。
四、飞行器电推进系统案例
论文以飞行器电推进系统为对象，分两个层级进行概念建模。该系统由电力设备（电源、逆变器、推进电机）、机械结构（减速器、旋翼转轴、机械传动机构）与旋翼（桨毂、桨叶）组成，其系统框图描述设备构成与能量转换情况，1级对象过程图描述工作过程、各设备在不同过程中的作用以及能量变化的具体形式。概念模型的颗粒度应大于等于对应机理模型与数据驱动模型的颗粒度；当需要深入研究某一事物的内在机理或数据特征时，可将其视为子系统并按同样方法建模。
在概念模型基础上，论文计算了电推进系统在三种典型飞行过程中的能量消耗，得到各子过程的平均电功率、累计耗电量与电池放电深度。例如第一种典型飞行过程末期累计耗电量达到111.959 kW·h，电池放电深度为4.019%。结果表明，不同飞行模式下各组成部分的能量消耗差异明显，基于概念模型的系统级能量评估与电池状态分析具备可行性。
小结
该研究提出的数字孪生设计架构揭示了实物、数据与模型之间的双向映射关系，并以OPM构建最小通用本体，将概念建模方法实例化。以飞行器电推进系统为案例的验证表明，概念模型能够清晰描述系统的组成、行为与性能，为复杂装备数字孪生的建模提供了可操作的路径。
参考来源
本文根据 一种数字孪生的设计架构和概念建模方法 等公开资料整理，版权归原作者与原媒体所有。