|
由于航空发动机运行环境多变，其性能与设计、制造等过程紧密相关，随着控制系统和传感器技术的发展，监测数据量急剧增长，数据呈现出高速、多源、异构等典型特征，当前的技术难以满足航空发动机在动态多变环境下的状态实时评估、预测的高精度需求。数字孪生凭借其多尺度高保真的模型，全生命周期内数据管理能够实现在虚拟空间内同步反映发动机的状态，并且数字孪生通过三维模型等技术形象直观展示发动机的运行状态。本文面向民航发动机运行维护的数字孪生模型构建理论进行研究，以航空发动机为例，为揭示民航发动机关键部件运行性能与状态特征，研究机制驱动的构成部件初始孪生模型构建方法，为实现面向发动机运行维护的数字孪生模型多尺度构建，首先应建立发动机数字孪生模型体系，揭示民航发动机结构和性能特征及运行机制，建立包括“几何-物理-行为-规则”的多维度孪生模型体系架构。
随着航空发动机工况复杂多变，同时随着控制与传感器技术的进步，监测数据量迅速提高，当前的技术渐渐无法满足航空发动机对动态变化条件下的工况进行判断、检测，多领域建模的现代信息技术系统和智慧传感、大数据、人工智能等新兴信息技术系统的发展，使现代支撑信息技术系统向着运算精确、大数据智能、功能全面的目标发展，也使得精确地仿真模拟航空发动机等复杂系统的功能特性变成了可能，而当前的现代信息技术体系也将逐步发展成孪生技术体系[1]。 1 航空发动机数字孪生概念 美国空军研究实验室项目的专家组，在2011年正式通过了将数字孪生技术运用到航空发动机机体结构寿命预估的试验中，最后提出了机体数字孪生的概念模型，概念图如图1 所示。随后，美国国家航空航天局于2012年发表的研究文章《技术领域11:建模、仿真、信息技术和处理路线图》当中，便提出了对于数字孪生系统的具体概念：数字孪生系统是一种高度融合的、多物理、多尺度、概率性质的在建系统，由数字主线所驱动，并利用高精度模拟、传感器信号与输入数据来反映物理实体，并对物理实体在发动机整个生命周期内的实际运行状况以及系统特性等作出了预估[2]。
图1 机体数字孪生概念图 随着基础理论的和技术手段不断完善，新型数字孪生的概念不断涌现，但是概念的基础仍然是模型与数据。因此，便可以把航空发动机的数字孪生定义成：运用可视化手段，来制作一组基于发动机运行的多种不同角度的数字模型，并运用物理实体数据和虚拟模型之间的信息通讯、数据融合分析等手段，来模拟实体发动机的功能、性能以及变化趋势。其概念图如图2 所示。
图2 航空发动机数字孪生概念图[4] 2 航空发动机数字孪生关键技术 航空发动机数字孪生关键技术主要包括：发动机实体[5]、孪生数据[6]、发动机孪生模型[7]以及实体与孪生模型[8]间的交互（如图3）。
图3 发动机数字孪生关键技术要素[4] 其中发动机实体是数字孪生的应用载体；孪生数据是数字孪生的应用基础，包括:实体产生的数据(例如传感器数据、历史飞行数据、故障检修数据等)、具有行为指导意义的孪生模型数据以及环境数据[9-11]；发动机孪生模型是整个数字孪生技术的核心，孪生模型能够精准模拟发动机内部实体的性能、应力、变形、疲劳等特征以及对外部影响的过程和反应；动态交互是连接实体与模型的媒介，将二者产生的数据实时传递交互，从而保证实体与模型的同步运行与迭代优化。 2.1 数字孪生建模技术 构建高精度复杂系统模型，是构建孪生模型的前提条件。高精度复杂系统建模的实现主要是以精确几何建模理论为基础，通过采用复杂系统建模技术，构建了发动机的系统模型与子系统模型。就对于发动机数字孪生模型来说，可以从不同的视角切入，建立发动机的性能模型、几何模型、系统模型和有限元模型来表征发动机的功能、性能、可靠性、安全性、维修性、结构安全性、环境适应性等诸多特点[12]。 2.2 孪生数据处理技术 孪生数据主要由产品开发数据和基础数据组成。要高效管理生产数据和应用数据，就必须建设数据库系统，数据库的存在就可以有效集成航空发动机全生命周期内各个阶段的数据。另外，航空发动机各部分本身就已经产生了大量的基础数据，在随后的服役过程中，也形成了载荷数据、工作环境数据、设备维护数据等一系列数据，大量的数据积累使得人们无法精确展开统计分析，于是就必须要借助大数据分析技术，从这些复杂多变、数量庞大、变动频繁且快速产生的数据中发现应用价值[13]。 2.3 智能传输、测试、分析、决策系统 及时获取传感数据对于数字孪生体而言，一方面可以监测系统目前所处的状态，另一方面可以通过动态数据驱动分析与决策技术预测系统未来的状态。为了实现“在线监测”与“精准预测”，视觉传感器技术、智能传感器技术的大力发展以及传感器与构件一体化必须重点关注，从而达到高效率和高精度的测量发动机数字孪生全生命周期的数据。数据智能分析与决策技术的原理是通过实测数据来不断地更新孪生模型，以便更为精确地分析系统状况、更为精确地预知系统状况的变化；对于部分不确定输入，通过量化的方式减小其对发动机安全性和可靠性的影响；应用人工智能方法，例如，机器学习、信息挖掘等技术定义、分析、指导，并进行对真实发动机的自适应调整；最终引导决策者对系统实施动态控制。 3 数字孪生技术在航空发动机领域的运用 在航空发动机的整个生命周期内，数字孪生在不同时期中的侧重点往往是不相同的。根据航空发动机的设计要求，在设计、试验、生产、制造、运行、维护等方面，研究实物发动机特性，并利用数字孪生模式对实物发动机加以描绘，构建动态交互平台，最终再通过融合与分析数据，实现发动机故障诊断、参数预测、控制优化。 3.1 设计领域 数字孪生的产品设计是指在已有数据的基础上，凭借产品实物与虚拟模型的共同作用，持续地、创新性地提出产品理念，并同步进行产品测试，从而将抽象的概念转变为具体的方案，最终满足需求的过程。 航空发动机数字孪生设计阶段的主要功能表现在根据使用者的实际需求，建立发动机模型，并对发动机的特性与功能进行多系统、多维度模拟试验，以便检验产品的设计功能。 3.2 试验领域 实际试验与虚拟试验相辅相成。实际测试之前，采用数字孪生模式进行虚拟测试的好处就是：便于评价和优化测试，减少建立试验台的时间，降低经费的成本；它通过进行场地测试和高空实验，对发动机的稳定性作出判断，推测发动机的特性。实际测试中，把测试中获取的数据、外部信息和数字孪生模型试验预测的数据加以比对，从而修正孪生模型，提高预测精度。 3.3 生产制造领域 在航空发动机产品制造领域，数字孪生技术主要表现为在装备层面，产线层面以及生产层面上的数字虚拟化(如图4)。
图4 航空发动机生产制造领域中的数字虚拟化 想要完成系统的数字虚拟化，就必须通过系统的数字孪生体来实现与发动机相关的、制造设计流程、应用软件等，并在完成产品设计工作后对孪生模型进行检验，如果在检验过程中存在问题时，则需要对模型进行调整，随后再次进行仿真验证工作，直至正确地进行整个验证流程。产线层的数字虚拟化，是指对于物理生产线的数字孪生体，预先进行安装、测试以及模拟发动机的制造流程。针对生产层数字孪生而言，则是指利用大数据构建数字化生产链，对工作人员与作业场所实现数字化控制。 3.4 运行维护领域 航空发动机'运维'阶段，是通过建立发动机三维物理模型、性能模型、局部线性模型以及环境模型，形成以数字运行本体和数字运行环境为主的模型驱动，将模型驱动与数据驱动结合，以实现精准监测发动机工作状态、评估发动机性能、优化发动机控制，预测发动机性能等功用(如图5）。
图5 数字孪生在发动机运行维护中的应用[3] 4 总结 对各大航空发动机企业来说，将数字孪生作为大力发展的一项高精技术，能够提高整个研发流程的有效性、经济性和安全性，进而实现了缩减产品的研究时限、大大降低研究投入的目的。 数字孪生作为近些年业界讨论的重点、热点，已经在部分应用环境中获得了良好的应用效果，但总的来说，数字孪生的研发与使用尚处在起步时期，对航空发动机数字孪生建模来说，不仅存在着环境、压力、结构特性等诸多不稳定影响因素，也存在着流体、力学、传热、电磁等各种物理场间的强相互作用影响等难题，技术的复杂性将使得多物理场耦合建模的难度明显提升，并且会影响到计算的准确性，必须采用仿真校核、验证及确认等方法对模型进行逐层检验，运用丰富的历史数据进行修正，提高模型的准确度与置信度。 伴随信息化、智能化技术的发展，数字孪生建模技术、数据处理与分析、智能传感与控制、数据分析与决策以及数字孪生综合应用平台的搭建等高新技术的逐渐完善，数字孪生必将给航空发动机的跨越式发展带来持续动力。
|
|
|
来自： Bookroom for ... > 《专业》
