期刊文献+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
共找到3篇文章
< 1 >
每页显示 20 50 100
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
显示方式：
数字试验测试验证标准体系
1
作者 陶飞 马昕 +31 位作者 张辰源 易航 刘蔚然 魏宇鹏 邹孝付 王子同 任羿 陶岚 葛军 丁露 卓兰 韩丽 弓志强 谭永华 郄永军 周文 李建双 杨春霞 许鸿杰 蔺文杰 刘广 孙波 李海旭 阎德劲 李少伟 罗谦 王敬贤 罗英 尚政国 刘志新 易贤 张文丰 《计算机集成制造系统》 北大核心 2025年第1期1-19,共19页
数字试验测试验证(Digital Experiment,Testing,and Validation,D-ETV)是利用“数力”和“智力”更好地了解产品或系统基本属性和性能特征的方法,是实现高质高效研制运维的重要支撑手段。然而,在物理试验测试验证(Physical Experiment,T... 数字试验测试验证(Digital Experiment,Testing,and Validation,D-ETV)是利用“数力”和“智力”更好地了解产品或系统基本属性和性能特征的方法,是实现高质高效研制运维的重要支撑手段。然而,在物理试验测试验证(Physical Experiment,Testing,and Validation,P-ETV)向D-ETV演化的过程中,因缺乏基础共性标准参考,导致不同人员对D-ETV的理解与认识存在差异;因缺乏关键技术标准参考,导致D-ETV实现难;因缺乏通用支撑、安全、行业应用等标准参考,导致D-ETV实施难。针对上述问题,首先从D-ETV有何用、如何用、何处用3个角度对D-ETV标准需求进行分析。在作者团队前期提出的D-ETV通用流程“D”模型及关键技术基础上,进一步建立并完善“析-定-建-测-评-融”D-ETV理论体系。面向航空航天、工程机械、船舶、电子信息、汽车等领域的国家重大需求,与相关研究院所和企业共同尝试探索建立一套D-ETV标准体系,包括基础共性、关键技术、通用支撑、安全和行业应用5类标准。期望相关工作为D-ETV理论研究、标准研制、行业应用提供参考,助力我国试验测试验证向数字化、智能化、服务化方向发展,进而为我国装备高质量发展提供支撑。 展开更多
关键词 数字试验测试验证 标准体系 数字试验 数字测试 数字验证 数字鉴定
在线阅读 下载PDF
航空发动机数字孪生工程:内涵与关键技术 被引量：1
2
作者 陶飞 孙清超 +5 位作者 孙惠斌 穆晓凯 张贺 宋鲁凯 朱剑琴 陶智 《航空学报》 EI CAS CSCD 北大核心 2024年第21期1-25,共25页
航空发动机是集精密工艺与尖端科技于一体,需兼顾高性能、高效率、高可靠、长寿命等多元目标,且依赖设计、制造、试验、运维多方主体紧密合作的国之重器,承载着强国梦想和强军使命。航空发动机数字孪生工程通过充分利用数据、模型、服... 航空发动机是集精密工艺与尖端科技于一体,需兼顾高性能、高效率、高可靠、长寿命等多元目标,且依赖设计、制造、试验、运维多方主体紧密合作的国之重器,承载着强国梦想和强军使命。航空发动机数字孪生工程通过充分利用数据、模型、服务等虚拟资产的潜在价值,融合仿真、预测、优化等多种数智化手段,基于全生命周期系统工程的创新模式、多学科协同的高效平台和多要素耦合分析的全局视角,全面提升航空发动机设计、制造、试验、运维能力,能够为航空发动机全产业链加速发展提供新动力。本文从研发、变革、创新3个角度分析了航空发动机数字化发展趋势,从全生命周期的视角分析提出了航空发动机数字工程的6个阶段的18个需求趋势与挑战;通过分析数字孪生在航空发动机全生命周期中的研用现状,指出航空发动机在理论体系、组织协作、软件平台、标准规范方面的不足;以作者团队前期提出的数字孪生五维模型、数字工程“数智眼”体系架构、数字试验测试验证体系架构为基础理论,进一步提出了航空发动机数字孪生工程的内涵和体系架构,研究了航空发动机数字孪生工程关键技术体系;从思想、技术、模式、产业等角度对发动机数字孪生工程发展提出了若干建议。期望相关工作为航空发动机数字孪生工程数力和智力的开发利用,以及航空发动机设计、制造、试验测试验证、交付、运维、回收全生命周期能力的全面提升提供参考,助力航空发动机数字化、智能化研制水平和服务能力的跨越式发展。 展开更多
关键词 航空发动机 数字孪生 数字孪生工程 全生命周期 体系架构
原文传递
面向AI时代的纤维增强树脂基复合材料工艺仿真
3
作者 周钰博 李敏 +4 位作者 王绍凯 顾轶卓 陶飞 陈祥宝 张佐光 《航空材料学报》 CAS CSCD 北大核心 2024年第5期17-36,共20页
纤维增强树脂基复合材料制造工艺是保证其产品结构效率和应用可靠性的关键,通过计算机进行工艺仿真是提高复合材料制造质量与降低制造成本的重要手段。传统工艺仿真依赖于制造过程中的物理化学机理,通过有限元/有限体积等数值计算方法,... 纤维增强树脂基复合材料制造工艺是保证其产品结构效率和应用可靠性的关键,通过计算机进行工艺仿真是提高复合材料制造质量与降低制造成本的重要手段。传统工艺仿真依赖于制造过程中的物理化学机理,通过有限元/有限体积等数值计算方法,以及计算机图形学等辅助设计方法来求解相关机理模型的数学方程,目前已在增强体/预浸料的铺覆、树脂的渗透流动、热固性树脂的固化行为、热传导与热交换、非线性力学及残余应力与固化变形预测等方面得到广泛应用。近年来,人工智能(AI)的迅猛发展,其技术基础机器学习(ML)与人工神经网络(ANN)相结合,已用于增强体铺覆、液体成型工艺和热压罐工艺领域,主要目的是数据挖掘和建立降阶模型。前者可以建立工艺条件与制件固化质量、力学性能等之间的关系,后者则可以提高工艺仿真的计算效率。然而受限于纤维增强树脂基复合材料制造过程复杂、不可测、成本高的特点,在AI时代的起点,仅依赖实验获得的数据量难以满足ML的要求,同时数据驱动AI还面临模型代表性、普适性、可解释性不确定的问题。因此,基于物理化学机理的传统工艺仿真可为数据驱动ML仿真提供大量可靠数据,进而通过AI建立更多描述复合材料工艺的定量模型,扩展工艺仿真可计算的过程;同时,通过AI技术提高计算效率后,满足实时性要求的工艺仿真可进化为制造过程的数字孪生(DT),从而可为复合材料降低成本、提高全寿命周期管理的科学性提供新的技术支撑。 展开更多
关键词 复合材料 工艺仿真 人工智能 机器学习 固化仿真 固化变形
在线阅读 下载PDF
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
上一页 1 下一页 到第 页
使用帮助 返回顶部