基于數字孿生的測試性驗證技術

袁劍平,李 近,孫寒冰

(1.廣東海洋大學 海洋工程學院，廣東 湛江 524088；2.九江學院 理學院，江西 九江 332005；3.中船重工集團 第七〇七研究所九江分部，江西 九江 332005)

0 引言

為了解決未來飛行器維修維護和壽命預測的問題，2011年，NASA定義了能夠全方位模擬實際對象物理、功能等特征的數字孿生體。根據NASA的定義，數字孿生體是綜合利用建模知識在數字空間構造出一個完全一樣的真實飛行器模型，相當于真實飛行器在虛擬空間的映射，根據飛行器運行數據實時更新。洛克希德馬丁公司2017年11月將數字孿生列為未來國防和航天工業(yè)6大頂尖技術之首；中國科協(xié)2017年12月8日在世界智能大會上，將數字孿生體列為世界科技十大引領技術之一。

數字孿生包括物理實體、超真實數學模型、物理實體和數學模型之間的交互系統(tǒng)。測試性設計是一個貫穿系統(tǒng)論證、總體設計、詳細設計、試驗驗證等環(huán)節(jié)的迭代改進過程。在測試性設計過程中，引入數字孿生體，可以實現(xiàn)測試性與設備功能同步設計、同步驗證、減少測試性設計中的迭代次數，提高測試性設計工作效率。在裝備物理樣機之前，構建裝備虛擬孿生模型，采用功能分析法完成故障模式分析，根據分析結果和產品功能電路結構特點，以及軟硬件資源情況，設計虛擬的檢測電路、診斷和預測算法等；在裝備數字孿生體上，完成初始的測試性設計與驗證。待設備測試性物理樣機完成之后，采用實際故障注入的方法完成測試性驗證，驗證測試性設計結果。針對試驗中發(fā)現(xiàn)的問題以及指標不達標情況，在數字孿生模型上開展測試性迭代改進。通過物理實體與孿生模型的交互迭代、交叉驗證，實現(xiàn)測試性設計與增長。

目前在各個型號裝備的測試性試驗中，基本試驗方法是：選取故障樣本，在實際系統(tǒng)或者實物樣機上進行故障再現(xiàn)，判斷是否能正確檢測或隔離其故障。這種方式的局限性較大，比如大多數故障模式注入困難，注入耗時時間長；個別故障模式注入損害設備或者存在安全隱患；實際物理故障注入造成產品可靠性下降；試驗注入成本較高；只能在系統(tǒng)樣機完成以后進行驗證，試驗周期滯后。

開展數據孿生驅動的測試性驗證技術研究，能有效解決以上問題，提高試驗驗證效率，節(jié)約測試性驗證成本，有利于實現(xiàn)裝備全壽命周期內測試性驗證與增長。

系統(tǒng)煤耗降指的是通過優(yōu)化改造降低發(fā)電廠的煤耗率，600MW直接空冷機組加裝干式間接蓄冷式空氣冷卻系統(tǒng)，折合到全年平均煤耗降為4.98g/kWh。

1 基于數字孿生技術的測試性驗證技術框架

圖1 基于數字孿生技術的測試性驗證技術框架

基于數字孿生的測試性驗證技術貫穿于設備方案設計到定型交付的全生命周期內。方案設計階段：在物理樣機完成之前，開展測試性設計虛擬驗證，發(fā)現(xiàn)前期方案設計的缺陷；原型驗證階段：數字樣機完成之后，分別利用測試性數字樣機和測試性物理樣機開展測試性驗證試驗，利用兩者各自特點，取長補短，優(yōu)勢互補，完成測試性指標的準確評估；裝備定型階段，實時迭代數字孿生模型，進行不同任務剖面，不同環(huán)境剖面的測試性驗證與迭代，實現(xiàn)測試性增長與驗證?；跀底謱\生技術的測試性驗證技術實現(xiàn)了測試性設計與產品功能設計同步進行，測試性研制與測試性驗證同步開展，裝備性能與裝備測試性水平同步增長。

2 基于數字孿生技術的測試性驗證關鍵技術研究

2.1 數字孿生驅動的故障模式分析

2.3.1 故障模式分配

仿真結果：對各個關節(jié)處的驅動力矩測量，組成的曲線在ADAMS的后處理器中進行編輯后輸出[7]，如圖3-圖7所示。

圖2 基于數字孿生驅動的故障模式分析

2.2 數字孿生驅動的故障模式注入

1)樣本量的確定。根據對風電機FMEA分析以及風電機測試性指標要求，利用基于數字孿生模型的驗證系統(tǒng)內置的試驗樣本確定方法，進行樣本量確定。例如按照最低可接收值試驗方案得到多組樣本量，再在多組樣本量中選取大于所有故障模式總和的最小值作為初步樣本量。

進行虛擬硬件故障注入模擬時，虛擬故障注入器位于虛擬故障診斷器和與虛擬系統(tǒng)互連的虛擬LRU(或激勵設備)之間。能夠模擬物理鏈路(導線、接口)斷路、橋接、接地等故障；能夠模擬模擬信號故障模式；包括輸入信號參數漂移、噪聲疊加、幅值超差、固高、固低、翻轉等故障，即模擬與系統(tǒng)互連的虛擬LRU(或激勵設備)發(fā)生故障時的輸出；虛擬故障注入器也可獨立連接至與虛擬孿生故障診斷器外部接口，施加電氣特性上的故障應力；模擬協(xié)議通信錯誤等系統(tǒng)故障診斷器和LRU間互連總線的通信協(xié)議上的故障，以及虛擬系統(tǒng)故障診斷器內部各LRU的故障。當虛擬故障診斷器可以獨立運行或故障注入器可模擬系統(tǒng)故障診斷器工作所需所有信號時，故障注入器直接與系統(tǒng)故障診斷器外部總線連接，施加通信協(xié)議上的故障注入。

圖3 數字孿生硬件故障模擬注入

俄羅斯重視文化和歷史的保護，全國有3000多個博物館，多為藝術館、歷史博物館，另有自然科學館、綜合館。莫斯科有最古老的國家歷史博物館，展示出世界文化藝術特色。一些博物館型城市，如蘇茲達爾就是在有限的空間內，建造了多處名人故居、紀念地。俄羅斯的醫(yī)療康復發(fā)展水平良好，這對于俄羅斯的旅游產業(yè)具有良好的建設意義。黑海、里海、太平洋等眾多療養(yǎng)中心。在高加索山脈就有全球著名的旅游養(yǎng)老勝地，是有天然的浴場、火山綜合形成的溫泉。俄羅斯東部著名的是薩哈林斯基、倫斯基、達金斯基熱源帶。貝加爾地區(qū)有上百個保健功能的旅游基地，另外伊爾庫茨克州有礦泉泥療養(yǎng)區(qū)。

社會化媒體不斷豐富，在新聞事件傳播中，手機用戶發(fā)揮了重要作用。全媒體時代下，每個手機用戶都是新聞事件和輿論的傳播者。每個人都是新聞事件的制造者和傳播者。手機用戶的攝影也是歷史的見證者，每個手機用戶的攝影行為都是對受眾的信息傳播，在自媒體時代，新聞把關者的角色逐漸缺位，這就需要對手機用戶的新聞素養(yǎng)進行把關，不斷提升公民綜合素養(yǎng)，確保新聞事件信息傳播更加準確合理。

在程序映像被加載和執(zhí)行之前，將故障腳本注入到目標程序源代碼中，目標源程序就包含了故障代碼，當系統(tǒng)執(zhí)行該代碼時，就按提前設置的故障執(zhí)行方式，產生錯誤操作。故障注入器是包含控制器的微型計算機系統(tǒng)，能解析程序指令，產生驅動信號，將驅動信號注入系統(tǒng)中。故障代碼實現(xiàn)方式，包括修改變量賦值、改變代碼執(zhí)行順序等操作。修改后的目標源代碼，編譯后燒錄進故障注入器芯片中。

程序變異是軟件故障注入的主要方法，程序變異是根據軟件源代碼故障模式分析后，根據故障類型，生成不同的故障程序代碼。根據試驗程序，分別選定不同的程序代碼，在編譯程序時，將故障程序與源代碼整合編譯，這樣包含故障代碼的源程序變成了可執(zhí)行代碼，完成了軟件故障注入。

圖4 數字孿生軟件故障模擬注入

2.3 數字孿生驅動的故障模式分配與注入方法

基于數字孿生模型的故障模式分析貫穿測試性設計、驗證與測試性增長的全生命周期內。故障是指產品功能部件不能在規(guī)定條件下完成指定功能或者無法產生符合要求的輸出。故障模式分析就是根據產品設計方案、功能電路圖、系統(tǒng)結構框圖、功能框圖分析產品故障。數字孿生技術的引入能夠在方案階段通過構建超真實數字孿生模型，完成方案階段的故障模式分析通過。在原形樣機和定型交付階段通過數字孿生模型和物理實體的反復迭代，實現(xiàn)故障模式的快速分析與迭代工作。故障模式分析主要包括底層故障分析、故障傳遞關系分析、故障發(fā)生概率等級分析、故障模式影響分析、故障模式嚴酷度分析等。進一步的，基于數字孿生模型的故障模式分析，可以根據虛擬模型各個子模塊電路本身的接口關系、連接關系，模型參數、功能定義完成故障模式自動生成。

根據虛擬孿生模型功能組成、性能參數、系統(tǒng)故障模式，系統(tǒng)需求分析，明確分配任務、確定分配原則、選擇分配算法，執(zhí)行分配過程，最后輸出系統(tǒng)層次結構、分配結果及說明、分配建議等。分配任務包括：1)待分配的目標；2)系統(tǒng)結構體系；3)確定分配層次。根據分配的目標，如檢測率、隔離率、虛警率等。分配原則包括：1)按故障率分配；2)按重要度分配；3)按測試資源分配。分配算法包括：1)經驗分配法；2)加權分配法；3)故障率分配法分配過程包括：1)逐層進行分配；2)驗算分配結果；3)輸出分配結果。

2.3.2 故障模式注入

2)樣本量的分配。試驗樣本量確定完成后，采用準隨機抽樣方法進行抽樣，根據各相應層故障模式發(fā)生概率，利用系統(tǒng)內置的準隨機抽樣方法進行抽樣，從而得到不同結構層次故障樣本量。具體分配方法如下：

2.4 數字孿生驅動的故障模式分配與注入方法

數字孿生驅動的指標評估與分析需要用到多種數據源的融合技術，涉及的數據包括物理實體的驗證數據，孿生模型的驗證數據，歷史維修數據，其他數據等。根據故障模式空間總樣本量，利用實際物理故障注入和虛擬故障注入以及維修數據中的故障檢測情況，評估出系統(tǒng)的檢測率、隔離率、模糊組大小，冗余測試、不可檢測故障等。

（四）全球債務風險持續(xù)累積。4月，IMF《財政監(jiān)測報告》顯示，2016年全球公共和私人債務總額創(chuàng)歷史新高，達164萬億美元，2.25倍于全球GDP，比2009年金融危機期間高出12個百分點。發(fā)達經濟體公共債務占GDP平均比重達105%，為二戰(zhàn)以來最高水平，新興經濟體和低收入發(fā)展中經濟體該比重分別接近或超過50%和40%。當前，市場普遍憂慮減稅并擴張財政的美國債務問題，以及“金融退潮”中新興市場和發(fā)展中國家債務違約問題。持續(xù)上漲的債務風險將削弱經濟增長、消費和就業(yè)，并加大銀行危機發(fā)生的概率。

圖5 多種數據源融合技術

3 基于數字孿生模型測試性驗證流程

圖6 基于數字孿生模型的測試性驗證流程

基于數字孿生模型的測試性驗證，首先根據對實際物理樣機或者設計資料、包括系統(tǒng)組成軟硬件結構、可靠性框圖、FMEA分析結果等，建立數字孿生模型虛擬仿真引擎、構建故障機理、測試和診斷過程等。根據歷史維修數據、FMEA分析數據構建故障模擬樣本空間，從模擬樣本空間選取虛擬故障樣本進行故障注入。

3.1 構建驗證對象數字孿生模型

根據對象設計資料，運行數據、可靠性數據等建立驗證對象數字孿生模型。以某虛擬風電機為例，首先構建風電機實體，包括葉片、發(fā)電機、變速箱，傳感器等。其次根據實體組成構建虛擬仿真模型，包括行為模型、診斷模型、規(guī)則模型等。用有限元法模擬葉片變形，齒輪齒應力、軸承溫度等。利用發(fā)電和風速曲線來描述發(fā)電，用偏航角和橫擺率之間的積分來表示擺動，通過力分析來模擬風速約束。

由表1可知，按照我國現(xiàn)行規(guī)范評價方法，各評價路段路面PCI值均大于90，也即路面損壞狀況評價等級為優(yōu)，同時僅靠PCI指標難以區(qū)別各路段的性能優(yōu)劣。而各路段的橫向裂縫狀況指數TCCI值差異明顯，相比于PCI指標，TCCI指標不僅能真實反映路面橫向裂縫狀況，還能有效區(qū)分不同路段橫向裂縫嚴重程度。由此可見，橫向裂縫狀況指數能很好地應用于高速公路瀝青路面橫向裂縫的評價，符合路面實際狀況，可行性高。

3.2 驗證試驗流程

基于數字孿生模型的測試性試驗方案的主要內容包括：試驗初步樣本量的確定；樣本量的分配；樣本量的補充；備選故障樣本庫的建立；試驗樣本的選擇；參數評估。還是以風機為例

基于數字孿生驅動的故障模式空間模擬，即采用數字手段模擬出虛擬的故障樣本空間，包括硬件故障模擬和軟件故障模擬。其中硬件故障模擬包括物理故障模擬、電氣故障模擬、協(xié)議故障模擬等。

進行樣本量確定時，依據檢測方式把故障模式分為兩部分，一部分是系統(tǒng)自身bit能檢測到的故障模式，另一部分必須借助外部測試設備才能檢測到的故障模式。在樣本量確定時，必須分別對這兩部分進行樣本量確定。

選取2016年7月～2018年6月我單位開具的喹諾酮類藥物處方2519張作為研究對象，將2016年7月～2017年6月（藥學干預前）的1245張?zhí)幏阶鳛閷φ战M，其中，男610例，女635例，年齡20～70歲，平均（51.4±3.6）歲；將2017年7月～2018年6月（藥學干預后）的1274張?zhí)幏阶鳛檠芯拷M，其中，男618例，女656例，年齡21～70歲，平均（51.6±3.5）歲。兩組處方及性別、年齡等一般資料比較，差異無統(tǒng)計學意義（P＞0.05）。

具體故障注入時，數字孿生模型利用仿真引擎進行故障注入，并調用測試診斷孿生模型，進行故障診斷。同時，系統(tǒng)需要調用的還有環(huán)境仿真孿生模塊，通過設置系統(tǒng)運行的環(huán)境條件，工作時序，觸發(fā)狀態(tài)等模擬實際故障注入狀態(tài)。根據虛擬模塊診斷結果，判斷是否能成功檢測。

進行樣本量分配時，依據檢測方式把故障模式分為兩部分，一部分是系統(tǒng)自身bit能檢測到的故障模式，另一部分必須借助外部測試設備才能檢測到的故障模式。

為了驗證實驗裝置測量的準確性，對正入射金屬鋁材料粗糙表面的測量數據進行了高斯擬合和幾何光學近似逼近，得到了正入射情況下材料表面的散射光強,如圖3和圖4所示。

3)樣本量的補充。樣本量分配結束后，從考慮樣本覆蓋充分性的角度考慮，應當對未被抽到的故障模式進行量的補充，具體的，分別對未分配到樣本的故障模式補充1。覆蓋充分性包括風電系統(tǒng)結構覆蓋充分性、測試覆蓋充分性、類型覆蓋充分性，功能覆蓋充分性等。

4)樣本庫的建立。樣本量分配完成后，根據分配和補充結果建立故障模式樣本庫，原則上，每個故障對應的故障樣本總數應該大于分配給它的樣本量；對于分配的樣本量該故障模式樣本數時，應該按照順序對故障模式進行循環(huán)注入。

同樣，建立故障樣本庫時，應分別對BIT可檢的故障模式和外部測試設備可檢的故障模式建立樣本庫。

5)試驗樣本的選取。從樣本庫中選取響應的試驗樣本進行故障注入。啟動數字孿生模型，依據事先擬定好的程序流程，按順序從樣本庫中選取試驗樣本。

通過使用超級計算機或網絡計算機進行并行操作，這個計算量在合理的時間內還是可以接受的（Miao et al，2010；Durham and Geweke 2013）。然而在本文中，我們提出了一個簡單試探法來跟蹤多個地震。這個試探法的復雜性與事件數目呈線性關系。

6)故障注入。具體故障注入時，風電機數字孿生模型驗證系統(tǒng)包括風電機數字孿生模型，以及環(huán)境仿真環(huán)境。將選取好的故障模式編譯并注入到數字孿生模型中，并調用測試診斷程序，進行故障診斷。環(huán)境仿真環(huán)境，需要設置系統(tǒng)運行的環(huán)境條件，工作時序，觸發(fā)狀態(tài)等模擬實際故障注入狀態(tài)。

7)結果統(tǒng)計。根據故障模式注入情況，統(tǒng)計故障檢測和隔離成功的故障模式數。判斷設計是否滿足測試性指標要求。

3.3 基于數字孿生模型的測試性驗證優(yōu)勢

基于數字孿生模型的故障注入方式克服了實物故障注入的缺點，不受地點、環(huán)境等客觀條件的限制。同時，傳統(tǒng)的測試性驗證試驗，必須在實物樣機完成以后，才能進行測試性驗證。而基于數字孿生的測試性驗證試驗，只需要在虛擬的數字孿生模型上進行故障注入，可以在系統(tǒng)設計階段、使用階段、改型階段等任一階段完成試驗任務，極大的提高了裝備研制效率。

具體故障注入時，基于數字孿生模型的測試性驗證試驗消除了故障注入位置、條件限制，降低了故障注入難度，規(guī)避了故障注入可能對設備帶來的不可修復性損害。同時在樣本選取時，能盡可能的充分的考慮到裝備全生命周期內的故障樣本，充分保障故障樣本結構和數量的合理性。

4 結束語

本文主要闡述了數字孿生技術在測試性驗證中的使用，利用數字孿生技術超真實逼近實際裝備、故障模擬成本低、故障注入時間短等優(yōu)勢，可以極大降低武器裝備全壽命周期的測試性驗證成本，突破常規(guī)測試性驗證技術的限制，實現(xiàn)從方案設計到樣機研制到產品交付等各個階段的測試性驗證。