在全球范围内，人工智能（AI）技术正迅速成为经济增长的强大驱动力，为各行各业注入变革的动力。在民航业，AI被视为推动行业发展的新一代“隐形引擎”——那些看不见的大数据，正成为引领人们迈向智能化、开启美好出行的全新“燃料”。尤其是在航空发动机领域，AI这对“智慧的翅膀”正以前所未有的速度推动变革的浪潮，展现出无限潜力。
在业内专家看来，从设计、试验到生产制造和运营维护，AI技术在航空发动机领域的应用正扩展到全生命周期，在推动航空发动机研发进程加速的同时，也让产业链上下游的协作更加密切和高效。
设计更强大的飞机“心脏”
作为飞机的“心脏”，航空发动机集成了大量先进技术、材料和工艺，是飞机的关键部件，在设计、制造和使用方面都对精度、稳定性、可靠性有着极高要求。
西北工业大学教授肖洪介绍，航空发动机的特点可以总结为“三高一长”。在性能上，航空发动机具有飞行包线高、推（功）重比高、可靠性高以及使用时间长的特点。目前，在全球范围内，航空发动机的最长机上寿命达到50000小时。在运行环境上，航空发动机面临高压、高转速、高温以及长生命周期运行的挑战。在经济上，航空发动机则是高投入、高门槛、高回报、长周期的产品。肖洪介绍，典型航空发动机研制需要10年~20年，但在定型后，由于使用周期长，投资回报率非常高。
如今，随着AI技术的“加盟”，这种高度精密运行的设备也进入了更加安全、高效的智能时代。AI技术对航空发动机的影响可以追溯到“源头”。也就是说，在产品设计环节，AI技术就已经在为其构建模型贡献力量了。众所周知，航空发动机是人类智慧和科技力量的集中体现，其设计过程涉及结构力学、流体力学、空气动力学、燃烧等工程科学，对基本方程、基本模型和计算方法的依赖度较高。而在工程科学领域，AI技术已经率先实现了广泛应用，并凭借日益完善的机器学习（MachineLearning），极大地提升了相关行业的工作效率和精度。
作为AI技术的一部分，通过学习已有的经验和数据，机器学习能够让计算机系统在大量数据中找到规律，推动了自动化、数据驱动决策以及智能系统的发展。与传统模型相比，采用机器学习方法构建的模型具有高效性、跨尺度性的物理特征描述能力，在计算精度和计算效率上有潜在优势，这种能力对航空发动机构建模型非常重要。
除了构建模型，AI技术还能在航空发动机的性能预测、设计模式优化、试验验证等环节发挥作用。以航空发动机试验为例。中国工程院院士刘大响曾在公开演讲中提到，某一型航空发动机从设计到定型需要几千小时甚至上万小时试验，时间会持续10年之久。而随着AI技术的发展，人们尝试将一部分试验转移至数字空间进行——在数字空间通过数字孪生技术研发出性能一一对应的数字发动机，在数字发动机上开展试验，以大幅节省人力、物力、财力，并加快研制进程。
通过AI技术提升航空发动机的研发效率并非只是学界的美好愿望，很多企业已经加入到这一前沿领域的探索中。例如，美国GE航空航天公司就开发了一种AI驱动的设计工具——DT4D（DigitalThreadforDesign，数字线程设计）。这是一个涵盖整个产品生命周期的数字线程系统，旨在通过连接设计、制造、供应链和服务等多个环节，实现航空发动机从概念设计到实际运营的数据统一，使整个研发和制造过程更加高效、透明。该系统不仅允许工程师、制造商和供应链等利益相关方实时访问最新的产品设计和性能数据，还能够将仿真、设计和制造数据整合到同一个数字线程系统中，有效减少产品开发过程中的重复劳动和手动数据传输错误，在加快产品开发速度的同时，既降低了产品成本，又提升了产品可靠性。
打破制约效率的瓶颈
好的设计需要高水平的生产来实现。
在生产制造环节，AI技术已经在很多行业证明了其所具备的能力和价值。例如，在汽车制造领域，今年6月，宝马集团在其位于美国南卡罗来纳州的斯帕坦堡工厂引入了通用型机器人Figure01。这款机器人由AI视觉模型驱动，能够精确放置金属部件，并能通过神经网络学习在执行中自动纠错。在航空制造领域，空客公司将AI技术和计算机视觉技术融入其生产过程，显著提升了飞机组装的精度。同时，AI技术还能通过分析视频数据自动记录关键组件的安装，并检测是否存在安装问题。
尽管此类ai机器人目前仍处于探索阶段，但在一些高端制造企业高管看来，未来AI技术的重点不在于是否使用它，而在于如何使用它。AI技术在制造环节更广泛的应用场景是智能化生产线监控和智能化产品质量控制。通过使用AI技术监控生产过程，制造企业能够优化工艺参数，并实时调整生产线的运行状态。而当ai图像识别技术被用于产品检测和质量控制时，一些微小的生产缺陷能够被及时发现，从而提升产品的精度，因此更适用于芯片制造、航空零部件生产等对精度有着极高要求的行业。
航空发动机部件结构复杂，对生产精度有着较高要求，而将AI技术与工业机器人、数字孪生、虚拟现实（VR）、增强现实（AR）、增材制造（3D打印）等新兴技术，以及数据采集监控、生产执行系统（MES）等工业软件融合，可以降低人在复杂、严苛环境中的参与程度，提高制造执行过程的准确性和生产效率，进而提高产品质量。在这方面，发动机制造商罗尔斯·罗伊斯积极探索，通过在发动机设计和制造中使用AI技术，预测并解决生产过程中的潜在问题，确保每个部件都能达到严格的精度要求。
目前，一些更加吸引人的探索则是将3D打印技术与AI技术相结合，以突破航空航天领域的制造瓶颈。在航空发动机领域，3D打印技术的应用正在逐渐扩展。作为目前使用3D打印技术最广泛的航空发动机领域，GE航空航天公司在研发GE9X发动机的过程中使用了超过300个3D打印技术零件。通过对多种新材料的灵活使用，3D打印技术不仅提升了复杂部件的生产精度，还有效实现了零部件轻量化，并大幅缩短生产周期。不过，3D打印技术虽然被发动机制造企业看好，但仍受到打印效率的制约。对此，有科技公司提出，将AI技术与3D打印技术结合后，有望大幅缩短材料研究时间，提升发动机零部件的制造效率。
做“飞机医生”的“AI手术灯”
在服务保障环节，通过实时感知产品使用状态，AI技术能够快速制订维护、修理方案，构建备件预测与优化配置模型，实现航空发动机的预测性维护，提升服务保障能力。目前，很多大型航空制造企业已将AI技术作为航空发动机的叶片检查工具，将原本3小时～4小时的检测时间缩短到30分钟～45分钟，可为企业节约数以亿计的检查费用。
事实上，AI技术不止为大型企业赋能。在航空发动机现场维修过程中，AI技术驱动的检测工具有助于实现操作规范化，提高人员工作效率和工作质量，缩短维护、修理时间。而一些关注新技术的“飞机医生”，也就是机务维修人员，已经开始打造属于自己的“AI手术灯”。
在广州白云机场，广州飞机维修工程有限公司（GAMECO）的“90后”机务维修人员罗成就利用中国首个自主研发的产业级深度学习平台“飞桨”，打造了一个属于机务维修人员的“AI手术灯”——飞机缺陷识别模型。在构建这个模型的过程中，训练模型是第一步，这需要将采集到的大量数据和图片导入系统，帮助其进行机器学习。
在传统航后工作中，机务维修人员需要用大约1小时的时间进行目视绕机检查，以确保包括航空发动机在内的设施设备一切正常，达到运行要求。在完成对飞机缺陷识别模型的训练后，罗成开始在实际工作中测试其能否提高目视检查的效率和准确度。结果显示，该模型成功识别出飞机某处螺杆松动，并发出“滴滴滴”的声音，表明AI技术在一线工作领域同样具有巨大潜力。
麦肯锡公司在今年8月发布的《航空维修中的生成式人工智能机遇》中指出，没有在幕后运行的飞机维护、修理和大修（MRO）服务，民航业将无法完成每天在全球范围内安全运送近1000万人次旅客、飞行超过200亿公里这一惊人的壮举。但如今，这一行业正面临前所未有的挑战。商务航空出行需求快速增长、全球范围内的飞机短缺，以及新冠疫情造成的维修积压等，不断推升航空公司对MRO服务的需求。而在新飞机供应受限的情况下，航空公司想要努力满足日益增长的旅客出行需求，MRO行业必须确保现有飞机的可用性、可靠性，并延长其服役时间。而在科技飞速发展的当下，解决这些问题和抓住这些机遇的关键都指向了人工智能。
随着AI技术的不断成熟，其在航空发动机领域的应用将更加广泛而深入。从预测性维护到提高燃油效率，再到智能化故障诊断，AI技术创新为提升航空发动机的性能和运行可靠性提供了强大支持。展望未来，在人工智能等新技术的支持下，航空发动机将朝着更加智能、环保和高效的方向演进，不仅为航空业可持续发展奠定基础，也为提升全球航空业的安全性和经济性带来新的突破。（中国民航报 记者王艺超）
专家谈
航空制造业的全生命周期都将与数据紧密相连
刘一
AI技术赋能航空制造以及“设计—制造—维修”全生命周期优化是一个前沿话题，也是AI技术在数字化航空领域拓展的重要体现。从目前来看，AI技术发展对航空制造的影响，主要体现在三个环节。
在设计环节，新一代AI技术已经具备与CAD（计算机辅助设计）/CAE（计算机辅助工程）实现进一步结合的能力，这在本质上是从“第三范式（计算科学）到第四范式（数据密集型科学）”的转变。例如，在对数字化模型进行结构强度、振动噪声、热流耦合等多物理场的仿真分析中，AI技术可使航空器设计知识与数据实现跨时空、跨场域及跨单元的流动与融合，用于自动生成高质量的网格模型，以优化求解器的参数设置，提高仿真效率和精度。
新一代AI技术的“三驾马车”——算力、算法、算据，都在推动航空器设计领域生产力的革新。其中，算力的高速增长满足了设计仿真中大规模数值计算的性能要求；智能算法一方面使得设计可以适配更高维度和更多变量，另一方面催生了专业化设计与生成式设计相结合的新局面；而大模型处理、理解和创造大量数据信息的核心能力，恰恰满足了航空制造中细分性强、专业垂直度高的算据处理需求。
在制造环节，航空业对制造精度和加工质量有着极高要求，与传统的事后抽样统计质量调控方案相比，新一代AI技术能够满足质量控制的实时性要求。例如，基于AI技术的多模态能力可整合不同传感器数据，实时把控、优化生产流程；将AI技术应用于生产制造的各检测环节，利用领域专家的知识和数据集进行训练，可自适应地学习各类传感器数据和反馈信息，从而提高产品缺陷检测的精度；而面向个性化、柔性化的智能制造需求，AI技术能够不断学习和理解当前环境中生产制造数据的模式和特征，进而为特定任务制订执行方案。另外，AI技术可赋能机器人，使其具备感知、分析、决策能力，如基于自然语言处理模型理解人类指令、基于机器视觉模型判断位置信息、基于智能决策算法实现加工路径规划等，在部分重复性强、标准化或危险系数高的场景中大幅减少人力，高效协同人员开展工作。
在维修环节，AI技术将高效优化从“手册”到“工单”这一航空器维修的核心环节，即实现从“专业知识库”到“工作清单”的自动化、智能化。当航空器发生故障时，基于故障诊断专家系统和知识图谱技术的AI能够智能分析故障现象和运行数据，快速确定故障原因，直接生成维修方案和决策建议，指导机务维修人员进行精准维修和部件更换，还可将故障诊断和维修知识回填到知识库中，不断完善和优化诊断模型。而利用机器学习算法，如深度神经网络、长短期记忆网络等对航空器维修知识和运行数据进行特征提取和模式识别，能够构建设备退化和故障演化的预测模型，通过模型训练和验证，准确预测设备的剩余使用寿命和潜在故障风险，实现航空器主动预测性维护和优化。
BD（大数据）和AI是新质生产力技术进步的核心。未来，航空器设计、制造、维修的全生命周期都将与BD和AI紧密相连，这需要民航基础的数据治理、数据到领域知识转化、智能垂直应用场景研究等合力推进。此外，我们应当注意，一方面航空制造场景具有复杂性、专业性和动态性等特点，当前新一代AI技术的可解释性、安全性等是大规模生产应用需要解决的问题；另一方面，随着智能化转型的深入，将有越来越多的无人化场景涌现，应在综合考虑效率、成本等因素的基础上决定哪些工作由机器完成，哪些由人完成。这是一个人机协作的过程，一味追求无人化可能偏离智能制造的本源。（作者系中国民航管理干部学院大数据与人工智能系主任、民航局数据治理与决策优化重点实验室执行主任）
津公网安备12011002023007号