面向民機網絡化協同研制的數字孿生技術研究與工程應用

許成偉 王晨 顏子豪

（中國商飛上海飛機設計研究院，上海 201210）

為應對國際領先航空企業的數字化升級與新技術帶來的挑戰，我國民機研制領域正著力于發展“數”“智”化協同研制，促進民機研制過程的數字化及智能化。為此，國內的民機研制相關機構開始探索工業互聯網、數字孿生、大數據等新興技術在民機網絡化協同研制方面的綜合集成與應用[1]。其中，數字孿生技術是民機“數”“智”化協同研制的核心技術之一，是民機在全生命周期、全業務鏈研制中從虛擬到實物之間高度關聯與融合的重要技術，是滿足民機研制技術升級下的數字化、網絡化和智能化的內在需求。

數字孿生是以比特方式精確表達產品物理實體的數字模型，通過虛實交互反饋、數據融合分析、決策迭代優化等手段模擬和預測物理實體在客觀環境中的行為，提高飛機及其系統的功能透明度和可行性，是連接虛實空間的數字紐帶[2-3]。民機數字孿生是基于高集成度的多物理量、多尺度、多概率的仿真模型，利用物理模型、傳感器數據和歷史數據等反映與該模型對應實體的功能、實時狀態及演變趨勢[4-5]。隨著民機研制技術的變革與模式演進，我國民機研制模式正向高度并行、多組織協同轉變。通過文獻調查分析，數字孿生技術幾乎能夠應用到民機設計、分析、制造、預測、控制和運維等各方面[6]。

本文通過對民機網絡化協同研制中的數字孿生關鍵技術進行研究與分析，建設能夠滿足當前技術及未來業務發展需求的技術架構及數字化支撐系統。最后利用已建設的“數”“智”能力與軟件體系，探索數字孿生在民機網絡化協同研制中的工程實踐，以期能在民機網絡化協同研制中形成更深入、更廣闊的工程應用價值。

一、面向民機網絡化協同研制的數字孿生關鍵技術研究

建設能滿足面向民機網絡化協同研制的數字孿生支撐系統，首先需要結合民機自身研制流程及技術特點，對高置信度建模、模型拆分與并行計算、多源異構模型集成、數據采集與傳感通信、數據分析與決策技術、虛實融合等多項關鍵技術進行攻關[7]。數字孿生的基礎是大量的數據，基于數據采集與傳感通信、大數據分析與決策等技術構建數據采集與傳感系統、數據分析與決策系統，為數據驅動建模與數據挖掘應用提供技術保障；高置信度建模、模型拆分與并行計算技術、多源異構模型集成技術是多學科聯合仿真的建模基礎，同時也是復雜大系統模型綜合集成與驗證的關鍵技術；基于虛實融合技術構建數字孿生虛實融合系統，是實現不同層級虛實切換和虛實映射的重要手段。對于整個數字孿生過程中產生的數據、模型、文檔、仿真模板等，將統一在數字孿生管理系統中進行存儲與管理，為其它系統的應用提供統一數據源。因此，這些關鍵技術是數字孿生在民機網絡化協同研制中的基礎條件與重要手段，也是面向網絡化協同研制的數字孿生系統建設的技術底座，主要有以下內容：

(一)高置信度建模

建立高置信度模型是當前民機研制中建模與仿真的難點，因而在民機研制過程中需充分利用模型降階、數據驅動、模型置信度評估與自動修正、不確定性與誤差建模等手段，通過建立復雜模型與簡化模型的可信聯系、非實時模型與實時模型的可靠性關聯和可信性驗證等，以提高建模能力[8]。一方面從建模技術本身出發，減少模型誤差，使模型可用、結果可信、誤差可控；另一方面從數字線索出發，建立模型間的可信聯系，使各類數字模型有依據、可追溯，如建立復雜模型與簡化模型、非實時模型與實時模型的可靠性關聯和可信性驗證等數字線索。

(二)模型拆分與并行計算

研究民機各級系統及整機復雜模型的解耦、降級、分割及并行運算等應用技術，是復雜系統建模及系統綜合求解的關鍵手段[9]。一方面需要研究大模型可拆分的解耦機理，采用規范的分割應用技術，降低階數、化整為零、加速運算;另一方面需要在執行層面將拆分后的模型放在不同計算節點，對不同計算核心進行并行處理，模型之間交互協同。同時，要實現模型拆分與并行計算，還需要建立對應的軟硬平臺，以保障其技術落地。

(三)多源異構模型集成

各專業機構、參研單位往往采用不同建模工具對復雜民機系統進行建模，導致各模型格式不統一。為了開展民機系統及其子級系統的集成驗證，需要解決各專業機構異質異構模型管理、集成、仿真等問題[10]。因而需要研究跨專業各領域模型的交互問題，將不同工具軟件構建的功能模型進行封裝，形成格式、接口標準統一的仿真單元，并能夠進行統一管理。同時，需要對現有的模型進行優化調整，解決現有模型的參數耦合、接口連接以及求解效率等問題，使之符合聯合仿真規范的要求，并且滿足實時性仿真要求。

(四)數據采集與傳感通信

數據采集與傳感通信是虛擬與實物之間聯系的神經系統，是數字孿生工程落地的關鍵技術。因而在數字孿生系統建設過程中：首先，需要通過數據采集系統來提高對研制對象、試驗設備、總線、傳感器以及其它研制系統的數據收集效率[11]；其次，需要通過數據集中共享來提高研制協同效率，并通過數據清洗與質量檢測來提高數據質量，進而提高研制質量；最后，數據采集協議需要支撐現有研制設備的數據類型，根據應用場景能夠自動實時采集或者手動異步導入，解決數據采集延遲及數據完整性問題。

(五)數據分析與決策

數據分析與決策技術是基于人工智能（Artificial Intelligence，簡稱AI）的方式，對試驗試飛數據進行解析、數據使用和深度挖掘。一方面，通過將整個飛機研制過程中的設計數據文件、試驗試飛數據等資料進行有效管理和分析，實現從概念設計到交付運營全生命周期的數據管理，達到設計知識的積累與提升；另一方面，通過機器學習算法構建數據分析與預見模型，實現數據快速分析、監控管理、異常數據報警等功能，指導設計人員排除故障，快速作出決策。

(六)虛實融合技術

虛實融合技術是將虛擬試驗與物理試驗相結合的軟件技術、硬件技術，需要構建適合民機網絡化協同研制要求與標準的統一虛實架構技術。虛實融合可以在不同階段將物理系統運行數據反饋給數字孿生體，實現模型優化迭代，并可在不同層級實現虛實切換。因而需要從實踐中總結、提煉經驗，針對“實—實”“虛—虛”“實—虛”“虛—實”等不同應用場景，采取統一架構的設計思想，構筑包含物理模型的試驗與測試系統。

二、面向民機網絡化協同研制的數字孿生架構設計

（一）總體技術架構

建設面向民機網絡化協同研制的數字孿生平臺，將針對性、實用性和創新性相結合，注重人、機、物三元數據融合以及工業知識的固化和復用，以積木組合方式快速完成數字孿生模型構建。面向民機設計仿真，構建以“數據+模型”為特征的“離線”孿生；面向民機智能運維，構建以“動態數據驅動模型”為特征的“在線”孿生；面向民機實時優化與決策，構建以“深度學習+知識圖譜+模型”為特征的“自主”孿生。

面向民機網絡化協同研制的數字孿生平臺的總體技術架構是基于工業互聯網和數字孿生技術，在已有的工業互聯網平臺基礎上，采用“SAAS—PAAS—IAAS+邊緣側”的框架進行構建，主要包括：SAAS（Software as a Service，軟件運營服務）層，實現基于工業APP（Application，應用程序）的數字孿生創新工程應用；PAAS（Platform as a Service，平臺服務）數字孿生層，實現數字孿生全生命周期管理、多學科聯合仿真和數字孿生虛實融合；PAAS模型層，實現數字孿生各類機理模型與數據算法的構建；PAAS數據層，實現對數據的分析與深度挖掘；PAAS資源層，實現平臺資源部署與管理；IAAS（Infrastructure as a Service，基礎設施服務）層，為平臺提供服務器、存儲、虛擬化等基礎設施，最后通過邊緣層的數據采集與傳感系統實現數據的采集、處理與傳輸。平臺的總體技術架構，見圖1。在總體技術架構的基礎上結合民機研制過程中的核心業務需求，需要重點構建五大功能子系統，包括：數據采集與傳感子系統、數據分析與決策子系統、多學科聯合仿真子系統、虛實融合子系統和數字孿生管理子系統。

圖1 面向民機網絡化協同研制的數字孿生平臺總體技術框架

（二）總體功能架構

基于網絡化協同研制的數字孿生平臺，企業能夠探索民機研制過程中數字孿生的應用體系，解決民機數字孿生設計階段的建模、交付、集成、使用的關鍵技術和關鍵流程問題，演繹和闡釋民機產業數字孿生技術的內涵及應用，實現數字孿生技術在民機研制過程中的落地應用。圍繞該目標并結合民機自身研制流程，構建面向民機網絡化協同研制的數字孿生平臺需要重點建設以下五個功能子系統：數據采集與傳感子系統，保障數字孿生應用過程中數據的收集效率和數據質量，解決數據采集延遲及數據完整性問題；數據分析與決策子系統，提高數據解析、使用和深度挖掘的能力，指導設計人員快速作出優化決策；數字孿生多學科聯合仿真子系統，簡化復雜系統綜合集成與驗證流程，加快設計優化迭代過程；數字孿生虛實融合子系統，實現不同研制層級虛實切換，支撐數字模型和物理硬件的虛實混合測試與驗證；數字孿生管理子系統，實現對數字孿生模型的全生命周期管理，支撐不同設計人員基于同一數據源開展設計和創新應用。其中，數據采集與傳感系統作為整體基礎，采集的數據直接連接到數據庫，再經過數據分析與決策系統處理后，連入多學科聯合仿真系統進行仿真計算，最后在此基礎上實現虛實融合與創新應用，數字孿生管理系統則貫穿數字孿生的全生命周期管理。平臺的總體功能架構，見圖2。

圖2 面向民機網絡化協同研制的數字孿生平臺總體功能架構

三、面向民機網絡化協同研制的數字孿生系統功能建設

（一）數據采集與傳感子系統

根據我國民機試驗現狀，本文以飛機臺架和試飛過程中的試驗數據、總線數據以及傳感器數據的實時采集、數據處理與傳輸為例，闡述數據采集與傳感子系統的功能，主要存在兩種數據采集傳輸方式：

一是當數據經傳感器采集后傳輸至面向儀器系統的外圍組件互連（Peripheral Component Interconnection，PCI）和擴展（PCI extensions for Instrumentation，PXI）單元處理時，需在 PXI單元基礎上增加數據轉發功能模塊，以向云端進行數據實時傳輸。同時，在云端服務器處增加對應的數據分發接收軟件，用于上云數據的分發管理。

二是當采集數據后通過航空無線電通信公司（Aeronautical Radio Inc，ARINC）429總線傳輸時，需對系統控制單元及其配套控制軟件進行升級，將總線信號數據寫入反射內存網。當數據經總線傳輸被寫入總控計算機（稱計算機A）的反射內存卡后，可增加一臺總線數據讀取及轉發計算機（稱計算機B）。通過ARINC交換機與計算機A相連接，并將計算機A的反射內存卡中寫入的數據同步至計算機B的反射內存卡中，最后數據經由計算機B傳輸至服務器端。兩種類型數據采集及傳輸方式，見圖3。

圖3 飛機臺架和試飛過程兩種類型數據采集及傳輸方式對比

（二）數據分析及決策子系統

通過數據分析及決策子系統能充分利用采集到的虛擬與實物數據，經過數據分析為研制過程中的迭代優化、系統的集成驗證、產品性能與壽命預測及運行過程的故障診斷提供敏捷的決策支持[12]。在民機研制過程中，因不同數字孿生應用場景所需的數據分析方法、機理模型和知識圖譜模型都不一樣，因此針對不同應用場景需建立相應的數據模型及分析方法。根據民機網絡化協同研制特征及需要，本文在構建數字孿生體系時所采取的數據分析方法主要有傳統機器學習算法、深度學習算法和工業大數據知識發現算法等。

數據分析與決策系統可為民機研制階段提供非結構化的數據收集、數據解析、數據入庫、數據展示、監控報警、快速檢索等一體化服務。同時，基于自主開發的數據分析算法，對采集的實時數據或歷史數據進行分析，實現試飛學習和試飛報告生成，輔助設計人員可快速做出決策。最后利用可視化界面，在三維渲染客戶端進行動態展示和實時監控。數據分析與決策子系統的整體架構，見圖4。

圖4 數據分析與決策子系統架構圖

（三）數字孿生多學科聯合仿真子系統

民機是機、電、液、控等多專業交叉的復雜功能系統，其研制涉及多家供應商。對于大規模、多學科、跨領域的復雜系統，傳統的單一領域或學科仿真分析方法在計算效率、多系統集成、跨尺度聯合驗證等方面逐漸暴露出不足。尤其對民機系統模型，其內部涉及不同學科，有模型規模大、多時間尺度、跨學科領域、跨仿真工具等技術特點，導致模型剛性大、求解效率低，要實現多系統聯合仿真求解效率和異構模型集成會存在一定難度。因此，需構建一個模型同步求解且高效交互、分發數據的中轉樞紐，進而實現大規模復雜系統集成仿真。表1所示是基于分布式仿真框架基礎上，同時兼容四種不同類型模型的集成方式。

（四）數字孿生虛實融合子系統

數字孿生虛實融合子系統提供了虛實融合所需的功能，通過系統架構設計工具進行系統建模集成、硬件資源配置、虛實融合試驗配置[13]。系統架構設計模塊中，能夠將數字模型和硬件模型進行一鍵式切換，不僅能夠支持數字孿生體的構建，也能支持數字模型和硬件模型集成與協同仿真，支持從全虛擬仿真測試到半物理仿真測試的便捷切換。同時，虛實融合子系統支持圖形化用戶界面、仿真結果實時演示、參數在線可調加載、參數在線故障注入。支持自動化測試、實驗方案設計、實驗因子配置、實驗樣本管理、多引擎配置、自動測試報告生成、實驗調試、實驗管理和仿真回放等功能。在硬件資源調度上，底層支持多線程并行管理功能，提供多核管理及多任務調度管理功能，優化仿真計算資源。子系統還具有很強的實時性檢測功能，可以方便檢查、確保實時性。

（五）數字孿生管理子系統

在數字孿生管理方面，采用系統工程雙“V”架構模式，以邏輯連貫一致的多視角系統模型為橋梁和框架，實現跨領域數字孿生模型的可追蹤、可驗證和全生命周期內的動態關聯，進而實現民機研制從概念方案、工程研制、使用維護到報廢更新的全壽命周期管理。

通過數字孿生管理系統將民機協同研制孿生應用體系下的技術流程全部管理起來，實現對孿生模型開發、交付、使用、變更、演變等全生命周期的管理，以及對數字孿生規范方法、模型庫、工具鏈、知識經驗等實施全面管理，支撐全壽命周期內不同設計人員基于同一數據源開展設計和技術管理，實現數字孿生技術在業務流程中落地應用。同時，數字孿生管理系統作為應用時的統一入口，具備與多學科聯合仿真系統、虛實融合系統、數據采集與傳輸系統、數據分析與決策系統等其它系統的無縫集成能力。數字孿生管理子系統功能架構，見圖5。

圖5 數字孿生管理子系統功能架構

四、面向民機網絡化協同研制的數字孿生虛實融合創新應用實踐

為探索數字孿生在民機網絡化協同研制中的深度工程實踐，本文利用已建設的數字孿生平臺進行了創新應用[14-15]。一是構建高置信度飛機系統機理模型，通過虛實融合技術，進行飛機前輪轉彎場景仿真模擬，從而實現對前輪轉彎系統各項參數的優化設計。二是基于某飛機起落架多學科聯合仿真結果和收放試驗數據，利用機器學習算法構造起落架收放時間分析和預測模型，當空速提升后判斷對起落架系統的影響，并確定系統在一定構型下的收放能力和后續優化設計余量[16]。

（一）基于虛實融合的前輪轉彎系統優化設計

飛機前輪轉彎系統是飛機在地面滑行時用來控制飛機運動方向的功能系統，其主要由轉彎手輪、轉彎作動筒、腳蹬轉彎機構等附件組成。本文為了實現對前輪轉彎系統的虛實融合驗證，開展了三方面的工作。首先，構建了高置信度的前輪轉彎系統機理模型。其中前輪轉彎系統中的控制模型用 Simulink軟件構建，液壓作動系統模型用 AMEsim軟件構建，轉彎運動機構用Motion軟件構建，并基于統一接口標準，將各子系統模型導出為FMU形式進行綜合集成。其次，通過多學科聯合仿真接口進行分布式求解，實現對前輪轉彎系統在不同工況下各項參數的優化設計。最后，結合鐵鳥物理試驗和真實飛行任務構建虛實融合的數字孿生模型，實現從“實—虛”的模型修正和從“虛—實”的設備反向控制。

在具體的虛實融合應用中：鐵鳥液壓系統、起落架收放系統、剎車控制系統均按真實物理系統隨駕駛員指令和任務工作；飛機起落架模型在實時仿真機中運行，并實時接收鐵鳥操作指令及各物理系統的作動控制狀態，動態解算飛機起落架模型每個機輪的轉速和輪載狀態。在從“虛—實”的反向控制階段，主要是通過電機驅動機輪速度傳感器按模型轉速轉動，驅動輪載傳感器按模型狀態變化，來實現對轉彎系統控制。

最終通過對轉彎系統的虛實融合應用，使其無論處于模型狀態，還是虛實混合狀態，都可以正常接收輪載、輪速信號，進入正確的轉彎工作模式，實現對飛機轉向糾偏的控制。基于虛實融合的前輪轉彎系統優化設計技術路線，見圖6。

圖6 基于虛實融合的前輪轉彎系統優化設計技術路線

（二）基于虛實融合的起落架收放時間預測與優化設計

為了實現對某飛機起落架收放時間的分析與預測，提前暴露設計問題，并指導后續的設計決策優化，開展了如下幾項工作。首先，本文基于多學科聯合仿真系統將不同軟件構建的起落架液壓系統模型、控制系統模型、機構動力學模型，以統一接口標準進行綜合集成與計算，將多輪次的仿真結果數據處理、匯總后，作為構建預測模型的仿真樣本數據源。其次，通過數據采集與傳感系統對起落架的收放試驗進行數據采集、處理后，作為構建預測模型的試驗樣本數據源。最后，在數據分析與決策系統中，將仿真結果與試驗數據進行融合處理，并通過機器學習算法對樣本數據進行反復迭代訓練，最終獲得起落架收放時間分析和預測模型。設計人員利用該預測模型，可以判斷當空速提升后起落架系統的收放能力以及對系統的影響，并根據預測和分析結果確定優化設計余量，完成后續系統的優化設計。飛機起落架收放時間預測及優化技術路線，見圖7。

圖7 飛機起落架收放時間預測及優化技術路線

五、結論

本文通過對面向民機網絡化協同研制的數字孿生關鍵技術進行分析，構建能夠滿足當前技術及未來業務發展需求的技術架構及數字化支撐系統，以提高民機在線協同研制的效率，并進行協同研制模式的創新。基于已建設的數字孿生平臺構建高置信度飛機系統機理模型，利用虛實融合技術進行飛機前輪轉彎場景仿真模擬的創新應用。同時，利用人工智能技術構造算法模型進行起落架收放時間預測及優化的創新應用。本文探索了數字孿生在民機網絡化協同研制中的工程實踐，可為基于流程驅動的數字化轉型提供技術保障。

通過技術研究及工程實踐可以看出，面向網絡化協同研制的數字孿生技術以協同研制為主線，利用數字孿生可以提高民機協同研制的準確性，驗證飛機在運行場景中的綜合性能，加快產品的迭代優化效率,并通過數據分析來進行產品設計性能的超前預測，實現民機協同研制效率的提升。

本文以點帶面演繹和闡述了民機數字孿生的內涵及工程應用，以期明確數字孿生的關鍵技術節點、脈絡及內核，探索數字孿生在設計迭代、虛擬試驗、性能和壽命預測方面的工程應用。通過對面向網絡化協同研制的數字孿生技術研究與工程實踐探索，以期達到民機研制體系及產業鏈供應鏈內可推廣的效果，對民機產業的整體規劃及重大工程實踐具有重要意義。