数字孪生|成熟度等级

统计分析现有数字孪生相关理论研究和应用实践，依据其功能和用途主要可分为以下几类: ①基于数字孪生的物理实体设计验证与等效分析；②基于数字孪生的物理实体运行过程可视化监测；③基于数字孪生的物理实体远程运维管控；④基于数字孪生的诊断与预测；⑤基于数字孪生的智能决策和优化；⑥基于数字孪生的物理实体全生命周期跟踪、回溯与管理。通过对上述各类数字孪生研究和应用进行共性分析发现，物理实体、数字孪生模型和两者间的连接与交互组成了数字孪生的“最小概念”。在此基础上，基于陶飞老师团队前期提出的数字孪生五维模型，从物理实体( PE )、数字孪生模型(DM )、数字孪生数据( DD )、连接交互( CI )和功能服务( FS )五个维度出发，根据连接交互方式与自动化程度的不同,以数字孪生所能提供的功能服务为主线,将数字孪生分为六个成熟度等级,如图 1 所示。其中,物理空间中的物理实体与信息空间中的数字孪生模型通过两者间的连接进行交互,数字孪生数据则蕴含数字孪生的所有信息,贯穿当前—未来、物理空间—信息空间、物理实体—数字孪生模型—连接交互—功能服务。

数字孪生成熟度等级

 

 

1）零级( L0 ):以虚仿实

以虚仿实指利用数字孪生模型对物理实体描述和刻画,具有该能力的数字孪生处于其成熟度等级的第零等级( L0 ),满足此要求的实践和应用可归入广义数字孪生的概念范畴。在该等级,数字孪生模型从几何、物理、行为和规则某个或多个维度对物理实体单方面或多方面的属性和特征进行描述,从而在一定程度上能够代替物理实体进行仿真分析或实验验证,但数字孪生模型与物理实体之间无法通过直接的数据交换实现实时交互,主要依赖人的介入实现间接的虚实交互,包括对物理实体的控制和对数字孪生模型的控制与更新等。

以机器人为例,在其设计验证阶段,利用由三维可视化模型、运动学模型、动力学模型和关节伺服电机约束模型等构成的机器人数字孪生模型,在一定程度上代替机器人试制品进行运行实验,并对设计方案进行验证和优化。在此过程中,机器人试制品与数字孪生模型之间没有直接的数据交互,但技术人员能够基于仿真实验结果不断优化设计方案,并指导试制品实验验证过程的相关操作。

一级( L1):以虚映实

以虚映实指利用数字孪生模型实时复现物理实体的实时状态和变化过程,具有该能力的数字孪生处于其成熟度等级的第一等级( L1 )。在该等级,数字孪生模型由真实且具有时效性的物理实体相关数据驱动运行,同步直观呈现与物理实体相同的运行状态和过程,输出与物理实体运行相同的结果,从而在一定程度上突破时间、空间和环境约束对于物理实体监测过程的限制,但对于物理实体的操作和管控依旧依赖现场人员的直接介入,仍无法实现物理实体的远程可视化操控。

以机器人为例,在其运行阶段,利用相关传感器实时采集物理机器人运行过程中的关节角度、伺服电机力矩、运行功率等数据,通过工业无线网络传输这些时效数据并驱动相应的机器人数字孪生模型同步运行,使技术人员在不接近正在高速运行的机器人的同时便可详细掌握机器人的运行状况,一旦发现机器人运行异常,便可及时介入,停止其运行并对其进行维修。

二级( L2 ):以虚控实

以虚控实指利用数字孪生模型间接控制物理实体的运行过程,具有该能力的数字孪生处于其成熟度等级的第二等级( L2 )。在该等级,信息空间中的数字孪生模型已具有相对完整的运动和控制逻辑,能够接受输入指令在信息空间中实现较为复杂的运行过程。同时,在以虚映实的基础上,增量建设由数字孪生模型到物理实体的数据传输通道,实现虚实实时双向闭环交互,从而赋予物理实体远程可视化操控的能力,进一步突破空间和环境约束对于物理实体操控的限制。尽管这种控制并不一定是智能的或优化的,但仍可大幅提高物理实体的管控效率。

以机器人为例,在其运行阶段,机器人即将完成产品A的加工,转而对产品B进行加工,由于两种产品的加工工艺不同,机器人的运行轨迹和相应的末端执行器行为需要重新调整,技术人员利用信息空间中的数字孪生模型,在不中断对产品A加工过程的同时预先设定机器人对产品B加工过程中的一系列行为,在产品A加工结束的瞬间,直接用已经规划好的运行方案对物理机器人进行控制,实现无缝衔接的柔性制造。

三级( L3 ):以虚预实

以虚预实指利用数字孪生模型预测物理实体未来一段时间的运行过程和状态,具有该能力的数字孪生处于其成熟度等级的第三等级( L3 )。在该等级,数字孪生模型能够基于与物理实体的实时双向闭环交互,动态反映物理实体当前的实际状态,并通过合理利用数字孪生模型所描述的显性机理和数字孪生数据所蕴含的隐性规律,实现对物理实体未来运行过程的在线预演和对运行结果的推测,从而在一定程度上将未知转化为预知,将突发和偶发问题转变为常规问题。

以机器人为例,通过分析关节伺服电机的历史运行数据,并结合日志文件中的故障信息和维护信息,挖掘得到伺服电机能耗和震动特征与运行精度下滑现象以及良品率下降现象之间的关联关系。在机器人的运行过程中,通过实时监测其关节伺服电机能耗和震动的相关数据,在线预测机器人加工精度无法满足良品率最低要求的可能时段,从而在此之前便提前对其进行主动维护。

四级( L4 ):以虚优实

以虚优实指利用数字孪生模型对物理实体进行优化,具有该能力的数字孪生处于其成熟度等级的第四等级( L4 )。在该等级,数字孪生不仅能够基于数字孪生模型实时反映物理实体的运行状态,结合数字孪生数据预测物理实体的未来发展,还能够在此基础上,利用策略、算法和前期积累沉淀的知识,实现具有时效性的智能决策和优化,并基于实时交互机制实现对物理实体的智能管控。

以机器人为例,机器人正通过与人协作,实现产品A的批量生产。在此过程中,机器人不断监测和预测作业环境中的人和其他障碍物的方位,并根据人体和障碍物可能到达的位置进行轨迹规划,计算得到针对各种可能性的最优轨迹规划方案集,在一段时间后,根据人和障碍物实际到达的方位从方案集中选取相应的最优方案,在不与人和障碍物发生碰撞的前提下,按照最优的轨迹执行协作任务。

五级( L5 ):虚实共生

虚实共生作为数字孪生的理想目标,指物理实体和数字孪生模型在长时间的同步运行过程中,甚至是在全生命周期中通过动态重构实现自主孪生,具有该能力的数字孪生处于其成熟度等级的第五等级(L5)。在该等级,物理实体和数字孪生模型能够基于双向交互实时感知和认知对方的更新内容,并基于两者间的差异,利用3D打印、机器人、人工智能等技术实现物理实体和数字孪生模型的自主构建或动态重构,使两者在长时间的运行过程中保持动态一致性,从而保证包括可视化、预测、决策、优化等诸多功能服务的有效性,实现低成本、高质量、可持续的数字孪生。

以机器人为例,在运行阶段,通过多类传感器监测物理机器人的磨损情况,并将几何模型、物理模型和规则模型进行重构和更新,使由几何模型、物理模型、行为模型和规则模型组成的机器人数字孪生模型与机器人在漫长的运行过程中始终保持动态一致,保证基于数字孪生模型的预测结果和决策方案的有效性。