大型风洞设备的数智化初步研究

廖达雄，孙运强，吴静怡，彭磊

1.上海交通大学 机械与动力工程学院，上海 200240

2.中国空气动力研究与发展中心 设备设计与测试技术研究所，绵阳 621000

0 引 言

风洞作为空气动力学研究的重要地面试验设备，在先进飞行器研制和基础空气动力学问题研究中发挥了不可替代的作用。根据AIAA数据显示，未来一架典型军用飞机的风洞试验量约为35 000～45 000 h，而现代亚声速运输机的风洞试验量约为15 000～20 000 h。因此在相当长的一段时间内，通过各种风洞试验来获得最终的气动力数据仍然是飞行器研发的主要和最终手段。

随着先进飞行器的性能及设计精细化程度不断提高，科研人员对风洞试验和设备提出的要求也变得更高：不仅需要模拟更加精细、模拟能力更强的大尺寸风洞和高雷诺数风洞，还需要具有特殊试验模拟能力的特种风洞，以满足推进系统试验、气动弹性试验（如飞行器的颤振、抖振等）的特殊要求。与此同时，气动试验对风洞流场品质也提出了很高的要求：满足边界层转捩、减阻流动控制、非定常气动力、噪声控制等研究条件，满足流场参数精细化和全场测量的试验需求，以实现对流场的无干扰多点和全场测量，进而为增强流体动力学物理现象和机理理解奠定基础。除此之外，在风洞设计建设过程中，还要考虑提高风洞运行的生产率、经济性和可靠性，满足现代飞行器研制对缩短风洞试验周期和降低试验成本的需求。这就要求开展风洞可靠性、维修性、保障性设计，建设智能风洞健康管理系统，提升风洞试验运行综合效能。

大型风洞设备是一种多学科高度融合，先进制造、先进测试、智能运行、科学管理综合集成的大科学装置。作为一个系统型设备，大型风洞设备设计和试验技术性能的提升，离不开计算机一体化网络技术与人工智能的有机结合。为成功建设试验能力强、流场品质优、运行经济高效的大型风洞设备，需要充分发挥多学科融合的数智化技术优势，着力突破现代风洞设计的关键技术问题。

本文在梳理国内外大型风洞数智化技术问题的基础上，分析了数智化技术在风洞设计建设及运行过程中的技术需求和发展趋势，可为下一步大型风洞设备的设计建设及高效运行提供参考。

1 数智化风洞系统研究现状

数智化风洞系统是现代信息技术与风洞设计技术的深度融合，贯穿于风洞设备的设计、制造、试验运行、数据服务等各个环节。数字化、网络化、智能化是数智化风洞系统的基本要素。其中，数字化技术是数智化风洞系统的基础，基于计算机的网络化技术是数智化风洞系统的核心要素，智能化技术是数智化风洞系统的根本。

数字化技术通过对设备设计信息、测控仪器信息及其他资源信息进行数字化描述、分析、决策和控制，生成满足要求的数据及决策。随着信息技术的快速发展，数字化技术在风洞设计建设中的应用也越来越广泛，涉及到风洞数字化设计、建模仿真、数字化测控设备、信息化管理等多个方面，在实现风洞设备功能的各过程和环节受到广泛关注。

在风洞气动设计过程中，基于计算机辅助的气动设计、数值仿真、性能分析等数字化技术已成为重要的设计手段。在跨声速风洞的槽壁试验段、大开角扩散段以及二喉道设计中，数值模拟手段得到广泛应用，并取得了一系列研究成果。如图1所示的跨声速风洞槽壁试验段流场模拟，就是借助数值模拟结果开展优化设计的典型案例。其研究结果对槽壁试验段内流特性的理解和槽壁设计具有重要指导意义。

图1 跨声速风洞槽壁试验段流场分布图[12]Fig.1 Test section flow distribution of transonic wind tunnel[12]

在风洞结构设计中，基于计算机辅助设计的数字化技术也日趋成熟，诸如CAD、CAE、UG等软件已成为风洞结构设计的主流软件，尤其是随着大型低温、高温风洞中气动条件对结构性能的要求不断提高，流固热耦合、流致振动等结构性能参数分析对数字化技术的依赖程度也逐渐增强。

在风洞控制技术研究中，数字化技术的应用也比较普遍，从控制软件编写、测控数据的编译传输、控制指令的发放到控制策略的优化，风洞数字化技术都发挥着重要作用。风洞马赫数控制中的全数字调速系统和迎角、转盘角、壁板等位置控制系统，都是通过数字化控制技术来实现的。

在风洞试验测试技术领域，与试验测试设备及数据采集相关的数字化技术体现得更为明显。在天平测力、非接触测量等风洞试验过程中测量的物理量较多，这些物理量通过各种传感器进行记录，并将模拟信号转换为数字信号进行存储和处理。大量风洞设计和试验数据实时高效的采集、传输和数据处理，为风洞和试验模型优化设计分析提供了第一手宝贵资料。同时，风洞数字化技术中大量数据的传输、共享以及处理，又促进了数智化风洞网络技术的发展。尤其是随着网络技术的普及和Internet的日益发展，风洞模型试验硬件、软件平台的网络控制技术正在不断更新，网络互联技术在风洞设计和风洞试验现场的应用也日趋广泛。

在8 m×6 m风洞系统的改造中，为克服风洞系统结构复杂、改造难度大、各子系统间开发平台不一致等技术难题，通过系统网络通讯技术对其进行设计改造，实现了中心机Alpha工作站与其他子系统的网络通讯，其测控系统的网络拓扑结构如图2所示。

图2 测控系统网络拓扑结构图[25]Fig.2 Network topology of measurement and control system[25]

为提高风洞试验过程中测控系统数据交互的效率和可靠性，张军等通过对风洞现场总线测控系统中几种关键技术的分析，采用客户机+服务器的以太网通讯工作模式，设计出了一套基于以太网的风洞现场总线方案，实现了现场总线控制在风洞中的应用，风洞现场总线测控系统结构框图如图3所示，其研究成果对提高风洞试验效率、降低试验成本有非常重要的意义。

图3 风洞现场总线测控系统结构框图[26]Fig.3 Structure diagram of field bus in wind tunnel[26]

大型跨、超声速风洞设备的规模较大、控制系统复杂、子系统多，各系统之间协调复杂，对数据传输要求较高，测控通信网络所起到的作用尤为重要。在某大型高速风洞设计中，为满足“分散控制、集中管理”的设计原则，控制系统采用分布式集散控制结构，构建了一套基于光纤环网的测控系统网络架构。控制系统负责构建主干光纤环网，控制系统的若干位置分散子系统控制器，均就近通过子交换机接入光纤环网；位于光纤环网上的网络节点之间支持实时工业以太网络通信，网络传输的确定性、快速性都大大增强，同时冗余环网的配置可增加网络通信的可靠性。

随着风洞数字化和网络化的发展以及各种设备设计效率和试验需求的不断提升，基于先验知识的风洞智能化设计和试验技术也有了较快的发展。

智能化是指试验设备在计算机网络、大数据处理、人工智能等技术的支持下，所具备的能满足人们各种设计和试验需求的属性。大型风洞系统比较复杂，辅助系统也较多，建造及运行成本高昂，设计过程中的气动、结构、测控等技术相互融合，流体、机械、电气等多物理场互相耦合，因此运行过程中的动态特性非常复杂。基于计算机网络、大数据处理及人工智能等智能化技术的广泛应用，对大型风洞整体性能和试验能力的提升都有非常重要的意义。

近年来，随着测控理论和技术的飞速发展，智能控制技术在风洞中的应用也逐渐增多。适用于风洞参数控制的智能控制主要包括模糊控制、神经网络控制、专家系统等。

模糊控制主要是指控制过程中对反馈信息的模糊处理，并依据模糊规则做出相应控制输出，因此，模糊控制对那些不能用数学函数精确表达的控制对象效果明显。针对增压连续式跨声速翼型风洞，竹朝霞等提出了基于虚拟仪器和人工智能的风洞测量和控制系统的设计思路。从压缩机状态监控、风洞测量、状态管理、计算和试验一体化等方面分析了人工智能的作用及效果，风洞压缩机状态监控系统如图4所示。竹朝霞等的研究结果表明：采用虚拟仪器技术不仅可以改造现有仪器设备，以满足当前的气动试验要求，而且使系统在可视化、操作便捷性、测控能力、测试精度及可靠性等方面也有较大提高。

图4 NF-6风洞压缩机状态监控系统[28]Fig.4 Condition monitoring system of NF-6 wind tunnel compressor[28]

神经网络控制是神经系统对外界信息进行并行处理的过程，可以模拟人的学习。通过对一个事物进行反复学习，就可以复现、模仿该事物，然后根据设定的目标，使该事物朝着既定目标发展。因此，根据给定的目标函数，神经网络可以利用其自学习的特点，使被控制对象达到最佳的状态。神经网络控制在国内外风洞中已有比较广泛的应用。

专家系统主要是借助已有的专业知识和经验，运用人工智能，模拟人类专家的思维过程，解决某些需要专家决定的复杂问题。对于风洞工况带来的参数变化、控制参数的选择、吹风过程中的事故判断和处理等，专家系统是非常有用的。2.4 m跨声速风洞智能运行控制系统就是利用已有试验数据，构建包含特征参数、原始及精选数据的数据库，成功实现开车参数的自动生成，有效提高了风洞试验运行效率。

智能控制常与PID控制组合使用，即利用智能控制算法，整定适合的PID参数，再利用PID调节器对风洞马赫数或者稳定段总压实现最终的控制。为满足暂冲式跨、超声速风洞运行工况复杂且马赫数变化范围宽的实际需求，研究人员采用智能多模态控制器代替传统的PID控制，有效改善了风洞控制系统的动、静态性能指标。为有效克服跨声速风洞中电液伺服控制器可靠性低、调试维护和使用困难等技术问题，杜宁等将HNC100智能控制器技术成功应用于跨声速风洞控制系统，有效改善了阀门的控制精度和执行机构的运行特性，风洞总压及马赫数的控制精度也有较大提高。基于HNC100的伺服控制模式原理如图5所示。

图5 基于HNC100的伺服控制模式原理图[37]Fig.5 Schematic diagram of servo control mode based on HNC100[37]

大型风洞试验设备是智能测控系统应用的理想场所。20世纪90年代，美国NASA阿姆斯研究中心和美国空军阿诺德工程发展中心就已经对风洞设计以及试验过程中的数值计算、智能系统、专家系统、数据管理及融合等数智化技术开展了很多探索性研究工作，并取得了很好的效果。欧洲在ETW风洞设计建设及试验过程中，基于数值模拟、网络集成和专家系统的数字化、网络化以及智能化技术也开展了大量的应用研究。

从国内外风洞设计运行现状看，以数字化、网络化、智能化为代表的数智化设计技术在风洞设计建设中已经得到了一定的应用，并取得了较大技术进步。但国内的数智化风洞设计技术起步较晚，尤其是在智能制造与装配技术、控制系统智能化、智能机器人技术、智能健康管理等风洞设计技术领域，数智化技术还有待进一步加强和提高。

2 数智化风洞技术需求及发展趋势

近年来，随着大数据分析、虚拟现实、互联网、云计算、人工智能等技术的不断发展，数智化已成为我国未来高端装备发展建设的重要趋势，也为大型风洞设备向数智化方向转变提供了契机。为此，通过分析梳理大型风洞设计建设过程中面临的数智化技术问题和发展趋势，提出构建数智化风洞系统的设计建议，为提升我国大型风洞设备的综合能力和服务水平提供技术储备。

2.1 数字化风洞系统发展趋势及研究建议

数字化通过对产品、工艺和资源信息进行数字化描述、分析和控制，快速生成满足要求的产品，是实现数智化风洞的基础要素，广泛应用于气动分析、建模仿真、数字化设备、信息化管理等风洞设计各过程和环节的集成优化。未来数字化风洞系统研究的重点将集中在以下几方面：

1）风洞数字化协同仿真平台建设。主要是开展风洞气动、洞体结构、测控系统数字化设计和仿真计算分析，构建数字化、模块化、参数化的风洞数字样机“虚拟风洞”。虚拟样机不仅包括风洞的几何模型、风洞的功能和性能仿真模型，还包括风洞的制造模型、操作维护模型以及环境模型等的有机融合，以实现风洞的设计优化和运行流程及控制优化。并基于仿真计算结果，对风洞复杂物理过程以及关键参数的相应特性进行三维可视化展示。

学生在练习纸上，按要求画出符合题意的图形，由于按习题要求，只需分成两个周长相等的图形即可，所以方法是多样的，结果也是多样的，比如下面这些不同的画法：

2）三维流场精细化、可视化测量体系研究。主要是发展高精度的数字化传感器、天平技术、非接触测量和流动显示技术，实现对流场的无干扰全场测量，增强对流动物理现象和机理的深入了解。发展基于视频的模型姿态和变形测量系统、PIV流场三维显示系统、高速气流湍流度热线测量和数据处理技术、复杂运行环境下的压敏漆及温敏漆测量技术等。稳步推进流动显示测试向定量化、精细化发展，促进多物理场的同步测量和集成融合技术。如图6所示的PIV流场测试系统在亚跨超声速风洞以及超燃等流场测试及诊断领域都已得到广泛应用。

图6 PIV流场测试系统[18]Fig.6 Flow field measurement system of PIV[18]

3）风洞运行试验数据分析管理研究。主要是运用大数据技术开发风洞试验全域全过程数据采集和系统分析，采用数据采集新方法，得到试验过程全部宏观、细节、时频域信息，为大数据分析提供数据支持。开发大数据多样化处理和可视化分析方法，实现各种试验数据宏观规律现象快速精准分析和精细化微观现象的深入分析，并为试验问题、故障的准确定位提供支持。利用CFD技术和辅助测试手段，建立参数化的风洞试验数据修正通用模块和专家库系统，实现洞壁及支架干扰修正、弹性角修正等快速精准分析，为工程师和用户的数据后处理分析及时提供原始试验数据和无干扰数据。

2.2 网络化风洞系统发展趋势及研究建议

互联网将人、数据和事物连接在一起，通过企业内、企业间的协同和资源共享，重塑产业的价值链，推动产业向数字化、网络化转变，大幅提高产业效能并创造新的产业。网络化是数智化风洞系统的核心要素，有助于实现设备设计、研发及制造的协同与共享，有助于实现横向、纵向和端到端的集成，为打通整个系统的数据流、信息流提供保障。风洞试验与型号用户单位通过网络实现交互，风洞试验开始从以试验数据提供为中心向以用户服务和解决气动力问题为中心转型。从目前掌握的技术资料看，网络化风洞系统研究重点主要集中在以下几方面：

1）风洞设备设计、制造、安装调试、试验运行的数字化、网络化、模块化协同创新体系。风洞设备系统多、技术复杂，需要众多的设计单位、研究单位、制造安装单位等协同集成，才能高质量地完成风洞设备的设计建设。通过互联网、大数据等新一代信息技术，不仅要实现风洞数字化设计研究、数字化制造、数字化安装调试等纵向集成，也要实现设计单位之间、制造单位之间、安装调试单位之间以及设计、试验运行、型号用户之间的端到端集成，形成一个高效的风洞业态系统有机整体。一方面，风洞协同创新体系是一个开放型、合作式的创新平台，风洞建设的整个价值环节采用竞争参与、合作共享模式，要求设计研发、加工制造、安装调试的企业机构实现数字化、网络化转型，具有定制化、柔性化、模块化的产品设计、生产能力。另一方面，风洞协同创新体系能够实现设计端对风洞产品的洞察，通过物联网与风洞运行保持联系，收集风洞运行的动态数据，持续地分析风洞运行使用情况，为改进风洞设计、开发新技术和服务提供依据。

2）风洞试验、数值仿真、模型自由飞三大手段之间的数据共享和数据融合。针对CFD计算方法和软件，建立基本的验证和确认方法，确定规范化步骤，收集整理国内外已有的可用于CFD确认的标模或Benchmark实验数据。选定有代表性的标模实验模型和流动状态，开展数值计算和风洞实验的相互对比研究，进行气动参数辨识结果的不确定度研究。根据数据融合理论和方法，通过对三种不同来源气动数据进行充分利用和合理支配，借助数据关联、估计、判断、推理、综合等手段，将这些互补和冗余信息依据某种准则综合起来，获得精准度更高的气动数据，并建立气动力数据库共享平台，用于气动力数据的分析、确认和评估，三种手段融合式发展模式的概念图如图7所示。近几年，国内开展的国家数值风洞（NNW）工程项目在突破国外长期数值风洞技术垄断、弥补与国外技术差距方面取得了很大的进步，也是国内数智化风洞技术发展的重要一环。

图7 三种手段融合式发展Fig.7 Integrated development of three means

3）试验单位与用户间的远程交互和数据共享。通过网络平台将风洞试验现场、试验分析站、用户单位构成有机整体，实现试验单位与型号用户单位的远程交互和数据共享。试验单位参与型号模型的设计和制造过程，针对特定的气动力问题和风洞特点，制定个性化的试验方案和试验大纲。用户单位参与试验、气动数据的问题分析等关键环节，加强对试验数据质量控制，根据试验过程形势变化进行试验项目内容和计划动态调整，优化试验流程和组织。实现型号试验从数据提供向用户服务和问题解决转变。开展风洞与模型自由飞试验数据的相关性研究，在数字化基础上建立数据共享的数据库系统，及时优化各种风洞试验数据修正方法，提供更为精准可靠的数据服务。

2.3 智能化风洞系统发展趋势及研究建议

近年来，人工智能技术得到了迅猛发展，人工智能技术与先进制造技术的深度融合又为新一代智能制造创造了条件。新一代智能制造将重塑产品设计、制造、服务等各个环节，催生一系列新技术，进而改变传统的生产方式和思维模式。智能化是数智化风洞系统的根本要素，其主要特征表现为风洞系统在数字化、网络化的基础上具备了学习能力。通过人工智能等技术的应用，深度处理和利用信息，使目标对象具有一定自主学习、分析、决策和控制执行能力，能主动适应环境的变化，使知识的获取及应用发生根本性改变，显著提高整个系统的效能和服务质量。未来智能化风洞系统研究重点将主要集中在以下几方面：

1）智能制造与装配技术体系建设。大型风洞设备设计建设中面临诸多问题，如系统复杂、结构尺寸大、精度要求高等，这对工艺水平和加工制造能力提出了更高要求。为提高设备的加工精度和质量，需要构建满足设备现场加工的智能系统，通过先进制造及智能技术的深度融合，研发集感知、决策、执行于一体的智能装备。需要开展包含风洞大尺度结构部件的虚拟装配问题研究，包括三维数字建模技术、数字孪生技术以及装配工艺虚拟仿真技术等，从而为高精度装配提供技术支撑。以专家知识库、过程监控、在线检验、虚拟装配等智能化技术为建设内容，通过改变传统制造模式，大型风洞设备的智能制造可显著提升产品质量和制造效率。目前，基于智能系统的虚拟制造与装配技术（图8）在航空发动机、整机装配等领域都已得到广泛应用。

图8 虚拟制造与装配[51]Fig.8 Virtual manufacturing and assembly[51]

2）风洞运行控制的智能化技术开发。大型风洞设备一般包含多个子系统，各子系统的协调控制比较复杂。气动、结构、测控多系统耦合调试过程中的复杂动态特性对风洞测控系统提出了更加严苛的要求，因此在风洞控制系统中采用自主调节、智能决策等技术实现风洞的安全高效运行将是风洞测控系统的一个重要趋势。从现有风洞的实际应用需求看，大型风洞智能控制系统可以在自适应、神经网络、智能优化等方面开展研究。

图9 NFT智能温度调节控制Fig.9 Intelligent temperature control of NTF

3）风洞智能化健康管理系统构建。大型风洞设备健康管理系统是设备安全稳定运行的重要保障，为实现健康管理系统的智能化，应借助机器学习、数

据挖掘等手段，完善健康管理系统的感知、维修、自主学习等功能。初步构建的风洞智能状态监测及健康管理系统总体架构如图10所示，风洞设备的主要参数信号不仅数据量大、种类繁多，而且特征各异。开展健康管理系统构建，需要借助风洞数字化的数据融合技术，从海量数据中提取出高价值知识。然后，依据待预测对象特征参数、运行环境及历史数据，运用智能算法对设备可能出现的故障进行预测、分析，进而提出预防改进措辞。在此基础上，采用已有的专家库进行故障识别，运用模糊学、神经网络等智能化技术进行故障诊断，确保设备正常稳定运行，同时将识别的故障录入专家库，以备后续调用。

图10 风洞智能状态监测及健康管理系统总体架构[12]Fig.10 Overall structure of intelligent state detection and health management in wind tunnel[12]

4）风洞智能机器人研发。某些大型风洞内部环境特殊，如NTF风洞为低温环境（温度可达–160 ℃），人员无法直接进入洞体内部维护。在更换试验模型的过程中，必须借助模型车将模型移出洞体进行置换，严重影响了试验的效率。借助智能机器人开展洞体检测、维修以及试验模型更换，不仅可以提高试验效率，降低运行成本，还可以缩短试验周期，提高风洞试验的安全性。当前，随着智能机器人在工业生产、生活服务等诸多领域的广泛应用，智能机器人技术已得到了飞速发展，如图11所示的特殊环境智能机器人技术已成功应用于生物医药、化工等行业。然而，每个应用领域都有自身的特点和技术需求。风洞智能机器人的研发和应用，应结合风洞实际运行中宽温域、变压力等特点，发展特殊环境智能机器人技术，实现特定工况下风洞检修、模型更换、实时检测等功能。

图11 特殊环境中的智能机器人技术[52]Fig.11 Intelligent robot technology in special environment[52]

数智化风洞系统中的数字化、网络化、智能化三个基本要素体现了未来风洞设备的发展趋势，三个要素各有特点、规律和重点需要解决的问题。数字化技术是数智化风洞系统的基础要素，是实现系统参数化到数字化转变的关键；网络化技术是数智化风洞系统的核心要素，是实现网络互联和跨平台人机交互的重要一环；而智能化技术则是数智化风洞系统的根本，是风洞系统自动化、智能化水平的综合体现。三个基本要素在技术上和时间上不是孤立的，而是相互交织、相互集成的，体现着数智化风洞系统融合发展的基本特征。

3 总结与展望

风洞是研制飞行器和地面交通工具的重要基础设施，其性能和试验能力直接影响到先进气动设备的研发进程。本文对国内外大型风洞设计建设过程中应用到的数字化、网络化以及智能化技术问题进行了总结分析，指出数字化技术是实现数智化风洞系统的基础和前提，网络化是实现数智化风洞系统的核心，而智能化技术是实现数智化风洞系统的根本要素，三者是相互补充、互为促进的关系。在总结已有数智化风洞技术基础上，针对风洞设计建设及运行过程中的技术需求和发展趋势，从智能制造与装配技术、智能化运行控制技术、智能化健康管理系统构建以及风洞智能机器人研发几个方面，提出了关于构建数智化风洞系统的设计建议，希望能为下一步大型风洞的设计建设及高效运行提供参考。未来的风洞设计和运行模式，将更注重先进设计、试验、数据分析等领域信息技术与风洞设备的深度融合，以满足风洞便捷、高效、可靠的试验需求，使得试验型风洞与数值风洞的结合更加紧密。