摘要:數字孿生一詞起源于美國國防部對飛行器機體數字孿生的研究，目前已經成為全球制造業的前沿熱點領域。解析了數字孿生的概念及其中的結構健康管理元素，提出了包含生命周期維、仿真精度維、智能程度維的數字孿生成熟度模型;梳理了面向結構健康管理的數字孿生關鍵技術，特別是4項關鍵的數字工程技術能力，包括多尺度建模、多物理特性建模、模型與實驗的集成和概率性/不確定性分析;分析了數字孿生支撐的結構完整性預測的功能流程，總結了美國空軍研究實驗室和國家航空航天局支持的研究，探索了基于數字孿生的生命周期管理范式。隨著更高價值飛行器的不斷研發和使用，以及實驗的深入、機理的突破、數據的積累和算力的提升，集成了數字孿生功能的自知曉飛行器將會成為一個趨勢。

　　關鍵詞:物理特性模型;概率性分析;壽命預測;機器學習;高超聲速

　　當前，各國軍方和民航企業對于價格昂貴的飛行器的維修保障方式，絕大部分仍然是定期檢修———在作戰飛機或客機完成一定時間的飛行小時或在一個固定的周期性間隔之后進行，這與汽車保養并無不同。然而，這樣的方式一方面可能造成過度檢修，讓飛行器的維修保障成本居高不下;另一方面可能造成失效隱患，導致更嚴重的機毀人亡事故。

　　航空方向論文范例：國際航空運輸中新侵權行為法律適用原則

　　美軍運營著世界上最龐大的飛行器機隊，拆解結構狀態良好戰機帶來的高昂的維修保障成本，以及因結構完整性問題導致的低下的裝備完好性一直困擾著美軍。隨著建模仿真、物聯網和大數據技術的發展，美軍為了實現增強型視情維修(CBM+)，一方面開發了結構健康監測(SHM)和預測與健康管理(PHM)技術，推動數據驅動的決策;另一方面不斷建立、完善各類機理模型，找尋裂紋產生的原因和方式，希望在數字空間消滅一切問題，推動模型貫穿的決策。

　　2018年，美國國防部發布《數字工程戰略》[1]，將數字系統模型、數字線索和數字孿生作為支撐建立裝備全生命周期數字工程生態系統的核心紐帶[2]，推動美軍以模型和數據為核心謀事、做事的數字工程轉型。其中，數字孿生被美軍寄予重托，利用制造、使用和維修數據，基于數字孿生仿真實現機體結構壽命預測，將成為解決困擾飛行器維修保障難題的一大利器[3]。“數字孿生”一詞起源于美國國防高級研究計劃局(DARPA)、空軍研究實驗室(AFRL)以及國家航空航天局(NASA)對于飛行器機體結構完整性預測與生命周期管理的研究工作[4-10]。

　　根據美國國防部的定義[11]，數字孿生是由數字線索使能，使用最佳的可用模型、傳感器信息更新以及輸入數據，對已建造系統的一個多物理、多尺度和概率性的集成仿真，以鏡像和預測相對應的物理孿生生命周期的活動/性能。自稱在2002年就提出數字孿生概念的邁克爾·葛瑞夫斯教授[12]，在2014年發表了闡述數字孿生概念的白皮書[13]，認為數字孿生是一組虛擬的信息結構，用于描述一個潛在的或實際存在的制造產品，描述了從微觀原子層到宏觀幾何層的、能夠從物理產品中探測到的所有信息。

　　筆者也提出了自己的定義[14]:從本質上來看，數字孿生是一個對物理實體或流程的數字化鏡像，創建數字孿生的過程，集成了物理特性模型、人工智能/機器學習和傳感器數據，以建立一個可以實時更新的、現場感極強的“真實”模型，用來支撐物理產品生命周期各項活動的決策。2009年，AFRL啟動了飛行器“機體數字孿生”(ADT)研究[15-17]，2013年，空軍《全球地平線》頂層科技規劃將數字線索及數字孿生列為“改變游戲規則”的顛覆性機遇[18]。

　　同年，AFRL在前期ADT以及DARPA項目的基礎上，啟動了概率性和預測的單個飛行器跟蹤(P2IAT)項目[19]，分別由諾·格公司[20-22]、GE/洛·馬[23-25]領銜，從2013年持續到2017年，旨在進一步探索數字孿生支撐的結構完整性預測。DARPA通過項目孵化了專門進行結構完整性預測的虛擬孿生軟件[26]，并用于飛行器的虛擬壽命管理[27]。NASA則進一步研究如何通過數字孿生實現面向載荷控制的損傷預測[28]，甚至希望開發一種集成基于數字孿生的結構健康管理功能的自知曉飛行器[29]。

　　工業界方面，GE通過其工業互聯網平臺[30]探索數字孿生在航空發動機等渦輪機產品中的應用。波音提出一個基于模型的系統工程(MBSE)寶石模型[31]，數字孿生全生命周期貫穿，強調利用“已交付”之后的數據更新數字孿生進行虛擬運行和狀態預測，并且正在探索以低逼真度數字孿生完成高速分析[32]。洛·馬將數字孿生列為2018年的六大技術趨勢之首[33]，并且提出了名為“產品數字世界”的數字工程生態系統概念[34]，旨在建立一個集成了人員、流程、工具、物料、環境和數據的框架，將跨產品全生命周期和所有學科的物理域與數字域連接起來，構建鏡像物理世界萬物的數字孿生，以更好地完成持續保障和服務。

　　中國飛機強度所提出構建強度數字孿生[35]，正在攻克高保真度模型構建和仿真、數字化設計與驗證、健康監測與檢測、壽命管理四大技術群。中國空間技術研究院提出了數字孿生在可重復使用飛船的地面伴飛系統中的初步應用框架[36]，用于全生命跟蹤并預示飛行器的行為狀態，以實現更好的管理與決策。通過數字孿生，可基于單個飛行器的使用記錄，預測結構組件何時到達壽命期限，調整結構檢查、修改、大修和替換的時間。NASA預計到2035年[37]，數字孿生的應用將可使飛行器維修保障成本實現減半，而服役壽命總體延長10倍。

　　美國空軍下一代高教機T-7A項目中明確要求建立數字孿生[38]，波音在其方案中應用數字孿生，僅用3年時間完成從概念到首飛的過程，擊敗了兩個基于提供現有機型改進型的競爭對手，數字孿生將伴隨每架飛機的生命周期。美國有空軍人士對此提出了擔憂[39]，認為數字孿生的相關軟件開發和維護成本可能在1～2萬億美元，并需要上百年的時間才能完成。不過，美國空軍已經在2020年6月宣布啟動“數字戰役”[40]，全面建設包括數字孿生在內的數字工程生態系統，而且，利用數字孿生已經寫入“下一代空中主宰”等項目的采辦策略草案中。

　　目前，數字孿生得到了國內外各界的廣泛重視，概念內涵愈發豐富，應用場景也極大擴展，但是，也存在著概念繁多的問題和片面強調資產互聯和數據分析而忽視建模仿真的應用傾向，這對于依賴基于機理模型和工業知識實現精準的結構健康管理而言，顯然是不合適的。本文將回歸概念本源，分析面向結構健康管理的數字孿生以及基于數字孿生的飛行器結構健康管理，探討其在數字工程領域的關鍵技術，以及未來基于數字孿生的飛行器生命周期管理范式。

　　1數字孿生概念中的結構健康管理元素

　　美國國防部對于數字孿生的定義就來源于NASA和AFRL針對飛行器結構健康管理的ADT研究。構建ADT，氣動模型、有限元模型、損傷增長模型等是最佳的可用模型，飛行數據、材料性能狀態等是實時的傳感器信息，特定已建造裝備的尺寸、檢查與維修數據是歷史的輸入數據。ADT基于不斷演進的物理特性模型，能夠進行不同尺度下的結構分析仿真，一方面可以再現和跟蹤特定裝備的飛行條件與結構響應，另一方面還可以預測未來使用環境中的損傷涌現，輸出一個基于概率的計算結果。

　　2面向結構健康管理的數字孿生

　　2.13個維度的數字孿生成熟度模型

　　當前數字孿生存在著概念混亂的問題，很多應用實際上將傳統的CAX模型簡單等同于數字孿生。數字孿生伴隨裝備的生命周期，面向不同的應用可以利用不同逼真度的模型，而且應用的自動化和智能化程度也有區別，不適宜統統稱作數字孿生。

　　智能系統技術公司按復雜度將數字孿生分為了4個成熟度等級[42]:孿生之前、初始孿生、自適孿生和智能孿生;安世亞太按能力成熟度模型提出了5級成熟度[43]:數化、互動、先知、先覺和共智。兩者的前4級概念基本相同。結合這兩種等級，面向結構健康管理，作者提出3個維度的數字孿生成熟度模型———生命周期維、仿真精度維和智能程度維，每個維度都分為5級成熟度，每一種數字孿生的特性和能力，都由這3個維度共同確定。

　　(1)生命周期維。考慮裝備全壽命周期數字孿生的演進。一級:設計級，在裝備設計過程中，理想的模型中沒有融入真實世界中特定裝備的任何數據，主要是來理解和降低結構失效風險，以輔助設計決策。二級:制造級，在裝備開始制造到總裝下線之前，可融入實際的尺寸數據，隨時消除設計或制造缺陷。三級:試驗級，裝備下線但未交付之前，模型中融入了已建造和已試飛數據，主要是獲知裝備的交付性能，建立孿生基線。四級:服役級，裝備服役之后到退役之前，模型中不斷融入并更新健康狀態、維修歷史等數據，主要是實現性能跟蹤和預測性維修，每次大修后更新孿生基線，并用于分析可能未發覺的設計缺陷。

　　3基于數字孿生的結構健康管理應用

　　3.1數字孿生支撐的結構完整性預測流程設計

　　基于數字孿生的結構健康管理應用的核心是數字孿生支撐的結構完整性預測流程，諾·格實施的P2IAT項目中[21]，單個飛行器跟蹤的概念也以該流程為核心。進行結構完整性預測時，要將多種模型集成到單個飛行器的數字孿生中，并且綜合歷史數據庫、構型控制、虛擬損傷傳感器等功能，通過高逼真度的材料建模(內含原材料數據、材料工藝數據等)交互材料的歷史數據，通過高逼真度的結構分析(內含結構模型和載荷歷史)交互材料狀態演進信息。基礎仍然是更加集成的結構模型和材料狀態演進模型，前者包括壓力有限元、結構動力學、氣動彈性、聲學、熱傳導等，后者包括剛度、強度、疲勞、腐蝕、氧化等。

　　4結束語

　　(1)隨著更加昂貴的作戰飛機、多功能無人機以及可重復使用高超聲速飛行器不斷研發并使用，對其進行實時、高效結構健康管理的需求越來越強烈，數字孿生將無疑在這一領域發揮巨大作用，并將形成基于數字孿生的生命周期管理范式。

　　(2)建立和應用數字孿生需要利用包括飛行數據記錄儀、無損檢測數據在內的所有信息，使用包括流體動力學、結構力學、材料科學與工程模型等在內的物理特性模型，建立概率性的分析手段，并且通過概率性分析的自動更新實現閉環。這就需要突破高精建模仿真、泛在采集傳輸、高效融合分析這三類關鍵技術，特別是多尺度建模、多物理特性建模、模型與實驗的集成這幾項高精建模仿真技術。

　　(3)建立和應用數字孿生還將給飛行器結構和系統設計以及使用管理流程帶來變革，比如需要開發面向可靠和經濟可承受健康監測的設計方法、使用和狀態數據的合成及安全保護工具、基于模型降階的高速概率性仿真及確認手段、基于機器學習的機載智能數字孿生仿真系統、面向高效分析決策的功能定制和信息剪裁規則等。

　　(4)未來，隨著實驗的深入、機理的突破、數據的積累和算力的提升，集成了數字孿生功能的自知曉飛行器將會成為一個趨勢，這些數字孿生將在生命周期、仿真精度、智能程度這3個維度上同時達到成熟度4級，可減少這些高價值裝備的結構風險，更好地實現其使命任務目標，降低全生命周期成本。

　　參考文獻:

　　[1]GRIFFINMD.Digitalengineeringstrategy[R].U.S.DepartmentofDefense，2018.

　　[2]劉亞威.管窺美軍數字工程戰略[J].科技中國，2018(3):30-33.

　　[3]劉亞威.美軍航空裝備采辦的數字工程轉型[J].國際航空，2019(5):46-49.

　　[4]SHAFTOM，CONROYM，DOYLER，etal.Modeling，simulation，informationtechnologyandprocessingroadmap[R].NASA，2010

　　作者：劉亞威