数字孪生技术发展现状及其在水下无人系统中的应用展望

张 宁, 郭 君, 尹韶平, 高智勇

数字孪生技术发展现状及其在水下无人系统中的应用展望

张 宁, 郭 君*, 尹韶平, 高智勇

(中国船舶集团有限公司 第705研究所, 陕西 西安, 710077)

为填补数字孪生技术在水下无人系统行业应用的空白, 文章首先对数字孪生技术的发展历程以及国内外发展现状进行了介绍, 分析了数字孪生技术的特点; 其次讨论了水下无人系统数字孪生技术的内涵与关键技术, 从标准体系、设计、试验、制造加工以及运行维护等不同角度对水下无人系统行业的数字孪生技术发展应用进行了展望; 最后结合泵台试验给出了水下无人系统数字孪生技术的典型应用案例。研究结果可为数字孪生技术在水下无人系统行业的进一步应用提供参考。

水下无人系统; 数字孪生; 泵台

0 引言

随着现代电子信息技术的蓬勃发展, 社会生产力和生产关系产生了巨大的变革, 人类社会经济结构也随之产生了质的飞跃。以互联网为标志的信息革命与制造业的深度融合催生了新的经济增长点, 世界各国为了抢占第4次工业革命的制高点, 出台了一系列先进制造发展战略, 例如2012年美国出台的“先进制造业国家计划”、2013年德国提出的“德国工业4.0”战略实施建议, 以及英国在2015年提出的“英国制造业2050”, 以推进服务+再制造行业的发展。在世界主要强国加紧推进先进制造, 力图抢占新一代工业革命高地的大背景下, 我国于2015年出台了“中国制造2025”智能制造战略, 提出建设重点领域智能工厂和数字化车间, 最终实现制造强国的战略目标。另外, 在全球身处后疫情时代经济发展状况欠佳的情况下, 提高制造业领域的数字化与智能化, 使人尽可能少地在工业生产中互相接触, 减少感染新型冠状病毒风险, 保障经济运行的良好态势显得尤为重要。因此, 如何利用新一代信息技术发展的巨大优势, 完成物理世界要素与信息世界要素的互相交融, 是当前国内外实现先进制造理念和战略所面临和亟待解决的核心问题之一。

1 数字孪生技术发展历程

数字孪生技术是将带有三维数字模型的信息拓展到整个生命周期的数字镜像技术, 最终实现虚拟与物理世界同步和一致[1]。数字孪生的理念最早源于1969年美国国家航空航天局(National Aeronautics and Space Administration, NASA)阿波罗计划提到的空间飞行器孪生体。2003年, 密歇根大学的Grieves教授[2]提出了“信息镜像模型”, 并指出物理产品的数字表达应能够抽象表达物理产品, 能够基于数字表达对物理产品进行真实或模拟条件下的测试。2010年, NASA在太空技术路线图[3]中采用基于数字孪生概念的飞行系统仿真分析模型, 用于实现对飞行系统诊断的全面性和飞行状态的预测可知性, 以此来保障在系统可靠时限内执行整个飞行任务的安全性[4]。2011年, Grieves 与NASA的 Vickers明确将该概念命名为“数字孪生(Digital Twin)”[5], 从此这一术语正式确立。在我国, 数字孪生也被译为数字镜像、数字化映射或数字双胞胎[6]。图1为数字孪生发展路线图。

图1 数字孪生发展路线图

2 国外数字孪生技术发展现状

数字孪生潜在的巨大经济效益得到了当前学术界和工业界的高度关注。全球最具权威的IT研究与顾问咨询公司Gartner连续4年(2016～2019年)将数字孪生列为当年十大战略科技发展趋势之一[7]。Schleich等[8]把生产过程管理中数字孪生的参考模型方法进行归纳整理, 认为其具有4种特性: 可伸缩性、互操作性、可扩展性和保真度; Aheleroff等[9]提出了一个新的数字孪生双参考架构, 确定了合适的Industry 4.0技术和整体参考架构模型, 以完成最具挑战性的数字孪生启用应用程序; Farsi等[10]提出一种新的数字孪生架构, 该架构使用自适应的数据结构和本体, 从产品生命周期中挖掘的数据信息中自动生成成本模型, 在早期阶段估算生命周期成本降低全生命周期成本, 提高产品开发效率; Novikov等[11]提出了基于数字孪生创建产品的参数和结构的初步估计方法, 指出过程中的关键挑战是联合优化所有模块的特性和对象的整体配置; Gutierrez等[12]提出基于外部服务的数字孪生设计理念, 并将其应用于工厂自动协同导引车物料运输过程中。在工业领域, 2017年11月, 洛马公司在其未来国防和航天工业6大顶尖技术名录中, 将数字孪生技术列在首位; 德国西门子公司利用数字孪生体助力工业 4.0, 发布了完整的数字孪生体应用模型, 实现了数字孪生的实际落地[13]; 达索公司已经利用数字孪生技术建立了三维实验平台, 将用户反馈信息知识库与孪生模型进行交互融合, 对物理产品进行持续的创新迭代; ANSYS公司提出通过利用ANSYSY Twin Builder创建数字孪生并可快速连接至工业物联网平台, 帮助用户进行故障诊断, 确定理想的维护计划, 降低由于非计划停机带来的成本, 优化每项资产的性能, 并生成有效数据以改进其下一代产品[14]; 美国参数技术公司将数字孪生作为智能互联产品的关键性环节, 致力于在虚拟世界与现实世界建立一个实时连接, 对智能产品的每一个动作和行为进行记录和跟踪, 并延伸到下一代产品的创新设计中, 实现智能产品的预测性检修, 这些服务为客户提供了高效的产品售后服务[7]; 2017年, Altair公司相继收购多家软件供应商和技术企业, 并与物联网技术公司Carriots平台相结合, 致力于成为物联网领域的领导者, 支持数字孪生战略及其应用, 其借助领先的虚拟仿真技术, 创建叠加多种物理属性的虚拟模型, 使产品具有更好的特性[15]; 通用电气基于Predix平台构建资产、系统和集群级的数字孪生, 利用数字孪生来表征资产的全寿命周期, 以便更好地了解、预测和优化每个资产的性能[16]。

3 国内数字孪生技术发展现状

在数字孪生模型建立及标准确立方面, 以北航陶飞[17]为代表的数字孪生研究团队提出了数字孪生五维模型, 从物理实体、虚拟实体、表示服务、表示孪生数据和各组成部分间的连接等5个维度对数字孪生进行建模, 并且对五维模型的组织架构[18]和应用准则[19]进行了研究, 提出数字孪生驱动的6条应用准则。2019年, 陶飞联合国内数字孪生领域相关标准技术委员会及应用企业(包括机床、卫星、发动机和工程机械装备等行业)共同建立了一套数字孪生标准体系架构, 并从数字孪生基础共性标准、关键技术标准、工具／平台标准、测评标准和行业应用标准６个层面进行了具体阐述[1]。

在复杂产品制造方面, 程颖等[20]建立了数据驱动的智能服务基本框架。胡秀琨等[21]研究了数字孪生装配车间的运行机制。李浩等[22]探索了基于数字孪生的复杂产品设计制造一体化开发关键技术。向峰等[7]提出一种产品生命周期绿色制造新模式, 旨在在产品生命周期制造过程中实现环境影响小、资源利用率高、综合效益最大等目标。

在设备故障诊断和状态评估方面, 杨俊峰等[23]通过Unity3D物理实体与虚拟模型的双向实时交互, 搭建数字孪生模型, 利用OPCUA协议实现了物理实体、虚拟仿真和服务模块之间的数据集成与融合, 完成了对设备状态的可视化监测与故障诊断。张蕾[24]提出了在数字孪生系统中进行预测性维护的一般模式, 增强了设备故障的可追溯性。樊孟杰等[25]从虚实映射的角度, 通过模型映射、行为映射和状态映射3个递进层次构建性能评估系统, 全面表达列车性能, 解决了传统性能评估缺乏时效性和准确性的问题。

在具体的工业场景方面, 飞机制造行业的郑守国等[26]从“人、机、料、法、环、测”六维视角出发, 阐述生产线关键要素数字孪生建模与实现, 验证了数字孪生能够有效提高作业效率并为工作人员决策提供科学参考。在火箭测试与发射过程健康管理方面, 张素明等[27]提出一种基于数字孪生技术的火箭测试与发射过程健康管理系统设计方案, 实现了对火箭测试和发射过程的天地镜像仿真, 为火箭可靠飞行提供了技术保障。在舰船总体设计方面, 李凯等[28]基于数字孪生提出了数字化舰船的总体框架, 为未来进一步开展型号研制提供理论和方法参考。

目前中船705研究所已经率先开展了关于水下无人系统(unmanned undersea system, UUS)数字孪生技术的研究工作, 搭建了基于知识工程的UUS协同设计平台, 突破了UUS协同设计流程、多学科领域协同设计建模以及协同设计系统集成等方面的关键技术; 建立了模型库、程序库、参数资源池及材料库等, 构建了涉及流体、结构、噪声、电气、弹道、六性及软件测试等多学科多物理场的体系化、协同化、智能化、知识化的协同设计技术体系。在此基础上, 搭建论证协同、设计协同、数据协同、管理协同于一体的UUS协同设计系统, 实现了“缩短设计周期、提高设计质量, 降低设计成本的目标”。

4 国内外研究现状分析

从国内外的研究现状分析可以看出数字孪生发展的一些规律:

1) 国外关于数字孪生的理论技术体系研究时间较长, 已经较为成熟, 目前发展的重点在于结合工业软件实现数字孪生技术的落地, 当前已在相当多的工业领域实际运用。

2) 国内数字孪生技术处于起步阶段, 目前的研究重点还停留在理论层面, 少有针对实际工程的典型应用研究。

3) 无论国内还是国外, 数字孪生仍然处于技术的成熟上升期, 由于技术水平的限制, 对于实际对象的模拟比较片面, 不能做到全维度、全领域的完整模拟, 各物理域之间的耦合研究也发展较慢。

4) 数字孪生技术目前呈现出与物联网、3R(增强现实(augmented reality, AR)、虚拟现实(virtual reality, VR)和混合现实(mixed reality, MR))、边缘计算、云计算、5G、大数据、区块链及人工智能等新技术深度融合、共同发展的趋势。

5) 数字孪生概念的外延正在不断扩大, 从传统的机械制造领域向军工、医疗、建筑、核电、城市规划等各领域扩展, 各领域结合自身发展特点, 对数字孪生的概念和内涵进行了不同的解读。

5 UUS数字孪生技术内涵和关键技术

UUS是指具有自主航行能力, 可完成海洋/海底环境信息获取、固定/移动目标探测、识别、定位与跟踪以及区域警戒等任务的各类无人水下航行器(AUV、UUV等)、水下无人作战平台(鱼雷、水雷等)及其所必要的控制设备、网络和人员的总称。UUS数字孪生是综合运用仿真建模、试验测试、数据处理等手段, 将三维数字模型与UUS研制、生产、使用全寿命周期真实物理对象密切结合, 形成多物理场、多维度、高精度、可实时、可交互的数字化镜像的一种技术手段。

UUS的数字孪生与其他领域一样需要结合行业特点开展以下关键技术的攻关。

1) 源异构物理实体智能感知技术: 研究如何准确实时获取物理实体对象多源异构数据, 从而深入认识和发掘相关规律和现象, 实现物理实体的可靠控制与精准测量。

2) 多维多领域高保真仿真建模技术: 研究如何构建多维多领域高保真仿真模型, 保证和验证模型与物理实体的一致性、真实性和可靠性; 如何实现多尺度模型的组装与融合。

3) 模型-实体数据交互技术: 研究如何实现跨协议、跨接口、跨平台海量数据实时交互; 如何实现数据-模型-应用的迭代交互与动态演化。

另一方面, UUS数字孪生具有间歇性通信和系统层级多等特点, 需要重点关注以下关键技术的攻关。

1) 间歇性通信数字孪生关键技术: 研究在水中兵器声信号通信数据带宽受限背景下, 如何综合光、磁及其他先进通信手段, 实现数字孪生技术有效数据的准确传递; 解决在深海中数据无法及时反馈及数据中断条件下的数字孪生模型自我推演关键技术的研究。

2) 多层级数字孪生体构建技术: 研究如何在完成组件级、系统级和整机级单体装备数字孪生体构建的基础上, 综合鱼雷、水雷和UUV等单体装备形成装备体系数字孪生体(如图2所示); 研究不同层级之间的数据交互与模型简化技术。

图2 水下无人系统数字孪生发展规划

6 UUS数字孪生应用展望

相对与其他行业, UUS行业的数字孪生研究工作尚属空白, 无论在理论、设计、试验、制造和运维等各个阶段均未开展深入的研究工作。文中仅针对以上各阶段UUS领域拟开展的研究工作进行展望。

6.1 标准体系

从数字孪生理论研究的领域来看目前存在的主要问题[1]是: 缺乏相关术语、系统架构和适用标准的参考, 造成不同行业的人对数字孪生的理解不同, 进而导致交流困难、集成困难和协作困难; 缺乏数字孪生相关模型、数据、连接与集成服务等标准参考, 模型和数据之间集成难、一致性差、兼容性低、易形成新的孤岛; 缺乏适用准则、实施要求、工具和平台等标准的参考, 在相关行业实施数字孪生过程中容易造成用户和企业对数字孪生使用的困惑。因此亟待建立涵盖基础共性、关键技术、工具/平台、测试和行业应用的标准体系。建立UUS行业数字孪生行业应用标准体系的工作重点是建立产品设计、试验、制造和运维等UUS全寿命周期的数字孪生应用标准群, 实现在论证阶段决策数字孪生技术的适用性, 在设计制造阶段指导数字孪生技术应用落地, 在定型批产阶段指导数字孪生的评估与优化。

总之, UUS数字孪生工作应理论先行, 在行业总体的理论框架体系内制定其相关术语、系统架构和适用标准, 为以后各阶段的研究奠定坚实的理论基础。

6.2 设计阶段

设计阶段的UUS数字孪生, 是在虚拟空间进行UUS总体、动力、控制、感知和导航等系统产品功能和性能的早期验证。集成测试数据作为各系统仿真模型的输入以验证模型、计算结果或作为虚拟传感器, 从而实现从测试到仿真的闭环反馈和持续改进。根据目前UUS行业数字孪生的现状, 需要从UUS产品需求分析、系统级建模分析、多学科协同仿真以及虚拟试验闭环等几个方面开展深入的研究工作。

需求工程包括需求获取、需求分析、需求确认、需求分配和需求验证等步骤。其中清晰、准确、结构化的需求描述是需求获取最重要的技术; 需求分析将冗余的需求拆分, 重复的需求合并, 形成原子化的需求, 进而构建需求树; 需求确认的目标是为产品确认流程提供相关信息, 并维护需求数据的完整性; 需求分配的主要目的是将需求分配到物理架构以开展设计工作; 需求验证是把验证结果链接到需求上, 验证方法包括分析、仿真和试验等。目前在国外复杂产品的设计工作中, 需求分析是产品设计过程中最为重要的一环, 贯穿了产品的全寿命周期。同时基于SysML系统建模语言, 需求工程可以通过可视化、图形化的建模语言实现。需求模型是整机级数字孪生模型的重要组成部分, 需求的满足和实现是复杂系统研制的根本目的。但是, 目前UUS领域仍采用传统的设计任务书的手段来满足UUS战技指标与设计工作之间的关系, 尚未引入先进的需求工程的方法。因此, 开展UUS领域需求工程的研发工作是建立UUS数字孪生模型的首要工作。

近年来, 复杂系统建模仿真方法在航空航天领域得以大量应用。系统仿真借助成熟的经过机、电、液、控等多领域验证的模型库, 快速构建组件级、系统级和整机级仿真模型, 通过系统模型的稳态、动态、时域和频域求解, 支撑系统的指标分解和设计选型。目前, 在UUS领域尚未建成完整的整机级系统仿真模型, 系统级及组件级别的系统仿真模型也尚处于起步阶段, 因此, 对于目前UUS领域的系统级建模分析亟待解决的问题是: 建立完整的以动力学为主的结构系统模型、以热流体为主的动力系统模型、以状态空间为主的控制系统模型、以信息流为主的内测系统模型和以时序作动为主的电气系统模型, 并集成模型形成整机模型, 在对外部环境进行研究的基础上, 进行系统级及整机级的性能分析, 验证上游设计需求的合理性、可行性, 提出下游产品设计的指标需求。

UUS产品涉及结构、流体、电磁学、声学、热学、控制、软件和自动化等各个专业领域, 加之目前UUS产品具有功能多、型号多和设计周期短的特点, 因此亟需各个专业进行紧密的协同研发, 以提高产品性能质量并缩短研制周期。然而目前各专业设计仿真的工作大都独自展开, 无法进行统一设计仿真环境下的紧密协同研发, 因此亟需构建支持UUS产品研发协同的设计仿真平台, 实现各系统设计的并行管理与数据融合, 从而提高设计效率和设计可靠性, 达到缩短研制周期提高研制能力的目标。

目前, UUS各专业领域的仿真设计均面临输入参数不准确的问题。造成该问题的原因一方面是由于目前传感技术的发展水平不足以满足UUS高精度、多参量的测量需求, 另一方面是UUS的深海工作环境给数据采集和传输带来了极大的困难。以实航振动数据采集为例, 在实航过程中, 由于传感器安装空间以及数采通道的限制, 传感器的数量一般在20个左右, 远远不能满足UUS各组件振动特性分析的输入要求。当缺乏准确输入数据时, 会给UUS各系统的仿真分析结果带来较大的误差, 为此一方面需要扩展试验测试领域的技术研究, 另一方面需要加强试验数据的管理工作。通过与试验数据的集成, 构建试验数据优化系统模型的虚拟验证环境, 通过对系统模型以及性能模型的修正来提高仿真的可靠性和仿真设计质量, 形成UUS产品虚拟试验闭环。

总之, 需求分析、系统级建模分析、多学科协同仿真和虚拟试验闭环是UUS数字孪生的技术难点, 也是后续开展工作的重点。

6.3 试验阶段

试验是产品研发过程中的重要环节之一, 对于验证产品在作业环境中的各方面性能有着至关重要的作用, 在UUS行业中从组件级试验(例如壳体的强度、模态试验)、系统级试验(例如发动机冷热车试验)到整机级试验(例如实航湖试及海试), 呈现出试验类别多、试验难度大、许多试验不具备重复性(例如战雷跌落试验)的特点。通过数字孪生技术的引入, 可以针对各类试验系统建立对应的虚拟试验模型, 通过数据采集与处理平台建立真实试验系统与虚拟试验系统之间的数据实时交互与控制, 形成试验系统的数字孪生。

首先, 通过试验系统的数字孪生, 可以解决真实试验系统由于空间、运行状态等原因带来的传感器数量不足、试验获取信息有限的问题, 虚拟试验系统起到了超级传感器的作用, 可以输出真实试验系统任何位置各种物理量的试验数据。其次, 通过虚拟试验可以解决传统试验准备周期长, 物理样机或产品成本较高的问题。再次, 某些试验的极限工况难以通过真实试验实现, 通过仿真手段易于实现对极限工况的模拟, 并快速定位极限工况下的设计缺陷, 从而提出设计改进措施。然后, 仅仅基于试验进行设计验证和改进有较大的局限性, 只能通过试错方式进行设计改进, 而且难以做到优化, 通过虚拟试验系统借助先进的优化设计工具不仅可以实现组件级设计参数的快速优化, 还可以实现系统级乃至整机级性能参数的快速优化。最后, 许多陆上试验由于试验条件与试验技术的限制, 都无法准确的模拟真实UUS在作战使用条件下的真实试验约束, 导致陆上试验与试航试验结果有较大差异, 通过虚拟试验的方式可以方便地在陆上试验约束与实航试验条件之间进行切换, 找到陆上试验与实航试验之间的相互关系, 进而提高产品的设计水平。

总之, 鉴于扎实的试验硬件条件及丰富的仿真经验, 数字孪生技术在UUS试验阶段的基础最好, 应用效果也最明显, 后续数字孪生的成功应用可以以该阶段的工作作为技术突破口。

6.4 制造阶段

制造阶段的数字孪生是实现UUS智能制造的重要组成部分, 其前提是实现UUS制造过程中所有要素的全模型化, 具体包括工艺设计数字孪生、虚拟制造数字孪生和虚拟运营数字孪生。其中, 工艺设计数字孪生涵盖虚拟装配技术、虚拟加工技术、人机交互技术、快速成型技术以及机器人自动化技术等; 虚拟制造数字孪生, 通过构建物流模型、人员模型、产线模型、设备模型和资源模型等镜像来模拟工厂、产线以及工艺的执行过程, 对产能进行预判, 定位投产问题, 结合优化算法实现制造过程中各项资源的优化配置; 虚拟运营数字孪生的核心内容是虚拟工厂模型与生产运营系统的数字化集成, 实现在虚拟工厂环境中对生产运营过程信息的实时获取与信息展示, 生产过程中的核心管理信息如设备运营状态、当前生产状态、当前物流运行状态、质量状态、人员工作状态、资源存储与消耗状态等信息通过虚拟生产环境实时展示, 对生产运营过程实现实时监控与智能决策。

总之, 由于UUS数字化制造的起步较晚, 起点较低, 目前在制造阶段的UUS数字孪生仅仅在某些技术要点上进行过探索性的研究, 后续需要首先解决设计部门与制造单位之间的数据孤岛问题, 大力加强制造单位的数字化建设。该阶段研究工作是整个数字孪生应用中的难点。

6.5 运维阶段

装备运维阶段的数字孪生主要涵盖装备运行状态监控与维修保障建模仿真。对UUS而言, 运行状态监控的主要对象为水下UUV、深海预置武器等需要长时间运行的装备。通过水中通信手段将UUS在运行状态下的航速、航向信息和关键设备运行状态参数传递回岸基平台或潜/舰艇平台。在平台上构建装备的数字孪生模型, 结合以上有限信息, 推测出UUS的航线, 解算出关键设备上无法通过传感器直接获取的信息, 从而实现对UUS运行状态的完全实时监控。另一方面, 随着UUS复杂程度的提升, 相应的维护保障规模也在不断扩大。在产品交付后需要建立维保模型, 不断维护交付产品的装备完好率, 避免维修、保障失误带来的灾难性后果。因此需要基于虚拟环境对维保的核心要素进行建模。在虚拟环境中镜像运维业务过程; 将维保流程、维保计划、人员实施等进行事前运维验证修正维保计划, 事后数据记录集中展示服役状态。

同时, 运维阶段的数字孪生需要解决间歇性通信、多层级数字孪生体构建等关键技术。是UUS行业数字孪生应用技术特色的集中体现。

7 UUS数字孪生典型应用方案

从试验阶段的数字孪生角度, 结合某鱼雷泵台试验, 给出数字孪生的典型应用案例。

7.1 问题描述

热动力鱼雷的动力装置需要通过海水泵、燃料泵和滑油泵等各类泵体的配合, 实现动力装置的稳定运行。目前, 泵体的设计主要采用理论计算、仿真分析和试验测试相结合的方式, 首先通过理论计算, 根据泵体的流量、流速和压力等设计指标结合实际的安装空间完成泵体的结构设计, 之后通过CFD仿真分析对泵体的性能进行虚拟验证, 最后通过泵台试验进行实物验证。

目前存在的主要问题是: 在进行泵体仿真分析时, 泵体入口的流体动力学参数与实际泵体试验不一致, 导致仿真计算结果与试验结果有较大差距; 另一方面在泵台试验过程中无法通过在泵体内布置大量的传感器实现泵体内部全流场数据的有效监测。为解决这一问题, 传统的方法是通过泵体仿真与泵台试验的不断修正迭代, 逐步实现仿真结果与试验结果的一致性, 但这种方法周期长、费用高, 逐渐不能满足目前鱼雷产品的设计要求。为此必须引入数字孪生技术, 以泵台试验为对象, 建立泵台数字孪生体, 完成泵体仿真模型与泵台试验系统的实时数据交互, 快速定位鱼雷泵体的设计缺陷, 实现鱼雷泵体的性能优化。

7.2 框架方案

泵台数字孪生体研究框架方案如图3所示, 主要包括实物系统、操作平台和虚拟系统。实物系统包括泵系统实物、布设于泵台试验系统上的各类传感器和数据采集系统。传感器采集的数据由数据采集系统汇总, 并通过网线传递给操作平台。操作平台实现各类数据应用, 其中包括数据监控、数据分析及仿真应用的实施。由传感器采集的数据, 经由操作平台归纳处理后, 转发给数字孪生的虚拟系统。该虚拟系统为事先对实物系统经过大量研究分析后建立的具有高精度且能够进行实时运算的仿真模型。采用操作平台发送的传感器数据作为该虚拟系统运行的边界条件, 可驱动虚拟系统在与实物系统相同的工况下运转。通过虚拟系统与实物系统的同步运行, 操作人员即可通过观察虚拟系统了解到实物系统中那些无法布置传感器的元件运行参数或各类场信息。另外, 操作平台除了作为实物系统与虚拟系统连接的桥梁, 也起到连接其他设备的作用。

7.2.1 实物系统说明

实物运行系统主要包含3类元件: 可安装传感器的元件、不可安装传感器的元件和执行元件。可安装传感器的元件一般是系统中数量最大的元件(例如试验台管路), 但不是核心元件, 这类元件工况较为理想, 不会造成传感器的损坏, 传感器安装在这类元件上也不会造成这类元件工作性能的降低。不可安装传感器的元件主要是指泵体本身, 泵体内部如果安装传感器会造成对流场的干扰, 从而降低泵的工作效率, 因此这类元件无法安装传感器。执行元件为可改变系统工作参数的元件, 主要指各类阀门, 接收控制信号后可实现参数变化, 是控制系统实现其功能的主要方式。对于数字孪生技术来说, 传感器数据具有3个用途: 1) 监视实物系统的运行工作状态, 满足系统操作需要; 2) 为虚拟系统提供仿真边界条件, 使得虚拟系统可以运行; 3) 为虚拟系统提供仿真校验数据, 用于建设数字孪生虚拟系统时, 对各类仿真参数进行调试。实物系统中的数据采集系统实现传感器数据, 执行元件控制信号与数据管理平台间的连接。

图3 泵台数字孪生体研究框架图

7.2.2 操作平台说明

操作平台实现了实物系统、虚拟系统和各类应用设备之间的数据连接与管理, 其最核心的作用为通过平台接口可实现虚拟系统与实物系统的连接, 此外, 还可实现初步数据分析等功能。

7.2.3 虚拟系统说明

虚拟系统是整个泵台数字孪生体的核心。泵体的每个物理特性需要对应特定的仿真模型, 主要包括计算流体模型、动力学模型、传热学模型和应力分析模型等, 如何将这些基于不同物理属性的模型关联在一起, 是建立泵台数字孪生体, 充分发挥数字孪生体模拟、诊断、预测和控制作用的关键。由于虚拟系统仿真模型对仿真速度与精度都具有较高要求, 因此需采用三维降阶模型技术, 实现虚拟系统在具有实时仿真能力的同时, 具有关键零部件三维场分析置信度的仿真。另外对于泵台的机、电、液等控制系统, 需要借助一维仿真的手段建立起系统仿真模型, 并与三维降阶模型实现数据交互。

泵台的控制系统、管路系统和监测系统主要基于系统建模方法, 利用VHDL-AMS、Modelica等语言构建一维仿真模型; 对于泵台的流体部分, 鉴于其典型的时变非线性特性, 应首先采用Fluent、CFX等流体分析软件进行典型工况的计算, 之后基于小样本深度学习的方法构建流体的三维降阶模型; 对于泵台的动力学部分, 鉴于其线性时变的特性, 主要采用状态空间方法在获取输入输出传递矩阵的基础上构建动力的三维降阶模型; 对于泵台结构及传热部分, 鉴于其线性时不变的特性, 主要在仿真训练样本的基础上, 采用神经网络的方式构建其三维降阶模型。最后通过一维三维联合仿真模型, 实现一维及三维模型之间的数据交互以及各三维模型对应物理场之间的耦合计算, 完成虚拟系统的构建。

7.3 关键技术

泵台数字孪生体主要包括以下关键技术。

1) 三维有限元降阶技术。该技术需要将三维有限元的分析结果降阶为可以用于一维系统仿真的ROM模型, 同时降阶技术将模拟整个三维模型所需时间降低到原仿真时间的1/10～1/100, 同时具备与三维模型类似的精度。通过降阶技术建立的高精度模型用于实时的系统仿真中, 与VHDL-AMS、Modelica等语言建立的一维模型进行联合仿真, 将经过验证的组件和子系统相结合的模拟来实现整个系统的验证。

2) 基于数据的智能学习建模。该技术基于数据的模型拟合能力, 通过对数据的智能学习, 建立起精确的输入和输出对应关系, 生成用于仿真的模型, 该模型可以导出通用数据格式, 能够应用于其他第三方仿真平台。

7.4 主要功能

通过泵台数字孪生体的构建可以实现以下功能。

1) 有限传感器下的无限数据获取。由于各类试验的传感器数量有限, 且无法直接获得关键参数, 通过采用高端仿真技术的数字孪生模型, 可实现基于有限传感器数据的全系统仿真, 通过获取仿真数据, 实现全系统数据检测。

2) 恶劣工况下的设备管理。由于数字孪生技术对实物系统的全数据检测能力, 可大大减少运行维护人员工作量, 对于恶劣工况下的设备, 可通过数字孪生获取准确检测数据。

3) 为产品的研发提供最准确的实际工况数据。传统产品研发的设计点往往是通过分析获得的某一额定工况, 通过数字孪生可全面获得产品在实际工况下的运行环境数据, 从而为产品的研发提供更符合实际工况的额定工作点。

4) 更可靠更高效的排故操作。通过采用数字孪生技术, 操作人员可以结合传感器数据与大量仿真数据, 分析故障原因, 从而为更准确高效的排故提供必要条件。

8 结束语

文章首先介绍了数字孪生技术的发展历程和国内外研究现状, 其次介绍了其在UUS行业的内涵和关键技术; 并从UUS的标准体系研究、设计、试验、制造和运维等各个阶段出发, 对其进行了展望; 最后从试验阶段的数字孪生角度结合某鱼雷泵台试验给出典型应用案例, 为日后数字孪生技术的进一步研究和发展提供参考。

[1] 陶飞, 马昕, 胡天亮, 等. 数字孪生标准体系[J]. 计算机集成制造系统, 2019, 25(10): 2405-2418.

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

[2] Grieves M W. Product Lifecycle Management: The New Paradigm for Enterprises[J]. International Journal of Product Development, 2005, 2(1-2): 71-84.

[3] Piascik B, Vickers J, Lowry D, et al. Technology Area 12: Materials, Structures, Mechanical Systems, and Manufacturing Roadmap[M]. Washington, DC: NASA Office of Chief Technologist, 2010．

[4] 刘大同, 郭凯, 王本宽, 等. 数字孪生技术综述与展望[J]. 仪器仪表学报, 2018, 39(11): 1-10.

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

[5] Grieves M．Virtually Perfect: Driving Innovative and Lean Products through Product Lifecycle Management[M]. Cocoa Beach, Fla., USA: Space Coast Press, 2011.

[6] 赵敏. 探求数字孪生的根源与深入应用[J]. 软件和集成电路, 2018(9): 50-58.

[7] 向峰, 黄圆圆, 张智, 等. 基于数字孪生的产品生命周期绿色制造新模式[J]. 计算机集成制造系统, 2019, 25 (6): 1505-1514.

Xiang Feng, Huang Yuan-yuan, Zhang Zhi, et al. New Paradigm of Green Manufacturing for Product Life Cycle Based on Digital Twin[J]. Computer Integrated Manufacturing Systems,2019, 25(6): 1505-1514.

[8] Schleich B, Anwer N, Mathieu L, et al. Shaping the Digital Twin for Design and Production Engineering[J]. CIRP Annals, 2017, 66(1): 141-144.

[9] Aheleroff S, Xu X, Zhong R Y, et al. Digital Twin as a Service(DTaaS) in Industry 4.0: An Architecture Reference Model[J]. Advanced Engineering Informatics, 2021, 47: 101225.

[10] Farsi M, Ariansyah D, Erkoyuncu J A, et al. A Digital Twin Architecture for Effective Product Lifecycle Cost Estimation[J]. Procedia CIRP, 2021, 100: 506-511.

[11] Novikov A, Zhilenkova E, Baldanov Z, et al. Development of Digital Design and Modeling Approaches with Preliminary Estimation Methods Based on a Digital Twin[J]. E3S Web of Conferences, 2021, 258: 01011-1-01011-6.

[12] Martínez-Gutiérrez A, Díez-González J, Ferrero-Guillén R, et al. Digital Twin for Automatic Transportation in Industry 4.0[J]. Sensors, 2021, 21(10): 3344.

[13] Tao F, Cheng J F, Qi Q L, et al. Digital Twin-driven Product Design, Manufacturing and Service with Big Data[J]. The International Journal of Advanced Manufacturing Technology, 2018, 94(9-12): 3563-3576．

[14] Yang Y H, Qu X L, Luo Y P, et al. Three Dimensional Temperature Field Numerical Simulation of Twin-arc High-speed Submerged Arc Welding Process Based on ANSYS[J]. Advanced Materials Research, 2016, 216: 188-193．

[15] 李欣, 刘秀, 万欣欣. 数字孪生应用及安全发展综述[J]. 系统仿真学报, 2019, 31(3): 385-392.

Li Xin, Liu Xiu, Wan Xin-xin. Overview of Digital Twins Application and safe Development[J].Journal of System Simulation, 2019, 31(3): 385-392.

[16] Todorovic M H, Datta R, Stevanovic L, et al. Design and Testing of a Modular Sic Based Power Block [C]//Inter- national Exhibition and Conference for Power Electronics, Intelligent Motion, Renewable Energy and Energy Management. Nuremberg, Germany: VDE, 2016: 1-4．

[17] 陶飞, 刘蔚然, 张萌, 等. 数字孪生五维模型及十大领域应用[J]. 计算机集成制造系统, 2019, 25(1): 1-18.

Tao Fei, Liu Wei-ran, Zhang Meng, et al. Five-dimension Digital Twin Model and Its Ten Applications[J]. Computer Integrated Manufacturing Systems, 2019, 25(1): 1-18.

[18] Tao F, Zhang M, Liu Y S, et al. Digital Twin Driven Prognostics and Health Management for Complex Equip- ment[J]. CIRP Annals-Manufacturing Technology, 2018, 67(1): 169-172.

[19] 陶飞, 刘蔚然, 刘检华, 等. 数字孪生及其应用探索[J]. 计算机集成制造系统, 2018, 24(1): 1-18.

Tao Fei, Liu Wei-ran, Liu Jian-hua, et al. Digital Twin and Its Potential Application Exploration[J]. Computer Integrated Manufacturing Systems, 2018, 24(1): 1-18.

[20] 陶飞, 程颖, 程江峰, 等. 数字孪生车间信息物理融合理论与技术[J]. 计算机集成制造系统, 2017, 23(8): 1603-1611.

Tao Fei, Cheng Ying, Cheng Jiang-feng, et al. Theories and Technologies for Cyber-physical Fusion in Digital Twin Shopfloor[J]. Computer Integrated Manufacturing Systems, 2017, 23(8): 1603-1611.

[21] 胡秀琨, 张连新. 数字孪生车间在复杂产品装配过程中的应用探索[J]. 航空制造技术, 2021, 64(3): 87-96.

Hu Xiu-kun, Zhang Lian-xin, Study on Application of Digital Twin Workshop in Assembly Process of Complex Products[J]. Aeronautical Manufacturing Technology, 2021, 64(3): 87-96.

[22] 李浩, 陶飞, 王昊琪, 等. 基于数字孪生的复杂产品设计制造一体化开发框架与关键技术[J]. 计算机集成制造系统, 2019, 25(6): 1320-1336.

Li Hao, Tao Fei, Wang Hao-qi, et al. Integration Framework and Key Technologies of Complex Product Design-manufac- turing Based on Digital Twin[J]. Computer Integrated Manufacturing Systems, 2019, 25(6): 1320-1336.

[23] 杨俊峰, 王红军, 冯昊天, 等. 基于数字孪生模型的设备故障诊断技术[J]. 设备管理与维修, 2021(9): 128-130.

Yang Jun-feng, Wang Hong-jun, Feng Hao-tian, et al. Equip- ment Fault Diagnosis Technology Based on Digital Twin Model[J]. Plant Maintenance Engineering, 2021(9): 128-130.

[24] 张蕾. 基于数字孪生的设备预测性维护模式研究[J]. 电子工业专用设备, 2021, 50(3): 12-15.

Zhang Lei. Research on Predictive Maintenance Mode of Equipment Based on Digital Twin[J]. Equipment for Electronic Products Manufacturing, 2021, 50(3): 12-15.

[25] 樊孟杰, 江海凡, 丁国富, 等. 基于数字孪生的地铁列车性能评估系统[J/OL]. 计算机集成制造系统. https://kns. cnki.net/kcms/detail/11.5946.tp.20210716.1002.002.html. [2021-07-16].

[26] 郑守国, 张勇德, 谢文添, 等. 基于数字孪生的飞机总装生产线建模[J]. 浙江大学学报(工学版), 2021, 55(5): 843-854.

Zheng Shou-guo, Zhang Yong-de, Xie Wen-tian, et al. Aircraft Final Assembly Line Modeling Based on Digital Twin[J]. Journal of Zhejiang University(Engineering Science), 2021, 55(5): 843-854.

[27] 张素明, 岳梦云. 基于数字孪生的火箭测试与发射过程健康管理技术研究[J]. 计算机测量与控制, 2021, 29(5): 8-14.

Zhang Su-ming, Yue Meng-yun. A Rocket Health Management System for Vehicle Testing and Launching Based on Digital Twin[J]. Computer Measurement & Control,2021, 29(5): 8-14.

[28] 李凯, 钱浩, 龚梦瑶, 等. 基于数字孪生技术的数字化舰船及其应用探索[J]. 船舶, 2018, 29(6): 101-108.

Li Kai, Qian Hao, Gong Meng-yao, et al. Digital Warship and Its Application Exploration Based on Digital Twin Technology[J]. Ship & Boat, 2018, 29(6): 101-108.

Development of Digital Twin Technology and Its Application Prospect in Unmanned Undersea System

ZHANG Ning, GUO Jun*, YIN Shao-ping, GAO Zhi-yong

(The 705 Research Institute, China State Shipbuilding Corporation Limited, Xi’an 710077, China)

To fill the gap of digital twin technology in the unmanned undersea system industry,this paper introduces the development process and status of digital twin technology at home and abroad and summarizes the characteristics. Subsequently, the connotation and key technologies of applying digital twins in unmanned undersea systems are discussed. The development and application of digital twin in the unmanned undersea system industry are prospected from different perspectives, including standard systems, design, testing, manufacturing, and operations. Finally, a typical application case of digital twin technology in an unmanned undersea system is presented based on a pump bench test. The results can provide a reference for the further application of digital twin technology in the unmanned undersea system industry.

unmanned undersea system; digital twin; pump platform

张宁, 郭君, 尹韶平, 等. 数字孪生技术发展现状及其在水下无人系统中的应用展望[J]. 水下无人系统学报, 2022, 30(2): 137-146.

TJ630.33;U662.9

R

2096-3920(2022)02-0137-10

10.11993/j.issn.2096-3920.2020.04.001

2021-10-14;

2021-11-16.

郭 君(1980-), 男, 博士, 高级工程师, 主要从事系统、结构、流体、振动、噪声等领域的设计、仿真及试验研究.

(责任编辑: 吴 攀)