數(shù)字孿生視角下的空天裝備數(shù)字化

摘" 要：""""" 本文以數(shù)字孿生技術(shù)為媒介， 從數(shù)據(jù)、 模型和過程三個視角來洞悉數(shù)字孿生技術(shù)驅(qū)動下現(xiàn)代空天裝備數(shù)字化， 并對整個裝備數(shù)字孿生體的系統(tǒng)組成、 特征體系和關(guān)鍵技術(shù)進行剖析。 然后， 本文通過梳理部分空天裝備中數(shù)字孿生技術(shù)的應(yīng)用， 探討了數(shù)字孿生技術(shù)在空天裝備設(shè)計、 制造過程中的作用及優(yōu)勢， 并分析了數(shù)字孿生在未來空天裝備領(lǐng)域的應(yīng)用前景。 最后， 文章從數(shù)據(jù)、 模型和過程三個層面歸納總結(jié)了當(dāng)前空天裝備研發(fā)數(shù)字化轉(zhuǎn)型建設(shè)所面臨的困境，以及當(dāng)前裝備數(shù)字孿生體發(fā)展所面臨的主要矛盾， 為尋找可能的突破點與解決途徑提出了新思路。

關(guān)鍵詞："""" 數(shù)字孿生； 空天裝備； 裝備數(shù)字化； 特征體系；" 模型孿生;" 數(shù)據(jù)孿生; 過程孿生

中圖分類號：""""" TJ760; V11

文獻標識碼：""" A

文章編號："""" 1673-5048（2024）03-0001-13

DOI： 10.12132/ISSN.1673-5048.2024.0001

引用格式： 儲振航， 肖飛， 郭建國， 等 . 數(shù)字孿生視角下的空天裝備數(shù)字化［ J］. 航空兵器， 2024， 31（ 3）： 1-13.

Chu Zhenhang， Xiao Fei， Guo Jianguo， et al. Digitization of Space Equipment from the Perspective of Digital Twin［ J］ . Aero Weaponry， 2024， 31（ 3）： 1-13.（ in Chinese）

0" 引" 言

隨著信息技術(shù)的空前發(fā)展， 全球迎來了第四次工業(yè)革命。 數(shù)據(jù)作為新工業(yè)革命下的關(guān)鍵生產(chǎn)要素， 催生出一批以數(shù)字孿生（Digital Twin， DT）、 人工智能、 數(shù)據(jù)科學(xué)和物聯(lián)網(wǎng)為代表的新一代信息技術(shù)， 形成一股驅(qū)動產(chǎn)業(yè)變革的新力量。 其中， 數(shù)字孿生作為連接物理世界和數(shù)字空間的信息交互技術(shù)， 以其獨特的數(shù)字化方式將真實世界中的物理實體映射到虛擬空間， 并借助計算機仿真， 通過虛實交互反饋、 數(shù)據(jù)融合分析、 決策迭代優(yōu)化等手段， 模擬和預(yù)測物理實體在現(xiàn)實環(huán)境中的行為方式， 實現(xiàn)對復(fù)雜物理對象的精細化監(jiān)測和控制， 因此被工業(yè)4.0研究院稱之為“通用目的技術(shù)”（ General-Purpose Technologies， GPT）［1］， 數(shù)字孿生引發(fā)了各國科學(xué)家廣泛關(guān)注， 并連續(xù)4年被高德納公司（Gartner）列為世界十大戰(zhàn)略科技發(fā)展趨勢之一［2］。

本文從數(shù)據(jù)、 模型和過程三個視角探討數(shù)字孿生技術(shù)驅(qū)動下現(xiàn)代空天裝備數(shù)字化， 介紹了空天裝備數(shù)字孿生體的發(fā)展歷程和特征體系， 通過梳理數(shù)字孿生驅(qū)動下裝備的快速設(shè)計與性能預(yù)測、 故障診斷與健康管理、 智能制造與數(shù)字化裝配以及任務(wù)規(guī)劃與協(xié)同配合多研究領(lǐng)域的國內(nèi)外研究現(xiàn)狀， 總結(jié)當(dāng)前空天裝備研發(fā)數(shù)字化轉(zhuǎn)型建設(shè)所面臨的困境， 展望了未來數(shù)字孿生在空天裝備中的發(fā)展和應(yīng)用。

1" 空天裝備數(shù)字孿生的概念與內(nèi)涵

1.1" 數(shù)字孿生的產(chǎn)生及其在空天裝備中的應(yīng)用發(fā)展

孿生的概念起源于美國“阿波羅任務(wù)”時代， 目的是建造一個與實際飛船等比例大小的地面飛船來模擬和反映實際飛行中飛船的狀態(tài)， 并為飛船的維護提供參考， 因此也稱為物理伴飛［3］。 而數(shù)字孿生的概念最早是由密歇根大學(xué)的邁克爾·格里夫斯（Michael Grieves）教授與美國國家航空航天局（National Aeronautics and Space Administration， NASA）的約翰·維克斯（John Vickers）共同提出的， 最初名為“信息鏡像模型”（Information Mirroring Model）。 2003年， 格里夫斯教授在其產(chǎn)品生命周期管理（PLM）中首次引入數(shù)字孿生這一概念［4］。

2010年， NASA在提出的“建模、 仿真、 信息技術(shù)和過程”路線圖中， 明確了數(shù)字孿生的發(fā)展愿景， 提出將數(shù)字孿生技術(shù)應(yīng)用于航天裝備維護， 以期實現(xiàn)對飛行器飛行系統(tǒng)的健康狀況進行故障監(jiān)測及診斷。 美國空軍研究實驗室結(jié)構(gòu)科學(xué)中心也通過將超高保真的飛機虛擬模型與影響飛行的結(jié)構(gòu)偏差和溫度計算模型相結(jié)合， 開展了基于數(shù)字孿生的飛機結(jié)構(gòu)壽命預(yù)測［1］。" 與此同時，" 洛克

希德·馬丁公司、 諾斯羅普·格魯曼公司、 空客公司等

收稿日期： 2024-01-02

基金項目： 國家自然科學(xué)基金項目（62003270）

作者簡介： 儲振航（2000-），" 男，" 陜西商洛人，" 碩士研究生。

*通信作者： 肖飛（1983-）， 女， 湖南益陽人， 博士， 副教授， 碩士生導(dǎo)師。

也積極推進數(shù)字孿生技術(shù)的實際應(yīng)用， 涉及武器裝備系統(tǒng)的設(shè)計研發(fā)、 生產(chǎn)制造、 運行維護等多個應(yīng)用方向［5-6］。

以美國空軍的F-35戰(zhàn)斗機為例， 2016年諾斯羅普·格魯曼公司利用數(shù)字孿生技術(shù)改進了F-35機身生產(chǎn)中劣質(zhì)品的處理流程， 實現(xiàn)零部件數(shù)據(jù)的自動采集， 并精準映射到數(shù)字孿生模型， 進行實時、 快速、 精確分析， 使F-35戰(zhàn)斗機進氣道加工缺陷決策處理時間縮短了33%。 2017年洛克希德·馬丁公司又在F-35沃斯堡工廠部署了基于數(shù)字孿生技術(shù)的“智能空間平臺”， 將實際生產(chǎn)數(shù)據(jù)映射到數(shù)字孿生模型中， 并與制造執(zhí)行和規(guī)劃系統(tǒng)相連， 進行提前規(guī)劃和調(diào)配制造資源， 從而全面優(yōu)化生產(chǎn)過程， 使F-35A

戰(zhàn)斗機的制造成本從9 460萬美元降低到8 500萬美元以下， 降幅超過10%。 達索航空公司也基于數(shù)字孿生理念建立了虛擬開發(fā)與仿真平臺， 用于“陣風(fēng)”系列戰(zhàn)斗機和“隼”系列公務(wù)機的設(shè)計過程改進， 最終實現(xiàn)設(shè)計成本降低25％， 且首次質(zhì)量改進提升15％以上［1， 3， 5］。 航空兵器" 2024年第31卷第3期

儲振航， 等： 數(shù)字孿生視角下的空天裝備數(shù)字化

1.2" 空天裝備數(shù)字孿生體的系統(tǒng)組成

數(shù)字孿生驅(qū)動下的現(xiàn)代空天裝備數(shù)字化， 其核心就是緊密圍繞如何基于數(shù)字孿生技術(shù)實現(xiàn)裝備設(shè)計、 制造與維護全流程數(shù)字化， 即如何構(gòu)建可鏡像空天裝備全生命周期的數(shù)字孿生體， 以提高現(xiàn)有空天裝備的智能化、 數(shù)字化水平。 因數(shù)字孿生是以數(shù)據(jù)為基礎(chǔ)， 模型為核心， 過程為紐帶， 就從數(shù)據(jù)、 模型和過程三個角度歸納提出空天裝備數(shù)字孿生體的系統(tǒng)組成， 即空天裝備的數(shù)字孿生體按組成分為數(shù)據(jù)孿生、 模型孿生和過程孿生， 具體示意如圖1所示［7］。 上述問題也就隨之轉(zhuǎn)變?yōu)槿绾瓮瓿煽仗煅b備設(shè)計、 制造和運維過程的數(shù)據(jù)孿生、 模型孿生和過程孿生。

數(shù)據(jù)孿生主要完成對孿生數(shù)據(jù)的產(chǎn)生、 儲存與管理， 并實現(xiàn)相關(guān)數(shù)據(jù)采集處理及分析， 對應(yīng)如圖1（a）； 模型孿生主要基于多學(xué)科仿真平臺完成孿生模型的構(gòu)建與多層級孿生模型的管理， 包含裝備實體的幾何模型、 物理模型和數(shù)據(jù)統(tǒng)計模型等， 對應(yīng)如圖1（b）； 過程孿生則是通過構(gòu)建裝備全壽命周期的過程管理平臺， 完成裝備全壽命的任務(wù)監(jiān)督和過程管理， 包含運行過程模擬、 故障診斷與預(yù)測、 優(yōu)化與決策支持等， 對應(yīng)如圖1（c）。 這三部分相互交互、 協(xié)調(diào)整合為一個完整的空天裝備數(shù)字孿生體， 完整覆蓋空天裝備的設(shè)計、 運維和決策管理。 通過構(gòu)建裝備的數(shù)字孿生體， 實現(xiàn)對其性能仿真和實體裝備的全生命周期管理（包含數(shù)據(jù)管理、 模型管理和過程管理）， 并通過數(shù)據(jù)反饋、 模型調(diào)用， 推動裝備實體產(chǎn)品和虛擬模型的不斷迭代更新和優(yōu)化［8-9］。

1.3" 空天裝備數(shù)字孿生體的特征體系

針對空天裝備數(shù)字孿生體的特征， 本節(jié)從數(shù)字孿生的模型、 過程和數(shù)據(jù)三個大類來進行特征梳理和解釋， 構(gòu)建起以模型特征、 過程特征和數(shù)據(jù)特征為核心的特征體系。

1.3.1" 模型特征

模型類特征包含裝備實體的功能模型（Functional Model）、 物理模型（Physical Model）、 行為模型（Behavio-ral Model）、 系統(tǒng)的控制模型（Control Model）以及模型測試與驗證（Model Test and Verification）。

功能模型作為模型孿生的基礎(chǔ)， 描述了實體系統(tǒng)的各個功能特性及其之間的關(guān)系。 通過建立實體物理系統(tǒng)的功能模型， 實現(xiàn)了對實體系統(tǒng)的精確映射； 物理模型詳細描述裝備實體的結(jié)構(gòu)、 材料、 力學(xué)行為等的實體物理特征， 更好地模擬實體系統(tǒng)的運行情況， 理解實體系統(tǒng)的物理特性； 根據(jù)裝備實體建立起實體系統(tǒng)的行為模型， 可模擬實體裝備系統(tǒng)在不同條件下的行為及運行情況， 能夠準確模擬和分析實體系統(tǒng)的行為， 更好地了解實體系統(tǒng)的動態(tài)特性， 實現(xiàn)實體裝備的性能預(yù)測、 故障診斷和維修需求判定等； 實體裝備系統(tǒng)的控制模型， 可實現(xiàn)對實體系統(tǒng)的遠程監(jiān)控和控制。 控制模型可以通過調(diào)整實體系統(tǒng)的控制參數(shù)， 優(yōu)化系統(tǒng)的性能， 也可以通過遠程監(jiān)控對控制實體系統(tǒng)進行實時調(diào)整， 從而提高了整個系統(tǒng)的靈活性和可控性。 當(dāng)完成所有模型的構(gòu)建與調(diào)試后， 就需要對這些模型進行測試與驗證。 空天裝備的數(shù)字孿生體需要測試和驗證建立的模型與實體系統(tǒng)的一致性和準確性， 確保數(shù)字孿生體可以準確地模擬實體系統(tǒng)的運行情況［10］。

1.3.2" 過程特征

過程類特征包括裝備系統(tǒng)的狀態(tài)監(jiān)測與診斷（State Monitoring and Diagnosis）、 故障檢測與預(yù)測（Fault Detection and Prediction）以及優(yōu)化與決策支持（Optimization and Decision Support）。

狀態(tài)監(jiān)測與診斷能夠?qū)崟r監(jiān)測實體系統(tǒng)的運行狀態(tài)， 并通過分析傳感器測量所得的數(shù)據(jù)來診斷系統(tǒng)的故障和異常， 及時發(fā)現(xiàn)和解決實體裝備中的問題， 從而提高系統(tǒng)的可靠性和可用性； 故障檢測與預(yù)測是通過分析實體系統(tǒng)的運行情況來檢測系統(tǒng)的故障， 并預(yù)測故障可能的發(fā)生位置、 頻率、 損壞程度等， 實現(xiàn)裝備的故障預(yù)防和維修規(guī)劃， 減少系統(tǒng)故障給裝備生產(chǎn)和使用過程帶來的損失； 優(yōu)化與決策支持則通過分析裝備實體及系統(tǒng)運行過程中的的數(shù)據(jù)和模擬結(jié)果， 提供優(yōu)化和決策支持， 幫助制定最佳的運行策略和決策方案， 提高整個裝備系統(tǒng)的效率和性能［10］。

1.3.3" 數(shù)據(jù)特征

數(shù)據(jù)類特征包括數(shù)據(jù)采集與傳輸（Data Acquisition and Transfer）、 大數(shù)據(jù)處理（Big Data Processing）、 數(shù)據(jù)集成與共享（Data Integration and Sharing）、 數(shù)據(jù)安全與隱私（Data Security and Privacy）以及可視化與交互（Visualization and Interaction）。

數(shù)據(jù)采集與傳輸是通過采集實體裝備和模擬系統(tǒng)中的各種傳感器數(shù)據(jù)和測試數(shù)據(jù)， 并將這些數(shù)據(jù)傳輸?shù)窖b備孿生平臺進行處理和分析的過程。 這些數(shù)據(jù)作為裝備數(shù)據(jù)孿生的核心， 為后續(xù)的分析和應(yīng)用提供數(shù)據(jù)支持。 大數(shù)據(jù)處理是裝備數(shù)字孿生中的重要環(huán)節(jié)， 通過對采集到的大量傳感器數(shù)據(jù)和性能測試數(shù)據(jù)進行處理和分析， 可以發(fā)現(xiàn)系統(tǒng)的隱藏規(guī)律。 通過數(shù)據(jù)處理操作（包含數(shù)據(jù)清洗、 融合、 挖掘分析等）， 得到一批標準化實體和孿生數(shù)據(jù)， 以方便后續(xù)提取有價值的信息。 數(shù)據(jù)集成與共享能夠幫助進行全面的數(shù)據(jù)分析和決策， 提高工作效率和協(xié)同性。 通過整合來自不同數(shù)據(jù)源的數(shù)據(jù)， 并與其他相關(guān)的系統(tǒng)共享數(shù)據(jù)， 實現(xiàn)信息的交流和共享。 數(shù)據(jù)安全與隱私指在整個裝備孿生過程中需要保護傳感器數(shù)據(jù)的安全性和隱私性， 防止數(shù)據(jù)被未經(jīng)授權(quán)的訪問和使用。 可視化與交互指通過將數(shù)據(jù)轉(zhuǎn)化為圖形化的界面， 可以幫助用戶更加直觀地理解和分析數(shù)據(jù)， 實現(xiàn)新方式的信息交互［10］。

在模型特征方面， 空天裝備的數(shù)字孿生體通過不同的模型（包含功能模型、 物理模型、 行為模型和控制模型等）描述裝備實體的特征和關(guān)系， 并通過模型的測試與驗證來確保模型的一致性與準確性； 在過程特征方面， 空天裝備的數(shù)字孿生體通過對裝備全壽命周期內(nèi)的狀態(tài)檢測， 實現(xiàn)裝備故障的實時預(yù)測， 并為空天裝備的維修提供優(yōu)化和決策建議； 在數(shù)據(jù)特征方面， 空天裝備的數(shù)字孿生體通過對數(shù)據(jù)的標準化采集、 傳輸、 處理、 集成、 共享、 安全保護及可視化交互， 實現(xiàn)了裝備研制、 運維過程的標準化和數(shù)字化。

2" 空天裝備數(shù)字孿生關(guān)鍵技術(shù)

數(shù)字孿生技術(shù)與傳統(tǒng)空天裝備結(jié)合， 推動了裝備設(shè)計、 仿真、 試驗評估、 故障診斷和使用維護技術(shù)的數(shù)字化發(fā)展。 數(shù)字孿生技術(shù)在有效提高空天裝備可靠性和可用性的同時， 更好地支持空天裝備的維護和管理工作， 從而大幅提升裝備的智能化和信息化水平， 實現(xiàn)了由傳統(tǒng)衛(wèi)星、 火箭、 導(dǎo)彈向數(shù)字衛(wèi)星［11］、 數(shù)字火箭、 數(shù)字導(dǎo)彈的跨越式發(fā)展［12］。 圖2從數(shù)據(jù)、 模型和過程三個角度梳理論證空天裝備數(shù)字孿生關(guān)鍵技術(shù)。

2.1" 過程孿生技術(shù)

所謂過程孿生， 就是指數(shù)字孿生技術(shù)在裝備設(shè)計、 制造和運維過程等特定應(yīng)用領(lǐng)域中的擴展， 專注于構(gòu)建特定流程或操作的精確數(shù)字模型， 能夠?qū)崟r模擬物理過程， 提供關(guān)鍵性能數(shù)據(jù)和操作反饋， 從而在決策制定、 效率提升以及安全性增強方面發(fā)揮作用。 其主要包括過程全流程規(guī)劃管理、 自適應(yīng)閉環(huán)控制等。 在空天裝備等領(lǐng)域中， 主要應(yīng)用于裝備總體設(shè)計、 細節(jié)設(shè)計、 制造及航天器在軌設(shè)計等方面［13］。 過程孿生通過模擬真實世界的操作流程， 在不干擾實際設(shè)備的前提下， 實時監(jiān)測裝備工作狀態(tài)、 預(yù)測潛在故障， 提供新操作方案的測試和流程優(yōu)化機會， 優(yōu)化運行策略。

2.1.1" 全流程規(guī)劃管理

流程規(guī)劃是一種系統(tǒng)的策略性方法， 目的是優(yōu)化工作流程以達成特定目標， 主要涉及對任務(wù)的識別、 分析以及確定任務(wù)執(zhí)行的最佳順序， 因此選擇合適的工具和技術(shù)并有效地規(guī)劃資源分配， 就成為全流程規(guī)劃管理的核心。 這在裝備設(shè)計、 制造和運維過程中體現(xiàn)得更加明顯， 即如何在把控操作效率的同時進行成本（制造成本、 時間成本等）的節(jié)約和對裝備質(zhì)量的控制， 因此， 整個流程規(guī)劃過程要求對裝備全生命周期的相關(guān)流程進行深入的分析， 要考慮流程設(shè)計、 實施和監(jiān)控的多個方面， 做好流程規(guī)劃是確保項目設(shè)計的成功和可持續(xù)改進的基石。 全流程規(guī)劃可應(yīng)用于航空航天工業(yè)零件的制造， 通過構(gòu)造的信息模型并結(jié)合制造過程中涉及的相關(guān)信息和數(shù)據(jù)的屬性和關(guān)系， 利用產(chǎn)生的規(guī)劃規(guī)范偏差等信息提前進行有針對性的改進， 以保證加工過程的質(zhì)量和成本的雙重優(yōu)化［14］。

2.1.2" 自適應(yīng)閉環(huán)控制

自適應(yīng)閉環(huán)控制是一種先進的控制策略， 它基于控制理論和現(xiàn)代信號處理技術(shù)， 能夠根據(jù)外部環(huán)境變化和系統(tǒng)內(nèi)部動態(tài)自動調(diào)整其控制參數(shù)。 這種系統(tǒng)利用反饋機制， 實時監(jiān)測控制對象的輸出， 進而基于設(shè)定目標與實際輸出之間的偏差動態(tài)調(diào)整控制策略。 在裝備的全生命過程中該方法也同樣適用。 針對裝備設(shè)計、 制造和維護過程中的參數(shù)可隨時間演變及系統(tǒng)復(fù)雜且無法完全預(yù)知的問題， 自適應(yīng)閉環(huán)控制系統(tǒng)能夠?qū)崿F(xiàn)自我學(xué)習(xí)和調(diào)整， 以適應(yīng)整個流程隨時間不斷變化的環(huán)境條件， 從而確保整個過程的高效和穩(wěn)定運行， 同時整個閉環(huán)控制還可以優(yōu)化系統(tǒng)性能和響應(yīng)能力。 在實現(xiàn)這些功能的過程中， 其通常結(jié)合了多種算法和模型， 如自適應(yīng)算法、 預(yù)測模型和優(yōu)化策略等。 在空天裝備領(lǐng)域中， 其常用于航天器電液伺服系統(tǒng)［15］及小推力航天器自適應(yīng)閉環(huán)機動規(guī)劃［16］等控制系統(tǒng)中。

2.2" 模型孿生技術(shù)

模型孿生技術(shù)被定義為實體裝備產(chǎn)品的所有部件、 特征和細節(jié)的完全高保真虛擬再現(xiàn)， 使設(shè)計師能夠通過運行基于這些數(shù)字模型的仿真來測試整個系統(tǒng)的行為， 并預(yù)測真實裝備的響應(yīng)。 每個系統(tǒng)/部件的數(shù)字模型都需要無縫連接， 這種一體化意味著從兩個不同方向定義模型之間的聯(lián)系： “水平”模型， 它包含了在整個體系結(jié)構(gòu)中使用相同仿真方法模型的集成， 這是由子系統(tǒng)模型之間的交互產(chǎn)生的； “垂直”模型， 包括在不同工具中開發(fā)的模型之間的通信， 這通常與實現(xiàn)更高層次的產(chǎn)品模型細節(jié)的需要相一致［17］。 模型之間通過數(shù)字孿生數(shù)據(jù)進行交互， 而模型的演化及不同領(lǐng)域模型間的關(guān)系則通過過程孿生得到體現(xiàn)。

2.2.1" 幾何與行為建模

數(shù)字孿生模型通常包括對實體的幾何形狀和行為特性建模。 幾何建模關(guān)注如何精確地描述實體的形狀、 結(jié)構(gòu)和尺寸， 而行為建模涉及對裝備實體的運動、 力學(xué)特性、 傳熱傳質(zhì)等行為進行建模。

（1） 幾何模型

幾何模型孿生主要源于物理和虛擬樣機。 虛擬樣機的產(chǎn)品樹準確展現(xiàn)物理樣機的部件和結(jié)構(gòu)關(guān)系。 設(shè)計人員可以在虛擬樣機上進行設(shè)計調(diào)整， 然后通過數(shù)字孿生系統(tǒng)的接口將這些更改傳遞到物理樣機， 以指導(dǎo)其加工和制造過程［17］。

（2） 行為模型

行為模型是指模擬和表示一個物理對象或系統(tǒng)行為的數(shù)字模型。 這種模型能夠精確捕捉并反映其對應(yīng)的實體在各種條件和環(huán)境下的行為和響應(yīng)。 行為模型通常包括對物理系統(tǒng)的運動學(xué)、 動力學(xué)、 控制邏輯和其他相關(guān)特性的詳細描述。 通過這樣的模型， 可以在虛擬環(huán)境中準確預(yù)測和分析實體的性能， 從而對系統(tǒng)進行優(yōu)化和改進， 或者用于培訓(xùn)和決策支持。

2.2.2" 數(shù)據(jù)和知識模型

數(shù)字孿生模型需要使用大量的數(shù)據(jù)進行建模和分析。 數(shù)據(jù)模型用于整合、 管理和處理各種傳感器數(shù)據(jù)、 監(jiān)測數(shù)據(jù)和操作數(shù)據(jù)， 以提供實時監(jiān)測和預(yù)測能力。 知識模型則整合了領(lǐng)域知識、 規(guī)則和經(jīng)驗， 以補充數(shù)據(jù)模型的不足之處。

（1） 工藝數(shù)據(jù)模型

工藝數(shù)據(jù)模型孿生主要關(guān)注工藝數(shù)據(jù)與裝備性能數(shù)據(jù)之間的關(guān)聯(lián)， 涉及工藝誤差、 約束和成本等模型。 制造過程的反饋將這些工藝數(shù)據(jù)投射到數(shù)字孿生體中。 隨后， 這些信息用于更新學(xué)科仿真中的工藝模型。 更新后的模型用于模擬裝備性能和行為， 進而引導(dǎo)裝備設(shè)計和工藝方案的優(yōu)化［17］。

（2） 知識模型

知識模型代表了對數(shù)據(jù)的一種高級理解和抽象化。 它不僅關(guān)注數(shù)據(jù)本身， 而且關(guān)注數(shù)據(jù)背后的含義、 模式和關(guān)系。 通過對數(shù)據(jù)進行分析和解釋， 知識模型能夠?qū)⒃紨?shù)據(jù)轉(zhuǎn)化為有用的知識， 從而為決策提供支持。 其中包含對數(shù)據(jù)的深入理解， 如數(shù)據(jù)之間的關(guān)系、 數(shù)據(jù)背后的原理以及如何應(yīng)用這些數(shù)據(jù)來解決實際問題， 由此延伸出有形應(yīng)用模型， 如基于知識工程的裝備總體設(shè)計先進技術(shù)［18］。

2.2.3" 機理和算法模型

數(shù)字孿生模型中的機理和算法模型用于描述和模擬裝備的運行原理和行為機制。 通常是基于物理原理、 數(shù)學(xué)方程、 統(tǒng)計模型等， 解釋和預(yù)測系統(tǒng)的動態(tài)性能和行為。 這些模型可用于分析故障、 優(yōu)化設(shè)計、 改進運營等。 算法模型可分為設(shè)計算法和優(yōu)化算法兩類， 具體可涉及大數(shù)據(jù)， AI-ML， IoT， CPS， 邊緣計算， 云計算， 通信技術(shù)等［19］。 算法模型主要用于在虛擬空間建立對航空航天裝備的方案選擇、 設(shè)計及優(yōu)化。

（1） 設(shè)計算法

計算流體動力學(xué)（CFD）算法是用于模擬和分析流體（氣體和液體）行為。 它通過數(shù)值分析和數(shù)據(jù)結(jié)構(gòu)來解決和分析涉及流體流動的問題， 如空氣動力學(xué)和水動力學(xué)。 CFD算法通過解決Navier-Stokes方程（描述流體運動的方程）來模擬流體流動、 傳熱、 質(zhì)量傳輸?shù)痊F(xiàn)象。

有限元分析FEA算法用于預(yù)測物體如何對外部力、 振動、 熱和其他物理效應(yīng)做出反映。 FEA通過將復(fù)雜的結(jié)構(gòu)劃分為較小的、 更易于管理的單位， 稱為“有限元”， 然后對這些單位進行數(shù)學(xué)運算來模擬整個系統(tǒng)的行為。

（2） 優(yōu)化算法

在進行數(shù)字孿生模型的優(yōu)化過程中， 可以使用遺傳算法、 粒子群優(yōu)化算法［20］、 拓撲優(yōu)化、 人工神經(jīng)網(wǎng)絡(luò)算法、 基于動態(tài)規(guī)劃的方法、 基于模型預(yù)測控制的方法和其他增強版本［21］、 Apriori 算法［22］等一種或多種優(yōu)化算法， 以達到提升模型精度、 提高仿真效率的目的。

例如， 在解決航空航天應(yīng)用中復(fù)雜熱流體設(shè)備設(shè)計的拓撲優(yōu)化問題時， 面臨的主要挑戰(zhàn)是極其復(fù)雜的流體動力學(xué)、 傳熱與形狀之間非線性耦合關(guān)系和拓撲優(yōu)化算法分析產(chǎn)生的幾何形狀， 為此， Mekki等［23］提出了一種結(jié)合計算流體動力學(xué)（CFD）的新型基于拓撲優(yōu)化的遺傳算法（GA）， 用于優(yōu)化熱交換器中的翅片形狀， 實現(xiàn)了相同機械強度的前提下， 最大限度地減少材料使用。

2.3" 數(shù)據(jù)孿生技術(shù)

所謂的數(shù)據(jù)孿生旨在對現(xiàn)代空天裝備設(shè)計過程中所涉及的各類結(jié)構(gòu)、 材料、 人員組織、 行為、 性能、 工藝等信息在虛擬空間中進行完全映射， 是空天裝備數(shù)字孿生體在數(shù)據(jù)層面實現(xiàn)的虛實一致。 實現(xiàn)數(shù)據(jù)孿生是構(gòu)建裝備數(shù)字孿生體的基礎(chǔ)， 也是裝備數(shù)字化設(shè)計的基礎(chǔ)。

2.3.1" 多源數(shù)據(jù)感知

多源數(shù)據(jù)通常是指來自不同傳感器、 設(shè)備、 系統(tǒng)或數(shù)據(jù)源的數(shù)據(jù)， 這些數(shù)據(jù)來源可能具有不同的數(shù)據(jù)類型、 數(shù)據(jù)結(jié)構(gòu)和數(shù)據(jù)特征。 多源數(shù)據(jù)感知是數(shù)據(jù)孿生技術(shù)的重要組成部分， 它涉及從不同的數(shù)據(jù)源中收集和感知各種類型的數(shù)據(jù)， 為孿生模型提供全面的輸入。 多源數(shù)據(jù)感知的目的是準確、 高效地獲取來自不同來源和傳感器的數(shù)據(jù)， 整合不同數(shù)據(jù)源的信息， 從而提高分析和決策的準確性， 以獲得對實體系統(tǒng)行為的全面理解， 通常是在裝備實體上利用多類型的傳感器網(wǎng)絡(luò)進行數(shù)據(jù)采集。

傳感器網(wǎng)絡(luò)作為一種常用的多源數(shù)據(jù)感知技術(shù)， 可利用分布式的傳感器節(jié)點通過無線通信方式收集實時數(shù)據(jù)， 也可以將傳感器網(wǎng)絡(luò)部署在裝備實體系統(tǒng)的不同位置， 以收集各種環(huán)境參數(shù)、 狀態(tài)信息和性能指標等數(shù)據(jù)。 通過合理布置傳感器節(jié)點， 可以實現(xiàn)對整個實體的全面監(jiān)測和數(shù)據(jù)感知。

在后續(xù)的信息處理和分析中， 將綜合利用來自多個不同源頭的數(shù)據(jù)， 以獲取更全面、 準確和可靠的信息。

如選擇合適的數(shù)據(jù)處理和分析方法， 關(guān)聯(lián)和融合不同數(shù)據(jù)源信息， 并針對這些數(shù)據(jù)進行質(zhì)量評估和可信度分析。

2.3.2" 異構(gòu)數(shù)據(jù)表征

異構(gòu)數(shù)據(jù)表征是指將不同類型、 結(jié)構(gòu)和來源的數(shù)據(jù)進行一致和有效的表示和描述的過程。 異構(gòu)數(shù)據(jù)通常包括結(jié)構(gòu)化數(shù)據(jù)、 半結(jié)構(gòu)化數(shù)據(jù)和非結(jié)構(gòu)化數(shù)據(jù)， 如文本、 圖像、 視頻、 傳感器數(shù)據(jù)等。 在空天裝備領(lǐng)域， 通常包含多學(xué)科數(shù)據(jù)、 不同維度數(shù)據(jù)、 圖像數(shù)據(jù)及文本數(shù)據(jù)等， 異構(gòu)數(shù)據(jù)表征的目的是將異構(gòu)數(shù)據(jù)轉(zhuǎn)換為統(tǒng)一的數(shù)據(jù)形式， 以方便后續(xù)數(shù)據(jù)分析、 挖掘和機器學(xué)習(xí)等任務(wù)的進行。

常見的異構(gòu)數(shù)據(jù)表征方法包括以下幾種： ①針對不同類型的數(shù)據(jù)， 可以采用特定的特征提取和轉(zhuǎn)換方法， 將其轉(zhuǎn)化為統(tǒng)一的特征表示。 在空天裝備領(lǐng)域， 可以應(yīng)用信號處理、 圖像處理、 自然語言處理等技術(shù)， 提取對應(yīng)的時頻特征、 視覺特征、 文本特征等。 ②圖模型與知識圖譜。 圖模型是一種有效的方式， 用于表示與建模異構(gòu)數(shù)據(jù)之間的關(guān)系。 通過構(gòu)建圖結(jié)構(gòu)， 可以將傳感器、 設(shè)備、 裝備以及它們之間的關(guān)聯(lián)關(guān)系表示為圖中的節(jié)點和邊。 知識圖譜則是一種用于表示和存儲該領(lǐng)域知識的圖結(jié)構(gòu)， 可以與異構(gòu)數(shù)據(jù)進行關(guān)聯(lián)， 提供更豐富的語義信息。 ③異構(gòu)數(shù)據(jù)往往來自不同的源頭， 包括傳感器、 設(shè)備、 系統(tǒng)等。 數(shù)據(jù)關(guān)聯(lián)是指將來自不同源頭的數(shù)據(jù)進行連接和關(guān)聯(lián)， 以獲取更全面和準確的信息。 數(shù)據(jù)融合是將異構(gòu)數(shù)據(jù)整合成一致的數(shù)據(jù)表示， 通過數(shù)據(jù)關(guān)聯(lián)、 沖突解決等技術(shù)來提供一致性和完整性的數(shù)據(jù)。

2.3.3" 復(fù)雜數(shù)據(jù)處理

針對大批量、 高維度、 多復(fù)雜度的數(shù)據(jù)處理， 通常會集中于數(shù)據(jù)清洗、 數(shù)據(jù)融合等方面， 從而為后期的數(shù)據(jù)挖掘及分析提供一批標準化數(shù)據(jù)集。

（1） 數(shù)據(jù)清洗

作為數(shù)據(jù)預(yù)處理過程中的重要環(huán)節(jié)， 數(shù)據(jù)清洗通常用于檢測和糾正數(shù)據(jù)中的異常值和噪聲， 以提高數(shù)據(jù)質(zhì)量。 數(shù)據(jù)清洗操作通常包括去除重復(fù)數(shù)據(jù)、 缺失數(shù)據(jù)填充和異常值處理。

去除重復(fù)數(shù)據(jù)可以避免重復(fù)數(shù)據(jù)偏重過大導(dǎo)致的計算偏差和對分析結(jié)果的影響， 也可以減少數(shù)據(jù)冗余從而提高數(shù)據(jù)質(zhì)量。 常見的方法包含： ①基于基準屬性。 根據(jù)一個或多個基準屬性（如發(fā)動機的尺寸、 藥柱厚度等）來檢測和刪除重復(fù)數(shù)據(jù)。 ②基于相似度匹配。 使用相似度度量方法來進行數(shù)據(jù)匹配和去重， 如編輯距離、 余弦相似度或Jaccard相似度。 ③基于規(guī)則或模式匹配。 利用事先定義的規(guī)則或模式來匹配和剔除部分重復(fù)數(shù)據(jù)［24］。

缺失數(shù)據(jù)填充可以保持數(shù)據(jù)完整性， 避免信息丟失從而減少數(shù)據(jù)偏差， 提高數(shù)據(jù)分析和建模的準確性和可靠性。 缺失數(shù)據(jù)處理通常有單一插補法（Single Imputa-tion）、 回歸方法（Regression-Based Imputation）、 EM算法（Expectation-Maximization Algorithm）、 多重插補法（Multiple Imputation）及基于機器學(xué)習(xí)的填補方法等。 單一插補法通常指根據(jù)已有數(shù)據(jù)的統(tǒng)計特征來估計缺失值， 通過使用一個單一的值來替代缺失值， 常見的插補方法包括均值插補、 中位數(shù)插補和最近鄰插補等； 回歸方法是指利用已有數(shù)據(jù)的特征與目標變量之間的線性或非線性關(guān)系， 通過建立回歸模型來預(yù)測缺失值； EM算法是通過暫時對缺失值進行估計， 然后使用這些估計值來更新模型參數(shù)， 并不斷迭代直到收斂， 同時估計缺失值的分布； 多重插補法可通過多次生成缺失值的估計， 利用每次生成的估計結(jié)果的方差來獲得更準確的缺失值估計。 常用方法如MICE（Multiple Imputation by Chained Equations）、 KNN（K-Nearest Neighbors）等； 基于機器學(xué)習(xí)的填補方法， 通常是利用已有數(shù)據(jù)的特征和樣本之間的關(guān)系， 通過訓(xùn)練模型來預(yù)測和填補缺失值， 常見的方法包括決策樹、 支持向量機、 隨機森林等［25］。

異常值處理可以防止異常值對統(tǒng)計分析和機器學(xué)習(xí)模型的誤導(dǎo)， 保證數(shù)據(jù)可靠性和準確性， 從而提高模型性能。 常見的數(shù)據(jù)的異常值剔除方法有： ①基于閾值方法。 使用統(tǒng)計指標（如均值加減標準差）或基于百分位數(shù)（如箱線圖）來識別和刪除超過特定閾值的數(shù)據(jù)點。 ②基于聚類或離群點檢測算法。 利用聚類算法或離群點檢測算法（如LOF或Isolation Forest）來識別和處理異常值。 ③基于機器學(xué)習(xí)模型。 通過訓(xùn)練機器學(xué)習(xí)模型， 如異常檢測模型或異常分數(shù)模型， 來識別和處理異常值［26］。

（2） 數(shù)據(jù)融合

數(shù)據(jù)融合作為數(shù)據(jù)孿生過程中的關(guān)鍵過程， 涉及將來自多個采樣源的數(shù)據(jù)整合和信息集成［27］， 提供更全面和準確的數(shù)據(jù)來方便后續(xù)的結(jié)果分析。

數(shù)據(jù)融合方法大致可分為： ①傳統(tǒng)數(shù)據(jù)融合方法， 包含加權(quán)平均法（將多個數(shù)據(jù)源的觀測值按照一定權(quán)重進行加權(quán)平均）、 最大值法和最小值法（將多個數(shù)據(jù)源的觀測值分別選取最大值或最小值作為融合結(jié)果）、 平均值法（將多個數(shù)據(jù)源的觀測值求平均作為融合結(jié)果）、 中值法（將多個數(shù)據(jù)源的觀測值排序后選擇中間值作為融合結(jié)果）以及加權(quán)求和法（將多個數(shù)據(jù)源的觀測值按照一定權(quán)重進行加權(quán)求和）。 ②基于模型驅(qū)動的數(shù)據(jù)融合方法。 a. 基于統(tǒng)計模型。 利用統(tǒng)計模型， 如貝葉斯網(wǎng)絡(luò)、 隱馬爾可夫模型等， 對不同數(shù)據(jù)源的概率分布進行建模和融合。 b. 基于機器學(xué)習(xí)算法。 使用機器學(xué)習(xí)算法， 如決策樹、 支持向量機、 神經(jīng)網(wǎng)絡(luò)等， 對多個數(shù)據(jù)源的觀測值進行學(xué)習(xí)和融合。 c.基于深度學(xué)習(xí)模型。 利用深度學(xué)習(xí)模型， 如深度神經(jīng)網(wǎng)絡(luò)、 卷積神經(jīng)網(wǎng)絡(luò)， 對多個數(shù)據(jù)源的特征進行學(xué)習(xí)和融合。 ③分布式數(shù)據(jù)融合方法。 a.基于合作感知的方法。 通過合作感知和信息共享， 分布式節(jié)點之間協(xié)同融合各自的數(shù)據(jù)， 如分布式傳感器網(wǎng)絡(luò)中的數(shù)據(jù)融合。 b.基于分布式優(yōu)化的方法。 將數(shù)據(jù)融合問題轉(zhuǎn)化為分布式優(yōu)化問題， 在各個節(jié)點進行局部優(yōu)化后， 通過通信和協(xié)作， 融合得到全局最優(yōu)解。 c.基于聯(lián)邦學(xué)習(xí)的方法。 利用聯(lián)邦學(xué)習(xí)的思想， 將模型的訓(xùn)練過程分布在不同節(jié)點上進行， 通過參數(shù)傳遞和更新， 實現(xiàn)數(shù)據(jù)融合與模型訓(xùn)練［28］。 ④不確定性建模的數(shù)據(jù)融合方法。 a.基于概率論的方法。 使用概率論框架， 如貝葉斯推理、 概率圖模型等， 對不同數(shù)據(jù)源的不確定性進行建模和融合。 b.基于模糊邏輯的方法。 利用模糊邏輯理論， 考慮模糊和不確定性的信息， 在多個數(shù)據(jù)源的觀測值之間進行模糊規(guī)則的推理和融合［29-30］。

3" 機遇與挑戰(zhàn)

數(shù)字孿生技術(shù)的引入， 從數(shù)據(jù)、 模型和過程三個視角重構(gòu)了航空航天裝備全壽命周期的各個階段， 加速了航空航天裝備設(shè)計進程， 顛覆了裝備傳統(tǒng)運維模式， 提升了裝備加工制造的智能化水平。

本節(jié)將聯(lián)系之前提出的模型、 數(shù)據(jù)及過程三要素， 多角度分析數(shù)字孿生驅(qū)動下的空天裝備在設(shè)計、 制造、 運維及特定裝備在任務(wù)執(zhí)行中所面臨的挑戰(zhàn)以及未來的研究應(yīng)用。 未來具體的研究方向如圖3所示。

3.1" “數(shù)據(jù)+模型”驅(qū)動下的快速設(shè)計與性能預(yù)測

不同于傳統(tǒng)經(jīng)驗法設(shè)計， 基于數(shù)字孿生的空天裝備設(shè)計指的是利用處理后的標準化數(shù)據(jù)和相關(guān)的物理學(xué)原

理、" 模擬實驗來構(gòu)建能夠準確描述飛行器的結(jié)構(gòu)、" 特性和性能參數(shù)的裝備孿生模型， 通過建立的孿生模型反饋數(shù)據(jù)， 實現(xiàn)對裝備關(guān)鍵性能的實時仿真和參數(shù)優(yōu)化， 因此， 其本質(zhì)上就是“數(shù)據(jù)+模型”驅(qū)動下的空天裝備快速設(shè)計與性能預(yù)測。

這種基于數(shù)據(jù)和模型驅(qū)動下的新型裝備設(shè)計方法在加快空天裝備設(shè)計過程的同時， 也提高了裝備性能預(yù)測的準確性。 整個設(shè)計過程不僅可評估裝備某些關(guān)鍵參數(shù)對其最終性能的影響， 也可以對不同的設(shè)計方案和參數(shù)組合進行仿真和預(yù)測， 通過孿生模型快速預(yù)測不同設(shè)計方案和參數(shù)組合的性能結(jié)果， 并進行實時對比和評估， 快速迭代和優(yōu)化設(shè)計方案， 以提高裝備設(shè)計的效率和準確性。 同時， 通過將實時傳感器數(shù)據(jù)與數(shù)字孿生模型整合， 可實時監(jiān)測飛行器的裝備性能并預(yù)測其下一步的狀態(tài)參數(shù)， 從而方便準確地評估裝備的性能和健康狀況， 再將建立的裝備數(shù)字孿生模型通過與實際裝備的實時數(shù)據(jù)交互， 將模型數(shù)據(jù)與實際裝備數(shù)據(jù)進行實時對比和校準， 就可以提供更加準確的裝備狀態(tài)評估和性能預(yù)測結(jié)果。 孿生模型也能夠模擬裝備在不同工況下的運行狀態(tài)， 預(yù)測裝備的性能指標， 尋找最優(yōu)性能指標下的裝備設(shè)計方案， 從而幫助工程師在設(shè)計和制造過程中迅速評估裝備性能， 指導(dǎo)優(yōu)化設(shè)計和改進制造過程［31-32］。

現(xiàn)有的研究主要集中于以下方面。 在火箭的數(shù)字化設(shè)計方面， 文獻［33］提出了基于數(shù)字孿生的火箭結(jié)構(gòu)設(shè)計制造與驗證技術(shù)， 增加了面向過程的虛擬映射、 模型驅(qū)動和數(shù)字管理等關(guān)鍵要素， 優(yōu)化了傳統(tǒng)的火箭經(jīng)驗設(shè)計方式， 大大提高了火箭的設(shè)計與制造的效率； 在分系統(tǒng)設(shè)計領(lǐng)域， 為解決發(fā)動機設(shè)計與仿真分離等難題， 文獻［9］提出了數(shù)字孿生驅(qū)動的固體發(fā)動機總體設(shè)計概念體系； 在衛(wèi)星領(lǐng)域中， 文獻［34］提出了一種基于數(shù)字孿生的衛(wèi)星裝備智能設(shè)計方法， 解決了衛(wèi)星裝備設(shè)計數(shù)據(jù)庫標準化程度低、 數(shù)據(jù)可繼承性差、 覆蓋率低等問題， 提高了衛(wèi)星裝備設(shè)計效率， 縮短了研制周期， 降低了研制成本； 在無人機設(shè)計領(lǐng)域， 針對大型軍用無人機的設(shè)計、 制造的現(xiàn)實問題， 文獻［35］提出了基于云計算的軍用大型無人機設(shè)計、 制造的數(shù)字孿生框架， 同時針對無人機需求日益增加但設(shè)計效率低的問題， 文獻［36］提出了用于無人機推進設(shè)計的數(shù)字孿生系統(tǒng)， 配備了彈道規(guī)劃和可視化分析組件， 以幫助有效地評估無人機推進設(shè)計， 方便用戶探索不同的推進配置如何影響軌跡的問題， 文獻［37］針對四軸飛行器性能預(yù)測問題， 提出構(gòu)建四軸飛行器的數(shù)字孿生體框架來預(yù)測其性能參數(shù)， 如最大航程和續(xù)航時間等。

綜上， 數(shù)字孿生驅(qū)動下的空天裝備快速設(shè)計與性能預(yù)測利用數(shù)字孿生技術(shù)、 快速設(shè)計方法和性能預(yù)測算法， 實現(xiàn)空天裝備設(shè)計和性能預(yù)測的高效和準確， 核心在于“數(shù)據(jù)+模型”的雙驅(qū)動。 未來的研究方向包括進一步結(jié)合機器學(xué)習(xí)和數(shù)據(jù)挖掘技術(shù)以增強性能預(yù)測的準確性和精確度， 提高裝備模型的精準度和智能化以及實現(xiàn)裝備設(shè)計過程的孿生。

3.2" “數(shù)據(jù)+模型”驅(qū)動下的故障診斷與健康管理

數(shù)字孿生在現(xiàn)代空天裝備的故障診斷與健康管理方面起著重要作用， 通過數(shù)字孿生技術(shù)， 可以將實時數(shù)據(jù)和裝備的數(shù)字模型整合起來， 實現(xiàn)對裝備狀態(tài)的實時監(jiān)測和評估， 因此其核心依然在于“數(shù)據(jù)+模型”的雙驅(qū)動。 裝備的孿生模型不僅可以準確描述裝備的結(jié)構(gòu)、 特性和性能參數(shù)， 還可以根據(jù)實時數(shù)據(jù)進行更新， 以反映裝備的當(dāng)前狀態(tài)， 為后續(xù)的故障預(yù)測與診斷提供更加穩(wěn)定的信息來源。 同時， 通過對孿生模型與實際裝備的實時數(shù)據(jù)對比， 可檢測到裝備出現(xiàn)的異常信號和行為， 從而幫助研究人員進一步確認裝備的故障異常和維修狀況。 孿生模型也可以根據(jù)歷史數(shù)據(jù)和故障經(jīng)驗， 識別并預(yù)測潛在的故障模式， 還可以根據(jù)模型提供的預(yù)測， 提前采取相應(yīng)的預(yù)防措施或及時進行維護和修復(fù)， 從而避免裝備故障和停機。 建立準確的裝備數(shù)字模型， 不僅可以對裝備運行過程進行實時性能監(jiān)測和評估， 還能夠在裝備后期的貯存過程中實時檢測裝備的性能下降或健康狀況的變化情況， 實現(xiàn)裝備的全生命期周期健康管理， 也可以對不同的貯存環(huán)境進行仿真和模擬， 評估其對裝備后期性能的影響， 同時反饋于裝備最開始的設(shè)計階段。 基于“數(shù)據(jù)+模型”的優(yōu)化設(shè)計也可以幫助提高裝備的性能和效率， 減少故障和維修的風(fēng)險。 模型和裝備的實時數(shù)據(jù)交互和模型迭代， 對裝備狀態(tài)進行監(jiān)測、 分析和預(yù)測， 從而實現(xiàn)故障診斷和健康管理， 提高裝備的可靠性、 安全性［38］。

文獻［39］基于數(shù)字孿生技術(shù)建立了火箭起飛安全系統(tǒng)方案， 通過數(shù)字化仿真， 實現(xiàn)了火箭起飛過程仿真、 干涉檢查和安全性分析， 為火箭安全起飛提供保障。 針對火箭發(fā)射過程中的故障預(yù)測與健康管理， 文獻［40］通過建立運載火箭測試與發(fā)射階段的數(shù)字孿生模型， 依托模型實現(xiàn)了對運載火箭健康管理功能的設(shè)計和優(yōu)化， 支持火箭測試過程的數(shù)據(jù)分析、 飛行過程協(xié)同診斷、 故障處理決策支持等功能。 針對同型號火箭控制系統(tǒng)測發(fā)數(shù)據(jù)少、 故障樣本不足的問題， 文獻［41］提出了數(shù)字孿生驅(qū)動下的火箭控制系統(tǒng)健康管理框架， 通過模擬仿真解決了火箭控制系統(tǒng)故障診斷問題， 實現(xiàn)了數(shù)據(jù)驅(qū)動下的智能診斷和故障挖掘。 在火箭的性能監(jiān)測和維護方面，" 文獻［42］基于有限元方法進行了孿生體模型搭建研究， 提出了運輸環(huán)境下的火箭性能故障診斷方法， 為產(chǎn)品狀態(tài)監(jiān)控、 健康管理等有效決策奠定了基礎(chǔ)。 針對壓電振動傳感器的剩余壽命預(yù)測， 文獻［43］通過建立感知特性退化模型， 結(jié)合實時監(jiān)測數(shù)據(jù)， 模擬和預(yù)測傳感器的靈敏度退化情況， 從而預(yù)測傳感器的剩余壽命， 提前進行維護和更換， 以保證裝備的正常運行。 針對裝備的全過程狀態(tài)監(jiān)測， 文獻［44］基于多類軟件構(gòu)建了一種新型的多旋翼無人機數(shù)字孿生仿真平臺， 實現(xiàn)了對多旋翼無人機的全生命周期進行仿真和跟蹤。 針對無人機狀態(tài)監(jiān)測問題， 文獻［45］從無人機的物理實體、 數(shù)字孿生體與數(shù)據(jù)信息等方面出發(fā)， 構(gòu)建了一種實時數(shù)據(jù)驅(qū)動的無人機數(shù)字孿生模型， 實現(xiàn)了對無人機狀態(tài)的實時監(jiān)測。 為了滿足無人機在實際飛行過程中的虛實交互、 實時響應(yīng)和精確控制等要求， 文獻［46］基于數(shù)字孿生技術(shù)搭建了四旋翼無人機飛行數(shù)字孿生系統(tǒng)平臺， 對其飛行過程進行仿真研究。 綜上， “數(shù)據(jù)+模型”驅(qū)動下的空天裝備故障診斷與健康管理利用數(shù)字孿生技術(shù)多途徑算法， 實現(xiàn)對裝備故障的實時診斷和健康狀態(tài)的監(jiān)測與管理。 未來的研究方向包括進一步提高故障診斷與健康管理算法的準確性和可靠性、 優(yōu)化數(shù)字孿生模型的建立和更新方法， 以及整個故障維修過程的全狀態(tài)監(jiān)測及數(shù)據(jù)管理。

3.3" “模型+過程”驅(qū)動下的智能制造與數(shù)字化裝配

數(shù)字孿生驅(qū)動下的空天裝備智能制造與數(shù)字化裝配是利用數(shù)字孿生技術(shù)， 將現(xiàn)代空天裝備制造與裝配過程中的數(shù)據(jù)、 模型和算法相結(jié)合， 實現(xiàn)空天裝備制造和裝配的智能化和數(shù)字化。 整個過程的模型涉及裝配制造模型的構(gòu)造及全過程孿生模型的構(gòu)造， 智能制造與數(shù)字化裝配的核心在于制造裝配模型構(gòu)建以及實現(xiàn)整個裝配過程的孿生， 因此屬于“模型+過程”的雙驅(qū)動。 首先， 數(shù)字孿生技術(shù)可以在空天裝備制造中實現(xiàn)智能化生產(chǎn)。 通過與裝備數(shù)字模型實時交互， 監(jiān)測制造過程中的各項參數(shù)和指標， 包括機械加工、 裝備組裝等的實時狀態(tài)。 孿生模型可以與實際裝備進行對比和校準， 幫助操作人員及時調(diào)整生產(chǎn)過程， 提高生產(chǎn)效率和質(zhì)量。 其次， 針對裝備的裝配過程， 通過建立裝備的數(shù)字孿生模型， 可以進行裝配過程的仿真和優(yōu)化， 預(yù)測裝配過程中可能出現(xiàn)的問題， 并提供相應(yīng)的解決方案。 數(shù)字孿生模型可以實時與實際裝配過程進行對比， 監(jiān)測裝配質(zhì)量， 并提供修正建議， 以確保裝備的正確組裝和優(yōu)化裝配。 最后是空天裝備的智能化生命周期管理， 通過建立裝備的數(shù)字孿生模型， 可以實現(xiàn)裝備的全生命周期管理， 包括設(shè)計、 制造、 使用和維護等各個階段。 數(shù)字孿生模型可以幫助實現(xiàn)裝備的故障診斷、 預(yù)測維護和智能化支持， 提升裝備的可靠性和可維護性［30， 47］。

現(xiàn)代空天裝備智能制造與數(shù)字化裝配涵蓋了眾多研究領(lǐng)域， 包括機械加工、 可持續(xù)制造、 質(zhì)量管理、 安全關(guān)鍵系統(tǒng)集成等。 文獻［22， 30］針對空天裝備的機械加工問題， 提出利用數(shù)字孿生技術(shù)構(gòu)建模型模擬加工過程， 從而優(yōu)化工藝參數(shù)， 提高加工效率和質(zhì)量。 文獻［48］提出基于仿生學(xué)的空天零部件數(shù)字孿生建模方法， 該方法可預(yù)測加工過程中帶來的變形和損傷， 描述零部組件的結(jié)構(gòu)和性能特性， 進而進行質(zhì)量控制和優(yōu)化。 針對空天裝備領(lǐng)域內(nèi)的可持續(xù)智能制造， 文獻［49-50］提出基于數(shù)字孿生對裝備的整個生命周期進行模擬， 包括設(shè)計、 制造、 使用和回收過程， 從而助力資源的高效利用和環(huán)境的可持續(xù)發(fā)展。 文獻［22］針對裝備裝配過程中的質(zhì)量問題， 提出利用數(shù)字孿生模型實時監(jiān)測裝配過程中的質(zhì)量情況， 并結(jié)合灰色-馬爾可夫模型和Apriori算法等進行裝配質(zhì)量預(yù)測和優(yōu)化。 文獻［51］提出將數(shù)字孿生應(yīng)用于飛機裝配的機電一體化系統(tǒng)中， 以確保裝配過程的安全高效。 針對智能制造領(lǐng)域人工巡視效率低、 精確度低、 危險系數(shù)較高等問題， 文獻［52］提出一種基于數(shù)字孿生的無人機巡航系統(tǒng)， 增加了部件設(shè)備維護的透明度， 并且讓“全生命周期管理”變成可能。

綜上， “模型+過程”驅(qū)動下的空天裝備智能制造與數(shù)字化裝配將數(shù)字孿生技術(shù)應(yīng)用于空天裝備的制造和裝配過程中， 通過提供模擬、 預(yù)測和優(yōu)化的能力， 推動航天裝備制造和裝配的創(chuàng)新發(fā)展， 實現(xiàn)裝備生產(chǎn)的智能化和數(shù)字化。 未來的研究方向包括進一步改進模型算法， 提高裝備制造和裝配過程的準確性、 實時性和裝配數(shù)據(jù)的采集、 傳輸及處理。

3.4" “模型＋過程”驅(qū)動下的任務(wù)規(guī)劃及協(xié)同配合

相比于火箭、 導(dǎo)彈等其他空天裝備， 無人機的數(shù)字孿生除了聚焦于傳統(tǒng)的設(shè)計， 制造及運維以外， 還包括數(shù)字孿生驅(qū)動下的任務(wù)規(guī)劃及協(xié)同配合， 涉及無人機群的協(xié)作配合、 戰(zhàn)場任務(wù)執(zhí)行、 編隊飛行模擬、 監(jiān)管及通信［53］等。 對于軍用無人機來講， 為實現(xiàn)對目標的及時偵察、 精確定位和完美打擊， 除了自身的結(jié)構(gòu)模型孿生外， 還應(yīng)當(dāng)包含當(dāng)前環(huán)境模型孿生以及整個任務(wù)過程的孿生模型構(gòu)建， 因此整個過程就變成了“模型＋過程”驅(qū)動下的任務(wù)規(guī)劃及協(xié)同配合。

群集運動是多無人機系統(tǒng)基本而關(guān)鍵的操作， 因為無人機之間往往需要進行深度協(xié)作以做出最優(yōu)決策。 文獻［54］針對無人機之間的任務(wù)分配問題， 基于數(shù)字孿生技術(shù)構(gòu)建了無人機的空間結(jié)構(gòu)， 提出一種基于密度聚類的算法， 最小化資源和成本， 解決了大型無人機之間的有效任務(wù)分配問題。 文獻［55］為解決傳統(tǒng)的植絨運動方法應(yīng)用時的場景局限性， 提出一種基于數(shù)字孿生的深度強化學(xué)習(xí)訓(xùn)練框架以實現(xiàn)多無人機系統(tǒng)的群集運動。 針對無人機群智能協(xié)同的復(fù)雜性和一致性問題， 文獻［56］提出一種新的基于數(shù)字孿生的無人機群智能協(xié)作框架， 可實現(xiàn)對無人機群全生命周期進行監(jiān)控， 也可實現(xiàn)快速決策， 探索全局最優(yōu)解并控制無人機群的行為。

在戰(zhàn)場任務(wù)執(zhí)行方面， 文獻［57］針對無人機任務(wù)規(guī)劃中的路徑擇優(yōu)問題， 提出利用數(shù)字孿生技術(shù)來實現(xiàn)不同任務(wù)不同環(huán)境下的最優(yōu)路徑快速選擇， 以減少路徑選擇時任務(wù)站、 機器人或無人機位置以及環(huán)境拓撲等約束的影響。 針對無人機任務(wù)的動態(tài)特性和完成率較差等問題， 文獻［58］提出了一種數(shù)字孿生輔助任務(wù)分配方法， 以提高多無人機系統(tǒng)中深度強化學(xué)習(xí)（DRL）的資源密集利用率和效率。 針對無人機的高效多目標跟蹤問題， 文獻［59］提出一個分層的數(shù)字孿生輔助跟蹤框架， 利用多粒度模擬來實現(xiàn)實時準確高效的多目標跟蹤。 針對無人機在作戰(zhàn)仿真過程中模型精度較低、 虛實交互運行較難的情況， 文獻［60］基于虛擬孿生技術(shù)提出作戰(zhàn)仿真系統(tǒng)設(shè)計方案， 文獻［61］構(gòu)建了面向無人機偵察打擊作戰(zhàn)行動的數(shù)字孿生平行戰(zhàn)場， 用于無人機實際作戰(zhàn)仿真及智能化決策輔助。

針對無人機的自主開發(fā)和監(jiān)管問題， 文獻［62］提出將數(shù)字孿生與其他新興技術(shù)（5G、 云平臺和VR等）結(jié)合起來， 構(gòu)建起無人機數(shù)字孿生體的基本框架。 針對無人機飛行模擬， 文獻［63］提出構(gòu)建無人機的編隊模擬和混合飛行平臺， 文獻［64］提出構(gòu)建無人機飛行模擬環(huán)境和數(shù)字孿生支持平臺。

針對無人機通信問題， 為探索基于空間數(shù)字孿生的無人機系統(tǒng)空域結(jié)構(gòu)和安全性能， 文獻［65］提出引入數(shù)字孿生技術(shù)， 將卷積神經(jīng)網(wǎng)絡(luò)算法與無人機自主網(wǎng)絡(luò)相結(jié)合， 并采用無線通信技術(shù)構(gòu)建無人機數(shù)字孿生系統(tǒng)。 文獻［66］構(gòu)建了一個基于深度學(xué)習(xí)的無人機數(shù)字孿生通信信道模型來探討無人機在無線通信中的應(yīng)用效果和局限性。 針對無人機采集的照片信息不全、 信息遮擋問題， 文獻［67］提出利用數(shù)字孿生技術(shù)來實現(xiàn)增強現(xiàn)實和遮擋處理， 包括對第一人稱和鳥瞰視圖的遮擋處理。

3.5" 當(dāng)前挑戰(zhàn)

3.5.1" 模型層面

無論是裝備設(shè)計、 制造、 裝配還是裝備運維， 首要解決的問題就是如何構(gòu)建可表征空天裝備的物理、 結(jié)構(gòu)特性和性能參數(shù)的裝備孿生模型。 其次應(yīng)考慮的是如何對這些模型進行優(yōu)化升級， 使其可以協(xié)助用戶完成更多功能的開發(fā)。 模型作為裝備數(shù)字孿生體的核心引擎， 如何構(gòu)建可以自我學(xué)習(xí)及優(yōu)化的孿生模型將成為后續(xù)研究的重點。 現(xiàn)有模型的構(gòu)造方法通?；谖锢韺W(xué)原理、 實驗數(shù)據(jù)和計算模擬， 對裝備的行為和性能的描述也大多出自理想條件下， 而空天裝備受環(huán)境、 載荷及自身飛行速度、 結(jié)構(gòu)和材料等多種因素影響， 其狀態(tài)仿真和性能預(yù)示需要解決力、 熱、 電多物理場強耦合性問題， 如何利用現(xiàn)有技術(shù)優(yōu)化模型構(gòu)造方法， 讓模型學(xué)會“自學(xué)習(xí)”， 提高模型的精度和可信度， 從而準確模擬原系統(tǒng)的真實狀態(tài)， 實現(xiàn)裝備設(shè)計與性能預(yù)示的革新。 同時， 如何協(xié)調(diào)不同類型模型之間的合作， 包含功能模型、 物理模型及控制模型等， 以支持裝備設(shè)計的跨領(lǐng)域協(xié)同， 讓不同部門和團隊之間共享實時數(shù)據(jù)和模型， 以進行更好的協(xié)同設(shè)計和決策。 未來的解決方向包括建立完善的建模方法體系、 統(tǒng)一的模型管理標準以及更加精細的建模平臺， 實現(xiàn)統(tǒng)一平臺下的模型統(tǒng)一管理、 統(tǒng)一調(diào)度， 實現(xiàn)模型之間的數(shù)據(jù)互通及相互學(xué)習(xí)協(xié)作［68］。

3.5.2" 數(shù)據(jù)層面

孿生過程中的數(shù)據(jù)是裝備數(shù)字孿生體的基礎(chǔ)。 當(dāng)前裝備生產(chǎn)過程中因為設(shè)備類型復(fù)雜、 通信標準多樣、 數(shù)據(jù)來源眾多且呈現(xiàn)多源異構(gòu)的特點， 導(dǎo)致數(shù)據(jù)采集、 管理困難且不易共享的問題， 因此， 如何提升數(shù)據(jù)采集的準確度與時效性， 以及如何對數(shù)據(jù)進行高效處理和合理利用就顯得尤為重要。 如何避免采集的數(shù)據(jù)存在信息孤島、 異構(gòu)數(shù)據(jù)融合難的問題， 如何在利用多傳感器進行數(shù)據(jù)采集時， 合理選擇傳感器的精度、 靈敏度和分布位置， 以及如何建立更高效的數(shù)據(jù)傳輸網(wǎng)絡(luò)以滿足數(shù)據(jù)的低延遲要求， 并解決數(shù)據(jù)傳輸?shù)臅r效性差的問題， 也是亟待研究應(yīng)用的技術(shù)。 之后， 如何借助大數(shù)據(jù)分析技術(shù)實現(xiàn)高效率的數(shù)據(jù)處理及分析， 完成從規(guī)模巨大、 種類繁多、 生成迅速、 不斷變化的數(shù)據(jù)集中挖掘價值， 也需要下更多的功夫［69］。 未來的解決方向包含設(shè)計更加精細的傳感器， 建立更加標準的數(shù)據(jù)傳輸協(xié)議及通道， 應(yīng)用新型技術(shù)實現(xiàn)數(shù)據(jù)分析挖掘， 構(gòu)建完整的數(shù)據(jù)流程， 保證整個過程的數(shù)據(jù)完整性。

其次， 數(shù)字孿生技術(shù)的發(fā)展推動了空天裝備的智能化和數(shù)字化發(fā)展， 而裝備的數(shù)據(jù)隱私和數(shù)據(jù)安全問題成為制約其應(yīng)用發(fā)展的重要因素。 對于空天裝備的數(shù)字孿生體而言， 隱私數(shù)據(jù)和裝備性能參數(shù)的保護至關(guān)重要。 未來需要采取嚴格的加密技術(shù)、 權(quán)限控制和監(jiān)控機制來確保數(shù)據(jù)安全， 同時嚴格遵守相關(guān)法規(guī)， 提高數(shù)據(jù)隱私和安全保護水平， 以推動數(shù)字孿生技術(shù)的可持續(xù)發(fā)展［70］。

3.5.3" 過程層面

過程是聯(lián)系數(shù)字孿生系統(tǒng)各組件的紐帶， 如何利用數(shù)字孿生實現(xiàn)過程管理就顯得尤為重要。 實現(xiàn)裝備的過程管理實際上就是解決其設(shè)計和制造的過程孿生和解決裝配過程的質(zhì)量監(jiān)測問題［71］， 針對裝備全壽命周期過程管理， 就是考慮如何實現(xiàn)全壽命的層次化建模、 柔性化管理和自動化映射問題［72］。 以裝備裝配為例， 當(dāng)前航天裝備的研制依然處于“邊設(shè)計、 邊生產(chǎn)、 邊裝配”的傳統(tǒng)模式， 特別在裝配過程中， 不僅會由于眾多不確定因素影響而導(dǎo)致無法準確有效地預(yù)測和評估裝備的真實進度和裝備的實際性能， 而且在裝配過程中要進行大量且復(fù)雜的性能試驗， 這會極大影響裝配效率， 同時又因為手工裝配的大量存在， 導(dǎo)致裝備的完成質(zhì)量難以保證。 因此， 如何基于數(shù)字孿生實現(xiàn)空天裝備的裝配質(zhì)量建模和應(yīng)用， 完成對航天裝備的裝配質(zhì)量進行在線監(jiān)測， 就顯得不可或缺［73］。 未來的解決方向包括利用統(tǒng)一的建模平臺和統(tǒng)一的建模語言構(gòu)建過程模型， 將裝備的全壽命周期劃分為不同的階段和子系統(tǒng)， 建立相應(yīng)的層次化信息模型， 同時設(shè)計具有適應(yīng)性和彈性的裝備管理流程， 以應(yīng)對不同裝備的需求和變化， 并引入信息化技術(shù)， 實現(xiàn)裝備管理的數(shù)字化、 網(wǎng)絡(luò)化， 提高管理過程的靈活性和實時性， 最后還要開發(fā)智能化的決策支持系統(tǒng)， 實現(xiàn)對裝備全壽命周期過程管理的自動化監(jiān)控、 分析和優(yōu)化。

4" 結(jié)" 束" 語

作為一種能夠?qū)嶓w裝備系統(tǒng)與其數(shù)字副本結(jié)合的技術(shù)， 數(shù)字孿生為現(xiàn)代空天裝備的數(shù)字化提供了無限的可能。 數(shù)字孿生視角下的空天裝備數(shù)字化， 一方面體現(xiàn)在其能夠通過模擬、 監(jiān)測和優(yōu)化裝備的設(shè)計、 制造及運維過程， 縮短現(xiàn)有裝備的研制周期， 加快空天裝備的創(chuàng)新過程， 從而顯著提高單個裝備乃至整個裝備體系的數(shù)字化程度； 另一方面體現(xiàn)在對于某些特殊空天裝備來講， 數(shù)字孿生還可以通過實時監(jiān)測并模擬裝備的運行過程， 幫助裝備進行實時自主決策， 使其具有更強的自適應(yīng)性和自主性， 提高任務(wù)執(zhí)行的精準性和安全性， 從而促進裝備技術(shù)的二次革新。 但囿于目前孿生技術(shù)的不成熟和裝備研發(fā)技術(shù)的限制， 尚存在一些值得持續(xù)研究和不斷深化的地方， 如裝備的數(shù)據(jù)采集、 孿生模型的構(gòu)建和全生命周期的過程仿真等。 相信隨著孿生技術(shù)的不斷發(fā)展， 這些難點、 痛點也將得到很好的解決， 數(shù)字孿生必將會為未來空天裝備的智能化創(chuàng)新和信息化發(fā)展提供更廣闊的空間， 從而推動空天裝備技術(shù)邁向新的高度。

參考文獻：

［1］ 陶飛， 劉蔚然， 劉檢華， 等.數(shù)字孿生及其應(yīng)用探索［J］.計算機集成制造系統(tǒng)， 2018， 24（1）： 1-18.

Tao Fei， Liu Weiran， Liu Jianhua， et al. Digital Twin and Its Potential Application Exploration［J］. Computer Integrated Manufacturing Systems， 2018， 24（1）： 1-18.（in Chinese）

［2］ 陶飛， 馬昕， 胡天亮， 等. 數(shù)字孿生標準體系［J］. 計算機集成制造系統(tǒng)， 2019， 25（10）： 2405-2418.

Tao Fei， Ma Xin， Hu Tianliang， et al. Research on Digital Twin Standard System［J］. Computer Integrated Manufacturing Systems， 2019， 25（10）： 2405-2418.（in Chinese）

［3］ 孟松鶴， 葉雨玫， 楊強， 等.數(shù)字孿生及其在航空航天中的應(yīng)用［J］.航空學(xué)報， 2020， 41（9）： 023615.

Meng Songhe， Ye Yumei， Yang Qiang， et al. Digital Twin and Its Aerospace Applications［J］. Acta Aeronautica et Astronautica Sinica， 2020， 41（9）： 023615.（in Chinese）

［4］" Liu M N， Fang S L， Dong H Y， et al. Review of Digital Twin about Concepts， Technologies， and Industrial Applications［J］. Journal of Manufacturing Systems， 2021， 58： 346-361.

［5］" Li L N， Aslam S， Wileman A， et al. Digital Twin in Aerospace Industry： A Gentle Introduction［J］. IEEE Access， 2022， 10： 9543-9562.

［6］" Xiong M L， Wang H W. Digital Twin Applications in Aviation Industry： A Review［J］. The International Journal of Advanced Manu-facturing Technology， 2022， 121（9）： 5677-5692.

［7］" 肖飛， 張為華， 王東輝， 等. 數(shù)字孿生驅(qū)動的固體發(fā)動機總體設(shè)計體系架構(gòu)與應(yīng)用［J］. 計算機集成制造系統(tǒng)， 2019， 25（6）： 1405-1418.

Xiao Fei， Zhang Weihua， Wang Donghui， et al. System Architecture and Applications for Overall Design of Solid Rocket Motor Based on Digital Twin［J］. Computer Integrated Manufacturing Systems， 2019， 25（6）： 1405-1418.（in Chinese）

［8］" 王建軍， 向永清， 何正文. 基于數(shù)字孿生的航天器系統(tǒng)工程模型與實現(xiàn)［J］. 計算機集成制造系統(tǒng)， 2019， 25（6）： 1348-1360.

Wang Jianjun， Xiang Yongqing， He Zhengwen. Models and Implementation of Digital Twin Based Spacecraft System Engineering［J］. Computer Integrated Manufacturing Systems， 2019， 25（6）： 1348-1360.（in Chinese）

［9］" 陶飛， 張辰源， 張賀， 等. 未來裝備探索： 數(shù)字孿生裝備［J］. 計算機集成制造系統(tǒng)， 2022， 28（1）： 1-16.

Tao Fei， Zhang Chenyuan， Zhang He， et al. Future Equipment Exploration： Digital Twin Equipment［J］. Computer Integrated Manufacturing Systems， 2022， 28（1）： 1-16.（in Chinese）

［10］" Jones D， Snider C， Nassehi A， et al. Characterising the Digital Twin： A Systematic Literature Review［J］. CIRP Journal of Manufacturing Science and Technology， 2020， 29： 36-52.

［11］" 劉蔚然， 陶飛， 程江峰， 等. 數(shù)字孿生衛(wèi)星： 概念、 關(guān)鍵技術(shù)及應(yīng)用［J］. 計算機集成制造系統(tǒng)， 2020， 26（3）： 565-588.

Liu Weiran， Tao Fei， Cheng Jiangfeng， et al. Digital Twin Satellite： Concept， Key Technologies and Applications［J］. Computer Integrated Manufacturing Systems， 2020， 26（3）： 565-588.（in Chinese）

［12］" 張文杰， 王國新， 閻艷， 等. 基于數(shù)字孿生和多智能體的航天器智能試驗［J］. 計算機集成制造系統(tǒng)， 2021， 27（1）： 16-33.

Zhang Wenjie， Wang Guoxin， Yan Yan， et al. Intelligent Test of Spacecraft Based on Digital Twin and Multi-Agent Systems［J］. Computer Integrated Manufacturing Systems， 2021， 27（1）： 16-33.（in Chinese）

［13］ Yin Z H， Wang L. Application and Development Prospect of Digi-tal Twin Technology in Aerospace［C］∥ IFAC-Papers on Line， 2020.

［14］ Hnel A， Schnellhardt T， Wenkler E， et al. The Development of a Digital Twin for Machining Processes for the Application in Aerospace Industry［C］∥ 53rd CIRP Conference on Manufacturing Systems， 2020.

［15］ Bessa W M， Dutra M， Kreuzer E. Adaptive Fuzzy Control of Electrohydraulic Servosystems［EB/OL］. （2022-05-31）［2024-01-01］.http：∥arxiv.org/abs/2205. 15639.

［16］ LaFarge N B， Howell K C， Folta D C. Adaptive Closed-Loop Maneuver Planning for Low-Thrust Spacecraft Using Reinforcement Learning［J］. Acta Astronautica， 2023， 211： 142-154.

［17］ Brusa E， Dagna A， Delprete C， et al. An Orchestration Method for Integrated Multi-Disciplinary Simulation in Digital Twin Applications［J］. Aerospace， 2023， 10（7）： 601.

［18］" Zhao H M， Sun Z W， Zhang H Z. Application of Knowledge Engineering in Spacecraft Overall Design［J］. Journal of Physics， 2020， 1510（1）： 012015.

［19］" Rathore M M， Shah S A， Shukla D， et al. The Role of AI， Machine Learning， and Big Data in Digital Twinning： A Systematic Literature Review， Challenges， and Opportunities［J］. IEEE Access， 2021， 9： 32030-32052.

［20］" Jamshidi V， Nekoukar V， Refan M H. Analysis of Parallel Gene-tic Algorithm and Parallel Particle Swarm Optimization Algorithm UAV Path Planning on Controller Area Network［J］. Journal of Control， Automation and Electrical Systems， 2020， 31（1）： 129-140.

［21］" Chai R Q， Tsourdos A， Savvaris A， et al. Review of Advanced Guidance and Control Algorithms for Space/Aerospace Vehicles［J］. Progress in Aerospace Sciences， 2021， 122： 100696.

［22］" Zhuang C B， Liu Z W， Liu J H， et al. Digital Twin-Based Quality Management Method for the Assembly Process of Aerospace Pro-ducts with the Grey-Markov Model and Apriori Algorithm［J］. Chinese Journal of Mechanical Engineering， 2022， 35（1）： 105.

［23］" Mekki B S， Langer J， Lynch S. Genetic Algorithm Based Topology Optimization of Heat Exchanger Fins Used in Aerospace Applications［J］. International Journal of Heat and Mass Transfer， 2021， 170： 121002.

［24］" Chu X， Ilyas I F， Krishnan S， et al. Data Cleaning： Overview and Emerging Challenges［C］∥International Conference on Management of Data， 2016： 2201-2206.

［25］" Zhang Z H. Missing Data Imputation： Focusing on Single Imputation［J］. Annals of Translational Medicine， 2016， 4（1）： 9.

［26］" Aneetha A S. The Combined Approach for Anomaly Detection Using Neural Networks and Clustering Techniques［J］. Computer Science amp; Engineering， 2012， 2（4）： 37-46.

［27］" Bleiholder J， Naumann F. Data Fusion［J］. ACM Computing Surveys， 2009， 41（1）： 1-41.

［28］" Castanedo F. A Review of Data Fusion Techniques［J］. The Scientific World Journal， 2013， 2013： 704504.

［29］" Meng T， Jing X Y， Yan Z， et al. A Survey on Machine Learning for Data Fusion［J］. Information Fusion， 2020， 57（C）： 115-129.

［30］" Liu S M， Bao J S， Zheng P. A Review of Digital Twin-Driven Machining： From Digitization to Intellectualization［J］. Journal of Manufacturing Systems， 2023， 67： 361-378.

［31］" Li L N， Aslam S， Wileman A， et al. Digital Twin in Aerospace Industry： A Gentle Introduction［J］. IEEE Access， 2022， 10： 9543-9562.

［32］" Tang W B， Xu G S， Zhang S J， et al. Digital Twin-Driven Mating Performance Analysis for Precision Spool Valve［J］. Machines， 2021， 9（8）： 157.

［33］" 吳浩， 楊帆， 王斌， 等. 基于數(shù)字孿生的火箭結(jié)構(gòu)設(shè)計制造與驗證技術(shù)研究［J］. 宇航總體技術(shù)， 2021， 5（2）： 7-13.

Wu Hao， Yang Fan， Wang Bin， et al. Study of Digital Twin Based Launch Vehicle Structural Design Manufacture and Validation Technology［J］. Astronautical Systems Engineering Technology， 2021， 5（2）： 7-13.（in Chinese）

［34］" 戴璐， 邵一夫， 郭宇元， 等. 基于數(shù)字孿生的衛(wèi)星裝備智能設(shè)計系統(tǒng)［J］. 兵工學(xué)報， 2022， 43（S2）： 139-145.

Dai Lu， Shao Yifu， Guo Yuyuan， et al. Intelligent Design System of Satellite Equipment Based on Digital Twin［J］. Acta Armamentarii， 2022， 43（S2）： 139-145.（in Chinese）

［35］" Wang Y C， Zhang N， Li H S， et al. Research on Digital Twin Framework of Military Large-Scale UAV Based on Cloud Computing［J］. Journal of Physics， 2021， 1738（1）： 012052.

［36］" Wang Z X， Chen P， Qin Y J， et al. Digital Twin System for Propulsion Design of UAVs［C］∥18th ACM SIGGRAPH International Conference on Virtual-Reality Continuum and its Applications in Industry， 2022： 1-9.

［37］" Jeon H Y， Justin C， Mavris D N. Improving Prediction Capability of Quadcopter through Digital Twin［C］∥AIAA Scitech 2019 Forum， 2019.

［38］" Errandonea I， Beltrán S， Arrizabalaga S. Digital Twin for Maintenance： A Literature Review［J］. Computers in Industry， 2020， 123： 103316.

［39］" 金杰， 夏超， 肖士利， 等. 基于數(shù)字孿生的火箭起飛安全系統(tǒng)設(shè)計［J］. 計算機集成制造系統(tǒng)， 2019， 25（6）： 1337-1347.

Jin Jie， Xia Chao， Xiao Shili， et al. Rocket Launch Safety System Design Scheme Based on Digital Twins［J］. Computer Integrated Manufacturing Systems， 2019， 25（6）： 1337-1347.（in Chinese）

［40］" 張素明， 岳夢云. 基于數(shù)字孿生的火箭測試與發(fā)射過程健康管理技術(shù)研究［J］. 計算機測量與控制， 2021， 29（5）： 8-14.

Zhang Suming， Yue Mengyun. A Rocket Health Management System for Vehicle Testing and Launching Base on Digital Twin［J］. Computer Measurement amp; Control， 2021， 29（5）： 8-14.（in Chinese）

［41］" 韓文婷， 程龍， 韓文婧， 等. 數(shù)字孿生驅(qū)動的火箭控制系統(tǒng)健康管理框架［J］. 航天控制， 2022， 40（6）： 62-73.

Han Wenting， Cheng Long， Han Wenjing， et al. Research on Prognostics Health Management Framework of Rocket Control System Driven by Digital Twin［J］. Aerospace Control， 2022， 40（6）： 62-73.（in Chinese）

［42］" 周瀟雅， 肖進， 張茜， 等. 基于數(shù)字孿生的導(dǎo)彈結(jié)構(gòu)動力學(xué)響應(yīng)快速預(yù)測技術(shù)研究［J］. 導(dǎo)彈與航天運載技術(shù)， 2022（5）： 110-114.

Zhou Xiaoya， Xiao Jin， Zhang Qian， et al. Research on Fast Prediction of Missile Dynamic Response Based on Digital Twin［J］. Missiles and Space Vehicles， 2022（5）： 110-114.（in Chinese）

［43］" Fu C C， Gao C， Zhang W F. A Digital-Twin Framework for Predicting the Remaining Useful Life of Piezoelectric Vibration Sensors with Sensitivity Degradation Modeling［J］. Sensors， 2023， 23（19）： 8173.

［44］" Yang Y L， Meng W， Zhu S Q. A Digital Twin Simulation Platform for Multi-Rotor UAV［C］∥7th International Conference on Information， Cybernetics， and Computational Social Systems （ICCSS）， 2020.

［45］" 張生琨， 任素萍， 楊星雨， 等. 基于數(shù)字孿生的無人機狀態(tài)監(jiān)測方法［J］. 航空計算技術(shù)， 2023， 53（2）： 75-79.

Zhang Shengkun， Ren Suping， Yang Xingyu， et al. Unmanned Aerial Vehicle Condition Monitoring Method Based on Digital Twin［J］. Aeronautical Computing Technique， 2023， 53（2）： 75-79.（in Chinese）

［46］" 紀廣， 郝建國， 張中杰， 等. 四旋翼無人機飛行過程孿生仿真研究［J］. 計算機工程與應(yīng)用， 2022， 58（12）： 66-73.

Ji Guang， Hao Jianguo， Zhang Zhongjie， et al. Twin Simulation of Flight Process of Quadrotor UAV［J］. Computer Engineering and Applications， 2022， 58（12）： 66-73.（in Chinese）

［47］" Liu S M， Bao J S， Lu Y Q， et al. Digital Twin Modeling Method Based on Biomimicry for Machining Aerospace Components［J］. Journal of Manufacturing Systems， 2021， 58： 180-195.

［48］" He B， Bai K J. Digital Twin-Based Sustainable Intelligent Manufacturing： A Review［J］. Advances in Manufacturing， 2021， 9（1）： 1-21.

［49］" Li Y F， Li M， Yan Z， et al. Application of Life Cycle of Aeroengine Mainshaft Bearing Based on Digital Twin［J］. Processes， 2023， 11（6）： 1768.

［50］" Zhao W K， Li R Y， Liu X L， et al. Construction Method of Digi-tal Twin System for Thin-Walled Workpiece Machining Error Control Based on Analysis of Machine Tool Dynamic Characteristics［J］. Machines， 2023， 11（6）： 600.

［51］" Mhenni F， Vitolo F， Rega A， et al. Heterogeneous Models Integ-ration for Safety Critical Mechatronic Systems and Related Digital Twin Definition： Application to a Collaborative Workplace for Aircraft Assembly［J］. Applied Sciences， 2022， 12（6）： 2787.

［52］" 方榮輝， 楊淑群， 蘭寧. 基于數(shù)字孿生的無人機巡航系統(tǒng)［J］. 制造業(yè)自動化， 2022， 44（11）： 98-101.

Fang Ronghui， Yang Shuqun， Lan Ning. UAV Cruise System Based on Digital Twin［J］. Manufacturing Automation， 2022， 44（11）： 98-101.（in Chinese）

［53］" 朱秋明， 倪浩然， 華博宇， 等. 無人機毫米波信道測量與建模研究綜述［J］. 移動通信， 2022， 46（12）： 2-11.

Zhu Qiuming， Ni Haoran， Hua Boyu， et al. A Survey of UAV Millimeter-Wave Channel Measurement and Modeling［J］. Mobile Communications， 2022， 46（12）： 2-11.（in Chinese）

［54］" Yi B， Lü J H， Chen J H， et al. Digital Twin Constructed Spatial Structure for Flexible and Efficient Task Allocation of Drones in Mobile Networks［J］. IEEE Journal on Selected Areas in Communications， 2023， 41（11）： 3430-3443.

［55］" Shen G Q， Lei L， Li Z L， et al. Deep Reinforcement Learning for Flocking Motion of Multi-UAV Systems： Learn from a Digital Twin［J］. IEEE Internet of Things Journal， 2022， 9（13）： 11141-11153.

［56］" Lei L， Shen G Q， Zhang L J， et al. Toward Intelligent Cooperation of UAV Swarms： When Machine Learning Meets Digital Twin［J］. IEEE Network： The Magazine of Global Internetworking， 2021， 35（1）： 386-392.

［57］" Denk M， Bickel S， Steck P， et al. Generating Digital Twins for Path-Planning of Autonomous Robots and Drones Using Constrained Homotopic Shrinking for 2D and 3D Environment Modeling［J］. Applied Sciences， 2022， 13（1）： 105.

［58］" Tang X， Li X H， Yu R， et al. Digital-Twin-Assisted Task Assignment in Multi-UAV Systems： A Deep Reinforcement Learning Approach［J］. IEEE Internet of Things Journal， 2023， 10（17）： 15362-15375.

［59］" Zhou L Y， Leng S P， Wang Q， et al. Tiered Digital Twin-Assisted Cooperative Multiple Targets Tracking［J］. IEEE Transactions on Wireless Communications， 2024： 1.

［60］" 紀廣， 郝建國， 張振偉. 面向無人機作戰(zhàn)的虛擬孿生系統(tǒng)設(shè)計方案［J］. 兵工學(xué)報， 2022， 43（8）： 1902-1912.

Ji Guang， Hao Jianguo， Zhang Zhenwei. Design Scheme of Virtual Twin System for UAV Combat［J］. Acta Armamentarii， 2022， 43（8）： 1902-1912.（in Chinese）

［61］" 李燦， 侯興明， 祁啟明， 等. 基于數(shù)字孿生的無人機平行作戰(zhàn)仿真［J］. 火力與指揮控制， 2023， 48（8）： 23-31.

Li Can， Hou Xingming， Qi Qiming， et al. Parallel Battle Simulation of Unmanned Aerial Vehicle Based on Digital Twin［J］. Fire Control amp; Command Control， 2023， 48（8）： 23-31.（in Chinese）

［62］" Meng W， Yang Y L， Zang J Y， et al. DTUAV： A Novel Cloud-Based Digital Twin System for Unmanned Aerial Vehicles［J］. Simulation， 2023， 99（1）： 69-87.

［63］" Souanef T， Al-Rubaye S， Tsourdos A， et al. Digital Twin Deve-lopment for the Airspace of the Future［J］. Drones， 2023， 7（7）： 484.

［64］" Grigoropoulos N， Lalis S. Simulation and Digital Twin Support for Managed Drone Applications［C］∥IEEE/ACM 24th International Symposium on Distributed Simulation and Real Time Applications， 2020.

［65］" Wang W X， Li X M， Xie L F， et al. Unmanned Aircraft System Airspace Structure and Safety Measures Based on Spatial Digital Twins［J］. IEEE Transactions on Intelligent Transportation Systems， 2022， 23（3）： 2809-2818.

［66］" Lü Z H， Chen D L， Feng H L， et al. Beyond 5G for Digital Twins of UAVs［J］. Computer Networks， 2021， 197： 108366.

［67］" Kikuchi N， Fukuda T， Yabuki N. Future Landscape Visualization Using a City Digital Twin： Integration of Augmented Reality and Drones with Implementation of 3D Model-Based Occlusion Handling［J］. Journal of Computational Design and Engineering， 2022， 9（2）： 837-856.

［68］" 陶飛， 張賀， 戚慶林， 等. 數(shù)字孿生模型構(gòu)建理論及應(yīng)用［J］. 計算機集成制造系統(tǒng)， 2021， 27（1）： 1-15.

Tao Fei， Zhang He， Qi Qinglin， et al. Theory of Digital Twin Modeling and Its Application［J］. Computer Integrated Manufacturing Systems， 2021， 27（1）： 1-15.（in Chinese）

［69］" 劉大同， 郭凱， 王本寬， 等. 數(shù)字孿生技術(shù)綜述與展望［J］. 儀器儀表學(xué)報， 2018， 39（11）： 1-10.

Liu Datong， Guo Kai， Wang Benkuan， et al. Summary and Perspective Survey on Digital Twin Technology［J］. Chinese Journal of Scientific Instrument， 2018， 39（11）： 1-10.（in Chinese）

［70］" Wang Y T， Su Z， Guo S L， et al. A Survey on Digital Twins： Architecture， Enabling Technologies， Security and Privacy， and Future Prospects［J］. IEEE Internet of Things Journal， 2023， 10（17）： 14965-14987.

［71］" 楊帆， 馬萍， 李偉， 等. 數(shù)字孿生體可信度評估過程及指標研究［J］. 系統(tǒng)仿真學(xué)報， 2023， 35（2）： 350-358.

Yang Fan， Ma Ping， Li Wei， et al. Research on Digital Twin"" Credibility Assessment Process and Index［J］. Journal of System Simulation， 2023， 35（2）： 350-358.（in Chinese）

［72］" 苗田， 張旭， 熊輝， 等. 數(shù)字孿生技術(shù)在產(chǎn)品生命周期中的應(yīng)用與展望［J］. 計算機集成制造系統(tǒng)， 2019， 25（6）： 1546-1558.

Miao Tian， Zhang Xu， Xiong Hui， et al. Applications and Expectation of Digital Twin in Product Lifecycle［J］. Computer Integr-ated Manufacturing Systems， 2019， 25（6）： 1546-1558.（in Chinese）

［73］" 張佳朋， 劉檢華， 龔康， 等. 基于數(shù)字孿生的航天器裝配質(zhì)量監(jiān)控與預(yù)測技術(shù)［J］. 計算機集成制造系統(tǒng)， 2021， 27（2）： 605-616.

Zhang Jiapeng， Liu Jianhua， Gong Kang， et al. Spacecraft Assembly Quality Control and Prediction Technology Based on Digital Twin［J］. Computer Integrated Manufacturing Systems， 2021， 27（2）： 605-616.（in Chinese）

Digitization of Space Equipment from" the Perspective of Digital Twin

Chu Zhenhang1， 2， Xiao Fei1*， Guo Jianguo1， Zhou Min1， Wang Xuze1

（1.Institute of Precision Guidance and Control， Northwestern Polytechnical University， Xi’an 710102， China；

2.Ningbo Institute of Northwestern Polytechnical University， Ningbo 315103， China）

Abstract： Using digital twin technology as the medium， this paper understands modern space equipment digitalization driven by the digital twin technology thoroughly from the three perspectives of data， model and process. Based on the above three perspectives， it analyzes the system composition， feature system and key technologies of the entire equipment digital twin. Then， by combing the application of digital twin technology in some space equipment， the paper discusses the role and advantages of digital twin technology in the design and manufacture" of space equipment， and analyzes the application prospect of digital twin in the field of space equipment in the future. Finally， from the above three perspectives of data， model and process， this paper summarizes the current difficulties faced by the digi-tal transformation construction of space equipment research and development，" as well as" the main contradictions faced by the development of digital twin of equipment. It puts forward new ideas to find possible breakthrough points and solutions to explore a new path to promote the digital transformation of space equipment research and development.

Key words： digital twin; space equipment; equipment digitization; feature system; model twin; data twin; process twin