【数字工程】美国国防部数字工程战略解读(全文)

2019 年 4 月 15 日 产业智能官

刘亚威 走向智能论坛

小智的话

日前,美国国防部正式对外发布“国防部数字工程战略”。本文结合美军历史项目进行简要分析,解读美军如何融入数字工程技术创新并构建数字工程基础设施来支撑采办工程实践,并结合文化转型和实际案例,来分析美军数字工程实施取得的一些实际效果。本文来自:空天防务观察,经作者授权由《走向智能论坛》微信公众号推荐阅读,文章原文分上、中、下三篇,略有删减。

刘亚威 | 美国国防部数字工程战略解读(全文)


2018年7月5日,美国国防部正式对外发布“国防部数字工程战略”。数字工程战略旨在推进数字工程转型,将国防部以往线性、以文档为中心的采办流程转变为动态、以数字模型为中心的数字工程生态系统,完成以模型和数据为核心谋事做事的范式转移。文章第一部分结合美军历史项目进行简要分析。第二部分从美军两大相关计划入手看看他们是如何融入数字工程技术创新并构建数字工程基础设施来支撑采办工程实践的,这是美军能够不断创新和保持强大的重要基础之一。第三部分结合文化转型,并引述美国空军的一项研究来谈一谈数字工程战略实施。同时,通过实际案例,来了解美军数字工程实施取得的一些实际效果。


美军提出当今需要推行数字工程


一、基本概念


数字工程是一种集成的数字化方法,使用系统的权威模型源和数据源,以在生命周期内可跨学科、跨领域连续传递的模型和数据,支撑系统从概念开发到报废处置的所有活动。美国国防部将转型为以数字化连接的端到端复杂组织体(Enterprise),通过安全手段将人员、流程、数据和能力进行无缝集成,实现利用模型对兴趣系统(System of Interest,如系统之系统、系统、流程、设备、产品、零件)跨生命周期的权威数字化表达,并且融入先进计算、大数据分析、人工智能、自主系统和机器人等技术提升工程能力。


数字工程生态系统涵盖了系统工程的技术流程和技术管理流程,自下而上三层嵌套:底层是技术数据和工程知识管理系统,包括工程标准、需求数据、设计和制造数据、试验数据、供应数据、使用数据、维护数据、工程能力数据等数据库;顶层是国防采办系统,包括国防部层面的采办里程碑决策,各军种层面的系统工程技术评审,项目办层面的成本分析、需求论证、成本/进度/性能权衡;中间层是贯穿数字工程生态系统的纽带,核心是跨生命周期的数字系统模型、数字线索和数字孪生,将兴趣系统的多领域、多物理、多层级分析工具集成,利用技术数据和工程知识以及系统的权威数字化表达,对成本、进度和性能、经济可承受性、风险以及风险缓解策略进行分析,支撑国防采办。



数字工程生态系统支持采办的完整视图


二、战略目标与重点领域


2.1规范模型的开发、集成和使用以支撑复杂组织体和项目群的决策


目标是将模型的规范化规划、开发和使用纳入工程活动,并且确保模型在生命周期中连续传递,以利用模型对兴趣系统持续进行全面、端到端的数字化表达,支撑复杂组织体做出连续一致的分析和决策,并服务于项目群决策。


(1)规范模型的规划以支撑跨生命周期的工程活动和决策。美国国防部将规范模型的创建、管理和集成以及相关工程活动,使模型能够在工程活动中前后一致地使用,有效支撑对兴趣系统的数字化表达、分析与决策。


(2)规范地开发、集成和管理模型。美国国防部将使用模型规范化体系来辅助模型的开发、集成和管理,同时开发和改进集成方法,确保所有由利益攸关方生成的模型准确、完整、可置信和可重用以及可跨学科、跨领域集成和管理,并且与系统始终保持一致,以支撑由模型驱动的生命周期活动。


(3)利用模型支撑生命周期的工程活动和决策。美国国防部将以模型为基础来定义、评价、比较和优化备选方案以及制定决策,模型将支持所有学科并且是统一化表达,以实现并行工程并支撑由模型驱动的生命周期活动。


 

通过权威真相源连接的模型


【作者独家解读】数字工程,模型是基础。一个典型的系统生命周期中,所有利益攸关方将生成使命任务模型、需求模型、系统模型、设计模型、专业工程模型、制造模型、验证与确认模型、产品保障模型以及管理模型等各种模型,以技术数据包的形式传递,包含了大量的信息。对这些模型的开发、集成和使用进行规范十分有必要,第一个领域重在规范数字工程中的模型(技术数据包)应该提供什么信息,第二个领域重在规范和完善模型中学科信息和领域接口的创建、传递与更新等活动,第三个领域重在规范模型面向不同利益攸关方使用和决策时的视图表达。


美军曾提出“数字系统模型”概念,数字系统模型是对一个国防系统的数字化表达,由所有利益攸关方生成,集成了权威的数据、信息、算法和系统工程流程,面向系统整个生命周期的专业活动,定义了系统的所有方面。数字系统模型将为利益攸关方提供一个分类结构,即什么类型的数据应该在整个生命周期考虑,这个结构中,系统信息包含定义、管理和产品支持信息三类,其中定义信息包括需求、设计、制造、验证与确认等子类,管理信息包括进度计划、工作分解结构(WBS)、财务、技术等子类,产品支持信息包括生命周期持续保障管理、技术管理、基础设施管理等子类。利用数字系统模型定义的分类,为数字工程生态系统提供系统的工程数据、项目和系统的支持数据,并且通过数字线索工具、分析学、流程和管理,以模型、数据、文档和采办等多种视图支撑决策。


数字系统模型可以看作是战略目标一中模型规范化的顶层框架,美国国防部为上述分类的构建开发了方法,以在武器系统整个生命周期的关键决策点识别权威的数据、流程和算法。第一步是识别整个寿命周期的流程(活动)、成果物(采办文件)和关键决策点(里程碑);第二步是定义为支撑关键决策所需的数据、流程和算法采集框架,使用WBS定义技术数据元素组;第三步是使用框架从正实施的项目中为支撑关键决策所需的现有数据、流程和算法列明清单,识别缺口并为开发子技术数据包创造条件;第四步是开发技术数据分类和子分类结构,以支撑整个生命周期的关键决策。对于一个典型武器系统来说,技术数据包中就包括使命任务、需求、逻辑/功能架构、结构/物理架构、设计模型和数据,以及文档视图、分析和基础条件等内容。


武器系统数字系统模型分类结构使用案例


2.2提供一个持久、权威的真相源


目标是将交流的主要方式从文档转换到数字模型和数据,使信息能够从一个公共的数字模型和数据集进行访问、管理、分析、使用和分发,从而让经授权的利益攸关方在全生命周期都可使用权威和连续一致的最新信息,利用共享的知识和资源进行协同工作。


(1)定义权威的真相源。权威真相源掌握技术基线的历史与当前状态,随着兴趣系统的演进,它捕获历史知识并可连接到模型和数据的权威版本,从而使模型和数据在全生命周期都可追溯。设计、制造、验证与确认、系统、产品保障、专业工程和管理的模型都通过权威真相源相连接,合理维护权威真相源将降低使用错误的模型和数据风险,并支撑对构型文件的有效控制,以实现在正确的时间将正确的数据交付给正确的人来正确地使用。


(2)管控权威的真相源。美国国防部将通过政策和程序来确保对权威真相源的合理使用,利益攸关方将收集、共享和维护模型与数据的准确性,以确保模型和数据得到规范管理并且在全生命周期可置信。建立标准程序对于维护模型和数据的完整性与质量来说至关重要,管控流程将确保权威真相源的一致性和准确性,让利益攸关方能够做出由数据驱动的最佳决策。


(3)在生命周期使用权威的真相源。美国国防部将使用权威真相源来生成、管理和交流从概念开发到报废处置的系统信息,将其作为共享和交换模型、数据与数字成果物的主要方式,为项目群提供系统规划、设计和持续保障所需的来自复杂组织体层面的知识。


权威真相源示意


【作者独家解读】:权威真相源和产品数据管理中所强调的单一真相源类似,作为系统全生命周期中模型和数据的中央参考点,连接采办活动中所有不同类型模型和数据的最权威(利益攸关方决策后确定的)版本,为系统各阶段状态提供可追溯性,权威真相源一旦更改,那么之后所有的模型开发、集成和使用都应在这一更改上进行。美国陆军就利用其生命周期产品数据管理系统和复杂组织体产品数据管理系统提供的权威真相源管理所有武器系统及其生命周期的成品数据。


美军打造“数字线索/数字孪生”的原则之一,就是建立系统在其整个生命周期中单一、权威的数字表达,即权威的数字代理真相源,并且可由政府和工业界访问。权威是一个技术定义,意味着一个真相源的质量,即完整性、有效性、一致性、及时性和精确性状态让数据适合于特定应用。一个权威的数字代理表达由以下组合而成:降阶模型,系统在物理原型或试验时的经验数据,以及表征系统和在关键决策点量化边界和不确定性的统计工程数据。这里还涉及两个概念,记录系统——面向给定的一个元件或一段信息的权威的数据源;真相源——可置信的数据源,从整体上提供数据对象的一个完整图像。可置信的数据源意味着:存在由管理机构授权的一个实体面向特定目的创建或管理数据,并且由所有利益攸关方共享所有受保护的权益。在工程复杂组织体的分布式记录系统中,来自产品生命周期管理、试验数据库、模型、分析工具等的技术数据,经过基于模型的系统工程流程实施的数据维护和分析,形成权威真相源。


在数字工程生态系统完整视图中,自上而下嵌套的三层采办决策分析学实际上分别代表了数据分析学的三个层次:规定性分析学、预测性分析学、描述性分析学。规定性分析学用来理解风险:面向预先规定的结果,应该做什么或者建议的最佳行动来规避风险;预测性分析学是系统状态的概率论分析,用来预测什么会发生或者可能完成,量化边界和不确定性;描述性分析学则是应用基于模型的工程分析工具,将“记录系统”中的技术数据转换为系统状态的技术信息,即权威的数字代理“真相源”。“数字线索/数字孪生”提供数字化的权威真相源,为工业界的数字复杂组织体(GE公司数字孪生、洛马公司数字织锦、普惠公司数字价值列)和国防部的数字复杂组织体搭建桥梁,使政府和工业界之间建立互信,解决塑造数字工程生态系统的挑战之一。 


数字线索/数字孪生激活权威真相源



美军对ERS和CREATE应用的初步愿景(中国航空工业发展研究中心汉化)


从图中可以看到,当前和未来,国防部新型能力与原型部门(EC&P)和研制试验与鉴定部门(DT&E)都要使用CREATE和ERS等工具环境支撑国防采办寿命周期,至少在这张图上,两者是比数字系统模型、数字线索、数字孪生这三个数字工程生态系统核心纽带覆盖寿命周期更广的事物,那么中篇,我们就来看看CREATE和ERS这两个工具环境,怎么提升工程实践,如何支撑跨利益攸关方实施各项活动、协作和沟通。


2.3融入技术创新以提升工程实践


目标是超越传统的基于模型的方法,在技术和实践中融入创新成果,并且支撑在一个数字化连接的端到端复杂组织体内快速实施创新。


(1)建立一个数字化的端到端工程复杂组织体。工程复杂组织体将连接数字与物理世界,融入基于模型的方法以执行全生命周期活动。在生命周期前期,美国国防部主要使用兴趣系统的数字化表达来支撑概念评价、用户参与以及权衡确认;后期主要关注最终系统的生产、交付和维护,重点是持续更新其数字化表达,不断获取来自使用环境的知识并且加深对系统的认知。


(2)利用技术创新提升数字工程实践。美国国防部将利用数据分析学,通过模型和数据加深对系统的认知,帮助利益攸关方提升决策水平、系统能力以及计算密集型工程活动的成效;还将利用人机交互转变机器与其它机器和人类进行交流和协作的方式,从而同时利用人类和机器的力量提升工程实践。


利用前沿技术、新方法、人机协作实现端到端的复杂组织体(美国防部图片)


【作者独家解读】:上图列出了一些技术,大数据与分析、虚拟现实、增强现实、数字孪生、数字制造、3D打印、数据可视化、人工智能、人机接口、计算云、认知技术、计算技术都是耳熟能详的技术,有一些笔者也专门写过文章分析。下面将着重展示基于物理特性的模型,美军高性能计算现代化计划(HPCMP)中的“计算研究和工程采办工具与环境”(CREATE)项目就是在开发利用该技术,该项目已实施10多年,并将持续维护、改进到至少2040年,然后更新换代。


为刺激重大国防系统的采办并降低成本、周期和风险,美军于2006年启动了CREATE项目,目标是开发和部署基于物理特性的高性能计算软件产品,通过高逼真度数字模型(虚拟样机)的构建和改进,以支撑国防部平台(飞行器、舰船、地面车辆和射频天线系统)的设计和实现。项目每年投入3600万美元,2016年,该产品实现商用,截止到2017年10月,美军各军种、国防机构、国防工业部门以及大学等有超过180个组织正在使用它。未来,CREATE还将面向高超声速、新型潜艇开发、联合多任务旋翼机技术演示(JMR-TD)、空间技术、改进型涡轮发动机项目(ITEP)、电子战/雷达/天线建模、直接能量、服务寿命预测等,继续开发和改进。


美军高性能计算现代化计划生态系统(中国航空工业发展研究中心汉化)


CREATE项目共分为5个子项目,开发了11个多物理软件工具,分别是:飞行器——CREATE-AV,舰船——CREATE-Ships,射频天线——CREATE-RF,地面车辆——CREATE-GV,网格和几何——CREATE-MG,以及高性能计算门户。具体如下:


飞行器CREATE-AV

Genesis(原名DaVinci

用于学术研究的快速概念设计

Kestrel

固定翼飞行器高逼真度、全尺度、多物理分析工具

Helios

旋翼飞行器高逼真度、全尺度、多物理分析工具

Firebolt

集成到KestrelHelios中的推进模块(非独立工具)

舰船CREATE-Ships

舰船快速设计环境(RSDE

快速设计和综合能力

海军增强山岭机制(NESM

舰船冲击和冲击损伤评价

NAVYFOAM

舰船水动力,预测水动力性能

集成水力设计环境(IHDE

促进海军设计工具访问

射频天线CREATE-RF

SENTRi

与平台集成的电磁天线设计

地面车辆CREATE-GV

水银

车辆系统和组件高逼真度、多物理仿真工具

移动性分析工具(MAT

评估地面车辆性能指标的分析工具

网格和几何CREATE-MG

Capstone

生成分析所需几何外形和网格的组件


使用CREATE工具,工程人员可以在采办流程的任何阶段,利用高逼真度虚拟样机分析产品性能,作为真实试验、使用等数据的补充。对新系统的概念设计来说,现有设计的“经验法则”外推方法可以为基于物理特性的设计方案生成方法所替代,从而能够快速探索设计权衡空间,并且利用基于物理特性的分析工具评估设计方案的可行性。他们可以考虑数千种设计方案而不是少量几种。对详细设计研制来说,虚拟样机的高逼真度分析可以通过“虚拟样机性能的基于物理特性的分析”,代替“真实试验的故障数据”。这种方法向工程人员适时提供决策数据,使他们在早期就识别设计缺陷和性能不足,让问题在物理制造前得到修正,尽量减少费时费力的返工。


CREATE工具还可以助力试验过程,使其更具成效、更有效和高效。该工具可以用来识别最敏感和不确定的使用条件,以便试验程序集中于这些领域,从而使总的试验数据需求减少5倍以上,也就减少了所需的试验时间。此外,它还让试验团队能够专心处理确定武器系统性能的基础问题。美国空军针对高性能飞行器静态和动态稳定性和控制特性的确定,利用该工具开发了通过试验设计设置最少的数据点从而缩短整个风洞试验周期的方法,并使用F-22战斗机的数据完成了验证。这一过程将在文章后面进行详细阐述。


CREATE工具影响了许多国防部项目(中国航空工业发展研究中心汉化)


CREATE项目将同时支撑数字工程战略的五大目标。


第一,CREATE项目开发、部署和支撑基于物理特性的软件程序,让国防部工程人员快速开发数字产品模型,分析系统性能,识别并修正系统设计缺陷和性能不足,在采办流程所有阶段提升性能。第二,项目开发和部署经验证与确认(V&V)的基于物理特性高性能计算工具,包括所有重要的效应、精确的解决方案算法,为完整系统即所需的任何事物建模,以足够短的计算时间为参数研究而精确预测性能。第三,HPCMP生态系统采用创新的技术(高性能计算、高速网络和先进软件),可让国防部工程人员生成许多设计方案,由于不可行的方案在很早期就快速失败,所以只承担很少风险就识别成功的产品设计,从而快速和高效开发创新的系统。第四,生态系统从相关利益攸关方连接领域专家,提供经验证和确认的数据用于工程和采办活动,利用高性能计算分布式资源中心、高宽带网络以及CREATE软件程序。第五,HPCMP与军种工程组织通力合作,CREATE开发并使用构建了精通计算的国防部人力资源,培训与支持超过180个国防部组织和1400个用户;CREATE软件正在融入军种学术研究和其它大学课程中,并且定期发布软件能力更新。


2.4建立支撑的基础设施和环境以跨利益攸关方实施各项活动、协作和沟通


目标是建立耐久可靠的基础设施和环境,包括对IT基础设施以及先进方法、流程和工具进行综合,以及保护知识产权、网络安全和安全分级。


(1)开发、完善并使用数字工程IT基础设施。数字工程IT基础设施是分布式的软硬件、网络和相关设备的集合,美国国防部必须保证其满足安防要求。


(2)开发、完善并使用数字工程方法论。基于模型的复杂组织体的有效使用需要从基于文档的方法转型为数字化方法,国防部必须改进工程人员工作和管理、设计和交付解决方案的方式,以更好地开发和使用先进技术能力。


(3)确保IT基础设施安全并保护知识产权。数字工程转型依赖对模型和数据分级、可用性以及完整性的保护,模型中存储了大量信息,美国国防部必须降低网络风险并针对内外部威胁以确保数字工程环境的安全,将在促进工业界和政府间合作的同时,加强知识产权和敏感信息保护。


数字工程环境支撑基础(美国防部图片)


【作者独家解读】:美军数字工程战略报告中,一个引人注目的小贴士就是ERS,说海军利用ERS工具开发了超过1900万种舰船设计,使用成本与能力权衡分析以确定未来水面战斗舰的经济可承受能力空间。工程强韧系统(ERS)计划是美军7个科技优先计划之一,由各军种、国防高级研究计划局负责,各军种系统司令部、中心和研究实验室组成了技术团队。ERS计划的目的是在一个与采办和使用业务流程相一致的框架内,开发一个现代计算工程工具的集成套件,套件包括模型、仿真和相关能力,以及权衡空间评估与可视化工具。


工程强韧系统是一个不断发展的框架,是支持采办所有阶段的、可信的集成计算环境,致力于实现数据驱动的决策,主要由需求生成、备选方案分析、虚拟样机与评估这几个部分组成。强韧系统的4个关键属性是:击退/抵抗/吸收、恢复、适应、广泛的功用。美军对强韧系统的要求是:在各种任务背景环境中是可靠的和有效的,通过重新配置和/或替换而很容易适用其它任务环境,可预测功能降低并且可缓解。目前,美军和国防工业部门正在使用高性能计算资源,用验证模型和仿真复现基于物理特性的交互并预测装备系统功能,从而预测可能影响任务执行的背景环境,对这些模型和仿真生成的数据评估并形成装备方案权衡,以确定一个系统提供所需能力的风险,以及确定系统是否可以保留并表现出足够的强韧性来保证系统的采办和部署。工程强韧系统能够加强需求生成和备选方案分析流程,并且在权衡过程中提供寿命周期“情报”,通过权衡分析实现有充分依据的决策,在更少时间内“可视化”更多设计的权衡,从而达到量化并降低采办风险的目标。


工程强韧系统支撑数据驱动的决策(中国航空工业发展研究中心汉化)


利用ERS平台,可以全面探索并识别关键性能参数(KPP),快速分析许多备选方案,提供虚拟作战能力,减少原型制造时间和成本。目前,美军正在ERS的早期概念权衡空间探索中引入寿命周期成本(LCC)分析能力,将成本模型与性能模型连接,实现效能、适用性和经济可承受性的三方权衡。在国防部采办背景环境中,ERS提供工程分析环境,支撑概念设计、备选方案分析、价值工程;提供高逼真度计算环境,支撑原型构建、试验与鉴定、作战分析;提供平台控制,从而利用跨国防部的领域专业能力;提供复杂组织体数据和知识环境。


因此,ERS平台中的六个主要方向能够支撑国防部当前的采办改革与创新目标。(1)非线性工程,推动基于模型的工程,在大规模分析中最大化地使用数据和模型;(2)基于物理特性的建模,为采办流程早期的性能和生存力评估提供说服力,实现高设计精度;(3)工作流解决方案,打破使用高性能计算的障碍;(4)数据驱动的分析和机器学习数据分析,对决策有更深层次的理解;(5)大数据可视化,面向人类思维构建精确的表达,增强决策过程中的沟通与理解;(6)政府-工业界协作,通过共同的理解和目标加强沟通,包括通用工具、工作流、共享试验指标、访问分析数据、共享模型、学习等等。


ERS打造特定领域的设计环境(中国航空工业发展研究中心汉化)


ERS为特性领域的设计和工程提供支撑,比如能力生成、使命任务工程、成本分析、权衡空间分析、工程分析、工作流效率,并且以计算化方式生成原型等等。按照路线图,当前,ERS正在将能力集成到试验与部署环节,包括用户配置的分析、风险表达与应对、地球任何地点的环境仿真、制造、可生产性和寿命成本工具、任务背景环境工具。从2020年开始,ERS将全面转移到采办流程,包括建模整个采办周期、确认的成本表达、所有装备备选方案的虚拟样机构建、认知计算等。


目前,波音、洛克希德·马丁、雷神、BAE系统公司等都采纳了ERS。波音采用ERS进行陆军CH-47-F的改进设计,通过自适应设计/快速决策,使新设计概念到低速初始生产的周期缩短到1年半以内,未来从概念设计到使用试验将缩短到2年内。对于空军低成本可消耗飞行器技术(LCAAT)项目,波音利用ERS快速交付了一个样机,能够重新配置到各种未料到的使命任务中。陆军利用ERS,为“灰鹰”无人机建立了飞行性能模型,他们开发了一个经确认的计算模型和流程,以预测飞行性能,未来还将利用ERS研究侧风对起降性能的影响。海军下一代空中主宰(NGAD)项目中,利用ERS探索了重新调整当前由F/A-18E/F和EA-18G平台提供的能力的需要。


ERS向采办团体转移(中国航空工业发展研究中心汉化)


ERS计划将同时支撑数字工程战略的五大目标。第一,使用模型替代连续的、固定的需求生成方法;使用模型实现在物理样机和全尺度系统可用前,虚拟地生成样机、实验和试验解决方案;使用不断演进的模型,允许设计方案分析在寿命周期中提前;理解如何通过逆向建模击败一个概念。第二,模型天生就更能适应使命任务集和各种环境;权威真相源意味着“真正的事实”;ERS能够以大型、复杂和集成的数据集,足够快速和精确地理解并缓解风险。第三,探索集成的先进工程模型的新概念;将密集的人工流程替代为集合了数据和技术文件的自动化工作流;探索数字工程使用增加的需求下新的决策分析方法,使之可生成反映整个寿命周期的真实备选方案;利用机器学习分析海量和复杂的数据集,包含来自大量源的各种数据类型;从架构上与知识管理集成。第四,在高性能计算中构建整个数据生态系统架构;构建通用化且可重用的工作流引擎;构建复杂组织体层级的网络门户;围绕数据组织软件工具;创建支持决策过程的可视化技术。第五,理解采用数字生态系统不会消除用户选择、管理、控制和使用相应工具的责任;对于在一个协同、集成、基于数字模型的环境中执行活动获得信心;学习向第三方清晰地表达问题、工作流和模型边界条件;理解如何适当地减少对物理实验的依赖。


2.5 转型为一种文化使人员队伍接受并支持跨生命周期的数字工程


目标是借鉴变革管理和战略沟通的最佳实践,使文化和人员队伍整体转型。


(1)完善数字工程知识库。美国国防部在海量的政策指南、标准规范、网络资源以及各类文献中记载了数字工程的卓越知识,需要持续改进、更新并进一步组织这个知识库,从而优化并共享合同、采购、法律和商业上的实践。


(2)领导并支持数字工程转型工作。转型需要变革,驱动一个创新、有实验精神和持续改进的文化,领导者的鼓励和激励是关键。


(3)打造人员队伍并使之准备就绪。未来人们将分散在各地并且是不同学科领域的几代人,国防部需要让年轻工程人员从老专家那里获取更多知识。


跨采办复杂组织体将数字工程制度化


【作者独家解读】:国防部认为数字工程的几大困难包括:投资,文化和人员,政策、指南和合同,管理,安全性,知识产权保护,工具/模型便携性(轻量化),基础设施和环境,模型质量和保证。这个目标中最重要的是,基于模型、数据驱动、自动寻优的分析决策流程要想建立起来,必须在软硬件成熟和项目应用成功的基础上,逐步制度化并从人和文化上入手实现最终转型。就像数字工程战略的签署人、国防部负责研究与工程的副部长格里芬所说的,战略描述的是“what”,而“how”还需要战略发布后与各军种和机构研究实施步骤。


实际上,美国国防部在战略签署后就马上联合各军种和工业界开展了一系列进一步的宣传和落实工作。2018年6月21日,国防部负责系统工程的助理国防部部长帮办(DASD(SE))在五角大楼召集各军种以及国际系统工程协会(INCOSE)高层开会,各军种简述了当前的实施计划。6月26日,数字工程工作组开会,NASA和DASD(SE)简述了实施的指标框架。6月27日,继续数字工程研讨会,各军种简述了实施的计划、挑战和指标,在DASD(SE)的主持下定义了后续工作。7月9日,DASD(SE)、INCOSE、国防工业协会(NDIA)联合会议,决定启动数字工程信息交换工作组。1022日,NDIA年会举办了数字工程峰会,各军种演示了实施计划。1023日,参加NDIA年会的工具开发商演示了支撑数字工程战略的工具能力。按照推进路线图,战略还将经理内部消化、采纳和制度化三大步。


美军数字工程推进路线图


为了宣贯数字工程战略,国防部负责系统工程的助理国防部部长帮办办公室(ODASD(SE))在2016年,将一门“面向系统工程的建模与仿真”的国防采办大学课程重组为“系统工程中的模型、仿真和数字工程”。课程讲述了在数字工程活动背景环境下对于模型和仿真的使用,讨论了持续且一致地使用模型在支撑国防部采办系统活动中的价值,概述了针对任务统一使用数字技术物(artifact)的需要以及确保工程活动成功所必需的特点。


五门课分别为:(1)数字工程概念——理解用模型及其支撑的技术数据作为真相源的转型动机,国防部支持数字工程转型的政策和指南,使用基于模型的方法增进项目成功性并且建立模型作为权威模型和数据源,在项目寿命周期开发模型、仿真和技术物并作为一个技术连续统一体使用;(2)为进入数字工程生态系统做好准备——考虑在一个协作环境下集成手段、流程、工具和数据,引入数字系统模型(DSM)分类作为数据该如何结构化、开发和使用的一般指南,为跨寿命周期创建、处理、共享和重用数据/信息提供端到端的管理,定义采办寿命周期中开发和使用模型、数据和数字技术物的人员需求;(3)在采办合同考虑数字工程任务和产品——考虑在建议书征集(RFP)中总结建模、仿真和数字工程任务,使用适当的合同机制获得相应的模型和数字工程技术物与交付物,获取数据和数据权以支持数字工程活动,在寿命周期识别并管理全谱系的知识产权及相关问题;(4)使用数字工程让团队接受并理解风险——理解如何让团队接受数字工程并获得利益攸关方对使用数字工程的信任,验证和确认模型以增加单一真相源谱系中的可信度,识别并化解项目风险,确定与使用数字工程方法有关的风险;(5)使用数字技术物的案例——展示数字技术物支持跨利益攸关方的互操作性以一致地共享和交换数据与模型,数字技术物支持从一个系统到系统之系统(SoS)的谱系以交付实现使命任务的独特能力,数字技术物支持模块化开放式系统方法(MOSA)以实现新和/或已有系统的模块化和适应性强的开放式接口。


三、数字工程助力美空军减少飞行器研制试验周期和成本


美空军针对高性能飞行器静稳/动稳特性和控制(S&C)特性的确定,提出了利用CREATE-AV、通过试验设计(DOE)设置最少的数据点从而缩短整个风洞试验周期的方法,并且使用F-22战斗机外形曲面和风洞试验数据库,执行了数字线索试验研究确认了方法的有效性。


利用数字线索减少风洞试验活动


30年来,美空军飞行器研制试验与评价的工程实践并未发生显著变化。尽管从F-22研制到F-35研制,试验效率提升了4倍,但即使F-35的飞行包线比F-22要小,F-35的风洞试验仍然需要执行与F-22相同的22000小时,并且每个构型都是22000小时。这是因为,当前的风洞试验主要是由流程驱动的,按试验小时而不是试验点来设计。传统上,为确定高性能飞行器S&C特性,“暴力”方法是为一架飞行器填满整个S&C数据库,这需要在风洞中设置约250万个数据点;相应地,使用计算流体动力学(CFD),通过计算和空气动力学逐点模拟风洞,则完全不切实际。


空军利用CREATE-AV中的Kestrel能力,研究了一个对数字线索飞行模型应用统计工程的方法。Kestrel是高逼真度的基于物理特性的模型,全面仿真从亚声速到超声速飞行的固定翼飞行器,包括复杂机动、推进装置影响、移动控制面、气弹影响、多体相对运动以及引入真实内循环和外循环控制率的能力。Kestrel拥有一个模块化架构,可以综合流体/结构相互作用、推进装置集成和武器集成,给数字线索带来:多学科、多物理、多逼真度能力,快速和高效生成降阶模型的能力,在详细设计过程中处理系统集成的能力,以及充分利用高性能计算设施的可扩展性。


将经确认的试验数据库和模型V&V数字化保存为SOR将加速数字化真相源生成


研究中,在一个固定马赫数和高度,使用Kestrel在不同角度和速度下进行横滚、俯仰和偏航机动,确保“回归空间”(即一般飞行中的角度和速度)有适当的覆盖范围。机动加入一个唧声(chirp)信号(变化频率和变化高度的正弦曲线),机动过程引起一系列空气动力学特性。之后,使用系统辨识软件SIDPAC对输入角度、速度和输出载荷进行建模,从输入和输出数据构建在试系统的一个数学模型,表征系统的不确定性和测量噪声。这一过程大致如图3所示。唧声机动计算的输出是一个降阶响应面,可以立即用作交战模型和/或飞行模拟器的飞行模型,比计算流体动力学计算飞行器周围流场来确定载荷高效。这些模型让气动力系数数据和气动力载荷数据可被提取出来用于和已知值对比。使用Kestrel、SIDPAC和高性能计算机对空气动力学进行预测已成功通过许多飞行器得到确认。


通过飞行器外模线生成降阶响应面提供了一个应用试验设计(DOE)减少风洞试验总时间的机遇。尝试应用DOE来优化一个传统的单独风洞试验难以成功,因为当前的风洞不利于快速改变参数来优化数据集的随机性。单因子轮换试验方法让当今航空研制流程的数据库变得巨大,不过,如果从全部风洞试验层面思考,可能会有更有成效的DOE使用方法,即对数字线索飞行模型应用统计工程。响应面的不确定性需要使用统计工程方法量化,那些仍展现高度不确定性的区域将成为风洞试验的主要关注点,从而成为风险降低的关键区域而不用去定义整个参数空间。DOE方法确保最佳数据集得到采用,通过DOE流程计算的动力系数,可用于分析通过额外计算、风洞试验或飞行试验,响应面上的波动可消减多少。会存在一个必须进行风洞试验或飞行试验的临界点,这样,就可以尽量减少不确定性建模和/或试验。


生成综合的基于模型的代理需要建模效率、可缩比性和优化的不确定性量化手段


空军在数字线索研究中使用F-22项目的现有数据库确认了该方法。将F-22的外形曲线输入Kestrel,计算不同马赫数和高度下的计算结果,定义整体空气动力学性能和S&C。计算结果直接与原始的综合风洞数据库进行比较,成功验证和确认了Kestrel对空气动力学性能进行建模的能力。在关键设计评审之前的某些风洞试验,有90%需要改变控制系统外形(如襟翼/扰流片设置等)。以往这些控制面设置通常人工完成,而空军使用Kestrel内建的可移动控制系统能力发展了一个建模能力,在不同飞行条件下自动调整飞行器,实现了在更少的计算量需求下,定义控制权限和控制系统增益。


基于数字线索方法,空军评估了减少风洞试验对成本和时间的潜在影响,范围包括空气动力学性能、S&C和气动载荷试验,约占全部风洞试验的65%。对一个标准的22000小时风洞试验,气动力学/载荷试验大约15000小时,使用数字线索可以减少60%,即9000小时。如果风洞试验超过48个月,那么数字线索方法可以减少20个月的时间,而相关的成本减少则是两倍——减少的风洞试验成本和缩短的项目周期带来的更低的项目规划成本。对于一个1000亿美元的采办项目,在关键设计评审前应用数字线索方法有可能减少10亿美元量级的研制成本。


三步式流程融合高逼真度基于物理特性的模型和真实试验数据


使用Kestrel来建立飞行器性能和S&C相同的计算,还可以在飞行器上通过使用空气动力的空间和时间分布的本征正交分解,对空气动力载荷进行节点分析。Kestrel包括一个支撑结构元件分析的完整的有限元结构分析能力。将这个结构载荷的基于模型的前期评价,与风洞中使用压敏漆的先进试验技术结合,可以为详细结构设计提供对结构载荷的深刻理解。而且,随着外形曲线在研制流程中潜在变化以提升空气动力学性能,结构载荷可被有效更新,以支撑敏捷设计和重量管理。此外,动力系数还可帮助理解一个缺陷向下传递到下一个研制步骤的概率。


在使用Kestrel和系统辨识为优化的试验活动生成性能和S&C而进行的计算,可以在需求分析阶段就执行,用于考虑感兴趣系统的测试性,并且为设计一个最少试验活动的方法制定初始策略。响应面方法也为研制试验和使用试验的集成提供一个宝贵支撑,并且处理联网和互操作性问题。响应面中采集的飞行器特性可以直接转换到一个人在环路模拟器的性能数学引擎。即使在研制的最早阶段,这个人在环路模拟器也可开始处理某些使用集成问题,从而可在项目中更早地进行集成的研制试验/使用试验。如果将早期航电和通信包的实验用板或数字模型放入人在环路模拟器,系统演进的性能就可作为一个分布式任务仿真中的节点进行评价。来自这个集成方法的反馈可用在非常早期阶段,面向一个可互操作的系统拥有最大性能而改进设计。由于当前绝大部分使用试验(特定术语)的接口问题和互操作性在研制流程的很晚才处理,使用这样一种创新的方法对减少研制周期的积极影响将是巨大的。


向数字化的试验鉴定主计划迈进以提升试验鉴定质量和性能并缩减成本和进度


四、结束语


美国国防部推进数字工程,打造数字工程生态系统,将使现有采办流程和工程活动提升为基于模型、由数据驱动的集成化实践,极大提升生命周期各阶段分析能力和决策水平,支持武器系统的快速规划、敏捷设计、高效制造与精准保障,使美军超越快速变化的威胁和技术进步,更快地向作战部队交付先进能力,同时更具经济可承受性和持续保障性,支撑美国第三个“抵消战略”。




作者单位:

刘亚威——中国航空工业发展研究中心  

工业互联网+智能制造




产业智能官  AI-CPS


加入知识星球“产业智能研究院”:先进产业OT(工艺+自动化+机器人+新能源+精益)技术和新一代信息IT技术(云计算+大数据+物联网+区块链+人工智能)深度融合,在场景中构建状态感知-实时分析-自主决策-精准执行-学习提升的机器智能认知计算系统实现产业转型升级、DT驱动业务、价值创新创造的产业互联生态链



版权声明产业智能官(ID:AI-CPS推荐的文章,除非确实无法确认,我们都会注明作者和来源,涉权烦请联系协商解决,联系、投稿邮箱:erp_vip@hotmail.com。




登录查看更多
32

相关内容

德勤:2020技术趋势报告,120页pdf
专知会员服务
190+阅读 · 2020年3月31日
新时期我国信息技术产业的发展
专知会员服务
69+阅读 · 2020年1月18日
阿里巴巴达摩院发布「2020十大科技趋势」
专知会员服务
106+阅读 · 2020年1月2日
电力人工智能发展报告,33页ppt
专知会员服务
126+阅读 · 2019年12月25日
【白皮书】“物联网+区块链”应用与发展白皮书-2019
专知会员服务
93+阅读 · 2019年11月13日
【数字孪生】从CAD数据到数字孪生
产业智能官
22+阅读 · 2019年11月11日
图说报告 | “智能+”的终极版图:数字孪生世界
人工智能学家
22+阅读 · 2019年8月20日
【数字孪生】一文读懂数字孪生的应用及意义
产业智能官
43+阅读 · 2018年9月28日
德勤:工业4.0与数字孪生(附PDF下载)
走向智能论坛
40+阅读 · 2018年9月6日
【智能制造】智能制造技术与数字化工厂应用!
产业智能官
13+阅读 · 2018年2月21日
Area Attention
Arxiv
5+阅读 · 2019年5月23日
UPSNet: A Unified Panoptic Segmentation Network
Arxiv
4+阅读 · 2019年1月12日
Conditional BERT Contextual Augmentation
Arxiv
8+阅读 · 2018年12月17日
Arxiv
5+阅读 · 2018年5月10日
Arxiv
27+阅读 · 2017年12月6日
VIP会员
相关VIP内容
德勤:2020技术趋势报告,120页pdf
专知会员服务
190+阅读 · 2020年3月31日
新时期我国信息技术产业的发展
专知会员服务
69+阅读 · 2020年1月18日
阿里巴巴达摩院发布「2020十大科技趋势」
专知会员服务
106+阅读 · 2020年1月2日
电力人工智能发展报告,33页ppt
专知会员服务
126+阅读 · 2019年12月25日
【白皮书】“物联网+区块链”应用与发展白皮书-2019
专知会员服务
93+阅读 · 2019年11月13日
相关资讯
【数字孪生】从CAD数据到数字孪生
产业智能官
22+阅读 · 2019年11月11日
图说报告 | “智能+”的终极版图:数字孪生世界
人工智能学家
22+阅读 · 2019年8月20日
【数字孪生】一文读懂数字孪生的应用及意义
产业智能官
43+阅读 · 2018年9月28日
德勤:工业4.0与数字孪生(附PDF下载)
走向智能论坛
40+阅读 · 2018年9月6日
【智能制造】智能制造技术与数字化工厂应用!
产业智能官
13+阅读 · 2018年2月21日
相关论文
Area Attention
Arxiv
5+阅读 · 2019年5月23日
UPSNet: A Unified Panoptic Segmentation Network
Arxiv
4+阅读 · 2019年1月12日
Conditional BERT Contextual Augmentation
Arxiv
8+阅读 · 2018年12月17日
Arxiv
5+阅读 · 2018年5月10日
Arxiv
27+阅读 · 2017年12月6日
Top
微信扫码咨询专知VIP会员