数字孪生驱动的机群寿命精细化管理

doi:10.7527/S1000-6893.2025.31290

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

数字孪生驱动的机群寿命精细化管理

顾宇轩¹^,², 郭聪³, 黄蕾³, 董一飞¹^,²(), 董宏达¹^,², 邓智伦¹^,²

^1.航空工业沈阳飞机设计研究所，沈阳 110000
^2.辽宁省飞行器结构强度数字孪生重点实验室，沈阳 110000
^3.大连理工大学力学与航空航天学院，大连 116024

收稿日期:2024-09-30 修回日期:2024-11-18 接受日期:2025-02-10 出版日期:2025-02-26 发布日期:2025-02-25
通讯作者: 董一飞 E-mail:dyf_9810@163.com
基金资助:
国防基础科研计划(JCKY2021205B003)

Refined management of fleet life driven by digital twins

Yuxuan GU¹^,², Cong GUO³, Lei HUANG³, Yifei DONG¹^,²(), Hongda DONG¹^,², Zhilun DENG¹^,²

^1.AVIC Shenyang Aircraft Design and Research Institute，Shenyang 110000，China
^2.Key Laboratory of Digital Twin for Aircraft Structural Strength in Liaoning Province，Shenyang 110000，China
^3.School of Mechanics and Aerospace Engineering，Dalian University of Technology，Dalian 116024，China

Received:2024-09-30 Revised:2024-11-18 Accepted:2025-02-10 Online:2025-02-26 Published:2025-02-25
Contact: Yifei DONG E-mail:dyf_9810@163.com
Supported by:
National Defense Basic Research Program(JCKY2021205B003)

摘要/Abstract

摘要：

随着飞机飞行安全保障问题的突出和单机寿命监控技术的发展，机群飞行寿命的智能化、精细化管理成为重点关注的问题。针对维修规划和飞行训练规划这两大机群寿命管理中的关键要素，首先基于飞机结构实时健康状态物理信息，以最大化维修资源利用率和机群保有率等为规划目标，以每架飞机结构剩余寿命、同时维修能力等为约束，建立了数字孪生驱动的维修计划规划模型；其次基于寿命损耗信息，以关键部位的寿命损耗平衡、剩余使用寿命等为规划目标，飞机维修时刻、飞行训练任务等为约束，建立了数字孪生驱动的飞行训练规划模型。最后通过整合上述模型，形成了一套机群寿命的高保真、精细化管理方法，并通过构造机群数据展示了该管理方法的实际工程应用。

关键词: 数字孪生, 机群管理, 健康监控, 非支配排序遗传算法, 机群寿命

Abstract:

With the prominence of aircraft flight safety guarantee and the development of single aircraft life monitoring technology， the intelligent and meticulous management of aircraft fleet life has become a key concern. This paper addresses the maintenance planning and flight training planning， the two key elements in the life management of fleet. Firstly， based on the physical information of real-time health status of aircraft structures， a maintenance planning model driven by digital twins is established with the planning objective of maximizing the utilization rate of maintenance resources and fleet retention rate and the constraints of the remaining life and simultaneous maintenance ability of each aircraft structure. Secondly， based on the life loss information， a digital twin-driven flight training planning model is established with the life loss balance and remaining service life of key parts as planning objectives， and the maintenance time and flight training tasks of each aircraft as constraints. By integrating the above models， a set of high-fidelity and refined management method of cluster life is formed， and the practical engineering application of this management method is demonstrated by constructing cluster data.

Key words: digital twins, fleet management, health monitoring, non-dominated sorting genetic algorithms, fleet life

中图分类号:

V215.2⁺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.

Yuxuan GU, Cong GUO, Lei HUANG, Yifei DONG, Hongda DONG, Zhilun DENG. Refined management of fleet life driven by digital twins[J]. Acta Aeronautica et Astronautica Sinica, 2025, 46(19): 531290.

图/表 11

图 1

图 2

表 1

表 2

表 3

图 3

图 4

表 4

图 5

图 6

表 5

参考文献 19

[1]	罗斌. 基于结构疲劳寿命预测的机队维修决策方法研究［D］. 哈尔滨：哈尔滨工业大学， 2018： 1-3.
	LUO B. Research on fleet maintenance decision method based on structural fatigue life prediction［D］. Harbin： Harbin Institute of Technology， 2018： 1-3 （in Chinese）.
[2]	STASZEWSKI W J. Fatigue crack detection using smart sensor technologies［J］. Fatigue & Fracture of Engineering Materials & Structures， 2008， 31（8）： 609-610.
[3]	CHO H， LISSENDEN C J. Structural health monitoring of fatigue crack growth in plate structures with ultrasonic guided waves［J］. Structural Health Monitoring， 2012， 11（4）： 393-404.
[4]	KURNYTA A， LESKI A， DRAGAN K， et al. Health monitoring of the aircraft structure during a full scale fatigue test with use of resistive ladder sensors［J］. Solid State Phenomena， 2015， 220-221： 349-354.
[5]	葛恩顺，李庆民，张光宇，等. 考虑不完全维修的劣化系统最优视情维修策略［J］. 航空学报， 2013， 34（2）： 316-324.
	GE E S， LI Q M， ZHANG G Y， et al. Optimization of condition-based maintenance for degradation systems under imperfect maintenance［J］. Acta Aeronautica et Astronautica Sinica， 2013， 34（2）： 316-324 （in Chinese）.
[6]	ARAMON B M， BECK J C. Scheduling a dynamic aircraft repair shop with limited repair resources［J］. Journal of Artificial Intelligence Research， 2013， 47： 35-70.
[7]	GAVRANIS A， KOZANIDIS G. An exact solution algorithm for maximizing the fleet availability of a unit of aircraft subject to flight and maintenance requirements［J］. European Journal of Operational Research， 2015， 242（2）： 631-643.
[8]	国真真. 基于MILP模型的机库维修调度问题研究［D］. 大连：东北财经大学， 2022： 3-5.
	GUO Z Z. Research on hangar maintenance scheduling based on MILP model［D］. Dalian： Dongbei University of Finance and Economics， 2022： 3-5 （in Chinese）.
[9]	FENG Q， BI X， ZHAO X J， et al. Heuristic hybrid game approach for fleet condition-based maintenance planning［J］. Reliability Engineering & System Safety， 2017， 157： 166-176.
[10]	CHO P， FARIAS V， KESSLER J， et al. Maintenance and flight scheduling of low observable aircraft［J］. Naval Research Logistics （NRL）， 2015， 62（1）： 60-80.
[11]	陶飞，刘蔚然，张萌，等. 数字孪生五维模型及十大领域应用［J］.计算机集成制造系统，2019，25（01）：1-18.
	TAO F， LIU W R， ZHANG M， et al. Five-dimension digital twin model and its ten application［J］. Computer Integrated Manufacturing Systems，2019，25（01）：1-18 （in Chinese）.
[12]	孟松鹤，叶雨玫，杨强，等. 数字孪生及其在航空航天中的应用［J］. 航空学报， 2020， 41（9）： 023615.
	MENG S H， YE Y M， YANG Q， et al. Digital twin and its aerospace applications［J］. Acta Aeronautica et Astronautica Sinica， 2020， 41（9）： 023615 （in Chinese）.
[13]	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）.
[14]	RAMEZANI S， MOINI A， RIAHI M. Prognostics and health management in machinery： A review of methodologies for R prediction and roadmap［J］. International Journal of Industrial Engineering and Management Science， 2019， 6（1）： 38-61.
[15]	QI Q L， TAO F， HU T L， et al. Enabling technologies and tools for digital twin［J］. Journal of Manufacturing Systems， 2021， 58： 3-21.
[16]	董雷霆，周轩，赵福斌，等. 飞机结构数字孪生关键建模仿真技术［J］. 航空学报， 2021， 42（3）： 023981.
	DONG L T， ZHOU X， ZHAO F B， et al. Key technologies for modeling and simulation of airframe digital twin［J］. Acta Aeronautica et Astronautica Sinica， 2021， 42（3）： 023981 （in Chinese）.
[17]	韩周鹏，刘永，巴黎，等. 数字孪生驱动的连铸辊健康监测与组装优化框架［J］. 制造业自动化， 2023， 45（4）： 1-5.
	HAN Z P， LIU Y， BA L， et al. Framework for health monitoring and assembly optimization of casting roller in continuous casting machine based on digital twin［J］. Manufacturing Automation， 2023， 45（4）： 1-5 （in Chinese）.
[18]	郭丞皓，于劲松，宋悦，等. 基于数字孪生的飞机起落架健康管理技术［J］. 航空学报， 2023， 44（11）： 227629.
	GUO C H， YU J S， SONG Y， et al. Application of digital twin-based aircraft landing gear health management technology［J］. Acta Aeronautica et Astronautica Sinica， 2023， 44（11）： 227629 （in Chinese）.
[19]	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）.

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

飞机编号	出厂时间	飞机编号	出厂时间
1	20141205	11	20200331
2	20141225	12	20200331
3	20200331	13	20200331
4	20200331	14	20200331
5	20200331	15	20200331
6	20200331	16	20200331
7	20200331	17	20200331
8	20200331	18	20200331
9	20200331	19	20201112
10	20200331	20	20201112

飞机编号	剩余寿命/h
飞机编号	部位1	部位2	部位3	部位4	部位5	部位6	部位7	部位8	部位9	部位10	整机
1	55	51	72	56	69	67	74	51	68	54	51
2	106	110	111	108	112	113	116	120	121	118	106
3	159	152	145	150	178	176	177	168	163	160	145
4	212	204	210	205	230	228	218	195	212	218	195
5	231	238	226	232	239	227	241	248	236	242	226
6	341	344	339	344	348	343	351	354	349	354	339
7	564	553	579	572	556	549	553	552	568	574	549
8	583	608	579	585	610	581	593	618	589	595	579
9	615	64	645	616	641	646	625	650	655	626	615
10	636	654	655	647	619	645	652	639	623	628	619
11	888	931	884	890	933	886	898	941	894	900	884
12	944	907	906	949	912	911	954	917	916	959	906
13	930	925	918	932	929	926	945	929	917	935	917
14	1 110	1 063	1 146	1 112	1 065	1 114	1 120	1 073	1 156	1 122	1 063
15	1 117	1 100	1 118	1 131	1 131	1 124	1 102	1 121	1 113	1 103	1 100
16	1 185	1 176	1 173	1 165	1 185	1 194	1 181	1 172	1 195	1 190	1 165
17	1 336	1 359	1 398	1 338	1 361	1 400	1 346	1 369	1 408	1 348	1 336
18	1 397	1 379	1 407	1 398	1 377	1 394	1 407	1 389	1 390	1 408	1 377
19	1 408	1 413	1 470	1 411	1 415	1 173	1 418	1 423	1 480	1 421	1 408
20	1 492	1 470	1 475	1 488	1 496	1 482	1 489	1 481	1 493	1 494	1 470

任务编号	寿命损耗/h
任务编号	部位1	部位2	部位3	部位4	部位5	部位6	部位7	部位8	部位9	部位10
1	1.61	0.79	1.38	1.73	0.97	1.08	0.75	1.20	0.71	1.06
2	1.61	1.68	0.75	1.63	0.86	1.40	1.98	1.51	0.96	0.95
3	0.96	1.35	0.88	1.64	1.78	1.56	0.87	1.40	1.60	0.98
4	1.83	1.82	1.17	1.85	1.63	1.17	1.34	1.78	1.71	1.48
5	1.31	1.55	1.03	1.01	1.58	1.32	1.31	1.70	1.44	0.94
6	1.44	1.07	1.53	0.79	0.91	1.80	1.74	1.95	1.25	1.11
7	1.02	1.65	1.45	1.58	1.96	0.82	1.05	1.05	1.57	1.88
8	0.90	0.76	1.77	0.79	1.04	1.03	0.75	0.74	1.48	1.32
9	1.25	1.09	0.72	0.79	1.04	1.03	0.98	1.80	1.61	0.89
10	1.61	1.85	1.98	1.20	1.83	1.98	1.17	1.73	1.40	1.70

飞机编号	维修日期	飞机编号	维修日期
1	20240725	11	20271109
2	20240623	12	20280207
3	20250330	13	20280706
4	20250302	14	20281008
5	20251030	15	20290321
6	20260205	16	20290616
7	20260706	17	20300216
8	20261012	18	20300213
9	20270304	19	20301109
10	20270612	20	20301013

数字孪生驱动的机群寿命精细化管理

Refined management of fleet life driven by digital twins

RichHTML

PDF (PC)

可视化

摘要/Abstract

引用本文

使用本文

图/表 11

参考文献 19

相关文章 15

编辑推荐

Metrics

本文评价

[1]	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): 530967-530967.
[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]	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.
[7]	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.
[8]	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.
[9]	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.
[10]	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.
[11]	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.
[12]	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.
[13]	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.
[14]	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): 429134-429134.
[15]	黄维娜, 黎方娟, 祁宏斌. 航空发动机数字工程初步研究与发展思考[J]. 航空学报, 2024, 45(5): 529693-529693.

任务编号	飞机编号
任务编号	1	2	3	4	5	6	7	8	9	10	11	12	13	14	15	16	17	18	19	20
1											√
2												√
3
4															√		√
5
6											√
7											√	√
8
9
10												√					√