■ 曹新祥 郑东良 俞瑞斌/空军工程大学 中国人民解放军93856部队
智能化保障的新特征可以简单归结为“四化”,即高效化指控、精确化保障、自动化操作、智能化行为[1]。从其特征中可以总结出实现智能化的重要基础便是要首先实现整个保障过程中的前后方、系统间的信息交互。传统保障过程中依靠现场保障人员的分步式作业、凭借经验和人力的模式在新的保障革命中已经呈现了各种缺陷,保障作业不够系统、保障信息迟滞、保障任务规划不够智能等导致装备本身的可靠性不高。因而,提高智能化保障系统的效率,应该首先从信息化着手,提高整个系统的自动化程度。数字孪生是以数字化方式创建物理实体的虚拟模型,借助数据模拟物理实体在现实环境中的行为,通过虚实交互反馈、数据融合分析、决策迭代优化手段等为物理实体增加或扩展新的能力。作为一种充分利用模拟、数据、智能并集成多学科的技术,数字孪生面向产品全生命周期过程,发挥着连接物理世界和信息世界的桥梁和纽带作用,可提供更加实时、高效、智能的服务[2]。
本文将区分现实保障系统、数字孪生保障系统等概念,对现实保障系统的数字孪生模型进行构建,并在此基础上构想其运维模式以及能够发挥的“智能化”能力。
发展装备过程中要权衡的因素不是单一的、独立的,而是将众多因素一起考虑、综合分析。将数字孪生技术应用于智能化保障中,可以大幅度影响到其中的关键因素。
在装备快速设计制造的今天,新型技术的应用使得装备本身的复杂程度空前提高,传统的完全依靠人工保障的模式中,针对保障过程中保障资源的调配、任务的划分,基本是凭借人工经验进行任务规划和资源调配,依赖于主观决策,时效性差、兼顾性弱,更缺少装备故障预警和健康管理等主动预测性理念的应用,在高新技术集成化、模块化的新型装备保障过程中难以适应。
装备发展过程中,从立项、设计到装备的使用维护保障等全程均需要大量资金投入,因而要想保证装备平台在一定阶段的可持续发展,必须兼顾经济性。其中,应树立关于装备性能定制的理念,立足于实际情况考虑,对同一性能的装备在型号设计以及组件通用性上加以改进,解决功能一样、型号各异、后期保障问题突出等实际矛盾。
传统装备保障模式对于保障人员的要求较高,从初始故障诊断、故障维修直至保障的全过程基本都是以人的意志为主,因而如果出现特定的保障人员调动等不在位的情况,保障工作会受较大影响。保障经验的数字化则可以有效解决这一问题。通过对故障进行感知上传分析,对比历史数据资料,直接给出维修保障流程和步骤,相关人员只需要按照流程进行操作,便可以大大减少对于特定保障人员的依赖性,有助于实现保障工作流程化,以流水线的模式完成保障工作。在此基础上,通过对装备各阶段数据的收集,可以实现装备个性化保障,一装一保障,使得装备拥有其自身的全寿命周期保障档案,从而实现精准定位定时,进行视情维护。
装备保障系统整个过程中存在很多不确定性因素,这些因素部分源自于装备本身的设计制造,部分则与装备所处的环境以及人员操作的习惯有关,综合影响着装备正常的运行以及其保障过程,因而构建数字孪生保障系统必须做到能够对装备本身、所处工作环境以及保障环境实时感知和监控,同时通过高效的信息网络传输,使得采集的数据能够高效率传输,通过智能化的数据分析,进行保障任务规划和资源调配。其主要功能为:一要在装备正常运行和保障工作中,对产生的各种数据进行收集汇总,达到实时反映应用及保障场景的程度;二要通过映射现实保障工作场景的数字模型,并且通过现实保障过程中采集的数据进行模拟仿真,实现模型与现实操作同步变化;三要在上述数据共享、远程联动的基础上,充分发挥数字孪生保障系统的价值,通过大数据分析、算法应用等,对装备保障的任务进行规划,对现有保障资源进行最优化的调度;四要进一步通过数字孪生中的装备数据积累,形成装备全寿命周期管理的模式,实现装备应用过程中各个阶段的性能发挥及保障工作可视化,从而增加总的装备使用调度层面的冗余度,充分体现装备保障过程中的“智能化”水平。综上,数字孪生保障系统主要由三大部分组成:装备现实保障的物理空间体系、映射保障过程的虚拟空间体系以及二者之间的信息交互网络,如图1所示。
图1 数字孪生保障系统运维模式
其运维模式主要是以装备本身以及保障装备的设备设施等为基础,通过装备自身故障诊断以及其工作实时监测系统所产生的数据,结合保障设备测试所得数据,在云端形成一个能够映射反应现实装备物理实体的数字孪生保障系统,形成一个“感知→传输→集成分析→智能决策→实施”的信息处理数据链,在整个数据链中,感知主要通过现实装备物理实体环境中的实时传感器以及人工使用的设施设备采集等进行装备状态的实时录入,传输主要依靠专用局域网络进行数据的高速传输。到达数据处理中心后,通过系统中的大数据分析等技术对数据进行集成分析,在比对数据库以及相关智能算法的推演下进行任务智能规划和决策辅助分析,将所得结果通过网络回传至现实装备保障环境中,通过物理空间到虚拟空间再到物理空间的一来一回的模式,给出特定装备保障的任务规划,从而缩短规划时间,提高保障效率。
如上所述,数字孪生保障系统在实现物理空间到模拟空间的基础上,将系统具体划分为数据层、模型层、应用层,如图2所示。数据层主要依赖数据采集的设施设备进行数据收纳,具体包括现场装备数据、装备功能发挥数据、物理空间数据等,在此基础上,结合数据库本身存储的装备历史状态数据以及装备历史维护数据,构建一个能反映装备实时运行状态以及具有健康预测功能的综合数据库。模型层中,在综合数据库的支撑下,通过一系列模型的构建,充分融合数据并进行数据集成分析,其中嵌入了相应计算机智能算法及大数据分析技术等,并通过仿真建模,将数据转化为人工可参考的价值策略直达应用层,有效指导保障人员及指控人员进行保障任务规划、装备健康评估、故障快速定位以及装备寿命预测等,实现装备保障流程化、数字化模式,全方位进行装备的健康管理。
图2 实物保障应用模型
装备保障过程中,关于保障资源的合理规划以及调配非常重要,尤其在当下技术密集型的装备快速发展趋势下,保障资源配属的及时性、精准性直接决定了保障工作的效率。在资源优化的应用场景中,以数字孪生系统为大框架,在数据层面主要是采集归纳保障人员数据、装备本身数据、装备保障器材数据、保障环境数据、资源配送数据以及保障资源数质量的数据等。模型层中则主要包括智能化运输配送模型、资源智能配比模型、非计划供应模型、紧急调配模型、缓存库模型等。通过数据以及模型层最终实现应用层的资源精准配属、远程及时调度、具体方案生成、库存智能化管理、后续资源补充评估等,形成智能化的外围保障体系,从而在兼具经济性的情况下,实现高效精准保障。如图3所示。
图3 外围保障资源优化模型
总结装备发展的整个阶段,智能化保障是未来装备发展的必然趋势,数字孪生系统模型的构建和应用是智能化保障在其关键技术突破上的重要一步,是实现装备保障数字化、流程化的重要应用。随着装备的不断升级换代,根据其本身构建的孪生模型也将呈现出更加复杂的特点,对于数据库的要求也将更高,但通过将这种物理空间映射到虚拟空间的模式,将大大减轻人工保障的压力,解决长期以来装备更新而保障模式不能同步更新的部分瓶颈问题,为装备智能化保障模式的实现增添一种非常重要的关键技术手段。