摘要
数字孪生（DT）技术已经发展成为一种将物理资产、流程和系统与其动态的数字对应物集成起来的基础范式，实现了实时监控、模拟、预测、优化和智能决策。本研究综述了2018年至2026年间发表的230篇同行评审文章，探讨了数字孪生在制造业、医疗保健、智慧城市和能源系统中的发展历程、应用领域、支持技术、实施挑战以及新兴研究方向。综述总结了数字孪生与人工智能（AI）、物联网（IoT）、区块链、边缘计算、云计算和信息物理系统的日益融合，强调了它们在构建智能化、互联互通和数据驱动环境中的作用。在四个领域中，主要的挑战包括异构和分布式数据集成、网络安全与隐私问题、物理与虚拟系统的同步性、互操作性、可扩展性、模型精确度以及计算和通信限制。研究还提出了八个新兴研究方向，包括基于AI的自主数字孪生系统、区块链辅助的信任和安全机制、联邦学习、支持6G技术的数字孪生网络、自适应和自学习架构，以及可持续和节能的数字孪生基础设施。为了通过实际案例补充文献综述，本文介绍了在阿尔及利亚的先进电子系统实验室（LSEA）和应用自动化与工业诊断实验室（LAADI）开发的两个经过实验验证的数字孪生原型。第一个原型结合了CIROS Studio、VGG16和Node-RED技术，用于钻井操作质量控制，经过微调后准确率从98.63%提升到了99.83%。第二个原型结合了工厂I/O设备、MobileNet模型和基于Gradio的人机界面，用于输送带分拣，真阳性率和真阴性率分别达到了99.90%和99.10%。这些研究结果表明，将数字孪生技术与人工智能、工业自动化和仿真技术相结合可以显著提升监控、预测、质量控制和智能决策的能力。同时，研究也强调了需要开发互操作性强、安全性高、可扩展性强、计算效率高且能源Aware的架构，以实现数字孪生技术在异构应用场景中的可靠实时部署。
