面向航空发动机研制的数字孪生定义研究

刘 超，蔚夺魁，梁春华，潘若痴，黎 旭，孙明霞，桓明姣

（中国航发沈阳发动机研究所，沈阳市 110015）

0 引言

数字孪生（Digital Twin，DT）是21 世纪诞生的新兴技术体系和工作模式[1]，已经成为包括航空发动机等复杂产品研制的重要手段，并发挥越来越大的作用。数字孪生定义，是数字孪生的第一性原理，是认知数字孪生的起点和基础。对其定义进行追本溯源，找出并规范数字孪生的构成要素和本质特性，是保证数字孪生在发动机研制中生存和发展的必要条件，也是从事航空发动机数字孪生理论研究与实践应用的学者都无法回避的问题。

作为新兴的一种技术体系和工作模式，数字孪生的定义也一直向完整和全面的方向动态完善[2-3]。来自官方研究机构、工业界以及包含高校、学会和标准化组织在内的学术界等多个领域，根据自身的业务特点和最终追求目的，对数字孪生定义进行了分析和解读，构建了符合自身业务发展的数字孪生定义、技术框架和技术体系。但截至目前，在航空产品研制领域，还没有清晰描述面向航空发动机的“数字孪生”标准定义。

本文对多个领域的典型定义进行研究，剖析其中描述的数字孪生的目的、要素以及应用特点等内容。分析归纳数字孪生定义的核心要素，总结给出面向复杂产品的数字孪生定义模型并对其进行解读。在此基础上具体化和特色化，构建面向航空发动机研制的数字孪生定义及内涵，以期规范技术语言和统一认识，为后续开展技术路线规划、关键技术攻关等工作提供定义基础。

1 数字孪生的发展

数字孪生是建模与仿真技术的高度升华，充分利用模型、数据，智能集成多学科技术，非常适合复杂系统研制[4]。

“孪生体/双胞胎”在工程实践中的应用，最早可追溯到美国国家航空航天局（NASA）于20 世纪60 年代实施的阿波罗项目。在该项目中，NASA 需要制造2 个完全相同的空间飞行器，留在地球上的飞行器称为孪生体，用来反映（或作镜像）正在执行任务的空间飞行器的状态/状况。

数字孪生萌芽于2002 年密歇根大学Michael Grieves在产品全生命周期管理课程上提出的“与物理产品等价的虚拟数字化表达”[5-6]，最早出现在2010 年NASA在《建模、仿真、信息技术和处理》[7]和《材料、结构、机械系统和制造》[8]的技术路线图中。此后，美国官方研究机构、大型制造及工业软件企业、高校以及学会和国际标准组织等，逐渐对数字孪生进行了广泛的理论和应用研究，结合自己的实际工作提出对数字孪生定义的理解。数字孪生定义发展历程如图1 所示。

图1 数字孪生定义发展历程

目前，面向复杂产品研制的数字孪生研究还处于百花齐放的状态，不同行业的研究者站在不同角度，面向不同目的，对数字孪生定义和内涵的认识也有所差别[9]。高校、学会、标准化组织也通过各类形式的数字孪生定义文献，为数字孪生定义向各维度发展提出了多方向的思考。官方机构力图通过数字孪生完善国家复杂装备研制的技术体系，牵引企业进行数字化建设。不同企业在其数字孪生技术实践过程中结合应用经验并对技术内容、目的等内涵进行总结，提出数字孪生定义。

1.1 学术界

数字孪生定义最早诞生于美国密歇根大学，并得到国内外一些学术机构的深入研究，也被很多企业和单位所应用[10]。

2011 年，美国密歇根大学Michael Grieves 在《几乎完美：通过产品全生命周期管理驱动创新和精益产品》中正式提出数字孪生的定义：数字孪生是1 组虚拟信息结构，可从微观原子级别到宏观几何级别全面地描述现有或将有的物理制成品[11]；2018 年，中国北京航空航天大学的陶飞团队提出，数字孪生是以数字化方式创建物理实体的虚拟模型，借助数据模拟物理实体在现实环境中的行为，通过虚实交互反馈、数据融合分析、决策迭代优化等手段，为物理实体增加或扩展新的能力[12]；2019 年，美国宾夕法尼亚大学的Mukherjee 等[13]提出了数字孪生是以机器学习、数据分析为基础，包含控制系统组成的机械模型，可以提高产品质量，缩短研制时间；2019 年，美国佛罗伦萨大学的Barricelli 等[18]通过系统的文献回顾和文献检索，针对数字孪生的定义、特征和应用领域进行研究，将数字孪生定义为：（实体及/或虚拟）机器或基于计算机的模型，其模拟、仿真、镜像或“孪生”物理实体的生命，所述物理实体可为对象、过程、人或与人相关的特征；2020年，德国多特蒙德工业大学的Hendrik等[15]通过对233 篇论文进行研究，对数字孪生的核心特征和属性进行分类，并应用分类学分配数字孪生的现有定义：典型的数字孪生是物理系统的相同模型，由双向数据连接组成，数字孪生自动从多个数据源获取数据并不断更新，处理原始数据和预处理数据；数字孪生通常是在其物理系统存在之后设计的，也建议物理系统存在之前设计数字孪生；2020 年，美国航空航天学会和美国航空航天工业协会发布《数字孪生：定义与价值》报告，经对相关文献的广泛、全面的审阅后，提出数字孪生的定义。数字孪生是1 套模拟单个/唯一的实物资产或1 组实物资产的结构、环境和行为的虚拟信息架构，利用其全寿命周期内的物理孪生数据来进行动态更新，并给出有助于实现价值的决策[16]；2021 年，国际标准化组织（ISO）基于数字孪生的基本内容，对数字孪生定义进行了提炼总结：数字孪生是实现事物（或过程）具有特定目的的数字化表达，并通过适当频率的同步使物理实例与数字实例之间趋向一致[17]。2021 年，俄罗斯联邦国家标准（ГОСТ Р）也在产品数字孪生总则中提出了数字孪生的定义：产品数字孪生是由产品数字模型和与产品（有产品时）和（或）其构成部分的双向信息链组成的系统[18]。

1.2 官方研究机构

由于认识到数字孪生的巨大驱动作用，美国政府强力推进数字孪生理念，特别是着手规划其在工业界实践应用。

2010 年，NASA 在《建模、仿真、信息技术和处理》[7]和《材料、结构、机械系统和制造》[8]2 处技术路线图中直接使用了“数字孪生”这一名称；2011 年，美国空军研究实验室构想了30 年长期愿景，首次提出了“机体数字孪生”的概念，以飞机实体为对象，为“数字孪生”赋予了真实性、集成性以及可计算性等特征[19-20]；2012年，美国空军和NASA合作进行数字孪生探索实践，并进行了如下定义：数字孪生体是1 个集成了多物理场、多尺度和概率仿真的数字飞行器（或系统），它可以通过逼真物理模型、实时传感器和服役历史来反映真实飞行器的实际状况[21]；2015 年，为推进数字化转型，完成以模型和数据为核心谋事做事的范式转移，美国国防部成立数字工程工作组，并公布了以数字系统模型、数字线索和数字孪生为核心纽带的数字工程生态系统初步设想[22-23]；2018 年，美国国防部正式对外发布《数字工程战略》[24]。在对数字工程的解读中，数字孪生有如下描述：数字孪生侧重于对物理模型的动态、高保真数字化表达，利用传感器信息不断更新数字模型，实现对物理系统性能、损伤和寿命等的预测，主要覆盖生命周期的后半段[25]。

1.3 工业界

鉴于数字孪生技术能在工业研制中产生巨大作用，GE、西门子等大型企业均以自身业务需求为出发点，展开数字孪生技术的探索应用，力图提高产品的技术水平和研制效率，减小技术风险，实现自身和用户各方面效益的最大化。GE公司通过数字孪生提高决策的合理性，2017 年，其对数字孪生进行定义：数字孪生是一种基于物理方法和先进分析法的有组织的集合，通过数据预测动力装置的性能，评估不同的方案，理解折衷方案并提高效率[26]；西门子等工业软件公司，在和大量装备研制企业合作过程中，逐渐集成了各企业的数字孪生应用理念；2018 年，西门子对数字孪生的定义进行了概括：数字孪生通常被称为物理资产的虚拟副本，可以是产品、机器、流程，包含与管理其真实的、计划的或已经实现的、以仿真为核心技术的对应物相关的、整个生命周期内的所有信息、数据以及描述性和可执行模型[27]；Emerson 集团在其2021 年的产品白皮书中提到，通过数字孪生，降低工厂运营成本和控制工厂运营风险，并支持劳动力技能提高。Emerson 集团将数字孪生定义为：实体工厂资产（过程设备、仪器仪表和控制等）和在其发生的过程的表现，为资本项目执行和控制系统现代化，以及工厂生命周期运行性能提供价值[28]。

2 面向复杂产品的数字孪生分析

2022 年，孙明霞等采用文献统计研究与内容聚类研究的方法，对64 个典型数字孪生定义进行了归纳研究：采用先进的数据技术、网络技术和综合技术对物理实体进行多学科、多物理场、多尺度、多概率、高保真度的仿真，并建立物理实体与虚拟实体的数据映射与镜像，通过虚拟实体反映物理实体全生命周期过程，以此来支撑决策、提高效能[29]。

在此研究[29]基础上，对上述典型定义进行深入分析和研究发现，无论技术手段如何发展，数字孪生几乎都在强调4 项基本内容：物理实体、孪生模型、物理实体和虚拟模型的数据以及二者之间的交互。主要作用都集中体现在2 方面：一方面物理实体的改变能动态可视化地反映在孪生模型上，保证模型能够进行更精准的计算；另一方面，孪生模型通过感知得到的数据、产品状态以及历史数据、经验公式等对物理实体进行分析，实时优化对物理实体的控制，将数字孪生的技术成果宏观体现在物理世界中。

复杂产品研制过程中，面临着层次结构愈发复杂、运行环境不确定性越来越大的物理实体，研究者们在孪生模型上提出了多物理、多尺度、概率性、集成性等特征，对数字孪生的数据加以更详细的描述，包含了物理实体上采集的信息和孪生模型计算生成的信息[30]，以更好的实现孪生模型对物理实体的表达和反馈；同时，研究者提出了物理实体对孪生模型的更新，如通过高效传感器得到的物理实体信息为基础建立高保真孪生模型并不断完善[31]；以及孪生模型对物理实体的优化，如以物联网、机器学习等先进信息技术结合实时数据与历史数据进行的数据分析、预测，用以优化物理实体等[32-33]。因而，将文献[29]形成的数字孪生定义模型特色化为面向复杂产品研制的定义模型，如图2 所示。

图2 数字孪生定义的归纳

2.1 物理实体是研究主体

数字孪生来源于物理实体，服务于物理实体，数字孪生的最终作用和效果都将在物理实体上得以体现。即，物理实体是数字孪生的应用载体，是特定物理世界下的研究主体。

一般而言，面向复杂产品研制的数字孪生的物理实体在层级上、研制过程上、生产和运维上十分复杂，具备以下特点：

（1）内部构成：复杂产品的组件数量庞大，且其内部组件与组件之间存在逻辑上和功能上的交互，不同组件运行过程中涉及学科大量耦合；

（2）生命周期：在复杂产品研制的全生命周期，产品状态随时间变化，针对不同研制阶段和研制领域，体现不同特点，需要数字孪生实现不同功能；

（3）外部环境：复杂产品的物理实体不仅包括最终的产品，也包括产品形成过程中涉及的资源、设备以及环境因素等。

这种物理实体的设计、制造、运维等各个阶段，难度大、周期长、成本高，面临大量不确定因素。需要通过数字孪生的分析计算，实现对物理实体的优化。

2.2 孪生模型是核心技术或手段

为发挥数字孪生的作用，需要通过孪生模型对数据进行处理、对信息进行分析，进而实现面向物理实体的目标操作，因而孪生模型是数字孪生技术的核心手段。孪生模型由最初的理论设计模型不断加入实体信息、数据算法不断发展而来，是物理实体在虚拟空间中的集成模型，也是产品全生命周期的真实数字化档案。

孪生模型作为1 个反映真实物理世界的虚拟映射，其构建十分复杂，需要对物理世界有充分的认知并能对数据进行完整的解读，为此要求其具有以下核心特性：

（1）数字表达与仿真能力：具备对物理实体全面、综合的描述能力，对系统内各单元进行多物理域、多尺度、多学科集成建模，各单元间相互独立又相互耦合，可以根据需要对物理实体下一步状态进行仿真；

（2）概率与智能分析能力：基于数据统计分析、机器学习等先进信息化手段，对故障、失效、不确定性、风险等的概率分析与仿真[34]，智能化的得出处理意见；

（3）虚拟与增强现实能力：在准确反映内容、性质等各方面的物理实体真实状态的同时，依据需要叠加表达更多的数据信息、计算信息，使虚拟与现实的交互更加深入。

2.3 孪生数据是交互媒介

对于1 个大型复杂系统，其本身就可看作是海量数据的组合。物理实体的数据作为输入，参与孪生模型的构建、更新和计算；孪生模型产生的数据，反映在物理实体上，实现物理实体的优化功能，孪生数据是物理实体和孪生模型间的交互媒介。

孪生数据涉及产品全生命周期，数字孪生中数据应用的本质是实现单一数据源在全生命周期各阶段的信息贯通、是一种全价值链的协同[35]。通过孪生数据，物理实体和孪生模型不断发展，共同成长；同时，也可借鉴历史数据、仿真数据、真实运行数据进行算法的优化和数字孪生能力的提升，更好的优化物理实体。

2.4 动态交互是推动手段

孪生模型镜像物理系统的生命历程，其包含的不同要素，在产品全生命周期内，实现动态的互联互通。数字孪生的数据交互是双向的，一方面物理实体的改变能动态可视化地反映在数字孪生虚拟模型上；另一方面，通过孪生模型进行仿真分析进而产生的分析决策能够在物理实体上得到体现。高实时性的动态交互推动物理实体和孪生模型的信息在相互映射中不断变化，保持更新。

通过不同精度、不同抗干扰能力的传感器，实现物理实体上面向不同功能的真实数据的实时或延时采集；利用交互媒介推动孪生模型和物理实体的数据互联，仿真数据和运行数据交互验证与优化，保证孪生模型与物理实体动态交互与演化，实现虚实共生。

3 面向航空发动机研制的数字孪生

航空发动机，是在高温、高压、高转速和交变负荷等恶劣条件下包含数以万计的零件、组件、系统的复杂热力机械产品，涉及气动、燃烧、控制、传动、结构、材料、工艺等大量学科，包括设计、试验、制造、保障等多个阶段，是典型的超复杂产品[36]。其研制呈现设计-试验验证-制造-优化设计的反复；内部多学科、多专业深度耦合；各部件间、主机与控制/润滑等系统间的交联也是特别复杂等特点，导致周期长，成本高、风险大[37]。可以说，航空发动机研制的数字孪生定义，就是具象化的面向复杂产品的数字孪生定义。

数字孪生在发动机研制全生命周期所有阶段均有所开发和应用，并在每个阶段发生变化。数字孪生的内容和功能取决于生命周期的内容。实体发动机的形成过程，是孪生模型不断成长的过程，也是数字孪生不断应用的过程。以设计域构建的产品孪生模型为唯一数据源，不断加入不同业务域的相关信息，反映发动机研制的全生命周期。通过物理空间中发动机的各项数据的测量、积累和反馈，精准孪生模型的参数，更新孪生模型的算法，提供数据分析基础；通过孪生模型的仿真、计算和数据应用，优化设计、制造、运行中的各项决策与控制，预测、分析产品状态。可以说，航空发动机数字孪生最终目标作用在发动机实体、发动机研制的物理空间予以宏观体现，即提高发动机产品质量，降低研制成本，保障发动机运行状态。航空发动机数字孪生定义模型如图3 所示。

图3 航空发动机数字孪生定义模型

3.1 数字孪生的应用目的

在航空发动机研制中，完整发动机物理实体在运维领域进行应用，数字孪生的主要目的是面向运维领域。通过与实体发动机一一对应的孪生模型和实体发动机的交互，反映实体发动机状态，优化实体发动机操作，保障实体发动机运行，继而通过大量发动机孪生模型实现对整个机队的发动机的主动维护，即发动机交付后才是数字孪生发挥作用的开始。以基于数字孪生的主动运维为牵引，需要设计域通过建模、仿真等技术手段为最终完整的发动机孪生模型建设初始模型，制造域为孪生模型赋予实体物理参数信息、构型信息以及制造过程信息等。因此，不同业务域的数字孪生发展目标不同，具体如下：

（1）设计域。以发动机产品设计域的主要工作内容（设计、试制试装以及运行/维护）为目标图像，针对不同设计过程的使用需求（包括性能/功能反馈、配置管理、监控、评估与维修、预测、增强现实），针对性的开展技术研究，应用于孪生模型建设（包括发动机全层级的结构模型、表征其应用环境和特性的模型，以及所需的支撑参数），形成发动机产品全生命周期唯一且权威的数字表达，支撑后续孪生模型的形成以及面向制造、运维域一系列功能的实施。

（2）制造域。通过实时数据监测数据，自动识别、分析制造、装配参数，数据快速与孪生模型集成，实现初始孪生模型与物理实体的快速映射，支撑后续实体发动机完整孪生模型的建立；同时，实现加工过程的数字化与实时虚拟可视化，通过在线监测技术实现加工品质的在机快速评定，实现每个试件的高性能制造、高效率生产。

（3）运维域。结合发动机全生命周期的各项数据，形成与实体发动机一一对应的发动机孪生模型，搭建发动机运行保障系统，利用布置于发动机表面和内部传感器，获取结构状态与载荷变化、环境参数等信息，判读发动机系统当前状态及损伤；基于机器学习、大数据等方法驱动模型动态更新，以实现对关注状态和特征的预测，结合运行环境信息优化发动机控制，适时调整维护策略避免不必要的检测和换件，提高发动机的运行寿命，降低运行成本。

在发动机研制过程中，实体发动机和孪生模型在不断交互过程中共同发展、建设，包含的数据也按不同维度不断积累、传递。因此，发动机研制中的数字孪生，最重要的组成部分即发动机实体、发动机孪生模型、设计/制造/运维数据及动态交互。

3.2 发动机实体

发动机实体是数字孪生的实现载体和实现对象，航空发动机实体包含不同研制域面向的发动机产品，如试验件、部件、整机等；同时，还包括相关的设备、资源，发动机使用的环境因素以及发动机研制过程中的相关信息等。

在设计域，方案论证时，尚未产生所对应的发动机实物。在试制第1个零件、第1台发动机后，发动机实体主要为将要进行试制、试验的发动机，其生产、装配过程中的相应设备，发动机试验所需的试验环境、设施、资源等。

在制造域，面向发动机大量生产的过程，实体的范围也扩展到车间、厂房、生产线、生产设备、检测设备、生产资源、仓储设备等，制造域最终产生的、也是最重要的实体是实际生产出的批量发动机，最终将配装在飞机等装备上。

在运维域，发动机实体主要为在役的发动机，以及其运行时所面临的各类环境，同时，大量发动机实体也会装配在飞机机队中，不同发动机实体间的差异映射在对应的发动机孪生模型上，大量飞行参数、维修数据的收集、统计也成为更进一步进行数字孪生的基础。

3.3 发动机孪生模型

发动机孪生模型从宏观及微观尺度对发动机实体进行动态的数学近似模拟与刻画，同时包含设计、制造、运维领域与发动机实体相关的其他设备、装备及环境信息，模拟航空发动机的性能、应力、变形、疲劳等特性对外界因素的响应。发动机研制不同领域孪生模型的构建、关联、归纳、转换、演化、协同、融合，是实现数字孪生功能的核心。

在设计域，针对航空发动机应用场景需求、采办方案等，将总体方案、经济性分析等核心论证要素模型化，形成的发动机方案模型是后续各类功能孪生模型的基础和开端。伴随单台发动机的试制、装配，利用实际制造、装配参数，形成整机实体模型，后续试验过程中，结合试验环境、试验设备参数等数据，构建试验模型，优化试验过程，预测、分析试验结果。

在制造域，结合生产资源模型、生产车间模型，通过批量生产过程的数据交互，将设计域形成的发动机整机模型演化成生产优化模型；实现过对生产过程的优化控制，检测发动机产品的各项关键参数，形成批量产品的实体模型，为后续运维构建基础。

在运维域，以设计域构建的数字孪生初始模型为基础，结合制造域、运维域等实体模型数据，以及对飞行数据、历史维修报告等各类历史数据的数据挖掘，以飞机模型、运行环境模型的相关数据为输入，结合故障模型、性能预测模型、自适应模型等各类服务的代理模型，服务、优化发动机运行。

3.4 设计/制造/运维数据

发动机研制过程中的孪生数据包括规格、功能、性能、关系等的物理要素属性数据与实时性能、环境参数、整机振动等的动态过程数据[38]，以及几何模型相关数据，材料属性、载荷、特征等孪生体属性相关数据，温度、风速、环境变化、运行机制等孪生体行为相关数据。

通过数据的转换、预处理、分类、关联、集成等相关处理，支撑数字孪生的运行，实现发动机研制有关的数据完整、一致、准确、有序地存储；完成孪生模型和发动机实体从产品需求、设计、试验、制造到服务运营的端到端的数据互联互通及共享，满足设计、制造、运维等业务域对数据的消费需求。

3.5 发动机实体与孪生模型的交互

发动机研制的全生命周期均存在各项模型、数据间的交互行为，在数字孪生虚拟交互过程中，由实向虚的映射是建模，包括通过从物理空间提取数据用于虚拟空间的建模，以及持续的模型完善；而由虚向实的映射是通过模型仿真，在对物理空间的精准描述，同时，通过采集物理空间的实时数据反馈到孪生模型，在此基础上诊断可能出现的状况，进而预测未来的发展趋势，支撑对真实发动机的运行决策。

综上所述，航空发动机研制中数字孪生内容如下：以数字化方式创建面向发动机不同领域、不同视角的孪生模型，通过虚实间信息动态交互、数据融合分析等手段，建立发动机孪生模型与实体发动机全寿命周期的工作状态镜像，模拟发动机在现实环境中的功能、性能和演变趋势，实现对发动机的优化决策。

4 总结

（1）发动机研制中的数字孪生定义主要包含发动机实体、发动机孪生模型、设计/制造/运维数据以及实体与模型的交互4 方面。数字孪生主要服务于发动机运维，即发动机生产交付后。通过数字孪生保障实体发动机的运行状态与维护效能，继而实现对整个机队的发动机的主动维护，以此牵引孪生模型的构建，在线数据和历史数据的应用以及交互映射的实现。

（2）随着信息化算法及软硬件水平的不断发展，数字孪生将在建模仿真、数据运用、智能决策等方面逐步成熟，更大程度上赋能航空发动机研制。后续，需要以本文提出的数字孪生定义为基础，分析GE、RR 等航空企业数字孪生的应用特点，搭建发动机研制中数字孪生的技术框架，持续推动航空发动机研制中数字孪生研究路线规划、关键技术攻关等相关工作。