面向指挥决策支持的数字孪生系统

随着新型无人平台、天基卫星、高超音速武器和网络对抗等新型作战力量、马赛克/多域战/有人/无人平台协同作战样式以及深度伪造等人工智能（AI）技术的推动，未来信息化战争的作战节奏不断加快，战场作战范围扩充到陆、海、空、天和网络，战场的不确定性、突发性、多变性和迷雾性也持续增强，对指挥员的战场态势分析判断和指挥决策能力提出了新的要求。通常情况下，指挥员会设想各种可能的作战行动方案和行动计划，对敌方各种可能的行为动作进行预测，并提前做出应对策略。同时，指挥员可根据战场态势实时预测结果，提前临机调整作战方案。文章源自数字孪生可视化-http://www.hjcool.com/2010.html

当面临复杂多样的战场对抗环境时，亟需提升复杂多变战场环境强对抗推演能力，以满足指挥员对战场态势精准预测、方案优选与临机调整的需要。数字孪生为上述问题的解决提供了新的技术途径，通过构建面向指挥决策支持的数字系统，以平行孪生和虚实互动为准则，整合分散的孪生仿真，细致刻画战场实体之间的相互关系，在数字化虚拟空间中开展系统设计、开发、集成与联试等全生命周期试验，为指挥员“统揽全局、料敌先机”提供支撑。文章源自数字孪生可视化-http://www.hjcool.com/2010.html

首先，总结了数字孪生技术发展历程与发展现状，给出了面向指挥决策支持的数字孪生系统概念；然后，从系统功能模块组成角度，设计了面向指挥决策支持的数字孪生系统体系架构，并从系统技术实现角度，设计了涵盖模型知识层、运行支撑服务层和应用服务层的数字孪生系统技术架构；最后，给出了构建数字孪生系统需突破的关键技术，包括多尺度新型作战平台建模技术、虚实互感的数字孪生自适应调整技术和数字孪生系多分支平行推演技术。文章源自数字孪生可视化-http://www.hjcool.com/2010.html

1.1内涵与外延

1）国外概念文章源自数字孪生可视化-http://www.hjcool.com/2010.html

2003年，美国密歇根大学Michael Grieves教授提出了数字孪生（digital twin）概念：通过物理设备的数据，在虚拟空间构建了一个可表征该物理设备的数字化模型/虚拟实体，即与物理设备等价的虚拟实体。该模型与物理设备是双向联系的，可应用于产品的设计、制造和服务阶段。数字孪生即物理对象的一个数字化模型，此时，受数字化手段限制，数字孪生概念仅停留在通过数学模型来表征物理设备原型的产品设计阶段。此后，数字孪生概念逐步扩展到虚拟装配、数字车间和模拟仿真领域。文章源自数字孪生可视化-http://www.hjcool.com/2010.html

2010年，美国国家航空航天局（NASA）在《NASA空间技术路线图》中采用数字孪生实现了飞行系统的全面诊断和预测功能，保障了整个系统在全生命周期内持续安全地操作。该路线图给出数字孪生概念为：充分利用物理模型、传感器更新和运行历史等数据，集成多物理量和多尺度的仿真过程，在虚拟空间中完成映射，从而反映对应的实体装备全生命周期过程。上述概念中的数字孪生的主体变成了仿真，此时数字孪生的概念开始扩散并伴有歧义。文章源自数字孪生可视化-http://www.hjcool.com/2010.html

此外，文献给出的数字孪生概念为：物理设备的一个实时数字副本。文献给出的数字孪生概念为：有生命或无生命的物理实体的数字副本，通过链接物理和虚拟世界，数据可无缝传输，从而使得虚拟实体与物理实体同时存在。文章源自数字孪生可视化-http://www.hjcool.com/2010.html

2）国内概念文章源自数字孪生可视化-http://www.hjcool.com/2010.html

国内，大量学者开展了数字孪生技术研究。北京航空航天大学的张霖教授认为：数字孪生是物理对象的数字化模型，该模型可通过接收来自物理对象的数据而实时演化，从而与物理对象在全生命周期保持一致，基于数字孪生可以进行分析、预测、诊断与训练等，并将仿真结果反馈给物理对象，辅助物理对象进行优化和决策。其中，物理对象、数字孪生以及基于数字孪生的仿真与反馈一起构成一个信息物理系统（CPS）。面向数字孪生全生命周期的技术称数字孪生技术。文献分别给出了面向作战指挥的数字孪生概念，提出了基于数字孪生环境的智能指挥信息系统“双脑”架构，为未来开展数字孪生驱动的智能指挥信息系统落地应用提供理论和方法论参考。此外，文献也给出了其他相关数字孪生概念，鉴于篇幅，不再赘述。文章源自数字孪生可视化-http://www.hjcool.com/2010.html

3）本文认识文章源自数字孪生可视化-http://www.hjcool.com/2010.html

基于上述概念分析，本文从数字孪生技术的内涵与外延2个角度给出定义，具体内容如下：文章源自数字孪生可视化-http://www.hjcool.com/2010.html

（1）数字孪生内涵：指通过采用数字化建模手段，构建与物理对象一致的数字化模型。该数字化模型可实时接收物理对象的数据，从而不断演化以保持与物理对象的一致性，强调基于实时物理对象数据（战场情报数据和态势信息等）的模型演化功能。文章源自数字孪生可视化-http://www.hjcool.com/2010.html

（2）数字孪生外延：指物理对象的数字化模型。不同阶段的物理对象，其数字化模型的种类也不同。数字孪生不包括物理对象自身，故应将物理对象与数字化模型区分开来。造成上述歧义的根源来自于NASA和美国空间研究办公室相关文献，他们认为数字孪生的外延由物理产品、数字化产品和2个产品间的连接3个不同部分组成。文章源自数字孪生可视化-http://www.hjcool.com/2010.html

数字孪生的最大优势是数字模型和物联网的结合，旨在将模型构建得更逼真和更接近真实装备/系统。物联网技术为建模提供了一种全新手段，在对复杂系统和物理对象缺乏足够认识的情况下，可基于采集到的数据利用AI技术对系统进行建模。因此，本文认为数字孪生本质上是新型技术在建模与仿真中的应用。文章源自数字孪生可视化-http://www.hjcool.com/2010.html

1.2 数字孪生与虚拟样机和建模仿真的区别

1）数字孪生与虚拟样机的区别：虚拟样机是对产品和系统/子系统的数字化描述，反映了产品对象的几何属性和产品对象的功能与性能；数字孪生强调基于物理产品的动态演进。虚拟样机是在产品规划设计阶段产生的，在物理样机产生前对设计方案进行优化调整。当物理样机研制完成后，虚拟样机与物理样机进行数据交互，并保持同步修正和调整，这时虚拟样机将演化成为数字孪生。文章源自数字孪生可视化-http://www.hjcool.com/2010.html

2）数字孪生与建模仿真的区别：数字孪生核心技术是建模仿真，构建与物理对象的几何、功能、性能与行为相一致的数字化模型，是对物理对象的全要素精细化刻画，是传统建模仿真的延伸和扩展。（1）数字孪生可接收物理系统/装备的实时运行状态数据，其运行数据可反馈至物理系统/装备，实现虚实交互和闭环控制；传统建模仿真则是单向交互。（2）数字孪生可依据实时数据进行动态演化并修正工作参数，逐步逼近物理系统/装备；传统建模仿真中数字化模型一次性构建，无法根据实时数据进行自适应调整和优化。文章源自数字孪生可视化-http://www.hjcool.com/2010.html

1.3发展现状

美军高度重视数字孪生技术在装备研制中的应用，并将其作为试验验证与优化指挥信息系统/装备作战能力的核心手段。美国军方、NASA、洛克希德•马丁和波音等机构和企业均将数字孪生列为未来顶尖技术和战略发展方向，积极推进数字孪生技术的实际应用。数字孪生技术发展历程如图1所示。文章源自数字孪生可视化-http://www.hjcool.com/2010.html

文章源自数字孪生可视化-http://www.hjcool.com/2010.html

图1  数字孪生技术发展历程文章源自数字孪生可视化-http://www.hjcool.com/2010.html

美国海军完成首个系统之系统数字孪生——数字林肯，并于2020年部署于“林肯”号（CVN 72）航母。该模型展示了“林肯”号航母的信息战能力，在复杂系统交付前，可对解决方案进行测试评估，提前发现问题，提高交付速度，减少安装时间与成本。数字林肯是基于模型的系统工程（MBSE）技术开发的，使用相关的集成数据字典、架构和需求框架为“林肯”号航母上的5个互连系统开发端到端的数字模型，具体包括海军分布式通用地面系统、下一代海军综合战术环境系统、海上战术指挥与控制系统、海上全球指挥与控制系统和敏捷核心服务系统。文章源自数字孪生可视化-http://www.hjcool.com/2010.html

1970年，美国阿波罗13号载人登月飞船成为世界上第1例数字孪生系统。该飞船运用数字孪生技术，在地面开展地面控制人员和飞船机场人员模拟训练，辅助载人登月的事故分析与救援行动决策，可解决重大的航天应急事件与人员安全保障问题。

2018年，“虚拟宙斯盾”系统首次部署于“阿利•伯克”级驱逐舰，并于2019年进行了实弹拦截试验。在不影响被测舰艇实际作战系统的情况下，现场测试了 “虚拟宙斯盾”的新技术，其数字孪生系统包括 “虚拟宙斯盾”系统核心硬件、基线9的全部代码以及可执行的全部作战系统功能。该系统目的包括以下2个方面：1）提升武器系统研制效率：用于新软件、新能力演示验证；2）提高士兵训练能力：大幅减少培训士兵操作不同版本作战系统的成本，提高训练效果。

2021年，美国空军一号武器采用数字孪生技术，以名为“灰狼”的协同蜂群武器系统为原型，将收集的真实飞行中的武器数据与战场环境中数据相结合，依托先进作战管理系统（ABMS）发回的数字孪生，将基于数字孪生的最优行动方案反馈至物理武器，实时提升武器作战能力。同年，美国海军信息战系统司令部（NAVWAR）部署了首个舰载数字环境——应用兵工厂，加快了向舰队交付新能力和软件更新的速度。应用兵工厂首次使海军能够远程自动下载应用程序软件，是海军数字化转型的主要例证，也是推进超越计划的重要一环。

综上，美军十分重视数字孪生技术的作用，更是将该技术列入未来10年十大创新技术之首。目前，美国的数字孪生技术分别在航空航天、空军、海军和制造业等领域进行了广泛运用，并相继研制出了大量孪生产品，其中数字林肯体现了数字孪生技术的未来发展前景。

2.1 数字孪生系统架构

面向指挥决策支持的数字孪生系统架构包括模型知识库、战场实体数字孪生系统动态生成模块、平行推演模块和数字孪生系统自适应演化模块4个部分。数字孪生系统架构如图2所示。

图2  数字孪生系统架构

1）模型知识库：提供战场实体模型、战术战法、性能参数和行为特征等知识，用于支撑战场实体数字孪生动态生成。其中，战场实体模型包括探测、武器平台、指挥控制、通信和电抗等典型敌我装备数字化模型；知识库包括战术战法、交战规则、性能参数和行为特征等。

2）战场实体数字孪生系统动态生成模块：提供战场信息引接处理和战场实体模型动态匹配功能，实例化战场实体的数字化模型，即战场实体数字孪生。战场信息引接处理部分将实时接收战场空情、海情、陆情以及战场态势等信息，解析战场实体的目标特征数据，并将解析后的目标特征数据进行格式化和分类存储，以此作为战场实体模型动态匹配的依据。战场实体模型动态匹配将根据目标特征数据，确定与当前实体匹配的模型类别与型号，从模型库加载并实例化对应模型，动态生成战场实体数字孪生。

3）平行推演模块：提供数字孪生集成框架、多分支推演管控、时间管理和事件管理等功能模块，实现多分支超实时仿真推演能力，将超实时仿真推演结果实时反馈至真实作战指挥系统中，如战场态势预测和方案推演评估等结果，从而辅助指挥员提前决策。

4）数字孪生系统自适应演化模块：实现数字孪生的类型、参数与运行状态调整，数字孪生的作战活动/行为意图调整，以及网络通联/设备状态同步等功能，实时反映真实战场环境中各类战场实体运行状态、行为活动和网络通信状态等情况。

基于上述4个模块，构建一个与真实战场环境平行运行的数字孪生系统，在数字孪生系统中进行超实时仿真推演，并将推演结果实时反馈给真实战场环境/系统，从而支撑战场态势分析预测和作战方案推演评估等应用。

2.2 数字孪生系统技术架构

数字孪生技术架构包括模型知识层、运行支撑服务层和应用服务层，如图3所示。

图3  数字孪生系统技术架构

1）模型知识层：为数字孪生系统构建提供模型资源和仿真知识等，同时提供数字战场模型知识管理功能，满足运行支撑层和仿真应用层对模型和知识的需求。

2）运行支撑服务层：为数字孪生系统运行提供战场实体建模和平行推演等技术，包括多粒度战场实体功能建模、战场实体作战行为模拟、数字孪生调度管理和多分支超实时推演等关键技术，实现对数字孪生系统多分支推演和AI模型嵌入的智能对抗推演。

3）应用服务层：为数字孪生系统动态构建与自适应演化提供技术支撑，包括模型-数据双驱动的虚实交互机制、高性能多源异构孪生数据采集、情报驱动的数字孪生精准匹配和虚实互感的数字孪生自适应调整等关键技术，实现面向任务的数字孪生系统按需动态构建与持续演化。

3.1 多尺度战场实体功能建模技术

面向指挥决策的数字孪生系统集指挥、控制、通信、情报、监视和侦察等要素为一体，使得战场各级指挥机构、各种作战力量与支援保障力量、各种武器系统以及单兵形成有机整体。构建数字孪生系统的前提是通过建立一套战场实体数字化模型，从物理、功能和行为等方面对战场实体进行数字化复制与刻画。

针对上述需求，需重点突破多尺度战场实体功能建模技术，从探测能力、指挥能力、通信能力、干扰能力、交互能力等方面，提取每类能力度量属性，建立战场实体能力表征体系。在此基础上，分别从战场实体的物理几何和功能方面，构建对应的数字化模型。其中，几何模型指对平台的外观、尺寸、挂载载荷和装配位置等特性进行数字刻画的模型；功能模型指对战场实体的运动特性和挂载载荷特性等进行数字刻画的模型。

3.2 虚实互感的数字孪生自适应调整技术

战场实体数字孪生是构建面向指挥决策系统的数字孪生系统的基础，要求仿真推演环境下的数字孪生的状态、运行特性、属性、隶属关系和作战关系等行为模型逐步逼近真实实体，以确保数字孪生系统与实际系统相一致。因此，依据实时数据修正和调整数字孪生成为数字孪生系统构建需解决的核心问题之一。

针对上述问题，需重点突破虚实互感的数字孪生自适应调整技术。建立战场实体模型与实时情报数据间的精准匹配模型，提出数字孪生集成调度方法，快速生成与真实战场实体相对应的数字孪生，实现真实战场到数字孪生系统的双向映射。同时，研究虚实互感的数字孪生自适应调整技术，提出数据与机理模型融合方法，将实时情报与态势信息和机理模型融合，对战场实体数字孪生的功能模型与行为模型进行更新、修正及参数反演，提升数字孪生系统逼真度。

3.3 多分支超实时平行推演技术

战场情况复杂多变，敌我双方博弈激烈，战场情报信息有真、有假或有缺，敌方可能采取的作战行动、战场可能发生的事件及战场环境的瞬息万变等不确定性因素均有可能导致分支出现以及分支组合爆炸。因此，确保生成的多分支态势尽可能覆盖敌方可能的行动空间并同时避免分支规模过大成为数字孪生系统平行推演亟需解决的核心问题之一。

针对上述问题，需重点突破多分支超实时平行推演技术。通过分析预测敌方行动可能的决策点，依据历史情报数据，计算各决策分支的可能性，采用仿真克隆技术对战场实体数字孪生进行克隆，生成数字孪生多个副本，对预测的多分支进行推演与实时监控，提高推演运行效率。同时，根据战场实时态势信息、目标历史情报数据、作战规则和战术战法等先验知识，动态更新和裁剪不可行仿真分支，避免出现多分支组合发生爆炸现象。

复杂多变和强对抗的战场态势环境，对战场态势分析预测和作战指挥决策等能力提出了全新挑战，亟需提升复杂多变战场环境强对抗推演能力。本文设计了面向指挥决策支持的数字孪生系统架构和技术架构，梳理总结了多尺度战场实体功能建模和虚实互感的数字孪生自适应调整等关键技术。后续将结合典型海空联合作战场景等典型案例，开展武器平台装备数字孪生构建等研究，为装备体系对抗能力验证、战场态势分析与预测等提供数字化虚拟试验环境支撑。