数字孪生技术在汽车领域的应用研究综述

物联网和网络物理系统3（2023）180数字孪生技术在汽车领域的应用研究现状邓叔彤a，1，梁玲a，b，1，张彩芝a，*，李丛波a，曾涛c，张开庆d，郭刚a，**机械与车辆工程学院，机械传动国家重点实验室，重庆汽车协同创新中心，重庆大学，重庆，400044b中国北方车辆研究所，中国北京c重庆长安新能源汽车技术有限公司动力研究所，地址：中国重庆市渝北区渝东大道118号d招商局检测车辆技术研究院有限公司电动汽车安全评价重庆市工业与信息化重点实验室，版权所有© 2018 - 2019深圳市金源科技有限公司自动清洁装置关键词：数字孪生汽车汽车工业交通运输电池燃料电池A B标准数字孪生（Digital Twin，DT）技术被认为是推动行业发展的最具前景的技术之一，在国防、智能制造、智慧城市等多个领域取得了重要应用，并逐步应用于人们生活中必不可少的交通工具本文对DT的定义及其在汽车相关领域中的应用进行了系统的综述，旨在总结几乎所有的相关研究成果，激发创新思维。数字孪生，它的结构和它的演变进行了系统的审查。所有回顾的DT汽车应用分为三类：汽车工业，交通运输和电池，这是汽车领域的研究热点。这些方法和思想将在本文中得到强调。特别强调了数字孪生在汽车领域的未来发展方向。1. 介绍近年来，由于经济和技术的进步，汽车在人们的生活中变得越来越重要[1]。 但目前，汽车的发展正面临着巨大的挑战：首先，由于严格的环保法规，汽车设备和车载控制软件变得更加复杂，集成化和智能化程度不断提高，动力系统越来越多样化[2]。然而，由于生产需求的同时，汽车的开发时间变得更短[2]。因此，迫切需要加强设计系统和提出解决方案的能力。此外，车辆结构越复杂，性能下降和功能失效的概率越大。这将导致设计、开发、测试、运营和维护成本大幅增加。这意味着，需要在汽车中使用有效的健康预测和维护手段[3]。此外，车辆数目的增加亦增加了交通负担，令道路交通情况更为复杂。如何改善交通也是目前需要关注的问题[4]。最后，为了彻底解决汽车排放污染与环境之间的矛盾，电动汽车和新能源汽车的研究也在如火如荼地进行，而电池性能的提高也是目前首要的研究问题[5，6]。数字孪生（Digital Twin，DT）可能为解决这些问题提供一种新传感器技术和物联网技术的发展和普及，推动了智能制造的进步，使汽车成为继手机、电脑之后的第三大联网设备[7]。汽车从设计、制造、维护到应用于交通运输的全过程都伴随着海量数据[8]，* 通讯作者。** 通讯作者。电子邮件地址：czzhang@cqu.edu.cn（中文）Zhang），cquguogang@163.com（G. Guo）。1、同等贡献。https://doi.org/10.1016/j.iotcps.2023.04.004接收日期：2023年1月16日;接收日期：2023年4月12日;接受日期：2023年4月18日2023年4月23日在线提供2667-3452/©2023作者。由爱思唯尔公司出版我代表科爱通信公司，公司这是一个在CC BY-NC-ND许可证下的开放获取文章（http://creativecommons.org/licenses/by-nc-nd/4.0/）。可在ScienceDirect上获得目录列表物联网和网络物理系统期刊主页：www.keaipublishing.com/en/journals/S. Deng等人物联网和网络物理系统3（2023）180181只要通过正确的方法充分利用它，就蕴藏着巨大的经济潜力[9]。 使用大数据分析，可以通过智能分析工具访问这些生成的数据，以便快速做出最合适的决策[10]。为了充分利用数据，应该采用适当的数据模型[11]，例如数字创建的虚拟高逼真度通过这些技术的应用，可以实时监控现实世界中的情况，并将其同步到虚拟世界中，快速进行相关的分析或计算，为数字孪生的出现提供了条件[13]。数字孪生首先在航空航天领域产生，然后逐渐应用于其他领域[14]。与其他领域一样，数字孪生的研究也是汽车工业领域一个很有前途的课题目前，DT已逐渐在汽车领域的某些方面发挥重要作用，未来将在该领域得到更广泛的应用然而，很少有科学文献总结数字孪生在汽车领域的应用。因此，对这一课题进行综述将是非常有益的，并有助于未来的研究。本文旨在通过相关文献研究，形成科学文献中数字孪生的定义，并阐明数字孪生对于汽车应用的非凡而独特的意义。为了更深入地理解DT为什么能够解决汽车行业面临的问题，本文首先介绍了DT的概念。 然后根据DT的演变过程，可以更清楚地看到DT是如何在汽车领域逐渐发挥重要作用的。具体而言，本文调查和总结了数字孪生在汽车应用各个方面的研究和应用，并根据上述汽车不同方面的需求将这些文献创新地分为三类。根据这些类别的文献综述和相关结论，有助于使数字孪生与汽车应用之间的关系更加明显，从而推断两者未来的发展方向2. 数字孪生Grieves提出了一个数字孪生模型，它有三个基本部分，包括物理产品，虚拟产品和它们的连接[15]，它现在被普遍使用它是数字孪生的基础，因为建立数字孪生是为了模拟它。数字孪生的物理部分从高到低可以分为三个层次：系统级的系统、系统级的系统、系统的系统和单元级的系统[16]。虚拟零件是一个高精度的副本，它可以再现物理实体的物理几何形状，属性，行为和规则[17]。 基于这个模型，Tao和Zhang提出了一个五维模型来更全面准确地描述数字孪生[10]（图11）。①的人。该补充模型的物理实体（PE）、虚拟实体（VE）和数字孪生数据（DD）部分与前一模型类似，并且增加了两个新的部分服务（Ss）和这四个部分之间的连接（CN）数字孪生数据是推动这一模型的关键[16]。 它可以从物理部分和虚拟部分获得，并在服务调用和执行期间生成。 数字孪生服务可以实现各种功能，以满足各种需求。数字孪生模型中的连接可以实现数据交换，进而连接其他部分。3. 数字孪生图 2显示了数字孪生的不断发展和完善。一个类似的概念首先由博士提出2003年，他在关于产品生命周期管理（PLM）的演讲中表示悲痛。他认为这是一种数字资产[18]。但由于时代和技术的局限性，该理论提出后并没有得到广泛的关注，相关论文也不多。Fig. 1. 补充的5D数字孪生模型[10]。2003年至2011年，物联网、通信技术、传感器技术、仿真技术、大数据分析等快速发展，在很大程度上推动了数字孪生的发展[19]。2010年出现了突破性进展：NASA正式提出了这一概念，并利用数字孪生技术预测飞机的最佳维修时间，从而为飞机的维修周期、故障点和故障概率提供参考。“一个集成的多物理场和多尺度概率仿真模型”是NASA对数字孪生的定义。一年后，第一篇发表的期刊文章出现了，解释了如何使用数字孪生来预测飞机的寿命。同时，数字孪生的概念被转移到生产设施中[22]。和Lee等人 [23]认为数字孪生也可以是生产资源的虚拟对应物，这为DT在先进制造环境中的作用奠定了基础。2014年发布了第一份关于数字孪生的白皮书，反映了DT从抽象概念到大量实际应用的发展[15]。Rios等人[24]认为，数字孪生模型包括一个通用的2017年，Michael Grieves将数字孪生重新定义为“一组虚拟信息结构，完全描述潜在或实际的物理制造产品。” 2021年，Zhang等人[27]提出了DT的进化并发建模方法2022年，Tao et al.[28]补充了虚拟模型的组成2023年，Zhang et al.[29]提出了一种数字孪生多维模型的更新方法迄今为止，数字孪生研究已经取得了长足的进展，提出了许多建立数字孪生模型的方法和理论，如基于离散事件系统的建模理论[30]、基于仿生原理的建模方法[31]、TRIZ功能建模方法[32]等。 但这些方法仍然是概念性的，这项技术的发展仍然有巨大的空间，特别是在汽车领域。 许多努力仍然是必要的，使DT建模的方法更先进和多样化[19]。Madni et al.在Ref中提出[20]根据复杂度或成熟度，数字孪生可以分为四个级别：前数字孪生，S. Deng等人物联网和网络物理系统3（2023）180182图二. DT发展的里程碑。数字孪生、自适应数字孪生和智能数字孪生。图1显示了这些水平的指孪生的特征、功能和差异. 3.第三章。前数字孪生子是第一个层次。它是在项目早期创建的传统虚拟可执行原型，没有物理原型。 建立这一级别的数字孪生的目的是为了降低技术风险，发现前期工程中可能存在的一些问题。因此，它也被称为虚拟原型-前数字孪生。第二层的数字孪生模型可以检测和接收物理孪生模型的性能、健康和维护数据，并更新数字模型。此外，该模型支持整个生命周期中的高层决策因此，数字双胞胎可以用来探索物理双胞胎自适应数字双胞胎是在第三个层次。它基于第二级数字孪生，可以提供敏感的自适应用户界面，通过基于神经网络的机器学习算法获得不同条件下用户的偏好[33]智能数字双胞胎处于第四层次。自动化程度更高，具备了前三种数字孪生的全部功能。此外，它对现实世界对应物的分析更加精细。4. 数字孪生模型在汽车领域的研究现状4.1. 数字孪生在传统汽车中的应用数字孪生是工业4.0的关键技术之一[34]，图三. 数字双水平仪[20]。它与智能制造密切相关，因此在所有与汽车相关的应用中，它在汽车行业的应用最为广泛。Sharma和George强调了数字孪生模型在汽车行业面临挑战时的重要性，包括汽车产品设计，制造，销售和其他服务。表1显示了文献中出现的数字孪生在汽车行业中的应用在汽车产品设计阶段，建立数字孪生模型可以在很大程度上节省时间和成本。例如，Patrikeev et al.[36]建立了SUV的数字孪生模型，对越野车进行NVH分析，以设计新的车架上车身SUV，通过减少物理试验次数，减少设计阶段的时间和成本。 并根据其工作结果进行数字化设计，可以得到与试验相一致的结果。Shikata等人[2]建立了一个虚拟环境（虚拟车辆），与计算机上的真实车辆连接，以开发整体车辆模拟。通过仿真可以在各种条件下准确地验证整个电动汽车自动充电系统的设计，包括定位ECU、自动泊车ECU和充电控制ECU通过不断完善相关程序，仿真结果可以达到理想值，可以在实车上进行高度完美的验证因此，该项目可以提高&研发速度，并提高电动汽车自动充电系统的安全性和质量，甚至在原型系统之前。在此基础上，从车辆的角度提出更多的相关产品。作为智能制造的关键技术，数字孪生对于在整个产品生命周期中维护产品相关数据变得越来越重要工业4.0时代的到来为实现实时监控和同步提供了技术基础，从而产生大量数据，这使得建立数字孪生成为可能[47]。然而，当前的PLM系统无法集成反馈数据，因为大量数据使得其更难以快速适应可用的PLM解决方案[9]。数字孪生作为物理系统的虚拟描述，可以实现产品全生命周期因此，数字孪生与PLM和物联网技术的适当集成可以为智能制造系统做出贡献[19]。因此，数字孪生也可以在汽车制造业中发挥重要作用，因为它们在提高产品质量、降低生产成本、提高生产力和效率以及在更高水平上降低成本和时间方面具有巨大潜力[48，49]。白车身是汽车生产过程中最重要的组成部分之一，因为它决定了汽车的外观。 目前，已有大量文献论述了数字孪生模型在白车身生产中的应用。因为无论是一种新的S. Deng等人物联网和网络物理系统3（2023）180183表1DT在汽车行业的应用通过这个由区块链授权的数字孪生模型，可以在整个生命周期中跟踪所有更改基于这项技术，应用菲尔德参考文献使用工具/方法预计将提出跟踪汽车其他部分的数字孪生在汽车制造过程中，如果设备NVH和汽车研发汽车研发[36]打造系列SUV的SmartDigital Twin，减少实际测试次数，从而减少设计时间和成本[2]全面发展飞行器模拟技术，以提高设计和提出系统不可用使用3D渲染引擎并通过与3D CAD设计数据链接如果测量值和理论值之间的偏差过大，则后续组装过程的难度将增加[52]。在汽车制造过程中，一般是通过光学三坐标测量机（OCMM）这种基于在线检测的方法获取偏差数据，来解决白车身焊接阶段的上述问题。 但该方法存在数据可视化不足、大数据集利用率低、物理实体与虚拟模型之间联系不充分等缺点。[39]第三十九届开发了白车身几何尺寸在线检测的数字孪生系统白车身生产[37]集成规划机器人仿真软件该系统可以实现对产品的准确描述，汽车车身生产几何特征检测汽车线束领域操作仿真诊断&故障预测诊断&故障预测诊断&故障预测诊断&故障预测[38]通过基于数字孪生的信息物理系统[39]白车身在线检测系统[40]快速、经济地检测和解决问题，并提高产品知识[41]使用数字双火花点火提高燃油经济性和驾驶性能[42]采集车辆数据，分析车辆整体性能，为客户[43]预测传统乘用车中的制动片磨损[44]支持汽车制动系统[45]永磁同步电动机的健康监测与预测遗留系统、基于Web的集成制造平台、P4R信息模型和DT应用物理实验平台和JHIM软件平台3D-Master模型发动机测功机不可用ANSYS在CREO SimulateANN和FL车间和实时监控检查过程可靠性仿真实验证明了该系统的有效性 Tharma等人[40]将数字孪生应用于汽车线束，这是第一个安装在装配线上的车辆中的线束由DT创建的健康监测系统可以监测系统故障、异常、变形和可靠性[12]。 甚至物理实体的生命状态也可以通过数字方式反映和预测。通过了解系统的历史和现状，[53]然后调整影响系统性能的环境条件参数[54]。 汽车生产和销售后，其维护和检查也是其生命周期中不可或缺的一部分。Rajesh等人[44]介绍了数字孪生模型在制动片维护检查中的应用，通过开发汽车制动片的监测活动来预测制动器磨损。这款数字孪生模型可以根据制动压力和轮速等测量参数预测维护活动。 实时数据由不同的传感器获取，然后通过EdgeMicroServer导入Thing Worx物联网平台。将采集的数据输入CREO中的建模组件，在CREO中对制动片和转子的数字孪生模型进行建模。 并利用建立的装配模型，在CREOSimulate中建立了制动片磨损的结构仿真. 模拟数据与计算的摩擦片磨损数据相当。当实际车辆在使用中时，该系统收集实时数据。收集更多的实时数据有助于进行大数据分析，更好地规范刹车片的维护制动器的磨损和寿命可以通过将机器学习方法与PLM [46]跟踪汽车的配置状态单独的区块链数字孪生系统[44]。同样，根据Magargle et al. ’ 有车辆，例如轿车、轿跑车、敞篷车，或不同的模型，例如内燃机模型、混合动力模型、电动车辆模型等。有必要将它们整合到现有的生产系统中[50]。然而，将新车生产整合到现有的白车身生产设施中，同时会增加整合规划的复杂性[37]。根 据 Biesinger 等 人 [37] 通 过 采 访 领 先 的 汽 车 原 始 设 备 制 造 商（OEM）的生产规划人员的发现，可以通过将数字孪生系统应用于生产计划来自动建立生产计划。由于数字孪生可以及时反映物理系统的功能[50]，因此更容易获得生产系统的当前信息，包括资源数量结构、布局和位置、生产线平衡和加工时间、变量以及机器人站和工作站上的衍生产品。这些都是规划者最重要的信息。而在汽车车身自动化生产线中，为了克服不可预知的突发事件所带来的产品问题，提出了基于数字孪生的CPS系统来预测产品是否符合要求[38，51]。Heber等[46]提出了数字孪生模型，以应对汽车电子设备变得越来越复杂的挑战控制装置，以实现制动系统的热监测和预测性维护，特别是在异常工作条件下[43]。此外，Venkatesan等人通过建立智能数字孪生（i-DT）[45]提出了一种永磁同步电机（PMSM）健康监测和预测系统，该i-DT的框图如图所示。4.预测电机的寿命至关重要，因为它可以在必要时对电机进行预防性维护，以确保其可靠性和安全性[55]。通过对i-DT系统的分析计算，只需将永磁同步电机的平均转速和电动汽车的运行时间输入i-DT系统，就可以得到绕组和机壳的温度、加注轴承润滑油所需的时间以及永磁体的健康状况因此，可以监控PMSM的健康状态，以便通过在正确的时间采取适当的措施来延长PMSM的寿命[45]。开发的i-DT可用于监测电动汽车的健康状况，预测电动汽车的运行状况，安排电动汽车的维修时间。 仿真结果表明，i-DT可以有效地用于电动汽车用户和汽车行业预测健康状况和剩余使用寿命（RUL）。这种i-DT系统也可以用于自动驾驶汽车，使其健康和寿命延长一倍S. Deng等人物联网和网络物理系统3（2023）180184见图4。i-DT系统[45]。4.2. 数字孪生模型在智能汽车中的应用4.2.1. 数字孪生在交通运输中的应用车辆信息和通信技术的进步总是与智能交通系统相关[56]。智能交通系统是集信息技术、无线传输技术、智能传感技术、自动控制技术、计算机系统技术和系统工程技术于一体，建立的全方位、及时、准确、高效的综合交通运输与管理系统。 由于其能够充分利用现有交通基础设施，减少交通负荷和拥堵，并提供各种交通安全预警信息，以确保交通安全，提高运输效率，因此被视为未来交通系统的发展方向。当系统运行时，会产生和接收大量数据，这使得系统可以在表2DT在交通运输数字孪生模型的建立因此，数字孪生对改善交通也有重要的潜力。 表2显示了文献中出现的DT在运输中的应用。Kumar等人 [4]提出的虚拟车辆（VV）模型可以获得驾驶员的偏好和实时意图信息（如图所示）。5）。VV是虚拟空间中汽车和驾驶员的对应物，即数字孪生。 VV可以相互交互，以便在边缘处理这些数据后可以预测驾驶员的意图。 该功能可用于各种场景，避免频繁的交通堵塞，实现实时交通管理。在Ref. [57]，高级驾驶员辅助系统（ADAS）用于开发联网车辆的数字孪生范例。 数据通过V2C通信和蜂窝网络上传到服务器，服务器根据上传的数据创建虚拟世界，基于V2C的ADAS与数字孪生框架的架构如图所示。 六、 然后在两车匝道和一车跑道的场景中验证了该系统的功能。通过传感器获得速度、时间和位置等参数，并进行分析，最终获得建议速度。驾驶员根据给定的车速调整车速，实现了安全会车应用菲尔德参考文献使用工具/方法系统的速度 研究结果还表明，通过应用基于数字孪生的ADAS系统，驾驶辅助[57]向驾驶员车辆模拟器、驾驶模拟器、交通模拟器可以有效降低，适当的通信延迟和丢包不会对结果造成太大影响，可以接受。此外，为改善交通，为司机提供驾驶指引，交通[4]通过预测改善交通驾驶员的意图通过数字孪生边缘云和雾云数字孪生还可以通过完全实现自主开车 数字孪生是未来自动驾驶汽车长期成功的关键。通过使用数字双胞胎来模拟车辆，推进驱动[58]估计驱动器响应从EPDS的数字孪生（DT）MATLAB可以捕捉车辆行为和运行数据，并对车辆的整体性能进行分析，为客户提供个性化的服务，CGV [59]开发数字孪生模型，自动引导车辆解决物料搬运问题DES可以进行分析[42]。目前，自动驾驶技术的需求正在迅速增加。如何验证自动驾驶的功能一直是发展的重要组成部分，自动驾驶自动驾驶隐私增强[60]使用数字孪生映射测试物理自动驾驶车辆的虚拟复杂道路场景[61]通过数字孪生分析了自动驾驶中可能出现的安全问题[62]作为将动态隐私数据与各种利益相关者的服务相V2x跟车模型不可用这也是一项重大挑战[63]。中国信息通信技术研究院（CAICT）开发了基于数字孪生的自动驾驶测试系统，该系统可以通过V2X通信技术完成传感器数据的上传和虚拟场景信息的传输，以及道路上的车辆测试[64，65]。该三层测试系统由现场测试层（物理空间）、网络传输层（链路）和实验室测试层（数字空间）组成通过应用LTE-V 2XS. Deng等人物联网和网络物理系统3（2023）180185图五. 验证与确认模型[4]。见图6。具有数字孪生框架的基于V2C的ADAS的架构[57]。为建立数字孪生模型提供数据基础的技术通过4G/5G网络建立数字空间和物理空间之间的通信链路。实验室测试层提供了信道建模、性能指标计算、虚拟化和性能采集等功能将获得的虚拟场景信息和虚拟汽车反馈到现场测试层。并在此基础上提出了相应的三阶段测试方案，包括纯虚拟测试（不连接物理空间）、基于真实传感器数据的测试和基于实车的测试（结合自动驾驶算法控制）。那么经过测试，这个架构能够有效的进行自动驾驶测试，证明了V2X通信技术是基于数字孪生的自动驾驶测试方案中连接虚拟空间和物理空间的关键针对自动驾驶汽车运行过程中可能出现的安全问题，如误算或黑客攻击等，Sadeq等。[61]提出了一个数字孪生模型框架，可以识别、分析和评估这些风险，并给出相应的对策。 车辆之间需要交换信息，这给智能交通中车辆的隐私带来了安全隐患。因此，数字孪生可能成为解决这一问题的关键Damjanovic-Behrdt等人 [62]设计了基于数字孪生的隐私增强方法和机制，用于捕获智能车辆运行驾驶生命周期中与隐私相关的行为和异常，如图所示。7.第一次会议。实现知情同意、去身份化和匿名化是改善受试者隐私权和减轻隐私脆弱性的策略数字孪生演示器使用机器学习方法进行智能车辆操作过程的行为分析和预测并检查是否符合《通用数据保护条例》（GDPR）的要求[62]。4.2.2. 数字孪生在智能汽车电源中的应用随着能源危机和环境污染的加剧，汽车排放污染与环境之间的矛盾日益突出。解决两者之间矛盾的关键是优化汽车的动力系统。此外，数字孪生技术在汽车电池和燃料电池中也有重要的应用，可以大大提高它们的性能。 DT在汽车电池和燃料电池中的应用如图所示。8.第八条。随着电动化的发展，作为电动汽车最重要的组成部分，汽车储能越来越重要[74]。DT系统可以依托具体的行业实践，充分发挥其优势。一些研究人员也给出了锂离子电池领域的一个简要概念，然而，他们中的大多数都集中在锂离子电池的S. Deng等人物联网和网络物理系统3（2023）180186见图7。 数字孪生的隐私场景，并得到GDPR要求和专家知识（规则和政策）的支持[62]。见图8。 DT在汽车电池和燃料电池中的应用[66见图9。 智能电池管理系统的DT框架[75]。S. Deng等人物联网和网络物理系统3（2023）180187使 用 DT 建 立 高 精 度 模 型 ， 并 估 计 荷 电 状态（ SOC ） 和 健康状 态（SOH），如图所示。 另一方面，有机会利用DT来处理复杂系统，并建立电池系统的DT框架，如图所示。9 [75]。目前，锂电池的开发、改进和应用是应对汽车发展中的温室效应等环境问题和其他环境挑战的最重要手段之一，但其能量密度、生命周期和高成本阻碍了其广泛应用[76，77]。但是，如果电池的参数受到严格限制（如电压、电流、温度等），有效地解决了上述障碍，更好地实现了对电池的控制因此，采用模型驱动的方法获取系统的状态参数是十分必要的。 Wu等人 [66]已经指出数字孪生非常适合于具有复杂非线性特性的锂电池系统，以实现更好的电池管理。拟议的电池数字孪生模型是一个虚拟的信息物理系统和交互式网络架构，通过结合模型、数据和人工智能技术建立（如图所示）。 10）。通过物理实体与虚拟对立面的交互，该电池数字孪生模型能够更好地整合多源信息，极大地提高该架构的适应性和集成能力，满足电池系统精细化管理和未来能源互联网建设的需求[66]。为了得到锂电池的实际容量，Qu等人利用LSTM（long-term short-term memory）算法建立了一个数字孪生模型，该模型可以通过一些容易测量的参数来反映锂电池的退化状态。相应的实验结果表明，该方法在动态条件下具有很大的潜力[70]。除了锂电池，汽车动力系统中的质子交换膜燃料电池（PEMFC）也因其环保、高效和高商业潜力而得到广泛认可[78，79]。 但与锂电池类似，PEMFC也存在一些困难的问题，如成本，性能和耐用性[80]。迅速崛起的数字孪生概念，或许能为这一困境带来转机 开发PEMFC的数字孪生模型对电池设计和控制操作具有重要意义[81]。然而，在构建PEMFC的数字孪生模型方面仍然存在一些困难。数据困难是数字孪生发展过程中的主要挑战[82]。PEMFC是一个具有多物理场的复杂系统。它的性能取决于许多参数，如气体反应物的浓度、水含量、温度等。这些参数的空间分布很难通过原位方法测量，更不用说在PEMFC车辆上进行实时检测了[83]。此外，通常需要专用和昂贵的仪器来完成多个物理场的观测[84]。数据驱动的代理建模是一种新颖而巧妙的方法，图10个。电池数字孪生的网络物理元素[66]。S. Deng等人物联网和网络物理系统3（2023）180188见图11。 各类别研究数量比例。构建质子交换膜燃料电池的数字孪生模型 它结合了物理系统建模和典型机器学习技术的知识。 这是解决上述问题的可行方法之一[85]。一个代理模型框架，提出了参考。[84]，将质子交换膜燃料电池物理模型的高精度与数据驱动模型的高效率相三维建模对推进质子交换膜燃料电池技术的发展起到了重要作用这种先进的三维模型可以很好地模拟PEMFC电堆的各种场景，无论是考虑整车还是非常复杂的流场设计。PEMFC的模拟结果与实验结果高度一致。 但其计算量大、时间长，严重制约了其在质子交换膜燃料电池中的应用。见参考文件[84]，通过在100个随机和不同的操作条件下模拟PEMFC的最先进的和经过充分验证的三维多物理模型，将生成的结果数据用作数据集。然后，将数据集随机分为训练集和测试集，利用机器学习算法完成创建的数据驱动模型，并预测的参数分布的质子交换膜燃料电池的数字模型。这种建立数字孪生模型的想法非常成功，同时大大降低了计算成本和时间。用高精度的物理模型进行仿真可以弥补数据的不足，在数据相对充足的情况下，可以通过直接的机器学习建立数字孪生模型对于燃料电池，可以根据实验数据建立数字孪生模型，以预测和诊断电池的性能[86]。Safa等人 [87]提出了一种数字孪生方法来研究PEMFC退化现象，即使在测量数据不充分的情况下，RUL的预测也可以达到很高的精度。该数字孪生模型通过SDA建模完成，使用更容易测量的堆电压。运行结果表明，误差在可接受的范围内。因此，可以有效和正确地分析质子交换膜燃料电池的规则语言。 与其他数字孪生模型不同的是，这种数字孪生模型并非一成不变。它可以根据新测量的数据进行自我更新。 在数据预处理后，利用实测的电池堆电压完成SDA模型的训练，见图12。 分析了DT的现状、不足和发展方向。S. Deng等人物联网和网络物理系统3（2023）180189应用在线获得的数据来更新模型。这使得数字孪生模型更接近真实的PEMFC，决策更准确。5. DT在汽车随着信息技术的发展，DT在更多的行业中发挥着重要作用。 在汽车应用中，由于传感器技术和物联网技术的使用，在汽车的整个生命周期中产生了足够的数据，这为DT在汽车领域的应用提供了基础[88]。DT与智能制造系统密不可分。结合DT的智能制造系统可以有效提高汽车产品的质量、成本和效率。而对于更为复杂的汽车产品设计，也可以通过构建DT，即高精度的虚拟实体，大大提高效率和成本即使在汽车生产和投入使用后，DT创建的健康监测系统也可以监测和预测寿命状态，以便提出相关的预测和维护安排。DT对于智能交通系统的建设有很大的帮助，可以大大改善交通状况。由于车辆信息和通信技术的使用，可以收集道路信息甚至驾驶员的意图数据通过对这些数据的分析，可以得到最优的路径规划方案，甚至可以节省车辆的能耗 随着自动驾驶技术需求的不断增长，DT的建立为自动驾驶功能的验证提供了一种有效可靠的方法。更重要的是，结合基于AI的算法，DT可以为汽车电池和燃料电池提供动力学和优化。因此，汽车领域的许多挑战可以通过DT的应用得到很好的解决然而，DT在汽车上的应用仍然不足。根据上述汽车领域的三大挑战，相关研究可分为传统汽车和智能汽车两大类。智能汽车的应用主要分为两类。它们的比例如图所示。11，这表明在交通和汽车动力系统中的应用还不够。虽然DT在传统汽车有很多应用，但相关研究并没有覆盖汽车的所有部件对于在传统汽车上的应用，大多数研究集中在汽车车身和电子设备的设计和生产上同时，作为实现数字孪生功能的关键技术，仿真方法也需要进一步改进，以提高仿真的实时性和准确性。此外，数据上的困难仍然存在，这是数字孪生发展面临的主要问题。虽然大多数研究仅集中在预测性维护中数字孪生模型的概念验证上，但可以预见，未来的工作将集中在开发一个具有额外传感器和子系统支持的全车数字汽车行业也迫切需要数字孪生来进一步发展为了使DT技术更加完善，使DT技术应用于汽车的更多方面，还需要有更多的创新研究来解决上述问题随着相关技术的进步，数字孪生模型的建立将有更系统的方法，在汽车，特别是交通和汽车电池中有更多的应用 DT在汽车领域的广泛应用将降低汽车成本，延长使用寿命，优化交通，使其更加环保。本文总结了DT在汽车上应用的现状、不足和发展方向。 12个。6. 结论本文首先回顾了数字孪生的结构和演化，并得出结论，数字孪生可以用来满足汽车领域的挑战。然后对DT在汽车上的应用进行了深入分析。在传统汽车中，DT是智能制造系统的核心，它可以实时监控和预测每个零件，并给出相应的合理安排，使汽车零部件的生产更加高效，高质量和低成本。在智能汽车中，DT可广泛应用于交通和电力系统。 在交通方面，通过建立数字孪生模型，可以更好地规划道路交通，以优化交通，甚至节省能源。更重要的是，DT可以为智能驾驶的验证提供解决方案对于智能汽车的动力系统，DT可以对其进行有效的预测、诊断和优化，这将有助于其在汽车上得到更广泛的应用，提高汽车的环保性无论是传统汽车还是智能汽车，DT的应用都可以在其整个生命周期中对其产生影响：在设计和开发阶段，DT优化了产品的性能在生产阶段，DT用于数字化生产，有利于提高生产效率;而在汽车使用阶段，通过DT进行测试，有利于改善用户体验，预防故障。最后，提出了DT在汽车领域的应用前景，这意味着数字孪生的建立将有一个更系统的方法，使其更容易执行，并且将有更多相关的DT应用，以便解决当前汽车领域的挑战 这篇论文可能会促进数字孪生在汽车领域的未来发展。我们的后续工作将针对不同类型的产品（汽车、电池等）提供相应的数字孪生解决方案。基于汽车行业相关文献中发表的数字孪生虚拟表示的逼真性要求和现状。竞合利益作者声明，他们没有已知的竞争性经济利益或个人关系，可能会影响本文报告的工作。承认这项工作部分得到了资金的支持（编号：21AKC26）和重庆市英才计划（CQYC 202003222）创新创业团队引用[1] L. Steg，Car用途：欲望和必须。工具性、象征性和情感性动机的汽车使用，运输。Res.波尔. Pract. 39（2005）147- 162。[2] H. Shikata，T.山下K.阿赖T. Nakano，K. Hatanaka，H. Fujikawa，集成车辆仿真和物理验证的数字孪生环境，SEITECHNICAL REVIEW，2019，p.十九岁[3] F. 陶 ， M. Zhang ， Y. Liu ， A.Y. Nee ， Digital twin driven mechanics andhealthmanagement for complex equipment ， Cirp Annals 67 （ 2018 ） 169-172。[4] S.A.库马尔河，巴西-地Madhumathi，P.R.切利亚湖Tao，S. Wang，A novel digitaltwin-centricapproachfordriverintentionpredictionandtrafficcongestionavoidance，Journal of Reliable Intelligent Environments 4（2018）199- 209。[5] L. Athanasopoulou，H.比卡斯山口Stavropoulos，内燃机和电池电动汽车的比较井到车轮排放评估，ProcediaCIRP 78（2018）25- 30。[6] L. Athanasopoulou，H. Bikas，A. Papacharalampopoulos，P.Stavropoulos，G. Solouris，《电动汽车的工业4.0方法》，Int. J. Comput。综合制造（2022）1[7] F. Jian，F. Daquan，D. Haijun，Z. Canjian，Q.龚斌，V2X通信概述，电信科学35（2019）102.[8] M. Liu，S.Fang，H.东角，澳-地徐，数字孪生的概念、技术和工业应用综述，J。制造商系统 58（2021）346- 361。[9] J. Li，F.陶，Y.成湖，澳-地赵，大数据在产品生命周期管理中的应用，国际期刊。Adv. Des. 制造商Technol. 81（2015）667- 684。S. Deng等人物联网和网络物理系统3（2023）180190[10] Q. Qi，F.Tao，T.Hu，N.Anwer，A.Liu，Y.Wei等人，数字孪生的技术和工具，J。制造商系统 58（2021）3- 21。[11] E. 内格里湖，加-地Fumagalli，M.Macchi，数字孪生模型在基于CPS的生产系统中的作用综述，Procedia Manuf.2005，第11页。11（2017）939- 948。[12] E. Glaessgen，D. Stargel，未来NASA和美国空军车辆的数字孪生范式。第53届AIAA/ASME/ASCE/AHS/ASC结构，结构动力学和材料会议第20届AIAA/ASME/AHS自适应结构会议第14届AIAA，2012年，第14页。 一八一八年[13] J. 李湾Bagheri，H.A. Kao，基于工业4.0的制造系统的网络物理系统架构，制造快报3（2015）18- 23。[14] S.博舍特河Rosen，Digital twin-the simulation aspect，Mechatronic futures：Springer（2016）59- 74。[15] M. Grieves，Digital Twin：Manufacturing Excellence through VirtualFactoryReplication，White paper 1（2014）1- 7.[16] F.陶，M. Zhang，Digital twinshop-[17] Y. 蔡湾Starly，P.科恩，Y.S. Lee，传感器数据和信息融合构建数字双胞胎虚拟机床用于网络物理制造，Procedia制造。10（2017）1031- 1042。[18] M. Grieves，数字孪生概念的起源，URL，https://www.researchgate.net/publication/307509727_Origins_of_the_Digital_Twin_Concept，2016.[19] Q. Qi，F.陶，Y. Zuo，L. Zhao，面向智能制造的数字孪生服务，Procedia Circp 72（2018）237- 242。[20] A.马德尼角Madni，S. Lucero，在基于模型的系统工程中利用数字孪生技术，Systems7（2019）。[21] E.J. Tuegel，A.R. Ingraffea，T.G. Eason，S.M. Spottswood，使用数字孪生模型对飞机结构寿命预测进行再工程设计，国际航空。J. 航空Eng. 2011年（2011年）。[22] F. Biesinger，M. Weyrich，数字孪生在生产和汽车行业的方面，在：2019年第23届机电一体化技术国际会议（ICMT），IEEE，2019年，第10页。 1比6[23] J. Lee、E.拉皮拉湾Bagheri，H-a Kao，大数据环境下预测制造系统的最新进展和趋势，制造业快报1（2013）38- 41。[24] J. Ríos，J.C.Hernandez，M.Oliva，F.马斯，产品化身作为物理个体产品的数字对应物