數字孿生衛星技術與工程實踐

崔玉福 劉質加 王靖

(航天東方紅衛星有限公司，北京 100094)

近年來，衛星研制及發射成為發射數量最多、應用最廣、發展最快的航天產業，其發展特點呈現出低成本、功能多樣化、智能化、批生產批部署、用戶廣泛化等多維態勢。在快速發展的同時，衛星也面臨著打造高性能與低成本兼顧的衛星產品、實現面向批量的衛星產品研制高效率以及高質量、實現更智慧的在軌自主運維、評估、壽命預測與延壽等發展問題。

隨著新技術的發展，如數字孿生、新IT(New IT)技術、大數據、智能互聯等，為解決上述問題實現提供了可期的解決途徑。其中，數字孿生技術應用于航天器研制受到了學術界、工程界以及應用服務領域的最廣泛關注。數字孿生技術與衛星的結合與應用，會具備獨特發展優勢，數字孿生也會成為衛星領域迅速發展的“指增器”(帶來以指數級別增長的效益)[1-6]。

1 數字孿生技術的發展

“孿生”的概念最早出現于1969年美國的阿波羅項目中，美國國家航空航天局(NASA)通過制造兩個完全相同的航天器，形成“物理孿生”，借助留在地面的航天器一定程度上反映和預測在地外空間執行任務的航天器的狀態，進而進行任務訓練、實體實驗并輔助任務分析和決策[7]。隨著計算機信息技術的發展，Michael W. Grieves 教授在2003年提出了“數字孿生”的概念。隨后，NASA于2010 年提出將數字孿生技術應用于未來航天器的設計與優化、伴飛監測以及故障評估中。2011年，美國空軍研究實驗室提出在未來飛行器中利用數字孿生實現狀態監測、壽命預測與健康管理等功能[8]。自此，數字孿生引發了廣泛關注，并拓展到各個領域，在2017—2020年連續4年成為十大新興技術之一。

數字孿生技術自提出以來，多個國家的知名大學、企業都積極開展了積極研究。數字孿生技術的應用已經拓展到了各個領域，包括航空航天、電力、交通、能源、醫療等。國內應用比較深入的是汽車行業：通過產品數字化，制造商可對產品進行數字化設計、仿真和驗證，該數據可構建產品的數字孿生體；利用產品的數字孿生體，制造商可規劃和研制生產過程，構建生產的數字孿生體；通過現場制造運營管理系統收集的信息，可分析和評估實際生產及真實產品性能，分析結果可持續反饋至產品和生產的數字孿生體。國外的軍工行業中，洛克希德·馬丁空間系統公司(Lockheed Martin Space Systems Company, LMT)借助數字孿生技術實現對F-35戰機生產全流程中的數據與模型的充分利用，顯著提高F-35戰機的生產效率；美空軍與波音合作構建了F-15C機體數字孿生模型，實現在役飛行器的數字孿生及實時數據動態交互，實現了多尺度孿生體映射、結構完整性診斷、綜合預測結構壽命期限、優化維保周期。

當前，航天行業的數字化工程建設需求旺盛，構建數字孿生衛星將是其中一個解決問題的有益探索。本文對數字孿生衛星的內涵和關鍵技術進行了初步的論述，并選擇了2個典型的應用案例，來介紹數字孿生衛星的應用模式。

2 數字孿生技術的特點

數字孿生技術的基本特征是虛實映射，通過對物理實體構建數字孿生模型，實現物理模型和數字孿生模型的雙向映射，基于模型驅動、數據驅動以實現數字孿生模型的分析與優化，來改善其對應的物理實體的性能和運行績效。對比于傳統數字化技術，數字孿生技術具有如下特點。

(1)高度融合，數據完整：深入到產品設計、制造、驗證、運維及全生命周期管理中，而非單一階段，同時全面記錄虛實數據，孿生體成為了整個產品周期的蘊涵巨大價值的數字資產。

(2)雙向映射，數據共通：通過物理與數字模型的數據共通和實時反饋，不斷迭代與修正物理模型，進而優化設計流程，提高設計效率、提升產品運維能力。

(3)多場耦合，數據創效：借助大數據與深度機器學習技術，能夠處理多維、多場、跨時域、跨空域的歷史數據與實時數據，實現對產品全生命周期的管理與監測，精確預測物理產品狀態，實現最優策略、提質延壽、隱患規避、為用戶帶來巨大的附加效益。

3 數字孿生衛星的定義及內涵

為使數字孿生技術在衛星研制領域進一步落地應用，航天東方紅衛星有限公司的數字孿生衛星研究團隊在前期研究的基礎上創造性提出了數字孿生衛星的定義：

數字孿生衛星是與實體衛星相對應，將實體衛星的研制和運行的全生命周期狀態在數字空間的全要素實時數字化映射，是在衛星系統、分系統、設備、元器件等多個層級集成的多學科、多物理、多尺度、超寫實、動態概率的孿生模型，是和實體衛星同源產生、數據共享、協同進化、實時互動、天地同步、超期生存的數字模型集合。用于實時反映實體衛星在現實環境中的形成過程、狀態和行為，更可在數字空間超越實體衛星限制實現預測、評估、優化的效益倍增，是衛星產品全生命周期和全價值鏈的孿生資產及效能指增器。

數字孿生衛星的構建是一個系統工程，其組織模式應與實體衛星系統工程組織模式相匹配，由單機至系統分層級建立，按問題域分顆粒度應用；其技術難點應聚焦于多學科、多物理、多尺度、模型描述多樣、接口多樣、融合難、協調難問題的理論與實踐突破，不斷發展模型通用接口、模型耦合、代理模型等技術；虛實衛星的演化模式應覆蓋同源產生、數據共享、協同進化、實時互動、天地同步、超期生存6方面。

同時，航天東方紅衛星有限公司的數字孿生團隊在北京航空航天大學的五維數字孿生模型[9]的基礎進行數字孿生衛星的五維模型(見圖1)的擴展，并基于多年衛星工程研制經驗，首次提出了數字孿生衛星的五維數據(見圖2)、微觀數字孿生衛星與宏觀數字孿生衛星雙技術路線。

圖1 數字孿生衛星的五維模型

圖2 數字孿生衛星的五維數據

數字孿生衛星五維模型包括衛星物理實體(R-Sat)、衛星孿生體(DT-Sat)、孿生數據(DT-Data)、服務系統(DT-App)以及連接五個維度。衛星物理實體不但包含衛星本身還包含衛星研制全生命周期的各類信息，用于全面測量與記錄在物理環境中的真實運行狀態；衛星孿生體是基于數字化技術，根據幾何模型、物理模型、行為模型以及規則模型構建的能夠準確映射物理實體的數字化模型，并根據物理實體的變化同步演進；孿生數據接收物理實體、孿生體、服務系統運行的海量數據，并利用數據技術進行數據清理、數據分析等工作后對物理實體、孿生體、服務系統驅動；服務系統是通過孿生數據實現對各類設計、制造、維護、評估、預測的應用；連接可認為是物理實體、孿生體以及服務系統之間的接口，保持數據共通與同步，實現實時交互。

數字孿生衛星五維數據主要包括衛星的實時數據、縱向數據、橫向數據、仿真數據、融合數據。其中實時數據是指通過傳感器實時獲得的衛星地面及在軌的實測數據；縱向數據是指針對目標衛星，在其生產、總裝、測試、環試、在軌運行過程中獲得的數據，縱向數據強調研制過程的測量，與強調傳感特點的實時數據共同構成衛星研制及運行過程的實測數據總集；橫向數據是針對目標衛星的同類或相似衛星的數據，一般為相似衛星產品的數據記錄，可對目標衛星的狀態提供有效的參考、對比；仿真數據是指目標衛星設計研制過程中利用數字仿真手段獲得的各類機、電、力、熱、磁分析數據；融合數據是指在對前4種數據的分集或總集進行整合、篩選、分析、重構等融合操作的基礎上形成的數據，更具備優化、全面的數據特征。以上五維數據構成數字孿生衛星貫穿現實、歷史、數字空間、物理空間的數據全集。

在衛星數字孿生五維模型的基礎上，數字孿生衛星的構建又需要分為微觀數字孿生衛星與宏觀數字孿生衛星。其中，微觀數字孿生衛星指構建無限接近于物理衛星本體幾何、物理、行為及規則邏輯的孿生體，其構建是龐大的系統工程，需要解決多學科、多物理、多尺度、超寫實、動態概率的各類問題，但一旦構建，相當于擁有了一顆虛擬的真實衛星，能發揮巨大的效益(突破實體限制的強大復制及被試驗能力)；宏觀數字孿生衛星指構建衛星全生命過程的孿生，包括數字孿生設計、數字孿生總裝、數字孿生測試、數字孿生驗證、數字孿生運維、數字孿生工程系統等，此時衛星本體變成了過程的組成部分。宏觀微觀的衛星數字孿生構建層級不同、顆粒度不同、解決的問題也不同，需要依據真實需求進行構建以提高孿生模型的構建效率，充分考慮模型的輕量化問題，減少不必要的細節、工作量，減輕計算量。

4 數字孿生衛星關鍵技術

衛星工程技術體系龐大且復雜，構建數字孿生衛星更是不亞于實體衛星研制的浩大工程，其關鍵技術眾多，大致可分為4類，包括：數字孿生通用技術、智能組裝、集成和測試(Assembly, Integration and Test, AIT)技術、在軌衛星與網絡管控技術、設計與驗證技術。各類技術又包含眾多具體的子項技術，如圖3所示。

圖3 數字孿生衛星技術總覽

數字孿生通用技術能夠支持構建、維護、使用數字孿生的技術，相關技術在衛星工程全生命周期通用，當前的技術難點在于數字孿生衛星的模型構建技術、數字孿生模型更新/管理技術、孿生數據清理/分析與挖掘技術等。

設計與驗證技術在衛星總體設計和衛星詳細設計階段，用于與數字孿生集成融合并輔助相關設計與驗證的技術。當前的技術難點在于多學科多系統協同仿真優化技術、超真實空間環境仿真技術、基于海量地面數據及有限在軌數據的可靠性分析驗證技術等。

智能AIT技術在衛星生產制造AIT階段，用于支撐該階段數字孿生功能實現，當前的技術難點在于AIT過程智能物聯技術、AIT精確信息化管理技術以及虛擬測量與測試技術等。

在軌衛星與網絡管控技術在衛星在軌管控和運維階段，支撐數字孿生功能實現和數字孿生集成融合，當前的技術難點在于基于數字孿生的交互式多源數據虛實融合的衛星健康狀態監測與診斷技術、基于數字孿生的大數據復雜環境下健康狀態評估與可靠壽命預測方法等。

5 應用實例

5.1 太陽翼子系統數字孿生應用

基于數字孿生系統架構，結合衛星太陽翼子系統的實際應用，本文將按照如圖4所示的太陽翼數字孿生模型搭建對應的數字孿生設計平臺，以驗證所提出數字孿生通用架構的有效性。

圖4中，在虛擬太陽翼子系統部分，分別考慮單元級和系統級模型，具體涉及結構模型、物理模型、行為模型和規則模型，相關模型分別基于Magicdraw，Creo，Simulink等商用軟件建立。物理太陽翼子系統分別圍繞供電系統及信號控制部分、壓緊釋放系統部分和陣面及其展開部分，實時采集數字孿生所需要的感知數據(如指令發出時間、電壓、電流、鎖定到位時間、溫度等)和制造數據(如電纜長度、線阻、零部件誤差等)等信息。應用服務和底層服務構成了太陽翼數字孿生數據交互與管理平臺的兩個不同層級，兩者可分別為太陽翼數字孿生提供狀態監控、數據傳輸、數據分析與融合、自適應/自驅動迭代、數據安全等方面的支撐能力和系統設計優化、模型校準、應用情況監測、參數優化、設計工藝變更監測、故障預測與評估、可視化三維作業指導、質量管控等方面的應用能力。數字孿生數據交互與管理平臺負責實現虛擬太陽翼子系統和物理太陽翼子系統之間實際采集數據與數字模型及其參數的數據融合，并通過建立在該平臺基礎上構造的各類服務為衛星太陽翼子系統的功能性能評估和設計改進提供參考依據。

圖4 衛星太陽翼展開機構的數字孿生模型

系統界面如圖5所示，用于獲取并分解太陽翼產品指標，進而對太陽翼的解鎖和展開過程開展數字孿生設計。整個過程主要是通過建立控制系統邏輯模型、合金絲電性能模型以及太陽翼動力學模型，搭建太陽翼展開機構的總體數字模型，進而與實物形成太陽翼孿生體；在此基礎上，將機電耦合仿真結果與實測數據對比，驗證太陽翼的展開過程，形成最佳設計方案。

圖5 衛星太陽翼數字孿生系統平臺界面

使用可驅動Creo軟件中的機構動力學分析功能模擬太陽翼展開動作，并綜合考慮插拔機構、限位機構、扭簧彈力、簧片彈力、太陽翼質量等實測參數，輸出解鎖位移時間曲線和太陽翼旋轉位移時間曲線等結果，將結果與太陽翼產品實體數據開展對比分析，實現太陽翼展開過程的數字孿生。

5.2 衛星熱試驗數字孿生應用

空間熱控技術是影響航天器在軌工作的關鍵技術問題，需要實時監測設備溫度，但是小衛星測溫資源緊張，可通過地面熱試驗數據與熱控模型分析數據相融合、訓練，利用機器學習等方法，形成代理模型(例如神經網絡模型)，其效益在于一方面可以通過數字孿生的方法節省星上資源，另一方面也可以充分利用在軌實測數據，充分評估無測溫點設備在軌溫度。其技術路徑如圖6所示。

圖6 熱試驗數字孿生典型應用技術路線

式(1)所示是衛星內的溫度場是外熱流與內熱源綜合作用的結果，每個設備與周圍設備和環境通過輻射換熱和導熱進行熱交換，熱交換帶來了溫度的變化。利用熱阻-熱容網絡法，將衛星各部分劃分成呈網絡形式的數個微單元，每個微單元幾何中心都有一個假想節點，包含了溫度和熱容兩個熱屬性信息，從而得到在軌衛星換熱的狀態方程：

∑Dij(Tj-Ti)+qin+qout

(1)

式中：節點i和節點j為隨機假想節點；ci為節點i的比熱容；Mi為節點i的質量；Ti為節點i的當前溫度；t為時間；Eij為節點i和節點j之間的角系數；Dij為節點i和節點j之間的接觸傳熱系數；qin為星內熱耗；qout為外熱流。

通過多層前饋(back propagation, BP)神經網絡，以熱敏電阻溫度數據為輸入，無測溫點設備上的熱電偶溫度數據為輸出，訓練神經網絡，建立起衛星的估測神經網絡。當在軌飛行時，以遙測的熱敏電阻溫度數據為輸入，去估測無測溫點設備的溫度。建立的星上無測溫點設備溫度估測神經網絡如圖7所示[10]。

圖7 溫度估測神經網絡結構

實際應用過程中，建立了BP神經網絡模型進行訓練，在熱試驗中樣本數據共采集了8397 min，每分鐘記錄一組28個設備的溫度值，所以共有8397組有效數據。將樣本數據分為兩部分，一部分為訓練集，一部分為測試集。采用利用訓練集數據訓練后的神經網絡估測了熱試驗數據6001～8397 min無熱敏的設備的溫度，并把估測值和測試集中的試驗值進行了對比。表1中列出了10個對溫度較為敏感的設備估測值和試驗值誤差分別在小于1 ℃，1～2 ℃，大于2 ℃以上的百分比。

表1 不同設備試驗值與估測值溫度誤差

從表1可以看出估測值和試驗值誤差很小，絕大部分都是小于1 ℃，有2個設備不到1%比例的估測誤差。結果表明所建立的神經網絡估測精度小于1 ℃，應用效果較好，可以作為在軌飛行的熱控評估代理模型，提高實時評估能力。

6 結束語

本文對數字孿生技術的發展及技術特點進行了總結，提出了數字孿生衛星的定義并對其內涵進行了理論探索，同時創造性提出了數字孿生衛星五維模型、五維數據以及微觀宏觀數字雙技術路線。數字孿生衛星的構建是龐大的系統工程，是數字化信息化物聯網等技術充分發展的產物，涉及技術種類多，技術難度大，其理論不是一朝成形，其實現更不會一蹴而就。但高難度才意味著高效益，數字孿生與衛星的結合及有效落地勢必將成為發揮出巨大作用、促進衛星行業效益指數級增長的數字資產利器。期望本文能對數字孿生理論、技術和工程應用研究提供啟發及參考，早日實現衛星的數字孿生。

致謝

感謝北京航空航天大學陶飛教授及其團隊在本文撰寫過程中提供的幫助。