数字孪生：前沿理论实践、挑战与开放研究问题

数字孪生于十余年前被提出，作为一种创新性的全面工具，其预期收益包括实时监测、仿真与预测。然而，数字孪生（DT）的理论框架与实际实现仍远未达成这一愿景。尽管存在成功实现，但充分的实现细节并未公开，因此难以评估其有效性、进行比较并共同推进 DT 方法论。本工作探讨了各种 DT 特征与当前方法、实现与采纳延迟背后的缺陷及原因。机器学习、物联网与大数据的进展极大促进了 DT 在实时监测与预测特性方面的改进。尽管取得此类进展及个别企业的努力，该领域仍存在某些研究空白，导致了此概念的广泛采纳延迟。我们回顾了相关著作并识别出，此延迟的主要原因为缺乏通用参考框架、领域依赖性、共享数据的安全顾虑、数字孪生对其他技术的依赖，以及缺乏量化指标。我们定义了通用参考框架所需的数字孪生必要组件，这也验证了其与仿真、自主系统等相似概念相比作为概念的唯一性。本工作进一步评估了数字孪生在不同领域的应用及其当前机器学习与大数据状况。因此它回答并识别出新颖的研究问题，二者均有助于更好地理解并推进数字孪生的理论与实践。