北航陶飞教授团队：数字试验测试验证：理论、关键技术及应用探索
致力于数字孪生体技术的研究与发展
通过解决方案和工程化应用造福人类
来源：机械工程学报
作者：陶飞，张辰源等
试验测试验证（ETV）在单装产品、高端装备、复杂系统等物理对象全生命周期各阶段都存在重大需求，随着科学技术的快速发展，社会生产力不断提升，各领域对试验测试验证的需求日益加大，传统试验测试验证在发展过程中与新一代技术如数字孪生、数字工程和人工智能等进行结合，呈现出向数字物理融合试验测试验证，甚至是全数字试验测试验证的趋势。北京航空航天大学陶飞教授团队通过结合不同阶段产品和系统的典型特征与 ETV 需求，从实施手段、可实现种类和发展增速等角度，总结分析给出了 ETV 的五个发展阶段，包括物理 ETV、物理数字 ETV、数字物理 ETV、数实融合 ETV、数字ETV(D-ETV)。从“结果准、速度快、内容全、成本低、风险小”五大核心需求出发，分析了 D-ETV 未来发展面临的挑战。探讨了数字 ETV 的概念内涵，提出了 D-ETV“指南针”体系架构、成熟度模型、通用流程“D”模型、技术体系和应用系统架构，并阐述了 D-ETV 的理想能力。基于所提 D-ETV 理论体系，面向重大装备和复杂系统试验测试验证需求，对数字试飞、数字风洞试验、发动机数字测试、数字战场决策验证、高档数控机床数字验证、卫星制造数字验证、数字空间站性能测试、可回收火箭数字验证、核电站安全数字测试、水下装备性能数字验证十个领域应用进行探索。期望相关工作对发展 D-ETV理论与技术，更好地满足物理对象和系统在全生命周期各阶段的 ETV 需求提供启发和参考。
http://kns.cnki.net/kcms/detail/11.2187.TH.20240603.1016.008.html
1）试验测试验证1.0：物理（基于实物的全物理）
早期阶段：试验测试验证主要在物理世界进行，技术发展缓慢，试验内容较少，理论方法简单，物理对象和设备单一。
工业革命后：基础科学突破，试验测试验证需求增加，物理试验测试验证逐步发展，但面临周期长、成本高、安全隐患等问题。
2）试验测试验证2.0：物理数字（物理加速数字起步）
计算机技术的引入：数字试验测试验证模式开始出现，基于计算机和建模技术，利用数字模型在虚拟环境中进行仿真试验，降低了成本和周期。
应用限制：受限于计算机性能和成本，数字试验测试验证的应用范围有限，主要应用于高价值复杂装备的研发阶段。
3）试验测试验证3.0：数字物理（数字加速物理缓增）
软件技术进步：随着仿真软件的发展，数字试验测试验证逐渐覆盖更多物理对象属性，全面性和经济性大幅提升。
物理试验的边际效应：物理试验测试验证增速放缓，数字试验测试验证开始加速发展并逐步超过物理手段。
4）试验测试验证4.0：数实融合（数字物理融合）
数字物理融合：通过半实物仿真和数字孪生技术，将数字和物理手段相结合，提升试验测试验证的精准性和效率，降低成本和周期。
应用挑战：尽管融合技术优势显著，但仍面临建模仿真技术不完备等问题，依赖大量物理试验。
5）试验测试验证5.0：数字（趋于全数字理想目标）
全数字化目标：随着数字工程、数字孪生、人工智能等技术的成熟，试验测试验证趋于全数字化，物理试验逐渐减少，仅用于新兴领域和最终验证。
未来趋势：数字试验测试验证将覆盖更多对象，模型重构能力、仿真精度和可信度显著提升，验证周期和成本趋于零。
为更好的满足高端产品和复杂系统在研发、制造、服役全生命周期各环节的试验测试验证需求，从而保障产品和系统的功能、质量、安全性和服役性能，加速产品和系统的设计研发、迭代优化和部署应用，进而可持续的提升产品和系统的整体竞争力。未来 D-ETV 应满足以下需求，并攻克相应的技术挑战，如图 2 所示。
1）结果准。
需求：试验测试验证的结果准确性是关键，确保设计、研发、制造、运维等阶段的正确决策。
挑战：需要攻克物理对象状态深度感知与精准建模、数实一致性 交互、结果融合验证与可信评价三大技术，以确保数字试验测试验证的静态模型准、动态过程准、最终结果准。
2）效率高。
需求：提高试验测试验证的效率，尤其是在高端装备和复杂系统的研制阶段，以提升产品和系统的竞争力。
挑战：需突破生成式人工智能的试验测试验证方案快速生成、可重构基础模型的快速构建、软硬一体化的过程协同、多模态知识与人工智能的自主决策四大技术，实现快的方案制定、条件准备、流程执行和结果分析。
3）内容全。
需求：确保在产品全生命周期的每个阶段，试验测试验证内容的全面性，尤其在不同阶段（研发、制造、服役）对验证内容的需求不同。
挑战：需攻克多学科多物理场耦合建模仿真、多工况细粒度场景智能生成、极端环境仿真、多要素多阶段协同试验测试验证四大技术，实现试验测试验证场景和工况的全面覆盖。
4）成本低。
需求：降低试验测试验证的成本，从而降低产品和系统的综合成本，提高市场竞争力。
挑战：需攻克可重构模型构建、云边端算力协同的分布式迭代仿真、基于机器学习的智能决策三大技术，通过数字替代物理、虚拟并行迭代等手段，降低材料、能源、时间和人力成本。
5）风险小。
需求：最大限度地保证试验测试验证过程的安全性，减少装备和系统试验过程中意外事故的发生，并确保人员和财产安全。
挑战：需要攻克数字人构建与在环仿真、人工智能的潜在风险识别与预警、信息物理安全标准制定三大技术，通过减少人员参与和感知潜在风险等手段，降低整体风险。
1）数字试验测试验证：概念内涵。
定义：数字试验测试验证是一套系统性方法，利用数智化技术（如传感网络、建模仿真、数字孪生、人工智能）对物理对象的设计方案、产品质量、性能特征进行试验、测试和验证。
应用：在物理对象全生命周期的不同阶段（如研发设计、生产制造、运维服役），通过数字对象部分或完全替代物理对象，提高效率、节省成本并降低风险。
2）数字试验测试验证：体系架构。
架构组成：包括物理对象、数字对象、物理场景、数字场景、参与人员、人工智能、硬件资源和软件资源。
公式：D−ETV=(PO, DO, PS, DS, HM, AI, HS, SS)，表示架构中各组成部分之间的关系。
物理对象与数字对象：物理对象是现实世界中的实体，数字对象是其数字化表示，两者可以相互替代或补充。
3）试验测试验证：多模式模型。
数字化程度：不同对象和场景的数字化程度决定了试验测试验证模式的选择。
模式划分：根据对象和场景的数字化程度（0到1），将试验测试验证模式划分为四个等级（Level 1 至 Level 4）。
4）试验测试验证：通用流程。
流程环节：包括分析需求、制定方案、构建对象、搭建场景、试验测试、验证评价六个环节。
每个环节的步骤：如需求细化分解、评价指标确定、方法适应性迁移、对象模型集成等。
5）试验测试验证：理想能力。
五大理想能力：
多对象多场景快速构建与低成本迭代能力。
多场景多工况全面试验测试验证能力。
多源试验测试验证数据精准融合分析能力。
多要素多环节试验测试验证高效协同能力。
多学科多行业试验测试验证知识赋能能力。
为更好地发展和实践 D-ETV，提升 D-ETV 能力，逐步逼近全数字试验测试验证理想目标，需多种技术支撑。针对 D-ETV 五大需求挑战，分析了八类 D-ETV 关键技术，并提出了 D-ETV 关键技术体系，如图 7 所示。
1）对象-场景模型快速构建与重构技术。
快速构建与重构：该技术可以在试验测试验证需求和目标发生变化时，快速构建和重构对象和场景模型。
关键技术：
试验测试验证对象构建与三维图像重建技术。
统一语义元模型构建与自组装技术。
数字试验测试验证模型误差智能溯源修正技术。
面向多粒度需求的多尺度模型自适应技术。
2）通用基础库异步实时维护技术。
实时维护与更新：确保基础库在试验测试验证运行过程中的同步、准确更新。
关键技术：
试验测试验证基础库异步更新技术。
试验测试验证基础库准实时更新技术。
试验测试验证基础库增量评估技术。
试验测试验证基础库数据同化技术。
3）全物理场可配置生成与融合技术。
全物理场融合：融合对象、过程和结果之间的耦合，指导全面的试验测试验证。
关键技术：
数字物理多层级模型融合技术。
多物理场耦合构建技术。
多源异构数据融合技术。
对象-过程-结果融合技术。
4）多域异构数据实时同步与延时确定性传输技术。
实时同步与延时控制：保障多源异构数据在复杂装备系统试验测试验证中的高效传输与同步。
关键技术：
网络多节点时钟实时同步技术。
多源异构数据的低延迟传输技术。
多域数据确定性整形与稳态流控技术。
网络可配置与动态重构技术。
5）D-ETV 软硬一体化协同调度与算法加速技术。
软硬一体化加速：整合硬件与软件，充分利用其优势进行高效试验测试验证。
关键技术：
异构多核SoC的软硬一体化协同试验测试验证技术。
异构多核SoC环境下任务调度与负载均衡技术。
神经网络模型压缩与训练加速技术。
试验测试验证过程与算法训练融合加速技术。
6）信息物理安全保障技术。
安全保障：确保试验测试验证中数据与物理过程的安全性，尤其在数实交互时。
关键技术：
网络数据传输安全保障技术。
物理过程安全保障技术。
信息-物理安全风险评价预警技术。
数字试验测试验证交互安全保障技术。
7）数实一致性 交互与可信评价技术。
一致性 交互与可信评价：在物理模型与数字模型之间的交互中，保证一致性与可信性，以确保试验测试验证的准确性。
关键技术：
数实实时交互技术。
模型动态校验技术。
模型迭代演化技术。
可信评估技术。
8）大模型与智能分析决策技术。
智能分析与决策：利用智能算法对多源异构数据进行分析，实现方案智能推演与异常溯源。
关键技术：
基于大语言模型的智能生成技术。
基于文生模型的大模型快速构建与渲染技术。
未知机理智能识别与自动建模技术。
基于深度强化学习的动态智能决策技术。
为了使不同行业能够结合领域知识更快速、更规范地构建 D-ETV 系统，推动实施 D-ETV 完整流程，本章在 D-ETV“指南针”体系架构和通用流程“D”模型基础上，提出一套适用于多领域的 D-ETV应用系统架构，如图 8 所示。
1）标准规范层。结合具体应用领域，制定和选择系统或装备的指标规范、试验测试系统运行标准、对象评价标准和信息安全标准等。
2）基础资源层。
软硬件资源：包括本地或云端服务器、数据管理系统、通信管理系统、网络安全防护系统、交换机、混合现实设备、资源管理系统、实时仿真虚拟环境和分布式算力集群等。
资源库：系统化、条理化的模型构建与统一管理，包括对象模型库、试验测试验证场景库、通信协议库、通用算法库、行业知识库等，通过资源管理系统实现整体存储与管理。
3）数据层。综合管理试验测试验证过程中生成的数据源，如仿真运行数据、场景数据、配置数据、历史数据等。
4）通信与传输层。依赖通信/总线协议、数据传输网络、传输总线协议、多协议动态转换模块等，以满足系统运行过程中多维异构数据的实时传输和高吞吐需求。
5）系统核心功能层。
试验测试方案生成：包括试验测试验证模型/场景管理组件、数字-物理融合仿真组件的构建。
试验测试对象场景准备：实现数字对象和数字场景的构建，利用人工智能加速仿真模块、多场耦合仿真模块等。
试验测试施行：综合运行和监测试验测试验证对象、场景和方法，生成并汇集试验测试运行数据。
试验测试数据处理：利用机器学习或深度学习技术对多维异构数据进行清洗、降维、建模、融合和分析。
结果验证评价：分析验证结果，进行模型/数据可视化、结果综合评价并生成验证报告。
6）应用平台。实现全流程三维可视化、试验测试验证全流程分析与评价、全过程监测管控、软硬件兼容性测试等功能，具体化产品和系统全生命周期中的试验测试验证内容。
在 D-ETV 概念范畴下，基于所提 D-ETV“指 南针”体系架构和通用流程“D”模型，面向数字 战场、高档数控机床、风洞、卫星、空间站、水下 装备、飞机、航空发动机、核电站、可回收运载火箭等典型物理对象在全生命周期各阶段的试验测试 验证需求，开展 D-ETV 在各重要领域的应用探索。
1）数字战场决策验证。
目的：在作战规划论证阶段，通过数字试验测试验证实现战场决策方案的精准验证。
方法：整合物理装备、数字战场、数字决策方案与仿真过程，形成“析-定-建-试-评”五个步骤的战场决策验证流程，确保在实际作战前精准验证决策的可行性和有效性。
2）高档数控机床数字验证。
目的：通过数字验证手段缩短高档数控机床的研发周期并降低成本。
方法：构建机床数字模型、性能验证模型等，结合异构数据融合技术、高精度控制算法和人工智能技术，验证和优化机床设计方案及其性能。
3）数字风洞试验。
目的：通过数字风洞试验降低物理风洞试验的成本和限制，为飞行器提供更高效、全面、经济的试验能力。
方法：数字风洞主导，物理风洞辅助，形成完整的试验流程，包括需求分析、试验设计、多层级建模、仿真计算、数据分析与结果验证。
4）卫星制造数字验证。
目的：提升卫星批量制造能力，确保在大规模生产中保持高效保质的能力。
方法：包括建协同体系、验证生产工艺、评估生产能力、预估供应效率和预测交付能力，建立虚实融合的制造能力验证平台，打破卫星批量制造能力验证的时空局限。
5）数字空间站性能测试 。
目的：在空间站制造和组装阶段，通过数字测试手段对再生生命保障系统的性能进行有效测试。
方法：构建数字化的空间站场景，进行再生生保系统的性能测试，确保空间站环境各项指标处于合理水平，为宇航员的长期工作和生活提供保障。
6）水下装备性能数字验证。
目的：为水下装备在出厂测试和交付验收阶段实现安全、经济、高效的服役性能验证。
方法：通过数字试验测试验证平台，构建水下装备的多维高保真模型与复杂耦合规则逻辑模型，对装备的关键性能进行数字测试和验证。
7）数字试飞 。
目的：通过数字化手段进行飞机的安全、高效、经济的试飞。
方法：集成飞机系统模型、飞行环节模型和驾驶员模型，结合历史数据与智能算法，进行试飞全流程的数字化仿真与验证，确保试飞过程的安全性与准确性。
8）发动机数字测试。
目的：在航空发动机的生命周期中，通过数字测试手段实现其性能的持续跟踪测试和剩余寿命预测。
方法：构建航空发动机的高保真数字模型，进行并行试验测试，并结合物理试验结果和数字仿真数据，优化测试方案和评估结果。
9）可回收火箭数字验证。
目的：通过数字验证手段对可回收火箭的维护方案进行高效可靠的验证，确保其复用性能。
方法：构建数字火箭模型，结合飞行数据和维护方案进行验证，利用全物理场验证环境对火箭的维护方案进行可行性验证和过程验证，确保火箭的复用性能和使用寿命。
1）试验测试验证在单装产品、高端装备、复杂系统等物理对象的全生命周期中有着重要需求。随着科技的迅猛发展，传统的试验测试验证逐渐与数字孪生、数字工程、人工智能等新一代技术结合，推动了数字物理融合试验测试验证的演进，甚至发展出全数字试验测试验证的趋势。
2）分析了试验测试验证的发展趋势，提出了数字试验测试验证需满足的五大发展需求：结果准确、效率高、内容全面、成本低、风险小。提出了数字试验测试验证的概念内涵，并结合物理对象的全生命周期，列举了数字试验测试验证的可能应用，提供了11种不同数字化程度的试验测试验证模式。
3）提出了系统性的数字试验测试验证体系架构与通用流程。总结了数字试验测试验证的五大理想能力，提出了由八类关键技术组成的技术体系，以及一套适用于多领域的数字试验测试验证应用系统架构。展望了数字试验测试验证在战场决策、高档数控机床设计、数字风洞试验、卫星批量制造、空间站生命保障系统、水下装备服役、数字试飞、发动机性能测试、可回收火箭维护等九个领域的应用，并给出了实例化应用参考。
4）未来的研究将进一步完善数字试验测试验证的理论体系，深入探索相关技术，并结合不同领域的物理对象开展应用研究，以满足实际应用需求，实现数字试验测试验证在具体产品和系统中的广泛应用。
复杂产品研发体系三维架构
