3. 数字孪生参考架构设计

数字孪生系统不是单一软件，而是由物理设备、采集终端、网络、数据平台、模型算法与人机界面共同构成的闭环系统。若缺少统一参考架构，项目很容易出现“采集端重复建设、数据口径不一致、模型无法复用、服务难以扩展”的问题。六层参考架构的价值，在于把复杂系统拆成职责清晰、接口明确的层次，使每一层只解决自己最擅长的问题，同时通过标准接口向上下层交付能力。

六层职责划分

感知层是数字孪生与物理世界的接触面，负责把设备的物理量、状态量和事件量转换为可传输的数据。典型对象包括振动加速度传感器、温度PT100、压力变送器、电流互感器、PLC内部寄存器、CNC数控系统的坐标与主轴负载、机器人控制器的关节角与报警码。感知层的关键不只是“采到”，而是“采得准、采得同步、采得可追溯”。例如对一台75 kW离心泵，可在驱动端轴承座布置三轴加速度传感器，量程±50 g，采样率设为25.6 kHz；在泵出口安装0～1.6 MPa压力变送器，采样周期100 ms；PLC侧读取电机运行状态与接触器反馈，周期50 ms。三类信号时间尺度不同，必须在感知层就记录统一时间戳，否则后续模型无法对齐。

传输层解决“数据怎么可靠、低时延地送到数据层”。工业现场常见组合是：传感器经IO-Link或模拟量进入边缘网关，PLC通过Modbus TCP、OPC UA或Profinet输出过程数据，网关再以MQTT、OPC UA Pub/Sub或HTTP上报。对于高频振动信号，不宜直接走窄带MQTT逐点上传，而应在边缘侧做缓存、分帧或特征提取后再传输；对于开关量、报警和状态字，则适合采用变化上报与心跳结合的方式。传输层还要处理断网续传、时间同步、数据压缩与安全接入，例如采用NTP/PTP对时、TLS加密和基于设备证书的接入认证。

数据层负责数据的汇聚、治理、存储与服务化。它通常包含时序数据库、关系数据库、对象存储和消息队列：时序库保存振动波形、温度、压力、电流等带时间戳的数据；关系库保存设备台账、测点定义、工单与报警规则；对象存储保存原始波形文件、图像和模型文件；消息队列用于解耦采集与消费。数据层的核心任务是建立统一信息模型，例如把“设备—部件—测点—单位—量程—采样率—时间戳”定义为可查询的元数据，避免同一温度测点在不同系统中出现不同命名和单位。

模型层是数字孪生的“大脑”，包含几何模型、物理机理模型、数据驱动模型与规则模型。几何模型用于表达设备结构与空间位置；机理模型可基于振动频谱、热平衡或流体方程计算剩余寿命与效率；数据驱动模型可用历史数据训练异常检测或回归预测；规则模型则处理阈值报警、联锁逻辑和工况判别。模型层不直接面向最终用户，而是通过标准化接口输出状态评估、预测结果和仿真能力。例如对离心泵，可建立“流量—扬程—功率”特性模型，结合实时转速与出口压力，估算当前工况点偏离高效区的程度。

服务层把数据与模型封装为可复用的业务能力，如设备状态监控服务、故障诊断服务、预测性维护服务、能耗分析服务和远程运维服务。服务层通常以API、消息订阅或微服务形式对外提供能力，并负责权限、计量、编排与审计。它的关键设计是“服务粒度”：太粗则难以复用，太细则调用链复杂。一个合理做法是按业务能力划分服务，例如“振动特征提取服务”只负责从原始波形计算RMS、峭度、包络谱峰值，而“轴承故障诊断服务”再消费这些特征并输出诊断结论。

交互层面向操作员、工程师和管理者，提供可视化、告警、报表与控制入口。交互层不是简单地把数据画成曲线，而是要把模型结论转化为可理解、可决策的信息。例如在泵组监控画面中，同时展示实时振动趋势、当前工况点、健康评分、剩余寿命估计和维修建议；当健康评分低于阈值时，自动弹出告警并关联到具体测点与历史波形。交互层还应支持Web、移动端和大屏等不同终端，并保持与数据层、服务层一致的权限与数据口径。

工业设备场景适配的关键取舍

六层架构并非要求每个项目都从零建设全部层次，而是要根据设备价值、数据密度和业务目标做适配。对于一台关键离心泵，若目标是预测轴承故障，感知层应优先保证振动信号的带宽与同步性，传输层需支持高频数据边缘缓存，数据层要保留原始波形与特征值，模型层应同时具备频谱分析与趋势预测能力，服务层输出健康评分与维修建议，交互层则把结论推送给点检员。若目标只是远程启停与状态监视，感知层可只采集PLC状态字与电流，传输层用MQTT周期上报，数据层以时序库为主，模型层可简化为规则判断，服务层提供告警与报表，交互层以移动端为主。

另一个常见问题是时间尺度错配。振动信号采样率可达25.6 kHz，而温度变化可能以分钟计，若把两者放在同一张宽表中逐点对齐，会造成巨大存储浪费和查询困难。合理做法是在数据层按测点类型分表存储，在模型层按分析窗口聚合，例如振动按1秒帧计算RMS与峭度，温度按1分钟计算均值，再在服务层按设备与时间戳关联。这样既保留原始细节，又让上层模型获得统一的时间粒度。

一个可落地的分层配置示例

以某化工厂离心泵数字孪生试点为例，可采用如下配置：感知层在驱动端轴承座安装三轴加速度传感器，量程±50 g，采样率25.6 kHz，同步采集出口压力0～1.6 MPa与电机电流0～200 A；传输层通过边缘网关以OPC UA读取PLC状态字，以MQTT上报特征值，原始波形经压缩后按需上传；数据层用时序库存放振动特征与过程量，用关系库存放设备台账与测点定义，用对象存储保存原始波形；模型层部署轴承故障诊断模型与泵工况评估模型，输出健康评分与偏离高效区程度；服务层提供状态监控、故障诊断与预测性维护API；交互层在Web端展示趋势、工况点与维修建议，并支持移动端告警推送。该配置中，高频振动在边缘侧完成特征提取，仅将特征值与异常片段上传，可显著降低带宽与存储压力，同时保留故障追溯能力。

需要强调的是，六层之间必须通过明确接口交互，而不是互相直接访问数据库或硬编码字段。感知层输出带时间戳与质量码的测点数据；传输层保证数据完整性与安全性；数据层提供统一查询接口；模型层以标准输入输出契约消费数据；服务层以API或消息对外提供能力；交互层只调用服务层接口。只有接口稳定，后续更换传感器、升级模型或增加终端时，才不会牵一发而动全身。