数字孪生（Digital Twin），也被称为数字映射、数字镜像，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。简单来说，数字孪生就是通过集成物理反馈数据，并辅以人工智能、机器学习和软件分析，在信息化平台内创建一个数字化模拟。这个模拟会根据反馈，随着物理实体的变化而自动做出相应的变化。理想状态下，数字孪生可以根据各种传感器，如压力、角度、速度传感器等多重的反馈源数据进行自我学习，从而几乎实时地在数字世界里呈现物理实体的真实状况。数字孪生的自我学习（机器学习）除了可以依赖于传感器的反馈信息，也可以是通过历史数据，或者是集成网络的数据学习。

　　数字孪生（ Digital Twin） 的设想首次出现于2003年Grieves 教授在美国密歇根大学的产品全生命周期管理课程上，当时称为“Conceptual Ideal for PLM（ Product Lifecycle Management）。直到 2010 年，“Digital Twin”一词在 NASA 的技术报告中被正式提出。2012 年，美国国家航空航天局与美国空军联合发表了关于数字孪生的论文，指出数字孪生是驱动未来飞行器发展的关键技术之一。在接下来的几年中，越来越多的研究将数字孪生应用于航空航天领域，包括机身设计与维修，飞行器能力评估，飞行器故障预测等。

数字孪生的主要价值包括：

• 促进数字经济与实体经济融合，加快产业升级。当前，以新一代信息技术为代表的新兴技术突飞猛进，加速推动着经济社会各领域的发展变革。而数字孪生作为一项关键技术和提高效能的重要工具，可以有效发挥其在模型设计、数据采集、分析预测、模拟仿真等方面的作用，助力推进数字产业化、产业数字化，促进数字经济与实体经济融合发展。

• 贯通工业生产信息孤岛，释放数据价值。当前工业生产已经发展到高度自动化与信息化阶段，在生产过程中产生大量信息。但由于信息的多源异构、异地分散特征易形成信息孤岛，在工业生产中没有发挥出应有价值。而数字孪生为工业产生的物理对象创建了虚拟空间，并将物理设备的各种属性映射到虚拟空间中。工业人员通过在虚拟空间中模拟、分析、生产预测，能够仿真复杂的制造工艺，实现产品设计，制造和智能服务等闭环优化。

应用1：****装备运输性验证

　　该项目属于机理模型。通过构建各种装备、飞机的三维模型，采用物理引擎计算装备能否装、卸到飞机，支持4种不同类型的装卸方案（牵引、滚装、吊装、自行）；可以计算起飞、降落时的重心影响等；可以计算设定加速度范围内的承受能力，以及系留的固定能力。该系统还可以用于学员学习的仿真培训。

应用2：数据预测

　　该项目属于数理模型。通过拟合历史数据，预测将来数据；根据预测数据与实际数据的比对，得到设备运行时的状态，如进行故障预警、科学实验等操作。

炉内壁温预测

制粉单耗预测

（项目负责人：郑艳伟）