数字样机解决方案

一、背景

长久以来，“以纸质为核心的协同设计”是复杂装备研发、设计、制造、试验的主要手段。随着新技术的发展，大型客机、重型运载火箭、高端邮轮、新能源汽车等装备的设计面临研制周期缩短，系统复杂度增加的挑战，以纸质管理为中心，通过纸质传递开展协作的产品研制方式逐渐变得落后。

图 1 复杂装备研制过程中面临的难题

美国国防部2018年正式对外发布《数字工程（Digital Engineering）战略》，旨在推进装备研发数字化转型，将以往线性、以文档为中心的采办流程转变为动态、以数字模型为中心的数字工程生态系统。面对新一轮的战略竞争，以数字样机技术为支撑的装备数字化研发与交付在装备研发中变得势在必行，并为未来装备基于数字孪生的运维奠定基础。

二、 数字样机构建与交付

按照国标GB/T26100-2010的定义：数字样机是对产品整机或具有独立功能的子系统的数字化描述。

面向装备研发制造的不同阶段，以CAD、CAE、CAM技术支撑的数字化技术把数字样机大致可以分为几何样机、功能样机、性能样机、制造样机等。

图 2 数字样机的分类

随着复杂装备对多学科协同设计、多物理场耦合分析、多专业工具一体化需求提高，以CAE技术为支撑，高保真度建模、高性能仿真为核心的装备性能数字样机创建与交付需求迫切。

面向飞行器、航空发动机等特定装备与物理过程，采用现代软件工程设计理念，构建性能数字样机协同设计仿真平台框架，将模型和不同学科的程序统一封装为具有输入、输出和学科仿真能力的功能组件，融合行业知识和经验形成数据库，并集成到框架中，构建不同类型装备性能数字样机。

图 3 性能数字样机构建

基于上述理念国外研究机构研发了航空发动机性能数字样机平台NPSS、旋翼飞行器性能数字样机平台Helios等，提升了装备研发能力，缩短了研发周期。

图 4 航空发动机性能数字样机

然而高保真性能数字样机的交付存在困难，主要体现在两方面：一方面系统复杂，无法实时响应；另一方面涉及工具大多，维护增加成本；因此基于验证和确认的高置信度代理和降阶模型的封装是性能数字样机交付的最佳方案。

图 5 性能数字样机的交付

三、数字样机关键技术

性能数字样机的创建涉及以下关键技术：

1）高保真仿真建模技术与工具

    飞机、舰船、高铁、新能源汽车等复杂装备往往在复杂多物理场环境中服役，包括高温、高压、冲击、噪声、强过载和复杂电磁耦合等恶劣综合环境。其力学性能的准确预测离不开以偏微分方程（PDE）数值模拟为核心的CAE建模技术与工具。前沿动力研发的工程力学综合仿真设计平台ADI.SimWork V6.0具备流体、结构、噪声等学科仿真功能，并在工程实践中得到应用。

图 6 高性能仿真工具

    2）高效、高可信度的降阶模型构建

       基于降阶模型ROM实现对高保真度静态或动态模型的简化，可以在保留高保真模型的基本特征与主导效应同时，减少复杂模型的CPU计算时间和存储空间，实现高效实时仿真。常用的降解建模方法有静态的响应面分析法RSM、本征正交分解POD和循环神经网络RNN。

  (1) 响应面分析法RSM

        响应面分析法是结合数学与统计的数据分析方法，建立自变量与因变量之间的数学模型，实现数据的静态拟合，其创建流程如下：

图 7 响应面分析法RSM流程和应用

   (2) 本征正交分解POD

   本征正交分解是一种基于数据驱动的动态降阶建模方法，其原理是将原始数据（空间-时间）分解为空间上的多阶模态及各阶模态对应的时间演化序列，各阶模态相互正交，通过模态截断进行模型重构。其原理和应用如下：

图 8 POD原理与应用

    (3) 循环神经网络RNN

   循环神经网络RNN是一种处理序列数据的神经网络，其结构信息可以在网络内部传播从而捕捉到序列中的时间依赖关系，属于动态建模。其原理和应用如下：

图 9 RNN原理与应用

 3）统一的数字化封装集成平台和web端部署

    性能数字样机涉及到工具、知识、流程、业务的异构封装和3D动态可视化。

集成平台基于CS/BS架构模式，开发形成数据中台、业务中台，利用HTTP协议传输数据，与数据库对接。其中前端代码选择Vue；后端的代码采用合.NetCore和Python代码形式，其中Python部分负责复杂工程计算，通过Redis实现网络缓存功能，利用RabbitMQ实现消息通讯和作业队列，最后基于Web3D实现动态可视化。

图 10 集成平台架构

图 11 Web端网络部署

四、行业案例实践

针对某单位客户，开发了光源性能数字样机，实现了光源系统与物理过程的“光、机、电、控、力、热”一体化协同设计仿真。

图 12 光源性能数字样机