基于CiteSpace的数字孪生技术研究进展与趋势分析

郭洪飞，冯亚磊 ，丁 娜，屈 挺，朝 宝

(1.暨南大学 物联网与物流工程研究院，广东 珠海 519070；2.暨南大学 智能科学与工程学院，广东 珠海 519070；3.广州创显科教股份有限公司，广东 广州 510000；4.内蒙古工业大学 机械工程学院，内蒙古 呼和浩特 010051)

0 引言

随着世界范围内人工智能、物联网、云计算、大数据等信息通信技术的高速发展与落地实践，数字孪生技术也被广泛应用于电子通讯、人工智能、工程制造、移动互联等战略领域。在此背景下，世界各国为重构工业系统、促进生产力进步，纷纷制定了符合自身国情的前沿制造发展战略，以美国率先提出的“工业互联网”战略和德国的“工业4.0时代”战略[1]为代表，其战略目标之一则是依靠时代科技变革浪潮下信息技术的创新，大力发展数字孪生技术，实现工业制造领域物理层面和信息层面的交互共融，完成智能制造的全面升级[2]。与此同时，我国从国家战略层面出发，以加快推进“网络强国”和“制造强国”建设为长远发展目标，在2015年制定出台了“中国制造2025”创新驱动政策[3]，同年结合时代背景确定了“互联网+”行动计划[4]。尤其在党的十九大报告明确指出“新时代应发展先进制造业，加快建设工业化强国，推动互联网、大数据、人工智能和实体经济深度融合”。此时，作为信息技术重要的前沿科学领域之一的数字孪生技术，已经成为实现物理现实环境与信息虚拟环境互通互融的有效手段，其技术特性决定了其在推动国家智能化制造进程中的重要地位，逐渐成为国际学术界和产业界近年来的热点研究话题和重点发展技术。

数字孪生概念起源于工程制造领域，美国作为信息化技术的前沿发展国家之一，最早在1969年NASA的阿波罗项目中就采用了“孪生”概念，该项目生产出一对完全一致的航天飞行器，一个发射到太空中执行空间任务，另一个则留在地球上的模拟环境中用来镜像反映太空中航天飞行器的实际运行过程[5]。之后该基础理论经由数年发展，本世纪初美国的Grieves教授提出数字孪生体的初始概念模型，并将其定义为“具备抽象表示真实装置的能力并可在此基础上进行现实或虚拟环境下性能测试的数字化复制产品”[6]。随后，国际上对数字孪生技术进行了不断的研究和持续探索，如2015年美国通用电气公司将数字孪生技术与互联网、大数据等信息技术有效结合，利用云服务平台Predix对发动机进行全生命周期管理[7]；Rios等从工业化视角回顾了数字孪生的起源和发展历程，认为数字孪生技术在未来的工业化发展历程中潜力巨大，应用前景十分广阔[8]。而在国内，以北京航天航空大学陶飞教授为首的学者们近年来也不断探究数字孪生技术领域。如2017年，以陶飞教授为主导的研究团队[9]为进一步实现智能制造过程中信息世界与物理世界的交互协作，以完善生产车间物理和信息层面的共融互通为切入口，提出了数字孪生车间(Digital Twin Shop-floor)的概念，并讨论了实体车间、虚拟车间、车间服务系统和车间数字孪生数据4个关键组成部分，对数字孪生车间的核心技术、运行机制、系统特点做出了详尽分析；随后陶飞教授[10]联合国内数字孪生领域的众多学者，分析了数字孪生技术在基础理论和行业实践中的发展，在数字孪生的五维结构模型的基础上提出了数字孪生的6大应用准则和14类应用设想，探索了未来数字孪生应用实施过程中的关键性技术和方法；2019年，陶飞教授等又在国际性权威期刊杂志《Nature》上发布题为《Make more digital twins》的评述，指出了数字孪生技术在数据管理、模型构建、专家合作等层面亟待解决的核心问题，并提出了统一数据和建模标准、共享数据和模型、创新服务等改进建议[11]；2020年，为系统解释当前社会各界对数字孪生领域的新兴概念和应用技术等方面的困惑，陶飞教授团队[12]结合数字孪生领域的科研现状，提炼出10个相关问题并进行综合分析，推动数字孪生的落地发展。此外，周有城等[13]从智能产品的模块特性出发，基于数字孪生技术改善现有系统功能模型的构建方法，创建信息和物理双向反馈的交互体系，大幅提升了创新设计系统的效率；苗田等[14]则研究了数字孪生技术在产品生命周期管理中的应用实践，在考虑生产全要素的基础上对生产全过程进行统筹分析，总结得出数字孪生体将深刻影响基于数据的未来制造模式。

综上所述，数字孪生已演变为一种以数字化技术构建现实世界中物理实体的仿真模型，借助大量产品信息、运行状态、实时维护等数据模拟物理实体在现实环境的全生命周期过程，通过一系列信息手段扩展物理实体综合性能的创新技术。长远来看，数字孪生技术的研究发展关系到制造业未来的创新进步，更为人类探寻未知科学领域提供了途径和方法[15]。因此，及时对数字孪生领域的研究成果进行科学统计和阶段分析，从而识别学术前沿、确定研究方向、管理客观知识并做出科学决策，对推动我国制造业的转型升级、引导智能化制造的发展创新具有重大意义。

本文利用动态科学文献分析工具CiteSpace，选取数字孪生技术发展迅速的2000年～2019年间为研究区间，采用Web of Science和Google Scholar数据库中收录的以“Digital twin”为主题的7627条文献数据为统计样本，对数字孪生技术领域的科研状态和演进态势进行可视化分析，通过绘制知识图谱直观呈现数字孪生技术领域的理论知识结构、客观发展规律和学科研究发展情况，同时分析出数字孪生技术领域的研究热点和研究前沿，为数字孪生技术的未来发展提供参考意见。

1 数据来源及研究方法

1.1 数据来源

研究过程中使用的文献数据提取自Web of Science综合性学术信息数据库及Google Scholar文献检索平台，以“Digital twin”为检索主题词、以高级检索为检索方式对2000年1月1日～2019年9月30日期间发表的研究文献进行精确查询，经过筛选重复、无用文章后重新整理共获得7 627条文献数据，所得文献数据记录均包含文献作者、标题、参考文献等完整信息。

1.2 研究方法

美国科学历史主义创始人库恩认为，在特定学科领域中已发表的相关研究文献在一定程度上反映了该领域的科学特性，这意味着预测特定学科领域的发展态势可以从已发表的研究文献中提取和凝练[16]。同时，信息可视化技术包括引文分析可视化，在文献计量过程中科学使用信息可视化技术能使得引文数据的处理分析不再受限于引文的数量，在很大程度上有利于研究者探明海量数据中隐藏的动态结构和发展规律[17]。CiteSpace是目前科学计量领域中使用最为频繁的知识图谱绘制工具[18]，研究综合利用CiteSpace软件的引文可视化分析技术对数字孪生技术领域的文献进行动态、分时、多元的计量描述，基于共词分析、聚类分析及共被引分析等方法绘制出可视化知识图谱，并自动标识出数字孪生知识领域演化历程中的基础引文节点、知识转折点和关键路径探寻数字孪生技术领域的研究热点和前沿动向。

2 科研合作分析

特定领域的研究文献一般由该学科领域的多名学者协作完成，不同学者所处的国家地区、所属的科研机构、所合作的研究人员截然不同。为深入分析数字孪生技术领域的学术合作情况，研究将文献数据的科研合作分成国家间的合作、机构之间的合作以及科研人员之间的合作，分别对应整体、局部、个体3个研究层面。通过CiteSpace分析软件绘制不同层次下的研究合作关系图谱，对文献数据所涉及的国家、机构以及科研人员节点进行计量统计，从而获得数字孪生技术领域的学者分布情况及科研合作情况。其中合作关系图谱中，任意节点的大小对应发表论文的数量，同时节点的大小严格与文献数量成正比关系；节点的颜色可反映论文发表的日期先后；不同节点间连线的粗细直观反映合作关系的密切程度。

2.1 合作图谱

根据文献数据绘制国家、研究机构、个体3个层次的合作关系图谱。国家间的合作情况如图1a所示，可以看出，以德国、中国、美国为代表的少数国家已经对数字孪生技术领域展开相应研究，中国、美国、新加坡、澳大利亚等国家已展开合作研究，数字孪生研究领域逐渐形成国际合作趋势。从图1b科研机构合作情况的知识图谱可以看出，科研机构的合作图谱分成了两大聚类，其中：聚类#1囊括了伊利诺伊大学、成均馆大学、墨尔本大学等众多世界知名高校，以上机构论文发表数量相对较多，科研态势良好；聚类#2则由北京航空航天大学、中国科学院、北京科技大学等中国科研机构组成，近年来中国在数字孪生领域积极探索研究，并取得了大量科研成果。除此之外，其余各研究机构或以国家、或以地区为划分有局部范围的初步合作，但还是处于相对独立的研究阶段，发文量也并未形成一定规模。图1c则反映了数字孪生技术领域中科研人员的合作概况，显然，聚类#1以Sehitoglu教授(美国伊利诺伊大学)为核心研究人员的合作关系，Sehitoglu教授的发文量居于首位，与Patriarca、Maier等学者间也多有合作；聚类#2是以中国学者陶飞教授(北京航空航天大学)为核心研究人员的合作关系，陶飞教授的发文量位居第二。以上二位学者的发文量在国际范围内处于领先状态，远超其他研究学者。其余各小聚类代表的学者中，大多以局部地区的研究合作为主，且各小聚类代表的合作关系的规模几乎相同，发文量较少。纵观全图，也并无十分突出的合作连线。这说明数字孪生技术虽已引起国际学者的关注，从事该领域技术研究的科研人员也初具规模，但能够领导领域前沿研究的学者较少，且该技术领域的研究大多以课题组或科研机构的形式展开合作，各个国家、各个地区的局部研究领域之间的互通合作也亟待加强，其研究热度、深度、广度均有一定的发展空间。

2.2 学术影响分析

为针对数字孪生技术合作网络图谱展开学术影响分析，在表1中统计了发文数量处于前10位的国家、机构和作者等情况，同时列出了对应国家的中介中心性数值。中介中心性指网络图谱中特定节点担任其他任意两节点间最短的数据传输“桥梁”的次数，通过节点的数据量越大、数据传输次数越频繁，则表明该节点在网络图谱的影响力越大、所处位置越关键[19]。从科学计量角度来看，中介中心性直观反映了知识图谱中各节点的核心影响力[20]。美国学者Leydesdorff[21]使用中介中心性作为关键指标来衡量文献期刊的学术特性，CiteSpace研发者陈超美教授[18]也应用中介中心性表征文献中作者、引文等科学计量单元的重要程度。由此，可用中介中心性来对学术影响力进行评估。

表1 国家、科研机构和研究作者发文量与中介中心性排名对比

综上可知，数字孪生技术已引起国际学术界的广泛关注，许多国家都开始投入大量科研力量从事数字孪生技术研究，各个国家之间开始逐渐建立紧密的科研合作关系，欧美国家以美国、德国、英国、法国为首，亚太地区以中国、韩国、印度、日本领衔；其次，纵观各国知名高校研究院所和国家专业科研机构的合作情况，其合作单位多是同一国家乃至同一地区的同类型机构，各大研究机构之间跨领域、跨地区的合作交叉程度有待进一步提高；再者，各研究人员之间主要以课题组或研究机构为单位展开科研工作，目前中国、美国、澳大利亚、新加坡等已合作发表过相关论文，国际化合作是未来数字孪生领域的科研趋势之一。发文量前3的国家为美国、中国和德国。其中美国发表的论文数量处于领先地位，具有一定数量的科研机构和科研人员，科研机构以伊利诺伊大学、华盛顿大学、宾夕法尼亚州立大学为主，各科研机构之间的合作较少，研究人员以Huseyin Sehitoglu的研究作者团为主，且主要以研究机构为单位展开科研合作；中国发文量位居第二，与其他国家也多有合作，科研机构以中国科学院、北京航天航空大学为主，其科研人员较为集中，发文量前10名的人员中有4名中国学者，科研成果丰富，在国际领域同样影响显著；德国作为发文量第3的国家，前沿研究机构稀少，在机构合作、人员合作等层面有待提升，但德国作为中介中心性排名前3的国家，近年来在数字孪生研究领域不断发力，科研领域蓬勃发展。德国工业4.0战略、美国数字工程战略、中国“制造强国”战略等是各自国家在智能制造与数字孪生领域有所作为的战略保障，也是这些国家走在数字孪生技术领域国际前沿的根本所在。其中美国作为最早提出数字孪生概念并大力发展此技术的国家，在该领域影响力卓越，仍然处于国际领先地位。

3 研究领域分析

利用CiteSpace软件分析得到数字孪生技术的热点研究领域，如图2所示。数字孪生技术共涉及55个研究领域，范围十分广泛，主要集中于工程学、计算机科学、制造工程、电子/电气工程、自动化及控制系统、工业工程等几大跨学科应用领域。其中，工程学占据绝对的核心领导地位，这是因为数字孪生技术实现了从现实物理系统向网络空间完成数字化模型的反馈，基于数字孪生技术的信息仿真、流程分析、数据积累、知识挖掘等应用在未来的工程学领域至关重要，因此数字孪生技术领域的科研创新势必影响工程学领域的发展前景与研究方向。此外，热度仅次于工程学的热点研究领域是计算机科学，这是因为计算机是当前国际制造环境下主要的生产力技术开发工具，利用计算机科学技术完成产品设计、规划、制造的全周期管理是智能化制造技术的必然趋势，而数字孪生技术恰又强调物理模型与仿真模型的感知交互，二者的融合将推动人类对物理客体的数字化认知，进而推动制造技术真正向“环境就是计算机”的方向逐渐演化。

4 数字孪生技术最新进展

4.1 研究热点分析

研究热点特指某一科研领域中最为核心的一个或多个研究主题，代表了该领域研究者们当下最为关注的理论知识与技术应用。认识并了解特定科研领域的研究热点,可帮助相关研究者时刻掌握该领域的主流研究方向。因此，本文研究提取了已收集文献数据中的关键词与高频名词，运用CiteSpace软件具备的共词分析功能，同时结合关键路径算法对文献共引网络知识图谱的路径进行标识,从而绘制出数字孪生技术领域的研究热点知识图谱(如图3)，该图谱可直观地反映目标科研领域的热点概况。图3中各节点大小代表节点中标注的相应热点词汇在文献数据中的出现频次，节点间的连线代表各热点词汇之间的关联强度。由图3可以看出，“digital twin”(数字孪生)代表的节点最大，表明数字孪生技术领域中其本体的理论技术研究最为火热。

本文根据统计结果制作出频次排名前10的热点词汇列表(如表2)。观察表2中统计内容可知，除了“digital twin”(数字孪生)之外，其他热点词诸如“design”(设计)、“simulation”(仿真)、“industry 4.0”(工业4.0)、“system”(系统)、“model(模型)”等词汇出现的频次虽然排名相对靠前，但相比于“digital twin”仍有一定的差距，这是因为数字孪生技术虽然已引起国际范围的广泛重视，科研人员也已开展相应研究逐步完善数字孪生技术领域的基础理论，但在实现数字孪生技术与其他技术的深化结合和应用实践等层面仍有较大研究空间。值得注意的是，“industry 4.0”(工业4.0)词汇的中心度最高，超过了频次第一的“digital twin”(数字孪生)，这是因为“工业4.0”的科技意义就在于利用信息网络技术促进生产力的变革，提高资源生产率和价值增益，实现工业生产的数字化、智慧化、互联化，而这也正是数字孪生技术所追求的应用目标。表中热点词汇预示着未来数字孪生技术领域的研究热点将会从孤立的理论研究转变为与设计、仿真、工业4.0、系统等研究热点的技术融合，学术界应顺应时代趋势，加大科研力量的投入，深入挖掘数字孪生技术在应用层面的生产潜力，不断寻求数字孪生技术的落地实践。

表2 热点词汇列表

4.2 研究前沿分析

一个科研领域的研究前沿主要探讨的是该领域当下兴起的研究趋势和技术动态，是一组凸显的概念和潜在的研究问题。诸多研究前沿，既有可能在时代的科技浪潮下演变成为未来该领域的研究热点，也可能仅在某个历史阶段短暂兴起后迅速淡出研究视野，因此及时识别特定领域的研究前沿势必大力推动该学科领域的研究发展。在科学计量学领域统一将科学引文网络中近期发表且时常被引用的文献集合称为研究前沿，并认为研究前沿建立在最新的科研工作基础之上[22]。此外，研究中诸如潜在知识、新兴趋势及新研究领域等概念也可归入研究前沿。综上所述，研究前沿代表特定科研领域时下最先进、最具创新、最具研究潜力的科研主题，可从科学文献引文网络中高被引的最新文献集合中分析得到。研究主要根据文献共被引网络关系对数字孪生技术领域进行研究前沿分析，通过CiteSpace绘制出数字孪生技术现阶段的研究前沿知识图谱(如图4)，该图可直观展现数字孪生技术领域随时间推移而不断演进的研究前沿动态。

在如图4所示的研究前沿知识图谱中，运用CiteSpace软件的共被引分析提取得到图中右侧一系列主题名词，这些名词直观反映了数字孪生技术领域的研究前沿，每个名词对应的横轴坐标表明该研究主题在时间上的动态演变，展现出研究的起止时间以及各科研时期的论文发表情况。科学研究随时间不断地发展，该领域的研究前沿也在科技变革的浪潮中产生并随之发展，顺应时代的前沿主题被国际范围内的学者重视并展开深入研究，而创新前景不足的研究主题则转瞬淘汰。因此，该研究关注的是近两年仍在持续发展的研究前沿，在时间线视图中对应于2019年依旧被学术界广泛重视的研究主题。从图4可以看出，这样的时间节点共计6个，其对应的主题聚类名词分别为#1 machine learning(机器学习)、#2 simulation(仿真技术)、#3 intelligent design(智能设计)、#8 flexible manufacturing systems(柔性制造系统)、#12 system lifecycle management(系统生命周期管理)和#15 cyber-physical systems(信息物理系统)。这些主题词代表了目前数字孪生领域的研究前沿，下面重点针对其中具有代表性的前沿主题进行介绍与分析。

4.2.1 仿真技术

仿真技术是指利用仿真硬件和仿真软件进行仿真实验，复现物理实体系统中发生的本质过程的综合性技术。Kleijnen[23]在2015年总结分析了使用计算机仿真模型进行试验的设计，回顾了两种元模型的仿真算法，为仿真设计的全局优化奠定了理论基础。而Boscher等[24]将目光转向机电系统，通过实现数字孪生技术领域的仿真技术从而改进机电一体化系统的协作连接性，并不断扩展系统的更多功能。Schleich等[25]根据仿真原理提出了基于Skin Model Shapes概念的综合参考模型，把该模型作为物理产品在设计和制造中的数字孪生，将其应用于几何变化的制造管理并给出实践结论(如图5)。

杨斌等[26]以复杂机械产品为研究对象，基于数字孪生技术的仿真交互特性，利用多维仿真软件实现对产品运动性能的检测调控并证明了该机制的科学性和实用性。生产设计和制造活动中对现实产品仿真模型的需求无处不在，但是当前使用数字孪生技术进行仿真的方法依旧缺乏实践基础。因此，使用数字孪生技术创建更加科学、精确的仿真模型并在生产活动中实践应用将是数字孪生技术领域追寻的主要目标之一。

4.2.2 智能设计

智能设计产生于专家系统技术在设计领域展开应用的最初时期，经由数年演变，智能设计已从原始、简单的设计型专家系统发展成为利用现代化信息科技，以计算机为辅助工具，通过模拟人类思维驱动计算机在设计过程中的智能化的复杂数字技术。针对工程智能设计的决策过程，达索公司[27]创建了基于数字孪生技术的3D体验平台，将设施布局问题的框架应用于多视图系统方法，并根据用户反馈提供从需求到系统的决策操作。在大数据驱动的科技背景下，陶飞等[28]认为进一步提高产品设计的高效性和智能化，需要创建结合网络和物理的互联数据以服务于产品生命周期，并提出了由数字孪生技术驱动的产品设计方法(如图6)，对该方法的理论框架和应用场景给出了相应解释。

李浩等[29]重点研究了产品设计的生产环节，从产品需求、概念配置、运维管理等多个设计角度科学分析产品设计制造一体化过程，并提出针对复杂产品设计的环形设计框架，为数字孪生技术与智能设计的深化结合奠定了理论基础。就目前研究现状而言，数字孪生技术还未能在智能设计领域实现广泛的价值应用。由于智能设计的决策过程中涉及到复杂的分析算法和大量的信息数据，使得不论是对智能设计本身展开技术开发还是打破与数字孪生技术间存在的技术壁垒都十分困难。管文玉等[30]认为数字孪生可与产品设计有机结合，利用信息反馈防控潜在风险实现产品设计的智能优化。因此，如何利用数字孪生技术的数字化特性解决智能设计中存在的算法设计优化和系统数据管理问题是未来研究的重点。

4.2.3 系统生命周期管理

系统是为实现一个或多个既定目标而组织的协作元素的组合。无论系统是技术性或是组织性的，它们始终由人设计并服务于大众。每一个产品系统都有生命周期，从被设计产生开始，不断地发展至成熟稳定，再被广泛实现和应用到生产活动中，最终被淘汰或由其他竞争系统取代，整个历程都处在动态复杂的变化中。Eigner[31]从产品开发到产品制造的跨学科视角出发，利用系统生命周期管理平台，基于系统模型进行虚拟产品开发，派生出新的数字建模设计方法，并对系统生命周期管理的理论概念进行了扩充(如图7)。

蔡鸿明等[32]在2014年利用本体论的方法，提出了基于物联网的应用开发技术背景下的可配置信息服务平台，并对系统生命周期中的产品信息进行封装、重组、传递、跟踪和交互，为数据集成和智能互联提供了技术支持。上文提到的Schleich等[25]的研究中所提出的基于Skin Model Shapes概念的参考模型，在很大程度上解决了数字孪生模型概念化、具象化、应用化的问题，加快了数字孪生技术在系统生命周期管理中的应用。

4.2.4 信息物理系统

信息物理系统(Cyber Physical System, CPS)是智能化的复杂集成系统，综合网络和物理等多维环境为一体，通过计算、通信与控制技术的融合协作实现网络空间与物理进程的链接交互，以远程化方式进行生产系统中的资源协调、精确控制和信息处理[33]。如今已发展为五级CPS体系结构(如图8)。

在此背景下，王磊等[35]基于智能管控概念提出轻装配智能制造系统框架，该框架集成了信息物理系统、大数据、云制造等数字技术的功能特点，为推动智能制造的全面科学控制提供了有效的方法和途径。Alam等[36]将云计算技术集成至信息物理系统中的网络层，进而提出基于数字孪生技术的C2PS体系结构模型，科学分析了C2PS的关键特性和应用场景。与此同时，Uhlemann等[37]对生产制造过程中的自动化数据采集和选择进行了研究，提出了一种实用的多模态数据采集方法，该方法能根据实际生产环境对制造设备进行多元化数据采集，对中小型企业在生产制造过程中应用数字孪生技术进行技术指导。分析得出，信息物理系统已成为数字孪生技术领域极具潜力的科研主题，并将在今后数十年中持续对社会、经济、科学等多个层面产生影响。

5 结束语

在科技网络迅速变革的浪潮下，数字孪生技术在工业制造领域的技术应用越来越普泛化、深入化，其高速同步、长效保真以及交互性响应决策等特征使之为信息集成化网络的搭建奠定了坚实的基础。国际范围的顶尖科研人员不断探索，深入挖掘数字孪生技术与机器学习、仿真、智能设计、柔性制造系统、系统生命周期管理和信息物理系统等前沿研究主题的交互融合。作为新兴科研领域，数字孪生技术始终处在动态变化的复杂发展环境中，未来的研究工作应集中在以下方面：

(1)共享海量数据，统一建模标准。建立共享数据库，开发通用性技术设计平台，统一数字孪生技术领域的数据通信和研究模型标准，提高数据传输的准确性、及时性、可靠性，创建全球化协作环境。

(2)重视生产应用，驱动智能制造。利用数字孪生技术的超现实仿真功能，模拟工程制造和生产活动的全过程管理，提高数字孪生技术感知反馈、精确控制和精准执行的能力, 推动智能化制造进程。

(3)把握研究前沿，寻求创新发展。积极探求机器学习、仿真、智能设计、柔性制造系统、系统生命周期管理和信息物理系统等前沿领域与数字孪生技术的深化结合与创新发展。