西安交通大学冯珂教授、雷亚国教授、南京水利科学研究院胡亚安院士团队：认知数字孪生赋能航空装备：新范式与研究前沿丨JME文章推荐

引用论文

冯珂, 张紫琳, 倪清, 杨彬, 胡亚安, 孟理华, 雷亚国. 认知数字孪生赋能航空装备：新范式与研究前沿[J]. 机械工程学报, 2026, 62(12): 1-21.

FENG Ke, ZHANG Zilin, NI Qing, YANG Bin, HU Yaan, MENG Lihua, LEI Yaguo. Cognitive Digital Twin Enabled Aerospace Equipment: New Paradigm and Research Frontier[J]. Journal of Mechanical Engineering, 2026, 62(12): 1-21.

(戳链接，下载全文)

航空装备作为现代军事与民用航空领域的核心设施，其系统高度复杂、服役周期长、可靠性要求严苛，对装备的研制与运维提出了严峻挑战。数字孪生技术为航空装备全生命周期管理提供了有效支撑，但传统数字孪生仍停留在静态表征层面，难以实现对装备复杂动态行为的深度认知、演化预测及干预决策。在此背景下，随着大模型、知识图谱与因果推理等认知技术兴起，认知数字孪生成为新一代的研究焦点。当前，认知数字孪生的成果多局限于局部特定场景，其理论体系亟需完善，缺乏面向航空装备复杂系统的统一架构。鉴于此，西安交通大学冯珂教授、雷亚国教授、南京水利科学研究院胡亚安院士团队梳理了一种面向航空装备全生命周期管理的新型认知数字孪生框架，旨在厘清从状态映射到自主认知的范式跃迁路径。首先，归纳了数字孪生技术从虚实映射向智能认知演进的发展脉络，并分析了该演进趋势在航空领域的应用现状与迫切需求。其次，重点分析了由物理实体层、虚拟实体层、交互连接层与认知嵌入层构成的认知数字孪生框架，及其在全生命周期的认知赋能机制。随后，从实现方法角度归纳了各层级的研究现状和技术路径。针对当前航空装备数字孪生应用面临的关键挑战，结合大模型等新兴技术，展望了以深度理解、自主演化与可信决策为核心特征的认知数字孪生体系发展图景 。该团队的研究成果以题为《认知数字孪生赋能航空装备：新范式与研究前沿》发表在《机械工程学报》2026年第12期。

1

行业现状

航空装备作为现代军事与民用航空领域的核心设施，在保障国家安全、推动经济发展与促进科技进步方面具有重要战略意义。航空装备高度复杂、服役周期长、可靠性要求严苛，对装备的研制与运维提出了严峻挑战。数字孪生技术作为实现装备智能化研制与运维的关键使能技术，为航空装备全生命周期管理提供了新的方法论与实现路径。在此背景下，数字孪生技术在航空装备的状态监测、故障诊断、寿命预测及智能运维等方面的应用已初见成效。

然而，当前的数字孪生研究多聚焦于“物理—虚拟”的静态映射与数据驱动的动态更新，缺乏自主学习、知识演化与逻辑推理能力，难以实现模型的自适应与自进化。这一挑战与需求直接催生了认知数字孪生的概念构想，即在传统数字孪生基础上，深度融合人工智能、知识图谱、因果推理与情境感知等认知技术，赋予虚拟模型类人的理解、学习与决策能力，为未来复杂系统的自主化、智能化全生命周期管理提供新方案。

目前，航空装备领域已经开展了相关认知数字孪生研究，但多集中于特定算法或单一阶段的应用，缺乏从全生命周期视角下的系统梳理。为此，本文围绕认知数字孪生在航空装备中的应用展开调研，系统归纳梳理认知数字孪生体系架构与关键使能技术，为航空装备的智能化高质量发展提供关键技术路径参考。

2

航空装备认知数字孪生框架

认知数字孪生正逐渐成为航空装备智能化的前沿方向与研究热点。本文在已有研究基础上归纳了一个面向航空装备的认知数字孪生框架，如下图1所示。该框架以认知闭环为核心驱动机制，将传统数字孪生的数据感知与建模能力拓展至分析、决策与自主适应层面。其体系结构由物理实体层、虚拟实体层、交互连接层与认知嵌入层共同构成。基于此框架，本文重点阐述和综述了各层级的功能内涵、实现方法及其在全生命周期各阶段中的动态交互与协同演化机制（如下图2所示）。

物理实体层：航空装备本身是具有层次化的物理结构，对其各组成部分进行明确划分，从而支撑虚拟实体的模块化建模。物理实体层是认知数字孪生框架的基石与数据源头，通过“系统—子系统—关键部件”的层级划分与结构化分解，为数字孪生建模提供了明确的物理对象。

虚拟实体层：在认知数字孪生框架中，虚拟实体是实现航空装备数字化表征与多维特征映射的核心载体。从结构表征、物理机理、性能退化和控制逻辑四个关键维度出发，将虚拟实体划分为几何模型、物理模型、性能模型和控制模型。同时，引入独立的环境模型用于表征温度变化、载荷波动等外部激励，通过主体模型和环境模型的协同仿真，构建系统化、多学科融合的航空装备数字孪生体。

交互连接层：交互连接层在认知数字孪生系统中的主要功能在于打通各层级间的信息屏障，实现数据与控制信息的双向实时闭环传递（如下图3所示）。向上，交互连接层支撑虚拟实体层与物理实体层的动态同步（实现虚实交互）；向下，协调不同学科模型间的耦合仿真（实现模型交互），并为认知嵌入层输送经过清洗与对齐的高质量数据。通过建立标准化接口协议与高效传输机制，交互连接层能够确保物理实体、虚拟实体与认知嵌入三大层级在时空维度上高度协同，是推动系统从静态孤立模型演进为动态孪生模型的关键支撑。

认知嵌入层：认知嵌入层为数字孪生体赋予了主动感知、理解、学习与决策的智能化能力，促使孪生体从动态映射走向主动认知。认知嵌入层分为感知模块和决策模块（如下图4所示），通过两模块的紧密协同，为航空装备全生命周期各阶段注入主动认知能力。

3

趋势与展望

当前，认知数字孪生技术已在航空装备领域得到初步探索，但仍面临整机建模缺乏系统集成、全生命周期模型演化机制缺失、高阶认知水平不足等关键挑战。针对上述问题，结合知识图谱、大模型等新兴技术，本文提出关于航空装备认知数字孪生未来的三个探索性方向：（1）构建面向整机系统的集成化快速建模体系；（2）形成全生命周期的自适应演化与交互机制；（3）融合知识与推理的高阶认知能力。终极目标是，通过构建因果驱动（理解机理）、自主演化（持续优化）、决策可信（结果可释）的认知数字孪生系统，实现装备健康管理的根本性变革。该系统将作为核心使能器，推动运维体系向高可靠、高自主、高可信的智慧形态演进，从而为构建未来的智慧航空生态奠定坚实的技术基石。

4

代表性图片

图1 航空装备认知数字孪生框架

图2 认知数字孪生框架在全生命周期中的演进

图3 交互连接层

图4 认知嵌入层

图5 认知数字孪生的未来发展与探索方向

作者及团队介绍

冯珂，西安交通大学教授、博士生导师。主要研究方向为数字孪生、智能运维及大模型分析技术，涵盖数字孪生、信号处理、故障诊断和疲劳磨损分析等领域。国家级青年人才、玛丽居里学者、全球前2%顶尖科学家，曾在英属哥伦比亚大学、新加坡国立大学和帝国理工学院等任职。2023年荣获皇家物理协会会刊评选的“新锐科学家”称号。以第一作者或通信作者发表SCI论文60余篇，现担任《IEEE Transactions on Industrial Informatics》、《Information Fusion》、《IEEE Internet of Things Journal》、《Structural Health Monitoring》等国际期刊的副主编及编委。主持国家自然科学基金优青项目、国家重点研发计划课题及国家自然科学基金面上项目等，主持的国际合作项目包括Horizon Europe和UKRI等。曾获“中国航空学会科技奖二等奖”、“振动工程学会科学技术奖二等奖”和《Wear》期刊最佳论文奖。

胡亚安，中国工程院院士，水利部交通运输部国家能源局南京水利科学研究院原总工程师、江苏省科学技术协会副主席，内河水运工程专家。长期致力于内河水运通航建筑物前沿技术攻关、核心装备研发和重大工程实践，先后主持和完成国家重点研发计划、国家自然科学基金以及国家大型水利水电水运工程科技项目等100余项，取得一批国际上有重大影响力的原创性成果，为三峡、葛洲坝、长洲、大藤峡等高水头船闸，景洪、三峡、构皮滩等大型升船机以及锦屏、白鹤滩、向家坝等巨型水电站水力学相关技术难题的解决作出了重要贡献。研究成果荣获国家科技进步一等奖1项，国家科技进步二等奖3项，国家技术发明二等奖1项；省部级特等奖11项、一等奖15项。授权发明专利74项；主编在编行业标准16部。荣获首届全国创新争先奖、第十三届光华工程科技奖、第三届杰出工程师奖。

雷亚国，西安交通大学二级教授、博士生导师、机械工程学院常务副院长、国家杰青、美国机械工程师协会会士（ASME Fellow）、英国工程技术学会会士（IET Fellow）、国际工程资产管理协会会士（ISEAM Fellow）、科睿唯安全球高被引科学家（2019-至今）、国家重点研发项目首席科学家（2项）、陕西省科技创新团队带头人、“三秦学者”全国一流创新团队带头人。担任中国振动工程学会理事、中国机械工程学会工业大数据与智能系统分会副主任委员、中国自动化学会技术过程的故障诊断与安全性专业委员会副主任委员以及IEEE Transactions on Industrial Electronics、Mechanical Systems and Signal Processing等本领域著名期刊副主编。长期从事机械系统建模与动态信号处理、大数据智能故障诊断与寿命预测、机械状态健康监测与智能维护等方面的研究工作。主持国家重点研发计划、国家自然科学基金等国家级项目20余项。研发的智能诊断系统在智能制造、能源电力、交通运输等领域得到广泛应用。曾获国家技术发明二等奖、中国青年科技奖、腾讯“科学探索奖”等奖励荣誉。

杨彬，西安交通大学助理教授、硕士生导师，入选国家“博士后创新人才支持计划”、全球前2%顶尖科学家榜单。担任中国机械工程学会工业大数据与智能系统分会委员、Frontiers in Mechanical Engineering副主编、《机械工程学报》首届青年编委。研究方向为新一代人工智能故障诊断、高端装备大数据智能运维。主持国家自然科学基金青年项目、中国博士后科学基金面上项目等10余项；出版学术专著1部，获工信学术出版基金资助；在本领域国内外著名期刊上发表学术论文10余篇，7篇入选ESI热点、中国百篇最具影响国际学术论文、中国科协优秀科技论文等；参与制定国家/团体标准3项。研究成果在高端轴承智能制造、轨道交通等领域得到应用。曾获中国自动化学会自然科学一等奖、陕西省自然科学一等奖、西安交通大学“十大学术新人”等奖励荣誉。

倪清，西北工业大学教授，博士生导师，国家级青年人才，斯坦福大学“全球前2%顶尖科学家”，皇家物理协会会刊“新兴领袖”。研究方向：智能运维、大模型、物理信息神经网络、数字孪生、信号处理。发表相关研究论文50余篇，多篇论文入选ESI热点或高被引论文。目前担IEEE Transactions on Industrial Informatics、Neurocomputing、Journal of Intelligent Manufacturing、IEEE Transactions on Instrumentation and Measurement、IEEE Sensors Journal等5个领域权威期刊的Associate Editor，以及Engineering Applications of Artificial Intelligence等期刊的Editorial Board Member，并担任多个国际知名期刊的Youth Editor、Guest Editor及国际会议分会主席。

张紫琳，西安交通大学机械工程学院2025级博士研究生。主要研究方向：数字孪生、状态评估与预测等装备智能运维技术。

5

团队研究方向简介

团队聚焦于“高端装备数字孪生与智能运维”研究方向，致力于攻克高端装备全生命周期健康管理的关键技术难题。研究主要涵盖以下四大方向：

（1）研究方向一：摩擦磨损与动力学分析结合微观磨损机理与宏观动力学响应，揭示关键部件在复杂服役环境下的性能退化规律与失效机制，为数字孪生建模提供可靠的物理机理基础。

图1 摩擦磨损机理分析

（2）研究方向二：高端装备数字孪生

针对航空航天、轨道交通等领域的关键系统及部件，构建高保真基底模型，研究数据-机理融合的模型动态校准方法，实现物理实体与虚拟空间的实时双向交互与闭环优化。

图2 数字孪生建模与交互

（3）研究方向三：智能故障诊断与寿命预测

利用信号处理、机器学习与深度学习技术，研究针对齿轮、轴承等关键部件的早期故障识别、磨损演化预测及剩余寿命估计方法，实现装备健康状态的实时监测与评估。

图3 故障诊断与与寿命预测

（4）研究方向四：AI大模型驱动的智能运维

探索大模型在工业多模态数据处理中的应用，基于大模型技术研究具备语义理解与自主推理的认知数字孪生，实现设备运行状态的全面自主感知与自主决策的高度智能化运维。

图4 AI大模型驱动的智能运维

6

近两年团队发表文章

[1] Ke Feng, Huili Xiao, Jiachang Zhang, Qing Ni. A digital twin methodology for vibration-based monitoring and prediction of gear wear [J]. Wear, 2025, 571: 205806.

[2] Ke Feng, J. C. Ji, Yongchao Zhang, Qing Ni, Zheng Liu, Michael Beer. Digital twin-driven intelligent assessment of gear surface degradation [J]. Mechanical Systems and Signal Processing, 2023, 186: 109896.

[3] 杨彬, 李雅宁, 雷亚国, 等. 迁移拓扑规划的机械设备群体协同智能诊断方法[J]. 机械工程学报, 2026, 62(4): 1-11.

[4] 冯珂,钱庭钰,张紫琳,等.基于循环平稳分析的齿轮磨损退化状态监测[J/OL]. 振动、测试与诊断, 2026, 1-10.

[5] Zilin Zhang, Jun Luo, Ke Feng. A Bayesian Uncertainty-Guided Transfer Learning Method for Trustworthy Fault Diagnosis of Rotating Components [J]. Reliability Engineering & System Safety, 2026: 112621.

责任编辑：杜蔚杰

责任校对：张 强

审 核：张 彤

JME学院简介

JME学院是由《机械工程学报》编辑部2018年创建，以关注、陪伴青年学者成长为宗旨，努力探索学术传播服务新模式。首任院长是中国机械工程学会监事会监事长、《机械工程学报》中英文两刊主编宋天虎。

欢迎各位老师扫码添加小助理-暖暖为好友，由小助理拉入JME学院官方群！

欢迎关注JME学院视频号~

寻觅合作伙伴

有一种合作叫做真诚，有一种发展可以无限，有一种伙伴可以互利共赢，愿我们合作起来流连忘返，发展起来前景可观。关于论文推荐、团队介绍、图书出版、学术直播、招聘信息、会议推广等，请与我们联系。

感谢关注我们！《机械工程学报》编辑部将努力为您打造一个有态度、有深度、有温度的学术媒体！

版权声明：

本文为《机械工程学报》编辑部原创内容，欢迎转载，请联系授权！

在公众号后台留言需要转载的文章题目及要转载的公众号ID以获取授权!

联系人：暖暖

微信小助手：jmenuannuan

E-mail：jme@cmes.org

网 址：http://www.cjmenet.com.cn

官方微信号：jmewechat