數字孿生是工業數字化轉型的重要技術手段，充分利用物理模型、傳感器更新、運行歷史等數據，集成多學科、多物理量、多尺度、多概率的模擬過程，在虛空間中完成映射，從而反映相對應的實體裝備的全生命周期過程。數字孿生技術不僅運用在設備的預測性維護方面，在優化控制，節能減排等方面，也取得了顯著的成效。

物理仿真是數字孿生的基礎。設備在設計階段進行了大量的工況仿真，以保證設備滿足設計要求。但由于工作環境，加工物料，操作習慣等差別，仿真并不能完全匹配現場的工況。而仿真計算，往往需要數小時，甚至數天的時間，不能滿足實時監測和控制的節拍要求，所以數字孿生往往使用大數據分析技術。大數據分析技術雖然不乏成功案例，但缺乏物理機理的支撐，難以預知和改進數字孿生的效果。

在行業需求的推動下，出現了基于物理機理和大數據分析的混合數字孿生技術，Ansys公司的TwinBuilder就是其中的代表。如下圖所示，TwinBuilder利用傳統的物理仿真，來訓練神經網絡，產生所謂的降階模型（ROM），并將現場工況，通過物理機理，抽象出子系統。利用現場的真實測量數據，來標定子系統參數。不僅將仿真速度提高到100毫秒到數秒的數量級，滿足常用控制系統的節拍，而且仿真精度更加符合現場的實測數據。

在新能源領域，電機得到了廣泛的應用。電機主要有磁性材料和線圈組成，高溫不僅會造成磁性材料的退磁，降低運行效率，也會引起線圈短路，燒毀電機。在電機控制算法中，溫度是一個重要的測量數據。但是在實際測量中，很難測量電機最熱的轉子的溫度。由于溫度的分布特性，更不可能預知轉子最熱的測量點。

下圖是使用Ansys TwinBuilder，對電機轉子溫度進行虛擬測量的驗證系統。Thingworx是工業領域的低代碼數字中臺產品，接口豐富，運行穩定，擴展方便，與TwinBuilder有內建的接口。

TwinBuilder軟件不僅可以對流體，結構，電磁等仿真，建立降階模型，同時根據現場系統，設計孿生模型，通過實時采集現場數據和仿真運算電機的溫度分布，提取電機轉子當前時刻的最高，平均和最低溫度值，匯入數據中臺，不僅用于優化電機控制，也可以為預測性維護等應用提供依據。Thingworx數據中臺串接IT和OT系統的數據通信，存儲關鍵數據，實現分析，報表和工況回溯。

TwinBuilder所提供的混合數字孿生技術，在綜合節能領域也有著廣泛的應用，如空調，冶金，水利等。

審核編輯：郭婷