保证二者在几何尺寸、物理结构关系、运动特性等方面的一致性。
（2）虚实通讯接口：为实现模型间的数据交互和实时数据的驱动，孪生模型要根据运行驱动数据建立通讯信号接口。因此，数字空间内部需具有灵活的信号通讯机制，利用PLC、RFID、TCP/IP接口与实体进行实时通讯。
（3）虚拟孪生服务器：
不同的数据类型通过消息队列的处理和分类后，存储至不同的数据库中，数据类型包含结果数据，过程数据以及时序数据。
（4）数据驱动三维孪生模型:
数字孪生模型的有机连接与运行需要各种生产数据的支撑。包括设备功能的实现、信号的处理、模型行为的指导、运行规则的约束等。
生产设备孪生主要体现在设备动作和空间位置两方面，通过三维结构模型联动实体设备结构，利用定位／动作数据接口获取物理空间的实体空间定位和加工动作数据，利用活动监控服务驱动数字模型的动作及位置的更新。
灵图互动（武汉）科技有限公司，可结合各数字孪生项目中的具体需求，提供定制化的VR虚拟现实、MR混合现实软硬件解决方案，提供完善的数字孪生综合方案。
数字孪生作为一项关键技术和提高效能的重要工具，可以有效发挥其在建模、数据采集、分析预测、虚拟仿真等方面的作用，支持从创新概念到产品运行的过程，即贯穿产品的全生命周期。
数字孪生体的价值在于与物理生命体的“共生”。在产品运行过程中，过程数据不断丰富数字孪生模型，获得的衍生数据反过来又能优化产品的运行。
例如 SMT 智慧工厂车间，案例为图扑数据可视化搭建，通过 SMT 产线现场所搜集的设备图片、设备布局、厂房布局、厂区 CAD 等信息资料，将产线进行等比例建模，还原于三维场景中。
数字孪生 SMT 系统，可以直观的看到厂房内物料区及每一条产线设备，例如：印刷机、SPI 检查机、贴片机、回流焊、 AOI 检测设备等。AGV 小车、摄像头、消防设备、空调、电视等所在位置以及对应的设备实时数据、运行状态，均可直观的展示于大屏之上，通过物联技术实现场景整体联动。
通过可视化技术对物理空间进行虚拟空间的数字转化提供数据模型，形成虚拟空间的实体数据模型库，为实现企业的虚拟数字孪生运行和企业数字化转型提供技术支撑，助力企业数据模型共享、复用、多方参与、协同演进的新生态。
在生产的执行阶段，对各个生产单元内的工作流程与效率进行的过程建模与仿真，也是生产的数字化双胞胎的重要基础。这其中可以包括机械设备自动化操作过程的仿真，例如在汽车的装配过程中，对多个协同工作的机器手臂控制算法进行虚拟调试，是验证总体结果，保证生产顺利进行的重要步骤。
可以通过数字化的手段，将原先无法保存的专家经验进行数字化，并提供了保存、复制、修改和转移的能力。可视化采用轻量化建模的方式与强大的可视化引擎技术搭建了全新的制造业可视化系统案例，打造集智能化、绿色化的数字型智慧工厂，为想要数字化转型的企业，如智能车间、智能装配工厂、工程机械设备厂、汽车制造业、物流仓管管理等行业提供转型新思路。
数字孪生系统中的6大关键技术
1、建模
建模是创建数字孪生体的核心技术，也是数字孪生体进行上层操作的基础。建模不仅包括对物理实体的几何结构和外形进行三维建模，还包括对物理实体本身的运行机理、内外部接口、软件与控制算法等信息进行全数字化建模。数字孪生建模具有较强的专用特性，即不同物理实体的数字孪生模型千差万别。目前不同领域的数字孪生建模主要借助 CAD、Matlab、Revit、CATIA 等软件实现，前两者主要面向基础建模，Revit 主要面向建筑信息模型（Building Information Modeling，BIM）建模，CATIA则是面向更高层次的产品生命周期管理（Product Lifecycle Management，PLM）。
2、仿真
仿真是数字孪生模型验证的关键方法。仿真和建模是一对伴生体，如果说建模是对物理实体理解的模型化，那仿真就是验证和确认这种理解的正确性和有效性的工具。仿真是将具备确定性规律和完整机理的模型以软件的方式来模拟物理实体的一种技术。在建模正确且感知数据完整的前提下，仿真可以基本正确地反映物理实体一定时段内的状态。
3、云计算与边缘计算
云计算为数字孪生提供重要计算基础设施。云计算采用分布式计算等技术，集成强大的硬件、软件、网络等资源，为用户提供便捷的网络访问，用户使用按需计费的、可配置的计算资源共享池，借助各类应用及服务完成目标功能的实现，且无需关心功能实现方式，显著提升了用户开展各类业务的效率。云计算根据网络结构可分为私有云、公有云、混合云和专有云等，根据服务层次可分为基础设施即服务（IaaS）、平台即服务（PaaS）和软件即服务（SaaS）。
边缘计算是将云计算的各类计算资源配置到更贴近用户侧的边缘，即计算可以在如智能手机等移动设备、边缘服务器、智能家居、摄像头等靠近数据源的终端上完成，从而减少与云端之间的传输，降低服务时延，节省网络带宽，减少安全和隐私问题。
云计算和边缘计算通过以云边端协同的形式为数字孪生提供分布式计算基础。在终端采集数据后，将一些小规模局部数据留在边缘端进行轻量的机器学习及仿真，只将大规模整体数据回传到中心云端进行大数据分析及深度学习训练。对高层次的数字孪生系统，这种云边端协同的形式更能够满足系统的时效、容量和算力的需求，即将各个数字孪生体靠近对应的物理实体进行部署，完成一些具有时效性或轻度的功能，同时将所有边缘侧的数据及计算结果回传至数字孪生总控中心，进行整个数字孪生系统的统一存储、管理及调度。
4、大数据与人工智能
大数据与人工智能是数字孪生体实现认知、诊断、预测、决策各项功能的主要技术支撑。大数据的特征是数据体量庞大，数据类型繁多，数据实时在线，数据价值密度低但商业价值高，传统的大数据相关技术主要围绕数据的采集、整理、传输、存储、分析、呈现、应用等，但是随着近年来各行业领域数据的爆发式增长，大数据开始需求更高性能的算法支撑对其进行分析处理，而正是这些需求促成了人工智能技术的诸多发展突破，二者可以说是相伴而生，人工智能需要大量的数据作为预测与决策的基础，大数据需要人工智能技术进行数据的价值化操作。目前，人工智能已经发展出更高层级的强化学习、深度学习等技术，能够满足大规模数据相关的训练、预测及推理工作需求。
在数字孪生系统中，数字孪生体会感知大量来自物理实体的实时数据，借助各类人工智能算法，数字孪生体可以训练出面向不同需求场景的模型，完成后续的诊断、预测及决策任务，甚至在物理机理不明确、输入数据不完善的情况下也能够实现对未来状态的预测，使得数字孪生体具备“先知先觉”的能力。
5、物联网
物联网是承载数字孪生体数据流的重要工具。物联网通过各类信息感知技术及设备，实时采集监控对象的位置、声、光、电、热等数据并通过网络进行回传，实现物与物、物与人的泛在连接，完成对监控对象的智能化识别、感知与管控。
物联网能够为数字孪生体和物理实体之间的数据交互提供链接，即通过物联网中部署在物理实体关键点的传感器感知必要信息，并通过各类短距无线通信技术（如 NFC、RFID、Bluetooth 等）或远程通信技术（互联网、移动通信网、卫星通信网等）传输到数字孪生体。
6、VR、AR、MR
VR、AR、MR 技术是使数字空间的交互更贴近物理实体的实现途径。虚拟现实（Virtual Reality，VR）将构建的三维模型与各种输出设备结合，模拟出能够使用户体验脱离现实世界并可以交互的虚拟空间。增强现实（Augmented Reality，AR）是虚拟现实的发展，其将虚拟世界内容与现实世界叠加在一起，使用户体验到的不仅是虚拟空间，从而实现超越现实的感官体验。混合现实（Mixed Reality，MR）在增强现实的基础上搭建了用户与虚拟世界及现实世界的交互渠道，进一步增强了用户的沉浸感。
在VR、AR、MR技术的支撑下，用户与数字孪生体的交互开始类似与物理实体的交互，而不再仅限于传统的屏幕呈现，使得数字化的世界在感官和操作体验上更接近现实世界，根据数字孪生体制定的针对物理实体的决策将更加准确、更贴近现实。