综述：迈向数字孪生驱动的风洞测试：架构与支撑技术综述

《Journal of Industrial Information Integration》：Towards digital twin-driven wind tunnel testing: A review of architectures and enabling technologies

　　

• •
  提出了一种用于数字孪生驱动的风洞测试的五维架构。
• •
  将物理风洞和虚拟风洞分解为多层结构。
• •
  阐述了感知-融合-决策链条中的关键技术。
• •
  涵盖了可视化、流场预测以及故障诊断等方面的应用。
• •
  探讨了相关挑战以及未来的研究方向。

引言

作为气动研究领域重要的地面实验设施，风洞主要用于模拟真实的运行环境，评估飞机、车辆等各类物体在气动载荷及多物理场耦合条件下的性能[1]、[2]。与实际飞行相比，地面风洞测试不受外部气候条件限制，且各项参数易于控制。通过对马赫数、雷诺数、温度等关键参数的精确控制，可以提高数据采集效率与测试重复性，这对飞机设计与发展具有重要意义[3]。在过去的一个世纪里，风洞技术已发展成为能够覆盖亚音速到高超音速范围的完整测试系统。冰冻风洞[4]和低温风洞[5]等特殊装置进一步拓展了其应用范围。

然而，随着航空业的快速发展以及飞机迭代速度的不断加快，传统风洞测试的局限性日益凸显。漫长的测试周期、高昂的成本以及低数据利用率等问题已成为制约其发展的关键瓶颈。对常规飞机进行风洞测试往往需要数万小时，还会产生海量测试数据及设备运行数据，但其中仅有极小部分被用于分析，导致数据利用效率极低。为在保证可靠性的同时减少风洞测试次数，人们开始广泛研究数值模拟方法。计算流体动力学（CFD）通过计算机求解纳维-斯托克斯方程，从而实现对流体流动现象的数值模拟[6]、[7]、[8]、[9]。在此基础上，数值风洞的概念应运而生，它通过整合CFD理论、数值算法、高性能计算以及可视化技术，在计算机中构建出虚拟风洞环境[10]、[11]、[12]、[13]、[14]、[15]。尽管数值风洞具有测试周期短、成本低且灵活性高的优点，但其模型建立在各种假设与近似基础上，因此会产生相当大的模拟误差。

近年来，数字孪生技术的兴起为实现物理世界与虚拟世界的深度融合提供了新途径[16]。通过数字化手段在虚拟空间中构建与实物对应的高保真模型，数字孪生实现了物理世界与数字世界之间的实时映射与交互[17]，为真实风洞与数值风洞的融合提供了新的思路。数字孪生技术在航空航天、智能制造、能源管理等领域已经取得了显著的应用成果[18]、[19]、[20]、[21]、[22]。在风洞测试方面，通过在虚拟环境中模拟风洞的运行状态与性能特征，有助于测试与分析人员更深入地了解测试条件，预测潜在问题，并优化测试流程。数字孪生具备预测分析与仿真优势，借助实时运行数据与交互功能，可实现测试设备的动态监控与维护，从而降低运营成本与维护难度。对于复杂的测试条件，可在孪生空间中提前进行测试推演，大幅减少实际测试的工作量。此外，数字孪生还能在高精度的虚拟空间中为人员培训提供支持，帮助新员工更快掌握风洞设备的操作方法，更直观地了解设备的运行状况。

尽管数字孪生在风洞测试中的应用前景广阔，但相关研究仍处于起步阶段。如何将数字孪生技术系统地融入风洞测试系统，仍是亟待解决的关键问题。传统风洞测试存在数据利用率低、受物理约束严重以及流场参数可视化能力弱等问题，这些因素严重限制了测试的质量与效率。数字孪生技术有望突破传统测试的瓶颈，通过物理世界与虚拟世界之间的信息交互推动风洞测试系统的数字化发展。为系统开展数字孪生风洞的相关研究，需要解决以下核心问题：

RQ1：数字孪生驱动的风洞测试系统框架与传统风洞测试系统之间存在哪些本质差异？

RQ2：构建数字孪生风洞测试系统需要哪些关键技术？

RQ3：数字孪生能为风洞测试系统提供哪些应用服务？

RQ4：在工程实践中应用数字孪生驱动的风洞测试面临哪些挑战，未来研究方向是什么？

需要指出的是，已有的一些综述研究了数字孪生在工业或航空航天领域的应用，但这些研究均未专门针对风洞测试构建数字孪生框架。与现有综述相比，本文的独特贡献在于：

(1) 提出了一种专为风洞测试设计的五维数字孪生架构；

(2) 对“感知-融合-决策”信息链上的支撑技术进行了全面梳理；

(3) 针对风洞测试的特点，重点探讨了相关的应用服务。

本文的其余结构如下：第2节阐述研究方法以及数字孪生概念的内涵。第3节构建了数字孪生风洞测试系统的五维框架，包括物理风洞、虚拟风洞、数据感知、数据融合以及应用决策五个部分。第4节系统分析了数据感知、数据融合与应用决策这三项核心支撑技术。第5节讨论了数字孪生风洞集成应用所面临的挑战，并展望了未来的发展方向。第6节对全文进行总结。图1展示了本文的综述框架。

章节要点

研究方法

本研究采用PRISMA风格的研究流程，具体流程如图2所示。

第一步：文献收集（识别）。在Scopus、Web of Science以及IEEE Xplore三个数据库中进行了系统性检索，时间范围设定为2013年1月至2026年4月。初步检索时使用了“digital twin + wind tunnel”以及“digital twin + test”这两个检索词。由于相关研究文献较少，随后又加入了“industry”、“model”等关键词。

传统风洞测试系统架构

风洞测试的核心目的是研究气动力特性，为飞机设计优化提供支持，并解决各类工程实际问题。典型的风洞测试系统会通过传感器采集风洞本体、关键设备以及流场的相关数据，依靠环形网络系统实现多个子系统的协同控制，模拟气流环境，进而获取测试模型在气动载荷作用下的动态响应。

数字孪生驱动风洞测试的支撑技术及其应用

第3节介绍了本文构建的五维框架，明确了数字孪生风洞测试系统的核心组成部分。在该框架下，数字孪生模型的工程应用依赖于一系列关键的支撑技术。本章围绕数据感知、数据融合与应用决策这三项核心能力，对这些支撑技术进行了系统梳理，整体技术架构如图所示。

应用挑战与未来研究方向

数字孪生技术在水洞测试领域的应用尚处于初期阶段，在从理论探索走向工程实践的进程中面临着诸多关键挑战。

结论

本文系统梳理了数字孪生技术在水洞测试中的应用前景，构建了定制化的数字孪生框架，同时分析了相关的支撑技术、应用价值以及现存挑战。主要结论如下：

(1) 为克服传统风洞测试存在的数据利用率低、受物理约束严重以及流场可视化能力弱等问题，本文构建了一种五维数字孪生框架。

CRediT作者贡献说明

赵 Zhao：撰写——初稿撰写、方法论研究。左成林：方法论研究、调研工作。冉琳：可视化处理、数据整理工作。熊建军：方法论研究、形式化分析工作。赵杰义：调研工作、数据整理工作。朱雅兰：调研工作。易贤：项目监督、资金筹措工作。

利益冲突声明

所有作者声明不存在任何可能影响本文研究成果的已知财务利益关系或个人关联关系。

Zhao Zhao|Chenglin Zuo|Lin Ran|Jianjun Xiong|Jieyi Zhao|Yalan Zhu|Xian Yi