报告：基于数字孪生的直升机部件智能裂纹检验策略研究

第一部分：研究作者与发表背景

本文的主要作者为 Fubin Zhao、Xuan Zhou、Chaoyang Wang 和 Leiting Dong，分别来自北京航空航天大学，另一名作者 Satya N. Atluri 来自美国德克萨斯理工大学（Texas Tech University）。本研究发表在《AIAA Journal》期刊 2023 年 6 月第 61 卷第 6 期。文章的 DOI 为 https://doi.org/10.²⁵¹⁴⁄₁.J062222。

第二部分：研究背景与研究目的

学术背景与领域
本文的研究领域主要涉及航空结构的疲劳裂纹生长预测与维护策略，隶属于航空工程、结构维修及数字化技术领域。航空器结构可靠性的维护，尤其是疲劳裂纹管理，一直是航空工程中的核心问题，而现有基于固定时间间隔的检测策略随着诸多不确定性的出现变得效率低下。例如，不同飞机因任务差异、飞行员习惯及制造中的材性偏差，往往表现出不同的损伤演化路径。此外，几何和材料参数的不确定性进一步增加了裂纹生长预测的复杂性。

研究背景与问题
目前主流的飞机结构检测基于“损伤容限（Damage Tolerance）”的安全管理哲学，其中检测间隔由实验数据和固定荷载谱计算得出。然而这种方法忽略了裂纹生长中的多种不确定性因素，且在实际应用中导致昂贵的过早维修或潜在的安全风险。

同时，近年来“个体航空器追踪（IAT）”计划应用于多种类型的航空器，通过采集飞行数据跟踪疲劳损伤和寿命消耗状况。然而，大多数现有 IAT 系统仅监控如飞行超载等荷载数据，而未考虑几何和材料参数导致的“认知不确定性（Epistemic Uncertainty）”。为解决这些问题，美国空军等机构资助开展了更为先进的“航空器数字孪生（ADT）”研究，通过创建概率性、多物理场的虚拟模型，实现结构诊断与预测支持主动维修决策。

研究目标
本文创新性地提出了一种基于“数字孪生（Digital Twin）”理念的适应性裂纹检测策略，通过动态贝叶斯网络（Dynamic Bayesian Network, DBN）框架整合简化断裂力学仿真方法、已验证的疲劳裂纹生长模型和历史检测数据，动态更新检测间隔。研究目标是验证该方法在直升机重要部件上的应用能力。

第三部分：研究详细流程与技术方案

研究框架概述
研究分为两个阶段：离线构建和在线应用。离线阶段创建基础的数字孪生模型，包括构建基于约减阶次模型（Reduced-Order Modeling, ROM）的快速断裂力学仿真; 在线阶段则通过实时加载和检测数据更新模型并动态制定裂纹检测间隔。

离线构建阶段

1. 构建裂纹数据库
   使用对称伽辽金边界元法（SGBEM）与有限元法（FEM）耦合方法，在裂纹样本的潜在生长路径上进行采样，计算裂纹尖端的应力强度因子（Stress Intensity Factors, SIFs），建立断裂力学仿真数据库。

2. 训练约减阶次模型（ROM）
   通过主成分分析（PCA）降维裂纹前端坐标数据，并利用人工神经网络（ANN）回归训练 ROM 模型。ROM 模型使用 FEM 模拟整体结构，结合 SGBEM 高效计算局部裂纹区域的应力强度因子。

3. 先验分布设定
   利用实际经验构建初始裂纹尺寸和裂纹参数（如材料常数 c 和 γ）的合理先验分布，作为数字孪生模型的输入。

在线应用阶段

1. 获取输入数据
   根据飞行载荷采集的疲劳数据输入模型，同时以两种概率过程分别进行裂纹状态诊断和裂纹扩展容限分析。

2. 诊断与预测
   在诊断步骤中，整合根据已观测到的裂纹长度更新分布；在预测步骤中，基于疲劳载荷统计特征预测裂纹路径。

3. 动态检测决策
   利用概率损伤容限分析（DTA）计算达到失效概率阈值（10^-7）时的检测间隔，并安排下一次检测。

数据分析方法

研究采用动态贝叶斯网络（DBN）框架，将裂纹尺寸、材料参数等随机变量作为连续状态节点，并通过正则化粒子滤波算法（Regularized Particle Filter, RPF）进行贝叶斯推断以实现模型的实时更新。此外，还融入了检测设备的概率检测曲线（POD）以处理无法精确测量的微小裂纹。

第四部分：研究主要结果

1. 模型验证
   对直升机起吊框架进行了实验数据验证。实验表明，数字孪生模型能够通过检验数据迭代更新，提高更复杂裂纹生长路径预测的准确性，预测结果与实际裂纹尺寸变化有良好吻合。

2. 智能检测策略的应用
   模拟了包含不同初始裂纹尺寸与材料参数的裂纹生长历史。结果表明，与传统固定检测间隔方法相比，智能检测策略能够依据最新模型调整检测间隔，在确保安全的同时优化了维修时间。

3. 安全性保证
   通过采用更大的初始裂纹分布（如威布尔分布）计算检测间隔，可有效避免传统方法在错误先验分布条件下引发的潜在安全风险。

4. 比较分析
   与其他基于固定检测间隔的方法相比，本文提出的自适应检测间隔方法显著降低了服务生命周期内的失效概率（Probability of Failure, POF），基本保证 POF 始终低于关键值。

第五部分：研究结论与价值

本研究提出了一种基于数字孪生的自适应检测策略，与传统的基于固定检测间隔的损伤容限方法相比显著提高了安全性和效率。研究新颖性在于利用 DBN 框架和 ROM 仿真模型的结合，实现裂纹参数与检测策略的良性互动，能够动态匹配各架次航空器的个性化维修需求。此外，该策略仍然建立在现有损伤容限安全管理哲学上，因而易于推广应用于现有航空结构的检测。

科学价值
研究为更加智能化、动态化的航空器部件裂纹检测方案提供了理论支撑和技术参考，尤其对于多不确定因素场景下复杂结构诊断与预后预测的技术发展具有重要意义。

应用价值
数字孪生方法及智能检测策略的广泛应用可有效减少航空器维护的意外停机时间，并降低不必要的检测和维修成本。

第六部分：研究亮点

1. 创新性
   提出了结合动态贝叶斯网络与约减阶次建模的数字孪生架构，在复杂结构中首次实现多不确定因素下的实时预测。

2. 安全性保障
   策略通过全面考虑损伤相关参数分布的不确定性，有效控制了航空器使用生命周期内可能产生的失效风险。

3. 适用性强
   研究不仅验证了理论模型的可靠性，还在直升机部件案例中成功演示了方法的实践应用能力。

第七部分：进一步研究方向

未来研究将拓展至更加复杂的结构损伤形式（如非平面三维裂纹和复合材料分层），并验证数字孪生策略在更现实航空器结构中的性能表现。