机理/数据混合模型

机理/数据混合模型是结合物理机理模型和数据驱动模型（如神经网络）优势的建模方法，被指出是满足高置信度、全状态[[数字孪生]]需求的必然趋势。

三种建模方法对比

机理性建模

• 原理: 从航空发动机的机理出发，基于通用理论模型，应用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
• 优势: 具有物理可解释性
• 不足: 缺乏与实测数据的结合，难以准确描述和预测全寿命周期性能特性

数据驱动建模

• 原理: 选取大量样本数据，采用神经网络算法进行训练
• 优势: 强大的映射能力，可实现多变量、强耦合、非线性系统建模，计算结果通常与实测数据精确吻合
• 不足: 忽略对设备物理特性的描述，难以对结果给出机理性解释

机理/数据混合模型

• 原理: 结合两种方法的优势
• 必要性: 对于航空发动机数字孪生仿真建模，使用场景对其置信度要求极高时，单一建模方法无法在全包线、全状态范围内精确反映性能

发展趋势

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，将气动、结构和系统等各类专业模型进行有效集成，实现系统级的多学科联合仿真模型。