面向飛行器結構健康管理的數字孿生及應用研究綜述

(中國航空工業發展研究中心，北京 100029)

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。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，如圖1所示，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]。

圖1 空軍面向預測性維修的數字孿生流程

“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。

美國空軍一直在推動CBM+計劃[41]，以期實現精準保障，大幅提升裝備的經濟可承受性。筆者認為，數字孿生概念中帶有豐富的結構健康管理元素，使其能夠很好地滿足CBM+需求，這也是ADT研究的初衷。如圖2所示，與CAX模型反映了裝備的理想狀態不同，每一個數字孿生都是針對特定的已建造裝備(即其所對應的物理孿生)，反映了裝備個體的結構、性能、健康狀態以及特定使命任務的特性，諸如已飛行的距離、已經歷的失效、維修和修理歷史。數字孿生通過將來自真實世界的飛行和維修等數據融入模型和仿真系統，能夠跟蹤特定裝備的歷史，幫助理解單個裝備在真實世界的性能。數字孿生基于維修歷史和已觀測到的結構行為等數據，聯合其他信息源共同進行特定裝備未來性能的預測性分析，得到精細的概率性假設，即在及時調整參數或得到維修的情況下的預期性能，從而幫助決策者實施建議的飛行控制參數調整，或者安排何時進行預防性的維修。

圖2 數字孿生中的結構健康管理元素

數字孿生對于結構健康管理有3個意義：① 加深理解。通過將影響應力集中的制造尺寸差異、影響裂紋擴展的飛行數據和消除失效隱患的維修信息融合到每架飛行器的模型中，更好地掌握單機的歷史和當前狀態。② 加強預測。在個性化的制造瑕疵、性能缺陷、運行歷史之下，通過高逼真度的物理特性模型，分析單機獨特的外形特征、結構特性、使用性能約束，從而預知通過傳統幾何模型無法預測的飛行器在不同飛行條件和環境中的表現。③ 深度優化。數字孿生以數字化形式記錄了每一架飛行器的制造瑕疵、結構損傷、維護修理等歷史，可以通過群體學習更好地掌握問題所在，從而更深層次地改進結構設計。而且，增強預測性維護功能本身就可以讓數字孿生更好地優化機群的運行，減少昂貴的停飛時間。

2 面向結構健康管理的數字孿生

2.1 3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。

五級：退役級，裝備退役處置之后，孿生不再更新，可整體交回設計部門形成知識庫用于未來的優化設計。

(2) 仿真精度維。考慮多尺度和多物理特性建模的水平，面向結構健康管理的數字孿生從三級開始。

一級，關系式級，定量的關系抽象分析，如工廠資產的可視化應用。

二級：常微分級，單變量常微分方程分析，如數字孿生城市中的一些簡單應用。

三級：偏微分級，面向單物理場的非線性偏微分方程的仿真，如單一的結構應力有限元分析應用。

四級：多物理級，面向多物理場的耦合仿真，如復雜的熱氣動彈性分析應用。

五級：分子學級，深入到分子動力學甚至原子動力學的微觀尺度仿真，從機理層面復現多物理場過程。

(3) 智能程度維。考慮數字孿生應用的自動化智能化水平，從實際的功能來看，該維僅需覆蓋生命周期維的二到四級。

一級：被動級，數據是分批次更新到模型并被動實施分析，比如飛行器落地后由人工采集，然后預測應用需要由人來操作。

二級：主動級，數據可以做到實時更新，而且預測應用擁有自適應的用戶界面，具備簡單的AI機器學習功能，可根據操作人員的設定和偏好進行有監督學習，比如通過實時的傳感數據識別結構失效模式，支撐實時的維修規劃和決策。

三級：自主級，數字孿生能夠進行無監督學習，使之能在使用環境中辨識遇到的對象和樣式，甚至強化學習，即在不確定、部分可觀測環境中知悉環境和裝備狀態，具有高度的自主性，也許能夠管中窺豹，從一些局部端倪中主動預知到全局的問題。

四級：融合級，數字孿生作為核心功能融合到飛行器任務系統中，實時分析并全自主地調整飛行參數，以規避結構失效隱患。

五級：集群級，每架飛行器的數字孿生隨時可通過云完成群體優化，讓機器智能在整個機隊之間發揮作用。

2.2 面向結構健康管理的數字孿生關鍵技術

從完整系統(包含物理裝備、數字孿生及其交互)的角度，面向結構健康管理的數字孿生，涉及材料工程、損傷力學、狀態監測、數據融合、壽命預測和設計認證等幾個領域的知識和技術。其中，材料工程和損傷力學是基礎，掌握裂紋增長的機理知識，將提升集成材料計算工程、抗疲勞微結構設計以及微尺度裝置設計的水平，使數字孿生更精準；狀態監測、數據融合和壽命預測與PHM技術有很高的重合度，合理和經濟地利用傳感器數據，使數字孿生更高效；面向數字孿生更新的設計認證手段和流程，則使數字孿生更可靠。

對數字孿生建立和運行過程本身而言，有三類關鍵技術：一是高精建模仿真技術，數字孿生能不能精準記錄、鏡像和預測物理裝備的過去、現在和未來，取決于原始數字模型的精度，也取決于投入的資源；二是泛在采集傳輸技術，應用目標不同，采集的密度、精度、速度也就不同，需要的技術就大不相同，這需要合理設計；三是高效融合分析，這需要高實時性的數據交互、高置信度的集成仿真、高穩定性的密集計算、高顯示度的趨勢展示。筆者在此主要討論高精建模仿真技術中，必備的4項數字工程技術能力。

(1) 多尺度建模。

裂紋增長由自由表面形成、塑性耗散及其交互作用控制，可以利用幾何方法進行順序損傷的多尺度建模，將微觀和宏觀應力與應變場相關聯，實現從局部損傷到全局結構失效的預測。具體過程是：建立宏觀結構的三維有限元模型，施加三維應力分析以定位疲勞“熱點”，之后在這些點建立統計表征的數字化微結構體積元，完成高逼真度的多晶建模，然后施加三維應力分析晶體塑性模型，仿真損傷的演進過程，從顆粒、元、組件到群體預測疲勞損傷。波音建立了從分子到全尺寸飛行器的多尺度建模能力[44]，為結構設計和損傷預測提供了更高逼真度的手段。多尺度建模為斷裂的離散仿真和連續統一仿真提供了橋梁[8-9,15]，可以分析裂紋增長時納米尺度下內聚區體積元中少量原子的受力及位移過程。

(2) 多物理特性建模。

進行損傷預測時，需要將基于幾何的多尺度有限元模型與基于機理的損傷模型集成，通過多物理特性和多學科科學對損傷進行整體考慮。考慮大裂紋階段利用FASTRAN/AFGROW軟件[7,20]；加上小裂紋階段利用FASTRAN和裂紋匯合軟件，建立小裂紋增長與連接的模型；再加上成核階段可以利用多階段疲勞/虛擬孿生軟件，建立成核與小裂紋增長的模型，進行多物理的順序損傷仿真；最后加上萌生階段可以利用幾何方法，建立萌生、成核與小裂紋增長的模型，進行裂紋增長的多尺度力學的顯式仿真，這將增進對損傷的整體理解。

對于更為復雜的飛行條件，如針對馬赫數為5～7的可重復使用高超聲速飛行器[45-46]，利用其機體數字孿生在使用環境中進行全航跡仿真，則其中的結構響應預測環節更加離不開多物理特性模型，如圖3中紅框所示。對于在高超飛行中耦合的空氣熱彈性力學，可以將其分為氣動熱和氣動彈性領域，其中氣動壓力的邊界層邊緣特征影響氣動熱，結構熱傳導的溫度分布影響結構動力學。這種劃分考慮到了所需時間步長的不同，以及不同求解器的不同時間推進機制，比如氣動彈性模型需要更少的時間步長，而氣動熱模型需要更多的時間步長來更新結構的溫度分布。實際的耦合分析可能更復雜，除了結構、熱和流體流動，還要包括聲學等學科，這對高性能計算也提出了挑戰。美國國防部通過計算研究與工程采辦工具和環境計劃開發了面向固定翼飛行器的虛擬仿真工具[47-48]，能夠支持高超聲速飛行條件下的多物理特性建模，包括仿真復雜機動、推進裝置影響、移動控制面、氣彈影響、多體相對運動以及引入真實內循環和外循環控制率的能力，這極大地提升了飛行器機體數字孿生的計算能力。

圖3 高超飛行條件下的結構損傷預測

(3) 模型與實驗的集成。

越靠近微尺度，越要求基于機理的損傷模型能夠達到高逼真度，這就要求實驗損傷力學必須給計算損傷力學提供足夠高解析度的結果。因此，需要開發表征損傷演進的先進實驗手段，比如利用環境掃描電鏡進行間斷疲勞試驗，通過加載循環經歷萌生、成核直到微觀小裂紋傳播，測量每次中斷的裂紋長度與取向，并利用電子背散射衍射測量裂紋路徑上的晶粒取向，然后再在不同長度尺度/損傷機理下校準疲勞模型。還需要與無損檢測和材料開發人員協作，優化獲取數據的方法以及分析數據的方式，并且面向基于物理特性的計算方法，更好地對諸如裂尖損傷區等損傷機理進行實驗表征。

(4) 概率性/不確定性分析。

不確定性量化將概率性分析學與物理特性建模相結合，預測并量化復雜系統仿真中的不確定性，已經成為美國國防部最重要的應用數學研究方向之一。美國空軍考察了主成分分析、貝葉斯網絡、極值理論、概率分布更新、自回歸滑動平均、克里金插值、全局靈敏度分析、自適應重要性采樣、高斯過程模擬、置信邊界估算、粒子濾波、拔靴法、馬爾科夫鏈蒙特卡羅方法、代理建模等一系列手段[19,49]。比如，在空軍高超聲速結構響應與壽命預測能力研究中[50]，針對裕量與不確定性量化問題，開發了基于對仿真與試驗數據進行主成分分析分解的確認度量標準。通過使用覆蓋多個輸入條件下的三維響應以及所需時間/頻率信息的全場仿真和試驗數據，可以將不確定性加以量化。再比如，針對建立機翼健康監測的數字孿生[23]，使用動態貝葉斯網絡集成了物理特性模型，以及裂紋增長預測中的許多隨機和缺乏知識的不確定性源，從而構建了一個多功能概率模型用于診斷與預測。圖4展示了DARPA“實現物理系統中不確定性的量化”項目的研究框架[51]，該項目開展了可縮放的方法、物理特性模型的生成以及基于不確定性的設計和決策三項研究，重點關注概率性的預測手段，其成果也將支撐機體數字孿生的構建和運行。

2.3 應用面臨的技術挑戰

美國空軍和NASA希望面向結構健康管理的數字孿生能夠用于作戰飛機、超聲速戰略轟炸機、長航時偵察無人機、自主航天飛行器這些傳統與未來的裝備。數字孿生在應用時，需要建立初始條件，選擇并集成各學科子模型，施加正確的飛行載荷，同時管理并減少數字孿生中的各種不確定性。由于這一過程涉及了氣動力學、結構、材料和制造、計算科學、信息管理等學科，因此僅僅是面對前述的幾項關鍵技術，也會存在一系列技術挑戰。這包括：面向全尺寸飛行器開發具備適當逼真度(降階)的參數化多學科計算模型，在適當的長度和時間尺度上開發結構性能相關的各種控制現象的高逼真度計算模型，在不同逼真度水平跨長度/時間尺度連接這些計算模型，理解所有不確定性和波動的影響源并且在每個長度/時間尺度上將之融入模型，面向飛行器性能和可靠性評估與優化開發分析技術，將材料和制造上的各種現象集成到飛行器層級的數字孿生框架中，開發可跟蹤和更新真實飛行器及其數字孿生的狀態與行為的技術與手段。

圖4 通過數字孿生實現不確定性量化

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，如圖5所示，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。

數字孿生支撐的結構完整性預測的具體功能流程總結如下：

圖5 單個飛行器跟蹤的概念

① 將幾何外形和材料數據以及施加的載荷和環境條件作為輸入。收集來自無損檢測、SHM以及結構拆卸評估的損傷狀態感知數據，和來自SHM、載荷與環境表征以及結構表征、建模與試驗的使用情況信息，這可包括模型信息、任務歷史、預測歷史、健康歷史、失效歷史、維修歷史和備件資產等內容。

② 構建基于物理特性的多尺度、多學科數字孿生模型作為預測模型進行結構分析。

③ 輸出結構響應和可靠性的范圍以實現基于不確定性/概率性的決策。獲知結構健康狀態、剩余使用壽命、已識別問題、受影響組件、結果置信度、后續措施建議、措施行動時間、更改率、任務就緒度等一系列結果，以計劃壽命增強、修理和替換等維修工作。

④ 通過預測和風險分析，如果可靠性足夠，則在收集到新的損傷狀態和使用情況信息時更新歷史；否則進行結構修改并更新構型，未來基于下一個數字孿生版本進行分析。

3.2 基于數字孿生的結構健康管理應用研究

(1) GE/洛·馬P2IAT項目。

GE牽頭開發了可擴展、精確、靈活、高效、牢靠(SAFER)的P2IAT框架，將各種不確定性源納入預測，并將使用和檢測數據融合在一起以利用貝葉斯網絡更新和減少預測的不確定性。該框架使用統計學方法整合了若干種工程分析方法以及模型，包括利用飛行記錄和飛行模擬器建立概率性的使用和載荷配置的方法，基于有限元和疲勞裂紋擴展模型的概率性結構可靠性分析，在可探測概率支持下利用檢測數據更新概率模型的方法，通過計算失效概率并估算未來檢測對其影響的檢測決策分析等。框架的輸出結果包括估算的裂紋長度分布、預測的檢測計劃、隨著時間變化的可靠性以及輸出對輸入參數分布的敏感性。

項目利用F-15機翼的工程數據以及實物進行了全尺寸地面測試實驗，選擇了框架跟蹤的10個控制點，創建了載荷譜并轉化為模擬的飛行數據，設計了加載設備和測試夾具；數據采集的重點在于測試的安全性，以及在不停止測試的情況下快速確定機翼的狀態；制定了在實驗過程中控制點疲勞裂紋擴展的檢測計劃，包括數據、校準程序、傳感器的位置和方向等信息；最后為每個控制點建立了概率性的應力模型，以及概率性的應力強度因子模型，輸入到框架中執行初始的基線裂紋擴展預測。機翼全尺寸實驗演示了該框架可以提高結構診斷和預測的準確性，針對滿足用戶指定的單次飛行失效概率(SFPOF)閾值要求，相比定期檢測的計劃，可做出更好的維護決策。

(2) 諾·格P2IAT項目。

諾·格開發了與GE類似的P2IAT框架和預測流程：開發了利用AFRL的“操縱桿-應力實時模擬器”軟件，基于統計數據自動生成飛行譜系、分布式載荷以及相應應力序列的方法，圖6為生成所選控制點應力歷史主要流程；開發了貝葉斯更新程序，融合了由可生成裂紋長度和深度聯合分布的模型產生的當前狀態健康評估結果，以及來自無損檢測和SHM的傳感器數據，同時考慮了模型和傳感器數據的不確定性；開發了基于風險和成本的定量綜合評估(而不是對數據不確定性進行確定性處理)的決策流程。

圖6 飛行器概率性的使用和載荷配置流程

端到端的P2IAT流程包括從統計數據到應力序列，然后通過裂紋增長代碼處理應力歷史記錄，以生成更新周期開始和結束以及下一次預期檢測時的裂紋尺寸分布，之后預測了下一個1000次飛行的SFPOF。結果表明，發現裂紋所需的檢測數量極大減少，同時可將SFPOF保持在用戶指定的閾值以下，并且減少了用于非安全關鍵控制點的裂紋修復的檢測數量。該流程使用“模型中心”商業軟件集成，可以將帶有不確定性的輸入和輸出，從一個步驟傳播到下一步驟。

全尺寸地面測試實驗與GE實施的類似，選取了10個控制點，自動計算了執行機構的載荷、執行機構區域墊片的布置及其載荷。數據采集時，為機翼內部控制點選擇了Jentek繞線磁強計傳感器系統以避免需要拆卸測試件執行無損檢測，還選擇了Luna光纖傳感器系統來對結構的關鍵區域進行應變監測。此外，由于與GE共同使用一對機翼，兩者還商討了一個解決方案，避免安裝、儀器操作和數據采集受到影響。

(3) 美國國家航空航天研究院/NASA項目。

預防疲勞和低速異物撞擊導致的未檢測到的損傷/裂紋的增長，在飛行過程中可能達到臨界尺寸，從而導致飛行器失控。該項目針對具有復雜損傷構型的結構，開發準確實時預測損傷大小和安全承載能力的功能，以避免飛行過程中損傷的不穩定和災難性傳播，保持載荷水平低于已降低的承載能力，使飛行器可在上述條件下繼續安全運行。其團隊開發了一種使用導波響應來詢問損傷的程序，當導波與損傷相互作用時，信號在某些方向上衰減，而在其他方向上反射，也就是說，信號幅值以及信號響應之間的相位移動對于受損和未受損的結構是不同的。

其團隊研究了基于遺傳算法的優化程序，通過評估各種預先選擇的傳感器位置處的累積信號響應，可以準確估算損傷的大小、位置和方向，損傷估算結果在損傷構型范圍的10%以內。再針對不同典型裂紋、幾何形狀和尺寸的波傳播的有限元分析獲得的響應，盡量縮小其與參考響應之間的差別，可以獲得損傷的大小、位置和方向。研究表明，基于波傳播的SHM方法可通過數字孿生來診斷受損的飛行器。

3.3 基于數字孿生的生命周期管理范式

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。未來，基于數字孿生的飛行器生命周期管理將是基于預測的、綜合化、個性化和預防性的[52]：維修將是基于對結構損傷和損傷先兆的早期識別，每架飛行器的歷史數據都對操作人員、維修人員和工程人員開放，可以針對每架飛行器定制預先維修和修理/翻新方案，大部分工作將是生命周期中的結構損傷預測、預防和管理。

結合增強現實(AR)技術，數字孿生還將進一步提升現場實時維護能力[53]，通過實時的數據、檢查清單和反饋，維修人員可使用AR眼鏡在現場訪問飛行器維修歷史、可以與計劃維修活動一同執行的額外行動清單，并且訪問技術支持團隊以解決可能出現的問題。維護人員的活動被記錄并更新到下一個數字孿生版本中，未來的維護人員可以在任何地點及時看到一架飛行器相關的已完成活動流，以優化持續保障活動。

未來，還可能出現一種自知曉飛行器[29]，可獲知自身能力、實時調整行為，以完成指派的任務或者修改任務以反映當前能力。數字孿生是系統健康自知曉功能的重要基礎，將動態飛行包線保護技術與由數字孿生生成的結構約束集成，將實時非線性氣動力學模型與自適應控制集成，使用前視傳感器實施主動式陣風載荷減緩，以實現數據驅動的飛行器能力評價，以及結構系統的自主維修和實時安全維護。比如，發現離散損傷并反饋給自適應任務管理/控制系統，然后設定飛行約束以防止結構超過載，這種自主式建構反過來甚至還會影響其設計、制造和認證方式。

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的不斷研發并使用，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。