复杂装备系统数字孪生：赋能基于模型的正向研发和协同创新
集成的基于模型的系统工程 (iMBSE)，工业4.0时代的研发数字化转型，软件定义的、以体验为中心的智能网联产品平台，数字孪生模型的智能+数字神经系统的贯通+来自数据分析的洞见，创成式架构设计、探索和优化助力颠覆式创新
基本信息
- 作者： 方志刚 李斌 张露
- 丛书名： 数字化转型与智能制造丛书
- 出版社：机械工业出版社
- ISBN：9787111669586
- 上架时间：2020-12-3
- 出版日期：2020 年11月
- 开本：16开
- 页码：311
- 版次：1-1
- 所属分类：工业技术 > 机械/仪表 > 工业自动化仪表、智能系统
编辑推荐
集成的基于模型的系统工程 (iMBSE)
工业4.0时代的研发数字化转型
软件定义的、以体验为中心的智能网联产品平台
数字孪生模型的智能+数字神经系统的贯通+来自数据分析的洞见
创成式架构设计、探索和优化助力颠覆式创新
内容简介
本书理论高度和实战经验相结合，阐述新一代主流MBSE方法论，涵盖复杂系统全寿期管理、MBSE（基于模型的系统工程）、多学科建模仿真优化、协同快速迭代平台，构建赋能可持续的正向研发体系的核心，形成基于“数字孪生”系统为核心的新工业生态体系.
目录
序言一
序言二
前 言
第1章 复杂系统研发模式变革——立本趋时，数济天下 1
1.1 从伽利略到“好奇号” 3
1.1.1 人类太空探索的历史和成就 3
1.1.2 从“好奇号”看现代航天系统的复杂性 7
1.1.3 “好奇号”的成功秘诀 9
1.2 从DBSE到MBSE和iMBSE 11
1.2.1 系统工程及航天系统工程应用 11
1.2.2 航天系统复杂性演进对传统系统工程的挑战 13
1.2.3 复杂系统驱动系统工程转型 14
1.3 从物理试验、建模与仿真到数字孪生 19
1.3.1 物理试验 19
1.3.2 建模与仿真 20
1.3.3 数字孪生 23
1.4 从第一范式到第四范式 27
1.4.1 吉姆·格雷和科学研究的“四个范式” 27
1.4.2 人工智能及其研究领域 28
1.4.3 人工智能在复杂系统研发中的应用 32
序言二
前 言
第1章 复杂系统研发模式变革——立本趋时，数济天下 1
1.1 从伽利略到“好奇号” 3
1.1.1 人类太空探索的历史和成就 3
1.1.2 从“好奇号”看现代航天系统的复杂性 7
1.1.3 “好奇号”的成功秘诀 9
1.2 从DBSE到MBSE和iMBSE 11
1.2.1 系统工程及航天系统工程应用 11
1.2.2 航天系统复杂性演进对传统系统工程的挑战 13
1.2.3 复杂系统驱动系统工程转型 14
1.3 从物理试验、建模与仿真到数字孪生 19
1.3.1 物理试验 19
1.3.2 建模与仿真 20
1.3.3 数字孪生 23
1.4 从第一范式到第四范式 27
1.4.1 吉姆·格雷和科学研究的“四个范式” 27
1.4.2 人工智能及其研究领域 28
1.4.3 人工智能在复杂系统研发中的应用 32
前言
从自动化、数字化到智能化，追求日臻完美的复杂装备系统数字孪生模型
有位作家说过，前言可能是一本书中唯一多余的章节。“Talk is cheap，show me the code”（能说算不上什么，有本事就把你的代码给我看看），Linux创始人Linus Torvalds的这句话可谓一针见血。在“buzzwords”（概念）创新充斥各个角落时，我们需要坚持“能畅想‘智能+’算不上什么，有本事就把你的数字孪生模型给我看看”的理念。换句话说，你所谈的“孪生”，是如同《龙兄鼠弟》里面的“孪生”，还是如同镜中映像的完美“孪生”？
2013年，德国提出的第四轮工业革命“工业4.0”，以比我们想象中更快的速度将设想变成当下的现实。云、大、物、移、智等新技术和制造业的交融，自动化和数字化的“两化融合”，机器学习在语音识别、图像识别、数据挖掘等诸多领域的应用，新材料、新工艺、新能源的技术突破，正在让制造业变得更柔（大规模柔性定制）、更软（软件定义一切）、更美（绿色环保）。一个物质极大丰富、全面智能化的新时代正在加速到来。
要在“工业4.0”时代生存和发展，制造业企业必须成功地进行数字化转型，成为一个软件定义的平台型企业，把产品重构为软件定义的可重构平台。制造平台型企业的核心是产品、工厂、企业的数字孪生模型，有了“数字孪生”，才能通过并行工程和快速迭代，用数字的消耗替代能源和物质的消耗，才能“多快好省”（T、Q、C、S、E综合优化）地实现产品创新和精益生产，以可接受的成本为消费者提供个性化消费体验，实现可持续盈利性增长，形成强大的市场竞争能力。
工业科技的发展是演进的，让我们简单回顾一下历史。“二战”前后，工程师认识世界和改造世界的“三论”——系统论、控制论、信息论逐渐成熟，在机械化和电气化的基础上，引发了第三轮工业革命。自动控制理论也从经典控制逐步发展到现代控制、计算机控制，直到今天兴起人工智能的第三轮浪潮。“工业4.0”时代，如何对企业系统进行建模和仿真——开发其“数字孪生”模型？
著名科学家钱学森先生在1990年发表的一篇文章《一个科学新领域——开放的复杂巨系统及其方法论》中为我们指明了方向。“当前人工智能领域中综合集成的思想得到重视，计算机集成制造系统（Computer Integrated Manufacture System，CIMS）的提出与问世就是一个例子。在工业生产中，产品设计与产品制造是两个重要方面，包括若干个环节，这些环节以现代化技术通过人机交互进行工作。以往设计与制造是分开进行的。现在考虑将两者通过人工智能技术有机地联系起来，将制造过程中有关产品质量的信息及时向设计过程反馈，使整个生产灵活有效，同时保证产品的高质量。这种将设计、制造甚至管理销售统一筹划设计的思想，恰恰是开放的复杂巨系统的综合集成思想的体现。”
2002年，Michael Grieves博士在密歇根大学和NASA研讨会上第一次提出“数字孪生”（digital twin）的理念。他认为，随着复杂性的日益增加，现代产品系统、生产系统、企业系统本质上均属于复杂系统。为了优化、预测复杂系统的性能，我们需要一个可观测的数字化模型，一个产品的综合性的、多物理场的数字表示，以便在产品的整个生命周期中维护并重复使用在产品设计和制造期间生成的数字信息。数字孪生在设计和制造过程中建立，并在产品生命周期中持续演进。一旦产品投入使用，其全生命周期历史将包括状态数据、传感器读数、操作历史记录、构建和维护配置状态、序列化部件库存、软件版本以及更多提供服务和维护功能的完整产品图像。通过数字孪生可以分析产品的当前状态和性能，以调度预防和预测维护活动，包括校准和工具管理。结合维护管理软件系统，数字孪生可以用于管理维修部件库存，并且指导技术服务人员完成现场修理、升级或维修。通过数据库中积累的实例，工业大数据分析工程师可以评估特定系列设备及其部件，并反馈给产品设计和工艺设计环节，用于产品和工艺的持续改进，形成闭环数字孪生（closed loop digital twin）。
作为工业数字化全球领军企业，2007年，西门子明确了“融合物理世界和虚拟世界”的战略愿景，通过一系列研发投资和战略并购，具备了支持“从芯片到城市”，综合性、多物理场、闭环的数字孪生技术，帮助客户实践集成的基于模型的系统工程（integrated Model Based Systems Engineering，iMBSE）。为了消除研制过程中的浪费，iMBSE使用3D数模和技术数据包（Technical Data Package，TDP）作为产品全生命周期的单一模型。3D数模由基于模型的产品定义（Model Based Definition，MBD）生成，加上产品管理信息（Product Management Information，PMI），理论上可以从三维拓展到无穷维。这个单一模型TDP可以在全企业范围内进行分享和自由流动，保障产品全生命周期内快速、无缝、自由的数据流动。如果一个企业实现了TDP在其内部部门间及其生态系统中的自由流动，我们即称之为iMBSE。本书探讨的复杂装备系统主要指的是光机电软液控系统，如箭弹星船、飞机、汽车、铁路机车、高科技船舶、工程机械、重型机械、医疗器械、光刻机、耐用消费品、汽车/消费电子产品等。
实施针对复杂装备系统iMBSE的闭环数字孪生，需要分别支持产品系统、生产系统、运行系统的数字孪生模型，并实现三大系统模型的一体化整合。若希望以高精度、高可信度建立这三类模型，我们认为，需要理论和实践的创新：在产品系统数字孪生领域，要发展新一代MBSE，用于预测物理结构和特征、物理绩效特征、环境响应、失效模式等；在生产系统数字孪生领域，要利用生产系统工程（Production System Engineering，PSE），对各生产系统要素、产线、车间、供应链系统进行建模和仿真，用于优化物理布局和特征、产能和利用率、产出和节拍；在运行系统数字孪生领域，要打造工业物联网（Industrial Internet of Things，IIoT），提供物理系统的实时运行状态，优化运营水平，预测维护，并对设计进行验证。
为了加速中国从制造大国转型为制造强国，以及实现产品从逆向工程转型为正向研发的梦想，西门子工业软件大中华区技术团队组织专家顾问和航天科技集团有关专家，在总结多年实战经验的基础上，适当加以抽象，编写了“数字孪生”系列书籍，以供智能制造、工业互联网、工业人工智能领域的政产学研各界读者参考。
一、新一代基于模型的系统工程
对于光机电软液控系统这类复杂装备系统，其数字孪生要实现从“形似”到“神似”，才能加速产品创新过程。过去四五十年间，全球CAD/CAM/CAE领域为此做了持续的努力，如今三维CAD数模和几何样机渲染已经能达到逼真的水平。本书重点关注如何把复杂装备系统的数字孪生做到“神似”，以有效地协助利益攸关者认识、预测和优化复杂装备系统。
要做到“神似”，须在从“基于文档”的系统工程提升到“基于模型”的系统工程的基础上，进一步演进到“新一代MBSE”。我们认为，新一代MBSE应该是多层次的（整机系统功能架构、领域系统架构、领域模型）、多物理场的、动态的、闭环的数字孪生，由计算机对设计空间自动寻优，并由一个数字线程（或称数字神经）系统支持设计方案的快速迭代。模型的复杂度、精确度和实时性随着产品生命周期的演进逐步提升。要实现基于数字孪生的正向研发理念，需要建设两个基础平台，即全生命周期的管理平台以及基于云和物联网的资源共享平台，并且提供三个维度的技术支撑——不同研发阶段的协同，不同子系统之间的集成，不同领域和不同学科之间的耦合。
在系统架构建模层面，MIT教授Edward Crawley领衔撰写的《系统架构：复杂系统的产品设计与开发》从形式和功能两个方面深入讲解了如何分析系统，并给出了创建良好系统架构的指导原则。国际系统工程学会（INCOSE）则列出了各种主流的建模语言、方法论和工具。本书中的实例采用西门子公司提供的System Modeling Workbench，并采用西门子的Simcenter 1D、3D和Test支持FMI/FMU 2.0标准的实现。
在领域模型层面，随着计算能力遵从摩尔定律发展，包括有限元分析（FEA，或有限单元法）、有限差分法、边界元方法、有限体积法的数值分析（计算数学）工具的成熟，可以解决工程中遇到的大量问题，其应用范围从固体到流体、从静力到动力、从力学问题到非力学问题。事实上，有限单元法已经成为在已知边界条件和初始条件下求解偏微分方程组的一般数值方法。有限单元法在工程上的应用属于计算力学的范畴，而计算力学是根据经典力学中的理论，利用计算机和各种数值方法解决力学中实际问题的一门新兴学科。它横贯力学的各个分支，不断扩大各个领域中力学的研究和应用范围，同时也逐渐发展出自己的理论和方法。例如，柔性多体动力学仿真考虑实际系统中某些运动部件的弹性无法忽略——甚至是主要动力学行为的来源，利用西门子Simcenter 3D可以将有限元法（FEM）与多体动力学仿真（MBS）软件深度整合起来，只需要定义相关部件的受力和边界条件，其余的都是内部作用，既节省工作量又能得到较为真实可信的结果。其他学科的工具包括Simcenter 1D（多物理域分析仿真）、Fibersim（复材）、Capital（电气）、Polarion（软件）、MADe（软件）、Infolytica（电磁）、STAR CCM+（流体力学和传热学）等。
有一个重要的问题，近几年兴起的机器学习（人工智能）能否用于复杂装备系统的数字孪生模型？
机器学习是人工智能的一个分支，简单地说，就是通过算法使机器从大量历史数据中学习规律，从而对新的样本进行智能识别或对未来进行预测。常见的机器学习算法有神经网络（neural network）、支持向量机（Support Vector Machine，SVM）、boosting、决策树（decision tree）、随机森林（random forest）、贝叶斯模型（Bayesian model）等。其实，在深度学习浪潮掀起之前，力学和工程领域早已开始在计算力学研究中结合神经网络模型开发更优的算法，一个典型的例子便是有限元神经网络模型。由于在实际工程问题中存在大量非线性力学现象（如在结构优化问题中），需要根据需求设计并优化构件结构。这是一类反问题，这些非线性问题难以用常规的方法求解，而神经网络恰好具有良好的非线性映射能力，因而可得到比一般方法更精确的解。
将有限元与神经网络结合的方法有很多，比如针对复杂非线性结构的动力学系统建模问题，可以将线性部分用有限元进行建模，非线性部分用神经网络描述（如输入非线性构件状态变量，输出其恢复力），再通过边界条件和连接条件将有限元模型部分和神经网络部分结合，得到混合模型。另一种方法是先通过有限元建立多种不同的模型，再将模态特性（即最终需要达到的设计要求）作为输出变量，将对应的模型结构参数作为输入变量，训练神经网络，利用神经网络的泛化特性得到设计参数的修正值。结合蒙特卡罗方法进行多组有限元分析，将数据输入神经网络中进行训练，可以用来分析结构的可靠度。
二、基于模型的生产系统工程
PSE经历了从人工劳动到采用机械自动化设备，进而采用计算机的发展过程。值得一提的是，20世纪70年代兴起的分布式控制系统（Distributed Control System，DCS，或称集散控制系统）实现的从单机到联网是一个巨大飞跃。DCS是一个由过程控制级和过程监控级组成的以通信网络为纽带的多级计算机系统，综合了计算机、通信、显示和控制技术，其基本思想是分散控制、集中操作、分级管理、配置灵活以及组态方便，在大型复杂工厂运行管理方面得到了广泛应用。20世纪80年代末90年代初，CIMS（计算机集成制造系统）被寄予厚望。CIMS是通过计算机软硬件，综合运用现代管理技术、制造技术、信息技术、自动化技术、系统工程技术，将企业生产全部过程中有关的人、技术、经营管理三要素及其信息与物流有机集成并优化运行的复杂大系统。
有位作家说过，前言可能是一本书中唯一多余的章节。“Talk is cheap，show me the code”（能说算不上什么，有本事就把你的代码给我看看），Linux创始人Linus Torvalds的这句话可谓一针见血。在“buzzwords”（概念）创新充斥各个角落时，我们需要坚持“能畅想‘智能+’算不上什么，有本事就把你的数字孪生模型给我看看”的理念。换句话说，你所谈的“孪生”，是如同《龙兄鼠弟》里面的“孪生”，还是如同镜中映像的完美“孪生”？
2013年，德国提出的第四轮工业革命“工业4.0”，以比我们想象中更快的速度将设想变成当下的现实。云、大、物、移、智等新技术和制造业的交融，自动化和数字化的“两化融合”，机器学习在语音识别、图像识别、数据挖掘等诸多领域的应用，新材料、新工艺、新能源的技术突破，正在让制造业变得更柔（大规模柔性定制）、更软（软件定义一切）、更美（绿色环保）。一个物质极大丰富、全面智能化的新时代正在加速到来。
要在“工业4.0”时代生存和发展，制造业企业必须成功地进行数字化转型，成为一个软件定义的平台型企业，把产品重构为软件定义的可重构平台。制造平台型企业的核心是产品、工厂、企业的数字孪生模型，有了“数字孪生”，才能通过并行工程和快速迭代，用数字的消耗替代能源和物质的消耗，才能“多快好省”（T、Q、C、S、E综合优化）地实现产品创新和精益生产，以可接受的成本为消费者提供个性化消费体验，实现可持续盈利性增长，形成强大的市场竞争能力。
工业科技的发展是演进的，让我们简单回顾一下历史。“二战”前后，工程师认识世界和改造世界的“三论”——系统论、控制论、信息论逐渐成熟，在机械化和电气化的基础上，引发了第三轮工业革命。自动控制理论也从经典控制逐步发展到现代控制、计算机控制，直到今天兴起人工智能的第三轮浪潮。“工业4.0”时代，如何对企业系统进行建模和仿真——开发其“数字孪生”模型？
著名科学家钱学森先生在1990年发表的一篇文章《一个科学新领域——开放的复杂巨系统及其方法论》中为我们指明了方向。“当前人工智能领域中综合集成的思想得到重视，计算机集成制造系统（Computer Integrated Manufacture System，CIMS）的提出与问世就是一个例子。在工业生产中，产品设计与产品制造是两个重要方面，包括若干个环节，这些环节以现代化技术通过人机交互进行工作。以往设计与制造是分开进行的。现在考虑将两者通过人工智能技术有机地联系起来，将制造过程中有关产品质量的信息及时向设计过程反馈，使整个生产灵活有效，同时保证产品的高质量。这种将设计、制造甚至管理销售统一筹划设计的思想，恰恰是开放的复杂巨系统的综合集成思想的体现。”
2002年，Michael Grieves博士在密歇根大学和NASA研讨会上第一次提出“数字孪生”（digital twin）的理念。他认为，随着复杂性的日益增加，现代产品系统、生产系统、企业系统本质上均属于复杂系统。为了优化、预测复杂系统的性能，我们需要一个可观测的数字化模型，一个产品的综合性的、多物理场的数字表示，以便在产品的整个生命周期中维护并重复使用在产品设计和制造期间生成的数字信息。数字孪生在设计和制造过程中建立，并在产品生命周期中持续演进。一旦产品投入使用，其全生命周期历史将包括状态数据、传感器读数、操作历史记录、构建和维护配置状态、序列化部件库存、软件版本以及更多提供服务和维护功能的完整产品图像。通过数字孪生可以分析产品的当前状态和性能，以调度预防和预测维护活动，包括校准和工具管理。结合维护管理软件系统，数字孪生可以用于管理维修部件库存，并且指导技术服务人员完成现场修理、升级或维修。通过数据库中积累的实例，工业大数据分析工程师可以评估特定系列设备及其部件，并反馈给产品设计和工艺设计环节，用于产品和工艺的持续改进，形成闭环数字孪生（closed loop digital twin）。
作为工业数字化全球领军企业，2007年，西门子明确了“融合物理世界和虚拟世界”的战略愿景，通过一系列研发投资和战略并购，具备了支持“从芯片到城市”，综合性、多物理场、闭环的数字孪生技术，帮助客户实践集成的基于模型的系统工程（integrated Model Based Systems Engineering，iMBSE）。为了消除研制过程中的浪费，iMBSE使用3D数模和技术数据包（Technical Data Package，TDP）作为产品全生命周期的单一模型。3D数模由基于模型的产品定义（Model Based Definition，MBD）生成，加上产品管理信息（Product Management Information，PMI），理论上可以从三维拓展到无穷维。这个单一模型TDP可以在全企业范围内进行分享和自由流动，保障产品全生命周期内快速、无缝、自由的数据流动。如果一个企业实现了TDP在其内部部门间及其生态系统中的自由流动，我们即称之为iMBSE。本书探讨的复杂装备系统主要指的是光机电软液控系统，如箭弹星船、飞机、汽车、铁路机车、高科技船舶、工程机械、重型机械、医疗器械、光刻机、耐用消费品、汽车/消费电子产品等。
实施针对复杂装备系统iMBSE的闭环数字孪生，需要分别支持产品系统、生产系统、运行系统的数字孪生模型，并实现三大系统模型的一体化整合。若希望以高精度、高可信度建立这三类模型，我们认为，需要理论和实践的创新：在产品系统数字孪生领域，要发展新一代MBSE，用于预测物理结构和特征、物理绩效特征、环境响应、失效模式等；在生产系统数字孪生领域，要利用生产系统工程（Production System Engineering，PSE），对各生产系统要素、产线、车间、供应链系统进行建模和仿真，用于优化物理布局和特征、产能和利用率、产出和节拍；在运行系统数字孪生领域，要打造工业物联网（Industrial Internet of Things，IIoT），提供物理系统的实时运行状态，优化运营水平，预测维护，并对设计进行验证。
为了加速中国从制造大国转型为制造强国，以及实现产品从逆向工程转型为正向研发的梦想，西门子工业软件大中华区技术团队组织专家顾问和航天科技集团有关专家，在总结多年实战经验的基础上，适当加以抽象，编写了“数字孪生”系列书籍，以供智能制造、工业互联网、工业人工智能领域的政产学研各界读者参考。
一、新一代基于模型的系统工程
对于光机电软液控系统这类复杂装备系统，其数字孪生要实现从“形似”到“神似”，才能加速产品创新过程。过去四五十年间，全球CAD/CAM/CAE领域为此做了持续的努力，如今三维CAD数模和几何样机渲染已经能达到逼真的水平。本书重点关注如何把复杂装备系统的数字孪生做到“神似”，以有效地协助利益攸关者认识、预测和优化复杂装备系统。
要做到“神似”，须在从“基于文档”的系统工程提升到“基于模型”的系统工程的基础上，进一步演进到“新一代MBSE”。我们认为，新一代MBSE应该是多层次的（整机系统功能架构、领域系统架构、领域模型）、多物理场的、动态的、闭环的数字孪生，由计算机对设计空间自动寻优，并由一个数字线程（或称数字神经）系统支持设计方案的快速迭代。模型的复杂度、精确度和实时性随着产品生命周期的演进逐步提升。要实现基于数字孪生的正向研发理念，需要建设两个基础平台，即全生命周期的管理平台以及基于云和物联网的资源共享平台，并且提供三个维度的技术支撑——不同研发阶段的协同，不同子系统之间的集成，不同领域和不同学科之间的耦合。
在系统架构建模层面，MIT教授Edward Crawley领衔撰写的《系统架构：复杂系统的产品设计与开发》从形式和功能两个方面深入讲解了如何分析系统，并给出了创建良好系统架构的指导原则。国际系统工程学会（INCOSE）则列出了各种主流的建模语言、方法论和工具。本书中的实例采用西门子公司提供的System Modeling Workbench，并采用西门子的Simcenter 1D、3D和Test支持FMI/FMU 2.0标准的实现。
在领域模型层面，随着计算能力遵从摩尔定律发展，包括有限元分析（FEA，或有限单元法）、有限差分法、边界元方法、有限体积法的数值分析（计算数学）工具的成熟，可以解决工程中遇到的大量问题，其应用范围从固体到流体、从静力到动力、从力学问题到非力学问题。事实上，有限单元法已经成为在已知边界条件和初始条件下求解偏微分方程组的一般数值方法。有限单元法在工程上的应用属于计算力学的范畴，而计算力学是根据经典力学中的理论，利用计算机和各种数值方法解决力学中实际问题的一门新兴学科。它横贯力学的各个分支，不断扩大各个领域中力学的研究和应用范围，同时也逐渐发展出自己的理论和方法。例如，柔性多体动力学仿真考虑实际系统中某些运动部件的弹性无法忽略——甚至是主要动力学行为的来源，利用西门子Simcenter 3D可以将有限元法（FEM）与多体动力学仿真（MBS）软件深度整合起来，只需要定义相关部件的受力和边界条件，其余的都是内部作用，既节省工作量又能得到较为真实可信的结果。其他学科的工具包括Simcenter 1D（多物理域分析仿真）、Fibersim（复材）、Capital（电气）、Polarion（软件）、MADe（软件）、Infolytica（电磁）、STAR CCM+（流体力学和传热学）等。
有一个重要的问题，近几年兴起的机器学习（人工智能）能否用于复杂装备系统的数字孪生模型？
机器学习是人工智能的一个分支，简单地说，就是通过算法使机器从大量历史数据中学习规律，从而对新的样本进行智能识别或对未来进行预测。常见的机器学习算法有神经网络（neural network）、支持向量机（Support Vector Machine，SVM）、boosting、决策树（decision tree）、随机森林（random forest）、贝叶斯模型（Bayesian model）等。其实，在深度学习浪潮掀起之前，力学和工程领域早已开始在计算力学研究中结合神经网络模型开发更优的算法，一个典型的例子便是有限元神经网络模型。由于在实际工程问题中存在大量非线性力学现象（如在结构优化问题中），需要根据需求设计并优化构件结构。这是一类反问题，这些非线性问题难以用常规的方法求解，而神经网络恰好具有良好的非线性映射能力，因而可得到比一般方法更精确的解。
将有限元与神经网络结合的方法有很多，比如针对复杂非线性结构的动力学系统建模问题，可以将线性部分用有限元进行建模，非线性部分用神经网络描述（如输入非线性构件状态变量，输出其恢复力），再通过边界条件和连接条件将有限元模型部分和神经网络部分结合，得到混合模型。另一种方法是先通过有限元建立多种不同的模型，再将模态特性（即最终需要达到的设计要求）作为输出变量，将对应的模型结构参数作为输入变量，训练神经网络，利用神经网络的泛化特性得到设计参数的修正值。结合蒙特卡罗方法进行多组有限元分析，将数据输入神经网络中进行训练，可以用来分析结构的可靠度。
二、基于模型的生产系统工程
PSE经历了从人工劳动到采用机械自动化设备，进而采用计算机的发展过程。值得一提的是，20世纪70年代兴起的分布式控制系统（Distributed Control System，DCS，或称集散控制系统）实现的从单机到联网是一个巨大飞跃。DCS是一个由过程控制级和过程监控级组成的以通信网络为纽带的多级计算机系统，综合了计算机、通信、显示和控制技术，其基本思想是分散控制、集中操作、分级管理、配置灵活以及组态方便，在大型复杂工厂运行管理方面得到了广泛应用。20世纪80年代末90年代初，CIMS（计算机集成制造系统）被寄予厚望。CIMS是通过计算机软硬件，综合运用现代管理技术、制造技术、信息技术、自动化技术、系统工程技术，将企业生产全部过程中有关的人、技术、经营管理三要素及其信息与物流有机集成并优化运行的复杂大系统。
序言
序言一
中国制造必须从逆向工程为主转型到正向研发为主
快速浏览方志刚博士的新著，便深为此书所吸引。
几年前，我曾经访问一家著名的国有企业。在车间参观时，陪同的一位企业高管告诉我，他们的数字化水平与国外同行差距不大。我随即问到产品的水平如何，他的回答使我大吃一惊——与国际领军企业的产品差距约30年。中国近些年推进智能制造，总体上成效似乎不错。但就产品的创新（尤其是原创）而言，令人颇为揪心。看看工业世界的万千产品，属于中国首创的寥寥无几。这对身处制造大国的我们而言，是一件值得深刻反思的事情：中国要为世界未来的工业文明贡献什么？明天为全球、为人类增添福祉的创新机遇在哪里？
人类技术文明历经了农业文明、工业文明、互联网文明，正在进入新的阶段——“智能文明”时代。今天，智能制造已成为全球制造业的发展趋势和中国制造强国的战略方向，正在引领新一轮的制造业革命。
我国很多企业在推进智能制造的过程中，需要改变忽视智能化产品创新的现象。智能化产品已经不再是单纯的机电系统，而是复杂的机电软系统，“软件定义世界，数据驱动未来”的趋势越来越明显。大众CEO Herbert Diess博士在2019年达沃斯的“世界经济论坛年会”上表示：“在不远的将来，汽车将成为一个软件产品，大众也将会成为一家软件驱动的公司。”可以断言，未来的产品创新大多离不开软件的创新。本书正是聚焦于产品的正向研发和协同创新，书中从产品开发思维模式的转化，到产品定义、创成式设计、建模仿真等，无一不关乎软件。
第四次工业革命的核心理念是CPS（Cyber Physics System），即数字与物理世界的深度融合，而最能反映CPS理念的非数字孪生（digital twin）莫属。数字孪生是指以数字化方式创建物理实体的虚拟模型，借助数据和模型模拟来改善物理实体在现实环境中的行为或性能。智能产品的研发需要利用数字孪生技术，发现潜在问题，激发创新思维，并不断追求优化进步。
数字孪生需要基于模型的系统工程（Model Based Systems Engineering，MBSE）方法，MBSE是在复杂产品的背景下进行协同产品开发的最佳方法。NASA讲的“fly before built”（建造前飞行）就是指开始并没有制造，而是在虚拟数字环境下基于模型去设计、制造、试验等，这样就可以看到最终场景，并在整个过程中不断完善需求，不断适应变化，这就是基于模型的系统工程所带来的巨大变革。作者创造性地提出了复杂装备系统新一代MBSE，即iMBSE（integrated MBSE）的先进理念，并将系统模型、领域模型和系统生命周期管理（SysLM）三者有机地统一起来，进而实现基于模型的方法在整个工程中的应用，极大地拓展了传统系统工程和MBSE的内涵，为复杂装备系统研发模式的数字化转型提供了完备的理论指导和切实可行的实现路径。
书中系统地介绍了复杂装备系统研发模式的变革历程，国外在研发体系数字化转型方面的探索，创新的三大思维模式，基于iMBSE的复杂装备系统正向研发体系、流程和方法，以及支撑研发模式数字化转型的关键技术——数字孪生和数字线程（digital thread），并通过火星车2030数字化工程实践验证（POC）为读者展示了iMBSE的应用场景，相信能够为有志于研发模式数字化转型和提升自主研发能力的企业提供巨大的参考价值。
数字孪生需要众多数字–智能技术的支撑，读者从此书中可以领略数字前沿技术的不同应用。例如：增强现实（AR）、混合现实（MR）技术应用在诸如协同设计、装配、运维等场景；拓扑优化、创成式设计提供了区别于传统经验式设计模式的创新设计方案，实现创新设计的自动化与智能化，即智能设计；3D打印技术让制造企业不再受传统工艺和制造资源的约束，在“设计即生产”“设计即产品”的理念下，为企业追求“创造无极限”拓展了产品创意与创新空间；多学科优化和设计空间探索可以极大地拓展设计师的设计空间，帮助设计师充分探索和利用系统中相互作用的协同机制，从而快速找到复杂装备系统的优化设计……随着越来越多新技术的融入，相信将进一步推动智能产品研发的革命。
特别值得一提的是，作者深厚的理论功底和他在世界制造业/软件行业巨头西门子公司的供职，使得此书成为同类著作中的佳作。从数字–智能技术（如数字孪生）的发展历程和演进，到前沿新技术（如iMBSE）的探索，均体现了作者对数字–智能技术领悟的广度和深度。另外，此书的一大亮点便是丰富的案例，包括西门子公司在数字孪生等方面的探索和实践。这些都是值得中国学界和工业界读者学习和借鉴的。
中国欲从制造大国转型为制造强国，要点之一当是从产品逆向工程转型为正向研发，而数字孪生的应用又是其关键。相信本书将对数字孪生技术在中国工业界的应用以及推动中国企业的产品正向研发和协同创新产生重大影响！
李培根
中国工程院院士
中国机械工程学会理事长
华中科技大学教授
2020年10月
中国制造必须从逆向工程为主转型到正向研发为主
快速浏览方志刚博士的新著，便深为此书所吸引。
几年前，我曾经访问一家著名的国有企业。在车间参观时，陪同的一位企业高管告诉我，他们的数字化水平与国外同行差距不大。我随即问到产品的水平如何，他的回答使我大吃一惊——与国际领军企业的产品差距约30年。中国近些年推进智能制造，总体上成效似乎不错。但就产品的创新（尤其是原创）而言，令人颇为揪心。看看工业世界的万千产品，属于中国首创的寥寥无几。这对身处制造大国的我们而言，是一件值得深刻反思的事情：中国要为世界未来的工业文明贡献什么？明天为全球、为人类增添福祉的创新机遇在哪里？
人类技术文明历经了农业文明、工业文明、互联网文明，正在进入新的阶段——“智能文明”时代。今天，智能制造已成为全球制造业的发展趋势和中国制造强国的战略方向，正在引领新一轮的制造业革命。
我国很多企业在推进智能制造的过程中，需要改变忽视智能化产品创新的现象。智能化产品已经不再是单纯的机电系统，而是复杂的机电软系统，“软件定义世界，数据驱动未来”的趋势越来越明显。大众CEO Herbert Diess博士在2019年达沃斯的“世界经济论坛年会”上表示：“在不远的将来，汽车将成为一个软件产品，大众也将会成为一家软件驱动的公司。”可以断言，未来的产品创新大多离不开软件的创新。本书正是聚焦于产品的正向研发和协同创新，书中从产品开发思维模式的转化，到产品定义、创成式设计、建模仿真等，无一不关乎软件。
第四次工业革命的核心理念是CPS（Cyber Physics System），即数字与物理世界的深度融合，而最能反映CPS理念的非数字孪生（digital twin）莫属。数字孪生是指以数字化方式创建物理实体的虚拟模型，借助数据和模型模拟来改善物理实体在现实环境中的行为或性能。智能产品的研发需要利用数字孪生技术，发现潜在问题，激发创新思维，并不断追求优化进步。
数字孪生需要基于模型的系统工程（Model Based Systems Engineering，MBSE）方法，MBSE是在复杂产品的背景下进行协同产品开发的最佳方法。NASA讲的“fly before built”（建造前飞行）就是指开始并没有制造，而是在虚拟数字环境下基于模型去设计、制造、试验等，这样就可以看到最终场景，并在整个过程中不断完善需求，不断适应变化，这就是基于模型的系统工程所带来的巨大变革。作者创造性地提出了复杂装备系统新一代MBSE，即iMBSE（integrated MBSE）的先进理念，并将系统模型、领域模型和系统生命周期管理（SysLM）三者有机地统一起来，进而实现基于模型的方法在整个工程中的应用，极大地拓展了传统系统工程和MBSE的内涵，为复杂装备系统研发模式的数字化转型提供了完备的理论指导和切实可行的实现路径。
书中系统地介绍了复杂装备系统研发模式的变革历程，国外在研发体系数字化转型方面的探索，创新的三大思维模式，基于iMBSE的复杂装备系统正向研发体系、流程和方法，以及支撑研发模式数字化转型的关键技术——数字孪生和数字线程（digital thread），并通过火星车2030数字化工程实践验证（POC）为读者展示了iMBSE的应用场景，相信能够为有志于研发模式数字化转型和提升自主研发能力的企业提供巨大的参考价值。
数字孪生需要众多数字–智能技术的支撑，读者从此书中可以领略数字前沿技术的不同应用。例如：增强现实（AR）、混合现实（MR）技术应用在诸如协同设计、装配、运维等场景；拓扑优化、创成式设计提供了区别于传统经验式设计模式的创新设计方案，实现创新设计的自动化与智能化，即智能设计；3D打印技术让制造企业不再受传统工艺和制造资源的约束，在“设计即生产”“设计即产品”的理念下，为企业追求“创造无极限”拓展了产品创意与创新空间；多学科优化和设计空间探索可以极大地拓展设计师的设计空间，帮助设计师充分探索和利用系统中相互作用的协同机制，从而快速找到复杂装备系统的优化设计……随着越来越多新技术的融入，相信将进一步推动智能产品研发的革命。
特别值得一提的是，作者深厚的理论功底和他在世界制造业/软件行业巨头西门子公司的供职，使得此书成为同类著作中的佳作。从数字–智能技术（如数字孪生）的发展历程和演进，到前沿新技术（如iMBSE）的探索，均体现了作者对数字–智能技术领悟的广度和深度。另外，此书的一大亮点便是丰富的案例，包括西门子公司在数字孪生等方面的探索和实践。这些都是值得中国学界和工业界读者学习和借鉴的。
中国欲从制造大国转型为制造强国，要点之一当是从产品逆向工程转型为正向研发，而数字孪生的应用又是其关键。相信本书将对数字孪生技术在中国工业界的应用以及推动中国企业的产品正向研发和协同创新产生重大影响！
李培根
中国工程院院士
中国机械工程学会理事长
华中科技大学教授
2020年10月
媒体评论
李斌 张露 审校【加内封上】
特别值得一提的是，作者深厚的理论功底和他在世界制造业/软件行业巨头西门子公司的供职，使得此书成为同类著作中的佳作……此书的一大亮点便是丰富的案例，包括西门子公司在数字孪生等方面的探索和实践。这些都是值得学术界和工业界读者学习和借鉴的。
中国欲从制造大国转型为制造强国，要点之一当是从产品逆向工程转型为正向研发，而数字孪生的应用又是其关键。相信本书将对数字孪生技术在中国工业界的应用以及推动中国企业的产品正向研发和协同创新产生重大影响！
—— 李培根
中国工程院院士
中国机械工程学会理事长
华中科技大学教授
第四次工业革命的核心技术特征是众多工程学科和数据科技的大融合，在这个信息繁杂的时代，本书能够帮助读者快速鸟瞰全貌，建立清晰的知识层次结构。
—— 梁乃明
西门子数字化工业软件全球高级副总裁
兼大中华区董事总经理
特别值得一提的是，作者深厚的理论功底和他在世界制造业/软件行业巨头西门子公司的供职，使得此书成为同类著作中的佳作……此书的一大亮点便是丰富的案例，包括西门子公司在数字孪生等方面的探索和实践。这些都是值得学术界和工业界读者学习和借鉴的。
中国欲从制造大国转型为制造强国，要点之一当是从产品逆向工程转型为正向研发，而数字孪生的应用又是其关键。相信本书将对数字孪生技术在中国工业界的应用以及推动中国企业的产品正向研发和协同创新产生重大影响！
—— 李培根
中国工程院院士
中国机械工程学会理事长
华中科技大学教授
第四次工业革命的核心技术特征是众多工程学科和数据科技的大融合，在这个信息繁杂的时代，本书能够帮助读者快速鸟瞰全貌，建立清晰的知识层次结构。
—— 梁乃明
西门子数字化工业软件全球高级副总裁
兼大中华区董事总经理
