Current status and development prospects of digital twins for aeroengines
Chunye Li , Gang Wei , Hong Xiao & Le Zhao
a TaiHang Lab, Chengdu, China;
b National Elite Institute of Engineering, Northwestern Polytechnical University, Xi’an, China
为应对氢动力、混合电推、爆震发动机等新一代航空发动机高效研制面临的挑战，深度融合新兴数字智能技术、提升全生命周期数字化工程能力至关重要。作为联通物理空间与虚拟空间的关键手段，数字孪生通过自感知、自学习与自主决策，可显著提升装备的自适应能力。近年来，航空发动机领域已围绕数字孪生开展了理论研究与实践探索。在此背景下，本文系统梳理了航空发动机数字孪生的研究与应用现状，识别了现有研究与工程实践中的核心局限与挑战，并从产业生态建设、关键技术突破等多个维度勾勒了航空发动机数字孪生的未来发展路径，旨在为加速航空发动机研制的智能化转型升级提供理论启示与实践指导。
💡 研究亮点
● 覆盖设计、制造、试验、运维全生命周期，是目前少有的航空发动机数字孪生系统综述；
● 纳入 GE、罗罗、俄罗斯联合发动机公司等工程实践，不止于理论梳理；
● 汇集多项量化成果：排气温度预测误差 0.64%、推力预测误差 0.277%、气路故障诊断准确率 98.6%、健康评估准确率 97.2576%；
● 面向氢动力、混合电推、爆震发动机等新一代发动机研制，讨论其数字孪生需求。
航空发动机是航空装备的核心动力系统。数字孪生通过虚拟与物理空间的动态交互，成为落地数字工程的关键路径。GE、罗罗、俄罗斯联合发动机公司已在叶片退化预测、维修优化、PD-14 等型号上开展实践，但模型保真度、实时同步、标准与软件生态缺失仍制约规模化部署。
本文借鉴 PRISMA 方法，检索 CNKI 与 Google Scholar 2015 年 1 月至 2025 年 6 月文献，经筛选纳入英文 32 篇、中文 50 篇，共 82 篇。发文量 2018 年后总体上升，2024 年达 26 篇峰值（2025 年截至 6 月为 11 篇），但总量仍低于其他工业领域。关键词共现分析显示，全生命周期探索已成主流，研究对象覆盖转子、叶片、涡轮盘、燃烧室，但研究深度仍不足。
数字孪生依托高保真模型、虚实动态迭代与虚实融合数据，提升全生命周期服务质量。
3.1 设计阶段
设计阶段仍以概念探索为主：利用虚拟空间减少物理样机依赖，快速评估多个设计方案。瓶颈在于模型保真度不足、多物理场耦合难以刻画、设计与制造数据缺乏双向反馈。
3.2 制造阶段
制造是数字孪生应用最密集的阶段。Mei 等建立多级转子装配同轴度预测模型与云端数据交换机制，研制出实时装配指导系统，同轴度装配精度提升 37.2%、效率提升 53.6%。过程导向的质量评价体系在总装现场试验中验证有效。局限在于车间事件与虚拟模型的实时同步仍受数据延迟与互操作性制约。
3.3 试验阶段
数字孪生以高保真虚拟模型模拟多种工况、复现极端场景，降低物理试验成本与风险：压气机试验覆盖模型构建与虚实协同；南航团队建立鸟撞模型，模拟三种鸟撞场景对风扇叶片的撞击。但试验研究仍较稀缺，模型验证认证与虚拟试验结果的可信度仍是障碍。
3.4 运行与维护阶段
运维覆盖监测、预测、诊断与维护。Luan 等基于孪生模型失配的状态评估框架，健康评估准确率达 97.2576%。Xiao 等融合 LSTM 与自注意力机制，排气温度预测误差降至 0.64%、推力预测误差 0.277%。Wang 等低秩多模态融合方法使气路故障诊断准确率达 98.6%。隐式孪生模型结合 LSTM 预测剩余使用寿命，在 80% 训练数据下 RMSE 为 13.12。不足在于多数方法仅在基准数据或实验室台架验证，缺乏实际工况示范。
航空发动机数字孪生的实现需要模型构建、虚实交互、数据采集等一系列关键技术。
4.1 模型构建与仿真技术
高保真建模与仿真是虚实闭环的基础。Wang 等结合大涡模拟与湍流燃烧模型，实现燃烧室几何的高保真虚实映射；Ren 与 Wang 提出基于点云配准的模型构建方法；Zhang 等量化装配过程多源不确定性，构建转子叶尖间隙高保真模型。机理与数据驱动结合的混合方法成为焦点；Li 等基于飞行数据的模型动态修正使全工况多参数预测误差小于 2.67%。此外，实时仿真软件与两级并行计算模型支撑了压气机数字孪生的快速仿真。
4.2 VR与AR技术
VR 与 AR 提供可视化与沉浸式交互支撑：Tadeja 等用 VR 可视化发动机集群运行性能并叠加实时传感器数据；AR 用于机匣数字孪生测试与调整，指导装配过程。
4.3 虚实交互与同步技术
虚实同步是数字孪生的关键特征。Xu 等提出气路系统同步方法：无迹卡尔曼滤波同步直接可测参数，深度强化学习推理间接可测参数；深层参数的精确实时同步仍是挑战。
4.4 精密测量技术
恶劣内部环境给数据采集带来挑战。Gao 等研制高精度摩擦电轴承传感器监测轴承打滑；Jin 等从欠采样叶尖间隙信号重建叶片振动参数；多传感器同时失效时，虚拟传感器可保障关键数据连续可用。此外还需深入研究快速数据传输、安全存储、数据挖掘与边缘智能等技术。
5.1 多学科交叉创新，提升技术能力
融合可靠性理论、复杂性理论与前沿 AI，构建机理与数据驱动协同的智能模型，探索大语言模型在建模、故障识别与决策中的应用，全面提升预测精度、鲁棒性与工程适用性。
5.2 推进设计与试验研究，提升模型研制效率
建立“正向设计—数字试验”全研制链体系：设计阶段可快速评估新型号关键技术，通过多学科联合仿真优化气动、结构、强度性能；试验验证阶段发展高保真虚拟试验台部分替代物理试验，显著缩短氢动力、混合电推等前沿发动机研制周期，降低试错成本，提高研制效率与一次成功率。
5.3 建立相关标准与技术体系，促进全行业协同发展
建立统一技术标准，覆盖模型构建、数据语义、通信协议与安全认证，解决模型异构、数据孤岛与协同障碍，确保不同组织系统间的互操作性，避免重复投入。
5.4 构建软件生态，推动应用部署
整合 makeTwin、太行 CAE 等现有平台，开发覆盖全链条的软件套件，支持模块化扩展与二次开发，推动数字孪生在仿真试验、状态监测、预测性维护等场景大规模商业落地。
数字孪生仍以探索为主，但在全生命周期展现出变革性潜力。通过跨学科合作、标准驱动与生态共建，可从“点状应用”走向“全链智能”。局限在于分类评价带有一定的主观性，公开工程案例数据有限。未来应优先突破核心建模仿真技术、建设标准化开放架构，并在虚拟试验、视情维修、性能预测等场景开展验证，推动数字孪生从概念验证走向可部署的稳健方案。
