3 航空发动机数字孪生工程概念与关键技术

3.1 航空发动机数字孪生工程概念与体系架构

随着航空发动机服役要求及性能指标的不断提升，其系统复杂性也日益增加，传统研制模式已难以满足当今研发需求［79］。数字孪生可突破物理世界的时空局限，助力航空发动机研制过程加速增效提质，近年来数字孪生愈发受到航空发动机行业的关注与青睐。然而，航空发动机数字孪生研究大多关注于单一对象、单一环节、单一功能，缺乏从全生命周期视角出发的系统性、全局性、协同性地深入研究与应用。在此背景下，本文尝试探索航空发动机数字孪生工程的概念，即面向航空发动机全生命周期需求，研究建设航空发动机生命线程、模型线程、数据线程、服务线程［1，80］，实现航空发动机生命周期工程、航空发动机数字孪生模型工程、航空发动机孪生数据工程、航空发动机软件与应用服务工程以及航空发动机数实迭代交互融合工程，支撑提升航空发动机正向协同设计、高性能加工制造、试验测试验证、智能运维管控等能力，满足新一代航空发动机的研制需求。

为进一步阐述航空发动机数字孪生工程内涵，明确航空发动机工程各要素组成、职能与协作关系，基于作者团队前期提出的数字工程“数智眼”体系架构［1］与数字孪生五维模型理论［2］，进一步探讨航空发动机数字孪生工程系统架构［1-2］，如图2所示。

图 2   航空发动机数字孪生工程体系架构

1） 航空发动机生命周期工程：“设计-制造-试验测试验证-交付-运维-回收”

航空发动机生命周期工程是指物理航空发动机设计、制造、试验测试验证、交付、运维、回收等的实现过程。航空发动机生命周期工程利用生命线程将不同阶段、不同型号、不同版本、不同用途、不同性能特征的物理航空发动机进行汇聚集成，形成具备各类研发经验和航空发动机演化知识的航空发动机产品簇，支撑新一代航空发动机从无到有的研制全过程和现有型号航空发动机的优化迭代，最终实现航空发动机研制设计即所需、设计即所得、所得即所用的理想目标。

2） 航空发动机数字孪生模型工程：“建-组-融-验-校-管”

航空发动机数字孪生模型工程是指航空发动机在全生命周期内数字孪生模型构建、组装、融合、验证、校正、管理的实现过程［81-82］。航空发动机数字孪生模型工程通过模型线程将设计阶段模型（如航空发动机三维模型）、制造阶段模型（如加工工艺模型）、试验测试验证阶段模型（如试验系统模型）、运维阶段模型（如寿命预测模型）等全生命周期各类模型进行集成，并利用从物理航空发动机获取到的数据实现各阶段模型的动态演化更新，从而实现对生命周期各阶段航空发动机结构、功能、性能的准确描述和动态刻画，为各阶段航空发动机时效高质服务提供支撑。

3） 航空发动机孪生数据工程：“采-传-处-融-用”

航空发动机孪生数据工程是指航空发动机在全生命周期内数据采集、传输、处理、融合和使用的实现过程［83-84］。航空发动机孪生数据工程利用数据线程高效汇聚航空发动机在全生命周期各阶段的物理数据、虚拟数据和融合数据，利用历史数据驱动航空发动机数字孪生模型复现历史运行过程，为问题追溯、分析和解决提供支持；利用最新的实时数据驱动航空发动机数字孪生模型，实现物理航空发动机运行过程的远程实时可视化监测。同时，航空发动机数字孪生工程还能够通过系统挖掘航空发动机大数据中的规律、经验和知识，为各阶段航空发动机服务提供数智基础。

4） 航空发动机软件与应用服务工程：“设计-开发-维护-集成-调用”

航空发动机软件与应用服务工程是指在航空发动机全生命周期内设计、开发、维护、集成、调用［85］航空发动机软件与应用服务的实现过程。航空发动机软件与应用服务工程利用服务线程封装物理航空发动机、数字孪生模型、孪生数据、算法等部分的功能，集成并构建面向不同阶段、不同层级、不同用户、不同需求的相关软件库，支撑航空发动机各阶段管控、全流程协同、细粒度分析、大体系统筹，并最终提供完备、专业、便捷、高效的应用服务。

5） 航空发动机数实迭代交互融合工程：“感知-通信-映射-交互-融合”

航空发动机数实迭代交互融合工程是指通过数据接口与通信网络，实现航空发动机在全生命周期内数据感知、通信、映射、联动、同步［86］的过程。航空发动机数实迭代交互融合工程利用新一代智能传感及网络技术，建设适应不同阶段、不同场景、不同应用模式的连接交互网络，实现航空发动机全生命周期内实时、高速、可靠、稳定的数据传输，促进数字域和实体域的交互、迭代、融合、优化，以支撑航空发动机生命周期工程、航空发动机数字孪生模型工程、航空发动机孪生数据工程与航空发动机软件与应用服务工程间高效交互与协作。

3.2 航空发动机数字孪生工程关键技术

基于作者团队前期在数字孪生模型［81］、数字孪生数据［83］、数据孪生连接交互［86］、数字孪生应用服务的理论技术研究及在设计［15］、制造［36］、运维［65］等各阶段的探索实践，本节结合航空发动机全生命周期需求，提出航空发动机数字孪生工程关键技术，包括：基于数字孪生工程的航空发动机正向设计技术、孪生数据与机理模型融合驱动的航空发动机高性能制造技术、航空发动机试验测试验证技术、数模融合的航空发动机智能运维技术等。同时，航空发动机数字孪生模型构建与验证、多源异构孪生数据空间构建与融合分析处理技术作为基础共性技术，贯穿于航空发动机数字孪生工程的各个阶段，支撑各项任务的精确建模、数据分析与优化决策，具体如图3所示。

图 3   航空发动机数字孪生工程关键技术

3.2.1 航空发动机数字孪生模型构建与验证技术

数字孪生模型构建是实现发动机数字孪生工程的引擎，基于作者团队前期提出的“建-组-融-验-校-管”数字孪生模型构建理论体系［81］，尝试探索提出航空发动机数字孪生模型构建与验证关键技术，如图4所示。

图 4   航空发动机数字孪生模型构建与验证技术

1） 航空发动机数字孪生模型构建、组装与融合技术

航空发动机是涵盖构件级-部件级-系统级等多层级的复杂对象。当前航空发动机数字孪生建模方法尚未实现对几何特征、属性特征、性能特征、行为特征、逻辑特征与层级特征的综合全面考虑。为实现航空发动机高保真数字孪生模型构建，需探究：① 发动机流-固-热等多物理场耦合模型构建与智能生成技术；② 零部件-子系统-系统-整机跨层级孪生模型快速组装与重构技术；③ 多维度多领域多层级数字孪生模型深度融合技术；④ 发动机数字孪生模型优化演化及精度提升方法等。通过航空发动机数字孪生模型构建、组装、融合，实现航空发动机数字孪生模型逐层级精准构建，全面刻画航空发动机结构、气动、传热、控制、性能等特性，为航空发动机数字孪生工程的实施奠定模型基础。

2） 航空发动机数字孪生模型全面验证与动态校正技术

航空发动机数字孪生模型的准确性和有效性会直接影响发动机性能和服役质量。在实现航空发动机数字孪生模型逐层级构建后，如何全面评估模型的准确性和有效性，是发动机数字孪生模型在使用前亟待重视和解决的难题。为解决这一难题，需攻克航空发动机数字孪生模型全面验证与动态校正技术，包括：① 如何探究建立航空发动机数字孪生模型的通专结合的综合评价指标体系；② 如何实现考虑航空发动机层级特征、维度特征、属性特征、性能特征等因素的发动机数字孪生模型智能验证与评估方法；③ 航空发动机数字孪生模型综合定性定量计量评估方法，从而共同支撑航空发动机模型验证。

在完成发动机模型验证后，因物理发动机运行环境复杂多变，受多重不确定因素影响，可能导致所建立的航空发动机数字孪生模型会与实际运行状态存在偏差，因此还需研究航空发动机数字孪生模型动态校正技术，包含：① 多源不确定因素分析技术；② 发动机动态复杂系统演化机制；③ 模型参数与结构动态校正技术等。通过对发动机模型动态校正，使数字孪生模型能够实时反映航空发动机的运行状态，为其精准评估、预测、控制等提供基础支撑。

3） 航空发动机数字孪生模型智慧管理技术

航空发动机数字孪生模型能够为发动机设计、制造、试验以及运维各阶段高质量服务提供基础，如何实现高效智慧管理，为用户提供便捷服务是关键。需要攻克：① 发动机数字孪生模型分布式安全存储技术以保证模型存储的可靠性、可扩展性、高效性；② 模型安全技术以保证模型的信息不被随意篡改；③ 模型重配置技术以支持模型根据实际需求进行重构与配置；④ 模型更新演化技术以支持模型参数、状态或功能等方面的修改与调整；⑤ 模型服务封装技术以便于动态敏捷部署应用等。

3.2.2 航空发动机多源异构孪生数据空间构建与融合分析处理技术

数字孪生数据是实现发动机数字孪生工程的驱动力，基于作者团队前期研究提出的“采-传-处-融-用”数字孪生数据理论与方法［83］，尝试探索提出航空发动机多源异构孪生数据空间构建与融合分析处理关键技术，如图5所示。

图 5   航空发动机多源异构孪生数据空间构建与融合分析处理技术

1） 多源异构数据全面感知技术

发动机全生命周期多源异构数据全面感知是发动机数字孪生运行的基础与前提。航空发动机全生命周期数据包含设计阶段的结构尺寸参数、性能指标参数，加工/装配阶段的工艺参数，调试阶段的测试数据及运维阶段的过程监测信息等，航空发动机数据信息具有多源异构、完备性差、关联机制不清等特点。针对航空发动机多源数据格式不统一、海量数据难管理等问题，需研究：① 孪生数据格式转换与统一管理技术；② 基于自回归模型、马尔可夫链、蒙特卡罗法等数据插补技术；③ 频域滤波、小波分解、经验模态分解方法等数据预处理技术。通过相关数据的全面感知与关键特征选取，为航空发动机数字孪生模型的动态更新校正提供基础数据支持。

2） 海量孪生数据高速传输与处理技术

发动机孪生数据不仅包含航空发动机运行过程中产生的大量物理数据，还包含孪生模型仿真生成的虚实融合数据，这些海量数据如何高效传输是保障虚实交互实时性的关键。为实现海量孪生数据的高速传输与处理，需研究：① 网络节点时钟同步技术；② 面向发动机虚实融合的确定性通信网络构建技术；③ 面向发动机虚实融合的交互误差预测；④ 发动机孪生数据分布式处理技术；⑤ 私有云与公有云协同存储技术；⑥ 发动机孪生数据处理安全加密技术等，从而保障发动机数字孪生模型在复杂工况下的状态同步更新，准确刻画发动机实时健康状态。

3） 孪生数据深度融合与分析挖掘技术

从数据处理角度来看，发动机数字孪生在不同阶段面临的主要数据处理挑战各不相同。在设计阶段，以大样本揭示设计参数与关键部位性能的映射关系，重点研究基于服役历史数据集的结构和参数优化技术。在制造阶段，重点研究小样本学习技术，通过离散数据填补不可测点数据，解决加工与装配阶段数据稀缺、样本空间不完整等问题。在试验阶段，重点研究虚实数据融合机制与算法，通过有限试验数据实现多工况下的发动机性能全面评估。在运维阶段，研究多源数据驱动的自学习诊断模型构建技术，以支持载荷变化和系统状态变化条件下的故障预报。孪生数据深度融合与分析挖掘技术为正向设计、高性能制造、虚实融合试验、精准运维提供支持。

3.2.3 基于数字孪生的航空发动机正向设计

正向设计是实现航空发动机全生命周期效能最优的关键手段，基于作者团队前期提出的数字孪生设计方法［15-16］，尝试探索提出基于数字孪生的航空发动机正向设计关键技术，如图6所示。

图 6   基于数字孪生的航空发动机正向设计技术

1） 设计方案高效验证与快速定型技术

在航空发动机研发过程中，设计方案的有效性是实现正向设计的首要前提。精准、高效的设计方案能够从初生阶段就开始保障航空发动机的可靠性。因此，需开展设计方案高效验证技术研究，实现设计方案的高度可解释和高效率验证。具体包括：① 设计方案适应性迁移技术；② 孪生空间智能验证技术；③ 软硬资源一体化分配技术；④ 物理知识嵌入网络技术；⑤ 设计方案数字优选技术。通过采用设计方案高效验证技术，能够从设计方案-性能关联数据中快速挖掘信息，实现设计方案的高效率迭代，从而在大幅缩短研制周期的前提下完成设计方案的快速定型，为实现航空发动机实现正向设计奠定基础。

2） 多部件一体化全局设计技术

航空发动机由风扇、压气机、燃烧室、涡轮、尾喷管等多个部件装配组成，只有综合考虑多个部件的性能指标要求，才能实现航空发动机一体化性能指标的全局设计。因此，需开展一体化全局设计技术研究，将不同阶段的各类设计要求转化为多个层次的数字孪生模型，形成面向全局性能的航空发动机一体化表达，提高性能设计的质量及效率。具体包括：① 分布式协同数字孪生技术；② 多层级一体化数字建模技术；③ 主动学习驱动不确定性量化技术；④ 可靠性数字孪生设计技术。通过各层级性能指标和全局性能指标的高效率分解与高精度评估，支撑航空发动机多部件多性能一体化全局设计。

3） 多学科协同设计优化技术

在气动载荷、温度载荷、离心载荷、陀螺力矩等复杂载荷综合作用下，航空发动机热态/力学性能分析涉及气动、热力、机械、材料等多学科，往往需要各学科的协同分析以达到优良的设计效果。因此，需开展多学科协同优化技术研究，从气动/热力/结构/可靠性角度建立各学科数字孪生模型，具体包括：① 多学科优化孪生建模技术；② 高维设计空间优化技术；③ 多目标同步优化算法；④ 多响应协同智慧决策技术。通过建立多学科协同数字孪生模型，实现各学科数字孪生模型之间的有机协同，利用多学科总体性能和各学科状态的动态表征和实时反映，为实现总体性能和各学科子系统协同优化开辟技术途径。

3.2.4 孪生数据与机理模型融合驱动的航空发动机高性能制造技术

高性能制造是保证航空发动机质量的重要抓手，基于作者团队前期数字孪生智能制造理论与方法研究工作［87-88］，尝试探索提出孪生数据与机理模型融合驱动的航空发动机高性能制造关键技术，如图7所示。

图 7   孪生数据与机理模型融合驱动的航空发动机高性能制造技术

1） 面向高性能制造的产品性能数字孪生模型构建技术

建立制造参数与性能间的映射关系，是实现航空发动机高性能数字制造的重要前提。发动机加工/装配具有高精度、多尺度、多场耦合及随机性等特征，一些参量的描述和量化极其困难，参量间的关联关系异常复杂。为此需以性能为目标、以过程为主线，深入研究产品性能数字孪生模型构建技术，具体包括：① 制造过程中结构/材料/工艺的关联作用机理，揭示影响性能的敏感制造参数，建立制造参数与性能关联映射模型；② 考虑航空发动机服役过程中复杂热/力载荷的影响，从宏微观层面揭示零件、系统性能演变和退化规律，明确性能保持性的影响机理；③ 系统化发动机性能数字孪生模型构建方法。

2） 航空发动机制造过程的孪生数据建模技术

实时准确获取制造工艺及性能数据是构建发动机制造过程数字孪生模型的基础，为此需研究航空发动机制造过程的孪生数据建模技术，具体包括：① 加工/装配过程中的多源感知数据采集、存储、处理系统架构；② 关键工艺-性能映射关系的高效高精度数字化表征模型构建技术；③ 基于发动机运行状态“孪生数据”的动态更新技术；④ 薄壁复杂曲面零件加工、热/力耦合作用下的转子装配等高不确定性制造过程中的模型迭代技术；⑤ 航空发动机制造过程物理信息一致性评价方法等。

3） 孪生数据与机理驱动的发动机性能预测与制造工艺调控技术

机理与数据的有效融合是实现航空发动机高效高精度性能预测与优化的前提，也是精确调整制造过程参数和预测装配性能的关键。针对航空发动机制造过程工序多、结构/工艺参数不确定性特征明显等问题，需研究孪生数据与机理驱动的发动机性能预测与制造工艺调控技术，具体包括：① 机理与孪生数据融合的零件及系统性能预测技术；② 发动机制造参数、服役载荷不确定性下的不确定性传递模型构建方法；③ 制造过程实时状态下多性能协同调控、多性能预防性定域控制理论及方法。

4） 信息物理融合的人机协同加工/装配技术

针对航空发动机人工制造操作易导致性能/质量随机性大、复杂工艺过程中经验无法完全替代等问题，以制造过程数字孪生数据与数字孪生模型为基础，融合AR/VR等技术，攻克信息物理融合的人机协同加工/装配技术，具体包括：① 信息物理融合的人机协同加工/装配技术；② AR（增强现实）加工/装配工艺指令的构建方法；③ 人机协同制造过程加工/装配质量在线分析与评判、制造知识自学习技术；④ 孪生数据驱动的人机协同制造工艺技术及精确高效调控方法等。

3.2.5 航空发动机数字试验测试验证技术

数字试验测试验证（Digital Experiment， Testing and Validation， D-ETV）是为航空发动机提供全生命周期性能评价的重要手段，基于作者团队前期提出的D-ETV理论与方法［7］，尝试探索提出航空发动机数字试验测试验证关键技术，如图8所示。

图 8   航空发动机数字试验测试验证技术

1） D-ETV模型快速构建与重构技术

航空发动机全生命周期涉及流体、结构、传热等多场耦合的复杂物理过程，存在被测目标发生变化时对象和场景模型进行快速的构建与重构需求，D-ETV模型快速构建与重构技术具体包括：① 数字试验对象建模与三维重建技术；② 语义模型整合与自适应组装技术；③ 模型偏差智能溯源与校正技术；④ 多尺度多粒度自适应修正技术；⑤ 多任务数字场景智能重构技术。通过试验系统对象-场景模型的快速构建与重构，能够为航空发动机数字试验验证的实施提供重要技术支撑。

2） 多域异构数据实时同步传输技术

航空发动机数字试验测试验证过程中会产生性能数据、功能数据、工况数据等多领域异质异构数据，数据之间的实时同步传输以及延时确定性传输，是保障多域异构数据通信网络高效运行的核心环节。因此，需开展多域异构数据实时同步传输技术研究，以实现多领域异质异构数据的同步传输和高效通信，具体包括：① 多节点系统时间同步优化技术；② 异构信息高效低延迟传递技术；③ 跨域数据精准整形与稳定流控技术；④ 智能流量管理与资源分配优化技术；⑤ 自主优化信息自适应交换技术。以多领域异质异构数据的同步传输和高效通信，有效贯通多领域数据流，为数字试验测试验证的有效实施开辟途径。

3） 多层级数模融合技术

航空发动机试验测试验证往往涉及多层次（如数据层、模型层、特征层、决策层）和多场耦合计算（如气动、热力、结构强度和材料性能等），单一的数据模型或机理模型难以全面准确地描述复杂非线性行为。因此，需开展多个层级的高保真数模融合技术，以实现数字试验测试验证对象、过程、结果之间的全流程融合，具体包括：① 数字物理多层级模型融合技术；② D-ETV多物理场耦合构建技术；③ 多源D-ETV异构数据融合技术；④ D-ETV数据-机理嵌套融合技术。通过数据-模型多层级融合，实现数字试验对象-过程-结果的全流程、多方位、高深度融合，为实现航空发动机数字试验验证开辟行之有效的技术途径。

4） 大模型与智能分析决策技术

航空发动机研发往往涉及多种性能指标（如推力、重量、振动等）、多学科交叉（如流体力学、热力学、结构力学等）、多阶段协同（如设计、制造、运维等），需精准分析和揭示多指标、多学科、多阶段之间的耦合性、相关性和非线性关系，从而保证数字试验测试验证结果的合理性和有效性。因此，需开展大模型与智能分析决策技术研究，具体包括：① 语言大模型驱动的数字试验策略优化技术；② 工业大模型驱动的数字测试系统渲染技术；③ 失效机理智能建模与自动识别技术；④ 数字测试系统智能动态决策技术；⑤ 智能推演设计与异常溯源技术。通过研究大模型与智能算法技术，精准描述数字试验测试中被测目标、对象、环境等核心要素，从而为航空发动机数字试验测试验证提供技术手段。

5） D-ETV通用基础库构建技术

为满足航空发动机数字试验测试验证的结果准、效率高、内容全、成本低、风险小等一系列严苛要求，亟需建立包括标准库、数据库、场景库、模型库、协议库、算法库、方法知识库和试验平台库的通用基础库，提供全面的数字化支持与协同能力。因此，需开展通用基础库构建技术研究，具体包括：① D-ETV统一化与标准化技术；② D-ETV数据库整合技术；③ D-ETV对象-场景模型库构建技术；④ D-ETV基础库异步/实时更新技术；⑤ D-ETV基础库空间扩容技术；⑥ D-ETV基础库信息对齐技术。各基础支撑模块要求满足实时获取和同步更新，以确保数据传递的准确性和一致性，从而为精准高效的航空发动机数字试验测试验证提供有效基础支撑。

3.2.6 数模融合的航空发动机智能运维技术

航空发动机智能主动运维是延长服役寿命，降低维护成本、提高安全保障性的关键手段。基于作者团队前期提出的“监测-预测-决策”数字孪生复杂装备运维管控理论与方法［65，89］，尝试探索提出数模融合的航空发动机智能运维关键技术，如图9所示。

图 9   数模融合的航空发动机智能运维技术

1） 数模融合驱动的航空发动机健康状态监测与故障诊断技术

健康监测与故障诊断对于提升航空发动机可靠性和飞行安全性具有重要意义。为了快速定位故障发生的环节、部位和成因，实现发动机健康状态的实时监测与故障诊断，亟需研究数模融合驱动的航空发动机健康状态监测与故障诊断技术，具体包括：① 多传感器信息融合与分析处理技术；② 基于传感器融合数据与机理模型的发动机健康状态监测；③ 多因素影响下的故障分析与快速定位方法。该物理模型与数据驱动相结合的方法，有助于精准监测运行状态并及时预警潜在故障，显著降低突发故障风险并延长发动机寿命，提升飞行系统运行的可靠性和安全性。

2） 数模融合驱动的航空发动机健康状态精准预测与评估技术

健康状态的有效预测与评估，是航空发动机长期可靠服役的重要基础。当前大多研究尚未实现推力、振动、温度等传感器采集数据以及性能退化机理的深度融合，易导致航空发动机健康状态因受多源不确定因素影响而导致结果不准，为实现发动机健康状态精准预测与评估，需研究① 极端工况下高可靠高适应性传感技术；② 基于大数据与大模型的剩余寿命精准预测技术；③ 基于历史与实时数据的故障动态预测技术。通过融合物理模型及数据驱动分析，能够精准预测和评估航空发动机健康状态与性能，减少维护成本、避免过度维修，从而全面保障航空发动机的可用性和整体运行效率。

3） 数模融合驱动的航空发动机智能维保决策与优化技术

有效的维保策略是发动机安全、可靠运行的有力支撑。当前维保策略往往采用定期与不定期的检查、维护和修理的方式，但安全意识不足、操作经验不丰富、信息化程度低等因素常引发不易察觉的安全风险，为实现发动机智能维保决策与优化，需研究① 多故障状态的智能维护决策与优化技术；② 维修效果精准评估技术；③ 发动机关键零部件修复技术。将物理模型与多源数据的深度融合，有助于提升航空发动机健康评估、故障预测与优化维护能力，保障运维效率和安全性，提升其全生命周期的高效运营能力。

4 航空发动机数字孪生工程若干思考

为实现航空发动机数字孪生工程，助力我国航空发动机跨越式发展，尝试提出以下几点建议：

1） 活用数字化、系统化思想实践航空发动机数字孪生工程

航空发动机是多要素、多系统、多信源、多学科耦合形成的复杂系统。为实现航空发动机的快速迭代升级和全局优化，航空发动机数字孪生工程应采用以虚替实、以虚补实、以虚优实、以虚验实、以虚促实的数字化思路［90］，利用数字工程“数力”和“智力”提升航空发动机数字孪生工程能力。同时，应贯彻整体规划、协同推进、需求导向、重点突破、迭代优化的系统化建设与发展思想，将复杂问题拆解为多个独立的技术难题，重点优先攻克关键技术难点，以点带面实现原型研制工作，并在实践中不断迭代进化，牵引所需各类技术进行整合集成、试验测试验证和持续优化，最终实现全局最优的航空发动机研发。

2） 重视全生命周期数据和模型的积累、集成与融合应用

数据与模型是航空发动机数字孪生工程的核心基础。航空发动机全生命周期涵盖气动数据、几何数据、工艺数据、质量数据、测试数据、载荷数据、环境数据、维修数据等多模态海量数据，及几何模型、物理模型、行为模型、规则模型、工艺模型、预测模型等多种类异构模型，具有规模巨大、种类繁多、耦合复杂等特点，且随发动机服役过程动态更新。为了提升数据和模型准确程度、信息密度和利用价值，亟需建立贯穿航空发动机全生命周期的数字线程与模型线程，实现航空发动机全生命周期数据和模型的积累、集成与融合应用，为开发航空发动机全生命周期内的各类智能应用服务提供支撑。

3） 强化多学科、多领域交叉融合与协同

航空发动机涉及空气动力学、工程热物理、机械、电气、控制等多学科领域，所涉要素众多，且要素间耦合关系复杂，难以通过单一学科模型实现航空发动机数字孪生的精准构建。因此，航空发动机数字孪生工程需要在分析问题、解决问题的过程中强化跨领域、跨时空、跨尺度意识，科学分析各子系统之间、各学科领域之间的关联关系，通过跨学科、跨部门、跨企业的协同创新发展，有效融合多学科领域的知识和经验，使航空发动机数字孪生的运行机制、机理更加完备，使航空发动机数字孪生工程的实践结果更加可信有效。

4） 拥抱 New IT 技术助力航空发动机设计-制造-试验-运维能力提升

随着新一轮科技革命浪潮兴起，以5G/6G、大模型、大数据、人工智能等为代表的新一代信息技术（New IT）催生出一系列产业变革新模式。航空发动机数字孪生工程与New IT技术的深度融合，有助于实现设计、制造、试验测试验证和运维等环节的多维多尺度模型精准构建，以及全要素、全流程、全业务数据深度融合，从而提高航空发动机的高可靠、长寿命、低成本服役能力，促进航空发动机产业数智化转型升级。

5） 建立完善航空发动机数字孪生工程标准体系

标准能够为数字孪生实践提供具体实施规则与指南，当前虽有部分数字孪生概念与架构的相关标准逐步制定，能够为数字孪生的总体实施提供指导，但尚缺少航空发动机领域的相关行业标准，因此应首先厘清航空发动机数字孪生工程标准建立需求，并进一步研究建立航空发动机数字孪生工程涵盖从基础共性到关键技术以及行业应用的标准体系架构，形成考虑航空发动机特性特征的数字孪生标准体系，为航空发动机数字孪生的应用实施与大规模推广提供支持。

6） 推动航空发动机数字孪生工程资源优化整合及产业发展

航空发动机数字孪生工程具有学科深度交叉、数模深度融合、虚实交互迭代的特性，需兼备扎实理论基础与丰富实践经验。因此，推动高校、院所、企业各相关优势资源的有效管理与整合，加强顶层设计，以航空发动机数字孪生工程总体研究与实施规划为抓手，统筹推进基础理论研究、关键技术攻关和型号研发，逐步完善标准和工具体系，形成高效、便捷、通用的应用软件，以加强航空发动机产业链和创新链的协同发展，推动产业创新和技术创新有机结合。

5 结束语

作为国之重器，航空发动机集中体现了一个国家的科技水平、工业基础和综合国力。航空发动机研制是涉及多学科多领域的复杂系统工程，且部件间耦合关系复杂，其性能与设计、制造、试验及运维等全生命周期各阶段均紧密关联，成功研制高性能、高效率、高可靠、长寿命的航空发动机难度极大。与此同时，数字化、智能化、高质量发展趋势，对航空发动机亦提出了“正向研发、协同研发、高效研发”“效率变革、动力变革、质量变革”“科技创新、产业创新、融合创新”等新需求。

本文分析了航空发动机数字化、智能化发展趋势，从全生命周期的视角分析提出了航空发动机数字工程在设计、制造、试验测试验证、交付、运维、回收等阶段的挑战。通过系统性回顾国内外数字孪生在航空发动机全生命周期研究现状，指出航空发动机在理论体系、组织协作、软件平台、标准规范方面的不足。研究提出了航空发动机数字孪生工程的概念内涵与参考架构，深入分析了数字孪生在提高航空发动机设计、制造、试验和运维的智能性、主动性、可预测性的作用价值，进而提出了航空发动机数字孪生工程关键技术。为更好的实践航空发动机数字孪生工程，结合前期数智化经验提出了若干思考与建议。

期望相关工作为构建航空发动机数字孪生工程体系提供参考，促进航空发动机设计、制造、测试和运维等核心能力可持续提升，赶超国际先进水平。当然，文章尚有不足之处。未来将进一步研究完善所提出的航空发动机数字孪生工程理论体系，深入研究相关技术，并结合不同型号航空发动机特定需求与问题进行理论研究和应用实践。

声明:公众号转载的文章及图片出于非商业性的教育和科研目的供大家参考和探讨，并不意味着支持其观点或证实其内容的真实性。版权归原作者所有，如转载稿涉及版权等问题，请立即联系我们删除。