近日，西北工业大学动力与能源学院喷气推进理论与工程团队肖达盛、肖洪、王占学等在航空发动机整机数字孪生领域2篇论文先后在该领域的国际著名期刊上公开发表。

团队提出了航空发动机物理知识融入智能网络的数字孪生建模方法，即依靠明确的物理知识设计网络架构，非明确的物理知识靠数据在物理知识的约束下训练出来。该方法避免了数据驱动建模的不可解释缺陷，并且大幅度降低了数据量需求，具有精度高、稳定性好、时效性强的优势。

团队首先将数字孪生技术应用于航空发动机机载推力性能衰退的实时监控，发展了包含推力等机载不可测量参数的虚拟传感器技术，实现了对推力等参数的虚拟测试，并通过建立的基线模型，开发了机载性能监控预警系统，实现了对航空发动机推力等性能衰退的实时监控和预警。该研究成果发表于《Reliability Engineering & System Safety》。

（文章链接：https://doi.org/10.1016/j.ress.2024.110100）

图1 航空发动机机载推力性能衰退的实时监控原理

针对温度参数测量误差较大的问题，团队提出了基于泰勒展开的全局补偿和实时补偿两类方法，进一步提高了整机数字孪生模型的精度，并针对航空发动机机载排气温度的实时监控和预警开展了模型的验证，实现了以排气温度为指标的性能衰退和险情预警。该研究成果发表于《Engineering Applications of Artificial Intelligence》。

（文章链接：https://doi.org/10.1016/j.engappai.2024.109024）

图2 基于泰勒展开的全局补偿和实时补偿数字孪生建模原理

审核：高文君