数字孪生驱动的结构全场变形高精度反演方法

doi:10.7527/S1000-6893.2024.30967

飞行器数字孪生技术专刊

本期目录 | 过刊浏览 | 高级检索

前一篇 | 后一篇

数字孪生驱动的结构全场变形高精度反演方法

黄熠玮¹, 耿一斌², 高天贺¹, 胡轩玮¹, 王圆³, 马红艳¹, 田阔¹^,⁴()

^1.大连理工大学工程力学系，大连 116024
^2.中国商飞上海飞机设计研究院，上海 201210
^3.神州五行航天科技有限公司，大连 116085
^4.辽宁省飞行器结构强度数字孪生重点实验室，沈阳 110035

收稿日期:2024-07-29 修回日期:2024-08-19 接受日期:2024-10-07 出版日期:2024-10-16 发布日期:2024-10-15
通讯作者: 田阔 E-mail:tiankuo@dlut.edu.cn
基金资助:
辽宁省人工智能领域科技重大专项(2023JH26/10100007);辽宁省优秀青年基金(2024JH3/10200003);国家重点研发计划(2022YFB3404700)

Digital twin driven high precision reconstruction method for full-field deformation of structure

Yiwei HUANG¹, Yibin GENG², Tianhe GAO¹, Xuanwei HU¹, Yuan WANG³, Hongyan MA¹, Kuo TIAN¹^,⁴()

^1.Department of Engineering Mechanics，Dalian University of Technology，Dalian 116024，China
^2.COMAC Shanghai Aircraft Design and Research Institute，Shanghai 201210，China
^3.ShenZhou WuXing Space Technology Co. ，Ltd. ，Dalian 116085，China
^4.Liaoning Provincial Key Laboratory of Digital Twins for Aircraft Structural Strength，Shenyang 110035，China

Received:2024-07-29 Revised:2024-08-19 Accepted:2024-10-07 Online:2024-10-16 Published:2024-10-15
Contact: Kuo TIAN E-mail:tiankuo@dlut.edu.cn
Supported by:
Major Science and Technology Projects in the Field of Artificial Intelligence of Liaoning Province(2023JH26/10100007);Excellent Youth Fund under the Science and Technology Program of Liaoning Province(2024JH3/10200003);National Key Research and Development Program of China(2022YFB3404700)

摘要/Abstract

摘要：

针对传统直接和间接变形监测方法难以满足结构高精度实时变形监测的问题，提出一种数字孪生驱动的结构全场变形高精度反演方法。首先，通过融合仿真和实测应变数据，构建了结构多方向数字孪生应变场，降低载荷偏差等因素对仿真可靠性影响，保证变形反演的应变精度要求。其次，提出了一种考虑多方向应变的模态坐标求解和变形反演方法，使用结构多方向应变参与模态坐标求解，解决使用单方向应变时反演结果稳定性不足问题，提升结构全场变形反演的稳定性。最后，基于所提出方法，以机翼结构为对象开展试验验证，与仿真及传统模态法的变形反演结果进行对比。结果表明，所提出方法在变形较大处反演精度具有更高优势。在变形较大位置，所提出方法反演结果与试验测量变形相对误差<0.8%，绝对误差<0.09 mm，相比传统模态法和仿真分析方法变形反演误差分别降低7%和12%。同时，所提出方法对多个测点位置变形反演平均相对误差为1.2%，相比传统模态法和仿真分析方法变形反演误差分别降低5.7%和9.3%。并且在应变传感器数目较少时，所提出方法的变形反演精度相较于传统模态法提升超过一个数量级，表明所提出方法具有较高的变形反演精度和稳定性。

关键词: 数字孪生, 变形反演, 模态叠加, 数据融合, 机翼结构

Abstract:

To address the issue that traditional direct and indirect deformation monitoring methods are difficult to meet the requirements of high-precision real-time deformation monitoring of structures， a digital twin-driven high-precision reconstruction method for full-field deformation of structure is proposed. Firstly， a multi-directional digital twin strain field is constructed by integrating simulation and measured strain data， which reduces the influence of load deviation and other factors on the simulation reliability， and ensures the strain accuracy of the deformation reconstruction. Secondly， a modal coordinate solving and deformation reconstruction method considering multi-directional strain is proposed. By incorporating multi-directional strain in the modal coordinate solving process， this method solves the problem of insufficient stability of the reconstruction results when single-directional strain is used， and improves the stability of the full-field deformation reconstruction of the structure. Finally， based on the proposed method， the experimental validation is carried out with the wing structure， and the results are compared with the simulation and the deformation reconstruction results of the traditional modal superposition method. The result shows that the proposed method has a higher advantage of reconstruction accuracy in the place of large deformation. The relative error between the reconstruction results of the proposed method and the measured deformation is less than 0.8%， and the absolute error is less than 0.09 mm， which is 7% and 12% lower than that of the traditional modal method and the simulation method， respectively. At the same time， the average relative error of the proposed method for deformation reconstruction at multiple measurement points is 1.2%， which is 5.7% and 9.3% lower than that of the traditional modal method and simulation analysis method， respectively. Moreover， when the number of strain gauges is small， the deformation reconstruction accuracy of the proposed method is improved by more than one order of magnitude compared with the traditional modal superposition method， which indicates that the proposed method has higher deformation reconstruction accuracy and stability.

Key words: digital twin, deformation reconstruction, modal superposition, data fusion, wing structure

中图分类号:

V214.4

黄熠玮, 耿一斌, 高天贺, 胡轩玮, 王圆, 马红艳, 田阔. 数字孪生驱动的结构全场变形高精度反演方法[J]. 航空学报, 2025, 46(19): 530967.

Yiwei HUANG, Yibin GENG, Tianhe GAO, Xuanwei HU, Yuan WANG, Hongyan MA, Kuo TIAN. Digital twin driven high precision reconstruction method for full-field deformation of structure[J]. Acta Aeronautica et Astronautica Sinica, 2025, 46(19): 530967.

图/表 14

图 1

图 2

图 3

表 1

图 4

图 5

图 6

图 7

图 8

表 2

图 9

图 10

表 3

图 11

参考文献 37

[1]	KIM D H， LEE K H， AHN B J， et al. Strain and damage monitoring in solar-powered aircraft composite wing using fiber Bragg grating sensors［C］∥Sensors and Smart Structures Technologies for Civil， Mechanical， and Aerospace Systems. New York： SPIE， 2013： 576-581.
[2]	孙侠生，肖迎春. 飞机结构健康监测技术的机遇与挑战［J］. 航空学报， 2014， 35（12）： 3199-3212.
	SUN X S， XIAO Y C. Opportunities and challenges of aircraft structural health monitoring［J］. Acta Aeronautica et Astronautica Sinica， 2014， 35（12）： 3199-3212 （in Chinese）.
[3]	BARTLEY-CHO J， WANG D， KUDVA J. Shape estimation of deforming structures［C］∥19th AIAA Applied Aerodynamics Conference. Reston： AIAA， 2001： 1566.
[4]	JONES R T， BELLEMORE D G， BERKOFF T A， et al. Determination of cantilever plate shapes using wavelength division multiplexed fiber Bragg grating sensors and a least-squares strain-fitting algorithm［J］. Smart Materials and Structures， 1998， 7（2）： 178-188.
[5]	DAVIS M A， KERSEY A D， SIRKIS J， et al. Shape and vibration mode sensing using a fiber optic Bragg grating array［J］. Smart Materials and Structures， 1996， 5（6）： 759-765.
[6]	GHERLONE M， CERRACCHIO P， MATTONE M， et al. Shape sensing of 3D frame structures using an inverse Finite Element Method［J］. International Journal of Solids and Structures， 2012， 49（22）： 3100-3112.
[7]	于起峰，尚洋，伏思华，等. 大型结构变形及形貌摄像测量技术研究进展［J］. 实验力学， 2011， 26（5）： 479-490.
	YU Q F， SHANG Y， FU S H， et al. Development of videometrics for large-scale structual deformation and topography measurement［J］. Journal of Experimental Mechanics， 2011， 26（5）： 479-490 （in Chinese）.
[8]	DERKEVORKIAN A， MASRI S F， ALVARENGA J， et al. Strain-based deformation shape-estimation algorithm for control and monitoring applications［J］. AIAA Journal， 2013， 51（9）： 2231-2240.
[9]	YOU R Z， REN L， YUAN C L， et al. Two-dimensional deformation estimation of beam-like structures using inverse finite-element method： theoretical study and experimental validation［J］. Journal of Engineering Mechanics， 2021， 147（5）： 04021019.
[10]	AN Y H， CHEN J S， LI H H， et al. A real-time spatial deformation estimation method based on spatial curvature decomposition and interpolation［J］. Engineering Structures， 2023， 296： 116904.
[11]	KO W， RICHARDS W， TRAN V T. Displacement theories for in-flight deformed shape predictions of aerospace structures： 20070032936［R］. California： NASA Armstrong Flight Research Center， 2007.
[12]	KO W， RICHARDS W， FLEISCHER V. Applications of KO displacement theory to the deformed shape predictions of the doubly-tapered ikhana wing： 20090040594［R］. California： NASA Armstrong Flight Research Center， 2009.
[13]	胡明月，吴邵庆，董萼良. 基于逆有限元法的三维壁板结构变形场重构［J］. 工程力学， 2024， 41（6）： 235-245.
	HU M Y， WU S Q， DONG E L. Deformation reconstruction of a three-dimensional panel structure opon ifem［J］. Engineering Mechanics， 2024， 41（6）： 235-245 （in Chinese）.
[14]	TESSLER A， SPANGLER J L. A least-squares variational method for full-field reconstruction of elastic deformations in shear-deformable plates and shells［J］. Computer Methods in Applied Mechanics and Engineering， 2005， 194（2-5）： 327-339.
[15]	张科，袁慎芳，任元强，等. 基于逆向有限元法的变形机翼鱼骨的变形重构［J］. 航空学报， 2020， 41（8）： 223617.
	ZHANG K， YUAN S F， REN Y Q， et al. Shape reconstruction of self-adaptive morphing wings’ fishbone based on inverse finite element method［J］. Acta Aeronautica et Astronautica Sinica， 2020， 41（8）： 223617 （in Chinese）.
[16]	LIU M Y， ZHANG X， SONG H， et al. Inverse finite element method for reconstruction of deformation in the gantry structure of heavy-duty machine tool using FBG sensors［J］. Sensors， 2018， 18（7）： 2173.
[17]	FOSS G C， HAUGSE E D. Using modal test results to develop strain to displacement transformations［C］∥Proceedings of the 13th International Modal Analysis Conference. Nashville， Tennessee： SPIE， 1995： 112.
[18]	DERKEVORKIAN A， ALVARENGA J， MASRI S F， et al. Computational studies of a strain-based deformation shape prediction algorithm for control and monitoring applications［C］∥Industrial and Commercial Applications of Smart Structures Technologies 2012. San Diego， California： SPIE， 2012： 104-113.
[19]	LIU J Z， FEI Q G， JIANG D， et al. Experimental and numerical investigation on static and dynamic characteristics for curvilinearly stiffened plates using DST-BK model［J］. International Journal of Mechanical Sciences， 2020， 169： 105286.
[20]	CAO Z F， FEI Q G， JIANG D， et al. Dynamic sensitivity-based finite element model updating for nonlinear structures using time-domain responses［J］. International Journal of Mechanical Sciences， 2020， 184： 105788.
[21]	LIU M N， FANG S L， DONG H Y， et al. Review of digital twin about concepts， technologies， and industrial applications［J］. Journal of Manufacturing Systems， 2021， 58： 346-361.
[22]	VANDERHORN E， MAHADEVAN S. Digital twin： generalization， characterization and implementation［J］. Decision Support Systems， 2021， 145： 113524.
[23]	TAO F， QI Q L. Make more digital twins［J］. Nature， 2019， 573（7775）： 490-491.
[24]	WANG B， LI Z C， XU Z Y， et al. Digital twin modeling for structural strength monitoring via transfer learning-based multi-source data fusion［J］. Mechanical Systems and Signal Processing， 2023， 200： 110625.
[25]	田阔，孙志勇，李增聪. 面向结构静力试验监测的高精度数字孪生方法［J］. 航空学报， 2024， 45（7）： 429134.
	TIAN K， SUN Z Y， LI Z C. High-precision digital twin method for structural static test monitoring［J］. Acta Aeronautica et Astronautica Sinica， 2024， 45（7）： 429134 （in Chinese）.
[26]	XU Z Y， GAO T H， LI Z C， et al. Digital twin modeling method for hierarchical stiffened plate based on transfer learning［J］. Aerospace， 2023， 10（1）： 66.
[27]	KURAN B， H N Ö. A modal superposition method for non-linear structures［J］. Journal of Sound and Vibration， 1996， 189（3）： 315-339.
[28]	BOGERT P， HAUGSE E， GEHRKI R. Structural shape identification from experimental strains using a modal transformation technique［C］∥44th AIAA/ASME/ASCE/AHS/ASC Structures， Structural Dynamics， and Materials Conference. Reston： AIAA， 2003： 1626.
[29]	AHMED M， SERAJ R， ISLAM S M S. The k-means algorithm： a comprehensive survey and performance evaluation［J］. Electronics， 2020， 9（8）： 1295.
[30]	MONTAZER G A， GIVEKI D， KARAMI M， et al. Radial basis function neural networks： A review［J］. Computer Science Review， 2018， 1（1）： 52-74.
[31]	SHU L S， JIANG P， SONG X G， et al. Novel approach for selecting low-fidelity scale factor in multifidelity metamodeling［J］. AIAA Journal， 2019， 57（12）： 5320-5330.
[32]	YAN J， CHENG Y Y， ZHANG L， et al. Displacement field reconstruction technique for plate-like structures based on model superposition method［J］. Measurement and Control， 2023， 56（3-4）： 654-667.
[33]	WONG T T. Performance evaluation of classification algorithms by k-fold and leave-one-out cross validation［J］. Pattern Recognition， 2015， 48（9）： 2839-2846.
[34]	李德葆，诸葛鸿程，王波. 实验应变模态分析原理和方法［J］. 清华大学学报（自然科学版）， 1990， 30（2）： 105-112.
	LI D B， ZHUGE H C， WANG B. On the principle and technique of experimental strain modal analysis［J］. Journal of Tsinghua University （Science and Technology）， 1990， 30（2）： 105-112 （in Chinese）.
[35]	WAN Z M， LI S D， HUANG Q B， et al. Structural response reconstruction based on the modal superposition method in the presence of closely spaced modes［J］. Mechanical Systems and Signal Processing， 2014， 42（1-2）： 14-30.
[36]	LI L， ZHONG B S， LI W Q， et al. Structural shape reconstruction of fiber Bragg grating flexible plate based on strain modes using finite element method［J］. Journal of Intelligent Material Systems and Structures， 2018， 29（4）： 463-478.
[37]	HE J J， GUAN X F， LIU Y M. Structural response reconstruction based on empirical mode decomposition in time domain［J］. Mechanical Systems and Signal Processing， 2012， 28： 348-366.

E-mail：hkxb@buaa.edu.cn

关于我们

期刊社服务

专业学科

封面文章

友情链接

主管单位：中国科学技术协会主办单位：中国航空学会北京航空航天大学

试验及变形反演方法	位移计位置变形/mm			变形反演结果与位移计测量相对误差/%
试验及变形反演方法	Ⅰ	Ⅱ	Ⅲ	Ⅰ	Ⅱ	Ⅲ	平均
试验	11.18	4.59	2.50
仿真	9.68	4.07	2.40	13.4	11.3	4.0	10.5
传统模态法	12.09	4.76	2.30	8.1	3.7	8.0	6.9
本文方法	11.27	4.64	2.47	0.8	1.1	1.4	1.2

数字孪生驱动的结构全场变形高精度反演方法

Digital twin driven high precision reconstruction method for full-field deformation of structure

RichHTML

PDF (PC)

可视化

摘要/Abstract

引用本文

使用本文

图/表 14

参考文献 37

相关文章 15

编辑推荐

Metrics

本文评价

[1]	施英杰, 刘斌超, 鲁嵩嵩, 陈亮, 尚海, 鲍蕊. 融合试验-仿真标定数据的机翼应变载荷关系神经网络模型[J]. 航空学报, 2025, 46(19): 530921-530921.
[2]	代定强, 周轩, 董雷霆, 孙侠生. 数字工程与数字孪生在航空疲劳与结构完整性领域的研究进展与展望[J]. 航空学报, 2025, 46(19): 531022-531022.
[3]	李尚宇, 冯杭, 陈俊全, 陈彬, 梅丹. 一种数字孪生的设计架构和概念建模方法[J]. 航空学报, 2025, 46(19): 531118-531118.
[4]	雷珺祺, 程月华, 姜斌, 徐骋, 徐贵力, 孙天宇. 面向舵回路故障的数字孪生建模及动态调整机制[J]. 航空学报, 2025, 46(19): 531273-531273.
[5]	陈亮, 黄蕾, 顾宇轩, 郭聪, 林可欣, 管宇, 宋健. 基于飞行参数的结构关键部位载荷孪生技术[J]. 航空学报, 2025, 46(19): 531292-531292.
[6]	郭程洁, 徐典, 李进宝, 程超宇, 郭硕昌, 李锐. 基于数据融合-知识迁移方法的高温数字图像相关试验应力表征[J]. 航空学报, 2025, 46(19): 531574-531574.
[7]	顾宇轩, 郭聪, 黄蕾, 董一飞, 董宏达, 邓智伦. 数字孪生驱动的机群寿命精细化管理[J]. 航空学报, 2025, 46(19): 531290-531290.
[8]	张音旋, 张起, 许镇勇, 孟琳书. 基于残差神经网络的飞机力学响应预测方法[J]. 航空学报, 2025, 46(19): 531295-531295.
[9]	肖若瑶, 郑联语, 周健, 赵思如, 张洁茹, 陈育武. 面向筒段对接数字孪生的定位精度在线优化方法[J]. 航空学报, 2025, 46(19): 531978-531978.
[10]	胡家亮, 吴江鹏, 霍思旭, 高一地, 郑华. 基于颤振试飞数字孪生扫频数据重构的模态参数估计[J]. 航空学报, 2025, 46(19): 531602-531602.
[11]	王鹏飞, 曾丽芳, 邵雪明, 黎军. 基于预训练微调的机翼气动载荷多源数据融合建模方法[J]. 航空学报, 2025, 46(19): 532297-532297.
[12]	王逸飞, 曹戈勇, 曹阳, 王晓军. 飞行器数字强度孪生中的不确定性技术[J]. 航空学报, 2025, 46(19): 532408-532408.
[13]	陈亮, 孟凡星, 王成波, 张音旋, 孟琳书. 数字孪生技术在飞行器强度设计中的发展及应用[J]. 航空学报, 2025, 46(19): 532252-532252.
[14]	卓然, 闫楚良. 飞机结构数字孪生的关键一环：多参数飞行实测[J]. 航空学报, 2025, 46(19): 532375-532375.
[15]	林琳, 索世伟, 刘丹, 张音旋, 岳凌宇, 张思豪, 刘奕坤, 付松. 基于多尺度核构造的深度特征融合网络及其在机翼应力场数据填补中的应用[J]. 航空学报, 2025, 46(19): 532343-532343.