随着数字化的发展，大数据、人工智能（AI）、云打算、数字孪生和边缘打算等前辈打算机技能已运用于各个领域。
为了研究数字孪生与人工智能结合的运用现状，本文通过研究当前已揭橥文献的研究成果，对人工智能在数字孪生中的运用和前景进行了论述。
我们谈论了数字孪生在航空航天、生产车间智能制造、无人驾驶车辆和智能城市交通四个领域的运用现状，并回顾了当前的寻衅和未来须要展望的方向。
研究创造，数字孪生和人工智能的结合在航空航天翱翔探测仿照、故障警告、飞机装置，乃至无人驾驶翱翔方面都有显著的效果；在汽车自主驾驶虚拟仿真试验中，可以节省80%的韶光和本钱，相同的路况降落了实际车辆动力学模型的参数规模，大大提高了试验精度；在生产车间的智能制造中，虚拟车间环境的建立可以供应及时的故障报警，延长设备的利用寿命，担保车间整体运行安全；在智能城市交通中，仿照真实的道路环境，规复交通事件，使交通状况清晰高效，能够快速准确地进行城市交通管理。
末了，我们对数字孪生和人工智能的未来进行了展望，希望能为今后干系领域的研究供应参考。

关键词：数字孪生；人工智能制造；自动驾驶；智能城市

数字孪生（DTs）最主要的灵感来自真实物理系统和数字网络空间模型之间的反馈需求。
人们试图在数字空间中再现物质天下中发生的事情。
只有利用循环反馈的全生命周期跟踪才是全体生命周期的真正观点。
这样，在全体生命周期中，可以真精确保与物质天下的数字同等性。
基于数字模型的各种仿照、剖析、数据积累、挖掘，乃至人工智能运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不雅观察、建模、评估和推理。
如果数字孪生对实际生产系统没有准确的建模描述，智能制造系统就无法实现。

基于机器学习（ML）的人工智能运用常日被认为是制造业中一项很有出息的技能。
然而，ML方法须要大量高质量的演习数据集。
对付受监督的ML，常日须要手动输入来标记这些数据集。
这种方法本钱高、随意马虎出错且耗时，尤其是在繁芜且动态的制造环境中。
Alexopoulo等人（2020）指出，数字孪生模型可以通过天生适当的演习数据集并通过仿照工具链自动标记来加速ML演习阶段，从而减少用户对演习过程的参与。
这些合成数据集可以利用大量真实数据进行扩展和交叉验证。
Fan等人（2021）研究并提出了灾害城市数字孪生观点的愿景，该观点可以实现信息和通信技能（ICT）在危急信息学和灾害应对中的跨学科整合。
这包括整合人工智能算法和方法，以增强不同利益干系者之间的态势评估、决策和折衷，从而提高对繁芜磨难的应对和人性主义声援动态的可见性。
根据Rasheed等人（2019）的研究，数字孪生是繁芜系统的自适应模型。
打算管道、多物理解算器、人工智能、大数据掌握论、数据处理和管理工具的最新发展使数字孪生的前景及其对社会的影响更靠近现实。
数字孪生目前广泛运用，是一个显著的上升趋势。
也称为打算巨人模型、设备阴影、镜像系统、化身或同步虚拟原型。
因此，数字孪生不仅在我们如何构建和管理网络物理智能系统方面发挥浸染，而且在我们如何促进多学科系统的模块化以办理根本性障碍方面发挥着转型浸染。

本文旨在综述数字孪生技能与人工智能技能在各个领域的运用现状，以及当前面临的寻衅和未来须要研究的课题。
希望能为数字孪生在各个行业的运用研究供应理论依据，并起到一定的启示浸染。

密歇根大学教授米迦勒博士在2003首次提出数字孪生的观点。
它也被称为数字镜像和数字舆图。
它是一个物理到物理天下或数字表达的系统。
理解它在虚拟天下中是大略而直接的。
在现实天下中复制真实事物是一个超越现实的观点。
这是一个数字仿照过程，利用物理模型、传感器设备和历史操作数据，集成了多个学科、物理量、尺度和概率。
据Gartner称，数字孪生是2019年十大关键技能之一。
据估计，到2020年，将连接200多亿个传感器和终端，数字孪生将连接数十亿个物理设备，试图在虚拟天下中尽可能多地仿照物理天下的实际情形。
这一预测得到了验证，作者认为在2021中该技能将利用更多的传感器和终端设备。
由于数字孪生的上风越来越突出，数字孪生的研究领域也越来越多样化，紧张集中在打算机集成制造领域，开拓过程经历了许多阶段，如图1所示。

数字孪生的观点最初是为了在航空航天领域利用而提出的。
例如，数字孪生用于翱翔仿照和航空航天翱翔机器的掩护和质量担保过程。
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集成。
飞机的状态与实际翱翔飞机的状态同步。
这样，每架飞机的起飞和着陆过程都被仿照并存储在数字空间中。
通过对数字空间的数据剖析，可以清楚地理解飞机是否须要维修以及是否可以进行下一次翱翔。

Yurkevich等人（2021）的研究目的是开拓用于数字空中交通牵制的神经模型。
该方法采取分布式组织和技能系统的物理自组织社会网络的观点，其组件连接到无线4G和5G网络。
这种方法的优点是剖析和管理的事理非常有出息，并且它与稠浊人工智能有着繁芜的集成。
Dai等人（2021）表明，自动驾驶无人机（UAV）系统作为一个安全关键系统，须要不断提高其可靠性和安全性。
另一方面，测试繁芜的自动翱翔员掌握系统是一个韶光和资金密集型项目，须要在项目增长期进行几次外部翱翔测试。
因此，为了提高无人机开拓的效率和安全性，提出了自动驾驶平台的内部自动测试系统。
随着无人机技能的发展，无人机的运用越来越多，被视为未来智能城市根本举动步伐的主要组成部分。
同时，与无人机运用干系的安全和隐私威胁须要适当的测试和监视技能。
Grigoropoulos等人（2020）供应了一个仿照环境和数字孪生支持平台，用于促进基于普通无人机架构的无人机运用程序的管理和性能。
首先，仿真环境可以对平台本身和平台上运行的运用程序的功能进行深入测试，然后将其支配到实际天下中。
支配后，数字孪生用于创造运用程序之间的差距和预期行为，而当实行仿照测试或未创造故障时，这些差距和预期行为又可以用作缺点指示器。
维修已从“事后维修”和“预防性维修”演化为“预测性维修”，使其成为航空最关键的组成部分之一。
精确维修是未来的发展道路，目的是确保运行安全，降落协同优化目标和运行本钱。
为了提高发动机预测维修的效果，Xiong等人（2020）研究了数字双驱动飞灵活员机预测维修框架，创造了隐式数字双IDT（隐式数字双）模型。
通过评估虚拟和实际数据资产的同等性来确定模型的有效性。
通过将数据驱动的深度学习（DL）方法与LSTM（长-短期影象）模型相结合，并以航空发动机为例，证明了该方法的有效性。

图5 基于数字孪生模型的翱翔寿命预测

随着深度学习和大数据剖析技能的进步，人工智能运用正在迅速发展。
个中，利用人工智能算法开拓自主驾驶系统势在必行。
在现实生活中，自主驾驶技能可以减少交通事件，实现时空等资源的高效利用，乃至为残疾人的驾驶过程供应极大的便利。
然而，由于自主驾驶的高技能哀求，数字孪生在虚拟仿真环境中仿照驾驶已经成为不可或缺的一步。

在自动驾驶汽车真正进入道路之前，它们必须经由严格的虚拟仿照测试，以确保安全。
在传统的虚拟仿真测试环境中，HTL（高阈值逻辑）设备常日用于安全和主动性能测试。
但在这种测试中，只有掌握器是真实的，其他成分，如驾驶员、变速箱、动力、道路环境和其他掌握器干系内容都是在虚拟环境中仿照的。
由于目前打算机水平有限，仿真环境不能设置得太繁芜，因此被测汽车工具的性能不太准确，测试精度有一定偏差。
当然，在真实环境中测试无疑是最佳选择，但由于物理条件的各种限定，不可能每次都保持统一的测试场景。
因此，应履行基于数字孪生技能的自动驾驶仿照测试与实际道路环境相结合的测试评估系统。
数字双测试架构图如图6所示。

图6 自动驾驶数字双虚拟场景测试的总体架构

随着天下各国智能制造技能的不断发展，制造业的信息化水平正在逐步提高。
为了提高产品生产率，及时应对生产过程中的突发事宜，企业必须加强对生产车间各模块的管控方法，提高公司对生产过程的掌握能力。
此外，消费者对产品更高的个性化哀求导致公司在生产过程中面临大量数据、数据需求和数据构造，这使得公司难以管理和剖析数据。
因此，在制造过程中，如何有效、及时地反馈生产车间设备的利用状态和故障预警，已成为当前智能制造行业的一大难题。

大数据、人工智能、物联网、边缘打算等当代前辈信息技能的发展，推动了传统制造向智能制造的转型。
智能制造最主要的特色是其自主性和主动自优化性。
Zhou，et al.（2020）研究并提出了一个知识驱动的系统框架，用于数字化双制造单元的智能制造转型，该框架能够智能地感知、仿照、理解、预测、优化和掌握。
它不仅可以最大限度地提高产品质量，还可以降落生产本钱。
智能制造与其说是传统制造业面临的寻衅，不如说是机遇。
智能制造的可持续性特色更加明显。
Li，et al.（2020）研究了如何为智能制造项目构建可持续发展评估数字双驱动系统，并在经典数字双映射系统的根本上开拓了数字双驱动系统。
信息架构是智能制造项目可持续发展的关键办理方案。
随着传感器技能和数据处理技能的进步，基于网络物理系统的智能制造已成为制造业发展的紧张趋势。
考虑到离散生产车间的多样性和颠簸性，掌握制造车间的碳排放存在某些问题。
Zhang等人（2019）研究并提出了一种智能制造车间数字孪生驱动碳排放预测掌握模型，该模型结合了最新的打算机技能和低碳掌握技能，在虚拟车间中对模型进行验证和优化。

数字化双车间是智能制造的核心组成部分。
它们由物理车间、虚拟车间、车间做事系统和车间孪生数据组成，个中虚拟车间是最主要的组成部分。
虚拟车间的构建从三个方向开始，由几个要素组成：利用虚拟数字几何模型来表示车间的环境要素，包括车间员工、机器、产品、，等行为要素包括生产要素，如车间内设备的速率轨迹和不同的生产指令，仿照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、剖析、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，影响生产进度和本钱。
如果在故障发生后进行维修，常日很困难，须要大量人力和物力进行故障筛查。
因此，对设备的故障和利用寿命进行预警尤为主要。

数字孪生的观点便是将现实天下中的人、工具、关系和过程映射到虚拟天下，通过不雅观察和剖析虚拟空间中的数字孪生，实现对真实工具的研究和掌握。
将这一观点运用于城市交通领域无疑是聪慧城市培植的福音，如图8所示。
城市紧张功能区管理因此空间掌握为紧张目标，促进城市和区域发展的空间组织和计策。
Gao等人（2017）的研究表明：基于大数据和GIS（地理信息系统），对城市功能区培植方案进行了优化剖析。
城市功能区管理的紧张目标是限定或规范地皮合理利用，为城市区域的有效利用奠定根本。
城市方案的紧张依据包括干系指标，如该地区的资源和环境承载力、现有区域发展的密度数据以及未来区域增长的可能性。
借助GIS技能，建筑师可以更好地优化城市场所的功能定位。
智能交通是利用***监控、毫米波雷达领悟、机动车、非机动车、行人等交通要素的全息感知，实现数字空间真实交通系统舆图模型的构建。
通过实时剖析和跟踪，可以有效办理交通资源摧残浪费蹂躏、旗子暗记系统功能僵化、交通事宜不可预测、交通问题快速反应等问题。
数字孪生在智能交通中的运用可分为三个方向：提高无人驾驶培训的效率、帮忙交通事件剖析和帮忙交通掌握。

图8 数字孪生智能城市示意图（物联网试验）

数字孪生提高了无人驾驶驾驶演习的效率。
目前，智能研究中央正在开展智能无人驾驶虚拟演习系统的研究，为道路驾驶安全和无人驾驶汽车驾驶算法的智能驾驶能力供应一个开放的虚拟测试和演习平台。
此类项目的目标是在数字空间再现真实交通场景，通过广义衍生技能为无人驾驶车辆创造极度环境和关键高风险场景，并大大提高无人驾驶驾驶培训的有效性。

基于对静态和动态数据的感知，我们可以创建一个数字孪生模型，实现基于孪生数据的场景再现，帮助无人机进行虚拟测试和演习。
然而，仅为数字孪生供应高保真场景是不足的。
更主要的是推导和推广这两个场景，不断丰富无人驾驶车辆的测试场景。
Mavromatis等人（2020年）的研究表明，在人工智能彻底改变了推理、预测和判断任务的天下里，数字孪生已经成为影响游戏平衡的工具。
一个范例的例子是CITS（协作智能交通系统）的创建和改进，它是网络物理数字根本举动步伐和（半）自动化移动的集成。
导数泛化是数字孪生技能的关键。
它必须来源于现实，但也必须高于现实，对现实做出一些改变。
Bhatti等人（2020）指出，智能电动汽车的遍及可以减少高达43%的二氧化碳排放。
然而，为了将这些汽车纳入主流，须要一些支持根本举动步伐来长期增强它们。
作为一种新兴的体系构造，数字孪生的干系方法基于虚拟舆图事理，可以作为扩展的根本，进一步帮助研究虚拟环境中多系统主体的生命周期。
在系统开拓中，还基于这两个场景对各种情形进行了综合仿照，例如增加景象变革、人类驾驶行为和场景情形的综合。
作为情景案例概括的一个示例，假设仿照了一辆大型卡车碾压一个人的事件情景，但在模型完成后，这是一个固定情景。
也便是说，车辆在固定时间到达固定位置，缺少关于实际事件现场缘故原由和后果的信息。
此时，您须要进行一些智能处理，例如提高车速，或增加交通参与者等，以便场景案例与真实场景相似但有所不同。
在这里，相似性指的是真实事件场景的再现，而差异则反响在虚拟场景中更动态的过程再现中。

在交通事件剖析中，以一起卡车交通事件为例。
一旦对事件现场环境和交通参与者的轨迹进行跟踪和规复，就可以从多个角度不雅观察事件过程。
Rudskoy等人（2020）指出，所有城市在涌现阶段的交通监管问题都非常严重。
最初，掌握中央卖力办理此问题。
目前，这些中央已逐步引入一些智能交通管理方法，帮助办理交通网络的关键问题。
借助于数字孪生和人工智能，他们可以实现当代交通掌握的优化发展。
通过定格处理，可以从车辆的角度创造卡车驾驶员实际上看不到任何骑自行车经由的人。
道路数字孪生是实现未来聪慧城市的主要一步，因此，ElMarai等人（2020）在道路上支配了数字孪生箱，配备了360°摄像头和一组连接到唯一集线器车载打算机的物联网设备。
数字孪生通过将实时数据（包括360°实时流、GPS（环球定位系统）位置以及温度和湿度丈量）持续传输到边缘或云层，将物理道路转换为数字副本资产。
通过头戴式设备或利用360°网络播放器显示实时流。
这些数据将用于实时监控交通状况和其他任务，如历史交通数据查询。
通过在汽车上安装智能摄像头，还可以监控交通事件的发生。
至于智能汽车和驾驶员赞助技能的快速发展，在交通系统中，有不同程度的人类驾驶员参与。
在这种情形下，Liu等人（2020）指出，驾驶员的视觉勾引对付避免可能的危险至关主要。
为了鼓励视觉勾引机制的进步，引入了一种创新的传感器合并技能，以整合来自云和数字孪生知识的相机图像。
结合目标探测器在车辆上运行的结果和云中的位置信息，绘制并匹配目标车辆的边界框。
因此，数字孪生在交通事件剖析场景中具有很大的运用代价，它可以帮助跟踪和剖析事件的详细缘故原由，找到任务人。

在整体交通掌握的方向上，利用数字孪生技能仿照城市交通状况，通过评价和推理来优化交通掌握策略。
这是数字孪生实现智能交通的一个主要运用处景。
它紧张涉及三个层次的功能：

首先是监视和创造。
通过数字孪生系统，可以创建信息采集和掌握的闭环，并对全体过程进行掌握。
更主要的是，在一个非常大和繁芜的场景中，一些关键问题可以及时创造和处理。
例如，在秋冬时令，某段高速路段常常涌现雾。
雾具有能见度低、突发性强、景象预报困难等特点，随意马虎造成交通事件。
利用数字孪生技能，对动态感知数据进行实时检测，可以及时检测到集群雾的发生并给出预警。
例如，机场交通牵制也可以利用数字孪生。
Saifutdinov等人（2020）研究并进行了机场集中运输管理领域的数字孪生实验。
利用特定的仿真模型来仿照车辆空间特色的数据流。
该模型可用于阐明和仿照传输网络中须要集中掌握系统参与的特定情形。
假设在利用数字孪生的早期阶段，具有适当交通管理能力的用户可以实行掌握系统的功能，并且用户的决定保存在数字孪生的内存中，该内存可用于利用机器学习教授掌握系统。
船舶交通做事系统的设计和集成以及新VTS（Vandenberg Tracking Station）软件开拓的履行是一项艰巨的事情，在接口和韶光方面存在许多障碍。
ÜZÜMCÜ等人（2019）的研究指出，指挥运行中央的个人指令和船长作为参与者的信息参与，以及自动识别系统、雷达系统、光电系统，交通做事系统外部的物理安全以及不同系统的参与使得全体系统设计难以管理。
利用MBSE（基于模型的系统工程）技能，利用数字孪生技能设计的系统和工具有助于简化系统设计概述，并在实行和组合阶段开始前检讨模型左侧的接口定义。

第二级功能是推断和预测。
节制数据后，可以为一些参与者创建微不雅观行为模型，然后通过对大量交通参与者的仿照打算，得到宏不雅观仿照结果，推断事态发展，实现预测功能。
国家公路交通系统的快速发展不仅是基于城市的智能化培植，也是当代信息技能不断创新的结果，而GIS技能有效地促进了国家公路交通信息化的发展。
GIS技能作为一种主要的地理数据处理系统，在交通数据的采集、剖析和处理方面具有明显的技能上风，促进了道路交通向信息化方向发展。
为了加速道路交通系统的成熟，Wang等人（2021）指出，借助GIS技能，可以逐步建立道路交通数字孪生。
数字技能作为道路交通发展的革命性技能，促进了道路交通在绿色、开放和共享方向上的发展，为道路培植质量奠定了坚实的根本。
由于城市的繁芜性，聪慧城市是一个繁芜的过程。
城市不是一个易于理解和预测的打算机系统，而是一个活生生的系统。
虽然城市数字孪生的研究还处于起步阶段，但数字孪生的研究进展迅速，为促进聪慧城市的发展做出了切实可行的贡献。
Shahat等人（2021）确定了数字孪生城市当前和未来的潜力和障碍，并提出了一项研究议程，以辅导未来的城市数字孪生研究，从而靠近城市数字孪生的全面性和完全性的顶峰。

第三级职能是评估和优化对策。
通过大规模并行打算，可以同时评估多个并行天下的仿真结果。
然后，通过深入学习和其他技能，我们将不断完善交通掌握操持，并进行历史回顾和回顾研究。
当事件发生时，我们可以利用数字孪生系统来规复交通事件的全体过程，并探索相应的每个步骤是否都做得足够好，是否有改进的余地。
根本举动步伐的数字副本可用于在其全体生命周期内实行仿照，从而实现更好的资产创建、管理和掩护。
这些数字孪生（定义为繁芜产品的综合多物理、多尺度和概率仿照）反响了其对应孪生的行为和环境相应。
Steyn等人（2021）利用光学传感器技能，同时利用打仗式移动传感器平台作为支撑，通过数字重修技能为创新物理根本举动步伐的数字孪生供应可行的低本钱替代方案。
Brunner等人（2019）指出，城市交通中自动驾驶功能的潜在安全临界情形范围太广，无法通过单独自然驾驶或在受控实验室环境中进行全面测试。
技能和交通道路条件受到限定。
这些和类似的问题可以通过在虚拟、随机对照试验设计中利用广泛和有效的随机仿照来办理。
虚拟测试可以创建一个大型数据库，并供应检测安全评估和“压力测试”所需的高维交通场景空间所需的统计功能，创造了城市道路网络的“数字孪生”。
德国是虚拟测试的关键哀求。
Gao，et al.（2017）通过研究得出结论，小间隔干线公路具有适应性网络框架的上风，有利于地皮开拓和交通发展。
当交通需求量较大且不符合传统道路根本举动步伐布局标准时，应结合实际情形，深入研究，制订路网方案，根据区域情形优化路网交通效率。

综上所述，数字孪生广泛运用于城市智能交通。
数字孪生技能是城市信息模型构建的根本，包括建筑信息、地理信息、新街道场景和真实三维场景等元素。
其核心环绕着环球数据的端到端管理和操作，包括数据网络、访问、管理、集成、轻量级、可视化和运用程序。
城市环境的可视化模型有助于更清晰、更高效、快速和准确的城市交通管理。

随着环球智能互联网汽车家当的快速发展，研究汽车互联网干系技能对推动汽车互联网的发展具有主要意义。
交通场景仿真的参数化和泛化技能表明，自主驾驶仿真的测试过程和事情条件可以说是没有边界的。
无论车辆是否正常运行，都可以反复测试，以便于创造和定位问题。
然而，在车辆动态仿照试验过程中，仿照传感器和传感系统进入自动驾驶掌握，决定用纯软件构成闭环试验和系统验证明验设备，这也是当前自动驾驶硬件设备面临的一个主要寻衅。

自动驾驶的紧张功能是通过吸收数据采集可视化系统发送的实车实时位置、速率、加速度、航向角等信息，掌握仿真系统中与实车相对应的仿真车。
实现了实车掌握和仿真车在虚拟场景中的运行，使两者的运动状态同步，实现了实车在回路中的基本功能。
虽然现阶段的研究已经形成了高度开放的数字孪生自主驾驶测试能力，但也建立了友好、开放的测试和验证环境，以支持各种自主驾驶算法实验，并为与自主驾驶干系的研究公司供应开放式测试做事。
但是，办理测试办理方案仍旧存在寻衅。

目前的自动驾驶测试系统还不完善，但已经产生了高昂的测试本钱。
这对汽车制造商来说是一个很大的寻衅。
对付汽车制造商来说，最主要的问题是如何使效益最大化和本钱最小化。
因此，建立高效、低本钱的测试环境、构造化的测试流程和强大的测试标准都是降落测试本钱的关键问题。

汽车自动驾驶系统涵盖了各种传感器、处理器和掌握器，如摄像头、激光雷达、毫米波雷达等。
虚拟测试环境不再是单一场景，须要知足多种汽车驾驶测试方案的哀求。
因此，这就哀求测试环境不仅要支持单车测试，还要支持多辆车同时行驶，确保不发生交通事件。
事件对试验环境提出了更高的哀求。

汽车自动驾驶技能办理方案在未来必将面临巨大的变革和改革。
首先，测试系统须要顺利适应技能进步。
试验过程中，系统中的车辆、行人、路况、交通标志等必须保持稳定有序。
当然，它也须要根据测试进行测试。
工具的数量不断增加，汽车的类型也时时进行系统升级。

只管数字孪生的人工智能运用在航空航天领域有着广泛的研究，但仍旧存在一些技能寻衅。
以航空发动机气路系统为例。
随着认知加工创新和家当化水平的提高，航空发动机数据剖析正朝着全方位、多层次、可视化的方向发展。
发动机参数的剖析范围从发动机部件到全体发动机，从发动机状态监测到整体康健管理。
数据剖析也从传统的集成转变为结合大量数据、方法和模型的数字孪生过程。
目前，发动机状态监测与授权数字电子掌握系统的检测、故障检测与定位基本可以完成，但剖析发动机整体康健状况的方法有限，这也成为国内外学者面临的重大寻衅。

数字研发计策的观点彷佛是陈词谰言。
在过去10年工业软件制造商的努力下，中国的各个行业，包括航空航天行业，已经“相称”熟习数字孪生的观点，但我们熟习数字研发运用。
无论收成的深度、广度和代价如何，我们仍有相称大的改进空间。
飞机的生命周期可以长达几十年，因此记录和剖析全体生命周期的数据不仅有代价，而且是必要的。
基于文档的部门协作模式必须转变为基于模型的数字双数字协作模式。
这也给干系行业带来了巨大的寻衅。

关于数字孪生的利用，最好的概括是建立和掩护大量超现实模型和数据。
他们最能够通过实时仿照预测全体生命周期内的产品行为。
这些模型根据不同的运用情形以不同的比例和示例构建，集成了多个方面，包括最佳和物理描述，并反响了真实的产品生命。
当数字孪生全面支配时，它将跟踪影响产品运行的所有参数信息。
它包括初始设计和进一步改进、与制造干系的偏差、修正、不愿定性、更新，以及可从机载联合交通康健监控系统传感器数据中得到的所有历史数据和航空数据，管理以前的记录，并实现数据挖掘。

因此，只有利用全数字孪生技能建立大量超现实模型和数据，包括数字产品模型、数字制造模型和数字性能模型，才能对设计、制造和性能进行实时、双向、透明和系统的考虑。
有可能掌握和缩短开拓周期，否则随着研发难度的增加，延迟交付的风险将越来越大。
此外，只有全数字化才能打破性能设计的瓶颈。

随着许多智能化生产和施工技能越来越成熟，智能制造技能也越来越遍及，实现车间设备生产过程的高效、智能化实时监控仍旧是研究的重点。
目前，工业生产已发展到高度自动化、信息化阶段，但仍有许多问题须要改进和优化。
例如，许多工厂的信息系统培植水平不同，系统之间的渠道没有完备开放，存在大量的信息孤岛，存在数据管理不完善、数据标准不一致等问题。
详细来说，工厂生产的产品多样化、高度个性化，通用性差。
这直接导致频繁的产品设计和工艺变更，给生产、采购、仓库和质量带来巨大寻衅。

此外，工厂在多品种产品小批量生产方面也存在一些亟待办理的问题：例如，一些多品种、小批量的离散生产模式限定了车间生产线大规模生产和智能化改造的步伐。
工厂设备迂腐，难以改造，许多环节仍以人工操作为主。
然而，如果工厂过于依赖人工操作，将导致自动化和智能化程度的降落。
数字孪平生台在工业产品设计和工业产品生产中起着非常主要的浸染。
在当前高度信息化和集成化的工业生产模式中，当生产线发生意外故障时，很随意马虎导致全体生产线停产停产。
例如，一条高度精髓精辟的汽车生产线每天可能造成数百万的丢失。
一些分外工艺生产线，如高温高压化工生产线，乃至面临严重的安全风险和衍生磨难。
因此，工业生产过程必须依赖大规模数据的帮助，如设备诊断、化工生产过程仿照以及虚拟数字空间中当前设备状态和生产过程结果的仿照预测，以防止现场故障和生产非常造成严重后果。

在工业产品设计过程中，如果没有数字帮助，设计产品将须要经由多次迭代，这将花费资源并影响交付韶光。
在高度集成的工业生产线的设计中，须要根据精确的节拍优化和折衷各种设备、材料、质量考验、手动装置等环节，以提高整体效率。
在实际生产线中，传统的操持过程只能依赖人工仿照或验证。

数字双城是在城市积累的数据由量变为质变的背景下，在感知建模、人工智能等信息技能重大打破的背景下，培植新型聪慧城市的全新技能路径。
它是城市智能化和可持续运营的新兴技能路径和前辈模式。
然而，面对当前城市管理的诸多寻衅，如何打破传统聪慧城市的束缚，逐步转型升级为“数字双城”，是一个值得思考的问题。
数字双城的核心是模型和数据，而建立一个完全的数字模型是一个至关主要的出发点。
从目前传统聪慧城市培植的运用来看，各个领域仍旧存在数据碎片化征象。
一样平常城市至少有三个底图，即住房和城乡培植体系推动的城市信息模型平台，自然资源和地皮方案主导的时空大数据平台，以及基于公共安全政治和法律路线的城市安全和综合管理的城市底图。
每个底图形本钱身的系统，常日只支持系统中的运用程序。
其他部门在任何时候都不能根据须要利用它。
这个数字已经积累了一段韶光，很难放弃和整合。
这使得城市交通仿真过程的实现变得困难且具有寻衅性。

事实上，在数字孪生工具和平台的培植方面，目前的工具和平台大多侧重于某些特定方面，缺少系统性的考虑。
然而，创建城市方案、培植和管理全过程的可视化，网络城市“脉搏”数据，及时反响城市的运营情形，并为信息资源共享、集成、有效利用和跨部门业务协作供应根本办理方案。
数字孪生技能具有巨大的潜力。

在未来数字双车自主驾驶虚拟环境测试系统的推广中，利用开放的仿照接口来掌握基于代码的交通场景是未来的一大趋势。
未来的研究课题将环绕测试平台的推广展开。
毕竟，目前自主驾驶考试环境的利用率并不高。
未来须要进行大量全面的市场调研，准确把握市场需求，制订合理的市场推广操持，包括科研成果转化办法、产品推广运用办法、产品定价等，制订合理的产品开拓操持，并建立了软硬件集成的数字化双自主驾驶考试平台。

可通过联合汽车制造公司、汽车供应商、科研机构等建立数字双自动驾驶仪测试系统，共同战胜技能难题，逐步形成自动驾驶仪测试系统共识，促进自动驾驶仪测试行业的发展。
另一方面，它为汽车公司、汽车供应商和科研机构推出了数字双自动驾驶考试平台。
采取联合单位会员制，低本钱利用，联合开拓；对付非联合单位，利用两种方法：每次测试做事费、平台建立年费或永久授权费。
建立完善的售前咨询平台建立测试做事售后掩护团队和体系，进行测试平台的适应性调度和售后问题的网络与办理。

当然，跟踪和记录过程也非常主要。
持续跟踪和记录数字双自动驾驶考试平台的外部利用情形，建立利用信息数据库，并根据利用数据比较各个方面。
对数字孪生自动驾驶考试系统进行模块化、平台化效果评估，实现数字孪生自动驾驶考试系统的有针对性的改进，实现“平台建立跟踪回访迭代升级”的闭环开拓模式。

在航空航天领域，数字孪生的利用已经显示出令人印象深刻的好处。
借助物理实体模型的构建和干系数据的运用，不仅可以减少飞机认证明验的次数和持续韶光，肃清意外裂纹和故障，而且还减少了对飞机整体构造的维修检讨次数和频率，以实现前所未有的经济安全性和可靠性。
然而，数字孪生技能目前缺少一个别系的、通用的参考模型作为辅导，在未来，数字孪生模型优化的干系研究还有很长的路要走。
此外，数字孪生将逐步向仿照和集成方向发展。
这两个问题也是未来研究的主题。
虚拟化—工具数字孪生体的完全性对付其在工业领域运用的成功至关主要。
每个物理模型都有一个特定的模型，未来常用的模型如流体力学、构造力学、热力学、运用力学、疲倦损伤、材料状态蜕变模型等，将不同的模型关联在一起并实时反响在孪生模型中是实现数字孪生技能的关键。
在产品和孪素性命周期的所有阶段实现模型和关键数据的双向交互决定了数字孪生技能能否成功运用。
实现这一打破须要其他技能支持，数字孪生的愿景须要与其他前辈技能相结合才能实现。

在未来几年中，数字孪生的发展趋势将不断增强。
越来越多的制造商开始利用数字孪生技能改进程序，天生实时数据库判断，并开始探求机会修正创新做事、产品和商业方法。
制造业将逐渐成为运用数字孪生技能的先锋。
如果早期从业者在各个行业表现出先发上风，其他制造企业也会跟随他们的步伐。
从长远来看，为了充分发挥数字孪生技能的潜力，可能有必要整合生态系统所有部分的系统和数据。
建立对客户生命周期或供应链的完全数字仿照，并供应有洞察力的宏不雅观运营视图，包括一级供应商及其自己的供应商，但仍须要将外部物质整合到内部数字生态系统中。
现在，大多数制造商仍旧对超出点对点连接的外部连接不满意。
战胜这种犹豫可能是一场长期的战斗，但终极所有的努力都是值得的。
未来，公司希望利用区块链冲破信息孤岛，验证信息，进入数字天下。
这将开释大量以前无法访问的数据，使仿照更加详细和动态，并创造不可估量的潜在代价。

随着信息技能的不断迭代，5G标准的逐步完善和商用网络的建立，大带宽、高速、低延迟的网络性能将进一步推动数字双智能交通系统的升级。
一方面，5G超高速网络性能使车辆能够在高速运动中安全可靠地通信，担保了车路协同自动驾驶、车辆编组自动驾驶、远程自动驾驶等功能的实现。
另一方面，5G的加速发展折衷了物联网和人工智能，使交通系统能够“连接所有事物”，使数字孪生能够将“人-车-路-环境”交通的四个要素从物理天下“迁移”。
在数字天下中，交通数据得到了极大的丰富，使智能交通的“数字化、网络化和智能化”得以真正实现。
虽然数字孪生是智能交通的前沿趋势，但真正的环球管理、同步可视化、虚拟现实交互的数字孪生交通系统还存在一定差距。
然而，在5G技能变革和需求升级的推动下，数字孪生为智能交通产生了新的思路、新的方法和新的观点，并将在未来连续发展，终极形成完全的技能运营体系。

随着5G、6G等尖端通信技能的进步，再加上端端云协同打算，数字孪生的实时性能可以得到提升，乃至可以在不依赖高精度舆图的情形下对未知区域进行实时建模。
其次，通过改进行为仿照和预测算法，可以使行为预测的推导更加准确，并且具有更强的打算能力，可以一次推导出更多的并行天下。
此外，随着V2X（车辆到统统）技能的发展，将有更多类型的交通参与者和更繁芜的场景。
如何更好地进行仿真也是一个值得研究的方向。
末了，就个人的实时决策和远程掌握而言，对全体孪生系统的哀求将更高。
例如，数据是否可以即时安全地传输到云和后端，并且通过态势感知，掌握命令可以传输回物理天下。
这一过程必须足够快，数据传输过程必须安全稳定。
结合区块链等干系技能是一种可探索的办理方案，可使信息闭环过程安全稳定。

数字双城也是城市信息化培植不断发展的产物，是城市信息化发展的高水平阶段。
与实体城市相对应的数字双城充分利用前期形成的全市大数据，为城市综合决策、智能管理、全局优化供应平台、工具和手段

根据研究职员的研究，可以创造数字孪生在不同领域的运用已经成熟，未来有很好的运用前景。
目前的一些研究也证明了这一点。
Wan等人（2021）回顾了半监督支持向量机（SVM）在脑-图像领悟数字孪生中在特色检测、诊断和预测方面的性能。
针对脑图像中大量的未标记数据，利用未标记和标记数据，提出了一种半监督支持向量机。
同时，本研究还描述了如何增强AlexNet模型，并利用数字孪生模型将实际空间中的大脑图像映射到虚拟空间。
不难创造，只管脑肿瘤图像具有繁芜的边缘构造、伪影、偏移场和影响图像分割的附加毛病，但数字孪生在医学领域的运用实现了脑肿瘤精确治疗的关键步骤，真正知足了临床须要。
这对脑肿瘤的后续临床诊断和治疗极为主要。

Lv等人（2021）谈论了无人机（UAV）在5G/B5G（超过5G）移动和无线通信中运用的后果和限定。
针对5G通信，提出了DL算法，在DL算法的根本上建立了无人机数字双信息通道模型。
折衷多点传输技能利用无人机进行滋扰抑制研究。
采取物理层安全的基本算法来担保信息传输的安全性。
末了，可以对构建的模型进行仿照和剖析。
该算法在收敛速率和收敛效果上具有突出的上风，具有较强的鲁棒性。
研究进一步证明，互联网技能在航天家当发展中具有不可替代的浸染。

Tao等人（2021）表明，机器或系统的数字孪生精确虚拟拷贝正在彻底改变这个行业。
由传感器网络的实时数据驱动，这些繁芜的打算机模型险些反响了项目、程序或做事的方方面面。
许多大公司利用数字孪生来创造问题和提高效率。
一位剖析师预测，到2021，一半的公司可能会利用它们。
然而，要实现数字孪生的潜力，还有很多事情要做。
仍旧面临网络数据类型的困难，如数据丢失或缺点，将扭曲结果并隐蔽故障。
例如，如果振动传感器发生故障，风力涡轮机的振动将被忽略。
算法和模型的建立也面临着巨大的寻衅。
例如，当为不同目的编写的软件手动拼接在一起时，可能会发生其他缺点。
没有标准和指南，很难验证天生的模型的准确性。
许多数字孪生可能须要合并。
例如，虚拟飞机可以将机身的3D模型与故障诊断系统、空调和增压监测系统中的一个结合起来。

随着大数据、物联网、工业互联网和智能掌握技能的快速发展，数字孪生作为一种新的技能形式被广泛运用于生活的许多方面。
数字孪生已经成为制造业现实天下和数字虚拟天下之间的空想连接，也是实实际际天下和信息天下互动与互助的有效技能路子。
数字孪生因此数字办法创建真实实体的虚拟实体，并利用历史数据、实时数据和算法模型来仿照、验证、预测和掌握真实实体的全体生命周期。
作为提高效率的关键技能和主要工具，数字孪生可以在模型设计、数据网络、剖析、预测和仿照中有效发挥浸染，帮助推动数字工业化和工业数字化，以及数字和实际经济发展的领悟。
数字孪生依赖知识机制、数字化和其他技能构建数字模型，利用物联网和其他技能将物理天下中的数据和信息转换为通用数据，并将AR/VR/MR/GIS（增强现实/虚拟现实/中介现实/地理信息系统）和其他技能完备结合起来，在数字天下中再现物理实体。
在此根本上，数字孪生的描述、诊断预调度/预测以及利用AI、大数据和云打算等技能的智能决策等常见运用被授予了各种垂直行业的权力。
可以看出，人工智能是数字孪生生态系统的底层核心技能之一。
其必要性紧张表示在数字孪生生态系统中的海量数据处理和系统自优化，使数字孪生生态系统有序智能云旅行，是数字孪生生态系统的中枢大脑。
这两者的结合对付目前的研究状况至关主要，未来的研究将给各个行业带来不同程度的智能转型。