陸軍合成旅典型裝備保障系統數字孿生模型 *

王帥 ，王亞彬 ，王金幗 ，王茁 ，趙建民

（1. 陸軍工程大學 石家莊校區，河北 石家莊 050003；2. 河北省機械裝備狀態監測與評估重點實驗室，河北 石家莊 050003）

0 引言

陸軍合成旅是新體制下陸軍調整組建的新型作戰力量，其相關問題研究是陸軍當前研究的熱點和亟須解決的問題［1］。良好的裝備保障是保持和恢復裝備戰斗力的重要保證，一個效率高、響應快的裝備保障系統能夠有效提升軍事裝備的利用水平和利用程度，從而提升裝備的軍事效益，促進部隊戰斗力的生成。

然而，陸軍合成旅自身高度合成的特點，在其裝備上表現出種類型號多、任務樣式多、部署點位多的特點，裝備使用環境復雜多變，不同裝備面臨不同的任務情況，有著不同的保障要求。陸軍合成旅裝備保障工作面臨諸多新的問題與挑戰［2］，傳統保障模式已不能適應新的保障需求［3］，突出表現為信息利用水平不高、主動預警能力不強、器材需求測算不準等問題［4］。新的形勢特點對裝備保障“精確化”的要求愈加強烈。

精確保障，是指運用現代信息技術等高科技手段，組織對部隊實施適時、適地、適量、適用的作戰、后勤與裝備保障。為提高裝備保障精確程度，故障預測與健康管理（prognostic and health management，PHM）近年被引入裝備使用與維修管理中，它利用各種傳感器數據以及數據處理方法對裝備健康狀況進行評估，預測裝備故障及剩余壽命，從而將傳統的事后維修轉變為事前維修［5］。然而，現有的PHM 主要是基于歷史數據的靜態對比和裝備實體的特征數據分析，雖然能較好地捕捉和發現故障現象，但無法基于數據及時自主修正模型，也無法依據裝備個性化特點進行較為準確的預測和評估［6］。另外，隨著傳感器技術與物聯網技術的發展，以及復雜裝備運行環境的動態變化，裝備的監測程度越來越細致，同時帶來了數據量倍增、高速、多源異構、易變等典型大數據特點。然而現有的PHM 相關體系及關鍵技術還普遍存在預測精確較低、數據不夠全面、虛實交互不充分等問題，難以滿足復雜裝備在動態多變運行環境下實時狀態評估、精確故障預測的需求。數字孿生技術的出現與發展，為解決當前裝備保障面臨的問題、實現裝備“精確保障”提供了一種有效方法。

數字孿生（digital twin）是以數字化的方式建立物理實體的多維、多時空尺度、多學科、多物理量的動態虛擬模型來仿真和刻畫物理實體在真實環境中的屬性、行為、規則等，并提供反饋［7-8］。

數字孿生技術以傳感器技術、大數據技術等大量先進技術為基礎，實現自動測量、自動記錄、主動上傳、主動分析、主動預警、輔助決策等功能，數據一致性高、可靠性好，可以大大提高裝備維修保障的主動性、準確性。

利用數字孿生技術，建立裝備保障系統數字孿生模型，可以精準全面地掌握裝備的現時狀態、歷史狀態，得到高保真的裝備仿真模型，基于裝備狀態研究保障需求，優化裝備保障模式，在裝備即將發生故障時進行維修，充分發揮裝備性能，減少維修器材庫存和維修等待時間，提高裝備保障效益［9］。

研究陸軍合成旅典型裝備保障系統數字孿生模型，利用數字孿生模型解決陸軍合成旅典型裝備保障問題，對提升陸軍合成旅裝備保障能力、實現裝備“精確保障”，具有重要意義。

1 研究對象分析

1.1 基本概念

裝備保障，是指為使裝備保持、恢復規定的技術狀態或改善裝備性能，進行的裝備調配、維修等方面的保障活動。本文特指裝備維修保障活動。

陸軍合成旅典型裝備保障系統，是指為使陸軍合成旅典型裝備保持、恢復規定的技術狀態或改善裝備性能，進行維護和修理活動所涉及的典型裝備及保障要素構成的系統。

陸軍合成旅典型裝備保障系統數字孿生模型，是指利用信息技術構建的物理裝備保障系統與虛擬裝備保障系統的雙向真實映射和準實時交互模型，它將數字孿生技術與陸軍合成旅典型裝備保障系統中的關鍵環節、關鍵過程、關鍵對象緊密結合，基于模型與數據對物理空間的典型裝備保障系統進行實時的模擬、監測、反映，并借助算法、管理方法、專家知識、軟件等對保障系統及各要素進行分析、評估、預測、管理、優化，輔助裝備保障工作［10-11］。

1.2 系統分析

陸軍合成旅典型裝備保障系統主要包括陸軍合成旅典型裝備系統和陸軍合成旅維修保障系統2個部分。其中，維修保障系統作用的對象是裝備系統，裝備系統的健康狀態對保障系統產生直接影響。裝備系統的狀態改變引起保障系統的各項活動，保障系統的活動恢復裝備系統的狀態。2 個系統相互影響、聯系緊密。

1.2.1 陸軍合成旅典型裝備系統

陸軍合成旅典型裝備系統，是指陸軍合成旅中主要編配的、對戰斗力生成較為重要的各類裝備組成的系統。

（1） 系統組成

陸軍合成旅典型裝備一般包括坦克、步戰車、自行火炮、防空導彈等多類裝備，每種裝備具有多個型號，具有裝備類型多、型號多、數量多等顯著特征，如圖1 所示。

圖1 陸軍合成旅裝備系統Fig. 1 Equipment system of army synthetic brigade

以某型自行火炮作為典型裝備進行分析，其組成可以分為火力系統、火控系統、底盤系統等多個裝備子系統。各裝備子系統是由多個可更換單元構成的，有串聯系統、并聯系統、混聯系統、表決系統等多種結構，如圖2 所示。

圖2 某型自行火炮裝備系統Fig. 2 A self-propelled artillery equipment system

裝備的全壽命周期包含設計、生產、使用、退役等諸多環節，裝備在陸軍合成旅主要處于使用階段。因此，對陸軍合成旅典型裝備進行研究，主要進行裝備使用階段各類問題的研究。本文主要對陸軍合成旅典型裝備使用階段故障情況與維護修理情況進行研究。

（2） 裝備維修需求判斷

裝備的狀態變化，產生裝備維修需求。裝備維修需求，依據裝備故障單元對裝備運行的重要性進行判斷。

裝備可更換單元根據其故障對裝備運行的影響，可以分為3 個等級：

重要單元，指故障直接影響裝備運行的單元。應重點加強其健康狀態監測，在其即將故障之時利用預定停機時間維修，盡量避免其意外故障。

一般單元，指短期故障不影響裝備運行，但不能長期帶故障運行的單元。應對其健康狀態進行監測，在發現其即將故障或已經故障后的停機時間，及時進行維修。

次要單元，指故障對裝備運行影響較小的單元或具有冗余備份的單元。在其故障后，視備件等維修條件，在裝備下次維修時進行修理。

裝備維修需求判斷情況如圖3 所示。其中，停機修復性維修、擇機修復性維修、擇機預防性維修可以判斷為裝備需要維修，隨下次維修修理可以判斷為裝備暫不需要維修。

圖3 裝備維修需求判斷Fig. 3 Equipment maintenance demand judgment

通過數字孿生模型的運用，加強對裝備狀態的動態監測，加強故障預測和需求分析，提前做好維修準備，可以使擇機維修的成為大多數，停機維修的成為較少數，加強裝備保障的主動性，如圖4所示。

圖4 各類維修需求比例示意圖Fig. 4 Schematic diagram of proportion of various maintenance requirements

1.2.2 陸軍合成旅維修保障系統

陸軍合成旅維修保障系統，是指陸軍合成旅內部進行裝備維修保障活動涉及的各類保障要素組成的集合。

（1） 系統組成

陸軍合成旅維修保障系統主要包括保障機構、人員、設備、器材，以及維修保障信息系統等。其中，保障機構主要包括保障機關、保障分隊、器材倉庫，人員主要包括裝備使用人員和裝備維修人員，設備主要包括用于裝備維修保障的機具、儀器、儀表等，器材主要包括備件、附品、機工具、裝具、材料、油液等。如圖5 所示。

圖5 陸軍合成旅維修保障系統Fig. 5 Maintenance support system of army synthetic brigade

（2） 系統運行

陸軍合成旅維修保障系統，主要完成陸軍合成旅所屬裝備維修保障任務，包括運行分析、狀態評估、故障預測、裝備維修、器材籌備等。

以裝備維修為例對系統運行流程進行說明。新體制下，陸軍裝備維修保障實行基地級和部隊級兩級維修體制。其中，陸軍合成旅裝備維修保障系統屬于部隊級維修系統，對維修能力范圍內的故障裝備，依據裝備故障類型和維修復雜程度，主要采用原件修復和換件修理的方式進行維修。對超出維修能力的裝備故障，一般報請上級進行維修。相應維修決策流程如圖6 所示。

圖6 維修決策流程Fig. 6 Maintenance decision process

2 數字孿生模型框架及關鍵技術研究

為使數字孿生技術進一步在更多領域落地應用，陶飛等提出了“數字孿生五維模型”，即數字孿生模型由物理實體、虛擬實體、服務、孿生數據以及各組成部分間的連接組成［12］。

依照“數字孿生五維模型”，陸軍合成旅典型裝備保障數字孿生模型框架可以從物理維、孿生維、數據維、應用維、連接維5 個維度進行分析，如圖7所示。

圖7 基于數字孿生的裝備維修保障框架Fig. 7 Equipment maintenance support framework based on digital twin

5 個維度相互連接、互通數據，形成模型對實體的真實映射。在模型運行過程中，物理維通過數據采集，將系統運行的實時數據傳遞給孿生維、數據維和應用維。孿生維利用實體數據通過仿真運行對物理實體進行跟隨仿真，向應用維提供模型支撐。數據維負責模型各類數據的接收、存儲與預處理，并向各維度分發。應用維利用數據維給出的數據和孿生維提供的模型，向裝備管理人員提供應用服務，輔助裝備維修保障決策制定，作用于物理維，同時基于數據處理結果修正虛擬仿真模型，實現對系統的精準描述。連接維則提供了各維度之間數據傳遞的標準與途徑。

（1） 物理維：完成實體數據采集

物理維，是指裝備維修保障系統的各實體要素，包括維修保障機構、人員、設備、器材以及裝備系統各實體，也包括數據收集使用的傳感器、測量工具、儀器、設備等，是數字孿生模型實體數據的來源和數字孿生決策的作用對象，也是數字孿生模型構建的首要前提。

物理維在物理世界各因素影響下運行，同時利用各項數據采集技術，對反映物理實體各項狀態的數據進行采集，并傳送給數據維。對裝備系統實體數據的采集主要依靠傳感器技術、RFID（radio frequency identification）技術、二維條碼技術等感知技術、檢測技術，獲取裝備實體的狀態信息；對維修保障系統實體數據的采集主要依托維修保障信息系統進行，獲取維修保障各項事件發生的時間、消耗的資源、達成的效果等信息。

（2） 孿生維：進行虛擬系統仿真

孿生維，是指基于建模仿真技術，對各物理實體建立的數字孿生體，即對各實體要素高度還原的虛擬仿真模型，可以依據傳感器數據和系統運行邏輯實現對物理實體的實時精準描述與虛擬仿真，是數字孿生模型孿生數據的來源，是數字孿生模型構建的關鍵要素。

建立裝備保障數字孿生模型，需要對所研究的每一裝備、每一保障要素建立數字孿生體，即仿真模型，并在數據驅動下保持對物理實體的動態跟隨。為了實現對物理實體的精準映射，需要從維修保障系統、典型裝備、可更換單元3 個層次，建立不同顆粒度的仿真模型。

隨著仿真建模技術的發展，當前市場上各類仿真軟件數量較多，除了Matlab 等通用仿真軟件，還出現了很多專門針對某類問題的專用仿真軟件，實現的功能較為強大，可以較為方便地建立數字孿生仿真模型。AnyLogic 軟件是一款應用廣泛的，對離散、連續和混合系統進行建模和仿真的工具。它可以快速構建系統仿真模型，實現多智能體建模、邏輯建模、狀態建模等功能，較為適合數字孿生模型的開發。

采用AnyLogic 軟件，可以建立維修保障系統、典型裝備、可更換單元3 個層次的數字孿生模型。其中，維修保障系統采用多智能體建模方法建立模型，典型裝備采用邏輯建模方法建立模型、可更換單元采用狀態建模方法建立模型。如圖8~10 所示。

圖8 維修保障系統多智能體模型Fig. 8 Multi agent model of maintenance support system

（3） 數據維：處理模型各類數據

數據維是指數字孿生模型各類數據的集合，負責數字孿生模型各類數據的接收、存儲與預處理，主要包括物理維采集到的實體數據、孿生維虛擬仿真采集到的孿生數據、應用維進行各項分析處理產生的分析數據、數據維自身對各項數據進行預處理后獲得的預處理數據，以及系統相關的知識庫、經驗庫、約束庫等支持數據等，是數字孿生模型的驅動。數據維各類數據如圖11 所示。

圖9 典型裝備邏輯模型Fig. 9 Logic model of typical equipment

圖11 數據維各類數據Fig. 11 Data of data dimension

圖10 可更換單元狀態模型Fig. 10 State model of replaceable unit

實體數據主要包括反映系統所需執行任務強度、時間等的任務數據；通過傳感器、定期檢測和保障信息系統獲得的狀態監測數據；反映系統運行環境的環境數據，如溫度、濕度、風沙、氣壓等；通過保障信息系統獲得的保障數據，即維修保障事件信息；反映操作和保障人員結構及熟練程度的人員數據；反映庫存各類維修器材數量、質量情況的器材數據；反映裝備各系統組成、運行關系、技術參數、限制條件等的裝備參數；記錄系統各要素運行時間、運行強度、運行關鍵參數的運行數據；裝備定型試驗中獲得的與裝備使用、維修、保管、保養有關的試驗數據；進行系統各項事件記錄的歷史數據等。

孿生數據主要包括支持仿真系統運行的仿真參數；系統各組成、各裝備、各單元的各類事件發生的事件規律；各類事件在仿真系統內運轉的內部邏輯；各類方法仿真運行的仿真結果等。這些數據在裝備試驗與經驗總結獲得基礎數據的基礎上，在系統運行與仿真過程中實時進行校正，以得到對物理實體的精準映射。

分析數據是應用維基于大數據、智能算法等技術，利用實體數據、孿生數據、仿真模型，在知識庫、經驗庫、約束庫的支持下，對系統進行的仿真結果分析、孿生數據分析、數據融合、規律擬合，獲得的各類仿真預測數據、規律、趨勢、權重。

（4） 應用維：實現模型各項功能

應用維是指數字孿生模型應用過程中使用的各類算法、程序，負責在知識庫、經驗庫、約束庫的支持下，對數據維各項數據進行融合分析、仿真預測、優化決策，實現輔助決策各項功能，并將形成的決策作用于物理維，是數字孿生模型的交互窗口，是數字孿生模型輸出運行結果、實現模型功能的途徑。模型的各項功能由應用維向用戶呈現，并作用于物理維。

應用維基于對模型數據的處理，可以輔助裝備管理人員完成信息登記統計、運行狀態分析、裝備狀態監測與評估、維修需求分析、故障預測、故障診斷、器材需求預測、器材儲備分析、器材倉儲優化、運輸路徑優化等工作。

應用維主要需要用到的關鍵技術有神經網絡、遺傳算法、蟻群算法、深度學習、貝葉斯分類算法、決策樹等智能算法；回歸分析、時間序列預測、仿真預測、支持向量機等預測技術；圖論、GIS（Geoinformation system）系統等路徑規劃算法；以及軟件開發、人機交互等其他相關技術。

（5） 連接維：傳遞模型內外信息

連接維是數字孿生模型內部物理維、孿生維、數據維、應用維之間以及模型與外界模型相互通信所使用到的硬件、軟件、協議的集合，在模型各維度之間建立全連接，并建立與外界模型通信的通道，保障數據調用通暢，是數字孿生模型的重要橋梁。

在運行過程中，物理維、孿生維、數據維、應用維之間需要傳遞大量數據，模型與模型之間也需要數據溝通，數據傳遞的通道與規范由連接維進行支持。通過連接維，各維度之間緊密相連、相互映射，模型之間也可分享數據，相互提供依據。

對內，通過連接維，各維度之間可以及時采集并實時共享所需數據，從而實現對裝備的精準描述、準確分析與預測。對外，通過連接維可以與維修保障信息系統相連接，獲取維修保障系統信息數據，也可以與上級裝備保障數字孿生模型、本單位其他裝備數字孿生模型、基于數字孿生的倉儲管理模型等模型相連，及時獲取外部信息，作出正確分析與決策。

數據的通信主要需要網絡技術、無線電傳輸技術、光纖通信技術、協議轉換技術、數據通信標準和規范等技術的支持。

3 數字孿生模型應用設想

利用裝備保障數字孿生模型，可以在仿真模型中實現對實體模型的狀態跟隨，隨時掌握裝備維修保障系統的實時狀態，分析系統運行規律，并可以以當前狀態為初始狀態進行各種環境條件下的系統仿真運行，進行保障需求預測與保障決策驗證。陸軍合成旅典型裝備保障系統數字孿生模型的應用設想如下：

3.1 數據融合分析

隨著大數據時代的到來，數據采集、存儲與處理能力得到大幅提升，有效利用數據精確掌握裝備保障需求、提高裝備保障能力成為可能。及時收集和記錄維修保障系統、典型裝備、可更換單元的各類數據，可以準確掌握系統運行狀態，充分利用數據分析裝備故障規律、預測維修器材需求，及時作出最優決策、進行精確保障。

陸軍合成旅合成程度高，新型裝備多，為了使信息獲取更精確、決策效果更優，需要有更多的基礎數據作為支撐，數據登記統計需求量越來越大、對數據的精確程度和統計速度要求越來越高，傳統的人工統計、逐層匯總的模式逐漸不能適應裝備保障的需要。

數字孿生模型可以利用傳感器、射頻識別等技術，動態收集記錄裝備保障系統運行數據、所屬裝備數據、維修保障數據等，對裝備保障各類數據進行整合，并可通過網絡同其他數字孿生模型遠程交換數據，從而可以減輕當前數據統計壓力，解決當前裝備保障數據利用率不高的問題。

利用數字大屏技術，可以使各級指揮員和裝備保障人員很方便地了解所屬裝備的保障情況，從整體上把握全局，以全局的視角進行決策，達成全局最優的目的。

通過計算機仿真與智能算法的分析，對獲取的數據進行保障數據統計分析、故障規律擬合預測、可靠性數據計算，可以實現裝備管理、狀態監測、故障預測、維修器材需求預測等功能，為實現輔助決策各項功能作數據支撐，實現裝備精確保障的目標。

3.2 健康狀態評估

及時評估裝備健康狀態，提前感知裝備故障情況，查找薄弱環節和安全隱患，在故障前做好應對準備，對保持裝備良好運行、提高裝備保障工作的主動性非常重要［13-14］。

傳統的健康狀態評估多采用人工評估方式，人工統計梳理各類數據，依據專家經驗進行打分，依據統計規律設定閾值，以此判定健康狀態。這對專家的技術水平要求較高，評估結果容易受到主觀因素的影響。隨著裝備日益復雜，對精確保障的需求日益高漲，需要統計的表征裝備狀態的數據需求越來越多，人工統計梳理數據耗時長、錯誤率高，影響評估的準確性和時效性。傳統的健康狀態評估方法無法做到實時動態評估，不利于精確保障的實現。

利用數字孿生模型與實體裝備和保障要素虛擬同步運行，通過傳感器實際測量獲取易于測量的狀態數據，通過虛擬仿真獲取不易測量的狀態數據，虛實結合，全面獲取表征裝備健康狀態的數據。探索數據驅動下的裝備健康狀態等級劃分，利用神經網絡等智能算法分析裝備狀態數據，找出裝備狀態數據與健康狀態之間的規律，研究數據驅動下的裝備健康狀態評估方法，可以及時對每個單元的運行情況與健康狀態進行分析，對臨近故障狀態的單元進行預警提示。

利用數字孿生模型開展基于健康狀態評估的裝備維修需求分析，分析健康狀態與維修需求基本關系，構建基于健康狀態評估的裝備維修需求分析模型，可以實現裝備健康狀態的實時評估，主動發現裝備故障苗頭，進行預測預警，準確分析維修需求，指導保障人員提前準備和及時維修。同時，采集到的裝備狀態數據，可以為裝備保障仿真預測提供初始條件。

3.3 多種條件下的仿真預測

維修器材是實施裝備維修保障的重要物質基礎［15］，其保障水平與補充策略直接影響部隊戰斗力生成和經費使用效益［16-17］。器材供應不足將會導致裝備完好率的下降，影響戰斗力生成；器材積壓過多又會提高庫存成本，降低經費使用效益［18］。因此，對未來一段時間內的裝備維修器材需求進行預測，對部隊準確掌握器材需求、提出器材申請，提前進行器材儲備、減少裝備待修時間，具有重要意義。

陸軍合成旅裝備種類多元、執行任務多樣，不同的裝備在不同的階段執行不同的任務，將會面臨不同的裝備使用環境，裝備故障規律不同，且裝備運行的后一階段受到前一階段使用狀況的影響，裝備狀態始終處于動態變化之中。通過解析的方法難以對裝備的運行狀態、故障規律和維修器材需求進行精確的預測，需要使用仿真方法解決預測問題。

利用數字孿生模型，通過調整仿真參數，可以對裝備在不同使用任務、運行環境、維修策略、倉儲策略條件下進行仿真，全面模擬裝備即將工作的運行環境。

通過全面考慮每一件裝備實際狀態、運行情況，基于歷史數據、現時狀態、故障規律，利用大數據分析、智能算法等技術，研究裝備運轉與環境對裝備健康狀態的影響。

通過仿真裝備運行環境，考慮運轉與環境對裝備健康狀態的影響，以裝備當前健康狀態為初始狀態，驅動裝備在仿真的環境下模擬運行，可以仿真裝備的運行狀態，獲取各項運行參數，從而對維修器材需求進行預測、對器材籌備策略進行優化，為裝備保障決策提供支撐。

4 結束語

陸軍合成旅作為陸軍新型作戰力量，其裝備合成程度高，保障問題復雜。新的裝備發展形勢和訓練備戰要求，對裝備“精確保障”的要求越來越高。利用數字孿生模型，可以準確評估系統中每臺裝備、每個單元的實時健康狀態，掌握裝備保障各要素的實時狀態。通過各維度間的迭代優化，實現對裝備保障系統的預測、優化與決策，可以有效預測裝備故障，提前籌措維修資源，做好維修準備，增強裝備保障的及時性、主動性。在裝備發生故障前夕對故障進行維修，避免發生“維修過剩”“維修不足”現象，提高裝備單元的利用率，降低裝備維修保障費用，提升裝備維修保障效益。

本文通過對研究對象的分析，廓清了研究系統的內涵和外延，掌握了系統運行規律。通過構建數字孿生模型框架，清晰刻畫了數字孿生模型的結構。通過探索各維度的關鍵技術，為數字孿生模型的構造與應用提供了方法。通過研究模型的應用設想，具體闡述了數字孿生模型如何發揮實際作用的問題。

需要指出的是，理想狀態下，數字孿生模型囊括了整個裝備保障系統所有要素的全部數據。但目前數字孿生技術在軍事裝備保障領域的研究尚處于初步研究階段，相關軟硬件設施還在進一步探索中。同時，受到經費、人才、標準等多方面的限制，這種狀態在目前的狀況下很難實現。

因此，研究基于數字孿生的裝備維修保障，可以根據自身研究方向，重點對關鍵組元和關鍵指標進行研究。具體研究中，可以在通用數字孿生模型的基礎上，選擇研究重點關注的方面，調整數字孿生模型各維度的內容、參數，設計相應算法，使模型更加適合主要研究的問題，如基于數字孿生的PHM、數字孿生倉庫、基于數字孿生的器材配送管理等。