复杂系统数字孪生：数字孪生迈入智能时代

数字孪生迈入智能时代数字孪生具有不同的粒度。XMPro将不能进一步价值拆分的数字孪生称为单元数字孪生（discretedigitaltwin），在设计研发阶段，数字孪生以阵列、协作、递阶的形式组合形成复杂系统孪生；在产品寿命周期演进的过程中，设计孪生逐步与制造孪生、运营孪生结合，规模和复杂程度不断增大，包含的信息不断增多，如REF_Ref28619338\h图91所示。通过采集大量物理世界的信息，结合工业物联网、云和边缘计算、AI等前沿技术，数字孪生可以体现其自学习、自适应和自判断的能力，实现P–D–P（Physical-Digital-Physical）闭环反馈学习、从企业到部件级的实时优化、综合性和灵活性强的配置和调控、预见性维护等功能，持续为企业创造价值。图STYLEREF1\s9SEQ图\*ARABIC\s11数字孪生在产品寿命周期中的演进REF_Ref28728725\r\h[1]从实际出发，一步到位实现产品全寿命周期的数字孪生是不现实的，数字孪生的实现需要综合考虑价值、成本和软硬件条件，从一个或几个典型问题着手，其抽象程度应以实际用例的需求为准，实现利益增长之后再以点带面，稳步实现企业的数字化智能化建设。但我们在本章节不妨畅想一下，当数字孪生的长期战略部署实现时，它能够带来什么样的智能化转变。GE作为全球能源制造行业的老牌领军者，也是企业数字化道路上的先驱。2012年率先提出工业互联网概念，2015推出了首个工业数据收集分析的工业互联网平台Predix。本章借助GE构想的智能电厂数字孪生，介绍在产品的运营阶段，智能化数字孪生的相关前沿技术和所能创造的价值。用例背景典型的IGCC（燃气–蒸汽联合循环）结构如REF_Ref28727506\h图92所示，IGCC电厂在运行过程面临着如下诸多挑战：系统复杂，设备众多：IGCC电厂包含煤气化设备、高/低温气体冷却（HTGC/ITGC）设备、COS水解设备、颗粒物及气体污染物移除设备、燃气轮机、蒸汽轮机、余热锅炉（HRSG）、冷凝器等等设备。设备之间的耦合存在极强的非线性，给启动和调度带来了很大挑战。能效与环保要求：提高能源的使用效率一直是燃气轮机制造商和电厂研发工作的核心，以更好地应对全球的能源紧缺和日益严峻的全球变暖形势。提高能效既需要设计阶段对材料、结构、系统等方面进行优化，也需要在运行期间对发电负荷、燃气轮机导叶角度、HRSG调温流量、汽轮机蒸汽入口温度等参数进行监测和调控。此外，面对越来越严重的大气污染，现代的电厂需要遵守非常严格的排放要求，使得电厂的经济调度更为复杂。极限工作环境：作为燃机电厂最核心的部件，燃气轮机透平叶片需要在超过1400℃的高温下持续工作上千小时，且级别越高、效率越高的燃气轮机透平入口温度越高。极限工作环境一方面对设计端的材料和冷却技术提出了极高的要求，另一方面也需要在运行期间持续监控部件的热疲劳、热损伤情况，及时进行维护或更换，避免安全事故，减少计划外停机。目前电厂的维修和部件寿命预测还主要依赖于工作人员的经验。实时运行状态调整：当今的能源市场上，化石燃料价格、用电需求、小时发电量、排放标准、可再生能源等市场因素都在不断波动，电厂的经济调度需要综合考虑多方面的不确定因素，包括环境因素，平衡能源资源和设备容量，保证发电功率的前提下尽可能地减少燃料消耗，降低运行成本。图STYLEREF1\s9SEQ图\*ARABIC\s12典型的IGCC循环REF_Ref28728750\r\h[2]不只是燃机电厂，各类工业企业都面临着类似的挑战。数字孪生能够帮助企业更好地应对这些挑战。Physical-DigitalAnalytics产品的制造过程和运营过程都会产生大量的、连续更新的数据，如状态数据、传感器读数（包括环境数据）、操作历史记录、构建和维护配置状态、序列化部件库存、软件版本以及其他企业服务信息等等。物理世界产生的数据被收集并反馈给数字孪生，在数字侧进行分析、总结并给出可操作建议，该建议反馈给物理世界执行，这就形成了闭环，如REF_Ref28727590\h图93以制造过程为例，给出了P-D-P闭环的示意图。实际上，在物理实体创建之后，任何层次、任何领域的数字孪生都将通过该闭环来创造价值。图STYLEREF1\s9SEQ图\*ARABIC\s13闭环制造数字孪生REF_Ref28728777\r\h[3]回到燃机电厂的例子，REF_Ref28727623\h图94给出了GE智能电厂孪生的P–D–P闭环，其中数字侧以高精度的物理模型和统计模型为核心，建立设备、热力循环以及电厂的各级数字孪生，汇总并分析从物理世界采集的数据（主要包括设备状态参数、运行环境参数、操作参数、检修记录、电厂调度记录、市场数据等），这期间用户也可以指定设备容量、可靠性指标、排放指标等KPI参数，参与模型的分析和决策。数字孪生的反馈主要实现性能优化、调度优化、智能化控制、预见性维护等等。孪生的精度和实时性也在闭环反馈的过程中不断提升。图STYLEREF1\s9SEQ图\*ARABIC\s14GE智能电厂数字孪生REF_Ref28728807\r\h[4]P–D–P闭环的实现依照如REF_Ref28727701\h图95所示的的5C层级架构；该架构由Lee等针对信息物理系统（CPS）提出：（a）5C架构及内容（b）5C架构的技术及应用图STYLEREF1\s9SEQ图\*ARABIC\s15信息物理系统的5C架构REF_Ref28728827\r\h[5]5C架构由底层到顶层分别指Connection,Conversion,Cyber,Cognition和Configuration，分别实现状态监测、自认知、自比较、洞察决策和部署优化的功能。Smartconnection准确、全面、及时地获取产品和设备数据是建立CPS系统和高精度数字孪生的第一步。首先需要高精度的传感器，尤其在设备失效的相关参数上。比如在燃气轮机中，监测极端工作环境下的燃气轮机状态参数（温度，压力，受力振动，环境中的湿度、烟尘、污染性气体含量等等）以及热蚀、水蚀、开裂、蠕变、磨损等失效形式是传感技术的重点内容。状态阐述传感器的发展方向是高精度的无损传感技术，如磁传感器、声学传感器等等；材料失效检测依托于嵌入式的微型传感器，如REF_Ref28727770\h图96所示的LifeSight印制蠕变传感器和嵌入压气机内壁的腐蚀率传感器，随着3D打印技术的不断发展，微型化、低功耗的嵌入式传感器的应用将更为广泛。（a）LifeSight印制蠕变传感器（b）压气机内部腐蚀率传感器图STYLEREF1\s9SEQ图\*ARABIC\s16GE燃气轮机蠕变、腐蚀传感器REF_Ref28728807\r\h[4]未来传感器还具有可移动化和集成化的发展趋势。无线传感网的推广应用可以快速组建拓扑结构可变的传感器网络，对传感数据进行远程传输和管理，减少线路的影响，避免极端环境下的人工操作；集成化趋势体现在传感器阵列以及多功能一体化传感器，结构更为紧凑，容易实现补偿和校正。底层收集的数据来源和种类众多，除了传感器数据，还有控制器和ERP、MES等企业管理系统数据；除了制造商数据，还有供应商和客户数据。它们相互之间的通信利用蓝牙、WiFi、GPS以及5G等技术，遵循统一的通信协议（如Zigbee、IPv6等），从而方便将数据上传到云平台上进行存储、分析和决策，如REF_Ref28727806\h图97所示。图STYLEREF1\s9SEQ图\*ARABIC\s17典型的工业网络架构REF_Ref28728874\r\h[6]Data-to-Informationconversion没有上下文的数据是没有价值的，必须把传感器采集的原始数据处理为上下文信息（ContextInformation），才能进一步为数字孪生所用。而工业大数据都在TB量级，还以燃气轮机为例，仅一台典型的GE燃气轮机每天就可以产生约500GB的数据；而在飞机制造业，一次飞行就会产生5至8TB的数据。大数据产生过程中还经常面临缺省、噪声等影响分析效率和决策准确性的问题。显然，直接把传感器数据传输到工业应用进行处理是不可行的，必须通过中间软件进行上下文感知计算，或将数据处理、存储、双向通信等方面功能与多种传感功能相结合形成先进的智能化传感器，实现信号探测、数据处理、逻辑判断、功能计算、自检自校等功能。Cyber这一层级实现了REF_Ref28727590\h图93的P–D–P闭环中物理世界和数据世界的信息汇总集合，依靠基于云的工业物联网（IIoT）平台发挥作用。工业物联网指通过大量的物理感知设备，按照一套标准的通信协议，实现工业设备、系统的智能化识别及实时状态监管REF_Ref28728906\r\h[7]一种网络状态。其首要任务就是有效而流畅地连接工业中的各种人、机器设备和系统，打通营销、设计、工艺、仿真、制造、售后各个业务环节，建立透明化的运营体系，实现实时数据共享，将数据集中整理到一个系统中进行数据传输存储、仿真建模、计算分析等工作，让研发人员、经营团队、业务分析师以及数据科学家发现数据的价值。从而能够最大限度地利用已有的资源和知识储备，减少企业中常见的“信息孤岛”和“烟囱系统”问题。XAAS云平台是企业由产品导向到服务导向转型的关键推动力。所谓“EverythingasaService(XAAS)”，资源被抽象为服务，因此可以将无处不在的服务无缝提供给用户，如软件即服务（SaaS），平台即服务（PaaS）和基础设施即服务（IaaS）等。REF_Ref28728028\h图98从服务的角度显示了云计算的体系结构。图STYLEREF1\s9SEQ图\*ARABIC\s18服务视角的云计算架构REF_Ref28728874\r\h[6]相比于自己负责数据的存储和分享、托管和维护服务器及网络设备、管理自有基础设施，用户可以订购服务器（托管服务）或数据中心中的一部分空间，也可以租用计算资源（如CPU内核、RAM等），降低运营成本，这就是IaaS。利用集成的开发环境，并将应用程序存储在提供不同服务和工具的应用程序主机上，不需要另外寻找平台、工具、数据库、算法库和托管服务，而由供应商负责维护升级和其他常规性能，这种服务称为PaaS。不通过购买和本地安装获得软件，而是直接在Web页面登录部署在云端的软件工具，或者通过BYOL（BringYourOwnLicense）模式将自主软件的许可部署在云上，通过调试优化，客户的应用可在云上流畅运行，并获得高性能应用架构的支持，这就是SaaS。在服务导向的开放式IIoT平台上，用户可以根据自身的软硬件能力和自主知识产权需求获取灵活的个性化服务。工业物联网安全在数据接入接出和存储分析的过程中保障数据的安全性、保密性和真实性是IIoT的重大挑战，也是平台用户主要的顾虑所在。由于IIoT上连接了成千上万的设备，需要抵御外部环境（如电源、温度等）对传感器和网络的干扰，需要保证相邻设备间不发生未授权的信息交互，需要保证数据传输过程中不被有意或无意的干扰篡改，需要抵御软件和网络等可能受到的外来攻击，还需要保证平台上的不同用户能够无阻碍地获取授权信息，同时无法访问和处理未授权信息。美国工业互联网联盟(IIC)发布了其制定的工业互联网安全框架《IndustrialInternetofThingsVolumeG4:SecurityFramework》(IISF)，分为三个层次，包含了六个相互关联的功能模块。顶层为四个核心安全功能模块块，即端点保护、通信&连接保护、安全监测和分析以及安全配置管理。中层是数据保护层，底层是安全模型和策略，如REF_Ref28728090\h图99所示。这些安全功能模块端到端地部署在从边缘到云端的整个物联网上，由IT和OT的技术互相连接、提供支持。图STYLEREF1\s9SEQ图\*ARABIC\s19IISF功能构建模块REF_Ref28728949\r\h[8]Cognition数字孪生通过模型对采集到的数据进行分析。模型包括基于物理理论研究的模型以及人工智能模型。如REF_Ref28728467\h图910所示，GE智能电厂孪生的核心物理模型包括性能模型、异常检测模型、寿命模型、材料结构模型、动态分析模型、配置管理模型等，部分模型与设备设计研发阶段所建立的数字孪生模型重合，在此不过多展开。除了物理模型之外，数字孪生还引入了前沿的人工智能模型，如模式识别、深度学习、迁移学习、文本挖掘、图像识别等等。将人工智能模型与物理模型相结合，能够大幅度提升异常检测的效率和准确性，为优化电厂调度和实现预见性维护打下基础。图STYLEREF1\s9SEQ图\*ARABIC\s110GE数字孪生分析模型REF_Ref28728807\r\h[4]通过数字孪生，用户可以以数字资源的消耗代替物理资源的消耗，回答各种假设问题，对设备和系统的了解能够深入到前所未有的程度。数字孪生积累和分析物理实体数据不只可以对运行和维护做出指导，还能够根据数据量化模型误差，对模型进行训练和调整，提高孪生的准确性和实时性。实际物理数据反馈到产品设计和工艺设计，有助于新一代产品的设计改进。在分析到决策的过程中，可视化技术的作用有时候容易被忽略。在电影《钢铁侠》当中，托尼就创建了战甲的数字孪生模型，他可以随意拆解全息投影的战甲的部件，将个别单元拿出来研究并且能直观地看到它的性能。若只有传统的分析方式，他只能把实体样机拆开测量或者依靠数值公式推算，相比于3D可视化技术效率将大打折扣。基于VR（虚拟现实）和AR（增强现实）的可视化分析在工业应用中同样能够起到提升效率的作用。REF_Ref28728501\h图911显示了西门子数字化工业软件在VR和AR上的研究，通过VR技术，工程师可以直接观察复杂的3D仿真模型；不同部门不用受到地域的约束，全球的工作人员共享同样的可视化信息，随时进行比较和协作。最新版本的SolidEdge2020已经嵌入了AR功能，允许用户通过扫描二维码，在移动设备上呈现3DCAD实体并通过手势操控，有效提高装配、空间布局等工作的效率。（a）通过VR观测3D仿真建模（b）SolidEdge2020AR功能图STYLEREF1\s9SEQ图\*ARABIC\s111VR及AR可视化分析借助IIoT平台，技术知识的共享也不再受时间空间的限制，工程师可以建立全球范围的知识网络（KnowledgeNetwork），作为对传统企业社交网络的补充。该知识网络以“任务”为驱动，可以快速查找、识别和共享最佳实践方案，以供他人使用。工程师通过输入他们正在努力实现的目标类型，就可以找到同样领域或完成过类似任务的专家，并可以通过知识网络导航检索，快速找到相关的最佳实践案例。例如，当工程师在构建新的数字孪生时，可能对所需数据类型、数据规模或者某个基于物理的模型有疑问；通过观察其他人如何解决类似的问题，他可以直接基于共享的知识采取行动，也可以联系其他专家以获取更多信息。Configuration这一层级负责将Cognition层所做的决策反馈到物理世界：结合人工智能和边缘计算，数字孪生可以用来进行设备性能优化、车间布局优化、库存管理等实时优化和管理；根据对设备状态的监控和统计对比，可以进行预见性维护，及时安排并指导技术服务人员完成现场修理、升级或维修，减少意外停工时间。作为完成P–D–P闭环的最后环节，可以通过智能化控制系统为产品的运营提供自适应、自判断和自部署的能力。在积累足够的数据库实例和用户反馈后，数据分析工程师可以评估特定的设备或部件，反馈到设计端，用于产品和工艺的持续改进。本小节继续通过几个案例进行详细介绍。RealTimeOptimization复杂系统的运营过程经常产生实时性要求非常高的数据，一旦产生就必须被迅速采集分析，甚至需要马上做出决策，一旦延迟则该部分数据失去使用价值，这类数据成为快数据。例如在活跃的电力市场中，燃料/电力价格可能产生大幅波动，传统的人工调控方式很难及时根据市场情况合理调控发电，而GE结合气路和燃烧系统数字孪生与OpFlex*PeakFire高级控制软件实现调度优化，电厂运营商可以实时响应市场变化，做出短期和长期的经济调度决策；在适当的市场条件下，还可以通过峰燃动态“存储”和增加发电量，从而在相同的运行区间内使利润最大化，如REF_Ref28728549\h图912所示。图STYLEREF1\s9SEQ图\*ARABIC\s112GE调度优化效果REF_Ref28728807\r\h[4]人工智能和边缘计算在实时优化中也能够起到非常重要的作用。随着数据量不断增大，在云端的集中式数据处理面临时效性瓶颈，必然的趋势是将数据分析处理分散到物联网底层，通过嵌入式系统融合IT与OT，实现制造运营的自适应、自判断和自调整。例如在IGCC循环中，通过对比传感器数据与数字孪生模型预估值，可以不断调整负载、入口导叶角度、燃机出口温度等等参数，实时优化循环效率。而通过图像识别、深度学习等人工智能技术可以实时对制造过程的零件进行质量检测，或者对运营状态进行监测评估，进而决定后续的工艺/运维操作。ModelBasedControls利用数字孪生的系统和领域模型，结合边缘计算技术，可以开发出控制架构，是数字孪生很多功能组件的执行平台。它由一系列量化的、软件定义的和集成化的组件组成，专门用于提供充分利用工业物联网潜力所需的高级功能。最宽泛地讲，控制服务器集成了三个方面的顶层功能REF_Ref28728807\r\h[4]：瘦客户端人机接口(HMI)边缘应用程序监督(L2层)控制上述功能通过如下图所示的基于管理程序的体系架构实现，允许不同的组件安全并存。图STYLEREF1\s9SEQ图\*ARABIC\s113GE高级控制架构REF_Ref28728807\r\h[4]预见性维护图STYLEREF1\s9SEQ图\*ARABIC\s114GE资产寿命优化器REF_Ref28728807\r\h[4]REF_Ref28728611\h图914显示了GE资产寿命优化器对设备异常和维修时间点的预测。该优化器通过设备寿命和设备异常状态的数字孪生模型来精确地预测需要维护之前的剩余时间。工厂中的每项资产都有计划中的停安排划，但是当该资产遇到无法预见的异常时，每个计划中的停机都可能变成计划外停机。异常可能是由许多因素引起的：操作偏离原来的设定、组件失效、设备之间产生不利的相互作用等。数字孪生模型能够将这些异常情况与设备制造商的数据结合起来，从而创建最佳的计划停机策略，将燃气轮机、蒸汽轮机、发电机和所有关键资产的意外停机降至最低。参考文献P.Schalkwyk,S.Malakuti,S.Lin.Ashor