000011 范围
本文件描述了数字孪生系统中数字实体的构成要素，规定了数字实体的构建过程和数字实体管理等相关要求。
本文件适用于数字孪生技术或相关产品的研发和应用。
000012 规范性引用文件
下列文件中的内容通过文中的规范性引用而构成本文件必不可少的条款。其中，注日期的引用文件，仅该日期对应的版本适用于本文件；不注日期的引用文件，其最新版本（包括所有的修改单）适用于本文件。
- GB/T 43441.1—2023 信息技术 数字孪生 第1部分：通用要求
- GB/T 7027—2002 信息分类和编码的基本原则与方法
- GB/T 38674—2020 信息安全技术 应用软件安全编程指南
000013 术语和定义
GB/T 43441.1—2023界定的以及下列术语和定义适用于本文件。
000013.1 数字模型 digital model
通过对目标实体的内外部特征、行为规律、关联关系等要素进行数字化映射，形成的与目标实体相对应的数字化抽象描述。
注：数字模型包括几何模型（3.3）、物理模型（3.4）、行为模型（3.5）和规则模型（3.6）。
000013.2 孪生数据 twin data
记录目标实体各类相关信息的数值。
注：孪生数据包含本体数据（3.7）、规则数据（3.8）和衍生数据（3.9）。
000013.3 几何模型 geometric model
对于目标实体的外形特征、内部结构、空间位置及其拓扑关系的数字化抽象描述。
000013.4 物理模型 physical model
对于目标实体的自有属性和运行机理的数字化抽象描述。
000013.5 行为模型 behavior model
对于目标实体的状态转移、属性变化和响应机制的数字化抽象描述。
000013.6 规则模型 rule model
对于目标实体的相关规律、准则和约束的数字化抽象描述。
注：涉及约束规则、关联规则、推演规则等规则。
000013.7 本体数据 ontology data
记录目标实体的几何特征、自有属性以及相关约束等相关信息的数值。
注：主要包括标识、尺寸、颜色、形状、材料、精度、能量、参数、拓扑、衔接关系、时间等相关信息。
000013.8 规则数据 rule data
记录目标实体在物理空间应符合的运行规律等相关信息的数值。
注：主要包括知识、规定、流程、策略、方法、经验等相关信息。
000013.9 衍生数据 derived data
记录本体数据和规则数据处理过程，以及记录模型构建并进行验证修正及迭代优化过程等相关信息的数值。
000014 缩略语
CAD：计算机辅助设计（Computer Aided Design）
CAE：计算机辅助工程（Computer Aided Engineering）
CAM：计算机辅助制造（Computer Aided Manufacturing）
BIM：建筑信息模型（Building Information Model/Modeling）
GIS：地理信息系统（Geographic Information System）
000015 构成要素
000015.1 概述
数字实体是对目标实体的数字化映射，用于支撑数字孪生系统服务应用的实现。数字实体由数字模型和孪生数据两部分构成。通过对数字实体有关接口的调用，数字孪生系统可以完成相应的服务应用。
孪生数据可分为本体数据、规则数据和衍生数据。其中，规则数据和衍生数据依赖于本体数据提供的目标实体的基本信息。通过规则数据，可以明确目标实体运行的准则、约束等内容。
数字孪生系统在服务应用过程中，孪生数据中的本体数据和规则数据通过合适的方式（如使用数据加载器进行批量处理）被加载到数字模型中，从而形成与目标实体同步映射的数字实体。
数字实体在构建和运行过程中，对本体数据和规则数据的收集、清洗、转换、存储等操作产生的数据，以及对数字模型进行性能评估等验证修正及迭代优化操作产生的数据，共同构成了衍生数据。衍生数据可以反馈优化本体数据和规则数据。结合衍生数据、本体数据和规则数据，数字实体可对数字模型的参数进行动态迭代更新，实现数字实体自身的优化。
数字实体的主要构成要素如图1所示。
图1 数字实体的主要构成要素
000015.2 数字模型
000015.2.1 几何模型
几何模型通常被表达为描述目标实体的外部形状、内部结构、尺寸、空间位置和拓扑关系等的二维或三维实体模型的形式。
几何模型的细节级别通常根据应用需求确定，可以通过模型参数的修改从而实现对配置进行变更，兼容各种工业软件的格式类型，如CAD、CAE、CAM、BIM、GIS等。
000015.2.2 物理模型
物理模型通常基于物理、化学等基础科学原理和定律进行构建，能够反映目标实体的工作原理和内在机制。
物理模型主要包括运动学模型、动力学模型、有限元分析模型、化学反应模型、流体力学模型、过程映射模型、运筹优化模型等。
000015.2.3 行为模型
在外部环境和内部运行机制共同作用下，目标实体产生状态转移、属性变化、响应机制等对应行为。行为模型是对这些行为的抽象描述，通常包括目标实体随时间运行的行为、性能退化等内容。
行为模型的创建方法包括实体流图、有限状态机、马尔科夫链等。
行为模型的细节级别通常根据目标实体的故障诊断、预测性维护、性能优化等应用需求进行确定。
000015.2.4 规则模型
基于本体数据和规则数据，通过特定的建模方法，如使用决策树、关联规则挖掘等机器学习算法，可以从法律法规、技术标准、知识经验、操作规程、历史数据或预定义策略中提取出规则条目，从而形成规则模型。
规则模型通常具有指令驱动、事件触发、状态触发、时间触发、领域限制、场景限制等触发条件或约束条件。
000015.3 孪生数据
000015.3.1 本体数据
本体数据是数字实体对目标实体自身的几何、物理、行为和规则的实际状态的感知测量结果记录，为数字实体的建立和更新提供基础记录。在此过程中，本体数据能够及时响应目标实体的动态变化，并根据目标实体的特性变化或功能扩展进行动态调整。
000015.3.2 规则数据
规则数据是数字实体对目标实体的几何约束、运行规律、行为规范、控制过程等的感知测量结果记录，记录目标实体的运行过程和行为边界。在数字实体的建立和更新过程中，规则数据可以提供知识、规范、流程、策略、方法、经验等数值记录。
000015.3.3 衍生数据
衍生数据一方面来自于处理本体数据和规则数据过程的记录，如对本体数据的收集、清洗、转换、存储等操作产生的数据；另一方面来自于对数字实体尤其是模型构建并进行验证和修正及迭代优化过程的记录，如对数字模型进行性能评估等操作产生的数据。
000016 构建过程
000016.1 概述
数字实体的构建过程可分为需求分析、数据准备、单元模型构建、复杂模型组装、数字实体验证、数字实体修正等技术环节，具体内容如下：
1) 需求分析：明确数字孪生的目标、功能需求、性能指标及约束条件，为后续数据准备、建模与组装提供指导依据；
2) 数据准备：涉及对目标实体相关数据的采集、标注、集成和融合等，通过采用合适的数据质量控制措施和方法，保证数据的准确性、完整性和一致性，为建模与组装提供数据基础；
3) 单元模型构建：针对目标实体的各物理单元对象，根据实际服务应用需求，选择合适的建模方法和技术，将准备好的数据转化为数字模型，从几何特性、物理特征和演化规律等多维度和热学、力学等多领域的角度，精准构建目标实体各基本单元模型；
4) 复杂模型组装：在空间维度和多学科领域上，将基本单元模型组装并融合为系统级模型，再进一步组装并融合为复杂系统级模型，从而形成完整的数字实体，使其准确反映目标实体的结构、行为和状态；
5) 数字实体验证：针对不同的服务应用需求，检验数字实体的输出与其对应的目标实体物理对象的输出是否存在差异，以确保模型和数据的正确性和有效性；
6) 数字实体修正：当数字实体验证中的验证结果与目标实体的物理对象存在一定偏差，不能满足服务应用需求时,需对模型参数进行修正，使数字实体更加逼近物理对象的实际状态或特征。
000016.2 需求分析
000016.2.1 信息收集范围
关于需求信息的收集范围，要求如下：
a) 应覆盖数字孪生系统应用服务的目的和类型，涉及目标实体类型、应用场景和预期目标等方面；
b) 应覆盖数字孪生系统应用服务的系统用户、开发者、维护人员等利益相关者；
c) 应覆盖与目标实体的物理特性和运行机理相关的数据；
d) 应覆盖需要建模的关键物理系统和组件的相关文档。
000016.2.2 需求分析内容
关于需求分析的主要内容，要求如下：
a) 应包括数据收集、状态监测、预测分析等数字实体的主要功能需求；
b) 应包括响应时间、数据处理速度、准确性等数字实体的主要性能需求；
c) 应包括数据安全、隐私保护和网络安全等方面的数字实体安全需求。
000016.3 数据准备
000016.3.1 数据采集
数据采集是通过各种传感器、监控设备、物联网设备、软件工具等软硬件设备，获取目标实体相关数据的过程。
数据采集的相关要求如下：
a) 应包括对设备参量、运行状态和环境参数等动态数据和静态数据的采集；
b) 所采集的数据与目标实体之间应具有明确的相关性，且能覆盖目标实体的典型特性；
c) 数据采集宜通过API接口读取静态数据、传感器获取动态数据、人工输入现场数据等技术手段；
d) 数据采集的频率应满足系统服务应用对于实时性或周期性分析的相关要求；
e) 数据来源应满足系统服务应用对于可靠性和合法性的相关要求。
000016.3.2 数据标注
数据标注是对数据进行筛选、清洗、分类、注释、标记和质量检验等加工处理的过程，可以为数字模型提供高质量的结构化数据，确保模型的准确性和可靠性。
数据标注的相关要求如下：
a) 应建立包括标签定义和分类方法的数据分类体系，数据资源编码原则应符合GB/T 7027-2002中4.1和4.2规定的信息分类和信息编码相关要求；
b) 应使用适当的数据标注工具，提高标注效率和质量；
c) 宜采取数据标注的相关质量控制措施，包括标注者培训、交叉验证等。
000016.3.3 数据集成
数据集成是将不同数据源（包括数据库、文件系统、传感器、Web 服务等多种形式）的不同格式或结构的数据整合到统一的数据模型或数据集内，形成一致的数据视图，使其便于被访问、管理和分析。
数据集成的相关要求如下：
a) 宜使用ETL工具从数据源中提取数据、进行转换，并加载到相应的数据库或数据仓库；
b) 应采用适当的数据转换方法，对提取的数据进行清洗、整合和格式化等操作；
c) 宜使用数据虚拟化技术创建虚拟层，使用户能够访问和查询多个数据源，不需实际移动数据；
d) 应使用流处理技术整合实时数据源，对数据流进行实时数据集成。
000016.3.4 数据融合
在数据集成的基础上，数据融合负责提取有价值的数据，进行综合分析和处理，可以提高数据的完整性、准确性和可用性，为数字孪生的后续建模和分析做好准备。
数据融合的相关要求如下：
a) 应支持对数据进行分析，提取数据特征，为模型中的算法选择提供基础；
b) 涉及多个数据库中的表格数据或关系型数据等结构化数据，宜使用主键和外键进行关联；
c) 对于包含标签、标记或标识符的半结构化数据（如XML或JSON等格式），宜使用标签或标识符进行融合；
d) 对于包含文本、图像或视频等的非结构化数据，宜使用自然语言处理或计算机视觉等技术进行处理和融合。
000016.3.5 质量控制
数据质量控制是通过采用保证数据质量的措施和方法,确保数据的可信度、可用性和完整性。
数据质量控制的相关要求如下：
a) 数据清洗应符合GB/T 38674-2002中5.1的相关要求，去除无效、错误或不完整的数据；
b) 为保证数据集内部的一致性，应对矛盾和异常数据进行及时处理；
c) 应对数据的完整性进行评估，及时补充缺失值或解释缺失原因。
000016.4 单元模型构建
对于较简单的目标实体基本单元级的模型对象，进行模型构建的相关要求如下：
a) 应根据需求分析，明确界定基本单元级数字模型的关键信息和约束条件；
b) 应根据实际需求和物理对象，选择合适的领域和维度，构建基本单元模型；
c) 在构建基本单元模型的过程中，宜使用模型参数化方法，便于调整和优化；
d) 构建的单元模型应保持与物理对象中对应模块或组件相一致的独立性，便于维护和升级；
e) 对于存在数据交互需求的基础单元模型，应规定明确的通信接口和数据格式。
000016.5 复杂模型组装
较复杂的目标实体系统级的模型对象，需进行模型组装与融合，相关要求如下：
a) 应明确复杂模型中基本组件之间的先序关系、包含关系、因果关系等关联关系；
b) 应建立复杂模型的层级关系，并明确模型的组装顺序；
c) 在组装过程中，应根据不同层级模型的空间约束关系差异，为其添加合适的空间约束条件；
d) 应根据构建的约束关系和模型组装顺序，实现复杂模型的组装；
e) 若空间维度的模型组装不能满足应用需求，应使用多学科多领域的方法对模型进行融合；
f) 模型融合时，应将多个或多种数字孪生模型基于关联关系整合成一个整体，即机理模型、模型数据、数据特征和基于模型的决策能够实现有效融合；
g) 模型融合时，应构建模型之间的耦合关系以及明确不同领域模型之间单向或双向的耦合方式。
000016.6 数字实体验证
模型构建和组装形成数字实体后，需进行验证以确保数字实体的正确性和有效性，相关要求如下：
a) 应明确数字实体的需求目标和预期结果，设定可验证的性能指标，如加载时间、吞吐量、资源消耗等；
b) 应首先对数字实体的基本单元模型进行验证，以确保其有效性；
c) 应在确保基本单元模型有效性和精准性的基础上，对组装或融合后的数字实体进一步验证；
d) 应将模型验证结果与预期目标进行比较，若满足需求才可进行应用；
e) 应对不同版本或配置的数字实体的性能进行评估和比较；
f) 宜具备数字验证工具，对复杂模型构成的数字实体进行综合验证，并支持跨平台验证环境。
000016.7 数字实体修正
数字实体的验证结果不能满足需求时，需对数字实体进行修正，相关要求如下：
a) 基于数字实体的全生命周期静态数据和模型运行过程的动态数据，应能够实现数字实体的自修正和自优化；
b) 修正后的数字实体应重新进行验证，不断迭代优化，直至满足数字孪生服务应用的需求；
c) 应选择合理的且数量适当的模型修正参数，设定合理的模型修正参数的上下限，以有效提高数字实体的模型修正效率；
d) 选择的模型修正参数与目标性能参数应具备较强的关联关系；
e) 确定模型修正参数后，应构建合理的目标函数，对选择的参数进行修正；
f) 应基于目标函数选择合适的方法，对模型修正参数进行迭代修正；
g) 宜通过版本控制，跟踪数字实体迭代优化的修正过程和结果，提升优化质量。
000017 数字实体管理
000017.1 概述
数字实体的管理主要涉及数字模型和孪生数据的存储、维护、备份和共享等操作过程。通过数字实体管理，能够方便存储和使用模型数据，提供安全可靠的数据备份和恢复等功能，实现数字实体的安全共享和多用户协作，优化数字孪生应用服务。
000017.2 管理机制
为了有效管理与维护数字实体，需要建立相应的模型数据管理机制，相关要求如下：
a) 应建立数据采集管理机制，确定需要采集的关键数据、采集频率和方法，确保数据采集的准确性和实时性；
b) 应建立数据处理管理机制，规范使用数据处理的流程和算法，对采集的数据进行清洗和分析，提取有价值的信息，用于模型的更新和修正；
c) 应建立监控机制，及时检测数字实体的性能指标和异常情况，并采取相应措施进行修复和优化；
d) 应建立版本管理和文档管理机制，确保数字实体的可追溯性和可复用性；
e) 应建立备份和恢复管理机制，避免意外情况造成模型数据的丢失和损坏；
f) 应建立更新管理机制，基于真实数据和实际观测结果，运用合适的算法进行参数调整和修正，确保模型的准确性和适用性；
g) 应建立优化管理机制，通过精简模型结构、改进算法和提高计算效率，对模型进行优化，提高模型的性能和应用效果。
000017.3 安全管理
数字实体在建模和应用的过程中，模型数据可能涉及商业机密、个人隐私等敏感信息，需要进行数据隐私和安全的保护，相关要求如下：
a) 应通过数据加密、设置访问权限、定期检查和更新安全系统等方式，防止未经授权的访问、篡改或数据泄露；
b) 数字实体在应用过程中涉及到的数据安全、网络安全等，应符合GB/T 43441.1-2023第8章的相关要求；
c) 应建立模型数据使用和共享的规范和约束，明确模型和数据的所有权和使用权，防止模型数据的泄露、滥用或不当使用。
参考文献
[1] ISO/IEC TR 30172:2023 Internet of things(loT) - Digital twin - Use cases
[2] ISO/IEC 30173:2023 Digital twin - Concepts and terminology
：二)
)
)
