基于动态多保真度模型(Dynamic Multi-Fidelity Models)的时空协同数字孪生结构健康监测(Spatiotemporal Collaborative Digital Twin Structural Health Monitoring based on Dynamic Multi-Fidelity Models)
《COMPUTERS IN INDUSTRY》:Spatiotemporal collaborative digital twin structural health monitoring based on dynamic multi-fidelity models
编辑推荐:
数字孪生(Digital Twin, DT)技术通过数字化手段建立物理空间与数字空间的映射关系,实现虚拟与物理世界的双向信息交互,并可对物理空间中难以直接获取的多源信息进行实时预测与更新,是结构健康监测(Structural Health Monitoring
数字孪生(Digital Twin, DT)技术通过数字化手段建立物理空间与数字空间的映射关系,实现虚拟与物理世界的双向信息交互,并可对物理空间中难以直接获取的多源信息进行实时预测与更新,是结构健康监测(Structural Health Monitoring, SHM)中的重要工具。然而,现有SHM在复杂载荷工况下面临时空协同动态预测及多模型融合的挑战,存在实时性与精度不足的问题。研究人员提出了一种基于动态多保真度模型的时空协同数字孪生(Spatiotemporal Collaborative Digital Twin, SC-DT)结构健康监测方法。该方法融合数值仿真、动态多保真度建模、代理预测(Surrogate Prediction)、机器学习及疲劳寿命预测技术,实现结构健康的时空协同监测;可在实时预测应力的同时识别变载荷下的应力循环并量化累积损伤效应,通过动态调整模型保真度以平衡计算成本与精度。以飞机机翼为案例详细阐述了SC-DT的原理与实现,并通过实验测量与SC-DT预测结果的对比验证了方法的有效性。与传统有限元法(Finite Element Method, FEM)相比,SC-DT显著降低了结构性能分析的计算耗时,在飞机机翼案例中实现了0.2 s的实时预测,为复杂结构的实时健康监测提供了新方案。
基于动态多保真度模型的时空协同数字孪生(SC-DT)结构健康监测方法研究解读
该研究发表于《COMPUTERS & INDUSTRIAL ENGINEERING》(原文标注期刊环境为工业信息化与计算机应用领域,此处依用户说明记为《COMPUTERS IN INDUSTRY》)。现代工业领域中,结构健康监测(Structural Health Monitoring, SHM)是保障桥梁、建筑及复杂机械设备安全运行的核心技术,主要通过传感器网络采集应变、位移等数据评估结构应力、变形及裂纹状态。传统SHM存在数据延迟与信息孤岛问题,难以全面实时反映结构状态。数字孪生(Digital Twin, DT)作为物理实体在虚拟空间的实时映射,可通过双向数据流实现动态仿真与预测性维护,为SHM提供了新思路。然而,当前基于DT的SHM研究多集中于产线或城市等宏观系统层面,针对单体机械装备(尤其是关注内部力学性能演化的微观—宏观关联)尚缺乏有效方法;此外,复杂结构在多物理场、时变载荷下的实时性能求解受限于有限元法(Finite Element Method, FEM)的高计算成本,单纯使用代理模型(Surrogate Model)又可能因训练数据偏差损失精度。如何在保证精度的前提下提升计算效率、实现时空维度的协同监测与疲劳损伤量化,是亟待解决的问题。为此,研究人员提出时空协同数字孪生(Spatiotemporal Collaborative Digital Twin, SC-DT)方法,基于动态多保真度模型融合FEM与代理模型优势,并集成疲劳寿命算法,以飞机机翼为对象验证其有效性。
研究人员为开展本研究用到的主要关键技术方法如下:采用有限元节点聚类(Finite Element Node Clustering, FENC)方法对有限元模型节点进行邻域分组与中心简化以降低自由度;构建动态多保真度代理模型,根据结构健康状态自适应切换高低保真度计算策略;设计改进的多段峰谷分析(Improved Multi-Segment Peak-Valley Analysis)算法对应力时程进行在线循环计数与雨流分解以支撑疲劳评估;基于Miner线性累积损伤理论进行在线疲劳寿命预测;以飞机机翼为试验对象,布置应变片获取实测数据校验SC-DT预测精度。
SC-DT method based on dynamic multi-fidelity modeling(基于动态多保真度建模的SC-DT方法)
研究人员阐述了SC-DT框架的工作原理:集成FEM高精度求解、多保真度代理模型快速预测、机器学习及疲劳寿命算法。通过传感器实时数据驱动模型更新,建立时空协同关系——空间上覆盖结构关键节点应力分布,时间上追踪载荷循环与损伤累积;根据结构当前健康等级(如应力水平、疑似损伤区域)动态分配高保真度FEM解算或低维代理模型预测,从而在精度与效率间取得自适应平衡。
Finite element node clustering method(有限元节点聚类方法)
研究人员提出FENC方法:对相邻有限元节点按几何邻近度聚类,以簇中心代表原节点群,保留关键部位(如翼根高应力区)原始节点不参与简化。该方法在显著降低待求节点数的同时,维持了结构整体刚度矩阵与关键测点性能信息的代表性,为多保真度模型提供降维基础。
Online fatigue life prediction algorithm(在线疲劳寿命预测算法)
针对传统S-N曲线无法处理复杂应力时程的问题,研究人员提出改进多段峰谷分析法,对应力时间序列进行在线峰值、谷值提取与分段雨流计数,识别出变幅值载荷下的闭合应力循环,结合材料S-N曲线与Miner准则计算各时段损伤增量并累加,实现运行过程中的实时疲劳剩余寿命预估。
Aircraft wing structural health monitoring design(飞机机翼结构健康监测设计)
研究人员选取典型飞机机翼结构建立三维FEM,依据应力分布选取翼根、翼中及翼尖5处关键点布置电阻应变片;将FEM计算结果作为高保真度样本集训练代理模型,设定不同载荷工况模拟起飞、巡航及机动飞行中的变幅载荷输入,构建SC-DT监控场景。
Experimental validation and result analysis(实验验证与结果分析)
研究人员在机翼静/动载实验台上施加垂直多级载荷,对比5个测点SC-DT预测应力与应变片实测值。结果表明SC-DT预测应力时程与实测数据吻合良好,平均相对误差较小;与传统FEM逐步求解相比,SC-DT在动态调整保真度后单步计算耗时约0.2 s,满足实时性要求,且能通过在线峰谷分析输出累积疲劳损伤度,验证了方法的正确性与工程适用性。
Discussion and outlook(讨论与展望)
研究人员指出,SC-DT框架通过FENC降维、动态多保真度切换及在线疲劳算法,解决了复杂结构SHM中实时性与精度难以兼顾的问题,特别适用于航空器、工程机械等承受时变复杂载荷的设备。未来可进一步研究多物理场(温度—湿热耦合)下的保真度自适应策略及模型在更广泛工况下的鲁棒性迁移。
结论(Conclusion)翻译:
本研究聚焦数字孪生技术、动态多保真度模型及结构健康监测技术,提出并实现一种基于动态多保真度模型的时空协同数字孪生(SC-DT)结构健康监测方法。通过构建集成有限元分析、节点聚类、多段峰谷分析及疲劳预测的框架,探索了如何在工程结构中实现高效健康监测和疲劳寿命预估。SC-DT框架融合了数值仿真与代理模型优势,可根据结构健康状态动态调整模型保真度,在保持较高预测精度的同时将计算时间由传统有限元法的数分钟缩短至亚秒级(机翼案例为0.2 s),并能同步完成应力时程预测与累积疲劳损伤量化,为复杂机械结构的实时健康监控提供了一种新颖且有效的解决方案。后续研究将进一步拓展至多物理场耦合及更大型复杂装配体的应用验证。