航天装备未来需要面向复杂任务模式、复杂飞行特性和极端飞行环境，装备总体集成设计具有任务需求复杂、系统耦合深入、研制难度大等综合复杂特点，需要根据各系统、各学科之间相互联系、相互制约的关系，进行大量的方案对比和多轮从简至繁的设计循环。但这也是全面提升总体设计水平、消除安全隐患的必由之路，其本质在于通过对各系统设计裕度的共同掌握，开展全系统总体级的迭代优化设计，以获取总体性能最优的可行设计方案。本文即是在分析国内外总体集成设计技术研究工作的基础上，探讨航天复杂装备总体集成设计的智慧研发模式的构建手段，以期为驱动未来装备发展提出相关建议。

 

一、研究现状

 

早在 20 世纪 80 年代，美国等发达国家就意识到传统总体设计方法的问题，并提出了一种新的设计方法——集成化设计。其主要思想是在设计的整个过程中集成各学科 / 子系统的知识，应用有效的设计 / 多学科优化策略和分布式计算机网络系统组织和管理飞行器设计过程，即通过充分利用各个学科之间的耦合所产生的协同效应，获得系统的整体最优解，并通过实现并行设计来缩短设计周期。与传统的总体设计方法相比，这种新的设计方法更加符合系统工程思想，并被视为解决现有问题、全面提升飞行器总体设计水平的有效手段。目前，集成设计技术已经在航天器总体设计特别是新型飞行器的总体设计过程中发挥了重大作用。

 

以美国为例，最典型的例子是由美国国家航空航天局（NASA）和多个部门合作开展的高速民机（HSCT）总体设计。该项目由旨在提高飞行器总体设计与计算水平的HPCCP计划支持，目标是对整个飞行器构型同时进行多学科的外形和尺寸优化，它采用高精度有限元进行结构分析，采用高精度计算流体力学（CFD）进行气动分析、全任务性能计算以及预想的 HSCT 外形设计，须优化的问题是使飞行器总的起飞重量最小，使其在NASA高速研究计划（HSR）中支持构型决策。其模型最初只考虑5个设计变量、6个约束、采用简化模型，且每轮只循环约10min。发展到今天，该模型已考虑了271个设计变量、31868个约束、采用精确分析模型，且每轮循环约 3d 时间。目前，围绕这一项目已经形成了系统的总体集成设计体系，以及FIDO、CJOpt 等集成设计软件框架。集成设计在HSCT设计中的成功促使了 NASA 大力推广这一新型总体设计方法。目前，集成设计的应用对象已经包括混合翼体飞行器（BWB）、支架翼飞行器、太空望远镜（NGST）、X-33、X-43A、F/A-18E/F、F-22 等各类新型飞行器。如今，在 NASA，基于集成设计的飞行器总体设计已经形成了标准的流程，产生了相应的设计环境，如HOLIST等。宣布，将把集成设计方法应用到未来的所有飞行器总体设计过程中。

 

NASA 在2015年技术路线图中明确指出，NASA 未来的基础研究技术目标在于实现“支撑飞行器建模、仿真、大数据处理、机器智能研究工作的跨界融合计算能力，形成包括云计算、量子计算与认知计算能力的高性能工业设计软件能力”。NASA 认为，高端的航天工业设计软件意味着创新能力和领导地位。由于AMES、Langley、JPL 等研究中心的研究工作更加依赖航天工业设计软件，新一代飞行器研制工作也趋向多学科精细化设计、多领域协同研制、大数据处理云端化，主要体现在：

 

（1）计算模型的复杂度和规模增大。计算模型从过去简单的单一尺度低阶计算精度模型到现今逐渐采用复杂的多尺度高阶计算精度模型，从过去一维的个位数自由度模型到三维上万自由度的模型。

 

（2）形成多学科的综合优化设计。设计从过去的单学科优化到现在的气动力、载荷、结构等多个学科的综合应用。由此，需优化设计的变量也在增加，从过去的十几个设计变量、简单约束问题，到现在十万个变量的规模。

 

（3）数据处理手段智能化。数据处理从依赖人力完成统计分析，到引入认知计算（cognition computing）进行系统不确定度分析、可靠性分析、故障模式及风险分析、决策的协同优化分析等覆盖产品全生命周期和制造全业务活动的工业大数据应用。

 

欧空局认为航天航空工业集成化设计是关键的使能基础技术，已在 2020 年完整实现多学科设计优化，拟在 2030 年以后通过高性能计算实现整机基于数值模拟技术的虚拟飞行验证。基于对航天航空工业设计技术基础架构的 稳定性、自主可控性和可持续发展性考虑，欧空局于 2007 年启动了 C2A2S2E计划（Center for Computer Applications in Aero-Space Science and Engineering），如图 1 所示，最终目标是以航天总体技术为基础，融入相关多学科的设计、仿真软件，实现航天装备的虚拟飞行测试，通过跨学科研究，充分利用预期高性能计算能力的增长、新软件工具和新技术的开发使用以及新的工作方式，显著提高工程研制速度。现阶段，得益于此项计划的研究成果，以德国宇航院 DLR 为代表的欧空局研究院所，形成并部署 了近万套各种专业应用软件在内的设计工具集，包括总体协同设计、计算流体力学、计算结构力学、空气动力学、控制系统和结构分析软件，应用于选型及预研的设计计算能力在过去的10年中提高了2～3个数量级。过去许多仿真试验需要数周才能完成 1 次，现在1个晚上可以完成20~30次，增强了设计及验证结论反馈的及时性，降低了产品开发成本，缩短了研制周期，提升了系统的总体设计水平。

 

图 1  欧空局 C2A2S2E 航空航天科学与工程应用计划框架

 

从航天企业未来发展来看，飞行试验和大型地面试验成本很高，适宜对特定状态进行验证，同时也由于试验本身的技术局限性，存在更多难以得到考核验证的高超声速飞行状态。从探路者号火星探测器到各种类型的导弹、飞行器，NASA 通过飞行系统验证平台（flight system testbed，FST）与仿真器（spacecraft simulator，SPASIM）以虚拟飞行验证作为弥补飞行试验的主要技术途径，带来了可观的经济、军事效益。在航天器虚拟试验领域，NASA 进一步发展了半实物的数字孪生技术，用于训练演习和辅助在线决策。

 

在面对装备研制领域中学科应用领域与计算应用规模需求增长的背景下，国内航天领域的总体集成设计研究也得到了国家战略层次的支持。《国家创新驱动发展战略纲要》明确了数字化、网络化、智能化作为提升产业竞争力的技术基点。推进航天领域的智慧研发，亟须推动航天产品研制的数字化、网络化、智能化，建立飞行器数值装置原型系统一虚拟飞行试验系统作为飞行器测试台。由此可以预见，总体集成设计及其相关学科发展，在未来装备研制过程中将具有越来越明显的作用和优势，在相关项目前期方案论证、设计和分析优化中发挥越来越重要的作用。

 

从国内外飞行器相关技术的发展历程和趋势来看，现阶段虽取得了一些进展，但总体集成设计的各研制阶段涉及专业多且极为复杂，各专业各阶段的设计、分析过程并没有进行规范化、模板化，尚未形成标准化的知识，导致设计结果较多依赖个人经验和水平，造成设计效率低、迭代设计过程周期长。同时，历史研制过程积累了大量仿真试验、地面试验、飞行试验数据，但由于数据收集、存储和挖掘分析的制约，难以发挥其技术价值。因此，为航天复杂装备总体集成设计工作提供总体集成环境或平台作为知识、模型、规则、算法等载体来驱动发展，是未来飞行器发展的关键要素和主要方向之一。

 

二、当前航天总体研制的难点与需求

 

传统的航天总体研制流程及设计模式如图 2~3 所示，目前已经难以适用现代航天复杂装备的研制，其主要研发难点与需求如下。

图 2 传统的航天总体研制流程

图 3 传统的航天总体设计模式

 

（一）研究领域新，自主创新要求高

 

现代航天复杂装备基于飞行任务负载和包络拓展的研制需求，对飞行器自身性能和环境适应性提出了跨代研制要求，研发过程中遇到的气动、控制、防隔热、电磁、博弈对抗等技术难题都是世界前沿问题，可借鉴的理论基础较少，需要依靠自身研发力量组织基础理论研究和专业技术攻关对问题进行摸索和解决，攻关难度较大。因此需要通过自主创新，形成现代航天复杂装备研制理论体系、标准体系、研发流程和研发手段。

 

（二）多学科、多专业紧耦合的总体设计亟须研发手段创新

 

现代航天复杂装备的飞行环境复杂，各系统会产生复杂的交联耦合关系（如气动、控制和结构由于结构变形产生的耦合效应），设计空间高度非线性，导致传统的单一系统验证已不能真实反映复杂的耦合关系，难以有效地获得最佳的系统方案 。多专业强耦合的总体设计需要根据各系统、各学科之间相互联系、相互制约的关系，进行大量的方案对比和多轮从简至繁的设计循环。

 

（三）对海量数据、知识管理要求高

 

由于现代航天复杂装备研制过程复杂、各学科耦合性强，需要经过大量的仿真试验、地面试验和飞行试验，因此积累了海量的知识数据资源，引发了数据的爆炸性增长。但因数据的巨型规模、类型多样化、来源多样化的特点，传统的数据收集、存储和挖掘分析技术已经无法满足现有数据的处理需求，现有大数据资源无法发挥其技术价值，亟须引进高可靠性、高可扩展性、高处理性能的大数据分析框架，满足现代航天复杂装备海量多源强耦合异构数据处理分析的需求。同时，传统基于文档的数据管理与传递模式将产生大量不同类型的文档，具有信息表达不完备、易产生歧义、难以实现变更追溯、难以实现“需求—设计”“需求— 验证”过程的追踪等缺点。现代航天复杂装备 高效研制流程对产品设计、试验、生产等过程中产生的各类数据及相关知识的管理提出了更高、更新的要求，导致传统知识管理体系已无法适应其发展，需要采用创新的手段建立基于模型的系统工程，实现基于参数的多学科数据传递与控制。

 

（四）研发过程复杂，管理模式需要创新

 

临近空间飞行器研发采取的是多单位、多专业、多学科紧耦合的研发模式，存在领域多、专业面广、创新性强、技术难度大等特点，需要充分发挥全国各专业的技术优势。在产品研制过程中，协作单位多，异地协同开发特点突出，质量与可靠性要求高，研制风险高，研制流程管理难度大。因此，相关人员需要在管理模式上进行创新，改变原有的质量管理、项目管理等与研发过程脱节的现状，将质量管理、物资供应、项目计划、人员经费等要素融入产品研发过程中，通过对研发流程的管控，实现对质量、人员、经费、进度等内容的实时掌控与动态管理。

 

三、航天总体智慧研发赋能过程

 

装备数字化是指针对装备建设的体系复杂性、快速演进性和博弈对抗性，对装备实体、管理活动和外部空间进行数字化表达，构建以装备体系、装备需求、数字样机、数字装备为核心的数字模型体系，在数字空间开展战略筹划、装备论证、研制生产、试验鉴定和运用保障等装备全寿命周期建设管理活动，建立虚实互动的装备建设新范式，大幅提升装备建设发展效益。随着云计算、大数据等技术的迅猛发展，数字化技术赋予了智慧新的含义。“互联网+”“中国制造 2025”国家战略规划下，数字化的智能应用特指全面透彻的感知、高速的数据互联、智能融合的应用以及“以人为本”的可持续创新发展。“智能化”已与“数字化”“网络化”一起成为信息社会发展的新方向。

 

航天复杂装备总体集成设计的智慧研发模式是一种由智能研发系统和人类专家共同组成的一体化智慧研发组织模式，在产品过程中能进行知识积累、知识应用、知识生产等的智慧活动。本文对此类生产关系定义，如图 4 所示。

图 4 航天复杂装备总体设计的智慧研发模式

 

航天复杂装备总体集成设计的智慧研发模式是工业技术、信息技术、运营技术以及创新型组织体系的集成，具有 7 个特征。

 

（1）需求的定制化：根据用户个性化需求，提前进行系列化产品规划，适应客户未来定制需求。

 

（2）研发的模型化：采用基于模型的系统工程（MBSE）方法进行产品设计开发。

 

（3）协同的多维化：研制过程是系统上下游跨组织的、跨专业的协同研发管理模式。

 

（4） 验证的虚拟化：利用虚拟现实（VR）和增强现实（AR）从实物或半实物仿真到全系 统的虚拟仿真验证。

 

（5）知识的智慧化：自动完成知识收集、整理、应用，利用大数据挖掘技术实现基于海量知识数据的创新，推进智慧组织的成长。知识的智慧化是智慧研究的本质。

 

（6）运营决策的智慧化：利用大数据分析技术，实现各项业务数据的有效融合以及科研和管理的智能决策。

 

（7）IT 基础架构的集约化：利用云计算技术实现快速部署和按需柔性分配 IT 资源，为智慧组织提供高效的信息化基础环境。

 

这种研发模式的核心在于建立基于模型的全系统、全流程一体化智慧研发体系。智慧研发体系以数字化的科研流程为牵引，整合现有分散的软件工具、业务系统、标准规范、知识系统，实现与研制流程深度融合，形成基于模型和流程的跨专业、跨学科、跨平台的协同研制能力，支撑航天复杂装备的研发工作。

 

现有的研发设计体系虽然实现了纸质文档图纸的电子化，但整个研发过程依旧是电子文档与实物模型的迭代，依旧存在更改单过多、迭代不充分等问题，从而导致型号研制成本高、研发设计周期难控制。同时，研发流程与科研计划状态和目标不一致，缺乏动态反馈和联动。如图 5 所示，为了解决该弊端，在研制过程中引入赛博 - 物理系统（cyber-physical systems，CPS）理论，将整个智慧研发体系转化成一个赛博 - 物理系统，将现有的电子文档与实物的迭代过程转变成赛博 - 物理空间内基于系统工程模型的迭代，通过 CPS 系统实时感知研发流程和计划管理的每个状态和进度信息，通过计算资源和物理资源深度融合并实时交互，实现对科研状态的实时管控。在赛博空间中基于各类模型的设计和验证得到充分迭代，因此能够确保实物样机在物理空间的一次试验成功。

图 5  基于 CPS 系统的总体集成设计智慧研发

 

四、航天总体智慧研发实施途径

 

为使航天复杂装备总体集成设计的智慧研发模式落地，需要结合装备研制生命周期维度进行生产关系与技术脉络变更。研制模式的核心是服务航天复杂装备全生命周期，以科研流程为驱动，基于模型的设计、仿真、验证一体化的研发体系。该体系包括 1 套体系（基于模型的系统工程体系）、2 个转段（虚拟设计向实 物产品转段、实物产品向飞行试验转段）、3 个阶段（虚拟设计与研制阶段、地面验证阶段、飞行验证阶段）、4 类模型（需求模型、数字模型、评价模型、环境模型）以及 6 个“V”型子阶段（方案论证、方案设计、方案详细设计、智能制造设计、地面验证、飞行验证）。

 

（一）航天总体设计模型体系

 

构建基于模型的系统工程（MBSE）体系。该体系首先构建系统的需求模型，用于指导装 备数字模型、评价模型、环境模型等的构建，并按照事先制定好的逻辑规则建立模型间的关系，通过对客户需求的分析建立效能评价模型，并依靠模型间的关系实现设计、仿真、效能评估过程中的关联性分析、数据分析、需求指标评定等工作。

 

（1）需求模型：通过对客户需求的分析，在赛博空间构建从总体到分系统再到单机层面的概念模型，完成初步方案的论证和各项指标分解。

 

（2）数字模型：在对客户需求进一步分析的基础上，形成单机、分系统和总体方案和数字仿真模型，完成产品设计及虚拟装配模型。

 

（3）环境模型：包括预示飞行环境模型、地面试验环境模型、实际飞行环境模型等，环境模型用于仿真试验、地面试验以及飞行试验中临近空间飞行过程中各类环境的模拟和验证。

 

（4）评价模型：包括性能评价模型和效能评价模型。性能评价模型在数字模型的基础上增加性能指标评估，用于单机、分系统和总体对各类指标的验证与评估；效能评价模型根据客户需求的各类技术指标，建立体系化的效能评估方法和模型，用于评估总体设计对客户需求满足情况。

 

（二）智能化总体设计流程

 

通过对传统的方案论证、方案设计、初样、试样阶段进行重新划分，形成了 3 个阶段、2 次转段。同时，在 6“V”科研流程中，研制流程与项目管理进行动态关联，通过 CPS 实现对任务的动态感知和有效管控。如图 6 所示，虚拟设计与研制阶段是在赛博空间内完成，包括传统研制流程中的方案设计和初样阶段中的设计仿真工作；地面验证阶段包括传统研制流程中的初样阶段产品总装、测试、系统试验及试样阶段中的大型总体地面试验；飞行验证阶段包 括传统研制流程中的试样阶段飞行试验、定型阶段飞行试验以及指标考核地面试验。

图 6 数字化赋能的多“V”智慧研制流程

 

第一阶段，虚拟设计与研制阶段：包括方案论证、方案设计、方案详细设计 3 个子阶段。该阶段将在赛博空间完成装备数字模型和性能模型，完成产品数字化设计，并通过虚拟装配对设计准确性进行检验，通过虚拟飞行试验对设计方案、性能模型进行考核，对总体性能进行评估，并通过设计评审，使技术成熟度达到 4～5 级，完成数字模型、性能模型的数字转段，转入地面试验阶段。

 

第二阶段，地面验证阶段：完成产品的生产，分别对单机、分析系统、总体开展地面试验，通过体系效能评估验证装备设计方案的正确性和对客户需求的满足情况，并通过转段评审，使技术成熟度达到5～6级，完成数字转段，转入飞行验证阶段。

 

第三阶段，飞行验证阶段：主要包括设计性飞行试验、定型飞行试验以及飞行试验仿真验证等。通过该阶段工作，验证飞行器对设计指标和各类技术指标的满足情况，并通过对各类仿真、地面试验飞行试验数据的挖掘，获取装备总体性能和对客户需求的满足情况，使技术成熟度达到6～7级，完成装备的数字定型。

 

综上，在航天复杂装备总体集成设计的智慧研发模式中，通过赛博空间和物理空间多维度的仿真验证迭代过程，不断修正模型，最终实现一次设计成功、一次制造成功、一次试验成功。

 

（三）航天总体智慧研发支撑平台

 

根据航天复杂装备总体集成设计过程中的模型体系及研制流程需求，需将整个智慧研发体系转化成赛博 - 物理系统落地，即知识驱动的总体设计智慧研发平台，如图 7 所示。该平台由总体集成设计流程软件、多学科设计仿真软件群、大数据机器学习系统、知识驱动的总体优化设计工具、虚拟飞行试验系统组成。

图 7  航天总体设计的智慧研发支撑平台架构

 

知识驱动的总体优化设计工具以软件打通飞行器总体设计流程，实现装备总体设计过程的参数化与数据化，以总体设计知识库、模型库实现装备总体方案的智能优化与总体设计的辅助决策支持。大数据机器学习系统对航天装备设计、计算、地面试验与飞行试验的海量历史数据基于大数据技术、机器学习方法进行处理、集成与智能学习和知识挖掘，为总体优化设计提供知识驱动与案例学习，为虚拟试验与评估提供智能模型与智能推理，为多学科设计仿真软件系统提供知识融入与验证确认。多学科设计仿真软件群为航天装备总体设计提供相关的各专业设计仿真软件，用于装备总体方案详细设计与高效并行计算分析。虚拟飞行试验系统形成模型与数据混合驱动的智能仿真方法，实现高精度、高效率、大子样的多学科耦合虚拟试验，融合有限状态的地面、飞行试验，实现大型地面试验与飞行试验的数字孪生，实现虚实融合的全剖面飞行性能鉴定与评估。总体集成设计流程软件实现对装备设计任务与设计流程的管理与规划，对装备设计过程进行跟踪与控制，实现设计流程接口的标准化与统一化设计过程数据的统一化管理，实现虚拟飞行试验系统研制过程与试验运行的自动化、敏捷化、可视化。

 

智慧研发支撑平台通过知识驱动的总体优化设计工具、虚拟飞行试验系统和多学科设计仿真软件群研制设计环境，实现总体方案初步设计、详细设计和验证评估的软件自主可控和软件驱动发展。平台以大数据机器学习系统基于设计、试验的不同类型海量历史数据和知识进行智能学习与重用，将知识融入总体优化设计系统、虚拟试验系统和多学科设计仿真软件系统，实现智能化的航天装备总体设计、验证。以总体集成设计流程软件实现总体设计、验证全过程的流程驱动、数据管理、试验支撑，形成协同化、系统化的多专业强耦合设计构建总体集成设计的智慧研发支撑。

 

如图 8 所示，面向总体方案验证和总体性能鉴定，虚拟飞行试验系统实现多学科、全系统耦合高效并行仿真，并基于大数据机器学习系统和智能仿真建模软件建立补偿精度损失的智能模型和自学习算法，从而满足仿真验证精 度和效率需求，通过多状态、大子样虚拟试验补充大型地面试验和飞行试验，实现虚实融合的飞行性能验证与评估、鉴定。面向多专业强耦合的总体方案设计、验证全流程，以总体集成设计流程系统支撑敏捷化、可视化的研制过程和运行过程，实现流程和数据的自动化管理、任务和软件的协同运行。同时，以大数据机器学习系统将积累的经验、数据转化为智能模型与案例，提供航天装备总体设计、验证，从而使总体设计能力得到提升。

图 8  智慧研发支撑平台应用效果示意

 

五、小结

 

探索航天复杂装备总体集成设计研制模式，是一种在“对”的领域、“对”的时间，自动运用“对”的知识，自动匹配应用“对”的方法，完成“对”的航天装备的新型研发手段。坚持体系化、集约化、专业化、数字化建设思路，推动建设模式向体系效能转变，是提升航天复杂装备研制能力的重要目标，对于提升企业综合竞争力具有深远意义的影响。