数字孪生在制造业中实现的关键技术及典型应用综述

目前，数字孪生技术在制造业中最为活跃。空客和波音正在制造数字孪生飞机，通用电气正在开发数字孪生发动机。制造业的数字化加速了复杂虚拟产品模型的实际应用，贯穿于产品生产的整个周期，主要体现为制造车间级、产线级和单元级三个尺度的数字孪生。在国内，北京航空航天大学[106–108]、哈尔滨工业大学[109–111]、南京航空航天大学[112–114]、重庆大学[115–117]、东华大学[118–120] 和哈尔滨理工大学[121–123] 等高校在不同尺度均开展了大量研究，促进了数字孪生在制造业智能化中的应用。

车间系统级数字孪生是通过集成产线级数字孪生或单元级数字孪生而形成的智能平台，其主要研究目标是减小能耗、提升效益。物理车间是一个复杂系统，包括制造设备（ 如机床、机器人）、工件、人员、工具和环境等[124]。智能车间孪生体建模是将数字孪生应用于车间的概念设计，将信息世界的生产要素管理、生产活动计划、生产过程控制等分析结果与物理世界制造活动交互和融合，从而实现车间智能化生产与精准服务的功能。车间系统级数字孪生技术可以处理车间内大规模离散优化的问题，典型应用场景是车间的调度和管理[125]。Tao 等[34] 提出了数字孪生车间的概念、组成、运行机制和实现技术。Zhang 等[126] 提出了面向智能车间的产品制造数字孪生（ Product manufacturing digital twin，PMDT），包括了5 个模型：产品定义模型、几何模型、制造属性模型、行为规则模型和数据融合模型。其中，制造属性模型用来描述车间的非几何属性，如能耗、产品质量和加工方法等。与常规数字孪生五维模型相比，PMDT建模方法更注重车间中复杂属性和关系的描述，符合车间建模中各个元素的需求。Yu 等[127] 提出了一种面向航空航天机加工车间的智能制造体系结构，描述了其运行机理，探讨了子系统之间、系统与外部环境之间的关系，形成了车间运行、演化、优化、管控的基本原理和方法。Wang等[128] 提出了一种智能工厂架构，将工业网络、云计算和监控终端与智能车间对象（ 如机床、运输设备和产品）结合在一起，灵活地重新配置制造系统。Liu 等[129] 结合数字孪生技术和物联网开发了一种车间调度算法（ 图 11），能够快速高效地制定工艺规划，缩短产品生产周期中的运输和待机时间，提高了各个生产单元利用率。Zhang 等[130] 提出了数字孪生驱动的智能制造车间，将信息计算技术与低碳制造相结合，通过孪生车间对产品加工工艺方案进行验证和优化，实现了智能制造车间的节能减排。随着我国“碳达峰碳中和”等重大战略决策的提出，绿色可持续的产品制造模式成为机械制造的主流模式。基于数字孪生技术的车间级数字孪生在产品全生命周期绿色制造模式方面有着巨大潜力。Li 等[131]提出了数字孪生驱动的智能绿色绩效评价方法。陈晓红等[132] 提出了基于数字孪生的智能运维决策系统，实现了车间设备预测性维护和寿命预测等功能，具有较好的虚实交互性能和精准服务。绿色制造对于生态文明建设意义重大，基于车间级数字孪生的制造系统通过对车间各模块的监测及评估、绿色特征表征、报废回收机制等手段，在虚拟环境验证车间运维策略的合理性和可行性，减少人力和资源成本，推动制造业向绿色制造转型。

车间作为制造业的关键，对其数字孪生技术的开发已开展了大量研究。现如今，依托各项数字孪生关键技术的发展，制造车间级数字孪生技术初步实现了以虚映实，在车间调度、生产活动计划和能耗等方面也能做出相应的决策。由于制造车间的物理环境复杂多样，各个物理设备的控制系统不同，且虚拟环境预测和决策能够覆盖的物理设备有限，还远未达到以虚控实阶段。这需要状态预测与调控技术和终端建设技术的进一步突破，并在制造车间部署物理设备系统的一体化结构网络，为以虚控实提供技术保障。

产线级数字孪生系统的重点在于多个制造单元之间的关系建模，重点突出多个单元级孪生系统的协同分析与控制。在虚拟环境映射方面，主要包含产线仿真环境和数字孪生模型的构建[133]。在“以虚控实”方面，包括产线多单元耦合分析、产线布局优化、产线状态监控与预测和产线调度与优化等[134]。

Xie 等[135] 提出了一种几何– 物理– 行为– 信息控制的数字孪生四维融合建模方法，设计了离散制造生产线的数字孪生系统体系。该方法可以描述物理实体的几何与物理特征和行为机制，控制逻辑与虚实映射规则，为智能交互提供了重要支撑。Kim 等[136] 开发了一种生产线仿真环境搭建模型，包括自动模型合成接口和生产线生成器，能够创建容量和逻辑模型实现产线制造仿真。Bao等[137] 提出了产线多粒度数字孪生模型的建模和操作方法，利用自动化标注语言对产品加工单元建模，阐述了产品、工艺和资源之间执行操作的原理。Yan 等[138] 提出了一种基于数字孪生的生产线快速定制设计方法，通过数字孪生网络感知物理设备状态，实现物理世界与虚拟空间的秉性控制。Jung 等[139] 基于数字孪生框架建立了生产线仿真分析方法，虚拟环境的仿真反映了生产线现场实际特点，真实复 制了现实环境，通过遗传算法优化并应用基于知识的约束来跟踪工作量，提高了产线的生产效率。Guo 等[140] 研究了离散制造产线布局的优化方法，通过孪生数据融合、信息与物理交互融合、数据分析与优化等方法解决了产线布局问题。Zhuang 等[141] 提出了产线数字孪生构建与应用的实现框架，详细阐述了3 种关键的实现技术：五维建模、基于3D 可视化的车间运行状态实时监控、利用马尔科夫链进行产线运行状态预测。Liu 等[142] 提出了数字孪生产线中制造单元之间的协作理论和方法，利用异构信息网络对制造任务建模，分析制造过程中产品质量信息，并根据分析结果对后续制造任务进行调整，提高了生产效率，实现流程如图12 所示；所提出的数字孪生模型能够基于数字线程分析加工装配过程，识别产品误差源并动态重构生产任务，大大提高了产品研发效率。

综合上述分析可知，产线级数字孪生的对象主要是产线布局优化、产线物料/ 刀具精益配送和产能分配管理等，突出产线各制造单元之间的协作配合。目前，产线级数字孪生技术更需要高精数字化建模技术，研究如何提升模型间的组装和融合效率，以降低软件使用门槛，提升建模效率。

单元级数字孪生的作用主要是面向机床、机器人等制造单元，形成加工过程监控、分析和优化系统。其具有自主感知、自主决策、精准执行和自我完善的能力。单元级数字孪生的研究包括加工设备、刀柄、夹具等硬件的虚拟建模，是“以虚映实”的载体。建模方面包括几何信息、物理信息和过程信息等。在“以虚映实”的基础上，“以虚控实”是实现数字孪生的关键环节，主要包括加工过程的分析、预测、可视化与控制。目前单元级数字孪生的功能主要集中在设备故障预警与预防性维护、加工过程状态分析和加工状态预测与控制等。

产品故障检测与诊断的数字孪生模型集成了来自加工过程的物理量数据，利用数字孪生与真实产品的映射关系，采用仿真方法及时发现存在问题的零部件或预测可能出现故障的位置，从而保证产品服役阶段正常运行，降低局部故障导致的损坏风险[143]，再将智能算法与加工数据库相结合[144–145]，提高产品加工效率。Luo 等[146] 建立了CNC 机床的数字孪生多域统一建模方法，优化了机床的运行模式，降低突发故障概率，最后给出了数字孪生模型在数控铣床故障预测诊断中的应用策略。Luo等[147] 进一步研究了数字孪生驱动的机床混合维护方法，提出了一种预测维护算法，对刀具寿命预测进行了实例研究，其构建数字孪生模型并应用于数控机床的框架，如图13 所示。

图13 搭建数字孪生模型并应用于CNC 机床

在加工状态监测、预测与控制的数字孪生研究中，多传感器感知加工过程产生的物理量数据，将数据传输至虚拟环境进行处理和分析，识别当前加工状态。经过机器学习等人工智能算法预测加工状态并做出决策后，将决策指令传输至执行设备形成闭环。Cao 等[148] 提出了一种用于数控加工的数字孪生系统，基于计算机数控系统的通信数据开发了基于三坐标的加工仿真算法，能够高效跟踪实际加工过程。Wang 等[149] 提出了一种数字孪生夹紧力控制方法，建立了夹紧系统的全因素信息模型，集成了夹紧过程的动态信息，阐明了夹紧力控制的工作流程和数字孪生模型之间的互操作方法，实现了薄壁零件加工精度的提高。Ward 等[150] 提出了一种能够实时自适应控制智能加工操作的数字孪生系统，将实时仿真与在线反馈结合，实现了闭环残余应力控制，还包括颤振预测与控制和自适应进给速度控制。Afazov 等[151] 提出了一种通过测量切削力预测颤振的模型，其可以结合到数字孪生中进行过程监测和控制，以便实现更高的材料去除率和改善表面质量。Zhou 等[152]提出了一种数字孪生模型，如图14所示，建立了切削参数优化和颤振检测两个子模型，在数字孪生模型中实现了切削场景可视化的监控窗口和记录制造数据的数据库。

在单元级数字孪生系统验证方面，顾家宸等[153] 建立了物理机床的虚拟映射系统，实现了纤维缠绕成型技术的实时监控，并通过试验表明，该系统能够完成纤维缠绕过程实时运动仿真、缠绕过程关键参数的监测及缠绕过程的直接控制，实现了在虚拟环境中验证设计系统的功能。Pan等[154] 采用数字孪生技术在虚拟环境开展了数控机床的切削加工仿真，验证了加工方案设计的合理性和准确性，从而减小了程序设置错误造成的碰撞事故。Anbalagan 等[155] 开发了数控铣削过程数字孪生系统，在虚拟环境中验证了CAD 建模和制造仿真方法，包括刀具、工艺参数和工艺规划等。Wang 等[156] 提出的数字孪生驱动加工过程虚拟调试系统，可以获得更好的调试结果，并通过数控机床主轴系统虚拟调试验证了有效性。

针对上述制造单元级数字孪生的综述可以看出，孪生对象多数是机床/ 刀具运动的几何孪生，且传感器采集的物理量数据在虚拟空间中仅是二维曲线的映射，未能将物理量数据映射至几何模型形成物理量孪生的形式。如图15 所示，本研究设想建立面向切削加工过程的残余应力场数字孪生模型，其属于单元级数字孪生[91]。该模型是基于五维模型的通用模型，其特点是虚拟环境的孪生模型包括了应力场孪生和几何孪生。首先，采用有限元模型建立能够满足数字孪生实时性要求的近似模型，实现基于外力预测工件内部残余应力场；集成近似模型至虚拟环境，将近似模型的预测结果映射至几何模型；物理环境实时采集的力数据输入至虚拟环境的近似模型中，实现切削加工过程工件内部残余应力场演化情况的可视化；结合人机交互接口，通过对加工损伤进行预测，进一步结合智能决策算法优化加工工艺。

另外，航空工业相关产品的装配工艺也是制造业智能化重点关注的问题，装配精度也是决定产品使用寿命和性能的关键因素。装配过程存在装配环境复杂、管理困难和装配精度难以在线把控等问题。装配技术经历了人工装配、自动装配和数字化装配的演变。目前智能装配技术推动了新一轮产业升级，其需求包括柔性装配、可扩展和重构装配等。数字孪生技术被认为是实现智能装配技术的关键，其能够实现装配过程的可视化和监控，有利于降低装配成本，提高装配精度和效率。例如，Zhang 等[157]在五维数字孪生框架中引入数字线程建模方法，挖掘装配过程与装配质量之间的内在联系，将产品关键特性、工艺参数、设备运行条件等存储在数据库模块，实现了装配过程的监控和质量预测。梅英杰等[109] 提出了航空发动机多级机匣装配数字孪生模型，利用增强现实设备的高保真交互特性，对航空发动机多级机匣装配进行实时可视化引导装配，实现了多级机匣装配同轴度精准预测。王泽生等[158] 提出了基于数据驱动的航空发动机转子精密堆叠装配数字孪生优化技术，融合多物理因素分析模型，建立了装配工艺优化数字化分析模型，为航空发动机转子装配质量预测和优化提供了新的途径。

总体来说，虽然传统的企业信息化、可视化、仿真等技术能将制造过程的信息可视化，基于监测数据进行仿真以实现状态预测，体现出与数字孪生的相似性。但传统的企业信息化、可视化、仿真等技术多数是基于离线数据进行计算，且计算时间冗长。产品制造过程涉及复杂的几何及物理变化，检测数据容易受到多种因素影响，导致仿真结果难以准确表达产品实际状态的演化过程。数字孪生更注重数据、分析、决策的实时性，是物理环境、虚拟环境、孪生数据、服务和数据传输紧密结合的系统。在实际应用中，数字孪生系统的核心价值是能够及时向物理制造系统反馈虚拟环境的决策指令。其中，状态预测与调控技术和终端建设技术是整个数字孪生系统形成闭环的关键，使数字孪生在制造、运营和维护等方面能够实现产品质量和系统操作的实时优化，以及故障诊断和预防性维护。两者相比，数字孪生系统具备的实时性和反馈控制，传统技术都难以实现。在未来，数字孪生技术将为制造业智能化新范式赋能，实现制造效率更高、制造过程更持续和制造成本更低的目标。

随着云计算、数字孪生等人工智能技术的快速发展及其与制造业的深度融合，各国纷纷提出符合自身国情的智能制造战略，如德国的工业4.0、美国的工业互联网和中国的“制造强国”战略。虽然工业4.0 的推动仍在积极地提高生产过程的灵活性和效率，但在制造领域，工业4.0 是以技术为中心、技术驱动的范式。因此，它更多地关注数字化和人工智能驱动的技术，而较少关注社会公平和可持续性等其他原则，且数字技术与人为因素之间的相互关系产生的社会技术影响尚未充分解决。为此，欧盟提出了工业5.0 的概念，指出在全球化背景下进一步发展工业，不仅要考虑提高工业智能水平，还要关注操作人员自身的安全与权益。工业5.0蓝图中范式转变的核心要素是可持续性、弹性和以人为本。

可持续性是降低系统风险/ 不确定性、节约能源和提高制造业资源生产率的制造要素[159]。数字孪生技术为可持续性制造提供了有力支持[160]。通过实时的数据分析和模拟，数字孪生能够预测和优化生产制造流程，减少资源消耗和环境污染。同时，数字孪生还能够实现设备的远程监测和预测性维护，提高设备的使用寿命和效率，进一步降低生产成本。通过数字孪生技术，制造系统可以更加精准地把握市场需求和资源状况，制定出更加科学合理的生产计划，从而实现可持续发展。Zhao 等[161] 开发了一种物联网和数字孪生跟踪系统，通过识别异常情况和使用实时定位跟踪来增强安全性，在制造中提供了更强大的智能和自主性。Rocca 等[162] 通过虚拟环境测试电子设备废物，成功使用增强现实技术支持循环经济的实施。此外，系统降低了操作人员的伤害，提高了可持续性。

以人为本制造的新愿景旨在“将人类置于制造系统和流程的中心，为工作、学习和成长提供安全、舒适和激励的环境”[163]，从而克服工业4.0技术驱动模型，将系统优化置于制造核心。数字孪生作为其使能技术之一，可以在虚拟环境映射资源和产品，从而使研究人员能够模拟制造性能、预测故障或调查制造过程中的问题，为实现以人为本提供平台。Bevilacqua 等[164] 提出了数字孪生框架，允许识别问题并纠正措施，从而提高操作人员的安全性，降低维护和运营成本。Romero 等[165] 的研究目标是为工人和所有人机系统提供弹性能力，涉及他们在工作场所的生物、身体、认知和心理健康与安全，而系统弹性是指人与机器系统可调节的自主性和共同控制能力，以确保他们在协同合作时取得更高的绩效。

然而，可持续制造往往是分散的，由多个生产单位和个体进行，每个生产单位都是一个信息孤岛。由于社会化制造资源的增加和参与制造过程使能技术的增加，产品的概念化、设计、制造和装配变得越来越复杂。由于制造共同体上下游协调能力弱，生产周期和质量难以保证，当发现质量问题时，由于故障可能是由单个节点引起的，也可能是由节点间的内聚引起的，很难快速定位故障来源。区块链是实现商业和行为可持续发展的下一代信息技术，它提供了一种新的工具来解决系统的安全性、可持续性、弹性和效率，是解决上述问题的一种新范式[166]。区块链和智能合约所实现的透明度和可追溯性特征显示出增强制造网络可持续性的希望。基于区块链的数字孪生与网络空间中其他数字孪生进行交互，通过选择各种安全性和效率要求协议，在保护数字孪生程序的同时响应可持续制造范式。例如，数字孪生的区块链可以作为防伪索引服务器，确保产品制造过程没有被伪造。同时，通过云平台的数字合约技术解决其他孪生系统存在的信任问题，确保制造系统中各个物理设备集成为一种数字资产直接操作，以提供个性化安全制造服务（ 图 16）。