CN116167153A - 一种基于数字孪生的飞机机动性能实时预测方法 - Google Patents
一种基于数字孪生的飞机机动性能实时预测方法 Download PDFInfo
- Publication number
- CN116167153A CN116167153A CN202211531804.5A CN202211531804A CN116167153A CN 116167153 A CN116167153 A CN 116167153A CN 202211531804 A CN202211531804 A CN 202211531804A CN 116167153 A CN116167153 A CN 116167153A
- Authority
- CN
- China
- Prior art keywords
- aircraft
- digital twin
- model
- strength
- parameters
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 59
- 238000004458 analytical method Methods 0.000 claims abstract description 12
- 238000004519 manufacturing process Methods 0.000 claims abstract description 10
- 230000008569 process Effects 0.000 claims description 29
- 238000004088 simulation Methods 0.000 claims description 14
- 230000008859 change Effects 0.000 claims description 11
- 238000013461 design Methods 0.000 claims description 10
- 230000001133 acceleration Effects 0.000 claims description 3
- 238000002474 experimental method Methods 0.000 claims description 3
- 238000012549 training Methods 0.000 claims description 3
- 238000005259 measurement Methods 0.000 description 5
- 230000001360 synchronised effect Effects 0.000 description 4
- 230000007797 corrosion Effects 0.000 description 3
- 238000005260 corrosion Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 230000003993 interaction Effects 0.000 description 3
- 238000012423 maintenance Methods 0.000 description 3
- 230000007547 defect Effects 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 230000007246 mechanism Effects 0.000 description 2
- 238000012544 monitoring process Methods 0.000 description 2
- 238000009825 accumulation Methods 0.000 description 1
- 125000002015 acyclic group Chemical group 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000005536 corrosion prevention Methods 0.000 description 1
- 230000008878 coupling Effects 0.000 description 1
- 238000010168 coupling process Methods 0.000 description 1
- 238000005859 coupling reaction Methods 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 230000004927 fusion Effects 0.000 description 1
- 230000000977 initiatory effect Effects 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 230000008520 organization Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/10—Geometric CAD
- G06F30/15—Vehicle, aircraft or watercraft design
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B64—AIRCRAFT; AVIATION; COSMONAUTICS
- B64D—EQUIPMENT FOR FITTING IN OR TO AIRCRAFT; FLIGHT SUITS; PARACHUTES; ARRANGEMENT OR MOUNTING OF POWER PLANTS OR PROPULSION TRANSMISSIONS IN AIRCRAFT
- B64D45/00—Aircraft indicators or protectors not otherwise provided for
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
- G06F30/27—Design optimisation, verification or simulation using machine learning, e.g. artificial intelligence, neural networks, support vector machines [SVM] or training a model
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B64—AIRCRAFT; AVIATION; COSMONAUTICS
- B64D—EQUIPMENT FOR FITTING IN OR TO AIRCRAFT; FLIGHT SUITS; PARACHUTES; ARRANGEMENT OR MOUNTING OF POWER PLANTS OR PROPULSION TRANSMISSIONS IN AIRCRAFT
- B64D45/00—Aircraft indicators or protectors not otherwise provided for
- B64D2045/0085—Devices for aircraft health monitoring, e.g. monitoring flutter or vibration
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
- G06F2119/14—Force analysis or force optimisation, e.g. static or dynamic forces
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Geometry (AREA)
- General Physics & Mathematics (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- Computer Hardware Design (AREA)
- Aviation & Aerospace Engineering (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Pure & Applied Mathematics (AREA)
- Computational Mathematics (AREA)
- Automation & Control Theory (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Medical Informatics (AREA)
- Software Systems (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本申请提供了一种基于数字孪生的飞机机动性能实时预测方法，包括：第一，构建能够准确表征飞机机体强度和/或刚度特性的数字孪生模型；第二，使表征飞机机体强度和/或刚度特性的数字孪生模型与飞机物理实体构成的数字‑物理孪生体在初始物理状态下保持一致；获取飞机物理孪生体在制造阶段产生的数据集并赋予数字孪生体；第三，利用飞机机体数字孪生模型预测飞机强度和/或刚度特性；第四，基于预测的飞机强度和/或刚度特性结果确定当前飞机机体结构的应力及应变参数，从而确定飞机机体结构的应力应变水平及剩余承载能力；从全机基本参数、全机机动参数和部件级参数多级多维度参数的影响程度出发，进行安全使用条件分析确定飞机飞行能力包线。
Description
技术领域
本申请涉及飞机设计技术领域，特别涉及一种基于数字孪生的飞机机动性能实时预测方法。
背景技术
目前，传统的飞机设计假定飞机在使用寿命期内，其飞行能力是保持不变的。然而，在飞机的服役使用过程中，由于单机使用情况的个体差异性，同时存在着制造缺陷、疲劳裂纹、腐蚀损伤等问题，每架飞机的机体结构特性是不同的，且随着飞机的使用不断变化，结构强度/刚度特性的改变直接导致飞机机体平台承载性能也会发生变化，进而引发飞机飞行能力的改变，如果不对飞机飞行能力进行实时预测和控制，可能导致由于飞行能力变化而造成飞行任务失败，甚至引发由于超出飞行能力而造成的灾难性事故。
为了实现对飞机飞行能力的实时预测，需要一种飞机机动性能实时预测方法。
发明内容
本申请的目的是提供了一种基于数字孪生的飞机机动性能实时预测方法，以解决或减轻背景技术中的至少一个问题。
本申请的技术方案是：一种基于数字孪生的飞机机动性能实时预测方法，所述方法包括：
第一，构建能够准确表征飞机机体强度和/或刚度特性的数字孪生模型，用于模拟飞机机体特征参数在真实使用过程中的动态变化过程；
第二，以飞机设计信息为基础，使表征飞机机体强度和/或刚度特性的数字孪生模型与飞机物理实体构成的数字-物理孪生体在初始物理状态下保持一致；
获取飞机物理孪生体在制造阶段产生的数据集，并将所述数据集赋予数字孪生体，从而使所述数字孪生模型能够真实体现飞机实体的物理特征；
第三，利用飞机机体数字孪生模型预测飞机强度和/或刚度特性；
第四，基于所述数字孪生模型预测的飞机强度和/或刚度特性结果确定当前飞机机体结构的应力及应变参数，并基于飞机机体结构的失效模式确定满足飞机机体结构失效判据下的应力及应变水平，从而确定飞机机体结构的剩余承载能力；
基于强度分析得到的承载能力对应的飞行载荷数据，从全机基本参数、全机机动参数和部件级参数多级多维度参数的影响程度出发，进行安全使用条件分析，最终确定飞机飞行能力包线。
进一步的，在建立飞机机体全机数字孪生模型时，对影响飞机整体刚度和/或强度的重要区域进行细化建模，并使细化模型的边界条件与飞机机体全机模型保持一致。
进一步的，所述数据集包括：物理原型或试验的经验数据、关键设计要素的边界及不确定性统计工程数据。
进一步的，在利用飞机机体数字孪生模型预测飞机强度和/或刚度特性过程中，通过贝叶斯网络预测模型进行飞机服役过程中的强度/刚度特性实时预测。
进一步的，通过贝叶斯网络预测模型进行飞机服役过程中的强度/刚度特性实时预测，还包括：
服役前，基于数字孪生模型的仿真预测结果对贝叶斯网络预测模型进行初始训练，形成初始的智能快速预测模型；
服役过程中，基于飞机中实时测量的数据，在初始预测模型的基础上融合仿真数据与实测数据对贝叶斯网络预测模型进行完善进化。
进一步的，所述全机基本参数包括飞行过载、飞行重量、飞行高度、飞行速度。
进一步的，所述全机机动参数包括三轴角速度、三轴角加速度。
进一步的，所述部件级参数包括各操纵面限制偏度。
本申请的方法通过采用数字孪生技术，能够对影响飞机飞行能力的特征参数变化过程进行同步孪生，通过准确预测特征参数的变化趋势和范围，从而实时评估飞机飞行能力，指导飞机的使用和维护，对于提高飞机安全性和使用效率具有重要作用。
附图说明
为了更清楚地说明本申请提供的技术方案，下面将对附图作简单地介绍。显而易见地，下面描述的附图仅仅是本申请的一些实施例。
图1为本申请的飞机机动性能实时预测方法流程图。
图2为飞机典型结构的强度/刚度特性预测流程图。
图3为飞机典型结构的强度/刚度贝叶斯网络预测流程图。
具体实施方式
为使本申请实施的目的、技术方案和优点更加清楚，下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行更加详细的描述。
为了实现对飞机飞行能力的实时预测，本申请中建立了一种能够完整表达飞机实时飞行能力的数字孪生模型，基于数字孪生模型的高保真度仿真特点，充分利用设计、制造、使用、维护等各阶段的大数据信息，精准预测飞机结构强度/刚度特性，并有效评估飞机的飞行能力。
如图1所示，本申请提出的基于数字孪生的飞机机动性能实时预测方法包括如下步骤：
第一，构建飞机机体数字孪生模型。
构建能够准确表征飞机机体强度/刚度特性的数字孪生模型，从而能够模拟出飞机机体各种特征参数在真实使用过程中的动态变化过程，从而评估这些特征参数对飞机飞行能力的影响，为飞机飞行能力的准确评估奠定基础。
飞机机体数字孪生模型具有参数化、多尺度特征，其中，参数化是指为了实现飞机机体各种特征参数在真实使用过程中的动态变化过程，这些参数为变量，从而实现使用中对参数的实时更改；多尺度是指为了从宏观到细观多个尺度描述机体物理特性，建立的多尺度数字孪生模型，不仅能够表征飞机机体宏观的强度、刚度特征，还能够表征材料性能、初始缺陷等细观特征。
以某型飞机为例，构建能够准确表征飞机机体强度/刚度特性的参数化、多尺度数字孪生模型，其中机翼和机身的连接区是影响飞机整体刚度、强度的重要区域，因而在建立全机数字孪生模型基础上，对该区域进行细化建模，并使细化模型的边界条件与全机模型保持一致，同时建立能够表征微观裂纹尺寸的细观模型，并将其中的连接螺栓孔尺寸、装配间隙、孔边距、裂纹尺寸等进行参数化表征。
第二，对飞机实际制造、试验、使用数据进行交互和集成，使得数字孪生模型能够真实体现飞机实体的物理特征。
飞机数字-物理孪生体模型数据交互是解决飞机物理实体与数字模型同步孪生的重要基础。首先，基于参数化、多尺度的高保真度数字孪生体模型，以飞机设计信息为基础确定数字孪生总体基准，保证数字-物理孪生体在初始物理状态下(材料性能、几何尺寸等)的高度一致性。通过飞机制造过程中在线的数字化检测、测量等手段将物理孪生体在制造阶段产生的数据进行处理，形成权威数字模型和数据集作为统一的数据源，再将其传递至虚拟空间的数字孪生体以支持对全生命周期历程各个环节的仿真模拟。在此基础上结合智能化数据交互和多尺度模型联动等技术形成数字-物理孪生体同步演化方法。
为了解决飞机机体平台数字-物理孪生体智能化数据交互问题，首先，将模型的规划、开发和使用纳入规范化流程，以确保模型和数据在生命周期中的连续传递，对目标实体进行全面的、端到端的数字化表达，支撑飞机机体平台这一复杂组织体做出连续一致的分析和决策；
其次，形成一个公共的并动态更新的权威数字模型和数据库，并保证其完整性、有效性、一致性、及时性和精确性，使最新数据信息的访问、管理、分析、使用和分发在全生命周期内在整个数字-物理孪生体保持权威和连续一致，以共享的知识和资源进行协同工作。该权威数据集主要包括：物理原型或试验的经验数据、关键设计要素的边界及不确定性统计工程数据；
最后，将最新数据信息以变量形式关联至仿真模型体系的每一层级的每一个模型上，形成基于设计变量的孪生体内部更新驱动机制，并进一步将此种机制形成以数据流驱动的自动化过程，以实现数字孪生体内部仿真模型体系与物理孪生体的实时同步更新。
例如，通过飞机制造过程中在线的数字化检测、测量等手段，将模型中的螺栓孔尺寸、装配间隙、孔边距等参数的具体尺寸值赋予数字孪生模型，实现对制造阶段数字孪生模型与物理实体模型的同步演化。同时，在飞机实体中安装传感器系统用于监测关键区域的结构特征参数，包括结构应变、裂纹尺寸等，并将这监测数据纳入统一的数据库中，并将数据库与数字孪生模型建立数据关联，进行对应参数的数据赋值，实现基于实测数据的数字孪生模型的动态演化。
第三，利用飞机机体数字孪生预测飞机强度/刚度特性。
飞机结构的强度/刚度特性预测是飞机飞行能力预测的基础。传统的方法是基于对数字样机的仿真结果进行强度/刚度特性预测，但由于影响强度/刚度特性的因素众多，多物理场耦合的结构非线性响应过程复杂，导致仿真模型规模很大。面对飞机服役过程中的复杂、随机的使用环境，即便是采用高性能计算平台，仍无法通过针对每个数字孪生体穷举仿真的方式满足飞机个体在服役过程中的强度/刚度特性预测的效率要求，也导致无法将仿真数据与服役过程中的传感器数据进行融合分析，从而针对未来更加复杂的工况进行更精准的预测。本申请提供的方法中，采用贝叶斯网络方法解决上述问题，飞机典型结构强度/刚度预测流程见图2，其中，载荷历程、结构及腐蚀环境为输入，寿命及承载能力为输出，输入经过一系列过程(防腐蚀体系衰减、结构腐蚀、结构相应、损伤累积、裂纹萌生/拓展等)之后得到输出，即预测结果。
如图3所示的结构强度/刚度预测过程，飞机服役过程中的强度/刚度特性实时预测是一个有向无环过程，符合贝叶斯网络的研究对象，因此本申请中采用贝叶斯网络方法解决飞机服役过程中的强度/刚度特性实时预测问题。服役前，基于数字孪生模型的仿真预测结果对贝叶斯网络模型进行初始训练，形成初始的智能快速预测模型，例如可形成上述实施例中的机翼和机身区域结构应力、应变的初始智能快速预测模型；服役过程中，基于实测载荷结果与传感器实测数据，在初始预测模型的基础上，融合仿真数据与实测数据，完善进化贝叶斯网络预测模型，提高其预测精度，基于完善后的预测模型进行后续强度/刚度智能预测。
第四，基于飞机承载能力预测结果预测飞机飞行能力。
基于第三中的分析预测结果，确定当前飞机的结构应力、应变等参数，基于结构失效模式分析确定满足结构失效判据下的应力应变水平，以此为最大许用应力、应变边界值来确定结构的剩余承载能力。基于强度分析得到的承载能力对应的飞行载荷数据，从全机基本参数(飞行过载、飞行重量、飞行高度、飞行速度等)、全机机动参数(三轴角速度、三轴角加速度等)和部件级参数(各操纵面限制偏度等)等三级多维参数的影响程度出发，进行安全使用条件分析，最终确定飞机飞行能力包线。
本申请的方法通过采用数字孪生技术，能够对影响飞机飞行能力的特征参数变化过程进行同步孪生，通过准确预测特征参数的变化趋势和范围，从而实时评估飞机飞行能力，指导飞机的使用和维护，对于提高飞机安全性和使用效率具有重要作用。
以上所述，仅为本申请的具体实施方式，但本申请的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本申请揭露的技术范围内，可轻易想到的变化或替换，都应涵盖在本申请的保护范围之内。因此，本申请的保护范围应以所述权利要求的保护范围为准。
Claims (8)
1.一种基于数字孪生的飞机机动性能实时预测方法，其特征在于，所述方法包括：
第一，构建能够准确表征飞机机体强度和/或刚度特性的数字孪生模型，用于模拟飞机机体特征参数在真实使用过程中的动态变化过程；
第二，以飞机设计信息为基础，使表征飞机机体强度和/或刚度特性的数字孪生模型与飞机物理实体构成的数字-物理孪生体在初始物理状态下保持一致；
获取飞机物理孪生体在制造阶段产生的数据集，并将所述数据集赋予数字孪生体，从而使所述数字孪生模型能够真实体现飞机实体的物理特征；
第三，利用飞机机体数字孪生模型预测飞机强度和/或刚度特性；
第四，基于所述数字孪生模型预测的飞机强度和/或刚度特性结果确定当前飞机机体结构的应力及应变参数，并基于飞机机体结构的失效模式确定满足飞机机体结构失效判据下的应力及应变水平，从而确定飞机机体结构的剩余承载能力；
基于强度分析得到的承载能力对应的飞行载荷数据，从全机基本参数、全机机动参数和部件级参数多级多维度参数的影响程度出发，进行安全使用条件分析，最终确定飞机飞行能力包线。
2.如权利要求1所述的基于数字孪生的飞机机动性能实时预测方法，其特征在于，在建立飞机机体全机数字孪生模型时，对影响飞机整体刚度和/或强度的重要区域进行细化建模，并使细化模型的边界条件与飞机机体全机模型保持一致。
3.如权利要求1所述的基于数字孪生的飞机机动性能实时预测方法，其特征在于，所述数据集包括：物理原型或试验的经验数据、关键设计要素的边界及不确定性统计工程数据。
4.如权利要求1所述的基于数字孪生的飞机机动性能实时预测方法，其特征在于，在利用飞机机体数字孪生模型预测飞机强度和/或刚度特性过程中，通过贝叶斯网络预测模型进行飞机服役过程中的强度/刚度特性实时预测。
5.如权利要求4所述的基于数字孪生的飞机机动性能实时预测方法，其特征在于，通过贝叶斯网络预测模型进行飞机服役过程中的强度/刚度特性实时预测，还包括：
服役前，基于数字孪生模型的仿真预测结果对贝叶斯网络预测模型进行初始训练，形成初始的智能快速预测模型；
服役过程中，基于飞机中实时测量的数据，在初始预测模型的基础上融合仿真数据与实测数据对贝叶斯网络预测模型进行完善进化。
6.如权利要求1所述的基于数字孪生的飞机机动性能实时预测方法，其特征在于，所述全机基本参数包括飞行过载、飞行重量、飞行高度、飞行速度。
7.如权利要求1所述的基于数字孪生的飞机机动性能实时预测方法，其特征在于，所述全机机动参数包括三轴角速度、三轴角加速度。
8.如权利要求1所述的基于数字孪生的飞机机动性能实时预测方法，其特征在于，所述部件级参数包括各操纵面限制偏度。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211531804.5A CN116167153A (zh) | 2022-12-01 | 2022-12-01 | 一种基于数字孪生的飞机机动性能实时预测方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211531804.5A CN116167153A (zh) | 2022-12-01 | 2022-12-01 | 一种基于数字孪生的飞机机动性能实时预测方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN116167153A true CN116167153A (zh) | 2023-05-26 |
Family
ID=86413836
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202211531804.5A Pending CN116167153A (zh) | 2022-12-01 | 2022-12-01 | 一种基于数字孪生的飞机机动性能实时预测方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116167153A (zh) |
-
2022
- 2022-12-01 CN CN202211531804.5A patent/CN116167153A/zh active Pending
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN111737811B (zh) | 基于数字孪生的直升机动部件寿命管理方法、设备、介质 | |
| Kang et al. | Multimedia knowledge‐based bridge health monitoring using digital twin | |
| Tuegel | The airframe digital twin: some challenges to realization | |
| CN112487584A (zh) | 一种基于动力学的滚动轴承数字孪生建模方法 | |
| CN110532625B (zh) | 航空发动机涡轮盘-转子-支承系统数字孪生建模方法 | |
| Cooper et al. | Static load estimation using artificial neural network: Application on a wing rib | |
| CA2771401C (en) | Platform health monitoring system | |
| CN105678015B (zh) | 一种高超声速三维机翼的非概率可靠性气动结构耦合优化设计方法 | |
| CN114117840B (zh) | 一种基于仿真和试验数据混合驱动的结构性能预测方法 | |
| CN111310318A (zh) | 基于数字孪生的工艺余量处理方法、系统及机械制造总成 | |
| CN113051838A (zh) | 一种基于数字孪生技术的空间在轨制造结构可靠寿命预测方法 | |
| CN115238394B (zh) | 复合材料结构多源不确定性混合可靠性数字孪生建模方法 | |
| Zhang et al. | A construction method of digital twin model for contact characteristics of assembly interface | |
| US11915108B2 (en) | Material characterization system and method | |
| CN117407974A (zh) | 一种飞机机体参数化多尺度数字孪生建模方法 | |
| Domone | Digital twin for life predictions in civil aerospace | |
| CN116167153A (zh) | 一种基于数字孪生的飞机机动性能实时预测方法 | |
| CN116923724A (zh) | 飞行器机动可变弹道地面模拟飞行试验技术 | |
| CN108446414A (zh) | 一种由3d打印多孔结构随机缺陷的逆向预测方法 | |
| CN116628854A (zh) | 一种翼型气动特性预测方法、系统、电子设备及存储介质 | |
| Hallmann et al. | A method for analyzing the influence of process and design parameters on the build time of additively manufactured components | |
| CN106529086A (zh) | 用于机械结构件的静载荷强度有限元仿真精度的确定方法 | |
| CN112231858A (zh) | 一种复合材料筒体多排螺接结构的失效预测方法和装置 | |
| CN117454530B (zh) | 一种基于数字孪生的汽车车身部件建模、检测方法及系统 | |
| CN115828443B (zh) | 考虑动态环境与区域冲击耦合作用的微机电系统可靠性评估方法 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination |