基于数字孪生的民机运行安全框架体系设计

熊明兰，王华伟

(南京航空航天大学 民航学院，江苏 南京 211106)

0 引言

在“工业4.0”、“工业互联网”、“中国制造2025”等背景下，未来民机将会向高度数字化、网络化、集成化、智能化发展。国产民机C919、ARJ21、MA60已陆续投入运行，据统计，截止到目前我国已成功交付32架ARJ21，C919收到国内外28家用户订单，累计订单总数815架，2019年MA系列飞机累计交付超过109架。国产民机的运行安全状况代表着中国民航业的航空安全形象，备受各界关注。民机运行安全受到环境、使用条件、维修状况以及各部件退化失效等影响，安全运行随机性很强，及时排除安全隐患能实现保障民机运行持续安全和降低运行成本的协同优化目标。数字孪生(Digital Twin，DT)是充分利用物理模型、传感器更新、运行历史等数据，集成多学科、多物理量、多尺度、多概率的仿真过程[1]，在虚拟空间中完成映射，从而实现信息世界与物理世界的双向动态实时交互、共融与协同。通过仿真民机在不同场景、不同环境下的运行状态，预防民机运行风险并实现对其深度认知，而这也是国产民机在运行过程中迫切需要解决的问题。

目前，数字孪生技术在工业界和学术界备受关注，达索、参数技术公司(Parametric Technology Corporation, PTC)、西门子、洛马、波音、通用电气(General Electric, GE)、空客等公司均展开了数字孪生的落地应用研究[2]。此外，数字孪生技术广泛应用于交通[3-5]、医疗[6]、制造[7-9]、智慧城市[10-11]、服务[12]、航空航天[13-17]等领域。在航空研究领域，美国国家航空航天局(National Aeronautics and Space Administration, NASA)与美国空军实验室联合提出了飞机的数字孪生范式，结合传感器更新、机队历史记录等，通过数字孪生技术监测飞机健康，反映飞机的剩余寿命[18]；MILLWATER等[14]对飞机数字孪生所需的风险评估程序进行全面概述，提供了概率分布的参考和示例;CLAUDIO等[15]研究了航空公司如何在区块链中构建金属增材制造的数字孪生方案。多学科综合结构健康管理作为数字孪生概念的一部分，能够在飞机飞行过程中准确检测飞机的受损情况，从而预测相应物理飞机寿命[19]。TUEGEL等[20]讨论了飞机数字孪生的概念和所面临的挑战，并提出使用数字孪生技术实现对飞机状态监测、结构寿命预测等功能；LI等[21]构建了用于飞机机翼健康诊断和预后的动态贝叶斯网络，借助数字孪生技术，通过飞机机翼疲劳裂纹扩展实例说明了所提的方法实用性；WANG等[22]讨论了用于旋转机械故障诊断的数字孪生参考模型的构建，并提出一种基于参数敏感性分析的模型以增强模型适应性，所构建的模型能实现准确的诊断和自适应降级预测分析。根据统计，GE公司利用数字孪生技术在两年时间内将设备可靠性提高了93%～99.49%，一年时间内减少了40%的无效维护，并将耗费时间减少了75%。同时，通过检测和预防故障避免了110万美元的生产损失。数字孪生技术使得航空发动机的零部件轻量化[1]，同时提升了航空发动机零部件的性能，如Catalyst涡桨航空发动机大修间隔经数字孪生技术改进后为4 000 h，比竞争对手延长了33%。

综上所述，数字孪生技术为飞机的剩余寿命预测、疲劳裂纹扩展、故障诊断等研究提供了理论基础和技术手段，但对民机运行过程数字孪生模型的建模、数据与模型的处理融合、运行过程实时映射缺少整体解决方案。本文主要以民机运行安全为应用背景，针对民机运行过程中的“贫”数据问题，在降低数据采集成本的前提下，探讨基于数字孪生的民机运行安全系统结构模型及其关键技术，为全面表征与认识民机实际运行状态，实现面向潜在风险的主动安全管理提供知识储备。

1 民机运行安全风险因素分析

民机运行与民机飞行不同，民机运行是飞机从使用到退役的整个过程。民机运行安全涵盖民机飞行安全，是通过全寿命周期、全系统的活动保证飞行安全，涉及到民机维护与飞行支持等多种活动。对民机运行安全风险因素进行分析，有利于基于数字孪生的民机运行安全系统构建。目前，国内外关于飞机安全的研究主要涉及数据驱动的航空安全问题[23-25]、民机安全分析与评估模型[26-28]、面向工业互联网的航空大数据平台与应用[29-30]3个领域。随着数据采集技术和人工智能算法的发展，可以获取并存储民机的QAR数据、传感器数据、故障案例、维修记录、航空安全报告等多源数据。民机运行安全风险因素分析有助于识别安全风险来源，评估安全风险指标，挖掘潜在安全风险规律，其研究内容如图1所示。

(1)民机运行安全风险来源包括人为因素、机械因素、运行环境、维修保障。其中：①人为因素包括机组原因、空管原因、机务维修、地面保障。机组人员往往是民机运行不安全事件发生的关键人员，其他人为因素包括操作飞机及相关设备、面对危险飞行环境下人员的反应等。②机械原因造成系统失效/故障/卡阻、航空器起火/冒烟、失压/紧急下降、其他驾驶舱/客舱安全事件、发动机停车等事件的风险较大。③民机运行环境异常造成的冰击、外来物击伤、雷击、部件脱落/损坏/磨损、鸟击、空中颠簸等事件的安全风险较大。④维修能够及时保障民机健康状态、动态调整维修计划，是安全风险管理的组成部分，维修保障管理差错会形成安全隐患，增加安全风险。

(2)民机运行安全风险指标包括故障类型、剩余寿命、健康指数、退化程度。快速地探知和预测故障类型，能够及时有针对性地采取维修措施，降低事故风险，保障民机安全运行。民机系统运行条件复杂、环境恶劣，在长期的运行过程中会逐渐老化，容易导致事故发生；盲目的维修更换易造成资源浪费、维修成本增加，正确及时的维修有利于保证飞机安全运行、提高经济效益。

(3)民机运行安全风险分析具有风险实时动态变化、多源信息耦合特征复杂抽象、影响因素多样等规律。

2 基于数字孪生的民机运行安全系统架构

2.1 基于数字孪生的民机运行安全系统架构

民机运维物理环境、虚拟环境、运维数据、连接以及基于数字孪生的运维服务是数字孪生驱动的民机运行安全的核心要素。基于数字孪生民机运行安全系统体系架构如图2所示。其中：民机运维物理环境主要指民机在运行过程中民机子系统及其关键部件的状态，以及所有运行活动的集合，通过传感器等对数据进行采集和传输；民机虚拟运维环境是对物理环境的实时映射和行为仿真；民机运维数据主要包括历史运行数据、环境数据、维修数据等，负责为民机运行、虚拟运行及仿真平台提供数据支撑。

利用各种设备和装置获得实时运维物理量数据，对各种数据进行预处理，以适应各种应用系统和数据挖掘的信息处理要求。进入“数据管理模块”进行分类和结构化处理，最后进入“数据处理模块”。通过模型不断的迭代优化和数据的驱动与仿真，搭建对应的虚拟民机运维环境，完成物理—虚拟交互映射以及对模型的持续改进、虚实交互、信息实时反馈，实现民机运行仿真、安全预警及运维调整等服务。物理空间中运维的民机、采集到的数据、虚拟运维环境下的民机以及运行状况评估调整等之间信息的相互反馈，有利于保证数字孪生民机运维模型的高保真性。

2.2 基于数字孪生民机运行安全系统特征

结合数字孪生概念及民机安全运行特征，本文提出的基于数字孪生的民机安全运行系统是信息技术和数字化仿真技术驱动的多物理、多学科、动态概率、超写实的仿真系统，该系统集成了先进技术、可视化民机在物理世界中的全要素、全过程行为和状态，对民机运行安全进行实时预警和反馈。其具体特征如下：

(1)虚实相结合 基于数字孪生的民机运行是物理运行民机的数字化体现，实现物理实体与虚拟实体的双向精准映射。

(2)安全预警与安全状态反馈实时性 民机运行数字孪生体贯穿着民机运行的整个生命周期，根据实际运行监测状况对运行安全状态作出预判，对运行过程中多源异构数据不断融合，实现民机实时、动态安全监控，及时反馈其运行安全情况。

(3)民机运行可视化及动态交互性 虚拟仿真平台可以实现民机运行过程中民机的几何、物理、行为及状态的高度可视化，实现民机运行状态和行为的准确、高效及稳健仿真；通过部署在民机机体的传感器收集民机历史运行数据、环境数据等，结合维修数据、专家经验和知识等的动态交互，实现民机运行智能安全分析和决策，延长民机使用寿命。

(4)多物理/多学科性 民机数字孪生不仅需要描述民机部件的几何特性，还需描述其材料的温度、硬度、强度等物理特性，运行过程中空速、过载、姿态、位移、高度等行为特征以及结构部件变形、疲劳、损坏等状态特征。同时，民机运行是一个包含空气力学、飞行力学、结构力学、可靠性与安全性分析的集成多个学科的复杂过程。

(5)先进技术集成性 通过概率统计、有限元分析、大数据分析、机器学习、深度学习等先进技术的集成实现民机的故障检测、故障诊断和寿命预测，减少运行安全不确定因素，对民机运行可靠性及安全性进行评估。

实时监测民机运行维护状态、民机关键部件性能及损伤状态，及时映射到数字孪生民机当中，能保障民机的安全运行，降低维护成本。

3 基于数字孪生民机运行安全系统关键要素建模

3.1 基于数字孪生民机运行安全系统关键要素建模

在民机运行过程中，与民机安全相关的关键要素有民机部件及子系统、民机维修信息、民机运行环境、相关人员等，其民机运行安全数字孪生模型如下：

DToperation={DTsub-system,DTpart,DTenvironment,DTcrew}。

(1)

式中：DToperation为民机运行过程数字孪生模型；DTsub-system为民机子系统数字孪生模型；DTpart为部件维修数字孪生模型;DTenvironment为数字孪生运行环境模型;DTcrew为人员数字孪生模型。

(1)民机子系统数字孪生建模

民机子系统可以在民机运行过程中为民机提供推力,供油、供电、供压，控制民机飞行、提供通信导航等功能，包括推力系统、测控系统、导航系统、通信系统、载荷系统、操作系统等。为使各子系统的孪生模型与物理模型一致，需保证其尺寸、几何、行为及规则刻画与物理实体一致，通过虚实接口获取相应参数数据，以完成运行任务。民机子系统数字孪生模型如下：

DTsub-system={S3D,Sinterface,Sfunction}。

(2)

式中：S3D为民机子系统的3D模型；Sinterface为数据实时交互的接口；Sfunction为相应系统提供的功能作用。

(2)维修孪生建模

民机维修是保证运行安全的主要手段之一，民机结构复杂，维修技术难度大，维修工作环境恶劣。维修效率低不仅会造成民机运行成本增加，还可能导致安全事故的发生。维修孪生模型如下：

DTpart={P3D,Pinterface,Pdata}。

(3)

式中：P3D为关键部件的3D模型；Pinterface为关键部件数据实时交互的接口；Pdata为维修数据，且Pdata={Pload-d,Pdamage-d,Phistorical-d}，Pload-d为民机运行时各部件的载荷数据，可以通过传感器、飞行参数挖掘等方式获取；Pdamage-d为损伤数据，可以通过对民机的在线运行监测、地面加装应测等方式获得；Phistorical-d为部件的历史维修信息，可以从维修报告等文件中获取。

(3)环境孪生建模

在民机运行过程中，极有可能遭遇在如雨雪、雷暴、强风等极端天气下运行，民机安全运行难度增加的情况，对复杂的运行环境进行孪生建模有利于对民机运行环境的实时监控。其模型如下：

DTenvironment={Cweather,CFH/FC,Croute}。

(4)

式中：Cweather为运行时天气情况；CFH/FC为运行民机的每飞行小时的飞行循环；Croute为运行民机的航线，以及在该路线飞行时外界温度、飞行高度、气压等参数。

(4)人员孪生建模

据统计，有75%的航空不安全事件发生与人为因素[31]有着直接或间接的关系。因此，对人员(如机组人员，维修人员等)孪生进行建模是保障民机安全运行的关键要素之一。通过建立人员孪生模型，利用定位和动作接口对人员的行为活动进行监控，获取人员孪生数据，其模型定义如下：

DTcrew={Cinterface,Caction,Cperson}。

(5)

式中：Cinterface为人员的定位和动作数据接口；Caction为人员操作行为。可以通过RFID或图像识别的方法，实现人员在数字空间位置及行为等数据的获取。此外，人员本身的技能sk、经验ex、认知kn、资历qu、当前健康状况he等涉及潜在操作安全问题的信息更重要，将这些要素纳入人员孪生模型，记为Cperson，

Cperson={Cperson-sk,Cperson-ex,Cperson-kn,
Cperson-qu,Cperson-he,Cperson-other}

(6)

3.2 数据采集与获取

在民机运行的各个阶段，通过各个设备获取相关数据以及飞行参数数据，结合仿真，记录飞机在实际运行过程中的数据变化，对民机的运行安全状况进行推断。民机运行生命周期获取的数据可分为维修数据、环境数据和工程数据3类。维修数据包含维护数据、飞行数据记录器(Flight Data Recorder，FDR)数据、状态监控系统(Aircraft Condition Monitoring System，ACMS)数据等；环境数据包括天气、使用飞行小时/飞行循环、飞行路线等;工程数据飞机结构数据、每小时飞行循环、维护实施情况、可靠性数据等，如图3所示。

为实现系统应具备的数据集成、数据处理与分析、可视化运行仿真与民航知识表示等功能，需要对数据进行采集、集成、处理与挖掘，如图4所示。数据集成是指民机运行过程中收集到的相关运行数据，如民机运行姿态数据、飞行高度、气压、温度、各性能状态、维修数据、环境数据等，通过传感器、雷达、音频、飞行计划等方式实时收集，利用数据转换进行数字测量；数据处理和分析是指对民机运行过程中实时数据的采集，对收集到的数据进行数据清洗、聚合、泛化、离散化及特征选择等操作，提取出民机运行数字孪生模型中所需的数据，利用Hadoop、Apache、Spark等数据处理软件，数据仓库、数据流等管理软件对数据进行管理；可视化运行仿真是指通过数据进行民机运行仿真，完成为民机故障检测、运行状态监测及运行安全评估的服务；民航知识表示是指在仿真过程中实时向飞行员或调度员传递故障预警信息、提供飞机实时位置、提供安全性评估报告、维修报告、服务报告等。

3.3 民机运行安全实时映射

数字空间对民机运行进行映射能从多维、多物理场动态实时地观察民机运行情况。数字空间与物理空间交互映射主要分为以下几个部分：

(1)民机部件及子系统 民机部件及子系统健康状态映射是对民机进行安全评估的重要要素之一，伴随着民机的运行周期。

(2)维修系统 通过映射等对民机损伤的结构件及系统及时进行维修，为智能维修提供基础。

(3)人员 实时映射出人员的身份、所在位置、人员对飞机的操作等信息，对人员实现可视化管理。

(4)环境 实时显示民机运行的环境参数信息，及时更新环境参数以了解环境变化情况，根据飞机运行情况采取安全措施。

通过物理空间收集到的数据信息，在数字空间实现民机运行部件及子系统、人员、维修状况等的映射，并在此基础上进行分析，对民机进行智能监控，从而实现民机运行安全预警、智能维修等功能。从多个维度对模型进行初始化，使得数字孪生模型与民机运行实际状态相匹配。在数字空间中实现同步初始化后，利用数据驱动技术对民机部件及子系统、维修系统、人员及环境进行多维度映射，对数字空间的运行数据进行统计和集成分析，包括对运行异常安全预警、运行路线等，进而实现民机智能运行安全。其实时映射逻辑结构如图5所示。

4 基于数字孪生民机运行安全系统关键技术

4.1 民机运行安全性评估技术

民机安全运行的状态为人员和设备没有受到损坏和伤害，对民机运行的安全性评估包括对民机运行安全性评估和维修两部分。数字孪生技术实现了对民机运行安全状态的过程仿真，在仿真过程中对民机运行的安全性评估通过设定的安全阈值来判别，对危险点镜像监控，当达到安全阈值极限时，仿真平台会发出报警提示，具体如图6所示。

设民机在数字空间运行中监测到的任一部件m参数信息为ydm，则有：

(1)若任意参数ydm均在安全阈值T内，满足ya0

T={ya0

(7)

式中l为部件总数。

(2)若任意参数ydm满足ymin

UT1={(ymin(ya1

(8)

式中UT1为接近临界阈值的不安全状态阈值。

(3)若任意参数ydm均在不安全阈值UT2内，满足ydm≤ymin或ydm≥ymax，则民机系统工作状态恶化，运行处于不安全状态，系统发送安全警报信号，应及时停止运行和仿真，立即进行民机维修，记为:

UT2={(ydm≤ymin)∪
(ydm≥ymax),m=1,2,…,l}。

(9)

式中UT2为超限阈值的不安全状态阈值。

对于数字空间中不安全阈值状态下运行的民机，通过维修调整以初始化民机运行状态，而后进行民机运行的多次迭代仿真，直至在各参数信息处于安全阈值内，最终形成运行安全性建议和报告。

4.2 数据与模型融合技术

4.2.1 多源数据融合技术

数字孪生驱动的民机运行安全过程中会产生大量多源异构数据，在保证数据完整性的同时剔除噪声数据，需将各类数据进行转换和融合，如图7所示。通过数据准备将物理运行状态映射在数字空间中，是实现数字孪生驱动的民机运行安全性分析与控制的基础。针对不同类型的民机运行数据采取不同融合方式，如利用深度学习或机器学习等技术处理民机运行中的文本数据，利用零膨胀模型或VAE等方法处理小样本数据。处理后的小样本数据、不平衡数据及文本信息数据形成民机运行的多模态数据，将其融合成能反应民机运行安全性的多维数据，采用关联分析等数据挖掘方式用于民机运行安全的判定。

4.2.2 多模型融合技术

民机运行安全系统的数字孪生模型是物理运行民机的数字表示，在数据驱动算法模型中起着重要作用。数字孪生驱动的民机运行安全系统存在民机运行健康监测模型、环境模型、维修安全性分析模型等多种模型。在模型构建过程中，应同时考虑多域模型，支持多域建模的软件包括CAD、MWorks、SimulationX、ANSYS、Abaqus等；支持多数据分析与处理的模型包括数据驱动模型、深度学习模型、机器学习模型、数据仿真模型等。因此，可以用以上软件及算法模型来构建民机运行对象模型，并将其集成到统一的多域系统模型中。

4.2.3 多源数据与多模型融合技术

不同来源的数据和模型进行自动或半自动融合，能够为民机安全运行自动决策及可信决策提供有效的支持[32]。数据融合为数字孪生民机提供更好的数据集信号质量，物理模型融合及数据模型的融合为数字孪生民机运行安全系统提供更好的模型性能。将数据与物理模型融合构建民机安全运行系统的自适应物理模型；数据与数据模型融合构建出稳健的数据驱动模型；物理模型与数据模型融合能提升民机安全运行的预测水平，将数据、数据模型与物理模型融合有利于对民机运行的可信决策水平。数字孪生民机运行安全系统数据与模型融合技术如图8所示。

4.3 虚实模型一致性评估

4.3.1 虚实模型一致性评估

数字孪生的高保真度是民机运行安全判定的重要基础。为提高民机运行安全评估的准确性，将数字空间映射的仿真结果与实际民机运行状况进行比较以确定数字孪生模型的一致性。多源数据与多域模型通过多次迭代仿真与修正，直至仿真结果与实际结果之间的误差足够小为止，视为模型一致，可以看作高保真的数字孪生模型。一致性评估流程如图9所示。

4.3.2 虚实模型数据同步性

民机运行过程中存在不同设备产生不同的数据，如何保证虚实模型数据的同步性是对数字孪生民机建模的关键依据。因此，解决基于数字孪生的民机运行过程中虚实数据同步性的问题可以综合以下几种方法：

(1)大数据挖掘。通过大数据挖掘的方式将民机运行生命周期中的不安全影响致因有效地挖掘出来，如一些部件或系统在飞机飞行一定飞行小时后会出现性能退化等情况。

(2)数据共享。通过与机场塔台、机场雷达等交通指挥中心的数据共享，实时监测飞行运行状况。

(3)建立统一虚实通讯框架和协议。通过部署在飞机机体上的传感器监测飞机的飞行速度、周围风速、气温、位置等信息，通过建立统一的标准化虚实通讯地址空间和服务，将终端设备回传数据到虚拟模型，保证数据的同步性。

(4)引入交叉验证模块，通过实际数据校验虚拟数据对真实数据的映射效果，采用虚拟数据分析真实数据是否因为环境因素等被污染，在通过迭代渐进式学习，不断提高虚实模型数据的同步性。

5 典型应用

航空发动机是飞机的心脏。从航空发动机研究民机运行安全问题，可以基于数字孪生技术实时监测发动机的健康状况。GE综合发动机的运行生命周期等多方面数据预测航空发动机的性能表现，初步实现了面向发动机运维的数字孪生模型。本文以航空发动机为例，设计符合真实发动机特征的数字发动机，其作用概括为以下几方面：

(1)降低数据采集成本 真实发动机数据采集成本昂贵，在映射数字发动机的情况下，可以通过数字发动机获取丰富的数据，降低数据采集成本。

(2)全面认知故障特征 航空发动机是典型的复杂系统，故障模式存在着关联、传播及竞争失效等多种形式，且具有故障的潜在性，在此基础上通过数字发动机，就可以发挥仿真实验室的作用，为全面认识故障特征，采取针对性的管控措施提供依据。

(3)实现主动安全管控 通过数字发动机，可以根据参数的变化趋势及数据获取优势，更好地发挥系统状态的预测作用，实现主动安全管理和为预知维修提供支持。

如图10所示，构建出多种行为特征的数字发动机，需融合多种模型与多源数据，与物理发动机进行实时的信息交互，时刻保障民机运行安全。该模型融合了物理环境、物理发动机、数字环境、数字发动机、物理空间与数字空间的数据/信息交互映射。采集运行民机发动机的传感器数据、历史维修数据、历史飞行数据等其他数据，结合发动机系统及部件三维物理模型、性能模型，操作人员孪生数据、运行环境孪生数据等，构建出发动机的自适应模型、故障模型、预测模型，同时将发动机的局部线性优化模型与民机运行状态模型相结合构建出发动机控制优化模型。将以上模型进行融合，形成多种行为特征的数字发动机。

数字孪生技术在信息空间构建了发动机实体的高保真模型以及运行环境建模，可以解决发动机运维中性能监测、故障诊断、整机性能与剩余寿命预测、控制性能优化等问题。对发动机性能和故障进行精准监测，结合发动机运行环境及优化控制，实现精准预测发动机的剩余寿命、故障预警和性能退化预测，使发动机在民机运行过程中有更好的安全性能。

6 结束语

本文面向民机智能安全运行需求，为民机运行安全过程数字孪生的实现提供了技术解决方案，实现了基于数字孪生的民机运行全流程、全要素监控。对民机运行安全过程数字孪生关键要素模型及关键技术进行了详细论述。采用数字孪生技术，对民机运行过程进行监测和评估，并及时对运维方案做出调整。物理—数字空间数据的实时交互，为提高虚实模型的一致性、民机运行安全评估的准确性提供支撑，通过及时给出安全预警信号，有效提高了民机运行的可靠性。未来，将进一步研究民机健康管理、智能预测性维修、可视化安全运行技术等，进一步提高民机运行安全性和智能性。