类型b
这篇综述文章由南京航空航天大学民航学院的熊明兰（Minglan Xiong）和王华伟（Huawei Wang）撰写，并于2022年7月28日在《The International Journal of Advanced Manufacturing Technology》期刊上发表。文章主要探讨了数字孪生（Digital Twin, DT）技术在航空工业中的应用现状、历史发展、关键技术以及未来研究方向。
航空工业是一个高度复杂且对安全性和可靠性要求极高的领域，其面临的挑战包括数字化转型、高昂的生产运营成本、低效的维护以及密集的技术需求。数字孪生技术被认为是解决这些问题的关键技术之一。DT能够通过实时高保真的虚拟模型模拟物理实体，从而优化设计、制造、运行和维护等环节。随着“智能制造”、“工业4.0”以及“中国制造2025”等战略的推进，物联网（IoT）、人工智能（AI）、云计算、边缘计算、大数据、5G等新兴技术的发展为DT的应用提供了坚实的基础。
文章指出，尽管学术界和工业界对DT的研究呈指数增长，但仍然存在概念误用、数据和模型可视化忽视等问题。因此，系统性地回顾航空工业中DT的研究现状对于推动其高效应用和发展至关重要。
数字孪生的概念最早可以追溯到20世纪70年代美国国家航空航天局（NASA）的阿波罗计划。当时，NASA通过构建两个完全相同的航天器来模拟飞行状态。2002年，Grieves教授首次提出了产品生命周期管理中的DT概念。随后，NASA在2010年将DT定义为由物理产品、虚拟产品及其通信组成的系统。2012年，美国空军研究实验室（AFRL）进一步细化了航空结构数字孪生（Airframe Digital Twin, ADT）的概念，强调其作为集成系统在全生命周期内的应用。
文章还对比了DT与其他相关技术（如信息物理系统（CPS）、物联网（IoT）、数字工程（Digital Engineering）、数字系统模型（Digital Systems Model）和数字线程（Digital Thread））的概念差异。例如，仿真技术是DT的基础，而DT则是CPS发展的前提条件，IoT则为DT和CPS提供了基础设施支持。
文章详细回顾了航空工业中DT的历史发展。自2011年起，AFRL提出了重新设计飞机结构寿命预测流程的目标，以充分利用高性能数字计算的优势。2012年，AFRL首次提出了ADT的概念，目标是通过数字化手段提高设计效率、减少认证测试次数、消除意外裂纹和故障，并降低维护成本。同年，NASA与空军科学研究办公室（AFOSR）合作，提出未来的航空器需要更轻的质量、更高的承载能力和更长的使用寿命，这需要通过DT实现超保真仿真、健康管理以及历史数据的全面整合。
此外，文章还列举了多个关键时间节点，如2013年AFRL开发的ADT螺旋1计划（ADT Spiral 1 Program），该计划通过概率方法跟踪单个飞机的疲劳裂纹生长过程；2014年NASA研究如何将传感材料技术与DT结合，以实现自动化的证据检查和维护。
文章从设计、装配、制造、运行维护以及其他相关领域五个方面总结了DT在航空工业中的应用现状。
航空器的设计涉及复杂的结构优化问题，传统方法难以满足高精度和多变量耦合的需求。DT技术通过多源数据融合（如在线传感器监测、离线地面检测和飞行历史数据）实现了对航空器结构行为和性能的实时反应和预测。例如，空中客车（Airbus）在2017年提出了创建飞机疲劳模型和DT的战略，将疲劳分析推向数字化时代。
在航空器制造过程中，装配协作技术是提高竞争力和制造水平的关键。传统装配质量数据分散在多个业务和管理系统中，手动处理效率低下。DT结合数字线程（Digital Thread）可以创建闭环制造环境，实现设计、生产调度、制造、自动化和使用的同步优化。例如，DT可以通过三维模型实现虚拟世界与物理世界的同步，从而提高装配质量和效率。
目前，DT技术在智能制造领域最为活跃。空中客车和波音正在构建数字孪生机，通用电气（GE）也在开发数字孪生发动机。DT不仅显著缩短了新产品开发周期（10%~75%），还减少了航空航天材料测试和验证的时间（分别为80%和25%）。例如，通过构建涡扇叶片的DT模型并模拟其制造和质量检测过程，可以有效减少加工时间、提高加工精度并增强制造能力。
航空器的维护经历了从“事后维护”到“预防性维护”，再到“预测性维护”的转变，未来发展方向是精准维护。DT结合综合车辆健康管理系统（IVHM）可以更准确地评估复杂系统的健康状况。例如，研究人员开发了多种航空器DT模型，特别是在发动机DT、环境控制系统DT和燃油系统DT方面的研究取得了显著进展。
除了上述应用，DT还在无人机（UAV）领域、机场运营规划、低空走廊安全数字化等方面展现了潜力。例如，利用UAV的高时空分辨率和快速部署优势，可以为目标对象建立DT模型，从而实现实时监控和健康评估。
文章总结了航空工业中DT的四项关键技术：数据融合、多维多尺度高保真建模、与新兴信息技术（New IT）的融合以及人机交互（HMI）。其中，数据融合是基础，多维多尺度高保真建模是核心，New IT融合是驱动力，而HMI则是必要条件。
未来研究方向包括： 1. 数字过程孪生风险控制：研究如何在航空器数字化转型过程中减少不确定性因素，提高系统的鲁棒性。 2. 交互式DT研究：解决人在DT框架下的人机交互问题，实现物理世界与虚拟世界的无缝交互。 3. 数据学习：利用机器学习、深度学习和强化学习技术提高DT的适应性，使其能够进化、感知、记忆和解决问题。
本文通过对航空工业中DT的研究进行全面回顾，为学术界和工业界提供了宝贵的参考。文章不仅梳理了DT的概念发展历程，还详细分析了其在航空工业全生命周期中的应用现状，并提出了未来研究方向。这些内容对于推动DT技术在航空工业中的实际应用具有重要意义，同时也为其他领域的DT研究提供了借鉴。