航空發動機數字工程初步研究與發展思考

黃維娜，黎方娟，祁宏斌

中國航發四川燃氣渦輪研究院，成都 610500

數字工程是基于模型的工程，是一種集成的數字化方法，通過建立系統的權威模型源和數據源，利用跨專業相互連接、跨組織無縫傳遞的模型和數據，支撐系統全生命周期所有工程及管理活動［1］。數字工程已經成為推動生產力變革的重要途徑，成為歷史發展的必然選擇。

作為現代工業的前沿和制高點，航空發動機系統復雜、涉及學科廣、研制周期長、研發風險高、利益相關方多，傳統研發模式難以滿足用戶對質量、成本和周期的要求。借助數字工程可系統化提升航空發動機敏捷研發能力、產品交付質量、技術人才支撐等，夯實自主研制基礎，提供用戶滿意的產品。

本文概述了國外數字工程的實施現狀，歸納了數字工程的發展趨勢，并結合我國航空發動機工業的體系特征，形成了航空發動機數字工程總體方案和關鍵技術，并針對數字工程的發展進行了系統性思考。

1 數字工程現狀與趨勢

西方國家正在持續加快數字化轉型，通過頂層戰略牽引，革新思維、工具、方法、流程，將數字工程逐步融入采辦全流程，加速裝備現代化，進一步擴大大國戰略競爭優勢。國內工業領域也在大力推行數字化轉型，在國家政策的引導下，航空發動機產業以新機制、新理念、新技術為抓手，開始實施產業數字化轉型和升級換代，并取得了一定的成效，為數字工程轉型奠定了堅實的基礎。數字工程正在逐步成為應對不確定、抵御風險、降本提質增效，重塑組織能力的重要途徑，是構筑企業核心競爭力的新模式。

1.1 發展現狀

1.1.1 國外現狀

1）美國

美國數字工程由國防部抓總，海陸空三軍聯合工業界和學術界優勢力量共同開展，如圖1 所示。2018—2020 年，美國先后發布了《數字工程戰略》［1］、《國防部數字現代化戰略》［2］和《數字系統工程轉化戰略》［3］3 個綱領性文件，提出面向全生命周期采辦的綜合解決方案，全面指導數字工程活動的開展；通過組織教育和培訓，促進文化范式的轉變，多維度保證了戰略的有效實施和順利推進［4］。

圖1 美國數字工程實施方式Fig.1 US digital engineering practices

在技術儲備和基礎條件方面，美國實施了數字系統模型（Digital System Model，DSM）、工程強韌系統（Engineering Resilience System，ERS）和計算研究與工程采辦工具和環境（Computing Research and Engineering Procurement Tools and Environment，CREATE）等計劃，從關鍵技術、平臺、軟硬件等方面著手，極大地促進了基于物理的仿真技術成熟度的提高，加強需求生成和備選方案分析流程，支撐數據驅動的決策。

在實施思路方面，美國采用了先導驗證，小步快跑，逐步推廣的策略。通過在下一代軍用運輸機（C-X）、自適應車輛制造計劃（AVM）等型號預研項目中引入數字孿生、數字線索（數字主線）等數字化技術并開展CREATE 和ERS 項目的推廣運用，實現了數字化關鍵技術與型號預研的相互促進。其中，XA100 發動機實施數字工程后，僅用5 年時間就實現了高空臺達標［5-16］。

GE 公司將數字工程技術視為加速未來先進技術發展的一個重要推動力，并專門開發了工業云平臺Predix（見圖2），該平臺集成了開源的應用容器引擎Docker、分析引擎CEP 且具備Java、C/C++、Python 等多語言編程能力，目前正開展先進渦槳發動機的研制工作，用作公務機和通用飛機的動力。

2）俄羅斯

俄羅斯的數字工程在《俄羅斯數字經濟》《俄羅斯科技發展戰略》《國家技術創新》國家戰略規劃的指導下逐步展開，重點強調以“數字孿生”技術為主導，在融合其他創新技術的基礎上，實現航空發動機全生命周期的精準和敏捷研發。

在關鍵技術方面，聯合發動機制造集團公司（UEC）重點從需求管理、多學科優化、構型管理、數學模型的修正和校驗、虛擬試驗5 個方面開展了數字孿生技術的驗證，并提出了集成驗證的方案。目 前，PD-14、SaM146、TV7-117ST-01 等發動機在研制過程中均采用了數字孿生技術，UEC 計劃2024 年將該項技術全面引入航空發動機領域［18］。

在平臺和系統開發方面，俄羅斯自主開發了CML-Bench 數字孿生平臺（見圖3），可用于構建產品數字孿生（Digital Twin）和智能數字孿生（Smart Digital Twin），開展數字化設計、數學模擬（數字試驗）、計算工程活動管理。目前，已成功應用于TV7-117ST-01發動機改進設計項目中。

圖3 俄羅斯聯合航空制造集團公司開發的數字平臺進行發動機改進設計Fig.3 Aircraft propulsion design using digital platform developed by United Aviation Manufacturing Group of Russia

在標準化建設方面，2021 年，俄羅斯發布了《航空發動機及地面燃氣輪機數字孿生通用要求》標準，是世界上首個產品數字孿生標準，也是數字工程標準體系建設的重要環節。圖4 為俄羅斯數字工程實施方式。

圖4 俄羅斯數字工程實施方式Fig.4 Russian digital engineering practices

3）歐洲

歐洲各國近年來也正在大力踐行制造業數字化轉型，通過發布數字經濟、國防數據等國家級戰略牽引工業界研制范式的變革，主要從融入創新技術、打造企業級集成數據環境、開發數字工程工具3 個方向發力，積極探索和應用數字工程技術，以提升采辦和工程實踐效率。其中，最具代表的是羅羅公司。

羅羅公司在智能發動機（Intelligent Engine）愿景的指引下，正在將數字工程應用至航空發動機研制全生命周期。目前，已經完成了超扇發動機先進低壓系統全部復合材料零部件數字孿生測試；建立了多家智能工廠，實現了工廠間的數據互聯，促進數據驅動的決策；正在將微軟高效的物聯網云計算解決方案Azure 整合進羅羅公司的TotalCare 維護服務中，支持基于數據的智能分析和預測。最終，基于豐富的航空發動機研發經驗及先進的數字化研發能力，羅羅公司贏得了B-52 轟炸機換發計劃［19］，如圖5 所示。

圖5 歐洲數字工程實施方式Fig.5 European digital engineering practices

1.1.2 國內現狀

近年來，在國家的大力支持下，中國航空發動機的信息化和數字化能力持續提升，初步形成了一套較為完整的設計、試驗流程，構建了以技術流程為牽引、成套工具和方法為推手、標準規范和數據庫為基礎的產品研發體系（見圖6［20］）。在此基礎上，結合重點項目的探索和試點，基于開發的數字化協同研發平臺逐步構建了面向研發過程的數字化業務模式，初步實現了基于產品數據中心的協同研發和過程管控，為數字工程的實施提供了技術和實踐準備，初步具備了實施航空發動機數字工程的基礎條件［21-29］。

圖6 航空發動機體系建設的主要內容［20］Fig.6 Main contents of AEOS（Aero-Engine Operation System）construction［20］

1）基于模型的系統工程（MBSE）

國內航空航天領域大力開展研發體系建設，初步構建了面向研發過程的數字化業務模式，實現了集成產品團隊（IPT）組織模式、以需求為牽引的研制規劃、基于產品數據中心的協同研發、實時監控及質量管理。初步構建的研發體系及其在型號中的試點應用為數字工程實施提供了技術和實踐準備［30-32］。圖7 為商用航空發動機OS-MBSE 設計流程示例［30］。

圖7 商用航空發動機OS-MBSE 設計流程［30］Fig.7 Commercial aero-engine OS-MBSE design process［30］

2）數字化研制能力

國內已經借助一些型號產品，利用基于模型定義的全三維數字化設計技術，建立了數字樣機用于性能分析、功能模擬、協同制造及人/機工程仿真［33-34］；在產品數據管理系統中初步建立了從需求到驗證的過程數據關聯系統（見圖8［35］）；開發了專業級集成設計系統、工具軟件和設計數據庫；建立了以工藝設計管理、制造單元集成、企業資源管理等為標志的數字化制造平臺，生產管理精細化和流程自動化程度顯著提升［35］。在航空發動機領域，正在開展新一代信息技術支撐下的產業生態體系構建。中國航空發動機集團內131 個車間正在推進數字化轉型“最后1 km”，7 條數字化生產線和智能單元已建成并投入使用。

圖8 型號工程數據中心結構方案［35］Fig.8 Structure scheme of product engineering data center［35］

3）數字化采辦能力

部分航空航天領域的研究院所對虛擬采辦的概念、技術方案和應用方法等方面開展了一些研究，開展了裝備效能評估、成本進度風險綜合分析及變維度仿真關鍵技術研究，初步構建了虛擬采辦系統（見圖9［36］），以典型裝備研制需求為牽引，突破了虛擬樣機與虛擬采辦支撐平臺技術、多層次/多視圖/一體化建模技術、高效協同仿真及優化技術、智能化分析評估技術、綜合管理決策技術，開發了具有自主知識產權的虛擬樣機與虛擬采辦支撐平臺/工具集，建立了虛擬采辦應用示范系統［36-37］。

圖9 虛擬采辦平臺體系構架［36］Fig.9 Virtual acquisition platform architecture［36］

1.2 發展趨勢

1）技術創新與業務發展雙輪驅動

在數字工程研究中，明確提出要融入包括數字系統模型、數字孿生、數字線索、大數據、人工智能等在內的新技術，提升工程實踐能力［38-39］。隨著先進生產力的不斷發展及數字工程在產品全生命周期的驗證突破，數字工程將與業務實踐深度融合，互相促進，雙向提升。其中，數字系統模型、數字孿生、數字線索是實現數字工程的關鍵，大數據、人工智能等創新技術是提升數字工程能力的助推器，將促進業務工作向數字化、智能化、體系化發展。而業務工作是創新技術的試驗田，通過在實踐工作中邊用邊驗，持續改進，不斷提升創新技術的成熟度和適用性，實現業務和創新技術能力的共贏。

2）應用范圍擴大，實施主體下沉

數字工程在革新生產力方面的重要作用已經成為裝備和工業界的共識。美國作為數字工程的最早提出者，數字工程研究和應用最成熟，代表了數字工程的發展方向和趨勢。美國的數字工程采取了頂層牽引、分步實施的策略。從發展態勢來看，國防部發布戰略后，通過3 個先期試點項目驗證了技術的可行性，再逐步轉向采辦項目中的部分階段、部分領域，并進一步向全領域和向全生命周期擴展。如圖10 所示［40］，目前已經進入制度化階段，實施主體也呈現由國家機關牽引和指導為主導向工業企業逐層下沉實施的趨勢。

圖10 美國數字工程成熟度提升路徑［40］Fig.10 US digital engineering maturity roadmap［40］

2 航空發動機數字工程總體方案

為加速推進航空發動機研發模式向數字化敏捷研發的轉變，借鑒美國、英國和俄羅斯等國家的數字工程實踐經驗，結合中國航空發動機的行業特征和發展形勢，形成航空發動機數字工程的總體方案。

2.1 技術內涵

航空發動機數字工程是利用數字化技術，在高性能虛擬現實（數字空間）環境中完成發動機系統的設計、總裝和物理性能測試，并利用數字環境、數字處理、數字方法、數字工具和數字工件，實現對計劃、需求、設計、分析、驗證、鑒定、使用、維護等發動機全壽命周期活動的支持，進一步基于大數據分析、認知技術、先進計算技術、信息物理融合技術創新提升發動機的數字化實踐，支撐所有利益相關方的實時交互、協同和量化決策。

航空發動機數字工程通過建立采辦方和承研承制單位協同，基于發動機數字模型的論證、研發、生產和保障體系，覆蓋產品方案分析、技術開發、生產制造、使用保障4 個階段，支撐實現方案高精度敏捷迭代、最大限度采用虛擬迭代取代實物迭代、快速響應需求供應產品、基于故障監控的視情維護，系統提升發動機全生命周期論證、研發、生產和保障能力［41-42］，如圖11 所示［42］。

圖11 航空發動機數字工程內涵示意［42］Fig.11 Aero-engine digital engineering［42］

2.2 總體架構

航空發動機數字工程是基于系統數據和數字模型支撐復雜產品全生命周期數字化研發的新方法，其與飛機平臺、使用環境等多個利益相關方都存在高度的關聯與交互關系，是高度復雜的生態系統。圖12 為航空發動機數字工程總體架構示意［39］，如圖12 所示，航空發動機數字工程由業務場景層、模型數據層、平臺工具層、可信環境層以及基礎支撐層構成［39，43］。

圖12 航空發動機數字工程總體架構示意［39］Fig.12 Schematic diagram of overall architecture of aero-engine digital engineering［39］

業務場景層面向航空發動機全生命周期使用場景數字化建設，承接飛機數字工程對航空發動機數字工程的要求，從全生命周期一體化數字采辦需求出發，定義航空發動機研制業務模式和業務場景的變革，以基于模型和數據的數字線索（數字主線）為核心，在時間維度上實現需求到交付使用的端到端貫通，在空間維度上實現物理和虛擬世界的貫通，從而牽引模型數據、平臺工具、可信環境以及基礎支撐的定義。

模型數據層是航空發動機全生命周期業務活動開展的核心載體，包括連續一致的模型體系和權威真實數據。圖13 為航空發動機數字工程模型體系框架，如圖13 所示，數字工程模型的構建需綜合考慮多個維度，覆蓋論證、研制以及使用保障等生命周期階段，覆蓋發動機本體、研制和使用環境以及管理等業務對象，覆蓋發動機系統級、部件/子系統級以及組件/成附件級等產品層次。

圖13 航空發動機數字工程模型體系框架Fig.13 Framework of aero-engine digital engineering

平臺工具層、可信環境層和基礎支撐層為航空發動機全生命周期業務活動開展提供必要基礎條件和保障。平臺工具層包括集成平臺系統和經過充分驗證采信的各種工具軟件，包括以模型和數據平臺為典型代表的集成平臺系統（數據中心），支撐全生命周期所有技術和管理活動的各種工具軟件（仿真分析類軟件、設計建模軟件、數據采集分析類軟件、工程管理類軟件等）；可信環境層為航空發動機全生命周期業務活動開展提供安全可靠的硬件基礎條件，包括信息安全、計算存儲、通信網絡等；基礎支撐層則為航空發動機數字工程提供必要的保障，包括制度機制、標準規范、文化范式、人才梯隊等基礎條件。

2.3 應用需求

1) 虛擬論證，方案選擇更客觀

當前，由用戶對航空發動機進行立項論證，主要是飛機方向發動機方下達需求和指標。發動機方會開展方案論證，通過串行、線性的迭代來驗證需求的滿足性，但這種方式協調效率低、論證周期長。此外，主要的關注點在于飛機和性能方面，但對全使用場景的需求關注不夠，存在缺項現象，也無法量化評估經濟性、周期、風險等關鍵論證要素。決策主要依賴基于文檔的會議評審，以人的經驗判斷為主，決策效率和科學性都不高。

數字工程的應用，將基于飛機和使用場景模型捕獲和分析需求，開展面向需求的飛發聯合系統級仿真，基于航空發動機通用系統架構模型（集成現役航空發動機海量設計、試驗、運維數據的大模型）和經過驗證的部件/子系統級功能模型，虛擬迭代生成海量的發動機概念方案；針對備選技術方案，開展針對性能、經濟性、周期、風險等關鍵論證要素的綜合仿真和權衡分析，依據量化評估數據進行智能輔助決策，確定發動機需求、初步方案和項目規劃［44］。

2) 數字研發，產品研制更敏捷

當前，雖然在研發階段比較廣泛應用CAD、CAE 等數字化設計分析手段，但覆蓋的范圍、種類、層次有限，無法完全滿足研制階段全域協同和敏捷高效的需求；在制造和試驗環節，仍然依賴大量的實物和物理試驗驗證，且在制造和試驗實施前缺乏數字化手段對制造和試驗過程進行提前模擬以降低風險，設計-試制-試驗的迭代周期長。數字工程的應用將通過多專業、多領域和多層次的仿真活動，實現數字空間的虛擬迭代，盡可能替代或減少物理試驗，實現敏捷研發；通過知識驅動的工藝、制造仿真，在實物投產前充分暴露制造問題，優化產線布局和排產計劃，降低生產成本和技術風險，提高產品的生產質量和效率；在全周期貫通的連續模型體系和權威數據源的支持下，利用實裝試驗和使用數據對模型和仿真進行更充分的驗證，進一步提升置信度，支撐數字化鑒定。

3) 主動保障，使用效能上臺階

當前，發動機交付時技術資料、圖樣等通常為紙質或電子媒介，這種傳統方式存在保障、轉移交接困難、缺乏有效監管等缺陷。此外，技術資料、圖樣等與實物的關聯性弱，不利于發動機狀態的跟蹤；在發動機實際使用過程中，按照固定周期開展發動機的維護保障，無法精準預測發動機的故障和壽命，從而影響飛機的使用。

數字工程的實施將同步交付實物和與實物完全匹配的數字模型，在數字孿生的支撐下實現虛實映射，實時感知和監測實物狀態的變化，實現由傳統的定期維保轉變為基于實時預測的視情維保，降低維保和運營費用，提升發動機使用效率；實裝使用數據可以通過數字發動機的映射關系返回到設計模型上，驗證提升模型的保真度和置信度。

4) 量化管理，階段管控更有力

當前，對采辦過程的管控主要依賴于在決策點所觸發的評審，此評審以會議和紙質文檔的形式進行匯報。然而，這種方式存在準備時間長、數據準確性差的問題。此外，評審結論嚴重依賴人為的主觀經驗，由于個體理解的差異性，很難保證判定結果的合理性和一致性。再者，由于缺乏成本、進度、風險等方面的支撐數據，往往無法對經濟可承受性、進度、風險等方面進行量化分析以支撐項目管理的有效決策。

未來，將在采辦項目實施過程中，基于實時獲取的各業務域數據，對性能、費用、進度等采辦關鍵要素進行動態監控和預測，通過基于不確定性的綜合仿真分析對風險進行量化評估和預警，從而采取實時動態的管控措施，確保按照原定計劃開展采辦項目；在采辦決策點，基于包含所有審查要求和判定準則的審查模型，以及與之相關聯的需求模型、工作分解結構模型、驗證模型、費用模型、進度模型等各業務域模型，在權威數據源的實時驅動下，實時更新審查模型，可以快速地生成評審交付物，并以可視化的方式自動呈現不符合的情況和偏離程度，提示風險，給出初步的判定結論和建議，以輔助支持采辦決策。

3 航空發動機數字工程關鍵技術

航空發動機數字工程總體方案為數字工程的實施提供了總體架構及其在論證、研發、保障、采辦階段的應用場景，為開展航空發動機關鍵技術研究提供了目標導向。在目標的指引下，數字工程將以信息安全為屏障，通過全域模型的集成、全周期數據鏈條的貫通、全過程動態演進數字孿生的應用高效支撐數字化采辦。

3.1 數字化采辦

數字化采辦是基于模型的系統工程在產品綜合論證及項目實施中風險管控的先進方法和具體技術辦法，要求在真實采辦過程對采辦費用和進度等進行快速準確地跟蹤、預測和預警并給出應對調整策略以支撐作出科學的采辦決策。建立較高置信度的采辦進度、費用等數字模型或仿真方法，是數字化采辦的關鍵。

針對該問題，構建采辦方和承研承制方充分協同、項目管理和采辦管理相互支撐的多領域開放式數字化采辦業務架構，如圖14 所示。在業務架構的牽引下，構建費用模型、進度模型以及概率事件模型等通用業務模型。在航空發動機采辦過程中，以實時獲取的各業務域數據驅動，開展費用和進度仿真，對周期和費用等進行跟蹤、預測和預警，評估采辦費用和進度偏離計劃的程度，給出調整方案、增加驗證活動等擬采取的應對措施；同步更新受到影響的需求模型、驗證模型、工作分解結構模型等，開展基于不確定性的采辦費用和進度聯合概率分布仿真和分析，評估擬采取的應對措施的有效性和合理性，給出新的采辦方案建議，輔助采辦過程中的迅速決策［45-46］。

圖14 數字化采辦流程示意Fig.14 Digital acquisition process

為支撐以數字模型為中心的采辦模式的轉變，實現超越快速變化的威脅和技術進步，更快向用戶交付先進能力，需發展各領域模型庫構建技術、技術棧創建與共享技術、面向邊緣可下載的容器化開發架構技術、數字裝備模型構建技術。

3.2 數字系統模型

航空發動機開發領域和專業模型之間接口定義難度大，模型和數據交互難以連貫集成，無法支撐航空發動機產品基于模型數據的快速、連續的仿真和綜合性能評估。同時航空發動機研制過程大量多源異構數據在模型間反復迭代、數據量大、狀態多，異構模型的高效集成是數據快速傳遞和基于模型仿真實時響應的基礎條件，也是支撐產品研發信息傳遞一致性、完整性、有效性的重要保障［47］。

針對以上問題，建立全周期多源異構模型，如圖15 所示。首先，建立數據模型關聯演繹的模型框架，根據航空發動機全生命周期時間維度的各開發階段，梳理主要數字模型的種類和關聯演化關系；其次，在此基礎上，參考目前國際主流建模仿真標準接口的定義，制定模型關聯交互的接口標準，開發符合標準規范的數字模型或針對現有模型進行接口擴展，從而將各階段、各領域、不同學科離散化的模型進行局部集成；再次，在局部模型集成基礎上，面向論證、設計、試驗、生產、應用和保障等階段場景演化需求，開展多場景、多視圖下數字模型群的關聯關系構建；最后，基于數字化場景應用能力的業務模式需求，形成數據、模型的有機關聯，建成高效、連續、定制化的集成模型體系［48-49］。

圖15 全周期多源異構模型關聯示意Fig.15 Schematic diagram of full cycle multi-source heterogeneous models

為實現發動機研制活動全域模型的貫通，實現權威數據、信息、算法和系統工程流程的集成，需推進數據模型關聯框架構建、交互接口標準統一、多元異構模型集成、數據驅動的決策支持等技術的發展。

3.3 數字線索（主線）

數字線索（主線）的本質是產品全生命周期內全業務域數字模型間關聯演繹的網絡關系，能夠實現按網絡鏈條上的模型和數據的傳遞和溯源，結合高質量的模型和數據管理機制，建立反映真實信息的權威真相源。現階段航空發動機全生命周期研制活動的數據仍未實現貫通，在部分業務域之間存在間斷。而如何構建數字線索，關鍵基礎還是集成高質量的研制過程數據，進而通過構建數字化場景對研制業務流程及關聯模型的邏輯關系進行深入研究。

針對該問題，從涵蓋航空發動機全生命周期和利益相關方對數據的需求出發，建立航空發動機數字工程頂層數據架構和數據標準，如圖16 所示。對航空發動機各研制階段、各業務場景采集多源異構數據時，通過數據清洗轉換成為標準數據，并匯聚到數據中心形成單一數據源，通過連續一致的關聯化模型體系提取相關數據，驅動相關活動，將數據轉化成信息，向不同相關方表達，滿足不同相關方需求［50-54］。

圖16 航空發動機數字線索示意Fig.16 Schematic diagram of aero-engine digital thread

為促進各類技術數據、信息和知識工程的無縫交互和集成應用，實現對項目成本、進度、性能和風險的實時分析與動態評估，需發展多應用表達技術、多視圖轉化技術、數據清洗技術、數據動態感知技術等。

3.4 數字孿生

數字孿生是綜合運用感知、計算、建模等信息技術，通過軟件定義，對物理空間進行描述、診斷、預測、決策，進而實現物理空間與數字空間的交互映射。結合航空發動機研制業務的實際需要，在工程應用中設計不同保真度的航空發動機數字孿生體，滿足設計優化、工藝制造仿真、虛擬試驗和使用維保多方面的應用需求。

以航空發動機使用維保數字孿生體構建為例，數字孿生體構建主要分為通用模型、交付模型和孿生模型的構建，如圖17 所示。①通用模型構建：以多臺次發動機設計、生產、交付試車以及使用運行等歷史數據作為輸入，生成海量的發動機特性數據，結合發動機架構特征和實際運行數據，通過神經網絡訓練等機器學習算法，訓練形成航空發動機數字孿生通用模型。②交付模型構建：針對每臺出廠的發動機，將關鍵結構對應的制造數據、檢驗數據等特征參數同模型建立關聯關系，生成航空發動機數字孿生交付模型。數字孿生交付模型的功能不僅僅是在數字空間精確反映航空發動機的性能，更要預測航空發動機未來性能，例如航空發動機已經飛行50 個架次，通過數字孿生交付模型可以較為精確地預測其第80 個架次的性能。預測未來是數字孿生交付模型的最大亮點。③孿生模型構建：在實際使用過程中，通過采集發動機運行相關數據（溫度、壓力、應力、變形、振動等內部運行數據、任務數據、維修保障數據等）和外部環境數據（環境溫度、濕度、壓力、大氣成分等），基于數據驅動、基于模型驅動（基于模型的系統工程）或基于架構驅動的方式不斷修正數字孿生模型，支撐實虛映射，高保真地描述發動機運行情況，實現發動機故障精準預測、可靠性實時評估，達到基于模型與數據或機理與數據驅動的預測性視情維修的目標［55-64］。

圖17 面向運維的航空發動機數字孿生示意Fig.17 Digital twin of aero-engine operation and maintenance

為支撐航空發動機數字孿生體的構建，實現物理空間、信息空間及服務系統的信息交互與數據融合，需發展數字孿生技術規范、模型驗證與確認的不確定性量化（Verification，Validation，and Uncertainty Quantification（modeling），VVUQ）模型庫構建技術、輕量化建模技術、虛實融合技術等。

3.5 信息安全

基于模型和數據驅動的分析、決策，以及在不同的利益相關方交互傳遞數據是數字工程的基本特征。對于工業部門，研發、試驗和管理數據需要貫通內部網、互聯網等不同層級的網絡，而現有的網絡安全策略、信息安全技術不能充分支撐數據在上述多層級網絡間的安全、高效和連續貫通［65］。

針對以上問題，建立安全、統一的數字信息環境，如圖18 所示。首先，建立多利益相關方數據共享的網絡安全策略，從數據的完整性、可用性、訪問控制和身份驗證等方面構建跨多利益相關方的網絡安全保護策略；其次，更新現有安全保護機制，在安全保護要素、流程等方面充分考慮基于云架構的發動機未來數字化業務場景，探索建立適應跨云協作的安全保護機制；再次，在此基礎上，開發新型信息安全技術，從數據加密技術、防火墻等技術入手，開發相應的工具軟件，部署于數字工程試點的工業部門［66］；最后，研究探索基于航空發動機研制網絡傳輸現狀的態勢感知技術，以安全大數據為基礎，研究通過網絡技術所處的環境、動態和整體使用情況，實現全面系統對可能發生的安全風險進行識別、分析和處理，從而有效提高模型和數據在網絡技術使用過程中的安全保障。

圖18 航空發動機信息安全架構示意Fig.18 Aero-engine information security architecture

為確保數據在采集、傳遞、計算和儲存過程的安全有效，支撐權威真相源數據在數字線索中安全流轉，需要重點攻關多級別身份驗證技術、基于機器學習和深度學習的異常檢測技術和面向高安全性的云基礎設施開發技術等。

4 航空發動機數字工程發展思考

數字工程已成為工業界實現敏捷研發、快速迭代和“生產力”模式轉變的基礎。這種模式的轉變將為我國航空發動機自主研制帶來全新的發展機遇，因此需盡快開展航空發動機數字工程的先導試點應用和建設工作，采取小步快走、邊建邊用的方式，逐步完成全行業的數字化轉型工作。并通過統籌算力和加強仿真采信，建立以數字模型為中心的航空發動機數字工程生態。

4.1 試點先導，逐步推行

數字工程建設不是一蹴而就的，選取具有一定數字化基礎的項目作為先導，開展全生命周期數字化業務場景和標準體系的設計，在項目應用需求牽引和技術的推動下，從解決問題和產生實效出發，開展數字工程的試點應用與建設。通過小步快跑的方式，快速形成示范效應，拉動全業務域各相關方參與推動數字工程變革。經過逐步驗證后，沉淀形成最佳實踐和通用標準，并持續應用完善，最終建成數字工程標準體系，開展全面的推廣應用。

4.2 構建數字化生態

推進數字工程政策、標準和指南發布，構建適用于數字工程的知識庫，支撐數字文化與人才隊伍建設，建立數據思維，逐步完成從人為決策向以模型和數據驅動認識、洞察和決策的新型文化范式轉變。集智聚優，提前布局，廣泛吸納數字化創新力量，逐步打造以軟硬件環境為核心的數字化生態。以國家工業體系數字化轉型規劃為支撐，打通研發與生產環節，突破數據安全技術，構建行業級網絡環境，支持與各利益相關方的數據交互、溝通協同和量化決策，最終全面建成航空發動機數字生態［67］。

4.3 統籌算力支撐

1998—2020 年，美國僅在國防部高性能計算現代化項目（High Performance Computing Modernization Program，HPCMP）中累計采購算力達到約230.36 千萬億次［68］，而中國航空發動機行業的高性能算力與國外相差多個數量級。未來，復雜產品的開發模式向深度數字化轉型發展，對算力的需求將呈幾何級數增長，目前航空發動機行業單個組織和整體的算力不足以有效支撐模型和數據驅動的研制范式轉變。面對這一難題，一方面提升單個科研院所的自有算力；另一方面，綜合應用網絡安全技術、人工智能調度等技術，整合不同部門和可信社會組織之間跨地域、跨集群的高性能計算資源，系統提升以算力為代表的數字基礎能力。

4.4 加強仿真采信

模型和數據是數字工程的核心，仿真是基于數據對模型的實例應用，仿真模型/軟件的質量直接影響分析結果的可信度［69-70］。對仿真模型/軟件的應用建立健全、系統的測試和采信機制，提升仿真結果的置信度和可靠性，是仿真驗證最大程度代替物理驗證的充分條件。為了建立航空發動機仿真模型/軟件的采信機制，可以采取以下措施：首先，構建產品的數據模型庫和算例庫，并利用產品物理試驗數據對仿真模型/軟件進行驗證，進而優化與更新仿真模型/軟件。在此過程中，需要關注仿真模型/軟件的魯棒性、精確性、效率、可用性和一致性等要求，并建立相應的仿真模型/軟件測試和質量認證標準。其次，還需要從模型、數據、仿真系統等多個層面系統性地開展全生命周期仿真采信研究，并采用產學研用的模式構建基于人工智能的航空發動機仿真采信機制。

5 結論與展望

本文闡述了數字工程的發展現狀和趨勢，結合國外數字工程的實踐經驗，提出了中國航空發動機數字工程建設總體方案及其關鍵技術，給出了航空發動機數字工程的實施思路及在數字化生態建設、算力建設、仿真建設上的發展建議。

為適應航空發動機數字化研制新模式的變革，需加快推進航空發動機數字工程建設與應用。依托項目試點先導，快速形成示范效應，拉動全業務域各相關方參與推動數字工程變革，推動以模型和數據為核心謀事做事的范式轉變，建立以數字模型為中心的航空發動機數字工程生態，牽引以高性能計算為代表的數字新基建發展，最終實現數字時代下航空發動機研發能力的重構和研發模式的變革，打造航空發動機自主發展的中國模式、中國速度和中國品牌。