數智化航空機電技術展望

周禹男，陳麗君，王小平，馬 健

(南京機電液壓工程研究中心 航空機電系統綜合航空科技重點實驗室， 南京 210000)

航空機電系統是執行飛機飛行保障功能的系統，與飛機總體、動力系統和航空電子系統共同組成了飛機基本功能系統[1]，航空機電系統組成如圖1所示。《世界航空指南》顯示，航空機電產品供應商已突破1 270家，航空機電產業的產值比重達到整個航空產業的20%～30%。近五年，我國已躋身世界先進民用航空產業行列，未來20年，中國至少需要 6 630 余架新型民用飛機，商業價值高達9 500億美元，航空機電產品的市場份額將超過2 000億美元[2]。

航空機電產業是高附加值的高新科技產業，是技術創新和技術發明的重要領域，其專業面廣，科技含量高、附加值大，易于向其他領域拓展，可以帶動電子、先進材料、特種和精密加工、冶金、化工等技術和產業的發展，是各國尤其是歐美發達國家非常重視的產業。在“工業4.0”和“中國制造2025”的牽引和推動下，新的工業技術革命創新誕生了一系列新技術和新科技，如圖2所示，推動制造業向自動化、網絡化、數字化和智能化方向發展。在新興工業技術的加持下，航空機電技術將突破瓶頸，跨越發展，達到引領我國機電行業發展的新高度。

我國航空機電技術發展經歷了測繪仿制到自主研發，機電設備水平已突飛猛進，但受制于工業基礎，航空機電技術水平仍難以躋身世界航空強國行列。本文通過國內外文獻綜述形式，重點探討了當下熱門的人工智能和數字孿生技術在航空機電領域的應用前景，為航空機電創新發展提供理論參考。

1 人工智能技術

1.1 人工智能技術發展與應用

21世紀以來，“互聯網+”的熱潮滲透向各行各業，智能化需求日益提升，人工智能技術作為載體推動各領域數智化轉型與應用創新。人工智能技術屬于計算機科學的分支，是應用計算機技術來模擬和拓展認得智能的技術方法[3]，涉及到自然科學、社會學和心理學等眾多領域，研究場景包括了機器人、語音和圖像識別、專家系統等[4]。

人工智能技術的起源最早可以追溯到20世紀40年代，英國數學家圖靈提出了“機器是否可以自主思考”這一核心命題，從而拉開了人工智能技術發展的序幕。在當時，人工智能這一想法從邏輯層面是合理而且值得探討的，但在技術層面卻是難以逾越的，因此人工智能技術的發展幾經沉浮。圖3描繪了人工智能技術坎坷的發展、衰退和突破路線。20世紀四五十年代，人工智能理論蓬勃發展，奠定了人工智能技術的基礎理論架構。然而受制于計算能力，20世紀六七十年代，人工智能發展進入瓶頸，多數理論和想法無法通過高速運算實施，人工智能技術隨之進入衰退期。20世紀80年代以來，隨著計算能力的提升，人工智能技術再一次進入科技發展視野，改進理論和算法的提出、大數據和移動互聯網產業的繁榮再一次推動了人工智能技術融合創新[5]。不久的將來，人工智能技術必將進入各行各業，深刻影響人們的生活。

圖3 人工智能技術發展趨勢示意圖

當前，人工智能的應用尚處于初步智能階段，即通過人類賦予的特定行為方式進行訓練，進而在一定范圍內實現智能。當前人工智能技術主要分為三類，即：數據挖掘與學習，基于知識和經驗的智能管理與決策和人機交互，這三類技術為人工智能應用提供了技術基礎。

面對海量數據需要分類和挖掘時，通常采用機器學習方法來實現智能化處理。機器學習是研究使用計算機模擬或實現人類的學習活動方法，從大規模的數據中進行學習，來完成對數據的分類、挖掘和預測[6]。機器學習方法包括決策樹學習、強化學習、概率學習和深度學習等多種方法[7-9]。數據挖掘與學習技術往往用于識別和處理海量數據，常用于工業領域數據分析、圖像識別等。

對于專業領域的知識處理和問題求解往往采用專家系統[6]，專家系統一般由知識庫和推理機組成，通過建立知識庫，對特定問題進行管理與決策，專家系統正逐漸成為智能管理和決策的重要工具和手段[10]。常用于農業種植決策、智慧醫療等特定專業支持的領域。

人機交互是人工智能的新興熱點技術，其目標是確保人與機器交互的順暢。人機交互不再是簡單的機械式交互，而是采用虛擬現實、模式識別、3D技術等交互技術融合創新，提升人與機器的感知交互能力[11-12]。常用于VR、AR、語音識別和智能機器人等應用場景。

1.2 航空機電技術與人工智能

對于軍事航空裝備，由于其任務場景具有環境高復雜、博弈強對抗、響應高實時、信息不完整和邊界不確定等特征，因此傳統的人工智能技術無法直接移植應用到航空裝備應用中[13]。世界軍事強國通過投入大量研發資源，旨在提升武器裝備在運行場景中感知、認知、決策和執行(OODA環)能力。國內學者總結了飛機不同運行層級的人工智能需求，如圖4所示。在體系層，構建信息共享與協同的作戰集群體系，協同認知，共同決策和聯合攻防；在平臺層，面向航空裝備平臺，綜合與集成OODA環中人機交互的協同、控制與維護；在平臺子系統層，提升感知自適應能力；在設備層，通過先進感知技術、認知算法和決策模型提升設備智能化水平[14]。

航空機電技術與人工智能結合主要集中在航空機電設備和子系統層，下文將從產品全生命周期的各個階段論述人工智能技術與航空機電的融合創新。

圖4 航空人工智能運行層級示意圖

航空機電設備/子系統的智能優化：現有航空機電設備/子系統為滿足飛機功能和性能需求，往往是按峰值功率進行設計，體系架構相對陳舊，功重比低，能量效率低，嚴重制約了航空裝備發展。結合人工智能的群智能技術和機器學習技術，通過優化系統/設備參數分配，實現按負載周期進行能量優化和管理，可以大大提高能量效率。

航空機電設備/子系統的智能控制：未來多電飛機/能量優化飛機對機電系統提出了全新的要求，系統不再局限于滿足傳統的能量供給和作動等基本需求。機電設備/子系統工作模式復雜，工作模態繁多，模式切換導致控制參數需要在寬范圍進行調節，對系統控制執行和魯棒性提出了全新挑戰，傳統的經典控制理論已難以維持現有需求。通過機器學習等優化方法，采用神經網絡等算法優化控制參數，解決多目標協同控制和非線性耦合控制中存在的諸多控制難題，從而實現任務執行過程中自適應管理與能量優化[15]。

航空機電設備/子系統的智能制造：航空機電產品是裝備于民用/軍用飛機的機電類產品，覆蓋了機、電、軟、液等多專業零組件，既有結構件的焊裝，又有多腔體柔性線組的裝配。同時由于總體需求量不高，生產規模相對較小，但對質量要求極高。將智能產線、智能精益制造、智能檢驗工藝等技術應用于航空機電產品的制造和檢測過程，可以大大節約成本，快速提升產品質量。

航空機電設備/子系統的智能維護：航空機電設備屬于傳統的機電類產品，故障率相對較高，故障檢測與維護問題突出，嚴重影響飛機出勤效率。利用人工智能技術，依托設備運行過程中的特征故障數據進行訓練和表征，提供可自主診斷和管理的運維模式，實現由事后維修向自主診斷和提前預測方向轉變，全面提升航空機電設備自主保障能力[16]。

2 數字孿生技術

2.1 數字孿生技術發展與應用

20世紀中葉，隨著計算機技術的普及和應用，數字化制造技術經過階段性發展，如圖5所示[17]，在這一過程中，如何實現產品全生命周期中動態數據的有效融合與管理，提升產品研發優化能力成為亟待解決的問題，而數字孿生(Digital Twins)技術將為其提供可行的解決方案。

圖5 數字化制造技術發展過程示意圖

孿生體概念最早要追溯到1972年美國NASA的阿波羅項目[18]，在該項目中，NASA采用地面孿生體的形式反映飛行器真實運行情況。隨著網絡化制造時代的來臨，人們對產品全生命周期管理的概念認識的越來越深刻。2003年，美國學者Grieves提出了“虛擬數字化表現”的概念，即采用數字復制品來抽象表達真實裝置，用以表達真實裝置的實時信息，這一概念被認為是后來數字孿生的雛形[19]。在后續的發展中，Grieves相繼又提出了空間鏡像模型(2005)[20]和信息鏡像模型(2010)[21]的概念，進一步豐富了未來數字孿生的基本概念和組成。

在這一背景下數字孿生的出現水到渠成，2011年，Grieves與Vickers在合著中首次提出了數字孿生的概念[22]，明確了其內涵和基本組成。隨后，在美國巨頭企業的推動下，數字孿生技術進入了蓬勃發展的黃金期。2011年，美國空軍研究實驗室(AFRL)率先提出以數字孿生技術來解決復雜環境飛行器維護和壽命預測的問題[23]。2012年，AFRL以飛行器為對象，提出了機體數字孿生的概念，用以對任務條件進行模擬判斷[24]。2012年，美國航空航天局(NASA)在其仿真發展規劃中將數字孿生技術作為重點發展技術編入規劃[25]。2015年，美國通用電氣公司(GE)擬基于數字孿生技術，對發動機數據進行實時監控和健康管理[26]。2016年，西門子(SIEMENS)開始嘗試采用數字孿生技術來作為工業4.0的重要抓手。2017年，國內學者淘飛提出數字孿生車間的概念，即以數字孿生技術來推進智能工廠的發展應用[27]。

在各國先進制造戰略(德國工業4.0、美國工業互聯網和中國制造2025)的推動下，大數據、物聯網和云計算等新一代信息與通信技術快速普及應用，數字孿生的概念隨著新興技術的發展也得到了深化。

數字孿生技術連續三年(2017—2019)被Gartner評為當年十大戰略科技發展技術[28]，NASA、GE、SIEMENS等多家公司和機構對數字孿生技術進行了解讀[29]，如表1所示。數字孿生技術可以在產品研發、裝備制造、智慧車間、供應鏈管理和維護與預測等諸多方向發揮重要作用，在能源、農業、通信、環境及軍事等領域具備廣闊的應用前景(圖6)。通過與數字紐帶技術的融合，進一步提升了信息訪問、整合和轉換能力[30]；通過與信息物理技術的融合，實時感知、動態控制和深度協作成為可能[31]。未來，5G、量子通信、增強現實(AR)等新技術推動下的數字孿生技術前途將不可限量。

表1 國外公司/機構對數字孿生的理解與定義

在數字孿生技術應用層面，2012年，為滿足飛行器輕質化、大載荷和極端工作的要求，NASA與AFRL合作提出了未來飛行器的數字孿生體范例[32]。2015年，GE公司利用自身搭建的云服務平臺Predix，實現了對發動機的實時監控、檢查和預測性維護[28]。PTC公司將數字孿生與數字紐帶融合，為客戶提供高效的產品售后服務與支持[33]。達索公司構建了基于數字孿生技術的3D體驗平臺，并將該技術用于雷達數據共享與數據優化[34]。世界最大的軸承制造商斯凱孚已經將數字孿生模型應用到分銷網絡中，使得供應鏈中的管理人員可以通過可視化模型和視圖進行全球化供應鏈管理決策[35]。新加坡采用數字孿生技術，構建了城市運行的仿真系統CityScope，實現城市優化決策功能，西班牙采用數據驅動的智慧城市管理平臺的方式，感知城市環境、交通等情況，初步形成了數字孿生城市的雛形[36]。

圖6 數字孿生技術應用領域及應用場景示意圖

目前，數字孿生技術發展尚處于萌芽期，技術成功應用的案例尚少，僅局限于特定的企業與行業，但在數字化技術需求的加持以及新興信息技術的推動下，數字孿生技術應用前景廣闊，將在各行各業中發揮巨大能量，推動數字化制造蓬勃發展。

2.2 航空機電技術與數字孿生

數字孿生與航空技術淵源頗深，最早數字孿生技術就是應用于航空領域的維護與壽命預測[26]。航空機電領域涉及了航空設備/產品的全生命周期管理，包括設計研發、生產制造、產品供應、運行使用、維護與健康管理等多個環節，在航空機電設備全生命周期管理的各個階段，數字孿生都能起到重要的作用。

限于篇幅，下文將從機電產品全生命周期中幾個典型發展階段對航空機電技術與數字孿生的協同應用進行解讀，如圖7所示。

圖7 數字孿生技術在航空機電領域的應用示意圖

航空機電設計領域：航空機電產品的設計過程是串行的，復雜產品的設計往往需要多輪的迭代與修正，大大增加了研發周期和設計成本，同時復雜設計過程中涉及結構、熱流、機械、電子和控制等多學科模型協同處理，設計不確定性和復雜管理問題突出，嚴重制約了航空機電產業向智能化產業轉型升級。領域建模和數字仿真將為航空機電產品設計發揮重要作用。數字孿生技術的出現將為復雜機電設備的理想設計信息和實際運行狀態的一致表達提供有效途徑，隨著計算機技術的高速發展，通過增強計算資源和計算精度來提升模型準確性成為可能，尤其是有限元分析結果將越來越接近真實。數字孿生將設計和仿真協同考慮，不再割裂成單獨的個體，設計和仿真的雙向循環將更快地提升產品設計流程，采用數字孿生多學科協同設計建模方法，對復雜產品的設計建模、仿真優化、實例化驗證、運行測試以及持續改進等多個階段逐步完善。

航空機電制造與裝配領域：航空機電產品是飛機重要機械/電氣組成部分，其結構復雜，裝配過程十分繁瑣，制造成本高昂，使用傳統的制造裝配工藝已經無法滿足快速發展需求。航空機電產品多采用多品種小批量生產模式，零件的幾何外形和尺寸差異性較大，涉及的工藝門類、材料種類也多種多樣。一方面，航空機電產品本身的復雜性使審查人員難以快速、直觀地了解精準的設計信息；另一方面，審查過程多基于非實時的生產能力進行評判，從而降低了審查結果的準確性。通過綜合應用數字孿生技術和VR/AR等技術，使審查人員能快速精準獲取待審查信息，同時基于工藝性審查數字孿生模型，實現基于實時工況的工藝性自動審查，最終提升工藝性審查的質量和效率。在數控加工過程中，幾何仿真與現場實際工況有一定的差異，造成數控加工編程反復迭代情況嚴重；另一方面，在數控程序的執行階段，工藝及編程人員無法動態獲取程序執行過程中的質量及效率信息，從而給數控加工程序的迭代和優化帶來障礙。基于數字孿生技術，使數控加工編程人員在編程階段即能基于實際工況信息進行參數設定和仿真驗證，提升程序的質量，為后續的程序優化提供依據。航空機電產品類型多，覆蓋機、電、軟、液等多專業零組件的裝配。當前航空機電產品裝配工藝設計過程中，缺乏有效的數字化仿真驗證手段，工藝校驗效率低下，校驗成本高，迭代周期長，且裝配工藝質量普遍不高。基于數字孿生技術，協助工藝人員在工藝設計階段及時發現工藝問題，并生成可交互操作的裝配工藝可視化作業指導書，提升裝配工藝的執行質量，降低對現場人員操作水平的依賴，為后續實現自動化裝配提供支撐。

航空機電維護與保障領域：機電產品種類繁多，且需要維修的期限各不相同，產品質量也各有差別，這樣使得維修和故障頻率較高，很多時候都是出現了故障才進行維修，而且有時由于故障定位不明確，飛機上應用的條件及狀況不能復現，從而導致維修困難、無從下手、維修周期長，使飛機維護停場時間較長，維修工作量大。基于數字孿生，可以對機電產品參數與虛擬仿真參數的一致性進行判斷；根據二者的一致/不一致性，可分別對漸發性與突發性故障進行預測與識別；最后，根據故障原因及動態仿真驗證進行維修策略、維修工作、維修工序、故障定位等問題的設計。此外，數字孿生技術可大大提升PHM方法的準確性與有效性。

3 結論

1) 受制于設計經驗匱乏以及工業基礎薄弱，我國航空機電產品距離國際領先水平尚有差距。為了快速提升水平，必須要依靠人工智能、數字孿生和5G技術等先進技術，支撐航空機電技術彎道超車，趕超一流國際水平。

2) 航空領域的人工智能技術已經成為重要發展方向。利用人工智能技術，在航空機電設計、加工和維護等全生命周期階段加以充分應用，必將帶來航空機電領域重大變革。

3) 數字孿生技術的出現為航空機電技術發展提供了更好的方法和途徑，目前數字孿生技術仍處于初級階段。

4) 在航空機電領域，人工智能與數字孿生的深度融合將推動航空機電設計、優化、制造與維護全生命周期創新發展。人工智能技術將為數字孿生提供切實有效的實施途徑，以數據驅動的人工智能技術和智能制造技術等前沿技術將為數字孿生提供重要技術支撐。