面向工业5.0的人工智能增强数字孪生系统工程|CJME论文推荐|世界人工智能大会|交叉科学|数字孪生|计算机|论文

引用论文

Zhang, H., Li, Y., Zhang, S. et al. Artificial Intelligence-Enhanced Digital Twin Systems Engineering Towards the Industrial Metaverse in the Era of Industry 5.0. Chin. J. Mech. Eng. 38, 40 (2025). https://doi.org/10.1186/s10033-025-01210-0

(戳链接，下载全文)

关于文章

研究背景及目的

数字孪生利用多物理场、多维度、多概率高保真模型，能够精准刻画物理世界的运行状态与演化规律，已在智慧城市、医疗保健、能源管理、航空航天等领域开展研究与实践。工业领域作为其重要应用场景，其研究应用已覆盖产品迭代设计、状态实时监控、智能维护等产品全生命周期环节。然而，数字孪生在应对复杂系统时仍面临全面性不足、系统化局限和集成化瓶颈等问题，难以满足工业5.0时代对智能化、协同化和自适应性的高阶需求。为此，本文系统探讨数字孪生与系统工程的理论融合路径，提出了数字孪生系统工程（DTSE）的概念、特点、架构与关键技术，本文所提出的DTSE在复杂对象、复杂过程和复杂场景中有广阔应用前景，最后以试飞场景为例说明DTSE如何发挥作用与应用流程。

理论架构

为了更好地理解数字孪生如何与系统工程结合，文章从工程以及产品/系统生命周期两个角度提出了 DTSE 实施架构，如图 1所示。将整个生命周期中虚拟空间和物理空间的数字孪生数据和模型进行整合，有助于解决复杂系统性问题。为了更好地展示 DTSE 的价值，图中深色块代表在物理空间执行的操作，浅色块代表虚拟空间中的操作。通过虚实空间的交互与融合，将有效提升设计、制造、运维、回收中的问题分析、方案实施以及方案评估各环节。

图1 数字孪生系统工程实施架构与流程

应用探索

试飞工程是一个涉及诸多环节和资源的典型复杂系统工程。试飞工程的各环节需统一的技术要求，以使整个系统能够协调运作。本文以试飞工程作为应用场景，阐述DTSE在解决一些复杂系统问题上的意义和价值，如图2所示。

图2 面向试飞工程的数字孪生系统工程

结论

本篇文章分析了当前数字孪生在工业5.0时代下的局限性的，进而提出了DTSE的概念、内涵与关键技术，为数字孪生解决复杂系统问题提供了指导。此外，以试飞场景为例说明DTSE对当前复杂系统工程的潜在益处。尽管如此，要充分发挥DTSE的潜力，还需要进一步的进展，如数据融合和模型一致性等技术有待进一步发展，相应工业软件有待研发以促进DTSE的实施。在未来，作者团队将DTSE应用于更多复杂的工程场景中，以展示本文提出的方法的价值与优势。

关于作者

作者介绍

张贺（第一作者），北京航空航天大学国际前沿交叉科学研究院卓越百人博士后，主要研究方向为数字孪生精准建模与空天装备数实融合试验。在Nature Computational Science、IEEE Transactions on Industrial Informatics、RCIM、JMS等国内外著名期刊发表论文十余篇，Google引用9000余次。曾获2022年度中国机械工业科学技术一等奖、首都前沿学术成果奖、第七届中国科协优秀科技论文奖等荣誉。

陶飞（通讯作者），国家级领军人才，现任北航国际前沿交叉科学研究院院长、国家智能制造专家委员会委员。长期从事数字孪生与数字工程、智能制造与装备、制造工业软件等教研工作。第一作者出版专著5部，在Nature等期刊上发表30余篇ESI高被引论文，总被引用5万余次，连续六年入选科睿唯安全球高被引学者（2019-2024）。第一完成人带领团队获国家科技进步二等奖2项、教育部自然科学一等奖、科学探索奖等多项奖励。担任《Digital Twin》和《Digital Engineering》国际期刊创刊主编。

近年团队代表性文章

[1] TAO F, QI Q. Make more digital twins[J]. Nature, 2019, 573(7775): 490-491.

[2] TAO, F, ZHANG H, ZHANG C Y. Advancements and challenges of digital twins in industry[J]. Nature Computational Science, 2024, 4(3): 169-177.

[3] TAO F, SUN X, CHENG J, et al. MakeTwin: A reference architecture for digital twin software platform[J]. Chinese Journal of Aeronautics, 2023.

[4] TAO F, CHENG J, QI Q, et al. Digital twin-driven product design, manufacturing and service with big data[J]. The International Journal of Advanced Manufacturing Technology, 2018, 94(9): 3563-3576.

[5] TAO F, QI Q, LIU A, et al. Data-driven smart manufacturing[J]. Journal of Manufacturing Systems, 2018, 48: 157-169.

[6] TAO F, ZHANG H, LIU A, et al. Digital twin in industry: State-of-the-art[J]. IEEE Transactions on industrial informatics, 2018, 15(4): 2405-2415.

[7] TAO F, MA X, LIU W, et al. Digital Engineering: State-of-the-art and perspectives[J]. Digital Engineering, 2024, 1: 100007.

[8] 陶飞,马昕,张辰源,等.数字试验测试验证标准体系[J].计算机集成制造系统,2025,31(01):1-19.

[9] 陶飞,高鹏飞,张辰源,等.数字试验测试验证：理论、关键技术及应用探索[J].机械工程学报,2024,60(15):227-254.

[10] 陶飞, 刘蔚然, 张萌, 等. 数字孪生五维模型及十大领域应用[J]. 计算机集成制造系统, 2019, 25(1): 1-18.

[11] 陶飞, 张辰源, 戚庆林, 等. 数字孪生成熟度模型[J]. 计算机集成制造系统, 2022, 28(5): 1267-1281.

[12] 陶飞, 张萌, 程江峰, 等. 数字孪生车间——一种未来车间运行新模式[J]. 计算机集成制造系统, 2017, 23(1): 1-9.

[13] 陶飞, 张辰源, 张贺, 等. 未来装备探索：数字孪生装备[J]. 计算机集成制造系统, 2022, 28(1): 1-16.

[14] 陶飞, 刘蔚然, 刘检华, 等. 数字孪生及其应用探索[J]. 计算机集成制造系统, 2018, 24(1): 1-18.

[15] 陶飞,张贺,戚庆林,等.数字孪生模型构建理论及应用[J].计算机集成制造系统,2021,27(01):1-15.

[16] 陶飞,马昕,胡天亮,等.数字孪生标准体系[J].计算机集成制造系统,2019,25(10):2405-2418.