什么是数字孪生技术？

数字孪生模型的工作原理是以数字方式复制虚拟环境中的物理资产，包括其功能、特性和行为。资产的实时数字表示是使用从产品收集数据的智能传感器创建的。从初始产品测试到实际运行和停用，您可以在资产的整个生命周期中使用这种表示方式。

数字孪生使用多种技术来提供资产的数字模型。包括以下技术：

物联网（IoT）是指互联设备的集合网络，以及促进设备与云之间以及设备自身之间通信的技术。由于价格低廉的计算机芯片和高带宽电信的出现，我们现在已有数十亿台设备连接到互联网。数字孪生依靠物联网传感器数据将信息从真实世界的物体传输到数字世界的物体。将数据输入到软件平台或控制面板中，您可以在其中实时查看数据更新。

人工智能（AI）是致力于解决通常与人工智能相关联的认知性问题的计算机科学领域，这些问题包括学习、问题解决和模式识别等。机器学习（ML）是一种开发统计模型和算法的人工智能技术，使计算机系统在没有明确指令的情况下，依靠既有模式和推理来执行任务。数字孪生技术使用机器学习算法来处理大量传感器数据并识别数据模式。人工智能和机器学习（AI/ML）提供有关性能优化、维护、排放输出和效率的数据见解。

数字孪生和模拟都是基于虚拟模型的模拟，但存在一些关键差异。模拟通常用于设计，在某些情况下还用于离线优化。设计人员将更改输入到模拟中，以观察假设情景。另一方面，数字孪生是复杂的虚拟环境，您可以与之交互并实时更新。它们的规模更大，应用更广泛。

例如，以汽车模拟为例。新驾驶员可以获得身临其境的训练体验，学习各种汽车零件的操作，并在虚拟驾驶时面对不同的真实场景。但是，这些场景与实际的实体汽车没有关联。汽车的数字孪生与实体车辆相关联，并了解实际汽车的所有信息，例如重要的性能统计数据、过去更换的零件、传感器观察到的潜在问题、以前的维修记录等。