数字孪生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。数字孪生是一种超越现实的概念，可以被视为一个或多个重要的、彼此依赖的装备系统的数字映射系统。

美国国防部最早提出利用DigitalTwin技术，用于航空航天飞行器的健康维护与保障。首先在数字空间建立真实飞机的模型，并通过传感器实现与飞机真实状态完全同步，这样每次飞行后，根据结构现有情况和过往载荷，及时分析评估是否需要维修，能否承受下次的任务载荷等。

数字孪生，有时候也用来指代将一个工厂的厂房及产线，在没有建造之前，就完成数字化模型。从而在虚拟的赛博空间中对工厂进行仿真和模拟，并将真实参数传给实际的工厂建设。而工房和产线建成之后，在日常的运维中二者继续进行信息交互。值得注意的是：DigitalTwin不是构型管理的工具，不是制成品的3D尺寸模型，不是制成品的 MBD 定义。

对于Digital Twin的极端需求，同时也将驱动着新材料开发，而所有可能影响到装备工作状态的异常，将被明确地进行考察、评估和监控。Digital Twin 正是从内嵌的综合健康管理系统（IVHM）集成了传感器数据、历史维护数据，以及通过挖掘而产生的相关派生数据。通过对以上数据的整合，Digital Twin可以持续地预测装备或系统的健康状况、剩余使用寿命以及任务执行成功的概率，也可以预见关键安全事件的系统响应，通过与实体的系统响应进行对比，揭示装备研制中存在的未知问题。Digital Twin可能通过激活自愈的机制或者建议更改任务参数来减轻损害或进行系统的降级，从而提高寿命和任务执行成功的概率。

ANSYS的数字孪生技术介绍

数字孪生无疑是这几年很火的概念，各大厂也纷纷推出了相应的数字孪生解决方案，由于对数字孪生概念理解的不同以及应用场景的差异，各大厂技术能力优长，各大厂的解决方案和侧重点也十分不同，这就形成了差异化的竞争格局。ANSYS 起家于仿真，所有的核心业务也是基于工业仿真的，这也就不难理解ANSYS的数字孪生技术的核心是以仿真驱动的了。

ANSYS 的数字孪生平台 Twin Builder 脱胎于 simplorer，以此为基础做了深入的开发和能力扩展，在系统模型组件库方面引入了 modelica 标准库及商业库和 modelica 编译器，支持更广泛的模型开发，扩充了在多领域建模方面的能力。

ANSYS 的主要优势在于三维物理场仿真能力，因此在Twin Builder中集成了多种降阶技术，将经过验证的三维物理模型降阶为Twin 模型。基于降阶技术可以将三维的流体、结构、电磁、热等物理场降阶为可实时仿真的组件模型（往往是关键或价值昂贵的组件），实现对关键组件的预测和维护。

     1.1 Digital Twin 解决方案框架

从 ANSYS 的 Digital Twin 解决方案的框架图我们可以看出，digital twin是系统仿真的升级版，结合了降阶技术，机器学习（人工智能）动态降阶及物联网技术的解决方案，核心之处仍然是确保集成在系统模型中各组件及子系统的精度，以此实现对物理资产的镜像及预防性维护。

      2.1  构建系统阶段优势和能力

      2.2  验证阶段优势和能力

      2.3  部署阶段优势和能力

3.2 Digital twin 的意义

Digital twin 最为重要的启发意义在于，它实现了现实物理系统向赛博空间数字化模型的反馈。这是一次工业领域中，逆向思维的壮举。人们试图将物理世界发生的一切，塞回到数字空间中。只有带有回路反馈的全生命跟踪，才是真正的全生命周期概念。这样，就可以真正在全生命周期范围内，保证数字与物理世界的协调一致。各种基于数字化模型进行的各类仿真、分析、数据积累、挖掘，甚至人工智能的应用，都能确保它与现实物理系统的适用性。这就是Digital twin对智能制造的意义所在。

智能系统的智能首先要感知、建模，然后才是分析推理。如果没有Digital twin对现实生产体系的准确模型化描述，所谓的智能制造系统就是无源之水，无法落实。

实现 Digital Twin 的许多关键技术都已经开发出来，比如多物理尺度和多物理域建模、结构化的健康管理、高性能计算等，但实现 Digital Twin 需要集成和融合这些跨领域、跨专业的多项技术，从而对装备的健康状况进行有效评估，这与单个技术发展的愿景有着显著的区别。因此，可以设想 Digital Twin这样一个极具颠覆的概念，在未来可以预见的时间内很难取得足够的成熟度，建立中间过程的里程碑目标就显得尤为必要。