浅谈数字孪生技术及在航空领域中的应用

美国空军和美国国家航空航天局（NASA）对数字孪生的定义为：一种面向飞行器或系统的高集成度多物理场、多尺度、多概率的仿真模型，能够利用物理模型、传感器数据和历史数据等反映与该模型对应实体的功能、实时状态及演变趋势。数字孪生可以帮助减少飞机认证测试的次数和持续时间、消除意外的裂纹和故障、减少结构维护检查的次数和频率等，可以与数字线索共同应用于飞机制造、测试、运营和支持、维护等各个阶段，改变当前的飞机认证、管理和维护方法，从而满足下一代装备更轻的质量、更极端的服务条件、更长的服役时间等要求，实现前所未有的经济性、安全性和可靠性。

数字孪生的发展历程

从根源上分析，数字孪生的概念起源于美国阿波罗任务时代。NASA建造一个与实际飞行飞船大小比例1:1的地面飞船，在地面的飞船中进行实际飞行经历的“所有”操作，以此来反映实际飞行中的飞船的状态，并为飞船的维护提供参考。这种方式也可以被称为物理伴飞。2003年，美国密歇根大学教授Michael Grieves博士在产品生命周期管理（PLM）课程上提出，通过物理设备的数据，可以在虚拟（信息）空间构建一个可以表征该物理设备的虚拟实体和子系统，并且这种联系不是单向和静态的，而是在整个产品的生命周期中都联系在一起，但当时还未将此概念明确为数字孪生。2003—2005年，Michael Grieves教授将这一概念模型称为镜像空间模型，2006—2010年，将其称为信息镜像模型。2011年，Michael Grieves与美国国家航空航天局John Vickers合著的《几乎完美：通过PLM推动创新和精益产品》将其正式命名为数字孪生。同年，美国空军研究实验室（AFRL）提出了飞机机体数字孪生（ADT）计划，目的是解决未来复杂服役环境下的飞行器维护及寿命预测问题。NASA也在同期开始关注数字孪生，并提出了“数字线索”的概念，旨在通过“数字线索”连接数字化数据与实体设备，实现对制造网络实时可见、分析及优化。与此同时，美国通用电气（GE）在为美国国防部（DOD）提供F-35联合攻击机解决方案的时候，也发现数字孪生是工业数字化过程中的有效工具，并开始利用数字孪生构建工业互联网体系。F-35战斗机的设计生产通过采用数字孪生和数字线索技术实现了前所未有的工程设计与制造的连接。由此可以看出，由于航空航天工业始终保持着相当高的自动化、数字化及仿真水平，因此数字孪生概念的产生和发展在过去很长一段时间都集中在航空航天领域，特别是利用数字孪生技术对飞行器进行故障预测和健康管理。而近几年，随着美国、欧盟、中国、日韩等世界主要国家和地区纷纷开始进行以智能制造为核心的制造业升级，以及云计算、大数据、人工智能、虚拟现实、物联网和传感器等信息技术的快速发展，数字孪生也逐步扩展到了包括设计、制造和服务在内的完整的产品周期阶段，应用探索也逐渐向海洋工程、复杂建筑、机械装备、医疗、制造车间等多领域辐射。Gartner公司从2017年起连续三年将数字孪生技术列为十大战略技术趋势之一。数字孪生发展历程如图1所示。

图1 数字孪生的发展历程

数字孪生的理念

据统计，自2014年起，数字孪生的发展呈现出爆发趋势，工业界和学术界对数字孪生也有着多种不同的理解。如图2所示，数字孪生体的本质是能够全生命跟踪、实时反映特定物理系统的性能状态，并准确模拟、预测其在真实环境下行为的数字模型。因此，构成数字孪生体首先需要建立物理系统的模拟模型。传统的建模方式包括：基于物理机制建模、数据驱动建模、以及基于物理机制和数据驱动的混合建模。但对于复杂系统而言，环境不确定性大、系统动态特性强，基于传统建模方式得到的数字模型难以做到实时反应系统状态。因此，数字孪生体的第2个要素是强调通过布置在物理系统上的传感器网络，获取系统运行中的真实行为数据，用于增强模型、消除模型中的不确定性因素，进而提升模型预测能力。准确的预测构成了有效控制、管理等决策优化的基础，数字孪生体第3个要素是实现数字模型和物理系统的互动，将基于模型和数据的实时分析结果用于优化物理系统运行。伴随数字孪生概念，美国空军同时提出了数字主线的概念。数字主线可以看作覆盖系统全生命周期与全价值链的数据流，从设计、制造到使用、维护，全部环节的关键数据都能够实现双向同步与及时沟通，并以此驱动以数字孪生体为统一的模型的状态评估与任务决策。

图2 数字孪生体概念

分析数字孪生的内涵可以看出，数字孪生体具有如下突出特点：

1）集中性。物理系统生命周期内的所有数据都存储在数字主线中，进行集中统一管理，使数据的双向传输更高效。

2）动态性。描述物理系统环境或状态的传感数据可用于模型的动态更新，更新后的模型可以动态指导实际操作，物理系统和数字模型的实时交互使得模型能够在生命周期内不断成长与演化。

3）完整性。对于复杂系统而言，其数字孪生体集成了所有子系统，这是高精度建模的基础；而实时监测的数据可进一步丰富、增强模型，使模型能够包含系统的所有知识。

借助于数字孪生，对于复杂系统的管理和运行，将能够实现：

1）模拟系统运行状态。数字孪生体可以看作物理系统的模拟模型，能够在数字空间实时反映系统的行为、状态，并以可视化的方式呈现。

2）监测并诊断系统健康状态。利用安装在系统结构表面或嵌入结构内部的分布式传感器网络，获取结构状态与载荷变化、服役环境等信息，结合数据预处理、信号特征分析、模式识别等技术，识别系统当前损伤状态。

3）预测系统未来状态。通过数据链、数据接口等技术连接监测数据和数字模型，结合机器智能等方法驱动模型的动态更新，基于更新后的模型，对系统未来的状态进行预报。

4）优化系统操作。根据预报结果，可以调整维护策略避免不必要的检测与更换，或更改任务计划避免结构进一步劣化等。

数字孪生的关键技术

如图3所示，数字孪生强调用实时监测的数据消除模型的不确定性，用精确的模拟代替真实场景，从而优化实际系统的操作和运维，其实现需要依赖的关键技术包括：

1）复杂系统建模技术。数字孪生体是由传统模型发展而来，因此建立高精度的复杂系统模型是首要前提，现在建模依然面临着环境、载荷、材料性能等众多不确定因素，力、热、电等不同物理场之间的强耦合作用等各类问题，这些复杂性都将导致模型无法准确模拟系统的真实情况，需要借助于多物理场耦合建模、多尺度损伤分析方法提升模型精度。

2）传感与监测技术。数字孪生体镜像物理系统的生命历程的基础在于：能够实时感知系统性能状态并收集系统周围的环境信息，这就需要借助传感与监测技术来实现。通过安装在系统结构表面或嵌入结构内部的分布式传感器网络，获取结构状态与载荷变化、操作以及服役环境等信息，实时监测系统的生产、制造、服役以及维护过程。持续获取的传感数据不仅能够用于监测系统当前状态，还能借助大数据、动态数据驱动分析与决策等技术用于预测系统未来状态。

3）大数据技术。对于一个大型复杂系统，其基本几何和组件装配本身就已经囊括了海量的数据，而服役过程中不断加入的载荷、环境、维修等数据，最终将生成现有数据分析技术无法处理的大数据，这就需要利用数字主线技术对所有数据进行统一管理，同时借助大数据分析技术，从这些规模巨大、种类繁多、生成迅速、不断变化的数据集中挖掘价值。从数据出发增强对问题的认识，发掘多源异构数据之间潜藏的相关关系，从而实现更好地诊断、预报并指导决策。

4）动态数据驱动分析与决策技术。实时交互性与动态演化性是数字孪生体的两个重要特性，而 动 态 数 据 驱 动 应 用 系 统（Dynamic Data Driven　Application Systems, DDDAS）这种全新的仿真应用模式，能够将模型与物理系统有机的结合起来，在实际服役过程中，利用实时监测的数据动态更新模型，更新后的模型可以得到许多测量无法直接输出的数据，从而驱动更准确地分析与预测系统状态，以及更有效地指导决策者实施对系统的动态控制。

5）数字孪生软件平台技术。数字孪生的实现需要发展新的工具平台，集成多物理场仿真、数据管理、大数据分析、动态数据驱动决策等多个功能模块，同时借助虚拟现实（Virtual Reality, VR）或增强现实（Augmented Reality, AR）等可视化技术，使决策者能够快速准确地了解系统实际状态，从而指导对系统的操作，实现效能更高的控制与优化。

图3 数字孪生的关键技术

数字孪生技术在航空领域中的应用

2010年，美国NASA发布了《NASA空间技术路线图》，提出了在2027年前后实现NASA数字孪生体的目标。该报告同时给出了数字孪生技术的4个应用场景：① 用于飞行器发射前的“试飞”。分析不同任务参数的影响，并针对各种异常现象，研究和验证相应的处理策略；② 用于镜像飞行器的实际飞行。实时监测载荷、温度以及结构的损伤状态，反映真实飞行状况；③ 用于故障或损伤发生后的评估。当传感器指示结构性能状态出现退化时，诊断引发异常的原因，分析失效后应对措施；④ 作为设计修正分析的平台。模拟某些部件失效后的运行状况，从而决定是否需要做设计上的改进，避免了不必要的修改和调整。NASA预计到2035年，数字孪生技术的应用将能够实现飞行器维护成本减半，服役寿命水平延长至目前的10倍。自此之后，数字孪生在航空航天中的应用一直受到国内外广泛关注。

美国空军在2011年提出了一个机身数字孪生（Airframe Digital Twin, ADT）的概念，认为它是一个覆盖飞机全生命周期的数字模型。通过集成气动分析、有限元等结构模型，以及疲劳、腐蚀等材料状态演化模型，同时利用机身特定几何、材料性能参数、飞行历史以及检测维修等数据动态更新模型，ADT可以准确预报飞机未来行为，并指导决策者为每架飞机定制个性化管理方案，以期延长飞机使用寿命并降低维护成本。基于这一概念，机身寿命预测流程如图４所示。

图4 基于数字孪生的寿命预测过程

相比于传统的寿命预测过程，基于数字孪生的寿命预测有如下优点：① 结构分析不再只是在某些工程经验判断的关键点上开展，避免了误判导致的结构提前失效；② 实现了应力和损伤预测的双向耦合，提高了剩余寿命的预测精度；③ 实时监测的数据用来动态更新模型，进一步提高分析可靠性。

为了验证ADT方法的可行性，并找到具体实施过程中的技术差距，AFRL利用已有的某型机全机模型，尝试了一个简单的ADT过程。由于ADT需要虚拟飞行物理孪生体的每个航线，因此虚拟飞行了一个简单的ADT。基于CFD模型和FEM模型开发了飞机的基本ADT框架（见图5），设想的过程是使用飞行数据记录和CFD 模型生成空气动力学飞行载荷，然后将其应用于FEM，以在关注位置创建应力连续时间历史记录，并分析损伤状态。

图5 飞机的FEM模型

应该说，AFRL在这段时间的不断探索，逐渐丰富了自己对ADT计划的理解。AFRL认识到，除了结构的高保真物理模型外，ADT还需要集成机载健康管理（IVHM）系统的传感器数据、维护历史记录、机队使用数据以及使用数据挖掘和文本挖掘获取的所有可用记录，以反映其飞行实体双胞胎的真实状态。通过合并所有这些信息，ADT才能连续预测装备或系统的健康状况、剩余使用寿命以及任务成功的可能性。最后，ADT还需要通过激活自我修复机制或建议更改任务配置文件以减轻结构损坏或退化，从而增加使用寿命和任务成功的可能性，实现前所未有的安全性和可靠性。所以说，ADT是一个名副其实的多尺度、多物理场、概率性模拟，如图6所示，需要使用飞行记录数据、机载监测系统数据、机队历史数据等不断更新最高保真度的物理模型，从而实现可预测性的故障诊断和疲劳演变等。

图6 最终的ADT概念

ADT计划引起了很多公司和机构的广泛关注。2017年，空客公司讨论了通过数字孪生将飞机疲劳分析纳入数字时代的策略，这可能会给飞机运营商带来更多好处。2018年，ANSYS发布了ANSYS 19.1软件，推出了首款针对数字孪生体的产品软件包—ANSYS Twin Builder，进一步推动了数字孪生与仿真技术的融合应用。2019年，加拿大国家研究委员会（NRC）与AFRL和澳大利亚国防科学技术小组（DST）一起，审查和评估了ADT框架对加拿大皇家空军（RCAF）机队的潜在适用性。NRC研究了ADT框架对于CF-188“大黄蜂”、CP-140 Aurora和CC-130 Hercules等机型的可行性和适用性，并采用CF-188的内侧前缘襟翼进行了试验演示（见图7）。NRC的审查和评估表明，美国空军的ADT框架可以进行调整以支持RCAF机队。

图7 CF-188前缘襟翼的ADT全尺寸测试演示

美国《航空周刊》曾经做过这样一个预测：2035年，当航空公司接收一架飞机的时候，将同时收到一套数字飞机。这套数字飞机包含真实飞机的每一个部件、每一个结构，并且伴随着真实飞机的每一次飞行而老化。如果飞机有任何问题，都可以在数字孪生系统中被预先感知到，从而将航空安全迈向新的台阶。

结论

1）数字孪生可为物理系统创造包含其所有知识的数字模型，使得能够在不确定性环境下，利用真实数据、分析模型等多元信息融合，增强对复杂系统的认知，实现系统动态演化行为更准确的描述与预报，以指导更好的决策、控制与优化。

2）数字孪生可看作连接智能与实物的纽带，使得各类机器智能方法得以用于实物管理，从而加速设计验证进程、降低运营维护成本、提高服役可靠性、延长使用寿命。

3）数字孪生已引起国内外广泛重视，但其全面应用还需要突破复杂系统建模、传感与监测、大数据、动态数据驱动分析与决策和数字孪生软件平台等关键技术。

数字孪生的未来发展还面临很多挑战，期待可以给飞行器结构带来前所未有的经济性、安全性和可靠性。