数字孪生中的人工智能——技术现状、挑战和未来研究课题（上）

1年前浏览3479

作者：吕志涵、谢淑轩（音译）

摘要

随着数字化进程的推进，大数据、人工智能（AI）、云计算、数字孪生、边缘计算等先进的计算机技术已应用于各个领域。为研究数字孪生与AI结合的应用现状，本文通过研究当前已发表文献的研究成果，对AI在数字孪生中的应用和前景进行了分类。本文从航空航天、生产车间智能制造、无人驾驶汽车、智慧城市交通四大领域探讨了数字孪生体的应用现状，并回顾了当前面临的挑战和未来需要期待的话题。

研究发现，数字孪生与AI的融合在航空航天飞行探测仿真、故障预警、飞机组装甚至无人飞行方面具有显著效果。在汽车自动驾驶的虚拟仿真测试中，可以节省80%的时间和成本，相同的路况降低了实际车辆动力学模型的参数尺度，大大提高了测试精度。在生产车间的智能制造中，建立虚拟工作场所环境可以提供及时的故障预警，延长设备的使用寿命，确保车间整体运行安全。在智慧城市交通中，模拟真实的道路环境，恢复交通事故，使交通状况清晰高效，快速准确地进行城市交通管理。最后，我们展望了数字孪生和人工智能的未来，希望为未来相关领域的研究提供参考。

介绍

数字孪生（DT）最重要的灵感来自真实物理系统和数字网络空间模型之间反馈的需求。人们试图在数字空间中重现物质世界中发生的事情。只有使用循环反馈的全生命周期跟踪才是整个生命周期的真正概念。通过这种方式，可以在整个生命周期中真正确保与物质世界的数字一致性。基于数字模型的各种模拟、分析、数据积累、挖掘，甚至人工智能应用，都可以确保它适用于真实的物理系统。智能系统的智能必须首先被观察、建模、评估和推理。如果数字孪生体没有对实际生产系统的准确建模描述，就无法实现智能制造系统。

人

本文旨在综述数字孪生结合人工智能技术在各个领域的应用现状，以及当前面临的挑战和未来需要研究的课题。我们希望为数字孪生在各行业的应用研究提供理论依据，并具有一定的启发性效果。

数字孪生中人工智

能技术的研究现状

数字孪生中的人工智能

图 1.数字孪生的发展历史

数据采集、数据建模和数据应用是数字孪生的三个主要方面。数据采集是指充分利用卫星遥感、倾斜航空摄影测量、激光雷达测量、相机等技术，从完整的物理空间场景中获取三维数据。传感器的功能是获取现实世界中不同种类的真实数据。数据收集的技术难点和关键是数据收集的高精度和高效率，这决定了数据收集的质量、效率和成本。

在获取大量原始物理世界数据后，进行数据建模，并利用自动建模工具进行进一步处理，生成物理世界实际恢复的三维模型。除了环境的高精度虚拟重建外，数字孪生数据在支持各种操作流程方面也更有效。数据建模可分为两部分：可视化3D建模和语义建模。可视化 3D 建模是对物理世界的 3D 再现。数字孪生的语义建模包括“结构化”收集的数据并识别车辆、道路、人员和内部对象等对象。映射概念如图2 所示。

图2.数字孪生的概念

人工智能作为计算机科学的一门学科，不仅改变了我们的生活，也改变了许多行业。它试图理解智能的基础，以便创造一种新的智能机器，能够以类似于人类智能的方式做出反应。机器人、语言识别、图像识别、自然语言处理和专家系统都是该学科的研究领域。计算机、机器人、经济和政治决策、控制系统和模拟系统都采用人工智能。如图3所示，它正在悄悄地改变我们的生活方式。我们可以使用地图软件来避免外出开车时的拥堵；我们佩戴的智能手表可以帮助我们监测和预测健康风险；我们家里的机器人可以用父母的声音给我们的宝宝讲故事；我们的扫地机器人可以轻松清洁大型复式房屋。将人工智能与数字孪生相结合将在我们生活的方方面面产生难以想象的变化。

图3.人工智能在数字孪生生态仿真分析中的应用

基于数字孪生的AI技术应用现状

数字孪生中的人工智能是一个普遍适用的理论和技术体系，应用广泛，如产品设计、设备制造、医学分析、航空航天等领域。目前，我国应用最深入的是工程建设领域，智能制造在研究领域获得了最大的吸引力。应用领域的分类图如图4所示。

图4.数字孪生中人工智能应用领域的分类

数字孪生在航空航天领域的使用。数字孪生的概念最初是为了在航空航天领域使用而提出的。例如，数字孪生用于飞行模拟和航空航天飞行机器的维护和质量保证过程。在数字空间中建立真实的飞机模型，然后利用传感器对数字空间进行整合。飞机的状态与现实中飞行飞机的状态同步。通过这种方式，每架飞机起飞和降落的过程都被模拟并存储在数字空间中。通过数字空间的数据分析，可以清楚地了解飞机是否需要维护，是否可以进行下一次飞行。

等人

等

图5.基于数字孪生的飞行寿命预测

针对民用航空器质量偏差控制系统存在的问题，质量偏差控制数据分散在众多管理系统中，无法从有关航空器整个生命周期中收集质量数据相关信息；缺乏用于质量数据分析和质量偏差控制的闭环网络物理融合系统。因此，定位质量偏差问题很困难，处理这些问题需要很长时间。蔡等人(2021)研究并提出了基于数字孪生的质量偏差控制模型。利用基于资产管理技术的数字孪生建模，检索和合并多源异构定性偏差数据，构建质量偏差体系。该系统采用FP-growth关联规则算法对飞机质量偏差数据进行评估，系统可以提供结果，以辅助装配现场，并最大限度地提高在现实世界中纠正质量问题的性能和正确性。

根据上述讨论，数字孪生在航空航天工业中提供了广泛的用途，包括飞机飞行路线的数字模拟，故障和维修的及时报告以及无人机性能的测试。这些领域取得了重大突破和进展。

数字孪生在自动驾驶智能化中的应用。随着深度学习和大数据分析技术的进步，人工智能应用正在迅速发展。其中，必须使用人工智能算法开发自动驾驶系统。在现实生活中，自动驾驶技术可以减少交通事故，实现时空等资源利用的效率，甚至为残疾人的驾驶过程提供极大的便利。然而，由于自动驾驶的技术要求很高，在虚拟仿真环境中对数字孪生进行模拟驾驶的需求已成为不可或缺的一步。

在自动驾驶汽车真正上路之前，必须经过严格的虚拟仿真测试，以确保安全。在传统的虚拟仿真测试环境中，HTL（高阈值逻辑）设备通常用于安全和主动性能测试。但在这种测试中，只有控制器是真实的，其他因素，如驾驶员、变速箱、动力、道路环境和其他与控制器相关的内容都是在虚拟环境中模拟的。由于目前计算机水平有限，仿真环境不能设置得太复杂，所以被测车对象的性能不是那么准确，测试精度有一定的偏差。当然，在真实环境中进行测试无疑是最好的选择，但由于物理条件的各种限制，不可能每次都保持统一的测试场景。因此，应实施基于数字孪生技术与实际道路环境相结合的自动驾驶仿真测试测试评估系统。数字孪生测试架构图如图6所示。

图6.自动驾驶数字孪生虚拟场景测试的整体架构

云等人的研究.

因此，通过数字孪生自动驾驶测试至少可以节省80%的时间成本，并且可以重复测试相同的路况，从而减少了实际车辆动力学模型的参数尺度，大大提高了测试结果的准确性。笔者认为，在虚拟场景中操作的过程可以避免真实交通条件下可能发生的事故概率，还可以减少不必要的物质损失，从而降低企业成本。因此，数字孪生在自动驾驶领域的使用为汽车制造和性能测试开辟了新的思路。

数字孪生在智能制造中的应用。随着世界各国智能制造技术的不断发展，制造业的信息化水平正在逐步提高。为了提高产品生产率，及时处理生产过程中的突发事件，企业必须加强生产车间各模块的管理和控制措施，提高企业对生产过程的控制能力。而且，消费者对产品的个性化要求更高，导致企业在生产过程中面临大量的数据、数据需求和数据结构，这使得企业难以管理和分析数据。因此，在制造过程中，如何有效及时地反馈生产车间设备的使用状态和故障预警，成为当前智能制造行业的一大难题。

等人

数字孪生车间是智能制造的核心组成部分。它们由实体车间、虚拟车间、车间服务系统和车间孪生数据组成，其中虚拟车间是最重要的组成部分。虚拟车间的建设从三个方向开始，由几个要素组成：使用虚拟数字几何模型来表示车间的环境元素，包括车间人员、机器、产品等。行为要素包括车间内设备的速度轨迹和不同的生产指令等生产要素，模拟车间内设备的运行状态。规则元素利用车间现有的物理环境对生产过程进行评估、分析、预测和优化，实现虚拟车间的建立。如图7 所示。在实际生产过程中，设备故障时有发生，影响生产进度和成本。如果在故障发生后进行维修，往往很困难，需要大量的人力物力进行故障筛选。因此，对设备的故障和设备的使用寿命进行预警尤为重要。

图7.虚拟车间设备故障预警示意图

等人等人

等人

基于以上研究，可以证明数字孪生在智能制造领域取得了突破，尤其是虚拟车间的使用，可以大大降低设备故障的概率，还可以帮助员工及时调整车间的整体调度，提高设备生产效率。数字孪生技术可以在智能制造领域实现产品、制造过程乃至整个工厂的虚拟仿真，从而提高产品研发和制造企业制造的生产效率。此外，它还可以在虚拟三维空间中创建产品。通过修改各种尺寸和装配关系的零部件和产品，可以大大简化产品几何验证工作、装配可行性验证工作和工艺实施。同时，在迭代过程中物理原型的制造时间、时间和成本大大降低。

等人

智慧交通是利用视频监控、融合毫米波雷达、机动车、非机动车、行人等交通要素的全息感知，实现数字空间中真实交通系统地图模型的构建。通过实时分析和跟踪，可有效解决交通资源浪费、信号系统功能刚性、交通事故变幻莫测、交通问题快速响应等问题。数字孪生在智慧交通中的应用可以分为三个方向：提高无人驾驶训练效率、辅助交通事故分析和辅助交通控制。

图8.数字孪生智慧城市示意图

数字孪生提高无人驾驶培训效率。目前，智能研究中心正在开展智能无人驾驶虚拟训练系统研究，为无人驾驶汽车驾驶算法的道路驾驶安全和智能驾驶能力提供开放的虚拟测试和培训平台。这类项目的目标是在数字空间中再现真实的交通场景，通过广义衍生技术为无人驾驶车辆创造极端环境和关键高风险场景，大幅提升无人驾驶训练的有效性。

等人

等

等人等人

等人

在整体交通控制方向，采用数字孪生技术模拟城市交通状况，然后通过评价和演绎来优化交通控制策略。这是数字孪生赋能智慧交通的重要应用场景。它主要涉及三个级别的功能。

等人

等人等人

等人

综上所述，数字孪生体广泛应用于城市智慧交通。数字孪生技术支撑城市信息模型的构建，包括建筑信息、地理信息、新街景、真实三维场景等元素。其核心围绕全球数据的端到端管理和运营，包括数据收集、访问、治理、集成、轻量级、可视化和应用。城市环境的可视化模型有助于更清晰、更高效、更快速和准确的城市交通管理。（由于全文较长，本文分为上下两篇）