2. 数字孪生模型偏差的数学表征

要让数字孪生“像”物理对象，第一步不是调参，而是把“不像”写成数学。偏差表征的任务，是把物理对象与孪生模型之间的差异，落到模型方程中某个明确的位置上。位置不同，后续的辨识方法、可观测性和修正手段完全不同。本节围绕三类模型形式——状态空间、传递函数、离散时间模型——说明偏差项如何定义，并区分加性/乘性偏差、参数偏差/结构偏差。

一、先约定符号与参照方向

设物理对象真实输出为 y_p(t)，孪生模型输出为 y_m(t)，定义输出偏差：

e(t) = y_p(t) - y_m(t)      （物理减模型，正号表示模型偏小）

全文与图示统一采用“物理减模型”约定。若改用模型减物理，所有偏差符号需整体取反，但幅值、频谱与结构结论不变。参照系一旦确定，后续参数辨识、残差分析和修正量计算都必须沿用同一约定，否则会出现“越修越偏”的符号错误。

二、状态空间模型中的偏差项

标称连续状态空间模型为：

ẋ = A x + B u
y  = C x + D u

偏差可以加在四个矩阵上，形成加性偏差形式：

ẋ = (A + ΔA) x + (B + ΔB) u + w
y  = (C + ΔC) x + (D + ΔD) u + v

其中 ΔA、ΔB、ΔC、ΔD 是偏差矩阵，w 为过程噪声，v 为量测噪声。加性偏差的含义是：无论状态和输入多大，偏差都以固定量叠加，典型来源是未建模的恒定外力、传感器零偏、执行器死区。乘性偏差则写成：

ẋ = A x + B u + ΔA·x
y  = C x + D u + ΔC·x

此时偏差随状态幅值成比例放大，典型来源是刚度、阻尼、增益等系数的比例误差。判断加性还是乘性，可用一个简单实验：令输入幅值成倍变化，若残差幅值基本不变，偏向加性；若残差随输入近似线性增长，偏向乘性。

三、传递函数模型中的偏差项

标称传递函数 G₀(s) = N₀(s)/D₀(s)。加性偏差写作 G(s) = G₀(s) + ΔG(s)，表示在输出端并联一个额外通道；乘性偏差写作 G(s) = G₀(s)·(1 + ΔG(s))，表示增益、极点或零点发生比例性偏移。乘性形式在频域更常用，因为 ΔG(jω) 直接对应幅频、相频的相对误差，便于用 Bode 图判读。

参数偏差指 N₀、D₀ 的系数改变，例如时间常数由 2.0 s 变为 2.4 s；结构偏差指阶次或极点零点个数改变，例如实际对象存在一个未建模的高频谐振峰。参数偏差可通过最小二乘辨识系数修正，结构偏差则必须改变模型结构，仅调系数无法消除。

四、离散时间模型中的偏差项

以 ARX 形式为例，标称模型为：

y(k) = -a₁y(k-1) - … - aₙy(k-n) + b₁u(k-1) + … + bₘu(k-m)

引入偏差后：

y(k) = φᵀ(k)θ + Δθᵀφ(k) + e(k)

其中 φ(k) 是回归向量，θ 是标称参数向量，Δθ 是参数偏差向量，e(k) 是残差。若 e(k) 为白噪声，说明模型结构正确，仅参数有偏；若 e(k) 存在明显自相关或周期性，则提示结构偏差，例如采样周期选择不当、存在未建模延迟或非线性环节。

五、偏差表征与修正路径的对应关系

把上述内容整理为一张偏差表征与修正路径的对应图，便于在建模时快速定位偏差类型并选择修正手段。

六、一个可复现的偏差表征示例

设某温度孪生对象标称一阶模型时间常数 τ₀ = 2.0 s，实际对象 τ_p = 2.4 s，采样周期 T_s = 0.1 s。离散化后标称差分方程系数 a₁ = -exp(-T_s/τ₀) ≈ -0.9512，实际系数 a₁p ≈ -0.9592，参数偏差 Δa₁ ≈ -0.0080。用阶跃输入激励，采集 200 点数据，构造回归向量 φ(k) = [-y(k-1), u(k-1)]，最小二乘估计得 â₁ ≈ -0.9589，与真实值偏差约 0.0003，说明参数辨识有效。若残差自相关函数在滞后 5 步处仍超过 0.2，则提示存在未建模的传输延迟，应转入结构偏差处理，而非继续调 a₁。