数字孪生的发展需要复杂系统建模、传感与监测、大数据、动态数据驱动分析与决策和数字孪生软件平台技术的支撑。

在航空航天领域，数字孪生可应用于飞行器的设计研发、制造装配和运行维护。重点讨论了应用机身数字孪生进行寿命预测与维护决策的案例，相比于周期性维护，具有检修次数更少、维护成本更低的优势。最后，给出了数字孪生在空间站、可重复使用飞船的地面伴飞系统中的初步应用框架。

目前，实际系统的设计和维护策略可以总结为“安全余量设计+周期性维护”，即根据以往经验设计系统型式，并使用较大的安全系数来包络不确定性；在系统服役时，采用周期性的维护方式，定期对其进行检测，并采取相应的维护措施，以此来保证系统长期、稳定的运行。

然而，现代工程越来越复杂，具体表现为：

①系统组件越来越多，且组件与组件之间的交互会衍生出一些新的特质；

②动态特性强，系统状态随时间快速变化；

③不确定性大，系统材料、结构以及周围环境存在众多不确定因素。

在这种情况下，如果继续用经验安全系数包络误差，会使结构设计笨重、效率不高；复杂系统在高度不确定性环境下遭受意外损伤概率的增加，使得安全系数方法既不经济、又难以彻底、完全保证系统可靠性。周期性维护在面临复杂系统时，缺乏对系统当前状态的准确预估，容易出现过于频繁的检测与维修，或未及时维护而引发系统提前失效的情况，导致维护成本高、且可靠性不足。

数字孪生概念的出现为解决上述问题提供了新的思路。数字孪生是一个技术体系，旨在为物理系统创造一个表达其所有知识的集合体或数字模型（也称为数字孪生体）。通过实时监测系统状态，动态更新数字模型，能够提升数字孪生体的诊断、评估与预测能力；同时在线优化实际系统的操作、运行与维护，减少结构设计冗余、避免频繁的周期性检修与维护并保证系统的安全性。

如今，数字孪生的概念得到各领域的广泛重视，各类应用概念层出不穷：

①产品研发：Tao等、庄存波等、于勇等期望通过构建产品的数字孪生体，改变传统的产品研发模式；

②智能制造：陶飞等提出了数字孪生车间的概念，期望通过物理世界和信息世界的交互与共融，实现智能制造。此外，Zhuang等、Leng等、Zhang等也提出了类似的概念；

③寿命管理：劳斯莱斯公司推出了智能发动机的概念，该发动机能够“感知”周围环境并进行相应的自我调整，延长使用寿命。通用电气研究院建立了风力涡轮机的数字孪生体，能够接收操作和环境数据并进行自我更新，保证涡轮机长期、稳定的运行；

④智慧校园：佐治亚理工学院推出智慧校园的概念，实现了校园能耗系统的态势感知、预测、优化和虚拟试验。剑桥大学也建立了类似的动态数字孪生演示系统。

在航空航天领域，数字孪生同样具有极大的应用潜力：

1）用于飞行器的设计研发。通过建立飞行器的数字孪生体，可以在各部件被实际加工出来之前，对其进行虚拟数字测试与验证，及时发现设计缺陷并加以修改，避免反复迭代设计所带来的高昂成本和漫长周期。

达索航空公司将3DExperience平台（基于数字孪生理念建立的虚拟开发与仿真平台）用于“阵风”系列战斗机和“隼”系列公务机的设计过程改进，降低浪费25%，首次质量改进提升15%以上；

2）用于飞行器的制造装配。在进行飞行器各部件的实际生产制造时，建立飞行器及其相应生产线的数字孪生体，可以跟踪其加工状态，并通过合理配置资源减小停机时间，从而提高生产效率，降低生产成本。

洛克希德-马丁公司将数字孪生应用于F-35战斗机的制造过程中，期望通过生产制造数据的实时反馈，进一步提升F-35的生产速度，预计可由目前每架22个月的生产周期缩短至17个月，同时，在2020年前，将每架9460万美元的生产成本降低至8500万美元。

此外，诺斯罗普·格鲁曼公司利用数字孪生改进了F-35机身生产中的劣品处理流程，将处理F-35进气道加工缺陷的决策时间缩短了33%；

③用于飞行器的运行维护。利用飞行器的数字孪生体，可以实时监测结构的损伤状态，并结合智能算法实现模型的动态更新，提高剩余寿命的预测能力，进而指导更改任务计划、优化维护调度、提高管理效能。

本文聚焦于数字孪生在运行维护上的应用，具体应用案例将在后文详细展开。

数字孪生在各个领域的快速发展彰显了其巨大的价值，本文将从数字孪生的核心概念与内涵出发，分析数字孪生的关键技术，而后论述数字孪生相比当前范式的创新性思路，最后对数字孪生在航空航天领域的应用与展望进行分析。

数字孪生的理念

据Tao等统计，自2014年起，数字孪生的发展呈现出爆发趋势，工业界和学术界对数字孪生也有着多种不同的理解。如图1所示，数字孪生体的本质是能够全生命跟踪、实时反映特定物理系统的性能状态，并准确模拟、预测其在真实环境下行为的数字模型。因此，构成数字孪生体首先需要建立物理系统的模拟模型。

传统的建模方式包括：基于物理机制建模、数据驱动建模、以及基于物理机制和数据驱动的混合建模。但对于复杂系统而言，环境不确定性大、系统动态特性强，基于传统建模方式得到的数字模型难以做到实时反应系统状态。

因此，数字孪生体的第二个要素是强调通过布置在物理系统上的传感器网络，获取系统运行中的真实行为数据，用于增强模型、消除模型中的不确定性因素，进而提升模型预测能力。

准确的预测构成了有效控制、管理等决策优化的基础，数字孪生体第三个要素是实现数字模型和物理系统的互动，将基于模型和数据的实时分析结果用于优化物理系统运行。伴随数字孪生概念，美国空军同时提出了数字主线的概念。

数字主线可以看作覆盖系统全生命周期与全价值链的数据流，从设计、制造到使用、维护，全部环节的关键数据都能够实现双向同步与及时沟通，并以此驱动以数字孪生体为统一的模型的状态评估与任务决策。 

分析数字孪生的内涵可以看出，数字孪生体具有如下突出特点：

1）集中性。物理系统生命周期内的所有数据都存储在数字主线中，进行集中统一管理，使数据的双向传输更高效；

2）动态性。描述物理系统环境或状态的传感数据可用于模型的动态更新，更新后的模型可以动态指导实际操作，物理系统和数字模型的实时交互使得模型能够在生命周期内不断成长与演化；

3）完整性。对于复杂系统而言，其数字孪生体集成了所有子系统，这是高精度建模的基础；而实时监测的数据可进一步丰富、增强模型，使模型能够包含系统的所有知识。

借助于数字孪生，对于复杂系统的管理和运行，将能够实现：

1）模拟系统运行状态。数字孪生体可以看作物理系统的模拟模型，能够在数字空间实时反映系统的行为、状态，并以可视化的方式呈现；

2）监测并诊断系统健康状态。利用安装在系统结构表面或嵌入结构内部的分布式传感器网络，获取结构状态与载荷变化、服役环境等信息，结合数据预处理、信号特征分析、模式识别等技术，识别系统当前损伤状态；

3）预测系统未来状态。通过数据链、数据接口等技术连接监测数据和数字模型，结合机器智能等方法驱动模型的动态更新，基于更新后的模型，对系统未来的状态进行预报；

4）优化系统操作。根据预报结果，可以调整维护策略避免不必要的检测与更换，或更改任务计划避免结构进一步劣化等。