数字孪生驱动的翼身融合水下滑翔机结构实时监测技术研究

针对翼身融合水下滑翔机(BWBUGs)在复杂海洋环境中结构健康监测的难题，研究人员提出了一种集成数据生成与采集、传感器布局优化(KDGO算法)和快速预测可视化(Isomap-RBF模型)的数字孪生框架。该研究通过实验验证实现了从稀疏应变传感器输入到全场应变数据的实时预测，为海洋装备智能运维提供了创新解决方案。

　　

随着海洋资源开发与科考需求增长，翼身融合水下滑翔机(Blended-wing-body underwater gliders, BWBUGs)因其高效能特性成为深海探测的重要载体。然而，这种特殊构型在承受深海静水压力、流体冲击及长期循环载荷时，其骨架结构面临严峻的可靠性挑战。传统监测方法依赖密集传感器阵列，不仅增加系统复杂度，更难以实现远海自主作业时的实时状态评估。数字孪生(Digital Twin)技术虽在航空航天领域取得进展，但针对BWBUGs这类复杂海洋装备的结构监测仍缺乏系统性解决方案——如何建立高保真度孪生模型、优化有限传感器布局、实现物理场快速重构，成为制约技术落地的三大瓶颈。

针对上述问题，中国某研究机构团队在《Ocean Engineering》发表研究，提出三模块集成的数字孪生框架。通过数值模拟与实验数据迭代校准建立基准数据集，采用Kriging辅助离散全局优化(Kriging-assisted discrete global optimization, KDGO)算法实现应变传感器最优布局，结合等距映射(Isomap)降维与径向基函数(Radial Basis Function, RBF)代理模型构建稀疏测量至全场应变的预测通道，最终通过Unity平台实现结构响应可视化。实验证实该框架可实现BWBUGs骨架应变场误差低于5%的实时预测，计算效率提升两个数量级。

关键技术方法包括：1) 通过有限元分析(FEA)与实验数据迭代校准建立基准数据集；2) 采用KDGO算法优化12个应变传感器的空间布局；3) 构建Isomap-RBF混合模型实现从12通道输入到1,056节点应变场的预测；4) 基于Unity引擎开发实时可视化界面。研究选用某型BWBUGs骨架作为实验对象，材料为TC4钛合金，在水洞实验中模拟0-1,000m深度交变载荷工况。

分析传感器布局优化
通过KDGO算法获得的优化布局使决定系数R²达到0.982，局部精度指标R_L²提升47.6%。迭代过程显示算法在200代后收敛，最优传感器群集中于翼根、机身连接部等力学突变区域，印证了"关键区域密集监测"的工程直觉。

快速预测模型验证
Isomap将1,056维应变场降至12维潜在空间，配合RBF构建的代理模型在测试集上RMSE仅为4.73×10^-5，单次预测耗时8.7ms。对比显示，该混合模型较单纯RBF预测精度提升32.1%，计算效率优于传统有限元方法300倍。

实时可视化实现
Unity平台以30fps速率渲染应变场动态变化，颜色映射范围0-2,000με，支持多视角观察与历史数据回溯。压力舱实验证实可视化延迟低于50ms，满足实时监控需求。

该研究创新性地将数字孪生技术引入海洋装备监测领域，其技术框架具有三重突破意义：首先，KDGO算法解决了有限传感器条件下的信息捕获效率难题；其次，Isomap-RBF组合模型开创了高维物理场实时预测的新范式；最后，模块化架构设计使该框架可快速迁移至其他海洋结构物监测场景。作者指出，未来工作将聚焦于多物理场耦合建模与边缘计算部署，进一步推动数字孪生技术在深远海装备中的工程应用。