腾达:AI赋能航空装备减重有度,诊断有据

腾达:AI赋能航空装备减重有度,诊断有据
给航空发动机涡轮叶片减重,材料该从哪里省?航空装备运行中的异常如何监测,故障原因又该怎样查明?在厦门大学航空航天学院助理教授腾达看来,人工智能与机理知识的融合为这些问题提供了新思路。通过分析叶片受力情况并智能优化内部结构,兼顾轻量化与可靠性;结合装备工作机理与运行数据,利用人工智能辅助异常监测、故障诊断与原因追溯,提升装备智能运维水平。

厦门大学航空航天学院助理教授腾达作报告。
11月15日,在学术文化节厦门大学站第十七届创新发展论坛上,腾达作《AI赋能空天领域自动化研究》报告。从航空发动机叶片内部结构的智能设计与疲劳可靠性分析,到航空装备智能运维,他介绍了团队将人工智能与工程机理相结合的系列研究成果,展示了人工智能在提升结构设计效率、保障装备可靠性和辅助智能运维等方面的应用潜力。
叶片“瘦身”,可靠性如何守住?
以叶片内部的点阵结构为例,腾达介绍了团队利用人工智能开展结构智能设计与可靠性优化的思路。这类结构由许多杆件构成,类型、尺寸和疏密程度都会影响受力。如果在叶片各处填入同一种、同一密度的点阵,就可能出现两种情况:高应力区承载不足、低应力区材料冗余。
具体设计时,团队先根据叶片的几何形状、温度、压力和转速等条件分析受力,划分出不同应力区域,再为不同区域选择合适构型。有些地方需要加强,有些地方可以减重,点阵的类型、尺寸、杆件粗细等参数也随之调整。不过,结构设计得越细,计算越费工夫,每调整一次方案,都要分析它们在载荷下的响应。如果所有方案都直接做细致的有限元计算,工作量很大,难以快速比选。
团队引入先进的人工智能代理模型。先利用已有样本学习结构参数与力学响应之间的关系,再由模型算子预测新方案的表现,减少重复开展高保真计算的成本。研究中,团队把杆件位置、局部区域及更大范围的结构信息纳入模型,通过多尺度特征学习挖掘它们之间的联系,预测得到的力学响应再供后续设计使用。不同样本对结构失效判断的贡献存在差异。针对这一问题,团队探索出基于样本重要性的自适应加权建模方法,使模型更加关注影响可靠性判断的关键样本,提高预测精度与计算效率。在此基础上,团队将轻量化目标与可靠性约束协同纳入智能优化设计,通过人工智能代理模型快速预测结构性能,结合几何可行性分析与可靠性评估,实现候选结构的高效筛选与优化。
结构可靠性分析的难处,不仅在于结构可能以不同方式失效,还在于多种失效模式之间存在相互关联。如果对不同失效模式分别建模、独立分析,容易造成重复计算。针对这一问题,团队通过协同建模刻画不同失效模式及其关联关系,提高复杂结构可靠性评估的精度与效率。
此外,疲劳寿命预测也是结构可靠性分析的重要环节。团队借助大模型生成候选符号表达式,建立疲劳寿命预测模型。然而,大模型生成的候选表达式众多,如何从中筛选出既符合物理规律、又具有较高预测精度的表达式?为此,团队将机理知识与物理约束融入大模型生成和筛选过程,并通过预测偏差校正进一步提高疲劳寿命预测精度,为结构疲劳可靠性评估提供有力技术支撑。
智能运维,既靠数据也靠机理
空天装备在运行和维修过程中积累了大量资料,既有监测数据,也有维修记录、图像和视频。怎样利用这些信息辅助异常识别与故障排查,成为航空装备智能运维的重要研究方向。
单纯依赖数据驱动模型时,常会遇到一个问题:模型可以根据一组参数给出预测结果,但这些参数与故障究竟有什么关系?如果这层关系不清楚,研究者就难以解释模型的判断。团队为此研究融合机理知识与人工智能的故障诊断方法,把装备的工作原理和故障形成过程纳入分析。
围绕航空装备的典型故障,团队从技术手册入手,梳理相关部件的组成和功能,再分析功能失效可能带来的影响。故障类型很多、影响程度各异,研究需要确定重点分析对象。团队结合风险程度以及实际运行记录,选取典型故障,分析相关部件,并关联至可监测的故障表征参数,构建故障因果逻辑模型,从而将部件功能、故障影响与监测参数联系起来,为人工智能模型开展故障推理提供机理依据。依托这一模型,既可以顺着部件之间的关系分析故障如何发生,也可以从已出现的异常出发,反向追查可能原因。
结合运行数据,团队引入LLM方法,可以辅助识别故障,并估计不同原因的可能性,为确定故障排查顺序提供参考,模型还可以随着维修检查动态更新推理结果:维修人员确认一个部件是否存在问题后,检查结果作为新证据纳入模型,更新不同故障原因的概率判断,逐步缩小排查范围。这种机理知识、人工智能推理与人工检查相结合的动态排查方式,提高了故障定位的针对性与维修效率。
从结构智能设计到装备智能运维,团队的研究始终将人工智能与机理知识的深度融合,通过发挥人工智能的数据分析与智能决策优势,为航空装备的可靠性设计、性能评估和运行维护提供新的技术途径。
本次论坛为2026学术文化节厦门大学站的系列活动之一,由厦门大学、中国科学报社、科学出版社、广东省艾思信息化学术交流研究院共同主办,厦门大学航空航天学院、科学网、艾思科蓝承办,北京希望电子出版社协办。