数字孪生与交通安全的未来

值得庆幸的是，2018 年 4 月发生在西南航空 1380 航班上的悲剧在现代航空旅行中是罕见的事件。但一场悲剧仍然太多了。完整的系统安全可能是一个总是遥不可及的目标。然而，实现这种完美的愿望是推动许多领域的工程师、科学家和技术人员进行技术追求的动力。毫无疑问，现代飞机是奇妙的工程壮举。但现在仍在开发中的未来技术可能会帮助我们更接近更安全、更可靠的飞机和其他人命攸关的系统。

美国国家运输安全委员会 (NTSB) 仍在调查导致一人在飞往达拉斯的航班上死亡的确切原因。这起事故标志着美国航班近九年来首次死亡。截至撰写本文时，调查人员认为，飞机的 CMF56-7B 发动机的风扇叶片在大约 9,800 米的高度断开并刺穿了加压机舱。调查表明，叶片折断可能是由于金属合金在飞行过程中经历的疲劳。重载和周期性极端温度会导致所有飞机都经历的疲劳。

如今，航空公司花费大量时间和金钱来维护飞机——包括发动机和风扇叶片，它们会在一定次数的起飞和降落后进行常规超声波成像以寻找微裂纹。尽管如此，考虑到进行彻底拆卸、检查和维修所需的工作量，检查之间可能还有数千次飞行。这些是需要判断调用、无数外部工具和各种类型的诊断设备的人在环路密集型操作。但是明天的飞机呢？

数字双胞胎(DT) 是一个很有前途的新技术概念，可以帮助工程师和技术人员比以往任何时候都更了解飞机及其子系统的物质条件。新一代红外线和超声波传感器的安装工作正在进行中，它们可以检测微裂纹，同时还能承受发动机内的恶劣条件。利用支持新兴物联网 (IoT) 的功能和概念，机载传感器将通过导电数字线程向其 DT 提供无与伦比的数据点，而无需人工干预。

DT 如何提高运输安全性的例子可能是无限的。例如，将大量新数据点与巨大的处理能力相结合，DT 可以：

通过将相对较慢的人员从诊断机器的最关键方面移除，减少执行拆卸检查所需的时间。

让技术人员有更多时间花在实际问题上，而不是通过检查清单来检查每种可能的故障模式。减少检查时间对业务有利，如果它能使飞机更安全，那么这对每个人都是双赢的。

不仅可以根据来自被检查系统的数据，还可以根据机队中所有飞机的集体数据集进行预测。能够比较数据集，寻找数据中的常见异常或独特的异常值，并以现代计算的速度这样做，可以为更主动的系统安全提供更多好处。

启用对所有事物的预测性“假设”分析，从将不同的组件换成类似的组件，到查看更改维护计划如何影响材料条件。模拟将在 DT 上运行，因为它会根据来自真实世界条件的实时系统的实际数据进行持续微调。这对于更好的预测来说意义重大。

通过交叉引用系统数据来确定检查的优先级，例如维护历史记录、安装的组件库存、周围操作环境以及来自现役车队的机载诊断。

DT 使工程师和技术人员能够通过快速从整个系统队列中提取数据并以迄今为止无法看到的方式寻找趋势，从而做出更好、更明智的决策。工程师和技术人员可以在真实世界数据可以加强的超精确模拟中，对假设场景进行数百万次的模拟，而不会对真实系统或人类生命造成任何威胁。利用人工智能 (AI) 快速梳理原始数据将消除挖掘数据细节时的人为错误，从而提高安全性。然后，人类可以将注意力转移到更高层次的分析和决策角色上。

技术可能永远无法消除交通或其他活动中涉及的风险，但这不应该阻止我们将其作为目标。通过以过去的经验为基础并利用新技术，我们可能会幸运地避免一场悲剧。消除一场悲剧就足够了。如需更多信息，请查看Mouser 的Methods eZine on Digital Twinning。

审核编辑黄昊宇