航空发动机是多学科集成动力装置，需要满足诸多苛刻而又互相矛盾的综合指标要求，且长期处于严酷的工作环境，对技术研发和工程设计挑战巨大。为满足飞机日益提升的性能需求和技术革新要求，新的航空发动机构型和技术方案不断涌现，研发周期和成本提高，对航空发动机研发全流程都带来巨大的挑战。
航空发动机产品的全生命周期阶段分为需求分析与定义阶段、设计阶段、制造阶段和运维阶段等。航空发动机的协作性和多学科性质，以及集成大量组件和相关模型的需求，亟须推进数字化进程实现和使用先进的系统工程方法和工具，有效地管理产品的复杂性。
随着仿真技术和数字化技术的进一步发展，航空发动机设计仿真技术逐渐向综合化、集成化和融合化方向发展，同时伴随系统工程方法论的进一步完善，整个航空发动机研发体系正在发生革命性变化。所有航发利益相关方正在急切地寻找基于模型的系统工程（ [MBSE]）、数字孪生（ Digital twin）和数字主线（ Digital thread）相关的解决方案。
关键技术1：学科仿真模型
学科仿真模型集成利用基于物理的分析能力，将相关学科模型进行集成，以便获得系统级功能和行为的方法，已经被广泛航空从业者认可。集成技术经过多年的发展，学科模型也已经从单一工具的集成阶段，发展到协同环境下跨工具的集成阶段。无论处在何种阶段，学科模型之间的信息交互始终是集成的关键问题。学科模型的信息交互，主要包括学科知识之间的交互、异构数据模型的交互、模型间的信息通讯等。对于航空发动机此类学科复杂度高、耦合性强的专业，如何使学科模型高效集成、重用和优化，始终是研究的重要方向。
关键技术2：系统模型和学科模型的连通
要实现系统模型和学科模型的联合应用，模型之间信息的连通性是必须解决的关键问题。由于系统模型的语义不确定性与学科模型的描述精准性差异明显，除了要明确交互接口规范、数据类型和通讯规则等信息以外，还需要精心设计并定义各自模型中信息交互与存储的属性。
在系统建模过程中，以参数化建模的方式将几何模型与需求相关联，将需求作为“种子”成为学科几何模型的起点，将系统级约束编码为几何或参数边界，在将系统需求可视化为几何图形的同时，也实现了动态计算几何模型是否违反约束的方法。通过对学科几何模型不同阶段基线模型内系统属性的提取，又实现了工程分析和系统需求的自动化验证。
关键技术3：数字孪生的仿真建模方法
针对航空发动机数字孪生建模问题，主要有机理性建模、数据驱动建模，以及机理/数据混合模型三类方法。机理性建模方法从航空发动机的机理出发，基于通用理论模型，应用航空发动机循环的热力学公式对进气道、压气机、燃烧室、涡轮和尾喷管进行建模，考虑热力循环过程中的流量方程、压气机中的压缩方程、燃烧室中的热平衡方程、换热方程等建立航空发动机数字孪生模型。机理性建模的不足是缺乏与航空发动机实测数据的结合，因而难以准确描述和预测航空发动机全寿命周期性能特性。
数据驱动建模目前主流是神经网络类方法，因此其强大的映射能力可实现多变量、强耦合、非线性的系统建模。数据驱动建模选取大量的样本数据，采用神经网络算法进行训练，可以得到更好的仿真效果，计算结果通常能够与实测数据精确吻合。数据驱动建模的不足是忽略了对设备物理特性的描述，难以对结果给出机理性的解释。
对于航空发动机数字孪生仿真建模来说，使用场景对其置信度要求极高时，单一的建模方法显然无法在全包线、全状态范围内精确反映航空发动机甚至飞机整体性能；另一方面，从整个数字孪生的高保真度要求来看，工业需求不仅追求发动机本身的热力性能信息，同时也关注其结构和内部三维流动，甚至全生命周期或各类故障下的表现情况，传统的单学科仿真难以满足数字孪生在航空发动机上的应用需求，多专业间匹配开始成为数字孪生的标配，因此其建模方法趋向多学科，跨专业，需要通过模型降阶技术、通用接口模型设计和统一仿真架构设计，将航空发动机气动、结构和系统等各类专业模型、有限元仿真模型进行有效集成，实现系统级的多学科联合仿真模型，涉及的建模技术包括：建模规范构建、多学科系统建模、有限元模型降阶、异构模型集成、模型修正与更新、虚实交互接口开发和模型实时化等技术。
胡忠志，曹文宇等，清华大学航空发动机研究院