数字孪生飞行器机体数字孪生的概念及其中的结构健康管理元素.docx

数字孪生飞行器机体数字孪生的概念及其中的结构健康管理元素 摘要：数字孪生一词起源于美国国防部对飞行器机体数字孪生的研究，目前已经成为全球制造业的前沿热点领域。解析了数字孪生的概念及其中的结构健康管理元素，提出了包含生命周期维、仿真精度维、智能程度维的数字孪生成熟度模型;梳理了面向结构健康管理的数字孪生关键技术，特别是4项关键的数字工程技术能力，包括多尺度建模、多物理特性建模、模型与实验的集成和概率性/不确定性分析;分析了数字孪生支撑的结构完整性预测的功能流程，总结了美国空军研究实验室和国家航空航天局支持的研究，探索了基于数字孪生的生命周期管理范式。随着更高价值飞行器的不断研发和使用，以及实验的深入、机理的突破、数据的积累和算力的提升，集成了数字孪生功能的自知晓飞行器将会成为一个趋势。 当前，各国军方和民航企业对于价格昂贵的飞行器的维修保障方式，绝大部分仍然是定期检修———在作战飞机或客机完成一定时间的飞行小时或在一个固定的周期性间隔之后进行，这与汽车保养并无不同。然而，这样的方式一方面可能造成过度检修，让飞行器的维修保障成本居高不下;另一方面可能造成失效隐患，导致更严重的机毁人亡事故。美军运营着世界上最庞大的飞行器机队，拆解结构状态良好战机带来的高昂的维修保障成本，以及因结构完整性问题导致的低下的装备完好性一直困扰着美军。随着建模仿真、物联网和大数据技术的发展，美军为了实现增强型视情维修(CBM+)，一方面开发了结构健康监测(SHM)和预测与健康管理(PHM)技术，推动数据驱动的决策;另一方面不断建立、完善各类机理模型，找寻裂纹产生的原因和方式，希望在数字空间消灭一切问题，推动模型贯穿的决策。2018年，美国国防部发布《数字工程战略》“数字孪生”一词起源于美国国防高级研究计划局(DARPA)、空军研究实验室(AFRL)以及国家航空航天局(NASA)对于飞行器机体结构完整性预测与生命周期管理的研究工作2009年，AFRL启动了飞行器“机体数字孪生”(ADT)研究工业界方面，GE通过其工业互联网平台通过数字孪生，可基于单个飞行器的使用记录，预测结构组件何时到达寿命期限，调整结构检查、修改、大修和替换的时间。NASA预计到2035年目前，数字孪生得到了国内外各界的广泛重视，概念内涵愈发丰富，应用场景也极大扩展，但是，也存在着概念繁多的问题和片面强调资产互联和数据分析而忽视建模仿真的应用倾向，这对于依赖基于机理模型和工业知识实现精准的结构健康管理而言，显然是不合适的。本文将回归概念本源，分析面向结构健康管理的数字孪生以及基于数字孪生的飞行器结构健康管理，探讨其在数字工程领域的关键技术，以及未来基于数字孪生的飞行器生命周期管理范式。1 数字孪生概念中的结构健康管理元素美国国防部对于数字孪生的定义就来源于NASA和AFRL针对飞行器结构健康管理的ADT研究。构建ADT，气动模型、有限元模型、损伤增长模型等是最佳的可用模型，飞行数据、材料性能状态等是实时的传感器信息，特定已建造装备的尺寸、检查与维修数据是历史的输入数据。ADT基于不断演进的物理特性模型，能够进行不同尺度下的结构分析仿真，一方面可以再现和跟踪特定装备的飞行条件与结构响应，另一方面还可以预测未来使用环境中的损伤涌现，输出一个基于概率的计算结果。美国空军一直在推动CBM+计划数字孪生对于结构健康管理有3个意义:(1)加深理解。通过将影响应力集中的制造尺寸差异、影响裂纹扩展的飞行数据和消除失效隐患的维修信息融合到每架飞行器的模型中，更好地掌握单机的历史和当前状态。(2)加强预测。在个性化的制造瑕疵、性能缺陷、运行历史之下，通过高逼真度的物理特性模型，分析单机独特的外形特征、结构特性、使用性能约束，从而预知通过传统几何模型无法预测的飞行器在不同飞行条件和环境中的表现。(3)深度优化。数字孪生以数字化形式记录了每一架飞行器的制造瑕疵、结构损伤、维护修理等历史，可以通过群体学习更好地掌握问题所在，从而更深层次地改进结构设计。而且，增强预测性维护功能本身就可以让数字孪生更好地优化机群的运行，减少昂贵的停飞时间。2 面向结构健康管理的数字孪生2.1 3个维度的数字孪生成熟度模型当前数字孪生存在着概念混乱的问题，很多应用实际上将传统的CAX模型简单等同于数字孪生。数字孪生伴随装备的生命周期，面向不同的应用可以利用不同逼真度的模型，而且应用的自动化和智能化程度也有区别，不适宜统统称作数字孪生。智能系统技术公司按复杂度将数字孪生分为了4个成熟度等级(1)生命周期维。考虑装备全寿命周期数字孪生的演进。一级:设计级，在装备设计过程中，理想的模型中没有融入真实世界中特定装备的任何数据，主要是来理解和降低结构失效风险，以辅助设计决策。二