依托中科院SAMP平台的数字孪生实验室模型设计与构建

马 跃,王春晓,尹震宇,李明时,王喆峰,柴安颖

(中国科学院大学,北京 100049)

(中国科学院 沈阳计算技术研究所,沈阳 110168)

1 引 言

随着大型仪器设备数量的快速增加及新型互联网、物联网等现代信息技术的飞速发展,越来越多的高校与科研院所开始运用现代信息技术和网络手段对大型仪器设备进行科学化、信息化的管理.目前从实验室仪器设备的管理、使用和维护方面可以将实验室的发展历程大概分为以下两个阶段:

第一阶段是传统实验室阶段.传统实验室阶段是以人工方式进行管理与维护,主要由实验室管理人员对实验原材料、实验设备及仪器设备使用情况进行手工管理的阶段.

第二阶段是实验室仪器设备共享阶段.随着计算机技术的发展以及仪器设备共享平台的出现,实验室开始由传统的人工管理方式向系统智能化管理方式转变,仪器设备逐步实现共享管理,提高了仪器设备的管理和使用效率,避免了仪器设备资源配置不均的问题.

为推动实验室大型仪器设备管理方式的改进,中国科学院根据国家建立的科技资源开放共享机制以及自身大型仪器设备管理方面的要求,建立了SAMP平台对仪器设备进行信息化管理,促进了科技资源开放和共享[1].但是目前依托于SAMP平台的实验室平台存在仪器设备故障无法主动预测,网络状态不稳定及不便于维护等问题.数字孪生技术的出现可以有效解决以上问题,该技术能够有效促进多源异构数据融合,从而推动实验室平台的数字化建设,以实现物理实验室与信息世界的交互融合.

2 数字孪生实验室体系架构

2.1 数字孪生技术与传统实验室的融合

数字孪生实验室通过运用数字孪生技术对实验室仪器设备等物理实体的外形、物理状态、运行状态以及特征数据等进行表达、描述及建模[2],进而建立包括物理实验室(Physical laboratory)、虚拟实验室(Virtual laboratory)、实验室孪生数据(Laboratory Digital Twin Data,LDTD)及数字孪生实验室服务平台(Digital Twin Laboratory Service Platform,DTLSP)四部分的数字孪生实验室.数字孪生实验室能够基于物联网对仪器设备的特征数据进行采集,有效预测仪器设备故障以及仪器设备生命周期等信息.依托中科院SAMP平台的数字孪生实验室模型主要针对实验室大型仪器设备、仪器设备管理单元、网络拓扑结构等进行建模,从实验室物理形态到内部运行状态进行全方位模型构建[3].

2.2 数字孪生实验室系统架构

依托中科院SAMP平台的数字孪生实验室模型是将数字孪生技术与仪器共享实验室相结合,仪器设备共享平台作为数字孪生模型的一部分,为数字孪生实验室的建立提供了基础.数字孪生实验室模型架构主要包括运维服务层、平台服务层、数据处理层、决策分析层、模型层、物联网层以及物理层七个部分,数字孪生实验室系统架构如图1所示.

1)物理层主要包含人员、设备、实验仪器等物理实验室中的实体,以及物理实验室对应的活动的集合.主要负责实验室运行的物理空间实现,同时具有感知、底层数据采集与传输等功能[4].

2)模型层主要是指数字孪生虚拟实验室以及其对应承担的虚拟活动,包括虚拟实验室的各类模型、规则、运行等,负责物理层所有实物及其真实运转情况在虚拟空间的仿真、分析、优化等[4].

3)物联网层是物理实验室数字化的关键,是连接物理层与数据层之间的桥梁.物联网层主要负责仪器设备管理单元的运转以及数字孪生实验室建模所需数据的采集.其中主要包括PC端处理模块、继电器端处理模块、孪生数据采集模块以及物联网服务器.

4)决策分析层的主要功能是将模型层与数据层提供的数据整理融合并进行数据汇聚,统计分析,进而能够进行可视化演示与辅助决策.从而能够对人员、仪器设备进行准确的管控,并为故障检测、设备健康管理以及安全保障等服务提供基础.

5)数据层是数字孪生实验室的核心,主要负责孪生数据的融合处理.该层集成了孪生数据的生成、处理以及融合等功能,为数字孪生实验室物理平台、虚拟平台和实验室服务系统运行提供了数据支撑.

6)平台服务层是数字孪生实验室的基础,首先平台服务层实现了仪器设备的开放与共享,提供了基础数据管理、预约管理、结算管理、采购维修、监控服务等功能,其次数字孪生实验室在原有平台服务基础上增加了模型展示、故障预测等功能,为数字孪生实验室的建立提供了基础.

7)运维服务层是在平台服务层的基础上根据平台所得数据对仪器设备、基础设施等方面进行运维,实现了对实验室仪器设备进行精确控制、保证仪器稳定运行及对仪器进行可靠维护.

图1 数字孪生实验室系统架构Fig.1 System architecture of digital twin laboratory

3 数字孪生实验室运行机制

依托中科院SAMP平台的数字孪生实验室利用数字孪生技术实现了物理实验室与虚拟实验室之间的实时数据交互,从而实现了全数据、全业务、全过程的融合和集成.数字孪生实验室主要包含四个运行主体:物理实验室、虚拟实验室、实验室孪生数据以及数字孪生实验室服务平台,数字孪生实验室运行机制如图2所示[5].

图2 数字孪生实验室运行机制Fig.2 Operation mechanism of digital twin laboratory

3.1 物理实验室

物理实验室是真实实验室中客观存在的实体集合,主要包括实验仪器、传感器设备、网络设备、仪器设备管理单元四个部分,负责完成实验任务并接受来自虚拟实验室和实验室孪生数据的反馈信息.物理实验室主要功能包括以下三点:1)保证实验任务的完成;2)提供实验仪器的共享管理服务;3)通过对多源异构数据的接入和融合实现数据的共享与继承.

3.2 虚拟实验室

虚拟实验室是物理实验室的数字化表达,其本质为数字模型的集合.虚拟实验室主要包括两个部分:一是物理实验室中所有物理设备对应的数字化表达,具体包括虚拟实验仪器、虚拟仪器设备管理单元、虚拟网络拓扑结构、虚拟服务器等.二是在驱动(如确认开启实验仪器)与扰动(如网络状态不稳定)下对实验室行为特征进行刻画的行为模型.

虚拟实验室通过模拟物理实验室的运行,对实验仪器以及网络状态进行故障诊断与预测,可以有效预测实验室运行故障从而完成对整个实验室运行状态的监控.

3.3 数字孪生实验室服务平台(DTLSP)

DTLSP是数据驱动的各类服务系统功能的集合或总称,其主要功能是对真实数据和虚拟数据进行分析处理.物理实验室不断将实时数据发送至DTLSP,DTLSP同样不断接收虚拟实验室产生的仿真分析结果.服务模块将仿真分析结果与物理实验室产生的真实结果分析比对,再将分析结果传输给虚拟实验室和物理实验室,虚拟实验室根据结果进一步优化模型,反复迭代直至模型最优,物理实验室则根据预测结果采取相应措施,使得系统整体运行效率得到优化.

3.4 实验室孪生数据(LDTD)

实验室孪生数据模块主要包括物理实验室数据、虚拟实验室数据、DTLSP数据以及三者融合后产生的衍生数据.

其中物理实验室数据主要包括实验室仪器设备数据(设备外观数据、工作状态运行数据,待机状态运行数据)、传感器数据(仪器设备管理单元数据、仪器采集数据)、网络层数据、仪器管理平台数据(用户使用记录、仪器设备预约记录等);虚拟实验室数据主要包括模型数据(仪器设备孪生模型,网络状态孪生模型等)、仿真数据以及评估、优化、预测产生的数据.

LDTD模块负责为物理实验室、虚拟实验室及DTLSP的运行提供数据支撑.该模块集成了孪生数据的生成、处理以及融合等数据处理功能.该模块同时是物理实验室、虚拟实验室以及DTLSP运行和交互的驱动.

3.5 实验室孪生数据的驱动作用

LDTD是数字孪生技术的核心要素,推动着整个系统的运转[5].实验室孪生数据的驱动作用主要体现在以下三个方面:

首先,LDTD推动DTLSP与物理实验室之间进行迭代优化.当数字孪生实验室接收到一个输入时(如刷卡上机操作),物理实验室会对用户的身份进行认证,认证通过后客户端与服务器之间便开始频繁的信息交互,系统状态信息(如网络信息、人员信息、设备使用信息等)在此过程中会发生改变,描述系统状态信息的实时数据会传送到DTLSP,DTLSP将真实数据与虚拟实验室数据对比判断系统状态是否异常,将结果信息反馈给物理实验室并控制物理实验室的运行,使得整个系统能够正常运转.如此反复迭代,直到对系统状态的管理达到最优.

其次,LDTD推动虚拟实验室与DTLSP之间进行迭代优化.虚拟实验室接收实验室各项初始数据,在历史数据、平台产生的实时数据以及其他关联数据的驱动下,对孪生实验室的整体运行进行仿真、分析以及优化,并将以上过程产生的仿真分析结果反馈至DTLSP,DTLSP基于这些数据对实验室的管理计划做出修正和优化,并将结果再次传入虚拟实验室进行修正,如此反复迭代,直到实验室管理平台的效率最优.

最后,LDTD推动虚拟实验室与物理实验室之间进行迭代优化.物理实验室接收实验过程中的指令数据,按照指令数据进行实验,并将实时数据传至虚拟实验室.虚拟实验室根据物理实验室的实时状态对自身进行状态的更新,并将物理实验室的实际数据与预定义产生的虚拟数据进行对比,如果两者数据不一致,则虚拟实验室会对物理实验室的扰动因素进行辨识,并在扰动因素的作用下对物理实验室所有实物及其真实运转情况进行仿真.虚拟实验室会基于实时仿真数据、实验平台产生的实时数据以及历史数据等数字孪生数据,多角度对物理实验室运转情况进行评估、优化和预测[6].

数字孪生实验室运行过程中,实验室在完成实验任务的同时将此过程中产生的所有数据存入DTLSP中,并且通过不同阶段的迭代优化,使得孪生数据被不断更新与扩充,虚拟实验室也将不断地进化和完善.

4 实施方案

4.1 建设目标

目前将数字孪生技术与实验室相结合的理论研究及应用研究非常少,依托中科院SAMP平台的数字孪生实验室旨在将数字孪生技术与仪器设备共享实验室相结合,实现实验室仪器设备运行状态预知、网络状态预知等功能,从而能够有效预测仪器共享实验室可能发生的风险.

4.2 主要功能

数字孪生实验室通过物理实验室与虚拟实验室的双向实时交互建立孪生实验室模型,实现了物理实验室、虚拟实验室、DTLSP之间的全要素、全流程、全业务数据的集成与融合[7].数字孪生实验室能够在满足特定实验任务和操作约束的前提下,到达实验室管控最优的一种实验室运行新模式.

依托中科院SAMP平台的数字孪生实验室能够利用多种传感器并结合数据处理方法对实验仪器的健康状态进行评估,预测实验室仪器设备故障以及仪器设备的剩余寿命,将实验室管理人员对实验仪器的事后维修转变为事前预测及维护[8].

4.3 实施步骤

依托中科院SAMP平台的数字孪生实验室的建立主要包括仪器设备共享平台的建立、数据的采集与处理、模型的建立与融合、数据的融合、故障预测与仪器设备健康管理五个步骤,具体实施步骤如图3所示.

步骤1.仪器设备共享平台的建立.仪器设备共享平台是数字孪生实验室建立的基础.中科院SAMP平台作为实验室仪器设备共享管理平台,在实现仪器设备开放和共享的同时,还为数字孪生实验室的构建提供了基础.

图3 数字孪生实验室模型实施步骤图Fig.3 Implementation step diagram of digital twin laboratory model

中科院SAMP平台主要由仪器设备共享平台和仪器设备管理单元组成,如图4所示,平台能够实现信息查阅、检测预约、审核分析、采购维修、工作状况、仪器状况、系统管理和流程设置等八大功能.在此基础上,中科院SAMP平台可以为数字孪生实验室提供数据采集以及数据处理等服务,同时可以进一步为数字孪生实验室提供动态展示环境.数字孪生实验室服务平台是在原仪器设备共享管理系统基础上增加了模型展示与故障预警功能,将数字孪生实验室模型展示在仪器设备共享管理系统的前端页面中并对于数字孪生实验室预测出的故障部分显示警告,进而作为一个环路促进整个数字孪生实验室的迭代优化与呈现.

图4 数字孪生实验室仪器设备共享管理系统功能图Fig.4 Function diagram of digital twin laboratory instruments sharing management system

步骤2.数据的采集与处理.数字孪生实验室中多源异构数据的采集是实验室建立的基础,而数据采集的效率将直接关系到数字孪生实验室运转的效率.为了提高数字孪生系统的运行效率,保证系统的实时迭代优化,需要建立标准数据通信与转换装置来对多源异构数据进行采集,从而实现不同通讯接口之间的数据统一转换以及数据统一封装,此装置能够对多类型、多尺度、多粒度的物理实验室数据进行规划、清洗以及封装,实现数据的统一规范处理,从而实现物理实验室多源异构数据的集成和融合.在此基础上,进一步采用基于服务的统一规范化协议,将物理实验室实时数据上传至虚拟实验室和DTLSP.

步骤3.模型的建立与融合.该阶段是建立数字孪生实验室的核心环节,此阶段能够实现物理实验室到虚拟实验室的真实完整映射,其重点是分析与研究各个维度的模型之间的关联及其映射关系.

首先从几何、物理、行为、规则等多个维度对物理实验室进行全方位的建模[4],通过建立各层模型间的联系,从结构和功能两方面对模型进行集成与融合,其次使用物理实验室的数据对虚拟实验室所建立的模型进行评估和验证,最后形成虚拟实验室的综合模型.最后生成综合模型的仿真运行过程将以三维表现形式在SAMP平台中进行可视化呈现.

步骤4.数据的融合.如图5所示,首先对物理实验室的实时数据进行清洗、建模,其次对其结果进行聚类、挖掘,最后将物理实验室实时数据、虚拟实验室的模型数据、仿真数据以及DTLSP数据进行迭代、演化与融合,从而将物理数据、数字孪生实验室服务平台数据和模型数据进行融合,使虚拟实验室能够真实反映出物理实验的全部要素在整个实验过程的运行状态.

图5 实验室孪生数据融合图Fig.5 Laboratory twin data fusion graph

步骤5.故障预测与仪器设备健康管理.孪生模型建成后,在孪生数据的驱动下,物理设备与虚拟设备的同步映射与实时交互为仪器设备的故障检测提供基础.

物理实验室实时感知实验室整体运行状态将实验仪器设备的孪生数据实时传输至DTLSP,DTLSP将孪生数据传输至虚拟实验室,虚拟实验室中的虚拟仪器设备在孪生数据的驱动下保持与物理仪器设备的同步运行,并且在此过程中不断产生仪器设备评估数据,故障预测数据以及维修决策数据等数据.物理实验设备与虚拟实验设备产生的实时数据将与现有的孪生数据进一步融合,DTLSP将根据所得融合数据评估仪器状态、预测仪器故障从而能够快速捕捉仪器故障事件、准确定位仪器故障原因并能够合理设计维修策略.该阶段的难点在于模型与实体的一致性,因此解决虚实自主交互机制,制定虚实一致的辨别规则是通过仿真模型进行故障预测的关键问题.

5 分析论证

本节将从实验室故障预测准确性方面对提出的依托中科院SAMP平台的数字孪生实验室模型进行理论分析及论证.

虚拟实验室作为物理实验室的数字化表达,主要包括实验室所有设备(实验仪器、仪器设备管理单元、服务器等)物理特征对应的数字化表达以及对实验室行为特征进行刻画的行为模型.根据数字孪生体建立的两个要素(外表与行为),对仪器设备的物理特征与行为特征分别进行建模.物理特征方面主要采集了包括材料,几何形状和尺寸等方面的数据.最终,物理特征的数字化表达还原度可以达到97%.行为特征方面主要根据仪器设备管理单元采集实验仪器运行数据对行为特征进行建模,行为模型的置信度约能达到86%[10].

如图6所示,物理特征对应的数字化表达约占实验室孪生数据的10%,行为模型约占孪生数据的81%,其他数据约占9%.目前数字孪生实验室只能通过内部运行数据对实验室仪器设备故障及其生命周期进行预测,无法预测通过外部物理作用给机器造成的故障.因此通过统计分析可以发现依托中科院SAMP平台的数字孪生实验室的仪器设备故障预测准确度约为70%.

图6 实验室孪生数据占比图Fig.6 Percentage chart of laboratory twin data

经过理论分析及论证,依托中科院SAMP平台的数字孪生实验室模型可以使得实验室运行故障预测准确率到达70%,有效提高了实验室运行稳定性,降低了实验室的整体维护成本.

6 总 结

数字孪生技术是指利用现有的理论知识对物理实体从外形、行为、性能等方面建立虚拟模型[11],同时利用虚拟模型对物理世界进行仿真和预测的过程和方法.通过数字孪生技术能够进一步探索和研究更好的解决方法和实施途径.本文将数字孪生技术应用于仪器设备共享实验室,以中科院SAMP平台为依托,设计并构建了依托中科院SAMP平台的数字孪生实验室模型,详细设计了数字孪生实验室运行机制及工作流程.通过有效分析虚拟实验室的数据进而预测物理实验室可能发生的风险,从根本上解决了实验室仪器设备运行故障无法预知、网络状态不稳定、不便于维护等问题.数字孪生实验室模型的建立也为仪器设备共享实验室的下一步发展提供了新的思路,从而优化、驱动、引领仪器共享实验室的智能化发展.