数字孪生应用及安全发展综述
发布时间：2021-07-16 10:52
数字孪生以数字化的形式对生产的全过程进行动态仿真实现,覆盖了产品的全生命周期和全价值链,对推动智能制造等领域发展具有重要意义。概述数字孪生概念的起源、梳理技术发展历程和相关技术体系;简述数字孪生技术在智能制造产品生命周期、生产生命周期的应用,并总结分析了其在智慧城市建设方面的主要应用特点。以智能制造和智慧城市发展为例,分析了相关应用面临的主要网络安全风险和挑战,并尝试给出了数字孪生技术的网络安全保障方案,为推动数字孪生技术和应用的安全发展提供参考。
【文章来源】：系统仿真学报. 2019,31(03)北大核心CSCD
【文章页数】：8 页
【部分图文】：
数字孪生发展历程Fig.1DevelopmentofDigitalTwins
相关技术基于工业界及学术界对数字孪生的定义，工四100术语编写组对数字孪生进行了较为全面的概括，将数字孪生技术定义为：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[8]。这一理解得到较为广泛的认同。根据其定义，数字孪生的技术体系必须支撑虚拟空间、物理空间以及双向的信息流动等要素，并在其全生命周期发挥作用。从虚实空间映射以及协同角度出发，西门子公司给出了如图2所示的应用方案。在虚拟空间，需要具备对基础设备、产品系统、生产环境等进行多层次的仿真和建模能力。在物理空间，需要具备完整的生产系统运营管理能力、全集成自动化系统工程能力以及基于云计算、物联网和大数据的数字孪生分析和服务能力。同时，在连接和协同方面，需要具备虚拟空间和物理空间的信息集成和闭环反馈能力[12-14]。从产品设计、制造和服务的全周期出发，数字孪生技术在各个阶段均发挥了重要作用。在产品设计阶段，模型定义(MBD)技术实现了产品数据的高效表达、模型轻量化技术优化了模型的存储结构、仿真及优化技术使产品数字孪生模型与物理产品的功能和特点更加接近[15-16]。在产品制造阶段，数字孪生技术通过于工业互联网、物联网、传感器等发生多级互联，与人工智能、机器学习、数据挖掘、高性能计算等信息技术进行协同，在复杂动态空间的多源构数据采集、数据集成展示、产品生产监督和质量管理、智能分析决策等方面均发挥了重要作用。在产品服务阶段，数字孪生综合利用传感技术、追溯技术、仿真技术、物联网技术等，在产品状态跟踪监控、故障预警和定位分析等方面
步加速了智能制造与工业互联网、物联网融合。美国国家标准与技术研究院(NIST)于2016-02发布了《智能制造系统现行标准体系》的报告，提出了智能制造的3个维度，即产品生命周期维度、生产生命周期维度及商业周期维度[18-20]。作为智能制造中的一个基本要素，数字孪生技术在网络空间中复现了产品和生产系统，并使产品和生产系统的数字空间模型和物理空间模型处于实时交互中，二者之间能够及时地掌握彼此的动态变化并实时地做出响应，其在产品生命周期与生产生命周期2个维度都有较好的应用。如图3所示，数字孪生技术贯穿于产品生命周期的各个阶段，通过数字孪生体与产品实体持续的信息交互，实现产品的设计、生产过程监控、动态控制与优化、产品维护、产品升级等，达到虚实融合，在网络中实现对物理产品在现实环境中的形成过程和行为的模拟、监控、诊断、预测和控制。图3数字孪生技术在产品全生命周期的应用Fig.3ApplicationofDigitalTwinstechnologyinproductlifecycle如在应用层面，NASA、美国空军等依托数字孪生技术实现对复杂系统的故障检测、处置和航天器的寿命预测；洛马公司将数字孪生技术应用于F-35飞机的生产过程，提升其生产效率；达索公司在产品设计阶段引入数字孪生3D体验平台，不断改进产品设计模型；此外，我国学者在产品数字孪生体的具体的体系结构和实施方法、全三维研制模型下的产品构型管理等方面也提出了一定的思路和技术解决方案[21-22]。在生产生命周期层面，根据NIST《智能制造系统现行标准体系》报告，典型的生产生命周期分为流程设计、修建、调试、运维以及退役和回收5个阶段。数字孪生技术面向其生产的全面生命
【参考文献】：
期刊论文
[1]制造中的建模仿真技术[J]. 张霖,周龙飞. 系统仿真学报. 2018(06)
[2]智慧城市公共信息服务交互系统设计与实现[J]. 韩枫,李晓玲,孙秀雯,纪凌雨. 系统仿真学报. 2018(05)
[3]数字孪生及其应用探索[J]. 陶飞,刘蔚然,刘检华,刘晓军,刘强,屈挺,胡天亮,张执南,向峰,徐文君,王军强,张映锋,刘振宇,李浩,程江峰,戚庆林,张萌,张贺,隋芳媛,何立荣,易旺民,程辉. 计算机集成制造系统. 2018(01)
[4]基于数字线索和数字孪生的生产生命周期研究[J]. 陶剑,戴永长,魏冉. 航空制造技术. 2017(21)
[5]对工业4.0背景下的智能制造的回顾[J]. 钟润阳,徐旬,Eberhard Klotz,Stephen T.Newman. Engineering. 2017(05)
[6]产品数字孪生体的内涵、体系结构及其发展趋势[J]. 庄存波,刘检华,熊辉,丁晓宇,刘少丽,瓮刚. 计算机集成制造系统. 2017(04)
[7]数字孪生模型在产品构型管理中应用探讨[J]. 于勇,范胜廷,彭关伟,戴晟,赵罡. 航空制造技术. 2017(07)
本文编号：3286869
【文章来源】：系统仿真学报. 2019,31(03)北大核心CSCD
【文章页数】：8 页
【部分图文】：
数字孪生发展历程Fig.1DevelopmentofDigitalTwins
相关技术基于工业界及学术界对数字孪生的定义，工四100术语编写组对数字孪生进行了较为全面的概括，将数字孪生技术定义为：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[8]。这一理解得到较为广泛的认同。根据其定义，数字孪生的技术体系必须支撑虚拟空间、物理空间以及双向的信息流动等要素，并在其全生命周期发挥作用。从虚实空间映射以及协同角度出发，西门子公司给出了如图2所示的应用方案。在虚拟空间，需要具备对基础设备、产品系统、生产环境等进行多层次的仿真和建模能力。在物理空间，需要具备完整的生产系统运营管理能力、全集成自动化系统工程能力以及基于云计算、物联网和大数据的数字孪生分析和服务能力。同时，在连接和协同方面，需要具备虚拟空间和物理空间的信息集成和闭环反馈能力[12-14]。从产品设计、制造和服务的全周期出发，数字孪生技术在各个阶段均发挥了重要作用。在产品设计阶段，模型定义(MBD)技术实现了产品数据的高效表达、模型轻量化技术优化了模型的存储结构、仿真及优化技术使产品数字孪生模型与物理产品的功能和特点更加接近[15-16]。在产品制造阶段，数字孪生技术通过于工业互联网、物联网、传感器等发生多级互联，与人工智能、机器学习、数据挖掘、高性能计算等信息技术进行协同，在复杂动态空间的多源构数据采集、数据集成展示、产品生产监督和质量管理、智能分析决策等方面均发挥了重要作用。在产品服务阶段，数字孪生综合利用传感技术、追溯技术、仿真技术、物联网技术等，在产品状态跟踪监控、故障预警和定位分析等方面
步加速了智能制造与工业互联网、物联网融合。美国国家标准与技术研究院(NIST)于2016-02发布了《智能制造系统现行标准体系》的报告，提出了智能制造的3个维度，即产品生命周期维度、生产生命周期维度及商业周期维度[18-20]。作为智能制造中的一个基本要素，数字孪生技术在网络空间中复现了产品和生产系统，并使产品和生产系统的数字空间模型和物理空间模型处于实时交互中，二者之间能够及时地掌握彼此的动态变化并实时地做出响应，其在产品生命周期与生产生命周期2个维度都有较好的应用。如图3所示，数字孪生技术贯穿于产品生命周期的各个阶段，通过数字孪生体与产品实体持续的信息交互，实现产品的设计、生产过程监控、动态控制与优化、产品维护、产品升级等，达到虚实融合，在网络中实现对物理产品在现实环境中的形成过程和行为的模拟、监控、诊断、预测和控制。图3数字孪生技术在产品全生命周期的应用Fig.3ApplicationofDigitalTwinstechnologyinproductlifecycle如在应用层面，NASA、美国空军等依托数字孪生技术实现对复杂系统的故障检测、处置和航天器的寿命预测；洛马公司将数字孪生技术应用于F-35飞机的生产过程，提升其生产效率；达索公司在产品设计阶段引入数字孪生3D体验平台，不断改进产品设计模型；此外，我国学者在产品数字孪生体的具体的体系结构和实施方法、全三维研制模型下的产品构型管理等方面也提出了一定的思路和技术解决方案[21-22]。在生产生命周期层面，根据NIST《智能制造系统现行标准体系》报告，典型的生产生命周期分为流程设计、修建、调试、运维以及退役和回收5个阶段。数字孪生技术面向其生产的全面生命
【参考文献】：
期刊论文
[1]制造中的建模仿真技术[J]. 张霖,周龙飞. 系统仿真学报. 2018(06)
[2]智慧城市公共信息服务交互系统设计与实现[J]. 韩枫,李晓玲,孙秀雯,纪凌雨. 系统仿真学报. 2018(05)
[3]数字孪生及其应用探索[J]. 陶飞,刘蔚然,刘检华,刘晓军,刘强,屈挺,胡天亮,张执南,向峰,徐文君,王军强,张映锋,刘振宇,李浩,程江峰,戚庆林,张萌,张贺,隋芳媛,何立荣,易旺民,程辉. 计算机集成制造系统. 2018(01)
[4]基于数字线索和数字孪生的生产生命周期研究[J]. 陶剑,戴永长,魏冉. 航空制造技术. 2017(21)
[5]对工业4.0背景下的智能制造的回顾[J]. 钟润阳,徐旬,Eberhard Klotz,Stephen T.Newman. Engineering. 2017(05)
[6]产品数字孪生体的内涵、体系结构及其发展趋势[J]. 庄存波,刘检华,熊辉,丁晓宇,刘少丽,瓮刚. 计算机集成制造系统. 2017(04)
[7]数字孪生模型在产品构型管理中应用探讨[J]. 于勇,范胜廷,彭关伟,戴晟,赵罡. 航空制造技术. 2017(07)
本文编号：3286869
本文链接：https://www.wllwen.com/guanlilunwen/sjfx/3286869.html
