人工智能赋能飞行器结构设计
飞行器结构设计是飞行器工程的核心环节，包括结构和机构设计、静、动、热强度分析与试验等重要内容。飞行器结构设计始终在追求性能、重量、成本与安全性之间的最佳平衡。经过几十年的发展，传统飞行器结构设计已经从依赖经验的设计逐步进入数字化驱动设计阶段，行业内基本实现了计算机辅助设计（CAD）、计算机辅助分析（CAE）和计算机辅助试验（CAT）等数字仿真工具的广泛应用，并大量依赖这些仿真结果结合试验验证实现飞行器结构的合理设计。
然而，随着高速飞行器、可变形飞行器、跨域飞行器等新一代飞行器的概念不断被提出，数字仿真驱动的“设计－仿真－修改”的迭代结构设计模式面临新的挑战：一是新一代飞行器普遍在多域多物理场条件下工作，数字模型所涉及的学科不仅包括传统的力、振等学科，还包括热、化学、电磁、控制等学科，多物理场多学科的结构设计对数字建模的保真度、不同学科和物理场间的耦合交互提出了更高的要求。二是随着数字化模型的复杂化，仿真代价和成本日趋高昂，非线性和快时变对仿真的步长提出了很高的要求，飞行器结构仿真的计算成本和计算时间代价逐渐进入不可接受的阶段，严重限制了系统实时仿真、数字孪生模拟和快速迭代设计的实现。三是新一代飞行器结构设计变量、约束条件和多学科目标增多，导致结构设计搜索空间急剧膨胀。例如，复合材料结构的使用，铺层设计空间异常复杂；舵系统设计中要综合考虑舵机、传动、连接面和翼面结构本体，同时要兼顾力热振等环境，优化搜索空间庞大，多目标难以有效权衡，这导致传统结构设计寻优方法失效。
此外，在飞行器结构本身上看，新一代飞行器结构轻量化、功能性、极端环境耐受能力等性能要求很高，结构本身除了承受和传递载荷外，还应具备功能一体化的能力，例如智能飞行要求飞行器结构具备一定的智能化能力，能够智能感知自身状态、能够自主作动改变构型等。近年来，人工智能技术（AI）蓬勃兴起。人工智能技术本质上是利用数据驱动（Data-Driven）的逻辑来捕捉物理规律中难以被显式方程表达的特征，从而简化物理表达，在神经网络空间实现对物理实现的新描述。进入智能时代，飞行器结构技术和飞行器结构设计都面临十分深刻的变革，一方面不断推动飞行器结构本身智能化水平的提高，另一方面也在不断推动飞行器结构设计方法从数字化向智能化发展。
（一）飞行器结构智能感知
传统飞行器结构都是主要承受和传递载荷的，为了满足新一代飞行器的技术要求，飞行器结构技术必将逐步走向智能化，形成人工智能赋能飞行器结构技术跨越发展的新局面，不断催生飞行器结构智能感知技术、飞行器结构智能变形技术等新技术衍进。
一方面，飞行器结构在长时间贮存服役的过程中，飞行器结构的性能不断发生退化，如何实时感知结构性能的退化，对飞行器结构进行及时的维护，就需要在飞行器结构上集成传感器，通过感知结构响应信息实现对飞行结构的实时健康监测。另一方面，飞行器根据飞行状态、威胁等信息在飞行过程中能智能调整飞行轨迹，实现最终飞行任务是新一代智能飞行器的一个重要特征，如何在飞行过程中实时辨识结构特征信息，并通过飞行器智能控制系统的信息融合，支撑飞行器动态轨迹规划是十分迫切的需求。
上述两个需求，都需要从推动飞行器结构智能感知水平的提升，主要技术发展方向包括：1、轻质柔性共形传感器技术：开发新型轻质柔性传感器，并能集成相应柔性电路，形成柔性感知节点，可共形安装在飞行器结构关键部位，实现对安装部位结构的响应感知。这些传感器本身较传统的刚性传感器具有更容易与飞行器结构融合的优势。2、传感/结构一体化集成技术：根据结构材料的不同，传感器可以共形安装在结构表面，也可以通过与复合材料、增材制造结构一体化制造集成在结构内部。主要技术问题包括：以传感器数量、位置为变量的传感器综合优化布局技术；传感器/结构共形响应传递机理；传感/结构一体化集成工艺、性能评估和服役寿命预测等问题。3、智能信号和信息处理技术：服役结构上获取的传感器信号通常为包含噪声的低信噪比信号，如何发展轻量化在线信号处理和信息提取技术，是实现飞行器结构智能感知的关键。主要技术问题包括：高动态信号实时处理算法；结构状态信息特征提取方法；结构动态特性在线反演技术等。可以预见，人工智能技术，特别是压缩感知、机器学习等可能是突破这些技术问题的有力支撑。
（二）飞行器结构智能变形
传统飞行器结构一般通过机械机构实现折叠展开等构型改变，飞行器智能可变形结构是指通过集成先进材料、驱动系统与智能感知控制，使飞行器能够根据飞行环境（如高度、马赫数）或任务需求，主动且连续地改变其气动外形（如翼展、后掠角、机身身弯度或扭转），从而实现飞行状态的重构。
在这个领域，主要研究方向包括：
1、主动变形驱动机构与智能材料：研究具有高功率密度、大应变特性的智能材料驱动器，如形状记忆合金（SMA）、压电纤维复合材料（MFC）及电活性聚合物（EAP）。重点在于如何平衡驱动器的轻量化与大载荷输出能力，特别是大载荷输出是目前智能作动器研究的热点。
2、柔性连续体结构力学与柔性蒙皮：这是实现“无缝变形”的核心挑战。研究重点在于开发既能满足气动载荷支撑刚度，又具备大应变弹性、抗疲劳且能保持表面光滑度的柔性蒙皮系统（如波纹夹层结构或各向异性复合材料），例如借助纤维增强的人工橡胶等材料来实现。
3、结构变形控制策略方法：在智能感知、信号和信息处理的基础上，还应发展结构变形控制策略和方法，并能和飞行器飞控系统实现有机的融合，实现的控制目标主要有：对复杂气动弹性响应的实时预测与闭环控制、响应飞行器实时轨迹规划信息的变形控制等。实现路径可以结合人工智能算法（如强化学习），确保变形过程中的气动稳定性和结构安全性。
（三）飞行器结构设计方法智能化
AI对飞行器设计学科的另外一个重要影响就是不断在改造和推动飞行器结构设计方法、设计工具和设计流程的演进，同时也极大的推动了飞行器结构设计能力的提升。该领域主要研究方向有利用人工智能计算加速结构仿真的过程和基于生成式人工智能的结构设计优化两个大的方面。
1、利用人工智能计算加速结构仿真的过程
如前所述，现在的结构设计流程重度依赖于飞行器的高保真有限元仿真分析，这些分析工作，特别是动力学分析工作，从模型简化、模型建立、模型分析和后处理等需要的时间成本高昂。机构动力学设计和仿真随着非线性因素的不可忽略，仿真的代价也日益增大。仿真时间代价也不断增大。这些问题一方面限制了快速仿真和迭代，导致设计的周期加大；另一方面，不能嵌入到飞行器系统数字实时方针的环境中，限制了飞行器全数字系统的实现。
基于机器学习构建代理模型，是可能加速上述仿真过程的关键。基于高保真的有限元模型生成训练样本，如有可能结合部分实验数据，利用生成对抗网络（GAN）或变分自编码器（VAE）等学习结构响应，将复杂的跨声速颤振计算、非线性大变形分析从“小时级”降至“秒级”，甚至毫米级，将极大的缩短飞行器结构设计的流程，赋能快速迭代设计。
2、基于生成式人工智能的结构设计优化
传统的结构设计优化一般分为尺寸优化、形状优化和拓扑优化。早期一般基于灵敏度等优化算法进行寻优，后来遗传算法、粒子群等智能优化算法也不断在飞行器结构优化中获得大量应用，但总体而言，优化设计空间的搜索能力、优化设计的效能还不够高。面向新一代飞行器更为复杂的强耦合、非线性、多工况等服役环境，如何有效的在设计空间内获取有效设计变得更为困难。人工智能（AI），特别是通过生成设计和拓扑优化（TO）的融合，为解决这一难题提供了可行途径。
生成设计是人类工程师和自主算法之间的协作过程。该过程从定义设计领域以及确定设计“不可行域”开始，人工智能利用元启发式算法或深度学习模型来探索数千个排列，并与人类设计师在三到四次迭代后可能会确定设计不同，确定出最有希望的设计方案。拓扑优化是通常为生成设计提供动力的数学引擎。它试图优化给定空间内的材料布局，以适应特定的一组载荷。通过生成式设计和拓扑优化的融合，可以获得传统计算机辅助设计框架内很难获得仿生结构构型，极大地的拓展了工程师的设计能力，而现代增材制造技术的发展也赋予了这类仿生结构的可制造性，从而实现飞行器结构形式的跨代发展。
文章来源：结构与生命系统健康监测
