數字孿生及其在航空航天中的應用

人工智能技術與咨詢

來源：《航空學報》，作者孟松鶴等

摘要: 數字孿生已引起國內外的廣泛重視，可看作是連接物理世界和數字世界的紐帶。其通過建立物理系統的數字模型、實時監測系統狀態并驅動模型動態更新實現系統行為更準確的描述與預報，從而在線優化決策與反饋控制。本文分析表明數字孿生體相比一般的模擬模型，具有集中性、動態性和完整性的突出特點。數字孿生的發展需要復雜系統建模、傳感與監測、大數據、動態數據驅動分析與決策和數字孿生軟件平臺技術的支撐。在航空航天領域，數字孿生可應用于飛行器的設計研發、制造裝配和運行維護。重點討論了應用機身數字孿生進行壽命預測與維護決策的案例，相比于周期性維護，具有檢修次數更少、維護成本更低的優勢。最后，給出了數字孿生在空間站、可重復使用飛船的地面伴飛系統中的初步應用框架。

目前，實際系統的設計和維護策略可以總結為“安全余量設計+周期性維護”，即根據以往經驗設計系統型式，并使用較大的安全系數來包絡不確定性；在系統服役時，采用周期性的維護方式，定期對其進行檢測，并采取相應的維護措施，以此來保證系統長期、穩定的運行。

然而，現代工程越來越復雜，具體表現為[1]：①系統組件越來越多，且組件與組件之間的交互會衍生出一些新的特質；②動態特性強，系統狀態隨時間快速變化；③不確定性大，系統材料、結構以及周圍環境存在眾多不確定因素。在這種情況下，如果繼續用經驗安全系數包絡誤差，會使結構設計笨重、效率不高；復雜系統在高度不確定性環境下遭受意外損傷概率的增加，使得安全系數方法既不經濟、又難以徹底、完全保證系統可靠性。周期性維護在面臨復雜系統時，缺乏對系統當前狀態的準確預估，容易出現過于頻繁的檢測與維修，或未及時維護而引發系統提前失效的情況，導致維護成本高、且可靠性不足[2]。

數字孿生概念[3]的出現為解決上述問題提供了新的思路。數字孿生是一個技術體系[4]，旨在為物理系統創造一個表達其所有知識的集合體或數字模型(也稱為數字孿生體[5])。通過實時監測系統狀態，動態更新數字模型，能夠提升數字孿生體的診斷、評估與預測能力；同時在線優化實際系統的操作、運行與維護，減少結構設計冗余、避免頻繁的周期性檢修與維護并保證系統的安全性。

從根源上分析，孿生的概念起源于美國阿波羅任務時代[6]：建造一個與實際飛行飛船大小比例1:1的地面飛船，在地面的飛船中進行實際飛行經歷的“所有”操作，以此來反映實際飛行中的飛船的狀態，并為飛船的維護提供參考。這種方式也可以被稱為物理伴飛。

數字孿生概念的提出可以追溯到2002年，美國密歇根大學Grieves教授[3]在向工業界展示如何進行產品生命周期管理時提出的兩個系統，即真實系統和虛擬系統。虛擬系統接收從真實空間傳來的數據，鏡像(Mirroring)真實系統的狀態；真實系統接收虛擬空間傳來的指導信息，做出相應響應。這一理念中提及的真實空間、虛擬空間、從真實空間到虛擬空間的數據流和從虛擬空間到真實空間的信息流被認為是數字孿生的3個基本要素。

美國NASA(National Aeronautics and Space Administration)[7]在2010年發布的“建模、仿真、信息技術和過程”路線圖中明確了數字孿生的發展愿景，認為數字孿生是：“一個集成多物理場、多尺度的非確定性分析框架，能夠聯合高精度物理模型、傳感器測量數據、飛行歷史數據等，鏡像相應孿生飛行器的生命歷程”。這一愿景對NASA和美國空軍具有重要意義，兩者擁有大量的機隊需要周期性檢測和維護，不僅耗費巨大成本，而且面臨針對性不強、響應速度慢的問題。數字孿生利用模型指導決策的思想正好能夠彌補這一能力短缺。通過真實數據驅動數字孿生體更新，響應實際飛行器結構變化，并對實際飛行器的操作、運維進行優化，從而降低維護成本、延長使用壽命[8]。

在工業界，隨著工業物聯網的普及應用，如何將工業過程、狀態的大數據轉化為決策、增加實際價值成為主要問題，數字孿生為解決這一問題提供了基本范式[9-11]。美國Gartner公司自2016年起連續4年將“數字孿生”列為未來十大戰略技術之一，Gartner[12]認為數字孿生體是：“物理世界實體或系統的數字代表，在物聯網背景下連接物理世界實體，提供相應實體狀態信息，對變化做出響應，改進操作，增加價值”。世間萬物都將擁有其數字孿生體，并且通過物聯網彼此關聯，創造出巨大的價值。PTC(Parametric Technology Corporation)[13]推出了ThingWorx物聯網平臺，可以將獲取的傳感數據連接至ANSYS仿真軟件，并通過建立泵的數字孿生體展示了該平臺的價值[14]；通用電氣研究院[13]推出了Predix云計算平臺，基于工業大數據的管理、加工與分析，實現對設備的掌控和預測；西門子[13]構建了MindSphere開放式物聯網操作系統，將實際物體連接到數字世界，以推動閉環式創新；此外還有Kongsberg推出的KognifAI、MapleSoft的產品MapleSim等都可用于建立系統的數字孿生體。

如今，數字孿生的概念得到各領域的廣泛重視，各類應用概念層出不窮：①產品研發：Tao[15]、莊存波[5]、于勇[16]等期望通過構建產品的數字孿生體，改變傳統的產品研發模式；②智能制造：陶飛等[10,?17]提出了數字孿生車間的概念，期望通過物理世界和信息世界的交互與共融，實現智能制造。此外，Zhuang[18]、Leng[19]、Zhang[20]等也提出了類似的概念；③壽命管理：勞斯萊斯公司[21]推出了智能發動機的概念，該發動機能夠“感知”周圍環境并進行相應的自我調整，延長使用壽命。通用電氣研究院[22]建立了風力渦輪機的數字孿生體，能夠接收操作和環境數據并進行自我更新，保證渦輪機長期、穩定的運行；④智慧校園：佐治亞理工學院[23]推出智慧校園的概念，實現了校園能耗系統的態勢感知、預測、優化和虛擬試驗。劍橋大學[24]也建立了類似的動態數字孿生演示系統。

在航空航天領域，數字孿生同樣具有極大的應用潛力：①用于飛行器的設計研發。通過建立飛行器的數字孿生體，可以在各部件被實際加工出來之前，對其進行虛擬數字測試與驗證，及時發現設計缺陷并加以修改，避免反復迭代設計所帶來的高昂成本和漫長周期。達索航空公司[25]將3DExperience平臺(基于數字孿生理念建立的虛擬開發與仿真平臺)用于“陣風”系列戰斗機和“隼”系列公務機的設計過程改進，降低浪費25%，首次質量改進提升15%以上；②用于飛行器的制造裝配。在進行飛行器各部件的實際生產制造時，建立飛行器及其相應生產線的數字孿生體，可以跟蹤其加工狀態，并通過合理配置資源減小停機時間，從而提高生產效率，降低生產成本。洛克希德·馬丁公司[25]將數字孿生應用于F-35戰斗機的制造過程中，期望通過生產制造數據的實時反饋，進一步提升F-35的生產速度，預計可將目前每架22個月的生產周期縮短至17個月，同時，在2020年前，將每架9 460萬美元的生產成本降低至8 500萬美元。此外，諾斯羅普·格魯曼公司[26]利用數字孿生改進了F-35機身生產中的劣品處理流程，將處理F-35進氣道加工缺陷的決策時間縮短了33%；③用于飛行器的運行維護。利用飛行器的數字孿生體，可以實時監測結構的損傷狀態，并結合智能算法實現模型的動態更新，提高剩余壽命的預測能力，進而指導更改任務計劃、優化維護調度、提高管理效能。本文聚焦于數字孿生在運行維護上的應用，具體應用案例將在后文詳細展開。

數字孿生在各個領域的快速發展彰顯了其巨大的價值，本文將從數字孿生的核心概念與內涵出發，分析數字孿生的關鍵技術，而后論述數字孿生相比當前范式的創新性思路，最后對數字孿生在航空航天領域的應用與展望進行分析。

1 數字孿生的理念

據Tao等[27]統計，自2014年起，數字孿生的發展呈現出爆發趨勢，工業界和學術界對數字孿生也有著多種不同的理解[10-12]。如圖 1所示，數字孿生體的本質是能夠全生命跟蹤、實時反映特定物理系統的性能狀態，并準確模擬、預測其在真實環境下行為的數字模型。因此，構成數字孿生體首先需要建立物理系統的模擬模型。傳統的建模方式包括：基于物理機制建模、數據驅動建模、以及基于物理機制和數據驅動的混合建模。但對于復雜系統而言，環境不確定性大、系統動態特性強，基于傳統建模方式得到的數字模型難以做到實時反應系統狀態。因此，數字孿生體的第2個要素是強調通過布置在物理系統上的傳感器網絡，獲取系統運行中的真實行為數據，用于增強模型、消除模型中的不確定性因素，進而提升模型預測能力。準確的預測構成了有效控制、管理等決策優化的基礎，數字孿生體第3個要素是實現數字模型和物理系統的互動，將基于模型和數據的實時分析結果用于優化物理系統運行。伴隨數字孿生概念，美國空軍[28-29]同時提出了數字主線的概念。數字主線可以看作覆蓋系統全生命周期與全價值鏈的數據流，從設計、制造到使用、維護，全部環節的關鍵數據都能夠實現雙向同步與及時溝通，并以此驅動以數字孿生體為統一的模型的狀態評估與任務決策。

分析數字孿生的內涵可以看出，數字孿生體具有如下突出特點：

1) 集中性。物理系統生命周期內的所有數據都存儲在數字主線中，進行集中統一管理，使數據的雙向傳輸更高效。

2) 動態性。描述物理系統環境或狀態的傳感數據可用于模型的動態更新，更新后的模型可以動態指導實際操作，物理系統和數字模型的實時交互使得模型能夠在生命周期內不斷成長與演化。

3) 完整性。對于復雜系統而言，其數字孿生體集成了所有子系統，這是高精度建模的基礎；而實時監測的數據可進一步豐富、增強模型，使模型能夠包含系統的所有知識。

借助于數字孿生，對于復雜系統的管理和運行，將能夠實現：

1) 模擬系統運行狀態。數字孿生體可以看作物理系統的模擬模型，能夠在數字空間實時反映系統的行為、狀態，并以可視化的方式呈現。

2) 監測并診斷系統健康狀態。利用安裝在系統結構表面或嵌入結構內部的分布式傳感器網絡，獲取結構狀態與載荷變化、服役環境等信息，結合數據預處理、信號特征分析、模式識別等技術，識別系統當前損傷狀態。

3) 預測系統未來狀態。通過數據鏈、數據接口等技術連接監測數據和數字模型，結合機器智能等方法驅動模型的動態更新，基于更新后的模型，對系統未來的狀態進行預報。

4) 優化系統操作。根據預報結果，可以調整維護策略避免不必要的檢測與更換，或更改任務計劃避免結構進一步劣化等。

2 數字孿生的關鍵技術

如圖 2所示，數字孿生強調用實時監測的數據消除模型的不確定性，用精確的模擬代替真實場景，從而優化實際系統的操作和運維，其實現需要依賴的關鍵技術包括：

1) 復雜系統建模技術。數字孿生體是由傳統模型發展而來，因此建立高精度的復雜系統模型是首要前提，現在建模依然面臨著環境、載荷、材料性能等眾多不確定因素，力、熱、電等不同物理場之間的強耦合作用等各類問題，這些復雜性都將導致模型無法準確模擬系統的真實情況，需要借助于多物理場耦合建模、多尺度損傷分析方法提升模型精度。

2) 傳感與監測技術。數字孿生體鏡像物理系統的生命歷程的基礎在于：能夠實時感知系統性能狀態并收集系統周圍的環境信息，這就需要借助傳感與監測技術來實現。通過安裝在系統結構表面或嵌入結構內部的分布式傳感器網絡，獲取結構狀態與載荷變化、操作以及服役環境等信息[30]，實時監測系統的生產、制造、服役以及維護過程。持續獲取的傳感數據不僅能夠用于監測系統當前狀態，還能借助大數據、動態數據驅動分析與決策等技術用于預測系統未來狀態。

3) 大數據技術。對于一個大型復雜系統，其基本幾何和組件裝配本身就已經囊括了海量的數據，而服役過程中不斷加入的載荷、環境、維修等數據，最終將生成現有數據分析技術無法處理的大數據[31]，這就需要利用數字主線技術對所有數據進行統一管理，同時借助大數據分析技術，從這些規模巨大、種類繁多、生成迅速、不斷變化的數據集中挖掘價值[31]。從數據出發增強對問題的認識，發掘多源異構數據之間潛藏的相關關系，從而實現更好地診斷、預報并指導決策。

4) 動態數據驅動分析與決策技術。實時交互性與動態演化性是數字孿生體的兩個重要特性，而動態數據驅動應用系統(Dynamic Data Driven Application Systems，DDDAS)[32]這種全新的仿真應用模式，能夠將模型與物理系統有機的結合起來，在實際服役過程中，利用實時監測的數據動態更新模型，更新后的模型可以得到許多測量無法直接輸出的數據，從而驅動更準確地分析與預測系統狀態，以及更有效地指導決策者實施對系統的動態控制。

5) 數字孿生軟件平臺技術。數字孿生的實現需要發展新的工具平臺，集成多物理場仿真、數據管理、大數據分析、動態數據驅動決策等多個功能模塊，同時借助虛擬現實(Virtual Reality，VR)或增強現實(Augmented Reality，AR)等可視化技術，使決策者能夠快速準確地了解系統實際狀態，從而指導對系統的操作，實現效能更高的控制與優化。

3 “范式”革命

Grieves教授和NASA在定義數字孿生時，都將其視為一種“范式”革命[33-34]。所謂“范式”(Paradigm)，是指“從事某一科學的研究者群體所共同遵從的世界觀和行為方式[11]”。

在上述關鍵技術的支撐下，數字孿生可以改變現有范式的設計、驗證和運維方式，具體表現為：

1) 從多部門的設計迭代到多部門的協同設計

傳統方法中，系統的一般設計流程為：總體部門提設計要求—設計部門制定設計方案—生產部門加工樣機模型—測試部門進行樣機性能試驗—如性能不合理再修改設計，重新生產、試驗。這種串行迭代的方式很難實現不同部門之間信息的有效交互，導致設計周期長、效率低。

數字孿生將改變當前系統工程中的多部門工作方式，以數字孿生為中心的系統工程，在數字主線技術的支撐下，將能夠實現各類信息來源的統一管理，不同部門可以隨時訪問或補充數字主線中的數據，實現信息的有效交互。通過不同部門橫向之間、及不同系統級別縱向之間的協同管理，使得部分工作可以并行開展，同時最小化串行迭代中的等待時間，加速設計進程。

2) 從先生產后驗證到快速的先行集成驗證

傳統的系統設計完成后需要進行強度、剛度、振動等試驗來驗證設計的可靠性，但是存在如下不足：①物理試驗需要專門的試驗場地、設備、工裝等，耗資巨大；②需要等樣件全部生產出后才能進行試驗，周期較長；③如果試驗結果不理想，需要重新設計、生產、再試驗，如此反復迭代對時間、成本、人工造成極大浪費。

利用數字孿生的虛擬仿真可視化技術，能夠將系統驗證基線提前，在設計完成后就可以在虛擬空間對系統進行“早期集成”和虛擬測試驗證。借助VR或AR技術，可以方便地測試不同試驗策略所帶來的工作量、周期和成本的差異，從而更有效地指導后續的物理試驗。虛擬試驗技術允許在設計早期邊試驗邊學習，越早發現設計中的問題，修正問題的成本就越低，且不會因原型機不到位或者提前破壞而影響整個測試驗證的周期。

3) 從關鍵位置監測到全面跟蹤

目前，為保證系統運行的可靠性，往往需要在容易發生損傷或破壞的位置布置傳感器，監測系統狀態，其中，對潛在損傷位置的判斷通常需要依賴工程經驗。對于未來不斷更新的結構型式、越來越復雜的載荷環境，真實系統在服役時可能面臨大量的不可預期的問題，從而在未布置傳感器的位置處發生破壞，引發系統提前失效。

基于數字孿生中的傳感與監測技術，可以全面跟蹤真實系統狀態；同時借助DDDAS技術，利用監測數據動態修正數字孿生體，持續更新的模型可以獲取某些測量無法直接輸出的量以更好地輔助決策。在大數據分析技術的支撐下，有望從這些全面跟蹤的數據中挖掘隱含的物理規律、甚至是機理模型，從而完善現有的理論或方法。

4) 從歷史數據驅動到動態數據驅動建模

傳統的建模方式是在歷史數據的基礎上，預設系統將來可能會經歷的載荷、環境、邊界等來建立合理的模型，并以此模型指導后續的生產、裝配以及運行中的操作。然而由于實際加工中存在的生產、制造誤差，以及服役中面臨的載荷環境的復雜性、動態性和不確定性，在設計階段完成的模型很難真實地反映實際系統在后續階段的狀態和行為，難以對系統的動態演化做出準確預示。

基于數字孿生中的DDDAS技術，在物理系統的全生命周期內，利用實時監測的數據驅動模型動態更新，使得模型不僅能夠反映真實的制造、裝配和維護情況，還能跟蹤在復雜環境下不斷演化的系統行為。數據與模型的融合能夠減少不確定性帶來的影響，增加對系統行為的認知，進而做出更準確的模擬與預示。

5) 從預先制定策略到動態優化決策

目前，實際系統服役時的任務參數一般是提前規劃的，一旦發生意外，系統將面臨故障甚至提前失效的風險。同時，廣泛采用的周期性的維護方式更適用于復雜性和不確定性都較低的系統，對于復雜性或不確定性較高的系統而言，該維護方式容易出現過于頻繁的檢修導致的成本高，或未及時維護導致的可靠性不足的問題。

聯合數字孿生中的DDDAS和大數據分析技術，不僅可以實現模型的動態更新，還能夠對系統的性能狀態開展在線的風險評估，即量化不確定輸入(載荷、邊界、材料參數等)對飛行可靠性的影響。而后通過虛擬仿真平臺，預演不同任務參數下的飛行場景，并量化不同參數下的飛行可靠性，結合大數據分析技術中的各類智能算法，動態優化操作以應對突發工況。通過對系統狀態的實時管理，能夠提高響應速度，實現效能更高的控制與優化。同時，在系統性能出現顯著下降、維修成本不經濟之前，進行預測性維護，避免周期性維護的高成本和響應慢的問題，既能夠提升系統的可用性、又可以保證安全性和經濟性，如圖 3所示[35]

4 數字孿生在航空航天中的應用

2010年，美國NASA發布了《NASA空間技術路線圖》，提出了在2027年前后實現NASA數字孿生體的目標[7]。該報告同時給出了數字孿生技術的4個應用場景：①用于飛行器發射前的“試飛”。分析不同任務參數的影響，并針對各種異?，F象，研究和驗證相應的處理策略；②用于鏡像飛行器的實際飛行。實時監測載荷、溫度以及結構的損傷狀態，反映真實飛行狀況；③用于故障或損傷發生后的評估。當傳感器指示結構性能狀態出現退化時，診斷引發異常的原因，分析失效后應對措施；④作為設計修正分析的平臺。模擬某些部件失效后的運行狀況，從而決定是否需要做設計上的改進，避免了不必要的修改和調整。NASA[36]預計到2035年，數字孿生技術的應用將能夠實現飛行器維護成本減半，服役壽命水平延長至目前的10倍。自此之后，數字孿生在航空航天中的應用一直受到國內外廣泛關注。

美國空軍[7]在2010年提出了一個機身數字孿生(Airframe Digital Twin，ADT)的概念，認為它是一個覆蓋飛機全生命周期的數字模型。通過集成氣動分析、有限元等結構模型，以及疲勞、腐蝕等材料狀態演化模型，同時利用機身特定幾何、材料性能參數、飛行歷史以及檢測維修等數據動態更新模型，ADT可以準確預報飛機未來行為，并指導決策者為每架飛機定制個性化管理方案，以期延長飛機使用壽命并降低維護成本?；谶@一概念，機身壽命預測流程[37]如圖 4所示。

相比于傳統的壽命預測過程，基于數字孿生的壽命預測有如下優點：①結構分析不再只是在某些工程經驗判斷的關鍵點上開展，避免了誤判導致的結構提前失效；②實現了應力和損傷預測的雙向耦合，提高了剩余壽命的預測精度；③實時監測的數據用來動態更新模型，進一步提高分析可靠性。

為實現ADT，美國空軍將這一先導性項目的第1階段合同分別授予了通用電氣研究院和諾斯羅普·格魯曼公司。其中，通用電氣研究院[38-40]演示了數字孿生能夠將使用分析、外載荷分析、內應力分析、裂紋擴展分析以及檢測方法和檢測結果分析放在一個框架中進行，顯式地展示它們之間的聯系，并依次量化其中的不確定因素，清楚地了解這些分析是如何影響決策，且所有的分析都可以利用檢測數據來更新和減少不確定性；而后將該框架用于某戰斗機機翼的疲勞裂紋擴展分析，通過檢測數據與模型的融合，實現對裂紋擴展行為更準確的診斷和預測，并優化維護調度。圖 5所示為采取不同的檢修策略[38]：每200次飛行檢查一次裂紋和每當單次飛行失敗率(Single-Flight Probability of Failure，SFPOF)超過10-7時檢查一次裂紋，所預測的SFPOF的均值及其不確定分布，可以發現，基于可靠性分析開展的維護方式相比周期性維護，能在保證飛行任務成功率的同時明顯減少檢修次數，降低維護成本。

諾斯羅普·格魯曼公司[41-42]開發了一種自動生成飛行載荷譜的方法，能夠得到關鍵點的應力序列，為疲勞裂紋擴展預測提供輸入；同時，利用檢測數據和相應的檢測概率函數更新裂紋尺寸的概率分布，通過減少預測的不確定性，更有效地指導何時進行檢查，圖 6展示了預測的維護時刻的不確定性降低后，期望維護成本的最小值也相應降低，即基于更新后的預測可以通過調整維護時間降低維護成本[41]。最后，諾斯羅普·格魯曼公司在ModelCenter中將所有方法集成為一個數字孿生流程模型，其模塊化的特性允許隨時對現有代碼進行改進，并整合更多的不確定來源，提升模型的跟蹤、預測和優化能力。

在中國航天事業中，數字孿生概念同樣具有巨大的應用潛力。預計在2020年前后，中國將建成近地空間站，并進入運營和管理階段[43]。對于空間站這類長期在軌的航天器而言，傳統的管理模式是建立相應的地面物理伴飛系統，并使地面系統經歷與實際飛行相同的載荷、環境和操作，從而模擬航天器的在軌運行狀態，通過監測地面系統的結構狀態，根據需要進行在軌檢測、維護或更換，但這種方式存在以下不足：①需要建立一個與真實空間站完全相同的地面物理系統，建造周期長且成本極高；②地面試驗對空間環境的模擬能力有限。

與此同時，為保證空間站能夠長期、持續地開展載人航天、空間科學研究、空間應用與技術試驗等活動[43]，需要大量的天地往返任務來運輸人員和貨物，運輸成本成為其中的關鍵問題之一，這就對發展可重復使用飛船提出了需求。在飛船每次飛行結束后，需要對艙體結構的完整性、未來飛行的適用性進行快速、準確的評估。目前通常采用的方式是定期對艙體進行檢測，并采取相應的維護措施，但這種方式存在兩方面問題[7]：①檢測的位置是基于工程經驗判斷的，容易發生漏檢；②冗余的檢測會延長飛行間隔、降低使用率，以及增加維護成本，反復地拆卸再組裝甚至會破壞結構原有的完整性[2]。

針對上述在發展空間站和可重復使用飛船中現有范式存在的不足，本文作者設想建立如圖 7所示的數字孿生伴飛系統框架，用于全生命跟蹤并預示空間站和飛船的行為狀態，以實現更好地管理與決策。該框架是一個通用框架，其中包括飛行器端、地面端和應用端：在飛行器端，基于各類傳感器，可以收集反映飛行器周圍環境與自身狀態的數據，并通過數據鏈將監測數據傳回地面伴飛系統；地面系統將數據引入到飛行器的功能模型中，進行模型的動態更新，從而實現對飛行器狀態更準確的診斷與評估；結合應用端的人機接口，通過未來任務預演，對結構未來行為和剩余壽命進行預報，進一步結合智能決策優化設計、制造、維護等操作。

圖 7所示的數字孿生應用框架的核心是數字孿生建模與分析模塊，具體途徑如圖 8所示。該架構分為離線和在線兩部分。其中，離線部分的核心為高精度建模和知識庫的構建。在高精度幾何模型的基礎上，借助復雜系統建模技術，如多物理場建模、多系統仿真等，建立飛行器系統的行為模型和演化模型，同時基于大數據分析技術提取降階或代理模型，用于在線分析；結合數字主線中存儲的歷史數據、專家經驗確定可能故障，通過故障注入的方式，分析已知故障下系統的行為數據，構建故障模式庫，并保存在數字主線中。該模式庫可作為診斷模塊的故障識別基礎。

在線部分包括結構監測、故障診斷、動態演化分析以及功能預示。基于傳感與監測技術，能夠實時獲取反映飛行器系統結構狀態的數據；在此基礎上，由診斷模塊識別系統是否存在故障、進行故障定位，并量化結構損傷。其中，采用解析冗余方法，進行異常數據的檢測，采用模式識別方法進行故障模式分析，進一步，如屬于新故障模式，則采用深度學習方法進行故障歸類，這些都需要大數據分析技術的支撐；而后，將故障模式與損傷狀態傳遞給動態演化分析模塊，借助不確定性建模、動態貝葉斯網絡[40]、DDDAS等技術，進行演化、行為模型以及系統結構狀態的更新。更新后的模型結合大數據分析技術，在虛擬仿真平臺上開展系統的性能退化、剩余壽命及飛行可靠性的預測，為后續的任務規劃、維護調度提供決策參考。

離線部分收集的傳感器歷史數據、各類模型數據，以及在線部分產生的傳感器實時數據、實時狀態/功能參數等都存儲在相應的數據庫中，并由數字主線統一管理。數據庫允許其他模塊隨時訪問、補充，且支持數據共享。

數字孿生伴飛系統相比傳統的物理伴飛有如下優點：①無需建造地面物理系統，極大地節省了運營成本；②不受地面試驗的限制，可以模擬任意空間環境和載荷，相比物理伴飛系統模擬能力更強；③通過近實時地開展結構損傷分析，能夠快速指示受損區域，加速檢修進程；④能夠利用各類監測數據實現模型的動態更新，從而準確獲取所有位置的結構狀態，這樣既不會出現漏檢也不會帶來冗余檢測；⑤持續更新的模型能夠不斷提高剩余壽命的預測精度和未來飛行評價的可靠性，從而更有效地指導決策；⑥在指導決策時，不再只是依賴傳統的優化算法，而是結合了高精度仿真模型，通過反復預演、驗證，確定最優操作，進一步提高運行可靠性、優化維護效能。

如圖 9所示，在未來，數字孿生伴飛系統將完成更多的功能：在設計和驗證階段，利用任務預演與虛擬試驗，對各部件可能出現的問題進行預先分析和改進，減少設計迭代；在制造與裝配階段，通過生產過程監控與管理，加速生產、減少缺陷，并獲取成品信息；在測試與運行階段，實現系統狀態的實時診斷與鏡像；在此基礎上，通過任務預演與虛擬試驗，分析未來系統狀態以及任務成功率，以便制定飛行器維護、更換、擴展或退役等計劃；模型與數據等信息將實現任務周期內的統一管理，以便模型在每個階段都得以被豐富和完善，且可以隨時隨地被調用；以統一的數據庫為接口，結合分析、決策智能助理與可視化技術，可以幫助專家進行飛行器設計、維護、任務計劃的決策制定等；通過人機交互接口與可視化技術，幫助航天員進行任務預演與培訓、在軌維護，建設航天體驗館等各類飛行器的模擬、可視化應用。

實際應用中，數字孿生可以看作物理世界與數字世界的連接紐帶。在未來，數字孿生技術將能夠推動各類空天飛行器的智能化，如智能發動機、智能飛機、智能空間站等等。通過傳感器收集到的飛行器自身及周圍環境信息，進行自身狀態感知、環境感知與態勢感知，自主規劃未來任務路徑并開展自我維護，將能夠實現任務成功率更高、服役壽命更長、運營成本更低的目標。

目前，數字孿生在航空航天中的應用仍面臨一些挑戰:①數字孿生是一個涉及多領域的綜合技術體系，這本身就顯示了其實現難度，數字孿生技術框架、數字孿生體的模型結構定義尚不成熟，如何基于數字孿生進行知識推理、發現以達到智能化的最終目的，還有待研究；②在數字孿生的關鍵技術方面，基于大數據進行故障診斷、不確定性下復雜系統的動態建模、在線實時分析計算數學方法、適用于航空航天環境耐極端條件輕量化、分布式傳感監測技術是目前研究的前沿問題；③在數字孿生工具層面，仍需要發展完善自主化數字孿生的開發、運行集成平臺。

5 結論

1) 數字孿生可為物理系統創造包含其所有知識的數字模型，使得能夠在不確定性環境下，利用真實數據、分析模型等多元信息融合，增強對復雜系統的認知，實現系統動態演化行為更準確的描述與預報，以指導更好的決策、控制與優化。

2) 數字孿生可看作連接智能與實物的紐帶，使得各類機器智能方法得以用于實物管理，從而加速設計驗證進程、降低運營維護成本、提高服役可靠性、延長使用壽命。

3) 數字孿生已引起國內外廣泛重視，但其全面應用還需要突破復雜系統建模、傳感與監測、大數據、動態數據驅動分析與決策和數字孿生軟件平臺等關鍵技術。

總結

以上是生活随笔為你收集整理的数字孪生及其在航空航天中的应用的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。