数字两机丨超燃冲压航空发动机及其数字孪生技术

以吸气式发动机为动力的临近空间飞行器，是人类实现“天地往返”和追求“全球快速抵达”理想目标的一种较为现实的选择。临近空间高超声速飞行器具有如此优异的性能主要在于采用了以超燃冲压发动机（超声速燃烧冲压式发动机）为代表的革命性动力系统。

高超声速巡航导弹

超燃冲压发动机属于吸气式喷气发动机类，由进气道、隔离段、燃烧室和尾喷管构成，没有压气机和涡轮等转动部件，高速迎面气流经进气道减速增压，流经隔离段后，超声速气流进入燃烧室与燃料进行掺混燃烧，产生高温燃气经尾喷管膨胀加速后排出，从而产生推力。由于燃烧在超声速气流中进行，发动机需要在极短时间内完成燃料的喷注、雾化与掺混燃烧等系列过程，同时发动机在高超声速飞行过程中将面临恶劣的热环境，因此超燃冲压发动机的工程化研制难度极大。

高超声速飞机

天地往返空天飞机

然而，出于对军事力量全球快速投送和低成本空间运输等方面的迫切需求，大尺度、宽速域、长航程、可重复使用的超燃冲压发动机及其组合循环发动机已进入战略性前沿领域。目前传统的超燃冲压发动机研制步骤以初步设计、数值模拟和地面试验“三位一体”的模式进行，且在研制过程中需要经过充分的地面试验考核和验证。但大尺寸结构结合宽速域、长航程等超常工作环境，给目前的超燃冲压发动机数值模拟技术和地面试验技术带来了难以想象的挑战。因此，为降低超燃冲压发动机的研制成本，加速发动机方案迭代设计过程，亟需发展精确、可靠、高效的超燃冲压发动机工程化研发体系。

超燃冲压发动机工作模式

超燃冲压发动机三维模型

近年来数字孪生技术的发展和人工智能对传统领域的赋能作用，为超燃冲压发动机数字化研发体系的建设带来了希望。其中，数字孪生技术是充分利用物理模型、传感器更新、运行历史等数据，集成多学科、多物理量、多尺度、多概率的仿真过程，通过各类数据将物理实体映射至虚拟空间，形成数字孪生体，从而反映物理实体的全生命周期过程。

数字孪生体作为数字孪生技术的存储平台，可在数字世界中对物理实体的状态和行为全面呈现、精确表达和动态监控，即从设计、制造、再到维护的整个过程中，数字孪生体和物理实体同生共长、同呼共吸。

数字孪生技术最初被应用于开发面向未来的飞行器，近年来被逐渐引入到航空发动机等推进系统领域。

数字孪生技术在航空发动机中的应用

航空发动机是装备制造领域的最高端产品，代表了装备制造业的最高技术水平。航空发动机作为复杂的系统工程，从概念设计到整机研制、试验验证、飞行测试最后到服役阶段是极端复杂和漫长的过程，需要整合多个学科领域进行设计迭代和极大的人力、物力、时间成本。

针对航空发动机研发的系统性、复杂性，可借助数字孪生的力量，对结构、流动、传热、燃烧、控制等多个学科进行整合，从多个视角对航空发动机数字孪生体进行分解，分别构建性能、系统和结构虚拟样机，描述航空发动机的性能、功能、结构等方面的特性。进而有针对性地开展整机以及推进系统仿真技术研究，通过模型的有机集成，反映发动机各种特征，包括功能、性能、结构完整性、环境适应性、可靠性、维修性、保障性和安全性等。

航空发动机数字孪生体框架

可见，航空发动机的数字孪生体主要包括一系列面向发动机不同视角构建的数字化模型，各种数字化模型之间既相互独立又可相互组合，且均可在一定程度上反应真实世界中发动机实体的物理规律。发动机实体和数字孪生体之间的动态交互使该技术能够在发动机的全生命周期内发挥作用：

·在发动机设计阶段，根据设计任务需求，提炼发动机关键设计指标，从数字模型中组合出数字虚拟样机，以表征和反映发动机实体的状态变化，最终在虚拟空间中实现发动机设计的快速迭代。

·在发动机生产、试验、运行、维护阶段，源自发动机实体的数据不断提升数字孪生体的精度。数字孪生体对发动机工作状态的实时预测可为故障诊断、控制优化和性能预测提供参考，大幅降低发动机的运行维护成本。

超燃冲压发动机数字孪生体

相比于航空发动机，超燃冲压发动机的工作环境更加严酷、物理过程更加复杂、各部件耦合更加紧密，其技术成熟度和实际寿命远低于航空发动机。基于当前的技术基础，数字孪生体在超燃冲压发动机优化设计和试验验证等方面具有更广阔的应用前景。数字孪生、人工智能和数值模拟的跨领域融合将为超燃冲压发动机研制注入新的动力，推动发动机研发模式的变革。

结合超燃冲压发动机的特点和发动机研制的需求，国内相关学者提出了能够精确刻画发动机不同层次关键参数的智能数字孪生发动机。其中，数值模拟数据、试验数据和先前经验作为构建数字孪生体的数据基础，采用人工智能算法提取数据中蕴含的物理规律，根据数据的可靠性校验并融合多源数据。

在完成数据深度挖掘和融合的基础上建立包含三级预测模型的数字孪生体。第一级是关于发动机比冲和升阻比等关键参数的零维/一维数学模型。通过输入发动机几何构型和来流条件等参数以约0.01 s的速度估算发动机各部件和整机性能，获得发动机优化设计的宏观规律。第二级是利用U-Net网络、自编码器和对抗性生成网络等人工智能技术构建能够以约0.1 s的速度生成发动机进气道、燃烧室和尾喷管等部件多物理场的预测模型，获得部件级多物理场的主要特征。第三级则在部件级预测模型的基础上，构建能够以约1 s的速度生成发动机整机多物理场的预测模型，分析各部件间的耦合作用。

超燃冲压发动机数字孪生体包含的关键参数预测模型、各组件预测模型和整机预测模型，分别对应虚拟设计的三个阶段：

·在超燃冲压发动机的初步设计阶段，基于发动机的总体设计目标和约束条件，利用发动机关键参数预测模型，设计出发动机基准构型，并分析影响发动机性能的主要因素。

·确定发动机基准构型后，采用各部件预测模型生成发动机内部多物理场，进而根据多物理场细节对发动机内的各部件进行优化设计，逐步探索发动机性能极限。

·在虚拟设计的第三阶段，通过整机预测模型生成发动机在不同飞行状态下的完整多物理场，着重分析各部件之间的耦合作用对发动机性能的影响，明晰诱导和削弱耦合作用的主导因素，实现发动机不同弹道的虚拟飞行。

虚实交互的超燃冲压发动机研发模式

在虚拟空间中完成对超燃冲压发动机的初步设计后，开展地面试验以验证设计方案。

在试验过程中，通过发动机数字孪生体对发动机运行状态进行实时仿真，以达到对超燃冲压发动机地面试验实时监测和预测的目标。由于发动机数字孪生体的预测精度和预测效率直接决定其在虚实交互研发过程的应用价值。为此，在该过程中应再度瞄准发动机的总体设计目标，合理舍弃部分物理场细节，对模型进行数据降维，以提升预测效率。同时，不断将该过程获得的新数据输入数字孪生体，使数字孪生体随发动机设计方案动态进化，以提升预测精度。

其次，数值仿真技术也影响高精度、高效率发动机数字孪生体的建设：基于当前的数值计算方法和计算硬件，在亿级网格下高精度求解发动机非稳态多物理场在一秒内的变化，需要一周乃至更长时间。智能化发动机数字孪生体提供的解决方法为：在试验中，实体发动机及其数字孪生体并行运行。数字孪生体根据传感器的数据实时生成发动机多物理场，基于人工智能技术的数字孪生体无需求解流动控制方程且容易实现并行计算，其运行速度比传统的数值计算高数个数量级。通过采用循环神经网络和长短时记忆神经网络，数字孪生体可获得处理时间相关数据的能力，实现对发动机工作状态的实时监测和评估，特别是对于状态的瞬变过程，可以给出快速评估。试验结束后可利用试验数据进一步提升数字孪生体的精度。

可见，依托发动机地面试验校正的数字孪生体开展虚拟试验能够减少试验次数、削减试验成本、加快技术迭代。

数字孪生技术的研究和应用虽处于起步阶段，但可以推测，随着数字建模、数值计算、传感监测、智能决策等关键技术的逐步发展，数字孪生将为超燃冲压发动机及空天飞行器的发展提供持续动力。