大型射电望远镜数字孪生系统架构设计与应用

张庆海，武鹏伟，赵正旭

(1.青岛理工大学 机械与汽车工程学院，山东 青岛 266520; 2.石家庄铁道大学 信息科学与技术学院，河北 石家庄 050043)

0 引言

以中国天眼为代表的大型射电望远镜能够帮助天文领域科研工作者进行研究探索、实验论证，提高了我国相关学科的技术水平和自主创新能力。然而，由于体积庞大、精密性高，对中国天眼采用人工操控或半自动化管控方式必将费时费力、不切实际；另一方面，由于大型射电望远镜所处区域需要无线电静默，并且管理人员人工作业范围受限或不能随意进出，如何进行实时监管成为一个难题。然而，传统的自动化管控方法只通过仪表盘等方式展示，这种方式交互性差，缺少直观的三维可视化效果。

针对以上问题，近年来虽然众多学者在大型射电望远镜管控与维护方面进行了大量研究和实践，以寻求更加有效的方式监管射电望远镜，然而其所提方法普遍存在实时性低、可视化效果差、交互性不强等问题，更无法进行全生命周期监管，达不到预期的效果。例如赵正旭等[1]针对阿雷西博望远镜监管中的不足，提出使用数字化建模和VR虚拟展示技术对中国天眼进行数据存储和保护，但并未提出如何对其进行管理和维护；金晓飞[2]采用MATLAB和ANSYS软件对中国天眼反射面、钢绞线、钢拉杆等设施进行了数值模拟分析，设计开发出中国天眼结构健康监测系统，实现了对中国天眼的可视化监测，但是存在交互性弱、自动化水平低等问题；孙才红等[3]使用传感器等装置对中国天眼馈源舱支撑系统进行了数据采集、传输、存储与分析评估，并结合专家经验评估中国天眼的健康状态，但是存在实时性差、可视化程度低等问题；吴碧羽等[4]为提高中国天眼的观测效率和易用性，设计开发了中国天眼观测系统，以管控观测过程，但是仍然存在自动化程度低等问题；高占凤[5]使用光纤、温度传感器等采集大型结构的数据，进而采用基于虚拟仪器技术、以数据库系统为核心的软件平台进行健康诊断维护，然而该方法不具备良好的交互性，无法实时可视化展示效果，在系统控制方面，这种方法是单向的，不具有对大型结构设施的反向控制行为，自动化效果较差。以上研究或者在交互性、实时可视化监管等方面效率低下，不能实时反馈中国天眼这一大型射电望远镜零部件结构的健康信息和整体的运行状态；或者系统的自动化程度低，无法做到实时可视化与自动化的有效统一。

数字孪生(digital twin)的出现，为解决中国天眼这一大型射电望远镜管理上交互性差、自动化水平低、可视化不强等问题提供了一种思路，其将物理实体和虚拟化的三维模型进行有效映射，以实现对物理实体的全生命周期控制，达到监管、诊断、预测的目的。目前，数字孪生技术的研究和应用主要集中在产品的设计、制造、运行以及后期的管理运维等方面[6]。陶飞等[7]在对数字孪生技术进行分析描述后，将其应用到车间管理上，对未来车间管控提出了一种新的模式；范海东[8]分析了电厂体系结构，提出采用数字孪生技术对电厂进行智能决策、控制与监管；Oyekan等[9]采用计算机视觉技术对航空飞机的发动机叶片进行虚拟建模，采用数字孪生技术对飞机进行管理和维护；Brosinsky等[10]在传统电力系统中加入数字孪生的理念，实现了电力系统的自动化控制，并对应急策略进行评估，有效提高了电力系统的动态监控能力。

综上所述，针对中国天眼这一大型射电望远镜自动化管理程度低、运维实时性差、操控中交互性不强、可视化程度低等问题，本文提出以智能感知为基本处理单元的数字孪生系统实时操控模型，实现对中国天眼的实时性监管、交互控制，以及预测性维护、管理等功能。

1 孪生系统理论模型

数字孪生也称为数字双胞胎、数字镜像、数字孪生体，起源于2003年密歇根大学Dr. Michael Grieves教授[11]讲授的PLM(product manufacturing information)课程，其提出的“与物理产品等价的虚拟数字化”概念被认为是数字孪生技术的开端。Dr. Michael Grieves教授在专著《Virtually Perfect:Driving Innovative and Lean Products through Product Lifecycle Management》[12]中引用了由John Vickers提出的数字孪生概念，并一直沿用至今。近年来兴起了数字孪生技术的研究热潮，世界著名的信息技术研究和分析公司Gartner连续几年将数字孪生评为一项颠覆性技术，专家学者已将该技术应用到生产车间[7,13]、电力[14]、智慧城市[15]和航空[9,16]等领域。数字孪生技术经典理论模型将数字孪生分为物理实体、虚拟实体以及二者之间的连接3个维度，构建了“虚”与“实”之间的映射关系。陶飞等[17]在此基础上增添了孪生数据和服务两个维度，提出数字孪生五维理论模型，其中孪生数据融合了信息数据和物理数据，满足信息空间与物理空间的一致性；服务将不同的业务进行封装并以软件的方式提供给用户[17]。在信息物理系统CPS 5C理论模型[18]中，将信息物理系统(Cyber Physical System，CPS)，体系架构分为智能感知层(smart connection level)、数据信息转换层(data-to-information conversion level)、网络层(cyber level)、认知层(cognition level)和配置层(configurationlevel)5部分。本文参考数字孪生五维模型[17]架构和CPS 5C模型[18]中智能感知层的概念，提出基于大型射电望远镜的数字孪生实时操控理论模型，并以中国天眼作为案例对该理论模型进行分析：

FDT=(PF,VF,Ss,DD,SC,CN)。

(1)

式中：FDT为天眼理论模型；PF为物理天眼；VF为虚拟天眼；Ss为服务；DD为孪生数据；SC为智能感知；CN为连接。中国天眼数字孪生实时操控六维模型的各维度关系如图1所示。

(1)物理天眼PF 是数字孪生系统六维模型中的基础。按功能、结构可将中国天眼划分为部件级、单元级、系统级3个层次。以反射面系统为例，反射面系统由4 450个边长为11m左右的三角形面板组成，每一反射面板由上下两层三角形背架支撑，并与2 225个下拉索和促动器连接。促动器伸缩将牵引反射面发生形变，使反射面系统在200 m直径范围内由球面形变为抛物面，从而将外太空脉冲信号聚焦到抛物面焦点馈源舱处。其中，单个反射面板、三角形背架以及下拉索、促动器为整个反射面系统的部件级，单元级则为上述4个部件级结合形成的联动单元，4 000多个联动单元组成整个反射面系统。除了反射面系统外，还有馈源舱系统、支撑塔系统、机电控制系统等，共同组成了整个中国天眼的物理实体PF。

(2)虚拟天眼VF 主要通过三维建模技术将物理天眼PF的属性参数(尺寸、规格、材质、位置、关联、功能、结构、建造时间、设计者、制造者、管理者等)与运行参数(角度、位置、温度、湿度、气压、风速、风向、降雨量、雨水酸碱度、光强、可见度、频率、信号强度、观测时间、方位、速度、姿态、运行轨迹等)进行实时映射，使VF在结构特征、功能特征和运行状态上与PF保持一致。采用手动建模和Python自动化建模技术构建VF虚拟模型；采用并行渲染算法、多层次细节(Levels of Detail，LOD)、即时遮挡剔除(Instant Occlusion Culling，IOC)等技术对虚拟模型进行渲染和场景展示；采用多感官、多维度仪器设备进行交互设计，增加用户的体验感和浸入感。

(3)服务Ss 指中国天眼数字孪生系统FDT提供给用户的各种功能和服务的总和，用于保持系统内部正常运转。根据面向对象的不同，将Ss分为功能性服务(function service)和业务性服务(business service)。

功能性服务指将中国天眼数字孪生系统FDT中所有数据、结构特征、三维模型、观测任务、数据挖掘、行为预测、健康诊断、维护策略等进行整合，以中间件的形式支撑业务性服务。功能性服务主要包括4方面：①面向孪生数据的服务，主要对脉冲信号接收装置、传感器、采集卡等采集得到的数据进行清洗、融合、存储和分析挖掘，总结出有用的经验，为中国天眼管控提供指导；②面向虚拟天眼VF的服务，主要对中国天眼进行三维虚拟建模，对模型进行仿真，并在时空上对虚拟模型进行推演，预测中国天眼运行的健康状态；③面向连接CN的服务，主要在无线电静默条件下进行数据传输、加密、解密和接口服务等；④面向智能感知SC的服务，主要对中国天眼的突发状况进行预警和紧急处理，分析处理观测信号并对馈源舱位姿进行智能控制，以及对部件级设备进行健康诊断与维护。

业务性服务指以功能性服务为支撑，对FS进行分析、组合、优化、集成后提供给不同用户(如参观者、管理者、科研人员等)操作的应用程序，并以不同形式进行展现。使用者不需要考虑数字孪生背后的技术，减少了学习时长，从而能够轻松地与系统进行交互操作。业务性服务主要包括：①面向参观者的科普性服务，包括介绍中国天眼的外观、结构功能，讲解中国天眼的运行机制，利用VR等技术使参观者在虚拟环境中漫游等；②面向管理者的监管服务，包括天眼运行的操作、维护、修理、健康诊断、仿真预测和决策等；③面向科研人员的观测服务，包括分析预测观测时间和方位，分配观测任务，记录、分析和处理脉冲星的观测数据等。

(4)孪生数据DD 为数字孪生系统的基石，也是整个数字孪生系统的血脉，用于驱动数字孪生系统正常运行。孪生数据主要包括PF数据(Dp)、VF数据(Dv)、SC数据(Dc)、Ss数据(Ds)，和融合数据(Dr)，即

DD=(Dp,Dv,Dc,Ds,Dr)。

(2)

式中：Dp包括PF的尺寸、规格、材质、位置、关联、功能、结构、建造时间、设计者、制造者、管理者等属性数据，以及能够表征其运行状态和突发性故障的状态过程数据。属性数据主要通过设计图纸、建造图纸或实地测量等方式获取，状态过程数据通过信号收集装置、传感器、数据采集仪、采集卡等采集，并通过工业互联网协议(如OLE for Process Control Unified Architecture、OPC UA、制造报文规范(Manufacturing Message Specification，MMS)等)传输。Dv为VF的相关数据，包括几何尺寸、位置、材质、属性、渲染贴图、纹理、约束、关联关系等模型数据，以及对模型进行仿真、评估、推演的预测性数据。Dc主要是智能感知的相关数据，包括故障诊断、智能控制、决策命令和决策算法、健康状态信息等数据。Ds是Ss的相关数据，包括功能性服务数据(如建模仿真、清洗、融合的相关数据)和业务性数据(如决策数据、观测数据等)。Dr是对Dp，Dv，Dc，Ds进行融合、处理、分类、集成，并跨时空进行数据关联和数据挖掘得到的衍生数据，用于实现数据增值。

(5)智能感知SC 为FDT预处理感知维，其对传感器采集得到的数据进行智能分析和处理，将部分决策权限从应用层管理人员交付给数字孪生系统网络边缘设备进行处理，不仅能够减少由传输时延、人为反应时差造成的灾难，还能够减少应用层的计算压力，做到部分“去中心化”与智能化。在经典的三维模型或者五维模型中，系统的决策权主要在管理人员或服务维计算机算法中，当遇到紧急情况时，由于信息传输上存在时延，管理人员或计算机算法程序不能及时有效地反应，造成意外损失。因此，在本系统理论模型中增添智能感知维来实时感知中国天眼的相关设备，并对突发状况进行智能决策和处理，如图2所示。

中国天眼数字孪生系统的智能感知维包括以下方面：①对中国天眼的危险紧急状况进行预警，并采取措施紧急避险；②分析处理观测信号，并对馈源舱位姿进行智能控制；③对部件级设备进行健康诊断与维护。当使用传感器、采集仪、采集卡等设备采集数据时，在常态下，智能感知模块对采集到的数据进行清洗、融合后传输到孪生数据的服务器中进行存储，并接收来自孪生数据的操作任务指令；如果发生紧急情况，造成数据异常(例如发生火灾导致烟雾报警、风力传感器数值异常、绳索拉力异常、卷扬机振动异常等)，智能感知层则针对突发情况采取紧急措施(如打开灭火系统或对设备进行断电处理等)，避免由于传输、决策时延处理不及时而造成危害，同时将紧急决策指令存储到孪生数据的服务器中。

(6)连接CN 为实现FDT各部分相互连接、相互映射的纽带，是中国天眼数字孪生系统的“经脉”，其包括PF和VF的连接(CN_PV)，PF和SC的连接(CN_PS)，SC和DD的连接(CN_SD)，DD和VF的连接(CN_DV)，Ss和PF的连接(CN_SP)，Ss和VF的连接(CN_SV)，SC和Ss的连接(CN_SS)，DD和Ss的连接(CN_DS)等，即

CN=(CN_PV,CN_PS,CN_SD,CN_DV,CN_SP,

CN_SS,CN_DS,CN_SV)。

(3)

式中：CN_PV通过获取PF实时状态数据驱动中国天眼的孪生模型(VF)；CN_PS通过传感器、数据采集卡、采集仪等设备采集数据，然后采用工业通信协议将采集得到的数据传输到SC；CN_SD通过有线、无线、蓝牙、控制器局域网(Controller Area Network，CAN)总线等将SC收集并处理后的数据传输到DD；CN_DV通过数据库接口将存储在DD中的算法，仿真分析方法等传输到数字模型VF中；CN_SP通过接口技术、网络通信技术、应用端开发技术将Ss与PF连接起来，Ss为PF提供功能性服务和业务性服务；CN_SS通过TCP/IP等网络通信协议将采集到的数据、操作指令等传输到Ss应用程序中；CN_DS通过标准数据库软件接口、服务器等实现Ss和DD之间的连接；CN_SV通过标准软件接口实现VC模型驱动。

2 射电望远镜虚拟模型并行渲染

中国天眼主体结构包括主反射面系统、支撑塔系统、促动器系统、馈源舱及其停靠系统等，其结构复杂且部件数量庞大，仅反射面板的数量就达到4 450块，中国天眼虚拟三维模型的体量如表1所示，如何对这一千万级体量的大型射电望远镜模型进行实时渲染成为本数字孪生系统的一大难题。

表1 中国天眼模型体量

针对中国天眼虚拟模型因超大体量而存在的渲染速度慢、模型刷新帧率低等问题，本文采用并行渲染技术，通过多通道、多显卡、多处理器、多计算机实现虚拟天眼模型的实时渲染。并行渲染模块采用服务器—客户端模式，服务器主要负责整个并行渲染系统运行资源的配置，通过实时计算资源的使用情况，对各个客户端的资源进行动态分配。客户端分为主控客户端和从控客户端，主控客户端不仅在服务器控制下完成模型渲染任务，还负责与用户行交互，接收执行用户的操作指令；从控客户端的主要功能为接收服务器的配置对模型进行渲染，以及接收主控客户端操作指令执行相应的操作，其中服务器可以与主控客户端在同一主机上运行。在分配模型渲染任务上，采用sort-first算法[19-20]对模型进行配置(如图3)，按照用户提供的渲染节点数(主机数)将渲染显示图像分为相应数量的子区域。在渲染时，首先判断模型每一个部分的显示区域，将该部分模型分配到与该区域相连的主机中进行处理，然后将所有子区域进行拼接，完成中国天眼整体模型的渲染。

图3所示为两个渲染节点对中国天眼进行渲染的结构示意图。经测验，使用多节点并行渲染算法能够降低单一节点的渲染计算量，增加渲染速度，降低内存消耗(如图4)，而且随着节点数的增多，各节点的平均渲染帧率明显增加，CPU占比明显降低，使用4台主机节点进行并行渲染基本满足实验需求。

3 孪生系统的构建

3.1 虚拟建模

本文以中国天眼为应用案例，按照数字孪生实时操控理论模型进行系统构建。其中虚拟三维建模主要由几何建模、场景构建、人机交互3部分组成。虚拟模型的几何建模是基础，是实现物理实体虚拟化的第一步；场景构建是通过添加纹理、贴图、材质、特效等方式进一步完善虚拟场景，使三维场景更具真实感；人机交互主要通过应用程序交互界面或交互设备(如VR眼镜、手持设备等)与三维场景进行互动，增加用户的浸入感和体验感。

几何建模中主流的三维建模软件有3DMax，Blender等，本系统主要使用Blender软件进行建模。建模方法分为手动建模和使用Python语言进行自动化1∶1建模(如天眼圈梁、三角形背架、馈源舱桁架等部分)。在进行场景构建时，为增加模型的真实感并具有良好的交互体验，应考虑以下两个方面：

(1)平衡中国天眼模型的体量、处理速度和真实度 模型进行渲染处理时，应在真实度与处理速度之间寻找最佳平衡点，利用并行渲染技术和LOD技术[21]等，根据物理模型节点在环境中所处的位置和重要性分配物体渲染资源，降低非重要物体细节度，来获得高效率的渲染运算，提高用户体验。

(2)对渲染的模型进行纹理贴图和场景构建 采用如KeyShot 3D渲染软件、OpenGL、3DMax等对三维场景进行贴图，使模型更加逼真，具有真实场景的效果，以增加真实感与浸入感。

在人机交互方面，除了传统的鼠标、键盘、电脑屏幕和平板触控等交互方式外，还应结合新型感知技术，如全息、增强现实(Augmented Reality, AR)、虚拟现实(Virtual Reality, VR)、触觉手套、动作捕捉设备等，来增加交互体验度。

3.2 数据采集驱动

从物理天眼采集到孪生数据后，将其实时映射到虚拟天眼中，是实现虚实映射的关键。孪生数据分为属性数据和状态过程数据。属性数据的形式如图5所示，中国天眼物理实体的相关数据经收集、归纳、总结后，按照部件级、单元级、系统级进行划分，展示在相应的虚拟模型中。图5为馈源舱系统中Stewart连接杆单元的属性数据。

状态过程数据分为环境数据、运行数据和观测数据。其中环境数据包括温度、湿度、气压、风速、风向、降雨量、光强、可见度等，通过将这些数据与天眼运行数据结合进行数据挖掘，不但能够帮助中国天眼基地工作人员在不同的天气状况下进行操作，而且能够预防灾害天气；运行数据为中国天眼在执行观测任务时运行所产生的数据，包括馈源舱角度、位置、脉冲星信号频率、信号强度、观测时间、方向、姿态、速度、运行轨迹、反射面变化过程、驱动器控制运行数据和管理人员执行的操作指令等；观测数据主要为馈源舱接收装置接收的脉冲信号。使用单片机、嵌入式等设备读取这些数据，然后使用工业互联网协议(OPC UA)传输到孪生数据单元进行处理和存储。

由于采集器在制造上存在误差或受内部电路干扰影响，采集到的数据会存在噪声和误差，不能直接用于驱动中国天眼模型，需要对这些数据进行清洗、融合、转化。主要采用滤波算法进行数据清洗，去除噪声影响，转化为可使用的数据形式。最后采用OpenGL，OSG，Unity等方法进行交互设计，实现数据对模型的实时驱动。

3.3 智能感知

智能感知处理层是数字孪生六维模型中的底层处理单元，其采用传感器等对中国天眼进行数据采集、分析与监测，实现对中国天眼物理实体的智能感知，主要包括：①对中国天眼突发状况的紧急处理；②对观测信号的分析处理以及对馈源舱位姿的智能控制；③对设备的健康诊断。智能感知拥有孪生系统紧急决策权限，能够进行智能决策，降低管理人员的工作量，减少对突发事件的反应时间和处理时间，而且其采用分布式架构对天眼实体进行健康诊断，结合工业互联网协议的兼容性优势来降低孪生数据的计算负担。

(1)紧急预警 智能感知层实时监测传感器数据，感知异常数值或预测数据的变化趋势，进而进行风险规避与防范。对于中国天眼这一大型复杂设备，由于结构庞大，机电设备复杂多样，当发生意外状况时，预警信息将传输到服务层，由管理人员进行决策处理，会丧失处理的最佳时机，造成不必要的损失。而在数据采集基础上添加上智能感知处理这一维度，能够感知或预测危险灾害，及时采取处理措施。中国天眼的紧急预警主要分为：①对自然灾害的紧急预警，例如可采用烟雾报警器、火灾感应传感器等装置监测火灾，对可能或已经出现的火灾进行报警，并进行紧急处理(如图6)，当发生火灾时，采用红色指示灯预警，并采取紧急措施；②对机电设备的监测预警，例如电线短路，设备运转异常、损坏等，使用工业互联网连接的庞大的智能感知系统对这些机电设备进行监测。

(2)智能控制 主要调整馈源舱的位姿，以实现馈源舱对观测信号方向、位置的智能跟随。考虑到地球自转的影响，对反射面系统形成的抛物面进行自动移位，并将馈源舱与抛物面相对应，自动调节馈源舱的位姿，实现智能控制。其主要表现在以下方面：①根据观测任务控制促动器，带动反射面运动，使反射面形成的抛物面跟随脉冲信号移动；②控制卷扬机转动对轻型索进行缩放，牵引馈源舱跟随抛物面焦点位置的移动而移动，自动完成对馈源舱控制系统的一级粗略调整；③控制馈源舱内部AB轴和Stewart并联机构对馈源舱下的平台接收器进行位姿预调整；④使用惯性测量单元(Inertial Measurement Unit，IMU)、全站仪和靶标等设备自动标定馈源舱的位置。

(3)健康诊断 主要是对物理天眼各系统的部件级设备进行状态监测，分析其性能、结构等状况，并判断其健康状态。与紧急预警不同，紧急预警主要针对突发状况，而健康诊断是通过长时间监测来判断其状态性能，或对其功能的完整性进行预测，给出健康状态评价。健康诊断的主要方法是通过分析传感器信号的异常、信号偏差、信号的损失程度预测设备的疲劳程度和损坏程度，例如对轻型钢索机构、馈源舱、促动器装置、索网等装置的监测。使用振动传感器对馈源舱进行监测，当振动信号出现异常时(如图7)，一方面，系统汇报这一异常信号后，由现场工作人员进行排查；另一方面，系统记录、保存、对比这一信号，并进行分析和挖掘，判断设备的健康状态，然后给出信号异常产生的原因和维修策略，为后续射电望远镜的设计与改造提出有效的建议。

4 实验测试

为实现中国天眼全生命周期的监管，根据第1章提出的数字孪生六维理论模型，以OPC UA工业互联网协议为平台，本文采用Blender三维建模软件对中国天眼进行建模，使用Python/C++，Qt，OSG等对部分中国天眼结构进行设计，并开发了相应的数字孪生系统，该系统的整体架构如图8所示。整个系统包括应用层、数据层、物理层、模型层、传输层5部分。

(1)应用层 分为数据采集、操作运行、数据通信和数据存储。其中：

1)数据采集包括属性数据采集(主要采用查看建造图纸的方式)、状态数据采集和天眼观测脉冲信号数据收集。

2)操作运行分为3部分：①反射面的调整，通过控制促动器实现反射面的形变；②通过操作馈源舱的三级控制系统(轻型索驱动馈源支撑为第一级控制系统，通过控制卷扬机转动，调整轻型索长度，带动馈源仓在球冠面上移动；AB轴为第二级控制系统，通过控制AB轴转动，使馈源舱在±15°范围内调整方向； Stewart并联机构为第三级控制系统，通过控制Stewart并联机构对脉冲星信号接受装置的姿态进行微调)，调整馈源舱姿态和位置；③天眼的机电设备操作，如传感器控制、信号接收等。

3)数据通信主要包括OPC UA工业互联网协议中的服务器端通信和客户端通信，以及数据采集器之间的光纤通信和无线通信等。

4)数据存储分为结构性数据存储和非结构性数据存储，结构性数据存储为数据库存储(使用Redis数据库存储传感器数据)，非结构性数据存储主要使用服务器对工作日志、观测信号图像等文件进行存储。

(2)数据层 包括数据转换，数据加密、解密，数据融合，数据清洗等。数据转换指将传感器采集到的数据转化为系统能够接收的数据；由于中国天眼保密的要求，需要对数据进行加密处理方可传输；数据融合指采用多传感器进行采集、融合，以增加操控的精准性；数据清洗主要是剔除由传感器、接收装置所得数据和信号的噪声与干扰，获取有用数据。

(3)物理层 包括物理天眼设施、数据采集设备、OPC UA服务器等。

(4)模型层 包括馈源舱三维模型以及对三维模型的仿真预测等。

(5)传输层 传输孪生数据，实现应用层、物理层和模型层之间的驱动、感知，将整个系统进行关联。

使用数据采集器采集得到的数据经过剔除、清洗，转换为数字孪生系统可用的数据后，对孪生模型进行驱动。数字孪生技术主要将虚拟模型与物理实体进行实时映射，使虚拟模型与物理实体的运动状态时刻保持一致，然后诊断和预测虚拟模型，实现对物理实体全生命周期的监管。本系统使用IMU、激光实时获取馈源舱位置和姿态的变化情况，并将这些数据进行融合，驱动虚拟模型同步运作。如图9所示，通过数据对模型的驱动，馈源舱的位置从1处变化到了2处。整个系统运行流畅，其实时性能够满足需求，验证了中国天眼数字孪生系统模型的可行性。

5 结束语

本文提出针对中国天眼大型射电望远镜数字孪生的实时操控六维模型，并针对中国天眼馈源舱系统进行了实验，通过数据采集处理、状态显示、孪生数据存储和模型实时驱动实现了对天眼馈源舱全生命周期的监管，为中国天眼的实时管控提供了一种新思路。然而在实验部分，本文只开发了中国天眼部分结构的数字孪生系统，并未完成整体天眼的管控一体化和预测维护。未来将围绕整体天眼的数字孪生系统开发，以及结合机器学习和数据挖掘等技术对中国天眼进行预测维护等展开研究。

致谢

感谢青岛理工大学李东年老师、王扬同学，以及复杂网络与可视化研究所李昆昆、李明超两位同学对本文的帮助和支持。本文在论文构思以及后续相关工作中得到了李东年老师的指导，在系统开发过程中得到了王扬、李昆昆、李明超3位同学的帮助，在此表示感谢！