數(shù)字孿生與平行系統(tǒng):發(fā)展現(xiàn)狀、對比及展望

楊林瑤 陳思遠 王 曉 張 俊1,2, 王成紅

隨著信息通信技術(shù)(Information communication technology,ICT)的發(fā)展與成熟,物聯(lián)網(wǎng)、智聯(lián)網(wǎng)等數(shù)字智能化社會建設(shè)方案逐漸在世界范圍內(nèi)展開,例如美國的“工業(yè)互聯(lián)網(wǎng)”、德國的“工業(yè)4.0”、“中國制造2025”等.數(shù)字智能化概念的興起使得傳統(tǒng)互聯(lián)網(wǎng)中接入了越來越多的低功率傳感器,由此構(gòu)成層級式的“萬物互聯(lián)網(wǎng)絡(luò)”,為人們帶來了以全面感知、可靠傳送、智能處理為特征的精細化、動態(tài)化的生產(chǎn)生活管理方式.然而,隨著社會系統(tǒng)復雜程度的不斷增加以及各級設(shè)備互聯(lián)程度的逐步加深,數(shù)字智能化社會的建設(shè)也面臨著諸多挑戰(zhàn)[1]:1)物聯(lián)網(wǎng)設(shè)備海量數(shù)據(jù)的融合與挖掘問題;2)數(shù)字系統(tǒng)與物理系統(tǒng)間存在相互割裂的問題;3)多源異構(gòu)資源的協(xié)調(diào)問題.針對上述問題,亟需開發(fā)新一代的ICT 與智能技術(shù)來支撐未來的建設(shè)與發(fā)展.數(shù)字孿生技術(shù)和平行系統(tǒng)技術(shù)的出現(xiàn)為解決以上問題提供了新的思路.

數(shù)字孿生的概念最早可以追溯到Grieves 教授于2003 年在美國密歇根大學的產(chǎn)品全生命周期管理(Product lifecycle management,PLM)課程上提出的“鏡像空間模型”[2],其定義為包括實體產(chǎn)品、虛擬產(chǎn)品及兩者之間連接的三維模型.由于當時技術(shù)和認知水平的局限,這一概念并沒有得到重視[3?5],此后十年間都沒有相關(guān)成果發(fā)表.直到2010 年,美國國家航空航天局在太空技術(shù)路線圖中首次引入了數(shù)字孿生的概念[6],以期采用數(shù)字孿生實現(xiàn)飛行系統(tǒng)的全面診斷維護.2011 年,美國空軍實驗室明確提出面向未來飛行器的數(shù)字孿生體范例,指出要基于飛行器的高保真仿真模型、歷史數(shù)據(jù)及實時傳感器數(shù)據(jù)構(gòu)建飛行器的完整虛擬映射,以實現(xiàn)對飛行器健康狀態(tài)、剩余壽命及任務(wù)可達性的預(yù)測[3].此后,數(shù)字孿生的概念開始引起廣泛的重視,相關(guān)研究機構(gòu)開始了相關(guān)關(guān)鍵技術(shù)[7?120]的研究,數(shù)字孿生的應(yīng)用也從飛行器運行維護拓展到智慧城市、產(chǎn)品研發(fā)、裝備制造等豐富的場景[121?170]中.數(shù)字孿生技術(shù)為實現(xiàn)實體和信息融合的信息物理系統(tǒng)(Cyber physical system,CPS)提供了清晰的新思路、方法和實施途徑[171].

王飛躍研究員于1994 年即提出影子系統(tǒng)(Shadow systems)[172]的思想,并于2004 年的“平行系統(tǒng)方法與復雜系統(tǒng)的管理與控制”[173]一文中為應(yīng)對復雜系統(tǒng)難以建模與實驗不足等問題,首次提出了集人工系統(tǒng)(Artificial systems,A)、計算實驗(Computational experiments,C)、平行執(zhí)行(Parallel execution,P)為一體的平行系統(tǒng)技術(shù)體系.它通過實際系統(tǒng)與人工系統(tǒng)之間的虛實互動,對二者的行為進行對比、分析和預(yù)測,相應(yīng)地調(diào)整實際系統(tǒng)和人工系統(tǒng)的管理和控制方式,實現(xiàn)對實際系統(tǒng)的優(yōu)化管理與控制、對相關(guān)行為和決策的實驗與評估、對有關(guān)人員和系統(tǒng)的學習與培訓[173?197].ACP 方法以大數(shù)據(jù)、云計算、物聯(lián)網(wǎng)、深度學習等技術(shù)為支撐,以社會物理信息系統(tǒng)(Cyber physical social system,CPSS)[177]為基礎(chǔ)設(shè)施,最終實現(xiàn)從知識表示、決策推理到場景自適應(yīng)優(yōu)化的閉環(huán)反饋[178].平行系統(tǒng)技術(shù)在實踐中不斷得以完善,逐漸發(fā)展出了平行感知[198?204]、平行學習[205?209]、平行區(qū)塊鏈[210?217]等相關(guān)理論和方法[218?226],在交通[227?234]、醫(yī)療[235?237]、自動駕駛[238?245]、軍事[246?255]、化工[256?266]等領(lǐng)域得到了廣泛的應(yīng)用,并取得了顯著的成果.

平行系統(tǒng)和數(shù)字孿生都為解決信息、物理、社會融合這一科學問題提供了新的解決思路,兩者都與先進傳感采集、仿真、高性能計算、智能算法等的發(fā)展有著密不可分的關(guān)系,其核心目標都可以歸納為“虛實融合,以虛控實”.但是,平行系統(tǒng)和數(shù)字孿生在哲學基礎(chǔ)、研究對象、核心思想、基礎(chǔ)設(shè)施、實現(xiàn)方法、主要功能等方面又存在根本區(qū)別[267?284].理清兩者的異同將幫助研究人員推進信息、物理、社會融合的研究,加速實現(xiàn)虛擬世界的實例化應(yīng)用.鑒于此,本文系統(tǒng)研究并闡述了數(shù)字孿生和平行系統(tǒng)技術(shù)的發(fā)展現(xiàn)狀與技術(shù)要點,重點分析了兩者之間的異同,并展望了其未來的發(fā)展趨勢.

本文的組織結(jié)構(gòu)為:第1 節(jié)系統(tǒng)概述數(shù)字孿生技術(shù),包括數(shù)字孿生技術(shù)的內(nèi)涵、研究方向、應(yīng)用領(lǐng)域等;第2 節(jié)介紹平行系統(tǒng)技術(shù)的核心思想、關(guān)鍵技術(shù)、典型應(yīng)用等;第3 節(jié)對比分析了平行系統(tǒng)與數(shù)字孿生技術(shù)的異同;第4 節(jié)展望了平行系統(tǒng)與數(shù)字孿生技術(shù)未來可能的發(fā)展趨勢;第5 節(jié)總結(jié)了本文的主要內(nèi)容.

1 數(shù)字孿生技術(shù)概述

作為一種快速發(fā)展的新興技術(shù),學術(shù)界針對數(shù)字孿生的建模、數(shù)據(jù)采集、傳輸與處理、數(shù)據(jù)驅(qū)動與模型融合控制、安全性等方面開展了廣泛的研究.

1.1 數(shù)字孿生的定義及內(nèi)涵

數(shù)字孿生(Digital twin,DT)是一種實現(xiàn)物理系統(tǒng)向信息空間數(shù)字化模型映射的關(guān)鍵技術(shù),它通過充分利用布置在系統(tǒng)各部分的傳感器,對物理實體進行數(shù)據(jù)分析與建模,形成多學科、多物理量、多時間尺度、多概率的仿真過程[7?9],將物理系統(tǒng)在不同真實場景中的全生命周期過程反映出來.借助于各種高性能傳感器和高速通信,數(shù)字孿生可以通過集成多維物理實體的數(shù)據(jù),輔以數(shù)據(jù)分析和仿真模擬[10],近乎實時地呈現(xiàn)物理實體的實際情況,并通過虛實交互接口對物理實體進行控制.數(shù)字孿生的基本概念模型如圖1 所示,它主要由三部分組成[3]:1)物理空間的物理實體;2)虛擬空間的虛擬實體;3)虛實之間的連接數(shù)據(jù)和信息.就數(shù)字孿生的概念而言,目前仍沒有被普遍接受的統(tǒng)一定義.

數(shù)字孿生在發(fā)展過程中隨著認知深化,主要經(jīng)歷了三個階段[11]:1)數(shù)字樣機階段,數(shù)字樣機是數(shù)字孿生的最初形態(tài),是對機械產(chǎn)品整機或者具有獨立功能的子系統(tǒng)的數(shù)字化描述;2)狹義數(shù)字孿生階段,由Grieves 教授提出,其定義對象就是產(chǎn)品及產(chǎn)品全生命周期的數(shù)字化表征;3)廣義數(shù)字孿生階段,在定義對象方面廣義數(shù)字孿生將涉及范圍進行了大規(guī)模延伸,從產(chǎn)品擴展到產(chǎn)品之外的更廣泛領(lǐng)域.世界著名咨詢公司Gartner 連續(xù)三年將數(shù)字孿生列為十大技術(shù)趨勢之一[12],其對數(shù)字孿生描述為:數(shù)字孿生是現(xiàn)實世界實體或系統(tǒng)的數(shù)字化表現(xiàn).因此,數(shù)字孿生成為任何信息系統(tǒng)或數(shù)字化系統(tǒng)的總稱.

圖1 數(shù)字孿生概念模型Fig.1 The conceptual model of digital twin

1.2 數(shù)字孿生的研究現(xiàn)狀

1.2.1 模型與建模方法

數(shù)字孿生建模的首要步驟是創(chuàng)建高保真的虛擬模型,真實地再現(xiàn)物理實體的幾何圖形、屬性、行為和規(guī)則等[13].這些模型不僅要在幾何結(jié)構(gòu)上與物理實體保持一致,而且要能夠模擬物理實體的時空狀態(tài)、行為、功能等[14?15].由于數(shù)字孿生包含多種多樣的子系統(tǒng),傳統(tǒng)的建模方法可能無法精確地對整個數(shù)字孿生系統(tǒng)進行描述,同時,對于整體數(shù)字孿生系統(tǒng)的建模,還沒有一致的結(jié)論.當前,數(shù)字孿生建模通?；诜抡婕夹g(shù),包括離散事件仿真、基于有限元的模擬等[8],通?；谕ㄓ镁幊陶Z言、仿真語言或?qū)Ｓ梅抡孳浖帉懴鄳?yīng)的模型[16].但是,仿真對于實際系統(tǒng)運行過程僅具有指導作用,因此,數(shù)字孿生建模的主要思想是以數(shù)據(jù)補充和完善仿真模型,實現(xiàn)對物理實體的實時、高置信度仿真預(yù)測.例如,文獻[18]提出一種基于仿真數(shù)據(jù)庫的微內(nèi)核數(shù)字孿生平臺架構(gòu),通過仿真數(shù)據(jù)庫對實時傳感器數(shù)據(jù)的主動管理,為仿真模型的修正和更逼真的現(xiàn)實映射提供支持;文獻[17]提出一種自動模型生成和在線仿真的數(shù)字孿生建模方法,首先,選擇靜態(tài)仿真模型作為初始模型,接著,基于數(shù)據(jù)匹配方法由靜態(tài)模型自動生成動態(tài)仿真模型,并結(jié)合多種模型提升仿真準確度,最終,通過實時數(shù)據(jù)反饋實現(xiàn)在線仿真.當前,多數(shù)仿真建模方法都存在靈活性差、配置復雜而易出錯等[18?23]缺陷,要實現(xiàn)高置信度的數(shù)字孿生模型,還需要在高保真建模仿真技術(shù)上取得進一步發(fā)展.

基于以上方法,已經(jīng)產(chǎn)生了一些數(shù)字孿生模型,按照其模式可以分為通用模型和專用模型,其中,專用模型是當前研究的熱點.數(shù)字孿生模型的研究內(nèi)容主要涉及概念模型和模型實現(xiàn)方法,其中,概念模型從宏觀角度描述數(shù)字孿生系統(tǒng)的架構(gòu),具有一定的普適性;而模型實現(xiàn)方法研究主要涉及建模語言和模型開發(fā)工具等[24],關(guān)注如何從技術(shù)上實現(xiàn)數(shù)字孿生模型.在概念模型方面,文獻[25]提出包含物理實體、數(shù)據(jù)層、信息處理與優(yōu)化層三層的數(shù)字孿生建模流程概念框架,以指導工業(yè)生產(chǎn)數(shù)字孿生模型的構(gòu)建;文獻[26]提出基于模型融合的數(shù)字孿生建模方法,通過多種數(shù)理仿真模型的組合構(gòu)建復雜的虛擬實體,并提出基于錨點的虛擬實體校準方法;文獻[27]提出全參數(shù)數(shù)字孿生的實現(xiàn)框架,將數(shù)字孿生分成物理層、信息處理層、虛擬層三層,基于數(shù)據(jù)采集、傳輸、處理、匹配等流程實現(xiàn)上層數(shù)字孿生應(yīng)用.鑒于傳統(tǒng)數(shù)字孿生三維模型無法滿足現(xiàn)階段技術(shù)發(fā)展與應(yīng)用需求,文獻[28]提出由物理實體、虛擬實體、連接、孿生數(shù)據(jù)、服務(wù)組成的數(shù)字孿生五維模型,強調(diào)了由物理數(shù)據(jù)、虛擬數(shù)據(jù)、服務(wù)數(shù)據(jù)和知識等組成的孿生數(shù)據(jù)對物理設(shè)備、虛擬設(shè)備和服務(wù)等的驅(qū)動作用,并探討了數(shù)字孿生五維模型在多個領(lǐng)域的應(yīng)用思路與方案,獲得了廣泛認可;文獻[29]提出按照數(shù)據(jù)采集到應(yīng)用分為數(shù)據(jù)保障層、建模計算層、數(shù)字孿生功能層和沉浸式體驗層的四層模型,依次實現(xiàn)數(shù)據(jù)采集、傳輸和處理、仿真建模、功能設(shè)計、結(jié)果呈現(xiàn)等功能.在模型實現(xiàn)方法上,相關(guān)技術(shù)方法和工具呈多元化發(fā)展趨勢.當前,數(shù)字孿生建模語言主要有AutomationML[30]、UML[10]、SysML[31]及XML[32]等,其中,應(yīng)用最多的建模語言為AutomationML.部分模型基于通用建模工具如CAD[33]等開發(fā),更多模型開發(fā)基于專用建模工具如FlexSim[34]、Qfsm[35]等.表1 對一些數(shù)字孿生模型進行了總結(jié),未來,數(shù)字孿生模型還需要在對接行業(yè)標準架構(gòu)、建立統(tǒng)一描述方法和規(guī)范等方面加強研究[24].

1.2.2 數(shù)據(jù)采集、傳輸與處理

數(shù)據(jù)是連接物理空間和虛擬空間的橋梁,是實現(xiàn)CPS 的關(guān)鍵基礎(chǔ)[42].數(shù)據(jù)采集主要通過可靠傳感器及分布式傳感網(wǎng)絡(luò)對物理設(shè)備數(shù)據(jù)進行實時準確的感知獲取,是實現(xiàn)數(shù)字孿生的一項重要技術(shù).數(shù)字孿生數(shù)據(jù)采集的基本要求是[43]:1)實時性.數(shù)字孿生精準建模和精確控制需要根據(jù)采樣數(shù)據(jù)進行,因此,對于信息傳輸和處理的時延具有較高的要求;同時,完整系統(tǒng)的數(shù)字孿生往往需要很多傳感器單元,它們之間的時間同步也非常重要.2)分布式.基于大量的傳感器采集和處理信息,需要協(xié)調(diào)各傳感器的任務(wù),實現(xiàn)分布式的信息匯總.3)容錯性.數(shù)據(jù)采集過程中需要傳輸,會帶來數(shù)據(jù)丟失等問題,同時,傳感器采集過程中也會帶來一定的噪聲,因此,數(shù)據(jù)采集過程必須具有一定的容錯性,才能保證數(shù)據(jù)的真實可靠.傳統(tǒng)的傳感器網(wǎng)絡(luò)缺乏實時性、同步性和容錯性[44],難以滿足數(shù)字孿生系統(tǒng)的要求.為此,文獻[45]提出一種基于CPS 架構(gòu)的數(shù)據(jù)采集原型系統(tǒng),通過在傳感器數(shù)據(jù)采集過程中增加對物理層設(shè)備誤差的估計,提升數(shù)據(jù)采集的容錯能力和可靠性.無線傳感器布置是數(shù)字孿生數(shù)據(jù)采集的另一個關(guān)鍵問題,其主要研究目標是確定能夠使用最少數(shù)量的傳感器達到性能指標的傳感器布局.文獻[46]基于量子激發(fā)禁忌搜索和量子糾纏特性提出QTSwE (Quantum-inspired Tabu search algorithm with entanglement)算法,用以求解滿足性能要求的最少傳感器數(shù)量及其位置分布;文獻[4]提出非一致傳感器布置策略,根據(jù)到目標節(jié)點的距離決定傳感器節(jié)點的密度,在滿足聯(lián)通性和覆蓋范圍要求的同時,提升了傳感器網(wǎng)絡(luò)的壽命.

表1 數(shù)字孿生模型對比Table 1 Comparisons of digital twin models

完成傳感器數(shù)據(jù)采集后,需要對數(shù)據(jù)進行傳輸、處理、存儲等.當前,數(shù)據(jù)傳輸?shù)难芯恐攸c是傳輸協(xié)議、擁塞控制和服務(wù)質(zhì)量(Quality of service,QoS)管理[47?48].目前通用的網(wǎng)絡(luò)傳輸協(xié)議(如TCP/IP)基于盡力傳輸?shù)乃枷?對于高實時性要求的數(shù)字孿生系統(tǒng),很難保證傳輸效果,不可預(yù)測的傳輸時間將影響虛擬實體的可靠性,甚至導致整個系統(tǒng)不穩(wěn)定.文獻[49]提出可靠多路徑路由選擇算法,基于因特網(wǎng)的冗余性和多路徑傳輸原理,通過在線路徑質(zhì)量監(jiān)測和多路徑選擇,保證端到端數(shù)據(jù)傳輸?shù)目煽啃?文獻[50]基于IEEE 802.15.4 協(xié)議提出Ada-MAC 協(xié)議,在保持低功耗和低時延特點的同時,提升了數(shù)據(jù)傳輸?shù)目煽啃院蛯崟r性.文獻[13]提出基于自動標記語言(AutomationML)描述數(shù)字孿生系統(tǒng)的屬性,通過在高層次上對物理組件的描述降低數(shù)據(jù)傳輸規(guī)模,提升數(shù)字孿生系統(tǒng)中數(shù)據(jù)交互的效率.數(shù)字孿生系統(tǒng)包含大量傳感器和通信設(shè)備,它們需要與現(xiàn)有無線通信網(wǎng)絡(luò)共享信道資源,為它們同時提供足夠QoS 的通信是一項具有挑戰(zhàn)性的工作.文獻[51]討論了CPS 網(wǎng)絡(luò)的QoS 管理問題,指出CPS 本質(zhì)上是面向應(yīng)用的,必須針對不同應(yīng)用滿足不同的QoS 要求.文獻[52]提出一種保障QoS 的CPS 通信資源管理模式,綜合利用壓縮感知和認知無線電技術(shù)提升資源分配合理性.由于通信網(wǎng)絡(luò)信道資源的有限性,數(shù)據(jù)傳輸過程中可能出現(xiàn)信道擁塞,進而導致傳輸延遲、抖動等,影響數(shù)據(jù)傳輸?shù)馁|(zhì)量.鑒于數(shù)字孿生系統(tǒng)的復雜性和海量實時數(shù)據(jù)[53],多數(shù)研究通過降低數(shù)據(jù)傳輸?shù)臄?shù)據(jù)量降低擁塞,提升實時數(shù)據(jù)傳輸能力.但是,這種方式造成大量數(shù)據(jù)缺失,容易導致較大的估計誤差,使虛擬實體難以可靠映射物理實體.針對這一問題,文獻[54]提出一種擁塞自適應(yīng)的數(shù)據(jù)采集方案,通過自適應(yīng)有損壓縮減輕擁塞,同時以分布式方式對總體數(shù)據(jù)估計誤差進行約束,在保證數(shù)據(jù)精度的同時,有效地解決數(shù)據(jù)擁塞問題.

在實際中,數(shù)字孿生系統(tǒng)處于復雜的環(huán)境中,外界環(huán)境對傳感器精度的影響、數(shù)據(jù)傳輸過程中的數(shù)據(jù)丟失等使得獲取的數(shù)據(jù)存在一定的誤差[55?57],因此需要進一步的數(shù)據(jù)處理.通常,數(shù)字孿生傳感數(shù)據(jù)具有多源、異構(gòu)、多尺度、高噪聲等特點,因此,首先需要對數(shù)據(jù)進行清洗,通過機器學習、規(guī)則約束等算法對數(shù)據(jù)缺失、數(shù)據(jù)冗余、數(shù)據(jù)沖突與數(shù)據(jù)錯誤等問題進行處理[58].接著,需要對多種傳感器采集的數(shù)據(jù)進行融合[59],以提升孿生數(shù)據(jù)的魯棒性和可靠性,拓展虛擬實體的建模維度,常用的多傳感器融合方法包括模糊集理論、神經(jīng)網(wǎng)絡(luò)、小波分析、支持向量機等[60?61].在數(shù)字孿生中,通常基于物聯(lián)網(wǎng)中間件、特征提取、信息融合等方法將傳感器數(shù)據(jù)與模型進行融合映射.例如,文獻[62]結(jié)合計算機輔助設(shè)計系統(tǒng)、計算機輔助制造系統(tǒng)等的特點,提出基于語義特征融合的模型融合方法,進而將多傳感器數(shù)據(jù)融合到一個模型中.在此過程中,由于孿生數(shù)據(jù)超大的數(shù)據(jù)量,在個人計算機上進行處理是不現(xiàn)實的,通常,需要基于MapReduce 等工具以并行模式或基于云計算進行處理[63].

1.2.3 數(shù)據(jù)驅(qū)動與模型融合協(xié)同控制

復雜的物理系統(tǒng)往往很難建立精確的數(shù)理模型,無法通過解析數(shù)理模型的方式對其進行狀態(tài)評估和控制優(yōu)化,數(shù)字孿生采用數(shù)據(jù)驅(qū)動的方式利用系統(tǒng)的歷史數(shù)據(jù)和實時運行數(shù)據(jù),對數(shù)理模型進行更新、修正、連接和補充[64],融合系統(tǒng)機理和運行數(shù)據(jù),能夠更好地實時動態(tài)評估系統(tǒng)[65?67].數(shù)字孿生中數(shù)據(jù)驅(qū)動與解析模型相結(jié)合的方式主要有兩種,一種是以解析模型為主,基于數(shù)據(jù)對解析模型進行修正;另一種是將兩種方法并行,基于對兩者結(jié)果的組合評估得出最終的結(jié)果.常用的解析模型包括3D 結(jié)構(gòu)模型[68?70]、流程模型[71?72]、多物理場模型[73]、GIS 模型[74]、力學模型等,常用的數(shù)據(jù)分析方法包括神經(jīng)網(wǎng)絡(luò)[75?76]、強化學習[77]、遷移學習[78]、遺傳算法[79]等.例如,文獻[80]基于多傳感器融合數(shù)據(jù)更新和補充生產(chǎn)系統(tǒng)的3 D 資源模型,接著,通過DELMIA Process Engineer 對資源模型進行分析,進一步進行生產(chǎn)和流程規(guī)劃,實現(xiàn)生產(chǎn)管理的優(yōu)化;文獻[81]針對加工工序設(shè)計,首先構(gòu)建其物理模型,然后基于多傳感器融合數(shù)據(jù)對各個階段和工藝過程進行分析優(yōu)化,實現(xiàn)對工業(yè)加工過程的動態(tài)評估優(yōu)化.但是,以上兩種方法都缺乏更深層次的融合和優(yōu)化,現(xiàn)有研究大多基于機器學習、深度學習等復雜的算法將數(shù)據(jù)轉(zhuǎn)化為物理模型的替代[82?84],模型的可解釋性不足,難以深度刻畫或表征系統(tǒng)的機理.因此,如何將高精度傳感數(shù)據(jù)與系統(tǒng)機理有效深度結(jié)合,獲得更好的狀態(tài)評估和系統(tǒng)表征效果,是亟待解決的問題[29].

1.2.4 交互與協(xié)同

交互與協(xié)同是數(shù)字孿生的關(guān)鍵環(huán)節(jié),虛擬實體通過傳感器數(shù)據(jù)監(jiān)測物理實體的狀態(tài),實現(xiàn)實時動態(tài)映射,再在虛擬空間通過仿真驗證控制效果,并通過控制過程實現(xiàn)對物理實體的操作[85].數(shù)字孿生中的交互與協(xié)同包括物理?物理、虛擬?虛擬、物理?虛擬等形式,涵蓋人、機、物、環(huán)境等多種要素.其中,物理?物理交互與協(xié)同可以使物理設(shè)備間相互通信、協(xié)調(diào)與協(xié)作,以完成單設(shè)備無法完成的任務(wù)[86];虛擬?虛擬交互與協(xié)同可以連接多個虛擬模型,形成信息共享網(wǎng)絡(luò)[87];物理?虛擬交互與協(xié)同使虛擬模型與物理對象同步變化,并使物理對象可以根據(jù)虛擬模型的直接命令動態(tài)調(diào)整[89].當前,數(shù)字孿生深層次交互與協(xié)同方面的研究還比較少[87],僅在實時數(shù)據(jù)采集、人機交互等理論上有部分研究.“物理融合、模型融合、數(shù)據(jù)融合、服務(wù)融合”四個維度的融合框架[88]可以為實現(xiàn)數(shù)字孿生的交互與協(xié)同提供參考框架,其中,物理融合能夠基于物聯(lián)網(wǎng)智能互聯(lián)協(xié)議實現(xiàn)系統(tǒng)異構(gòu)要素的智能感知與互聯(lián),并精準控制復雜動態(tài)環(huán)境下系統(tǒng)異構(gòu)資源的行為協(xié)同,相關(guān)技術(shù)包括智能感知與互聯(lián)技術(shù)[90]、數(shù)據(jù)傳輸與融合技術(shù)、分布式控制技術(shù)等,能夠為物理?物理層面的交互與協(xié)同提供支撐;模型融合主要涉及多維模型的構(gòu)建、評估與驗證、關(guān)聯(lián)與映射、融合等過程,從而形成一個完整的、高保真的虛擬實體映射模型,進而為虛擬?虛擬層面的交互與協(xié)同提供支撐;數(shù)據(jù)融合基于清洗、聚類、挖掘、融合等方法對實時傳感數(shù)據(jù)、模型數(shù)據(jù)、仿真數(shù)據(jù)等進行挖掘,真實刻畫系統(tǒng)運行狀態(tài)、要素行為等動態(tài)演化過程和規(guī)律[36];服務(wù)融合基于孿生數(shù)據(jù)分析驅(qū)動并影響物理實體和虛擬實體的運行[90,92],為系統(tǒng)的智能管理和精準管控提供決策支持.因此,數(shù)據(jù)融合與服務(wù)融合共同實現(xiàn)物理?虛擬雙向交互與協(xié)同過程.

虛擬現(xiàn)實(Virtual reality,VR)、增強現(xiàn)實(Augmented reality,AR)、混合現(xiàn)實(Mixed reality,MR)稱為3R 技術(shù),是一類以沉浸式體驗為特征的人機交互技術(shù)[29],被視作是一類實現(xiàn)數(shù)字孿生交互與協(xié)同的有效手段,得到了廣泛的研究.例如,文獻[93]詳細對比了VR、AR、MR 的特點,并提出包含物理實體層、虛擬實體層、虛擬現(xiàn)實層三層的數(shù)字孿生模型,基于3R 技術(shù)實現(xiàn)虛擬實體的沉浸式和多感知互動呈現(xiàn);文獻[94]將AR 與數(shù)字孿生結(jié)合,通過AR 實現(xiàn)基于CAD 模型的裝配數(shù)字孿生的沉浸式體驗,操縱機器人協(xié)同完成智能裝配過程 (如圖2 所示).然而,當前的研究僅僅局限在將3R 作為人機交互的手段或視覺呈現(xiàn)的接口[95?100],沒有將3R 與數(shù)字孿生有效結(jié)合.未來,如何將3R 技術(shù)結(jié)合到數(shù)字孿生架構(gòu)中,為虛擬實體、物理實體和人的深度信息交互與協(xié)同提供支持還需要進一步研究.同時,3R 技術(shù)應(yīng)用到數(shù)字孿生還存在大量高精度傳感器布置等技術(shù)難點,此外,3R 技術(shù)本身發(fā)展還不成熟,存在實時三維建模、精準定位等技術(shù)瓶頸也亟待突破和提升.

圖2 增強現(xiàn)實實現(xiàn)數(shù)字孿生可視化框架[94]Fig.2 The framework of visualising the digital twin data by using AR[94]

1.2.5 安全性技術(shù)

數(shù)字孿生具有虛實交互、泛在互聯(lián)、開源共享等特點,一方面,傳統(tǒng)設(shè)備多為長期處于封閉環(huán)境下的簡單設(shè)備或分布式的云計算設(shè)備等,本身存在一定的安全漏洞,容易受到攻擊或篡改;另一方面,數(shù)字孿生需要實現(xiàn)物聯(lián)網(wǎng)、大數(shù)據(jù)等的大融合,安全問題更加復雜[101].同時,數(shù)字孿生系統(tǒng)相比于傳統(tǒng)信息系統(tǒng)其虛擬系統(tǒng)與物理系統(tǒng)的聯(lián)系更加緊密,數(shù)字孿生的安全性一旦被破壞,將導致物理系統(tǒng)受到嚴重影響,因此,數(shù)字孿生的安全性研究至關(guān)重要.然而,當前針對數(shù)字孿生系統(tǒng)安全的研究較少,針對CPS 安全保護的研究相對較為充分.通常,對CPS 安全保護的研究主要針對系統(tǒng)可能遭受的攻擊進行設(shè)計,常見的攻擊類型如拒絕服務(wù)攻擊(Denial of service,DoS)[102]、重放攻擊和惡意軟件注入[103]等,對CPS 中數(shù)據(jù)的完整性、有效性和保密性等進行破壞.針對以上問題,通常結(jié)合主動防御和被動響應(yīng)的安全機制,利用博弈論等設(shè)計主動/被動的CPS 防御算法和體系.例如,文獻[104]將CPS 中未知攻擊的防御問題轉(zhuǎn)化為防御者和攻擊者的博弈問題,基于深度強化學習對此問題進行求解,使系統(tǒng)受攻擊的影響最小;文獻[105]將惡意軟件注入攻擊的防御轉(zhuǎn)化為最短路徑樹封鎖博弈問題,進而通過求解其斯塔克伯格(Stackelberg)平衡獲得近似最優(yōu)的動態(tài)防御策略.區(qū)塊鏈技術(shù)具有分布式安全防御的特征,它以密碼機制代替第三方安全機構(gòu),通過所有參與者維護復雜的算法確保系統(tǒng)的完整性和安全性,具有去中心化、防篡改[106?107]等特性,為CPS 安全帶來了新的解決方案.文獻[108]將區(qū)塊鏈技術(shù)與數(shù)字孿生相結(jié)合,以區(qū)塊鏈組織和保護孿生數(shù)據(jù),為增材制造工業(yè)構(gòu)建安全、可靠的數(shù)字孿生提供支持.反過來,數(shù)字孿生也可以用于傳統(tǒng)信息系統(tǒng)的安全保護,通過在虛擬實體上進行安全性實驗創(chuàng)新安全防御策略.例如,文獻[109]設(shè)計了一個智能汽車的信息安全數(shù)字孿生驗證平臺,通過傳感器采集汽車和環(huán)境數(shù)據(jù)創(chuàng)建智能汽車的數(shù)字鏡像,并通過在該平臺上模擬多種可能的信息安全場景檢驗對智能汽車信息安全有重大影響的因素.

1.2.6 服務(wù)應(yīng)用

數(shù)字孿生服務(wù)的相關(guān)理論包括服務(wù)封裝、服務(wù)匹配與搜索、服務(wù)質(zhì)量建模與評估、服務(wù)優(yōu)化與集成、容錯管理等[28].服務(wù)封裝使數(shù)字孿生按照統(tǒng)一的接口調(diào)用不同的函數(shù)實現(xiàn)相應(yīng)的功能;服務(wù)匹配與搜索使數(shù)字孿生能夠根據(jù)客戶需求選擇合適的服務(wù);服務(wù)質(zhì)量建模與評估包括定量評估算法和動態(tài)更新技術(shù),使數(shù)字孿生能夠?qū)Ψ?wù)質(zhì)量進行評估;服務(wù)優(yōu)化與集成幫助選擇最優(yōu)的服務(wù)或服務(wù)組合;服務(wù)容錯管理包括故障檢測、故障確定等.基于服務(wù)理論的研究使數(shù)字孿生能夠為客戶提供最優(yōu)的服務(wù)[110].目前,對數(shù)字孿生在故障檢測[111]、壽命預(yù)測[112]、運行狀態(tài)監(jiān)測[113?118]等方面的服務(wù)應(yīng)用已經(jīng)開展了一定的研究,不僅催生了許多新的服務(wù)類型和服務(wù)模式,而且通過數(shù)字孿生加強了已有服務(wù)的能力[119?120].相關(guān)研究通過建立標準接口或模型為數(shù)字孿生服務(wù)提供支持,例如,文獻[10]基于UML格式的元模型構(gòu)建面向具體服務(wù)應(yīng)用的數(shù)字孿生模型,為電池全生命周期管理提供服務(wù).但是,服務(wù)搜索與匹配、服務(wù)質(zhì)量建模與評估、容錯管理等問題還沒有得到深入研究,這些將是驅(qū)動未來數(shù)字孿生服務(wù)研究的重要范式.

1.3 數(shù)字孿生的應(yīng)用

基于對上述數(shù)字孿生研究方向的研究,本文總結(jié)了數(shù)字孿生在供應(yīng)鏈管理、智能車間、裝備制造、產(chǎn)品研發(fā)、故障診斷、智慧城市等場景的應(yīng)用.

1.3.1 供應(yīng)鏈管理

在傳統(tǒng)的供應(yīng)鏈管理中,經(jīng)常因信息掌握不及時而導致決策失誤,供應(yīng)鏈系統(tǒng)復雜、效率低、響應(yīng)速度慢,存在不可預(yù)測的風險[121].近年來,隨著信息化技術(shù)的應(yīng)用,供應(yīng)鏈管理技術(shù)取得了較大的進步.隨著物聯(lián)網(wǎng)技術(shù)的深入發(fā)展和廣泛應(yīng)用,供應(yīng)鏈不斷產(chǎn)生數(shù)據(jù),如何利用這些數(shù)據(jù)不斷優(yōu)化完善供應(yīng)鏈網(wǎng)絡(luò),提升流程的靈活性同時滿足用戶的多元化需要,是決定企業(yè)在競爭中成敗的關(guān)鍵因素.將數(shù)字孿生模型引入供應(yīng)鏈管理中,可以通過數(shù)字化表示供應(yīng)鏈管理中的實體或系統(tǒng)連接不同組織的流程、技術(shù)、產(chǎn)品、服務(wù)等,實時監(jiān)測、預(yù)測供應(yīng)鏈的變化[122],簡化業(yè)務(wù)流程,提升決策效率.

世界最大的軸承制造商斯凱孚(Svenska Kullagerfabriken,SKF)已經(jīng)將數(shù)字孿生模型應(yīng)用到其分銷網(wǎng)絡(luò)中[123],該模型包含800 個庫存量單位的主要數(shù)據(jù),涵蓋5 個系統(tǒng)的40 個安裝單元,使供應(yīng)鏈管理人員能夠基于數(shù)字孿生的可視化和完整視圖進行全球化供應(yīng)鏈管理決策.將數(shù)字孿生引入供應(yīng)鏈管理,可以實現(xiàn):1)實時在線響應(yīng),基于供應(yīng)鏈實時數(shù)據(jù)可視化,可以提高決策響應(yīng)的速度;2)通信與協(xié)作,供應(yīng)鏈各參與方可以加強通信與協(xié)作;3)智能優(yōu)化,基于數(shù)字孿生對數(shù)據(jù)的分析預(yù)測,可以實現(xiàn)有效的人機協(xié)同決策,優(yōu)化管理;4)整體決策,通過對供應(yīng)鏈參與方的全局視圖,企業(yè)可以進行全局決策.但是,數(shù)字孿生在供應(yīng)鏈中的應(yīng)用還面臨著節(jié)點數(shù)據(jù)采集困難、建模環(huán)境復雜、缺少數(shù)字孿生標準、數(shù)據(jù)所有權(quán)及數(shù)據(jù)濫用和安全等問題.

1.3.2 智能車間

全球性的產(chǎn)能過剩,導致企業(yè)間的競爭越來越激烈,如何提升生產(chǎn)效率、縮短產(chǎn)品周期,成為世界各國關(guān)注的問題.車間是制造業(yè)的基礎(chǔ)組成部分,如何提升車間的智能化水平,實現(xiàn)生產(chǎn)流程數(shù)字化是目前關(guān)注的焦點.但是,目前用傳統(tǒng)的虛擬車間、數(shù)字化車間設(shè)計的智能車間存在非實時交互、數(shù)據(jù)利用率低等問題.基于數(shù)字孿生技術(shù),能夠有效提升車間生產(chǎn)過程的透明度并優(yōu)化生產(chǎn)過程[124?128].

Tao 等[129]率先提出數(shù)字孿生車間的概念模型,該模型主要包括物理車間、虛擬車間、車間服務(wù)系統(tǒng)和車間孿生數(shù)據(jù)四部分,通過物理車間與虛擬車間的雙向映射與實時交互,實現(xiàn)物理車間、虛擬車間、車間服務(wù)系統(tǒng)的全要素、全流程、全業(yè)務(wù)數(shù)據(jù)的集成和融合,在車間孿生數(shù)據(jù)的驅(qū)動下,實現(xiàn)車間生產(chǎn)要素管理、生產(chǎn)活動計劃、生產(chǎn)過程控制等[130?132]在物理車間、虛擬車間、車間服務(wù)系統(tǒng)間的迭代運行,從而達到車間生產(chǎn)和管控的優(yōu)化運行.構(gòu)建數(shù)字孿生車間,實現(xiàn)車間信息與物理空間的互聯(lián)互通與進一步融合將是車間的發(fā)展趨勢,也是實現(xiàn)車間智能化生產(chǎn)與管控的必經(jīng)之路[133].

1.3.3 智能制造

當前,制造業(yè)正在經(jīng)歷新一輪的產(chǎn)業(yè)變革,世界各國紛紛推出以“工業(yè)互聯(lián)網(wǎng)”和“工業(yè)4.0”為核心的制造業(yè)升級計劃,我國也提出了“中國制造2025”發(fā)展戰(zhàn)略,并將智能制造作為其重要組成.制造設(shè)備是生產(chǎn)制造過程的基本單元,數(shù)字孿生可以通過對制造設(shè)備、制造過程的虛擬仿真[134?136],提高制造企業(yè)設(shè)備研發(fā)、制造的效率,為解決面向產(chǎn)品全生命周期的管理和升級提供支持.

數(shù)字孿生可以應(yīng)用到制造過程的設(shè)備層、生產(chǎn)線層、工廠層等不同的層級[137].在設(shè)備層,數(shù)字孿生可以在產(chǎn)品設(shè)計時就創(chuàng)建一個數(shù)字虛擬樣機[138],在虛擬樣機中同時構(gòu)建其機械、電氣、軟件等模型,在虛擬環(huán)境中驗證制造過程并提前發(fā)現(xiàn)可能出現(xiàn)的問題.在生產(chǎn)線層級,可以通過數(shù)字孿生刻畫生產(chǎn)線不同工序之間的裝配流程[139],提前對生產(chǎn)線中的安裝、測試工藝進行仿真測試,當虛擬生產(chǎn)線測試通過后,實際生產(chǎn)線便可以直接安裝使用,進而大大降低生產(chǎn)線安裝成本.在設(shè)備層和生產(chǎn)線層的基礎(chǔ)上,可以建立整個制造工廠的數(shù)字孿生[140],構(gòu)建計劃、質(zhì)量、物料、人員、設(shè)備的數(shù)字化管理.

1.3.4 故障預(yù)測和維護

數(shù)字孿生誕生之初的應(yīng)用就是飛機的故障預(yù)測,故障預(yù)測和安全運維對飛機、船舶等大型設(shè)備和基礎(chǔ)設(shè)施至關(guān)重要,通過高保真、實時更新的虛擬模型進行產(chǎn)品的全生命周期管理[5,141?142]也是數(shù)字孿生的重要研究方向.大型設(shè)備的故障預(yù)測和健康管理是一項十分復雜的工作,這一方面是由于該類設(shè)備整體上結(jié)構(gòu)異常復雜,內(nèi)部各組成部分之間關(guān)聯(lián)緊密,另一方面受制于實時數(shù)據(jù)的缺乏.基于數(shù)字孿生進行故障預(yù)測和設(shè)備維護,能夠基于動態(tài)實時數(shù)據(jù)快速捕捉故障,準確定位故障原因,同時評估設(shè)備狀態(tài),進行預(yù)測維修[28].

基于數(shù)字孿生進行裝備設(shè)備的故障預(yù)測和維護,首先需要建立其電子、機械三維模型[78],接著,根據(jù)外場數(shù)據(jù)分析,梳理典型高發(fā)的故障模式,建立產(chǎn)品典型的故障模式及原因分類庫,再綜合考慮產(chǎn)品中的機械、電子產(chǎn)品的多物理結(jié)構(gòu),建立系統(tǒng)級的多物理多應(yīng)力下的仿真模型,并根據(jù)各類試驗結(jié)果,對設(shè)備的關(guān)鍵特征參數(shù)、應(yīng)力及機理模型進行修正,最終形成數(shù)字孿生基準模型.在使用過程中,通過傳感器不斷進行虛實數(shù)據(jù)交換,并基于數(shù)據(jù)修正虛擬模型,最終實現(xiàn)對物理設(shè)備的精準描述,同時,通過對物理實體使用數(shù)據(jù)、故障數(shù)據(jù)、維修數(shù)據(jù)的更新,計算其損耗,預(yù)測設(shè)備的剩余壽命,并指導維修決策[143?146].

1.3.5 產(chǎn)品研發(fā)

產(chǎn)品設(shè)計是大部分產(chǎn)品在研發(fā)中耗時最長,成本最高的階段,因此早期產(chǎn)品設(shè)計的快速更新迭代十分重要.計算機輔助設(shè)計是當前產(chǎn)品設(shè)計研發(fā)的主要輔助手段,但是,計算機輔助設(shè)計存在以下主要問題:1)缺乏完整有效的產(chǎn)品全生命周期數(shù)據(jù),無法形成有效的數(shù)據(jù)庫支持,需要進行大量重復性工作;2)模型復雜,建模難度高且難以理解;3)仿真驗證方法不夠精準,產(chǎn)品原型驗證困難,周期長.針對上述問題,將數(shù)字孿生引入產(chǎn)品設(shè)計研發(fā),能夠幫助用戶以更少的成本和更短的時間將產(chǎn)品推向市場.

數(shù)字孿生能夠在虛擬空間中復現(xiàn)產(chǎn)品和生產(chǎn)系統(tǒng),使產(chǎn)品和生產(chǎn)系統(tǒng)的虛擬模型和物理模型實時交互[147].在數(shù)字孿生中,產(chǎn)品的虛擬模型和物理模型實時交互大量的數(shù)字孿生數(shù)據(jù),能夠支持建立相應(yīng)的產(chǎn)品設(shè)計知識數(shù)據(jù)庫,并提供一定的設(shè)計輔助[148].同時,基于對孿生數(shù)據(jù)的分析,可以幫助解析部分復雜的物理模型,降低設(shè)計的難度.最后,虛擬實體與物理實體精準映射、共同進化[149],通過對比虛擬實體與物理實體之間的誤差,能夠發(fā)現(xiàn)設(shè)計和實際系統(tǒng)之間的誤差,幫助快速驗證系統(tǒng)原型設(shè)計[150].

1.3.6 智慧城市

2008 年,IBM 提出“智慧地球”的理念,引發(fā)了建設(shè)智慧城市的熱潮.近年來,一些國家開始將數(shù)字孿生應(yīng)用到建設(shè)智慧城市中.例如,新加坡構(gòu)建了城市運行仿真系統(tǒng)CityScope,實現(xiàn)對城市的仿真優(yōu)化、規(guī)劃決策等功能;西班牙在城市中廣泛部署傳感器,感知城市環(huán)境、交通、水利等運行情況,并將數(shù)據(jù)匯聚到智慧城市平臺中,初步形成了數(shù)字孿生城市的雛形[151];雄安新區(qū)首次提出建設(shè)“數(shù)字孿生城市”,明確指出要同步規(guī)劃、建設(shè)現(xiàn)實城市和虛擬的數(shù)字城市.

文獻[28]提出,可以基于數(shù)字孿生五維模型構(gòu)建數(shù)字孿生城市,其基本框架如圖3 所示.通過數(shù)字化建模仿真構(gòu)建城市的虛擬模型,基于在城市各個層面布設(shè)傳感器采集物理城市的實時數(shù)據(jù),結(jié)合虛擬城市的仿真數(shù)據(jù)和城市傳感數(shù)據(jù),驅(qū)動數(shù)字孿生城市的發(fā)展和優(yōu)化,最終實現(xiàn)為城市市政規(guī)劃、生態(tài)環(huán)境治理、交通管控等提供智慧服務(wù).阿里云提出的城市大腦[152]與數(shù)字孿生城市建設(shè)的思路基本吻合,它通過實時處理人所不能理解的超大規(guī)模全量多源數(shù)據(jù),基于機器學習洞悉人所沒有發(fā)現(xiàn)的復雜隱藏規(guī)律,能夠制定超越人類局部次優(yōu)決策的全局最優(yōu)策略,并且在城市交通體檢、城市警情監(jiān)控、城市交通微控、城市特種車輛、城市戰(zhàn)略規(guī)劃5 個應(yīng)用場景中部署實施,證明數(shù)字孿生城市可以推動城市設(shè)計和建設(shè),輔助城市管理,使城市更智慧、美好.

1.3.7 智慧醫(yī)療

隨著近幾年人工智能 (Artificial intelligence,AI)及大數(shù)據(jù)技術(shù)的飛速發(fā)展,諸多領(lǐng)域借助相關(guān)技術(shù)取得重大突破,AI 技術(shù)正在逐步走進醫(yī)療領(lǐng)域.其中,AI 輔助醫(yī)療決策是一個研究的熱點,其主要應(yīng)用是通過大數(shù)據(jù)、機器學習和自然語言處理等智能技術(shù),學習醫(yī)療知識、挖掘病歷數(shù)據(jù)、分析醫(yī)學影像等,從而幫助醫(yī)生診斷疾病,為患者治療方案的確定提供依據(jù)并推薦治療方案[153].雖然已有的智能決策系統(tǒng)取得了一定的成果,但是在實際應(yīng)用中仍然存在一些問題:1)現(xiàn)有智能診療系統(tǒng)過多需要醫(yī)生參與,不利于醫(yī)生診療效率的提高;2)現(xiàn)有的智能診療系統(tǒng)覆蓋醫(yī)療領(lǐng)域不夠全面,對?？漆t(yī)生的意義不大;3)對于慢性疾病的診療,需要對患者身體進行長期的監(jiān)測和管理,現(xiàn)有智能診療系統(tǒng)大多只限于醫(yī)院門診中.

圖3 數(shù)字孿生城市Fig.3 Smart city with digital twins

文獻[154]提出一種6 層架構(gòu)的數(shù)字孿生醫(yī)療系統(tǒng),包含資源層、感知層、虛擬資源層、中間件層、服務(wù)層及用戶接口層.其中,資源層包含與患者相關(guān)的軟硬件資源及歷史數(shù)據(jù)等;感知層用于實時采集和傳輸患者的身體狀態(tài)數(shù)據(jù);虛擬資源層基于數(shù)據(jù)虛擬化物理實體,包含虛擬的醫(yī)療資源、虛擬患者等;中間件層包含服務(wù)管理、數(shù)據(jù)管理、知識管理、仿真管理等功能;服務(wù)層基于底層的支持提供用戶所需的服務(wù)如用藥支持等;用戶接口層提供給用戶數(shù)字孿生醫(yī)療系統(tǒng)的可視化和管理功能界面.基于數(shù)字孿生醫(yī)療系統(tǒng),醫(yī)護人員可以通過各類實時感知數(shù)據(jù)精準分析病人的病況[155?156],在虛擬病人上預(yù)演不同的治療方案,降低手術(shù)風險.未來,可能每個人從出生開始就會有自己的數(shù)字孿生,它可以幫助人們及時了解自己的健康狀況[157],調(diào)整飲食和作息.

1.3.8 其他應(yīng)用

除上述領(lǐng)域外,數(shù)字孿生技術(shù)在衛(wèi)星/空間通信網(wǎng)絡(luò)[158?160]、石油天然氣[161?163]、能源[164?166]、農(nóng)業(yè)[168]、建筑[169]、環(huán)境保護、軍事作戰(zhàn)[170]等領(lǐng)域均有應(yīng)用潛力.例如對石油勘探的遠程管理,對電廠的健康管理和電網(wǎng)的規(guī)劃運營維護,對農(nóng)作物和家畜的健康監(jiān)護等[28].

2 平行系統(tǒng)概述

平行系統(tǒng)是本世紀初提出的原創(chuàng)技術(shù),它通過一套實際系統(tǒng)與人工計算過程之間的平行交互,為兼具高度社會和工程復雜性的復雜問題提供解決方案,在多領(lǐng)域得到了廣泛研究并取得了良好的效果.平行系統(tǒng)的研究框架如圖4 所示,可以分為理論層、方法層、技術(shù)層、平臺層和應(yīng)用層.

2.1 平行系統(tǒng):基礎(chǔ)理論、方法及內(nèi)涵

平行系統(tǒng)是復雜自適應(yīng)系統(tǒng)理論和復雜性科學在CPSS 中的延展和創(chuàng)新[174],是整體和還原相結(jié)合、實際和人工相結(jié)合、定性和定量相結(jié)合的新型技術(shù)框架[175].平行系統(tǒng)將強調(diào)宏觀層面高層涌現(xiàn)與演變規(guī)律的整體建模與注重微觀個體層面特征刻畫與行為交互的還原建模有機結(jié)合[176],通過全面、準確地刻畫參與個體的特征、行為和交互機制,實現(xiàn)對復雜整體的建模,進而涌現(xiàn)和演變出復雜系統(tǒng)的規(guī)律;基于虛擬場景,利用自適應(yīng)演化等方法驅(qū)動實驗,評估各類參數(shù)配置、技術(shù)方案的效果,實現(xiàn)對人和社會對系統(tǒng)影響的建模;通過實際與人工系統(tǒng)協(xié)同演化、閉環(huán)反饋和雙向引導[178],實現(xiàn)對實際系統(tǒng)的目標優(yōu)化.平行系統(tǒng)的本質(zhì)就是把復雜系統(tǒng)中“虛”和“軟”的部分,通過可定量、可實施、可重復、可實時的計算實驗,使之硬化,以解決實際復雜系統(tǒng)中不可準確預(yù)測、難以拆分還原、無法重復實驗等問題[179?180].

圖4 平行系統(tǒng)的研究框架Fig.4 The research framework of parallel systems

平行系統(tǒng)的核心是ACP 方法,其框架如圖5所示,主要由三部分組成.1)由實際系統(tǒng)的小數(shù)據(jù)驅(qū)動,借助知識表示與知識學習等[181]手段,針對實際系統(tǒng)中的各類元素和問題,基于多智能體方法構(gòu)建可計算、可重構(gòu)、可編程的軟件定義的對象、軟件定義的流程、軟件定義的關(guān)系等[182?183],進而將這些對象、關(guān)系、流程等組合成軟件定義的人工系統(tǒng)(A),利用人工系統(tǒng)對復雜系統(tǒng)問題進行建模;2)基于人工系統(tǒng)這一“計算實驗室”,利用計算實驗(C),設(shè)計各類智能體的組合及交互規(guī)則,產(chǎn)生各類場景,運行產(chǎn)生完備的場景數(shù)據(jù)[184?186],并借助機器學習、數(shù)據(jù)挖掘等手段,對數(shù)據(jù)進行分析,求得各類場景下的最優(yōu)策略.3)將人工系統(tǒng)與實際系統(tǒng)同時并舉[187?190],通過一定的方式進行虛實互動,以平行執(zhí)行(P)引導和管理實際系統(tǒng).從流程上而言,平行系統(tǒng)通過開源數(shù)據(jù)獲取、人工系統(tǒng)建模、計算實驗場景推演、實驗解析與預(yù)測、管控決策優(yōu)化與實施、虛實系統(tǒng)實時反饋、實施效果實時評估的閉環(huán)處理過程[175],實現(xiàn)從實際系統(tǒng)的“小數(shù)據(jù)”輸入人工系統(tǒng),基于博弈、對抗、演化等方式生成人工系統(tǒng)“大數(shù)據(jù)”[191,193],再通過學習與分析獲取針對具體場景的“小知識”,并通過虛實交互反饋逐步精細化針對當前場景的“精準知識”的過程.

圖5 基于ACP 的平行系統(tǒng)架構(gòu)體系Fig.5 The framework of the ACP-based parallel systems

在數(shù)據(jù)層面,平行系統(tǒng)基于實際系統(tǒng)數(shù)據(jù),借助生成式對抗網(wǎng)絡(luò)[194?197]等計算實驗手段生成相對完備的“海量數(shù)據(jù)”,通過對海量數(shù)據(jù)的學習、訓練求解系統(tǒng)優(yōu)化解并進行優(yōu)化解評估,使之具有更廣泛的適用性;在控制層面,平行系統(tǒng)利用人工系統(tǒng)與實際系統(tǒng)的虛實交互、雙向驗證,實現(xiàn)兩者的協(xié)同進化以及對整個系統(tǒng)的多目標優(yōu)化管理與控制[188].它不僅可以優(yōu)化整個系統(tǒng),還可以主動學習與評估系統(tǒng)管控效果并自適應(yīng)調(diào)整未來策略.

計算實驗以智能體代替實際系統(tǒng)中的各種元素,使各種因法律、道德、成本等現(xiàn)實因素限制無法在實際系統(tǒng)中進行的實驗得以實施,突破了無法通過重復實驗獲取知識與經(jīng)驗的局限[198].計算實驗與動態(tài)行為模擬的仿真方法有著本質(zhì)不同,其目標不是以仿真系統(tǒng)逼近實際系統(tǒng),而是把“仿真”結(jié)果視作一種可能的現(xiàn)實[199].在計算實驗中,傳統(tǒng)計算模擬變成了“計算實驗室”里的“試驗”過程,成為生長培育各種復雜系統(tǒng)的手段,而實際系統(tǒng)只是計算實驗的一種可能而已[200].

計算實驗具有可設(shè)計性、可反復進行等特點.它通過對實際系統(tǒng)進行各種關(guān)于性能、可靠性、方案魯棒性及正確性等同一條件下短時間內(nèi)大量反復的“加速”實驗、“壓力”實驗、“極限”實驗等,對各種可能的系統(tǒng)場景進行“試錯”實驗[201?202],并進一步對人工系統(tǒng)涌現(xiàn)出的復雜系統(tǒng)行為和系統(tǒng)現(xiàn)象進行標定分析與統(tǒng)計分析,按照一定的指標體系對各種解決方案進行學習與評估,進而全面、準確、及時、量化地獲得對復雜系統(tǒng)問題的最優(yōu)控制方案.

計算實驗通過實際系統(tǒng)與人工系統(tǒng)之間的相互連接,對二者的行為進行對比、分析、預(yù)測與評估,完成對各自未來狀況的“借鑒”和預(yù)估,相應(yīng)地調(diào)節(jié)各自的管理和控制方式,它主要包含三種實現(xiàn)方式[203].

1)學習與培訓:在這種方式中,人工系統(tǒng)被用作學習和培訓復雜系統(tǒng)的管理與控制.通過實際系統(tǒng)與人工系統(tǒng)的適當連接組合,以安全、靈活、低成本的方式使相關(guān)人員在人工系統(tǒng)中快速掌握復雜系統(tǒng)的各項操作及其可能的結(jié)果,并量化考核學習與培訓的實際效果[175].以與實際相當?shù)墓芾砼c控制方法運行人工系統(tǒng),使有關(guān)人員學習預(yù)判系統(tǒng)的可能狀況及對應(yīng)的行動.同時,人工系統(tǒng)的管理與控制方案也可以作為實際系統(tǒng)的預(yù)案,增強其運行的可靠性和應(yīng)變能力.

2)實驗與評估:在這種方式中,人工系統(tǒng)被用作進行各種由于成本、安全等原因無法進行的重要破壞性實驗和創(chuàng)新性實驗,分析系統(tǒng)的行為和反應(yīng),并對不同的解決方案的效果進行評估,從而為量化評估系統(tǒng)要素、實現(xiàn)控制方案創(chuàng)新提供依據(jù)[204].

3)管理與控制:這種方式的目標是以虛實互動的方式實現(xiàn)復雜系統(tǒng)的管理與控制.一方面,通過測量實際系統(tǒng)與人工系統(tǒng)評估狀態(tài)之間的差別,產(chǎn)生誤差反饋信號,對人工系統(tǒng)的參數(shù)進行修正,減少差別,通過循環(huán)往復的交互盡可能地使人工系統(tǒng)模擬實際系統(tǒng)[205];另一方面,實際系統(tǒng)中的新問題、新需求和新趨勢可以實時導入人工系統(tǒng),通過在人工系統(tǒng)中的實驗、測評和完善,獲得優(yōu)化的新解決方案,并據(jù)此引導實際系統(tǒng)的發(fā)展和演變,從而以“實際逼近人工”[206]的方式實現(xiàn)復雜系統(tǒng)的“創(chuàng)新”功能.

2.2 平行系統(tǒng)研究現(xiàn)狀與關(guān)鍵技術(shù)

ACP 方法針對復雜系統(tǒng)的管理與控制實現(xiàn)了從數(shù)據(jù)采集到自適應(yīng)優(yōu)化控制的一整套流程,它的相關(guān)技術(shù)研究主要包含復雜系統(tǒng)的感知、建模、決策、控制、測試等,從而為實現(xiàn)有關(guān)人員的學習與培訓、決策方案的實驗與評估、虛實系統(tǒng)的管理與控制[207]提供技術(shù)支撐.

2.2.1 平行感知

場景數(shù)據(jù)是構(gòu)建平行系統(tǒng)的基礎(chǔ),通常,可以由傳感器或攝像頭等進行采集.當前,隨著計算機視覺理論和計算機硬件的不斷發(fā)展,計算機視覺方法在圖像分類、目標檢測等領(lǐng)域取得了良好的效果,已經(jīng)成為復雜環(huán)境感知與理解的主要方法.基于深度學習的計算機視覺技術(shù)需要基于大量的數(shù)據(jù)進行訓練,且往往只能適用于某些特定的場景[208],要想使算法適用于新場景,要么需要更改模型的參數(shù),要么需要擴展數(shù)據(jù)集重新訓練.以交通為例,交通場景的視覺感知需要涵蓋完整的場景才能保證安全性,但是,當前數(shù)據(jù)集盡管規(guī)模龐大,卻并不能滿足多樣性需求.這一方面是由于在復雜開放環(huán)境下采集大規(guī)模多樣性數(shù)據(jù)需要大量人力,另一方面,對大規(guī)模多樣性數(shù)據(jù)進行標注比較困難,在惡劣天氣、照明度低等情況下容易出錯,無法保證數(shù)據(jù)集的有用性[179].

為了解決傳統(tǒng)計算機視覺感知數(shù)據(jù)樣本復雜性和多樣性不足的問題,提升視覺感知系統(tǒng)的泛化能力,文獻[180]提出平行感知理論方法,其框架如圖6 所示.平行感知基于真實場景的數(shù)據(jù)訓練擴展大量的人工場景[209],將大量人工場景的數(shù)據(jù)和真實場景的數(shù)據(jù)結(jié)合訓練不同結(jié)構(gòu)和參數(shù)的視覺算法,基于統(tǒng)計評估獲得對應(yīng)場景下最佳的視覺認知算法,以增強傳統(tǒng)視覺感知算法對復雜環(huán)境的適應(yīng)能力,提升視覺算法的準確性和魯棒性.文獻[210]提出了平行視覺的概念、框架和關(guān)鍵技術(shù),利用人工場景模擬和表示復雜的真實場景[211],包括光照時段(白天、夜間、黎明、黃昏)、天氣(晴、多云、雨、雪、霧等)、目標類型(行人、車輛、道路、建筑物、植物等),并且基于真實場景的數(shù)據(jù)訓練神經(jīng)網(wǎng)絡(luò)等模型自動標注生成的人工場景數(shù)據(jù),使采集和標注大規(guī)模多樣性數(shù)據(jù)集成為可能.基于平行視覺的基本框架,相關(guān)團隊建立了開源的平行視覺研究平臺Open-PV (Open source parallel vision platform)[212?213],并發(fā)布了一批虛擬圖像集,以幫助實現(xiàn)對復雜環(huán)境的智能感知與理解.

2.2.2 平行學習

強化學習是一種通過主動尋求數(shù)據(jù)、主動學習進行優(yōu)化決策的機器學習方法,它不需要標簽數(shù)據(jù),而是通過不斷地與環(huán)境交互更新數(shù)據(jù)標簽,對于在線系統(tǒng)優(yōu)化是一種非常重要的方法,近年來受到了廣泛的關(guān)注.但是,它的學習效率不高[214?215],需要與環(huán)境進行大量的交互反饋以更新模型,當面臨復雜系統(tǒng)大數(shù)據(jù)處理時,過高的系統(tǒng)狀態(tài)維數(shù)使算法收斂變得十分困難.

為了進一步擴展強化學習的學習能力,提升其快速收斂能力,文獻[181]提出了由數(shù)據(jù)處理和行動學習組成的平行學習理論框架.在數(shù)據(jù)處理階段,基于對復雜環(huán)境的智能感知和數(shù)據(jù)采樣構(gòu)建軟件定義的人工系統(tǒng),以形成在線、有序的訓練環(huán)境.在行動學習階段,平行學習可以在人工系統(tǒng)環(huán)境中同時訓練多個智能體,同時,與傳統(tǒng)的強化學習不同,平行學習允許獲取數(shù)據(jù)和完成行動采用不同的頻次和發(fā)生順序,并且基于相互競爭的對抗學習或迭代演進的對偶學習方法提高學習的效率,最后,基于對不同時序組合、不同迭代策略的智能體學習效果的評估,選擇學習效率最高、效果最好的智能體進行決策.為解決深度強化學習方法存在的缺乏對新目標的泛化能力、數(shù)據(jù)匱乏、數(shù)據(jù)分布和聯(lián)系不明顯等[216]問題,文獻[217]基于平行學習框架提出了平行增強學習的理論方法,通過將遷移學習、預(yù)測學習和深度學習與強化學習融合,用于處理數(shù)據(jù)獲取和行動選擇過程,同時表征獲得的知識[218].它通過人工系統(tǒng)與實際系統(tǒng)的結(jié)合學習系統(tǒng)的一般特征,同時降低對數(shù)據(jù)的依賴度;通過遷移學習將解決某一問題的知識轉(zhuǎn)化并擴展,一定程度上解決缺乏泛化能力的問題;通過預(yù)測學習預(yù)測系統(tǒng)未來的狀況,其生成的數(shù)據(jù)可以指導實際系統(tǒng)的學習,從而解決數(shù)據(jù)匱乏和數(shù)據(jù)分布不確定的問題;最后,結(jié)合強化學習實現(xiàn)對系統(tǒng)的優(yōu)化控制.

2.2.3 平行區(qū)塊鏈

區(qū)塊鏈是以比特幣為代表的一種全新的去中心化基礎(chǔ)架構(gòu)和分布式計算范式,通過運用數(shù)據(jù)加密、時間戳、分布式共識和經(jīng)濟激勵等手段,在無需節(jié)點互相信任的分布式系統(tǒng)中實現(xiàn)去中心化的點對點交易、協(xié)調(diào)和協(xié)作[219?220].區(qū)塊鏈技術(shù)是下一代云計算的雛形,具備去信任、去中心化、開放自治、匿名可溯源、信息不可篡改等[221]特性,顯示出了廣闊的應(yīng)用前景,吸引了學術(shù)界和工業(yè)界的廣泛關(guān)注.同時,區(qū)塊鏈是實現(xiàn)CPSS 的基礎(chǔ)架構(gòu)之一,它能夠為分布式社會系統(tǒng)和分布式人工智能研究提供一套行之有效的去中心化的數(shù)據(jù)結(jié)構(gòu)、交互機制和計算模式,為實現(xiàn)CPSS 奠定堅實的數(shù)據(jù)基礎(chǔ)和信用基礎(chǔ)[222].但是,區(qū)塊鏈還存在安全性威脅、區(qū)塊膨脹、算力資源浪費、非合理競爭等[223]問題,制約了它的發(fā)展.

圖6 平行感知框架Fig.6 The framework of parallel perception

文獻[175]將區(qū)塊鏈技術(shù)與平行系統(tǒng)有機結(jié)合,提出平行區(qū)塊鏈技術(shù)方法,通過實際區(qū)塊鏈與人工區(qū)塊鏈的平行互動與協(xié)同演化,為當前的區(qū)塊鏈技術(shù)增加計算實驗與平行決策功能.它將區(qū)塊鏈中的每一個節(jié)點都視作分布式系統(tǒng)中一個自主、自治的智能體,通過各共識節(jié)點的自治和交互構(gòu)建分布式人工社會系統(tǒng);基于區(qū)塊鏈智能合約的可編程性進行各種虛擬實驗、場景推演和結(jié)果評估[224],獲得系統(tǒng)的最優(yōu)決策;最后,基于物聯(lián)網(wǎng)等聯(lián)通物理世界和人工社會,并通過兩者之間的虛實互動和平行調(diào)諧實現(xiàn)社會管理和決策的協(xié)同優(yōu)化[225].文獻[226]將平行區(qū)塊鏈運用到軍事領(lǐng)域,利用區(qū)塊鏈可信、可靠、可用及高效等特點,幫助跨越不對稱信息與有限理性鴻溝,將不對稱的戰(zhàn)爭變?yōu)閷ΨQ的和平.

2.2.4 平行控制

控制的基本目標是根據(jù)被控對象的有限信息做出高水平的決策,使系統(tǒng)性能達到最優(yōu)化.計算機智能控制技術(shù)的迅猛發(fā)展,為解決復雜非線性動態(tài)系統(tǒng)的優(yōu)化問題提供了新思路,例如,自適應(yīng)動態(tài)規(guī)劃(Adaptive dynamic programming,ADP)算法采用自學習優(yōu)化的方式,通過系統(tǒng)從環(huán)境到行為映射的學習實現(xiàn)目標的函數(shù)值最大[227],成為了一類解決復雜系統(tǒng)優(yōu)化控制的有力工具.但是,很多復雜系統(tǒng)的整體行為無法通過對其部分行為的獨立分析完全確定,此時,ADP 等控制方法便無法取得良好的效果[228],此外,ADP 等智能控制方法一般要求系統(tǒng)數(shù)據(jù)的完備性,否則便無法獲得全局最優(yōu).

為了彌補以上不足,文獻[229?230]提出平行動態(tài)控制方法.其主要思想是,基于實際系統(tǒng)的信號,收集狀態(tài)?執(zhí)行?獎懲信號,建立人工系統(tǒng),產(chǎn)生人工數(shù)據(jù);基于不同的人工系統(tǒng)訓練多組優(yōu)化控制策略,并基于動態(tài)規(guī)劃的最優(yōu)性原理,訓練評判網(wǎng)絡(luò)對優(yōu)化策略進行評判,擇優(yōu)對實際系統(tǒng)進行控制和優(yōu)化.文獻[231]將平行控制方法應(yīng)用到柔性弦分布式參數(shù)系統(tǒng)的控制上,實現(xiàn)了數(shù)據(jù)驅(qū)動平行控制,取得了良好的效果.

2.2.5 平行測試

復雜的工業(yè)產(chǎn)品往往需要大量的驗證和測試才能保證其可靠性,以無人駕駛為例,Intel 的自動駕駛首席架構(gòu)師Jack Weast 曾指出,如果要達到無人駕駛安全上路的要求,大概需要進行300 億英里的道路測試,這十分不利于企業(yè)在激烈的行業(yè)競爭中取得優(yōu)勢.為了在保證系統(tǒng)魯棒性的同時提升系統(tǒng)測試和驗證的效率,一些研究[232]提出了以計算機仿真技術(shù)為基礎(chǔ)的虛擬測試技術(shù),使測試系統(tǒng)能夠在短時間內(nèi)處理數(shù)千個任務(wù)的定量測試.但是,基于仿真的測試高度依賴于人類專家們的知識來正確地設(shè)計場景,同時,通過仿真測試的某些場景也需要在現(xiàn)場測試中重新評估和驗證,以驗證測試系統(tǒng)的可靠性.為此,文獻[233]提出了一種人在回路的平行測試系統(tǒng),通過融合人類專家與計算機系統(tǒng)的優(yōu)勢[234?235],使系統(tǒng)具有在人類專家指導下自動升級的認知機制,同時引入對抗式學習模型,以自動生成新的任務(wù)實例,進一步提升其自動測試驗證能力.該系統(tǒng)成功應(yīng)用于中國智能汽車未來挑戰(zhàn)賽,為這一世界上規(guī)模最大、連續(xù)舉辦時間最長的自動駕駛比賽提供了有效的測試支持.

2.2.6 小結(jié)

平行系統(tǒng)的各項技術(shù)并不是彼此割裂的,而是彼此關(guān)聯(lián)、互相補充,例如,平行學習可以基于多種數(shù)據(jù)分析和學習的方法進一步提升平行感知任務(wù)的準確度和效率;平行控制和平行測試的反饋結(jié)果可以為平行感知、平行學習、平行區(qū)塊鏈的建模優(yōu)化提供參考.

2.3 平行系統(tǒng)平臺架構(gòu)

平行系統(tǒng)平臺的基本要素如圖4 中的平臺層所示[175],主要由底層要素庫和上層應(yīng)用組件組成.要素庫包含模型庫、本體庫、機制庫、策略庫、場景庫、算法庫、合約庫和知識庫,通過合理組裝各類要素實例化一個完整的平行系統(tǒng).其中,模型庫存儲系統(tǒng)建模使用過的所有模型,例如智能體模型、網(wǎng)絡(luò)模型;本體庫存儲潛在應(yīng)用領(lǐng)域的領(lǐng)域本體,以增強各智能體交互的語義互操作性;機制庫存儲智能體的交互協(xié)議;策略庫存儲智能體的典型策略和行為模式;場景庫存儲平臺預(yù)定義的場景和參數(shù);合約庫存儲平行區(qū)塊鏈的各類智能合約;算法庫存儲典型的算法;知識庫存儲系統(tǒng)運行中獲得的管控策略和場景?應(yīng)對規(guī)則.上層應(yīng)用組件包括多智能體平臺組件、場景發(fā)生器、共識驅(qū)動引擎、算法分析工具和大規(guī)?？梢暬ぞ叩?多智能體平臺組件主要實現(xiàn)自底向上多智能體建模,為系統(tǒng)提供個體行為、通信協(xié)議和交互機制建模支持.多智能體平臺組件遵循FIPA (Foundation for intelligent physical agents)[236]智能體建模規(guī)范,由智能體管理機構(gòu)、目錄服務(wù)器和智能體組件構(gòu)成,并統(tǒng)一描述內(nèi)部消息傳輸和內(nèi)容語言的語法和語義.場景發(fā)生器能夠從場景庫動態(tài)提取和配置計算實驗場景,并通過合適的機制、策略將其實例化.共識驅(qū)動引擎在人工場景的基礎(chǔ)上完成計算實驗,并根據(jù)實驗結(jié)果更新各個要素庫.算法分析工具通過實時采集實驗過程數(shù)據(jù)并對其進行分析,尋找實現(xiàn)系統(tǒng)目標的優(yōu)化策略.可視化工具通過動態(tài)實時的人機交互界面,以多種形式呈現(xiàn)計算實驗過程.

文獻[207]提出針對平行機器人系統(tǒng)的計算實驗平臺框架,主要由實驗設(shè)計、動態(tài)仿真、學習優(yōu)化、實驗評估和數(shù)據(jù)中心組成.文獻[188]將該框架進一步細化,設(shè)計了計算實驗平臺完整的組成框架和數(shù)據(jù)流程.首先,實驗設(shè)計模塊通過解析物理傳感信號和社會傳感信號分析物理系統(tǒng)參數(shù)和系統(tǒng)需求,進一步通過智能規(guī)劃和專家系統(tǒng)等方法自動生成人工系統(tǒng)智能體的行為和交互規(guī)則,進而生成計算實驗方案;接著,動態(tài)仿真模塊對智能體組成的實驗場景進行模擬和演化[237],生成完備的人工系統(tǒng)數(shù)據(jù);學習優(yōu)化模塊基于深度學習、強化學習等方法對實驗數(shù)據(jù)進行分析和學習,自動生成針對具體任務(wù)、具體場景的系統(tǒng)控制方案;分析評估模塊對計算實驗過程進行檢查,并從方案中評估產(chǎn)生最佳的系統(tǒng)運行方案;最后,將通過評估的場景、參數(shù)和相應(yīng)的控制方案保存到數(shù)據(jù)中心備用.

2.4 平行系統(tǒng)典型應(yīng)用

ACP 方法是一套針對復雜CPSS 的普適性方法,近年來得到了廣泛的關(guān)注和研究,被應(yīng)用到交通、醫(yī)療、自動駕駛、軍事、化工等科學和工程問題.

2.4.1 平行交通

平行系統(tǒng)技術(shù)最早被用于智能交通領(lǐng)域,在城市交通、軌道交通等領(lǐng)域得到了廣泛應(yīng)用并取得了良好的社會與經(jīng)濟效應(yīng).交通系統(tǒng)包含了駕駛員的動態(tài)變化性和社會性[238],同時具有一定的物理和社會過程,是一個典型的CPSS[239].交通系統(tǒng)的控制與管理面臨著三大問題:1)數(shù)據(jù)不足,交通數(shù)據(jù)難以體系化獲得且往往質(zhì)量較差[192,240?241];2)難以實驗,實際實驗往往成本很高且危險性較大;3)開放環(huán)境,傳統(tǒng)方法幾乎都使用已有的數(shù)據(jù)進行推理、決策,執(zhí)果索因,無法全面解析問題的本質(zhì),難以從根本上解決交通問題.

平行交通通過人工交通系統(tǒng)構(gòu)建交通的“社會實驗室”,基于計算實驗分析各種可能的交通行為和現(xiàn)象,分析各種情況的原因和控制方案,通過平行執(zhí)行將分析結(jié)果應(yīng)用到實際系統(tǒng)中,以優(yōu)化實際的交通系統(tǒng)[242?243].典型的案例如中國科學院自動化研究所2010 年自主研發(fā)的平行交通管理系統(tǒng)PtMS[186],該系統(tǒng)由實際交通系統(tǒng)、人工交通系統(tǒng)、交通管理員培訓系統(tǒng)、決策評估和驗證系統(tǒng)及交通感知、管理與控制系統(tǒng)五部分組成.通過人工交通系統(tǒng)與實際交通系統(tǒng)的虛實交互、協(xié)同進化,可以實現(xiàn)交通管理訓練、驗證及控制等功能.該系統(tǒng)在江蘇太倉、廣州亞運會和山東青島[187]等地得到了應(yīng)用,取得了良好的效果,為智能交通管控提供了新思路.

2.4.2 平行醫(yī)療

針對傳統(tǒng)醫(yī)療方法效率低、過分依賴醫(yī)生經(jīng)驗及AI 輔助診療樣本不足、個性化定制差等問題,可以將平行系統(tǒng)應(yīng)用到醫(yī)療中,構(gòu)建人工診療系統(tǒng)模擬和表示實際診療系統(tǒng),運用計算實驗進行各種診療模型的訓練與評估,基于人工診療系統(tǒng)生成的完備大數(shù)據(jù)學習各種罕見病例的知識經(jīng)驗,借助平行執(zhí)行對實際診療系統(tǒng)進行管理決策與實時優(yōu)化,幫助醫(yī)生減少誤診誤治,提高效率,提升水平,同時也能幫助患者做好慢病管理，遠離疾病,實現(xiàn)診療過程的自動化與智能化.

平行醫(yī)療的典型案例包括平行眼[189]、平行手術(shù)[190]、平行高特[153]、平行皮膚[244]等,相關(guān)疾病常伴發(fā)其他慢性疾病并相互影響,其治療需要綜合考慮各個疾病之間的相互影響,同時還需要加強對病人的教育,養(yǎng)治結(jié)合,才能達到更好的治療效果,因此,其診療系統(tǒng)也是一類復雜的社會系統(tǒng).平行醫(yī)療系統(tǒng)引入CPSS[245],通過研究診療系統(tǒng)這一社會系統(tǒng)與物理系統(tǒng)、信息系統(tǒng)之間的交互作用,利用信息系統(tǒng)中無限的數(shù)據(jù)和信息資源[246],突破物理系統(tǒng)資源有限的約束和時空的限制,達到更好的診療效果.

2.4.3 平行自動駕駛

近年來,隨著環(huán)境感知、決策與規(guī)劃、控制與執(zhí)行、高精度地圖和實時定位等技術(shù)的發(fā)展,自動駕駛技術(shù)呈現(xiàn)高速發(fā)展的態(tài)勢,成為全世界汽車產(chǎn)業(yè)的最新發(fā)展方向.但是,自動駕駛技術(shù)雖然取得了很大的進步,卻仍然面臨著很多挑戰(zhàn).例如,在感知上,復雜地形、復雜天氣、復雜道路交通環(huán)境條件下,要實現(xiàn)快速、準確、可靠的環(huán)境感知,仍然十分困難;在決策上,基于規(guī)則的行為決策簡單,但靈活性不足,端到端的深度神經(jīng)網(wǎng)絡(luò)則很難在參數(shù)調(diào)整之上的邏輯層面改善系統(tǒng)性能[247?248];此外,如何將人類駕駛員的駕駛經(jīng)驗與知識同自動駕駛車輛強大的感知與運算能力相結(jié)合[249?250],將是未來一段時間內(nèi)自動駕駛研究的熱點和難點.

文獻[251]提出了一種兼具運營管理、在線狀態(tài)監(jiān)測、應(yīng)急駕駛安全接管等功能的平行駕駛集成解決方案,是ACP 方法在云端化網(wǎng)聯(lián)自動駕駛領(lǐng)域的典型應(yīng)用.平行駕駛系統(tǒng)由描述車、預(yù)測車、引導車和真實車數(shù)字四胞胎組成,其中,描述車主要通過形式化方式描述自動駕駛車輛的行為和交通環(huán)境的特征,以構(gòu)建虛擬車輛和環(huán)境模型[252];預(yù)測車通過大量的計算實驗,對復雜行車環(huán)境下的行車方案進行試錯、預(yù)測與優(yōu)化[253];引導車通過信息?物理車輛之間的虛實交互[254],引導真實車安全行駛.近年來,平行駕駛技術(shù)已經(jīng)在無人礦山運營和智慧物流車等領(lǐng)域?qū)崿F(xiàn)了成功應(yīng)用.

2.4.4 平行軍事

隨著科學技術(shù)和軍事理論的發(fā)展,聯(lián)合物理域、網(wǎng)絡(luò)域與感知域的跨域作戰(zhàn)成為現(xiàn)實,其主要表現(xiàn)是以常規(guī)武器為核心的“明戰(zhàn)”、以網(wǎng)絡(luò)武器為主導的“暗戰(zhàn)”、及以社會媒體為手段的“觀戰(zhàn)”的有機戰(zhàn)略組合.如何結(jié)合明戰(zhàn)、暗戰(zhàn)、觀戰(zhàn)等形式[255?256],以實時和常態(tài)化的方式綜合在物理域、網(wǎng)絡(luò)域、感知域[257?258]中的軍事行動,是國防建設(shè)的重要任務(wù).未來,必須要建設(shè)面向社會物理信息系統(tǒng)的軍事體系,以應(yīng)對更加復雜的戰(zhàn)爭需要.

文獻[259]基于ACP 方法提出一種平行軍事體系,該體系是一種面向網(wǎng)絡(luò)化、大數(shù)據(jù),以深度計算為主要手段的管理與控制復雜軍事過程與系統(tǒng)的方法.平行軍事體系由實際軍事組織及系統(tǒng)和相應(yīng)人工軍事組織及系統(tǒng)組成,其特點是以數(shù)據(jù)為驅(qū)動,通過實際軍事組織及系統(tǒng)的數(shù)據(jù)構(gòu)建人工軍事組織及系統(tǒng),在此基礎(chǔ)上,利用計算實驗對各類復雜軍事問題、行為及決策不斷進行分析、預(yù)測和評估,提升作戰(zhàn)能力與軍事水平[260],最后,通過實際與人工虛實互動的執(zhí)行方式來完成特定軍事任務(wù)及目標.在平行軍事的體系下,文獻[261?264]提出了平行航母和平行坦克的指揮與控制架構(gòu),通過相應(yīng)作戰(zhàn)裝備的人工系統(tǒng)與實際系統(tǒng)的虛實互動,提升其作戰(zhàn)水平和智能化水平.

2.4.5 平行化工

石油化工是整個國民經(jīng)濟的血液,石化生產(chǎn)加工的長周期管理是一項復雜的系統(tǒng)工程,涉及社會復雜性(管理、人員)和工程復雜性(設(shè)備、工藝),干擾因素眾多(電力、蒸汽、地震、事故等).傳統(tǒng)控制的研究重點主要是生產(chǎn)設(shè)備和工藝參數(shù),比如溫度、壓力、液位等參數(shù)的定量閉環(huán)控制.而實際需要研究的范圍,還需要包括整個生產(chǎn)過程、生產(chǎn)工廠等復雜工程對象的建模、控制與優(yōu)化,以及人、環(huán)境等社會對象的建模與控制.據(jù)統(tǒng)計,生產(chǎn)事故大多數(shù)是人為原因造成的.正說明研究社會物理信息系統(tǒng)控制與管理的重要性.

文獻[265]針對乙烯生產(chǎn)系統(tǒng)的長周期生產(chǎn)管理,開發(fā)了乙烯生產(chǎn)的平行管理系統(tǒng).該系統(tǒng)基于語言動力學方法量化生產(chǎn)管理制度,基于多智能體方法建模人員及其組織,基于物理機理建模生產(chǎn)設(shè)備,進而建立完整的乙烯生產(chǎn)管理人工系統(tǒng),對生產(chǎn)過程中的不同要素之間的交互進行量化描述,形成對復雜生產(chǎn)過程的模擬.接著,通過計算實驗對多種不同控制目標、不同控制場景尋找到有效的建模和控制方法,并通過逐步精細化的場景數(shù)據(jù)和控制目標,實現(xiàn)對更精細場景的控制.最后,通過實際系統(tǒng)和人工系統(tǒng)的“虛實互動”、“滾動優(yōu)化”,實現(xiàn)動態(tài)復雜生產(chǎn)系統(tǒng)的有效控制.該系統(tǒng)在齊魯石化、茂名石化等化工企業(yè)得到了有效應(yīng)用,取得了良好的經(jīng)濟效益.

2.4.6 其他研究

除上述研究方向外,平行系統(tǒng)還在物流[266?267]、情報[268]、能源[268?270]、安防[271?273]、農(nóng)業(yè)[274?277]等領(lǐng)域獲得了廣泛研究和應(yīng)用.

3 數(shù)字孿生與平行系統(tǒng)的異同

平行系統(tǒng)和數(shù)字孿生技術(shù)的提出和發(fā)展具有相似的技術(shù)背景,都是伴隨著物聯(lián)網(wǎng)、新一代人工智能等技術(shù)的發(fā)展而逐步引起重視的.一方面,高精度傳感器、高速通信和物聯(lián)網(wǎng)等技術(shù)的發(fā)展使虛擬模型和物理實體之間的實時交互成為可能;另一方面,大數(shù)據(jù)、機器學習等技術(shù)的發(fā)展和推廣使數(shù)據(jù)的價值得以凸顯.兩者的主要思路都是以數(shù)據(jù)驅(qū)動,構(gòu)建與物理實體相對應(yīng)的虛擬系統(tǒng),通過在虛擬系統(tǒng)上進行實驗、分析,解析并優(yōu)化控制難以用數(shù)理模型分析的復雜系統(tǒng).但是,數(shù)字孿生與平行系統(tǒng)是兩類不同的原創(chuàng)范式,在核心思想、研究對象、架構(gòu)和實現(xiàn)方法等方面都存在一定的區(qū)別.

1)數(shù)字孿生與平行系統(tǒng)的哲學基礎(chǔ)不同,數(shù)字孿生屬于還原論或舊唯物主義的反映論,其孿生系統(tǒng)是相應(yīng)物理系統(tǒng)直接、機械、被動和鏡像式的反映,是相應(yīng)物理系統(tǒng)的依附,不具獨立性;平行系統(tǒng)屬于能動、整體和辯證式的認識論,其人工系統(tǒng)并不要求與相應(yīng)的物理系統(tǒng)完全一致,因而具有一定的平行性或獨立性.平行系統(tǒng)將物理系統(tǒng)視為與環(huán)境交互的系統(tǒng),且其運行目標和效用是受社會資源約束的系統(tǒng);平行系統(tǒng)強調(diào)人在系統(tǒng)中的作用,強調(diào)融合了人的意圖的虛擬系統(tǒng)對物理系統(tǒng)的引導,目的是使物理系統(tǒng)在構(gòu)成和運行方面達到某種進化.

2)數(shù)字孿生與平行系統(tǒng)的研究對象不同,數(shù)字孿生研究的是由信息空間和物理空間組成的CPS,而平行系統(tǒng)主要針對社會網(wǎng)絡(luò)、信息資源和物理空間深度融合的CPSS.數(shù)字孿生基于實時傳感數(shù)據(jù)連接物理世界和數(shù)字化虛擬世界,實現(xiàn)在虛擬空間實時監(jiān)控與同步物理世界的活動,幫助實現(xiàn)大型工程系統(tǒng)的實時感知、動態(tài)控制和信息服務(wù),是實現(xiàn)信息和物理空間融合的CPS 的有效途徑[278?280].數(shù)字孿生的“物理實體?虛擬模型?孿生數(shù)據(jù)?應(yīng)用服務(wù)”多元多層映射機制為實現(xiàn)“物理融合、模型融合、數(shù)據(jù)融合、服務(wù)融合”四個維度的信息物理融合提供了有效支持,同時,CPS 中機器、環(huán)境、信息等要素的相互映射、高效交互是物理要素的感知[281]、虛擬模型的構(gòu)建[282]、孿生數(shù)據(jù)的融合、虛實實時互動的基礎(chǔ).當前,隨著大數(shù)據(jù)和互聯(lián)網(wǎng)的深入發(fā)展,信息物理系統(tǒng)受社會因素的影響日益凸顯,人越來越多地嵌入在系統(tǒng)和信息之中[283?285].多數(shù)過程不再是物理實在的,而是人為規(guī)定的人工流程,預(yù)示著人工世界將成為人類現(xiàn)階段開發(fā)的重點[286],面向物理世界和網(wǎng)絡(luò)空間融合的CPSS 將成為未來的基礎(chǔ)設(shè)施[176].CPSS 中的信息包含物理系統(tǒng)數(shù)據(jù)、虛擬的人工系統(tǒng)數(shù)據(jù)、泛在社會大數(shù)據(jù)等[287].由于其復雜性,實際系統(tǒng)與模型行為之間的差別越來越大,以致形成“建模鴻溝”[182]的客觀現(xiàn)象.此時,動態(tài)仿真式的數(shù)字孿生控制不再適應(yīng),構(gòu)建人工系統(tǒng),通過虛擬和實際系統(tǒng)的平行運行,實現(xiàn)計算、物理和社會的動態(tài)交互、時空一致,處理不確定性,成為解決CPSS 問題的有效途徑.

3)數(shù)字孿生與平行系統(tǒng)的核心思想不同,數(shù)字孿生的核心思想是預(yù)測控制的“牛頓定律”,而平行系統(tǒng)則以引導型的“默頓定律”控制和優(yōu)化系統(tǒng).我們稱在給定當前系統(tǒng)狀態(tài)與控制的條件下,可以通過解析的方式求解下一時刻狀態(tài),從而精確預(yù)測其行為的系統(tǒng)為“牛頓系統(tǒng)”[288].CPS 是一類典型的牛頓系統(tǒng),在CPS 中,行為建模與目標建模是一致的:只要系統(tǒng)本身可控,可以通過分析其行為模型進行控制,達到系統(tǒng)目標.數(shù)字孿生建模CPS 的核心思想就是通過構(gòu)建實時動態(tài)數(shù)據(jù)驅(qū)動的仿真系統(tǒng)[289],輔助尋找控制系統(tǒng)行為的系統(tǒng)解析公式,據(jù)此直接設(shè)計相應(yīng)的控制方法,實現(xiàn)期望的目標.與“牛頓系統(tǒng)”相對應(yīng)的是系統(tǒng)行為能夠被“默頓定律”影響或引導的“默頓系統(tǒng)”.“默頓定律”是以社會學家默頓命名的,能夠引導系統(tǒng)行為的自我實現(xiàn)定律.在默頓系統(tǒng)中,由于各種不可預(yù)測或無法獲得的變量的存在,即使給定當前的系統(tǒng)狀態(tài)和控制條件,系統(tǒng)下一步的狀態(tài)也無法通過求解獲得,系統(tǒng)行為也難以準確預(yù)測.在CPSS 中,由于人與機器、系統(tǒng)、流程深度融合,并且人的行為具有動態(tài)性、自主性、突變性、高度復雜性等特點,系統(tǒng)更加不定、多樣、復雜,導致本質(zhì)上無法對其“行為模型”直接進行控制,只能間接影響.此時,數(shù)字孿生無法實現(xiàn)對CPSS 的有效管理與控制.平行系統(tǒng)ACP 方法為實現(xiàn)“默頓系統(tǒng)”提供了有效手段,它以實際系統(tǒng)的數(shù)據(jù)驅(qū)動,構(gòu)建虛擬的人工系統(tǒng),實現(xiàn)對復雜CPSS 的建模、描述[290?292],實現(xiàn)數(shù)據(jù)驅(qū)動的描述智能;以人工系統(tǒng)為“社會實驗室”,通過對多樣復雜場景的計算、訓練、評估,求解具體場景的優(yōu)化方案,實現(xiàn)實驗驅(qū)動的預(yù)測智能;通過實際系統(tǒng)與人工系統(tǒng)的虛實互動、交互反饋,形成自適應(yīng)優(yōu)化控制的平行系統(tǒng),實現(xiàn)虛實互動反饋的引導智能.

4)數(shù)字孿生與平行系統(tǒng)的基礎(chǔ)設(shè)施不同.數(shù)字孿生的基礎(chǔ)設(shè)施是數(shù)字雙胞胎,主要由物理實體和描述它的數(shù)字鏡像組成,數(shù)據(jù)是連通物理實體和數(shù)字鏡像的橋梁,以實現(xiàn)在虛擬空間中實時映射物理實體的行為和狀態(tài).而平行系統(tǒng)是由物理子系統(tǒng)、描述子系統(tǒng)、預(yù)測子系統(tǒng)、引導子系統(tǒng)構(gòu)成的數(shù)字四胞胎架構(gòu),其基礎(chǔ)架構(gòu)如圖7 所示.它通過計算實驗、平行執(zhí)行等手段,以虛擬的人工系統(tǒng)描述、預(yù)測、引導實際物理系統(tǒng),使物理系統(tǒng)自動逼近更優(yōu)的人工系統(tǒng),實現(xiàn)物理系統(tǒng)的自適應(yīng)優(yōu)化.

圖7 平行系統(tǒng)架構(gòu)Fig.7 The architecture of parallel systems

5)數(shù)字孿生與平行系統(tǒng)的實現(xiàn)技術(shù)方法不同.數(shù)字孿生主要基于物聯(lián)網(wǎng)傳感數(shù)據(jù)和仿真等手段構(gòu)建物理實體的數(shù)字鏡像[293?295],一個完整的數(shù)字孿生建模流程通常為:首先基于仿真建模工具構(gòu)建一個物理實體的數(shù)字模型,并且通過機器學習等方式分析實時傳感器數(shù)據(jù)和歷史數(shù)據(jù),進而不斷修正模型;接著,將模型中的信息和數(shù)據(jù)導入其他分析系統(tǒng),針對特定目標如壽命預(yù)測展開分析,并得出結(jié)論,雖然部分數(shù)字孿生模型提出了基于孿生數(shù)據(jù)自動優(yōu)化系統(tǒng)的方法,但是還未形成基于數(shù)字孿生自適應(yīng)優(yōu)化系統(tǒng)的標準范式;最后,通過應(yīng)用軟件或增強現(xiàn)實等工具將分析結(jié)果和系統(tǒng)狀態(tài)展示給用戶.而平行系統(tǒng)的人工系統(tǒng)是軟件定義的系統(tǒng),其主要建模方式是多智能體方法,將實際系統(tǒng)中的各要素建模為智能體,并基于實際系統(tǒng)的數(shù)據(jù)利用知識發(fā)現(xiàn)和知識工程獲得智能體的屬性和規(guī)則;接著,基于一定的目標生成大量的人工場景,運行產(chǎn)生大量數(shù)據(jù),再利用機器學習、數(shù)據(jù)挖掘等方法進行分析、預(yù)測、評估,獲得針對特定目標、特定場景的最優(yōu)控制方案;最后,通過平行執(zhí)行循環(huán)、在線地引導實際系統(tǒng)逼近人工系統(tǒng).在技術(shù)層面,數(shù)字孿生是數(shù)字仿真的一個自然進展,它的主旨要求是“孿”或“像(仿)”,它強調(diào)物理系統(tǒng)的相關(guān)數(shù)據(jù)全部、高精度獲取,系統(tǒng)或數(shù)據(jù)之間的關(guān)聯(lián)模型要盡可能精確并可靠.顯然,這在實際應(yīng)用中是難于做到的.平行系統(tǒng)并不過分強調(diào)“孿”或“像”,即不過分要求數(shù)據(jù)的完備性、準確性與可靠性,特別是環(huán)境數(shù)據(jù)和與效用相關(guān)的社會資源數(shù)據(jù),因為它可以生成環(huán)境(場景)和資源數(shù)據(jù),也可以做計算實驗,同時,并不過分要求模型的準確性,建模難度大大降低.

6)數(shù)字孿生與平行系統(tǒng)的功能不同,平行系統(tǒng)能夠?qū)崿F(xiàn)對復雜系統(tǒng)更優(yōu)的管理與控制.數(shù)字孿生本質(zhì)上是一種與實際系統(tǒng)實時動態(tài)數(shù)據(jù)交互的仿真系統(tǒng),通過在數(shù)字化空間構(gòu)建鏡像實體使物理實體的狀態(tài)可觀、可控.但是,它僅能依據(jù)物理實體的實際數(shù)據(jù)預(yù)測其未來的變化,或基于專家經(jīng)驗提出針對某一特定場景的優(yōu)化方案,無法評估多種方案、多種參數(shù)下的系統(tǒng)表現(xiàn),其優(yōu)化控制容易陷入局部最優(yōu).而平行系統(tǒng)的計算實驗可以基于人工系統(tǒng)生成大量場景,并在其中基于試錯實驗涌現(xiàn)分析出系統(tǒng)的全局最優(yōu)控制方案,自適應(yīng)地進行優(yōu)化控制.因此,數(shù)字孿生還停留在ACP 方法的第一階段和部分計算實驗階段[262],即只建立了描述型的人工系統(tǒng),并未充分利用其預(yù)測、引導結(jié)構(gòu).數(shù)字孿生可以視作平行系統(tǒng)的一種特例或子集,為特定的系統(tǒng)提供實時監(jiān)測和調(diào)整服務(wù)[269].

4 發(fā)展趨勢與展望

隨著工業(yè)大數(shù)據(jù)、人工智能、信息系統(tǒng)等技術(shù)的發(fā)展,智能設(shè)備、基礎(chǔ)設(shè)施等在更廣的范圍和更深的層次進行信息物理交互,形成了快速、高效、密集聯(lián)結(jié)的物聯(lián)社會[296];隨著智能移動設(shè)備人均保有量的提高、客戶與制造企業(yè)交互密度和深度的增加,人類社會的信息和特征越來越多地植入物聯(lián)社會,人與信息物理系統(tǒng)之間以共融、協(xié)同、主導、輔助、監(jiān)管等多種模式運行,人與信息物理系統(tǒng)深度融合,催生了CPSS;在工程領(lǐng)域,越來越多的系統(tǒng)引入了開放的軟件定義的系統(tǒng)接口實現(xiàn)系統(tǒng)功能的靈活重構(gòu),各種信息管理系統(tǒng)在各行業(yè)中起到了比物理硬件系統(tǒng)更加重要的作用,將知識自動化[288]和系統(tǒng)工程更加緊密地聯(lián)系起來,逐漸形成了直接面向智能的復雜知識聯(lián)結(jié)與知識協(xié)同的智聯(lián)網(wǎng)[297?298].因此,必須建立包含人機物在內(nèi)的智能實體之間知識層次的聯(lián)結(jié),實現(xiàn)從相對獨立的簡單知識系統(tǒng),向知識聯(lián)結(jié)的復雜知識系統(tǒng)的躍進;從以“牛頓定律”為指導的精確物質(zhì)系統(tǒng),向以“默頓定律”為代表的自由意志系統(tǒng)躍進[299?300].平行系統(tǒng)為知識虛擬空間和物理實在空間的管控提供了完整的理論框架,知識虛擬空間是對物理空間的反映、提取、總結(jié)和升華,同時,又反過來影響、誘導、管控物理空間,實現(xiàn)對信息系統(tǒng)的優(yōu)化及對智聯(lián)網(wǎng)的認知管控[301],更能夠滿足未來的需求.

CPSS 是典型的開放智能系統(tǒng),它應(yīng)當具有開放智能系統(tǒng)的典型精準特征:狀態(tài)感知、實時分析、自主決策、精準執(zhí)行和學習提升.然而,數(shù)字孿生建模復雜系統(tǒng)難以考慮開放環(huán)境的影響,它與環(huán)境的交互是單向的,其對于環(huán)境的感知始終落后于環(huán)境的變化.同時,數(shù)字孿生中人機信息物理交互比較原始,人員只能在物理空間,通過感官獲取設(shè)備的信息并對設(shè)備進行物理操作,人因的復雜性難以量化建模和分析,社會因素影響下的系統(tǒng)動態(tài)變化難以預(yù)測和有效管控.而在平行系統(tǒng)中,環(huán)境和人員都以智能體等方式建模到人工系統(tǒng)中,環(huán)境智能體的解析空間具有更強的開放性,而人員智能體與人相似,它將實際系統(tǒng)在人工系統(tǒng)的映射作為其內(nèi)在認知過程,通過不斷改變內(nèi)在認知信息系統(tǒng)對社會環(huán)境作出響應(yīng).平行系統(tǒng)在人工系統(tǒng)中構(gòu)建虛擬人,將人沉浸在虛擬空間與虛擬物和其他虛擬人進行信息交互,通過虛擬信息控制人的物理感受和行為,同時將虛擬空間構(gòu)造的物體映射于物理空間,在物理空間與智能體交互,進而通過智能體的物理操作改變物體的狀態(tài).因此,平行系統(tǒng)能夠全面考慮環(huán)境和人因,實現(xiàn)對復雜CPSS 更開放智能的管控.

因此,平行系統(tǒng)更能夠滿足未來的需求,并且,數(shù)字孿生的一些階段性應(yīng)用也已經(jīng)呈現(xiàn)出平行系統(tǒng)的部分特征.例如,文獻[28]提出一種數(shù)字孿生電廠智能管控模型,該模型融合感知數(shù)據(jù)和仿真數(shù)據(jù)驅(qū)動,基于統(tǒng)計分析和知識管理等手段挖掘電廠運行知識,為轉(zhuǎn)機在線精密診斷、地下管網(wǎng)可視化、發(fā)電機組安全管控等提供服務(wù).該模型進一步擴展了數(shù)字孿生知識提取和知識挖掘的方式,在應(yīng)用實現(xiàn)上更加接近于計算實驗的思想.平行系統(tǒng)為復雜系統(tǒng)的人機物綜合管理和智能控制提供了解決方案,在工業(yè)生產(chǎn)和社會系統(tǒng)管理等應(yīng)用層面展現(xiàn)了良好的發(fā)展趨勢.同時,鑒于平行系統(tǒng)與數(shù)字孿生在技術(shù)背景和核心理念上較高的相似性,數(shù)字孿生技術(shù)迅速發(fā)展起來的工具、方法和編程語言等也可被平行系統(tǒng)采納或借用,進一步推動其在技術(shù)和應(yīng)用上的發(fā)展成熟.

在產(chǎn)品研發(fā)方面,平行系統(tǒng)能夠利用人工系統(tǒng),實現(xiàn)多種產(chǎn)品設(shè)計方案的推演和評估,在產(chǎn)品開發(fā)過程中及時發(fā)現(xiàn)產(chǎn)品設(shè)計、生產(chǎn)的缺陷,實現(xiàn)產(chǎn)品設(shè)計優(yōu)化;在生產(chǎn)制造中,通過構(gòu)建工廠級別的設(shè)備集群平行系統(tǒng),不僅能夠?qū)崿F(xiàn)產(chǎn)品全生產(chǎn)過程的實時監(jiān)控、遠程控制,還能夠自主優(yōu)化產(chǎn)品生產(chǎn)過程,實現(xiàn)人員與資源的最優(yōu)組合,進一步提升生產(chǎn)效率;在產(chǎn)品運維方向,平行系統(tǒng)不僅能夠?qū)崿F(xiàn)產(chǎn)品運行維護,還能演化產(chǎn)生針對產(chǎn)品多種可能狀況的維修方案;在社會系統(tǒng)管理上,以不同領(lǐng)域知識為基礎(chǔ)構(gòu)建人工社會,根據(jù)實際社會系統(tǒng)情況設(shè)計人工場景并觀測檢驗人工社會發(fā)展狀況,同時考慮人工系統(tǒng)與實際社會組織之間的虛實互動和反饋執(zhí)行,能夠為管理者提供決策依據(jù),實現(xiàn)智慧化的社會系統(tǒng).

目前,平行系統(tǒng)的研究和應(yīng)用處于初級階段,在工業(yè)應(yīng)用方面仍然存在許多挑戰(zhàn),如人工系統(tǒng)建模、數(shù)據(jù)分析、實時虛實交互、信息安全和隱私保護等.1)人工系統(tǒng)建模.基礎(chǔ)多智能體模型是構(gòu)建平行系統(tǒng)的模型準備,當前,多數(shù)傳統(tǒng)行業(yè)的基礎(chǔ)模型設(shè)計程度仍然不高,很多行業(yè)數(shù)字化設(shè)計水平較低,缺乏一種專有范式將物理系統(tǒng)的工程數(shù)據(jù)與模型進行整合,缺乏支撐人工系統(tǒng)構(gòu)建所需的基礎(chǔ)數(shù)學模型、仿真模型[302].此外,CPSS 中人及其社會屬性的建模[271]比較困難.社會傳感信號[303]是實施有效的社會管理,系統(tǒng)地分析人及其社會屬性的基礎(chǔ),但是,相比于物理信號,社會信號的處理與分析有待系統(tǒng)化的研究與發(fā)展[304].2)數(shù)據(jù)分析.人工系統(tǒng)和實際系統(tǒng)組成的實驗數(shù)據(jù)具有多模態(tài)、高重復性和海量等特征,怎樣開展高效、精確的大數(shù)據(jù)分析,避免實時數(shù)據(jù)對歷史數(shù)據(jù)的覆蓋,實現(xiàn)知識的高效管理、智能分析和可靠決策,是一個需要進一步改進的問題.3)實時平行執(zhí)行.高實時性的虛實交互、在線反饋是平行執(zhí)行的基礎(chǔ),是平行系統(tǒng)循環(huán)、在線優(yōu)化系統(tǒng)的基礎(chǔ).平行執(zhí)行中高實時性的數(shù)據(jù)交互,主要涉及系統(tǒng)運行時的實時數(shù)據(jù)采集與監(jiān)控、計算實驗對系統(tǒng)控制方案的實時預(yù)測與評估、人工系統(tǒng)根據(jù)計算實驗結(jié)果對實際系統(tǒng)的實時行為控制,以及對應(yīng)的數(shù)據(jù)可視化.目前,平行執(zhí)行還沒有標準的方法或接口,如何使系統(tǒng)方案實時可視化地運行到實際系統(tǒng)上,是平行系統(tǒng)的關(guān)鍵問題之一.4)數(shù)據(jù)安全和隱私保護.平行系統(tǒng)擁有整個被控系統(tǒng)的所有核心數(shù)據(jù),系統(tǒng)平臺和數(shù)據(jù)極易被攻擊和竊取,因此,數(shù)據(jù)安全和隱私保護不是平行系統(tǒng)的附加功能,必須得到很好的研究和整合.

5 結(jié)語

數(shù)字孿生和平行系統(tǒng)是實現(xiàn)CPS 和CPSS 的代表性解決方案,是復雜系統(tǒng)智能管理與控制的有效手段,近年來引起了廣泛的關(guān)注和研究.數(shù)字孿生與平行系統(tǒng)利用虛擬模型研究復雜的物理系統(tǒng),尋找和發(fā)現(xiàn)更好地控制系統(tǒng)的方案.本文首先總結(jié)了數(shù)字孿生和平行系統(tǒng)的思想內(nèi)涵、體系架構(gòu)及其在理論研究和應(yīng)用上的進展,對比分析了兩者在研究對象、核心思想、具體架構(gòu)、實現(xiàn)方法和主要功能等方面的不同,分析和探討了當前數(shù)字孿生和平行系統(tǒng)發(fā)展的趨勢,以期為相關(guān)領(lǐng)域?qū)W者提供一定的參考和借鑒.

數(shù)字孿生通過在信息空間構(gòu)建物理實體的數(shù)字鏡像,使難以建模的復雜物理系統(tǒng)可視化,進而為復雜物理系統(tǒng)的控制與優(yōu)化參考.平行系統(tǒng)不僅可以通過虛擬的人工系統(tǒng)描述實際的物理系統(tǒng),而且可以通過計算實驗?zāi)M、訓練和優(yōu)化大量不同人、機、物組合的人工系統(tǒng)模型及其運行數(shù)據(jù),生成針對不同系統(tǒng)場景下的最優(yōu)控制方案,并可通過人工系統(tǒng)與實際系統(tǒng)之間的虛實交互、平行執(zhí)行引導實際系統(tǒng)自適應(yīng)優(yōu)化,因此更加智能.平行系統(tǒng)技術(shù)為包含社會復雜性和工程復雜性的復雜CPSS 的管理與控制提供了最佳解決范式,必將成為未來智能制造、智能管理等領(lǐng)域的重要發(fā)展方向.