性能虚拟样机定义及演变
虚拟样机技术是随着CAX技术，尤其是CAE技术的发展而提出的一个概念，主要定义是利用CAE仿真技术构建一个可以从某个方向描述并替代物理原型的虚拟模型。但是，虚拟样机一直没有特别精确的定义，本文只探讨几种比较有代表性和工程意义的定义，以及利用V&V工具对其表达及实现的方法。
1997年，美国国防部DMSO对虚拟样机提出的定义：在建模和仿真领域比较通用的关于虚拟样机的概念是美国国防部（DoD）的定义。DMSO 将虚拟样机定义为对一个与物理原型具有功能相似性的系统或者子系统模型进行的基于计算机的仿真；而虚拟样机技术则是使用虚拟样机来代替物理样机，对候选设计方案的某一方面的特性进行仿真测试和评估的过程。
随着CAD/CAE/DFX技术的逐步发展，现代企业逐步将虚拟样机按照功能的实现，分解为三种样机：
– 结构虚拟样机：用于评价外观、形状和装配关系，实现工具是CAD/MBD工具
– 功能虚拟样机：用于评价产品的工作原理，实现工具是Matlab/AMEsim等功能仿真建模工具
– 性能虚拟样机：用于评价产品可达到的性能指标，实现工具主要是CAE等性能仿真建模工具
本文所探讨的性能虚拟样机，随着数字化正向研发需求的逐步发展，仅仅探讨CAE工具对于性能模型的构建，而不探讨其精度、仿真速度以及对工程设计的应用场景，已经显得不能满足今天对性能虚拟样机的需求。
数字化企业背景下对性能虚拟样机的需求
近年来，各种新技术的发展，以及方法论的推出，都对性能虚拟样机的构建提出了更高的要求，主要包括：
– MBSE基于模型的系统工程
– 数字孪生技术
– 中国政府十四五数字化企业建设
我们可以对这几个技术对性能虚拟样机发展的需求进行简单的论述：
2.1 MBSE对系统工程全过程建模的需求
基于MBSE或系统工程数字化的全生命周期建模，将研制过程按照系统工程过程，划分为如下图的虚拟设计、虚拟验证、物理验证等三个大过程，其中，虚拟验证过程，又由虚拟功能验证、虚拟性能验证和虚拟工艺验证三个阶段组成。
其中，利用功能虚拟样机，可以对系统总体模型进行功能级验证；利用性能虚拟样机，可以对CAD结构模型的设计进行性能方面的验证；而虚拟工艺验证，则是对CAD结构模型的可制造性、可装配性进行了验证。
在性能验证阶段，利用各种不同领域的CAE建模工具建立的体系级、系统级、部件级CAE模型，都需要通过性能仿真验证V&V工具的精度验证，并且使用性能虚拟样机管理工具进行模型的结构化管理，并且实现针对设计模型的工程化快速验证功能集成，方能构建足够有效的性能虚拟样机模型库。
2.2 数字孪生技术对性能虚拟样机的需求
近年来，数字孪生技术被提出，其应用目标包括了运营、维护、设计预测等多个方面，是新一代研究的热点。
但是，数字孪生的核心依然是仿真与验证。如何利用已有的物理模型，建立一个足够精确的性能虚拟样机模型来描述该物理模型，以及如何利用物理世界收集的大数据，来对性能虚拟样机模型进行验证和机器学习，都是数字孪生的核心和难点所在。
比较遗憾的是，目前大部分研究单位对于数字孪生的研究重点，都在于孪生的构建方式以及其应用场景，还没有足够的精力开始研究模型的精度和工程可用性。但是，可以预见，随着数字孪生的应用场景和价值的清晰，研究重点一定会转移到由于模型不精确和难以工程应用导致的致命瓶颈上来。有该方面能力的研究单位和专家，可以先行对这方面的问题进行研究。
2.3 十四五数字化研发对性能虚拟样机的诉求
根据国家十四五规划，以及对数字化航天政策的解读，总结十四五数字化研发对性能虚拟样机的要求主要是以下五点：
– 虚拟设计+虚拟验证，研发全过程数字化
– 实现基于数据的设计决策
– 实现基于大数据的智能决策
– 基于全维度数据的智能分析
– 传统小样本转变为智能大样本
可以看出，数字化研发对性能虚拟样机的要求，引入了利用仿真+试验、结合大数据的技术，实现对设计方案的智能决策技术。
综上三个场景所述，现阶段复杂产品研发过程中，对性能虚拟样机的需求可总结为以下几点：
– 性能虚拟样机主要由CAE仿真软件所创建
– 性能虚拟样机是具备精度和预测性的仿真模型
– 性能虚拟样机需要面向工程设计，方便管控可实现
– 性能虚拟样机应结合大数据技术，实现对设计的智能决策
3. 利用SimV&Ver工具包构建面向工程设计的性能虚拟样机
SimV&Ver工具包是北京安怀信科技股份自主开发的，目前世界上唯一一个能够实现多学科仿真模型验证、模型管控和模型设计优化应用的工具集，其完整功能包含在下图当中：
下面结合SimV&Ver每个功能模块的功能介绍如何实现先进的性能虚拟样机模型库创建。
3.1 利用SimV&Ver多学科验模工具完成多学科模型精度的验证
SimV&Ver多学科验模工具的验模流程如下：
– 利用仿真和试验数据的相互对比，得出仿真模型的误差；
– 针对仿真模型，首先利用离散误差分析，获得与试验结果无关的合适的网格密度设置；
– 针对需要修正的仿真模型，首先进行灵敏度分析，确认优先需要修正的参数。这些参数包括材料物性参数，建模参数，装配参数和载荷参数等等，都可能成为仿真误差来源；
– 利用参数修正模块，针对需要修正的参数，利用试验数据，快速修正出准确的参数设定；
– 假如模型仿真计算时间比较久，例如CFD，热分析等，则需要用到代理模型构建的模块；
– 针对部分仿真和试验存在不确定性的仿真模型，还需要用到不确定性量化模块；
– 修正完毕的仿真模型，可以进行模型的归档和发布管理。
下图案例是商发控制系统部用户利用SimV&Ver Math数学模型验模模块对燃油控制系统进行了参数修正后，模型参数精度得到了较大程度提升的真实案例：
3.2 利用SimV&Ver BDiDesigner大数据智能设计工具实现快速仿真驱动设计
采用多学科V&V工具完成了模型验证后，得到了精确的仿真模型，但是，依然不能解决设计人员或者仿真人员希望实现快速仿真驱动设计的目标，BDiDesigner大数据智能设计工具的开发就是为了满足这个目标：
– 大数据智能设计工具包括仿真大数据、试验大数据、混合大数据和多学科优化四个不同的模块，分别通过不同的场景和用户现状，实现仿真驱动设计的效果
– 仿真大数据模块与超算连接，自动侦测算力，不同数量的采样点生成代理模型，代理模型响应面模型可直接面向设计优化，瞬间获得设计方案
– 试验大数据可对海量试验数据清理及分类，然后基于试验数据的响应空间快速生成设计优化方案
– 混合大数据可利用有限的试验数据+仿真大数据，利用虚实融合技术获得响应面模型，从而实现仿真驱动设计
– 多学科优化大数据工具是利用代理模型实现的多学科优化，是非常快速的多学科优化算法，可完美实现工程指标的妥协及优化
BDiDesigner大数据智能设计工具，可以根据不同企业的不同部门现状，选择最适合或者组合方案，通过工具完成大数据构建及积累，最终实现仿真驱动快速设计的工程目标。
利用SimV&Ver Pyramid模块实现模型的结构化管控
V&V规范中指出，产品的模型验证，并不是一个单一部件的验证，而是一系列相关的仿真模型层级金字塔中所有模型的系统验证，因此，性能虚拟样机不仅仅包含了模型的创建、精度工程化问题，其实还包含了模型的表达和管控的问题。如下图所示，一个典型的性能虚拟样机，是一个按照金字塔方式管理的，包括了多层级、多学科、多型号、多用户仿真模型+试验数据的模型集。
SimV&Ver Pyramid工具严格按照V&V的Hierarchy层级分解理论来构建性能虚拟样机。如下图所示，在某客户的卫星姿轨控系统性能虚拟样机中，Pyramid管理了模型多层级多学科的仿真模型，验证性试验数据，以及经过了V&V验证之后的精确仿真模型、仿真规范、仿真模板、大数据工具等系列模型，构建了完整的卫星姿轨控系统性能虚拟样机。这个性能虚拟样机带给客户的价值包括：
产品性能全景视图
• 产品性能层级+基础性能研究
• 型号视图/学科视图/分系统视图
• 工具筛选/工作阶段筛选
性能仿真大数据有效管理
• 性能大数据结构化关联管理
• 设计仿真人员快速定位相关知识
• 直观的性能仿真成熟度评价
• 针对性能管理团队的智能年度规划/年度总结报告自动生成
总 结
现代的性能虚拟样机，需要同时满足精度、速度、工程化应用以及有效的管控方式等四个目标，才能更好地应用于MBSE、数字孪生、数字化研发，以及各种复杂产品快速设计的场景当中去。
利用SimV&Ver工具包，可以利用V&V技术、大数据技术和模型管控技术，将研发模式从利用仿真+VV技术的第二代，逐步进化到设计速度和周期都表现非常优秀的第三代研发模式，也实现了仿真模型面向设计人员的高度工程可用化。