数字孪生技术在航空产品寿命预测中的应用

赵 亮 高 龙 陶 剑/文

美国空军2013年发布的《全球地平线》顶层科技规划中，将数字线索和数字孪生视为“改变游戏规则”的颠覆性机遇，并从2014财年起组织洛克希德·马丁、波音等公司开展了一系列应用研究项目，已陆续取得成果。据美国《航空周刊》预测，“到2035年，当航空公司接收一架飞机时，还会同时验收另外一套数字模型。每一架飞机都对应有一套非常详细的数字模型”。数字孪生和数字链技术将改变未来飞机的生产和使用方式，而应用此技术的NMA项目也将为民机制造领域翻开新的篇章。

NASA和美国空军认为，未来下一代装备/飞行器比起目前的装备面临着更高的负载、更严酷的使用环境、更长的服役周期，需要更轻的质量。目前的验证方法、管理和维护很大程度上基于材料属性的统计分布、启发式设计理念、物理试验，以及假设试验与使用环境的相似性，而这些理念和方法可能无法满足下一代装备的需求。为解决传统方法的不足，需要进行基础范式的转变，这一范式转变就是数字孪生。利用数字孪生技术监测其飞行实体的寿命，可使飞行器安全性和可靠性达到前所未有的水平。

基于数字孪生开展故障预测的发展趋势

航空机载设备是装备进行使用的基本单元，如果设备在使用过程中未进行有效的维护，可能会失效或者发生故障，对用户来说，这不仅会增加相应的维护成本，还会影响装备的使用，降低战斗力；另一方面，如果维修过于频繁，会导致维修的低效或者无效，造成维修资源的浪费。因此，通过对设备进行合理有效的维护来降低设备故障率，成为设备制造企业降低维护成本、用户提高维修能力的重要手段之一。由于航空产品利益有关方对及时、准确维修能力的需求，故障诊断领域测研究重点已逐步转向状态监测、预测性维修和故障早期诊断。目前，基于数字孪生的产品状态监控和预测已成为国内外研究的重点方向。

在美军飞机机体机构寿命预测过程中，信息要在多个物理模型之间传递，无法同步加载应力-温度-化学载荷谱，以及未考虑历史应力数据对损伤的影响，会导致计算结果比较保守，飞机重量比实际需要的重，检查也比实际需要频繁。随着高性能计算的发展，美军提出利用数字孪生开展机体结构寿命预测，主要包括：

多物理模型融合。将结构动力学模型SDM、应力分析模型SAM、疲劳断裂模型FCM及其他可能的材料状态演化模型集成到一个统一的结构模型中，并与CFD数字孪生紧耦合，实现多物理模型融合。同时，建立飞机STC载荷谱，并随飞机使用和损伤的发展进行调整。

根据实际飞行任务预测剩余寿命。在虚拟飞行过程中，数字孪生模型会记录飞行过程及所有结构部件的材料状态和损坏情况。利用这两组信息，嵌入在数字孪生模型中的损伤模型预测材料状态的演化和损伤进展。虚拟飞行完成后，输出飞行器剩余使用寿命的预期概率分布。

美军基于数字孪生机体寿命预测过程

虚实映射的数字孪生优化。飞机跟踪和结构健康管理系统在飞行过程中对选定位置的应变历史进行感知和记录，将虚拟和实体飞机记录的应变进行比较，通过贝叶斯更新等数学过程，分析虚实状态的差异，对数字孪生模型进行优化。飞机服役时间越长，数字孪生模型就越可靠。

预测维护需求和维修成本。数字孪生可以执行计划任务中所有的飞行过程，预测飞机在此期间的维护需求和维修成本。通过对编队中每架飞机的数字孪生建模，可以估计编队在这段时间内的保障需求。维修活动和部件更换可以通过数字孪生数据更新来反映，实现对单架飞机的配置管控。

飞行任务计划安排。数字孪生可以把材料的属性、制造和装配方法信息的不完整性，以及飞行中的不确定性转化为获得各种结构输出结果的概率，从而分析机体满足任务要求的可能性，考虑是否将该特定飞机派往该特定任务。

我国航空产品基于数字孪生寿命预测思路

目前，装备的维修方式主要有事后维修、预防性维修和状态维护。状态维护就是通过传感器获得设备的实时状态信息，监测设备的工作状态及环境，利用先进的数据处理技术对监测到的设备信息进行分析，从而获得当前的健康诊断状况，并通过一系列设备诊断预测方法来预测设备的有效寿命，合理地确定设备的维修计划。

针对航空机载设备维修保障的问题，在充分利用现有模型、数据基础上，我们力图提出航空机载设备基于数字孪生的寿命预测过程，从而实现模拟、监控、诊断、预测和控制航空机载设备在现实环境中的过程和行为，以便有效指导备件管理和维修。

建立孪生模型。基于设计信息建立产品准确的三维数字化模型，并通过相应的失效机理分析，进行相应的多物理仿真建模，结合产品构型数据和制造数据，实现对物理实体一对一的数字化表达。

一是建立航空产品三维模型。根据产品的设计图、电路图、装配图等，建立电子、机械产品三维模型，并对各级产品的属性进行标注，准确表达产品结构、尺寸，尤其是关键特征参数。

二是故障及机理分析。根据外场数据和FMEA分析，梳理典型高发的故障模式，建立产品典型的故障模式及原因分类库，分析产品的工作和环境载荷，开展失效机理分析，如焊点疲劳、零件磨损和橡胶老化等，确定关键特征应力参数。

三是多物理仿真建模。综合考虑产品中的机械、电子产品的多物理结构，开展热仿真、机械仿真、电磁仿真等，建立系统级的多物理多应力下的仿真模型，给出环境和工作载荷下，系统各组成部分的实时应力云图，以及系统故障在各物理组成部分之间的传递关系，对系统故障进行判断。

四是建立基准模型。根据产品各类试验结果，对产品的关键特征参数、应力及失效机理模型进行修正，最终形成产品的基准模型。同时，根据产品设计更改情况，对产品三维模型进行同步更改，保持虚拟模型与实际研制过程的技术状态一致。

五是建立数字孪生模型。根据产品制造过程中的实际制造数据，对基准模型中的相应参数进行更新，从而建立与实体产品一一对应的数字孪生模型。重新进行仿真计算，确定产品受力云图，以及典型应力下的初始寿命。

基于孪生模型的寿命预测。在使用阶段，通过外场传感器、故障数据挖掘与分析，不断对模型进行优化，最终实现对产品物理实体的完全和精确描述，实现虚实映射与数据交互，同时，通过对产品物理实体使用数据、故障数据、维修数据的更新，进行寿命耗损计算，评估产品剩余寿命，指导维修决策。

一是外场环境数据分析与处理。收集飞机外场任务的飞参数据，利用线性回归、支持向量机或人工神经网络等方法，对飞参数据进行深度挖掘，建立飞机飞行任务和所受环境载荷之间的关联关系，为机载产品的寿命预测提供基础。

二是寿命损伤模型计算。根据每次任务飞行的环境载荷数据，计算每次任务飞行的寿命耗损。将每次任务时间t的平台环境数据输入仿真模型，重新进行计算，得到关键件的计算结果T，则单位时间耗损为t/T。剩余寿命：Tleft=（1-t/T）T0，T0：初始寿命，t：任务时间，T：实际环境下的仿真结果。每次飞行后，计算寿命耗损情况。或者拟合外场环境与寿命之间的响应面模型，利用响应面模型对每次飞行后的寿命耗损情况进行计算。

三是孪生模型优化及更新。收集外场使用数据（包括各类传感器数据），通过对数据进行深度学习及优化算法研究（如粒子群优化），对数字孪生模型进行优化。同时根据飞机的使用和维护信息，对模型的各类指标和技术状态进行及时更新，保证模型与物理实体的一致。

需突破的关键技术。为建立航空产品的数字孪生模型，需要突破一些关键技术：

一是高保真数字孪生建模技术。研究机械、电子、电磁等多专业模型之间的接口与耦合方法，以及流体动力学、结构动力学、热力学、应力分析和疲劳断裂等物理模型的耦合与集成，根据装备各层级设备类型，建立高保真、多尺度的数字孪生模型，保证模型稳定性、准确性和收敛性。

二是基于虚实映射的数字孪生模型优化技术。利用物理实体的传感器数据和数字孪生模型计算的数据，研究优化参数和特征变量确定方法，通过构建参数方程和目标函数，结合粒子群优化等算法，对数字孪生模型进行优化，确保数字孪生模型对状态变化的响应与物理系统的响应保持一致。

三是基于数字孪生的故障状态监测技术。基于数字孪生的状态数据，研究大数据关联挖掘算法，对全状态量数据进行关联性深度挖掘，提取特征数据，建立全参数的关联规则、开展状态量关联度分析及其加权，结合数字孪生体的物理模型，定义设备的运行和故障状态，分析监控状态和故障之间的关联关系，对未来故障情况进行监控和预测。

四是基于数字孪生的剩余寿命预测技术。在数字孪生模型基础上，研究结构有限元与损伤模型集成方法，分析多应力耦合情况下，模型累积损伤计算方法，研究累积损伤计算的代理响应面模型，实时/周期计算实际任务剖面下各类载荷的累积损伤，实现剩余寿命实时/周期预测。

在航空产品寿命预测中使用数字孪生技术，能够大大降低航空产品研制、维修成本，推动航空产品研制和使用维护由传统模式向“预测型”模式转变。（金航数码科技公司 航空工业综合技术研究所）

一架CH- 53E超种马运输直升机在南加州坠毁