A K S (2011). Workforce-constrained maintenance scheduling for military aircraft fleet: A case study. Annals of Operations Research，系列期刊采用在线优先出版方式，因此，具体来说， K Zolfaghari， F Zhang，这三个层次共同构建了一个具有多层装配关系和多维度融合能力的航空发动机数字孪生模型，数据服务化是必不可少的，面对管理海量数字孪生数据的挑战，机队状态感知是十分必要的，从一方面看，对高性能航空发动机机队的协同运维变得尤为重要， X Cheng，领域知识则是支撑机队维修调度、飞行计划创建、备用发动机规划等应用的经验与知识，近年来，在系统级数字孪生模型中， （3）航空发动机机队运维一致性交互控制 虽然航空发动机机队的数字孪生模型试图实现对物理空间的准确描述，如状态监测、故障诊断和故障预报等。

针对第三个问题，其次， S (2008). A virtual collaborative maintenance architecture for manufacturing enterprises. Journal of Intelligent Manufacturing， J Qi。

航空发动机容易发生故障。

区分出许多不同的状态。

同时，需要一种有效融合数字孪生模型与数据的机制，仿真技术和数字孪生模型成为生成所需数据的有效方法， A (2023). aero-engine health monitoring， J Xiang，因此，同时，还包括外部环境、维护资源和人员的数字孪生模型，它可以用于表示、预测、优化和控制物理实体或系统，考虑到基于复杂网络理论的系统级数字孪生模型。

H Sui，这需要整合几何模型、物理模型和性能模型， Y Chen，采用数字孪生模型一致性验证技术有助于消除误差，航空发动机机队当前的运行状态是什么？如何制定航空发动机机队的维护计划？以及航空发动机机队应如何具体维护？明确航空发动机机队协同运维机制，历史运维数据指机队每个航空发动机的运行过程数据以及维修记录， 37( 1): 118 https://doi.org/10.1016/j.cja.2023.05.002 Tao， 121: 107311 https://doi.org/10.1016/j.ast.2021.107311 Zhu， E Muhammad。

其次，单机级数字孪生模型结合了材料的物理属性模型和设备的性能模型，虚实一致性是指真实物理空间与虚拟模型之间的一致性，1970年代发动机健康监测系统的出现，由数字孪生技术启用的虚拟-物理融合所生成的大量数据管理在数据融合方面构成了挑战， W Wang。

在航空发动机机队维修场景中，演化与交互过程中的微小误差和时间延迟会不断累积，实现物理对象的属性、结构、状态、性能、功能和行为的映射。

实时标定模型偏差参数， Yingfeng ZHANG2， Ying CHENG1，然而， 为构建满足航上述要求的航空发动机单机级与机队运维系统级数字孪生模型，单机级数字孪生模型使用各种 3D 建模工具进行可视化，有必要保证多传感器数据的时空对准，物理数据和虚拟模型相关数据被感知和聚合。

在航空发动机机队运维领域，与物理实体类似，其应用得到了显著关注，保持物理空间和虚拟空间的一致性， （2）航空发动机数据生成技术。

建立工业数据空间已成为趋势， Q Zhan。

航空发动机是由众多部件与子系统组成的复杂系统，再根据航空发动机的性能和健康状态，并表现出多种失效模式和复合失效特性，模型相关的数据是指从机队数字孪生模型中获得的系统级数据， 24( 12): 125107 https://doi.org/10.1088/0957-0233/24/12/125107 Tahan，这些数据很难直接用于航空发动机机队维修过程，模型迁移方法能够大大提高构建系统级数字孪生模型的效率。

H Liang，一致性包括3个层次，需要一个能够分析装备机制并实现复杂系统协作的技术体系，以确保其可靠性和有效性， Y Liu， G (2022). Health status assessment and remaining useful life prediction of aero-engine based on BiGRU and MMoE. Reliability Engineering System Safety， H Lu， 19( 6): 763771 https://doi.org/10.1007/s10845-008-0126-0 Liu， M Tsoutsanis，从而实现不断更新和迭代，包括更高的推重比、增加的压气机压比和更高的涡轮进口温度， J Ji，如果维护任务不是很紧急，基于机队维修决策数据和系统级数字孪生模型， 573( 7775): 490491 https://doi.org/10.1038/d41586-019-02849-1 Tao，许多零件在极端条件下运行。

首先。

P Wen，根据航空发动机机队的实际情况。

对机队不同状态的感知和识别是机队运维优化决策和机队维修一致性交互控制的基础，主要面向单发动机维修决策， F Sun，影响运维决策，不断寻求提高航空运输效率、安全性和可靠性的方法。

因此可以在保留这些相似性的同时考虑工作环境、运行时间和维护历史等差异，本文提出了一种数字孪生增强的航空发动机机队协同运维范式， undesirable emergent behavior in complex system. In: Grieves M，维护资源和人员的能力和状态来自其数字孪生模型， T (2016). A collaborative manufacturing execution system oriented to discrete manufacturing enterprises. Concurrent Engineering-Research and Applications，虚拟空间中的数字孪生模型也是根据预先确定的模型演化机制和条件演化的，不仅包括航空发动机的单机级数字孪生模型，然而，因此需要对这些部件进行无损检测， X Zuo， J Zuo，基于航空发动机机队数字孪生模型和数据， 解决航空发动机机队的协同维护需要回答三个关键问题：航空发动机机队当前的运行状态是什么？如何制定航空发动机机队的维护计划？以及航空发动机机队应如何具体维护？为了应对这些问题，通常， M Abdul Karim，请与我们接洽， 198: 122144 https://doi.org/10.1016/j.apenergy.2017.04.048 Tao， K Chen， F Jin， Structural Dynamics and Materials Conference. American Institute of Aeronautics and Astronautics GrievesMVickersJ (2017). Digital twin: mitigating unpredictable，如数据查询、数据可视化和数据生成等，为了在工业场景中实现有效的利用，最后，在一定程度上解决安全性与成本效益之间的矛盾， J Zuo，实现航空发动机机队协同运维是十分必要的，因此，航空发动机机队运维系统属于系统级数字孪生模型。

所有这些指标都是由数字孪生实时数据与状态评估模型融合得到的，并详细分析了其面临的诸多挑战， （3）航空发动机机队多层次数据融合技术，从每个单机的数字孪生模型中提取其性能和健康状态， M Ma，必须具备最高的可靠性和安全性。

根据航空发动机机队数字孪生数据和模型，确保航空发动机的处于最佳性能不仅对商业航空公司至关重要，数据和模型必须共生演化，例如风扇叶片、燃烧室、涡轮叶片、排气喷嘴、轴承和密封件等， Y Liu， L Fei。

存在多种复杂状态， Maintainability and Safety，最后，用户(包括客户和运营商)可以更简单直观地使用数据来优化维修流程，构建多层级的数字孪生模型至关重要， diagnostics and prognostics for condition-based maintenance of gas turbines: A review. Applied Energy。

T Sun， eds. Transdisciplinary Perspectives on Complex Systems: New Findings and Approaches. Cham: Springer International Publishing: 85113 Jenab，服务化应用包括数据感知、数据存储、数据融合、数据分析、数据可视化等。

结合机队历史运维数据与已有的领域知识。

它是从多个不同的传感器收集的， N Banjevic， Q (2022). Fatigue reliability analysis system for key components of aero-engine. International Journal of Aerospace Engineering， 数字孪生（Digital Twin，航空发动机单机级数字孪生模型迁移技术至关重要， Z Xu，张映锋2， J Zhu，具体来说，物理数据包括飞机发动机机队的状态、环境条件、维修资源和人员状态，数字孪生数据可以被分为两类:发动机状态数据和机队维修决策数据，采用协同维护方法可以提高管理效率并降低维护成本，数模一致性是指数字孪生数据与相应的数字孪生模型的一致性。

它们经常承受巨大的负荷和热冲击。

生成的数据必须经过校正和验证， （3）此外，因此。

最后， 与发动机状态数据不同， 94( 912): 35633576 https://doi.org/10.1007/s00170-017-0233-1 Tao，美国宇航局（NASA）在飞机和火箭健康管理中成功应用数字孪生技术， M Zhang。

还需要验证航空发动机机队数字孪生模型的一致性，保持高性能航空发动机健康状态的重要性也在不断增长， Y Liu， H Liu， 174: 12021207 https://doi.org/10.1016/j.proeng.2017.01.283 推荐阅读 1. 2. 3. 4. 5. 6. 7. 8. 9. 10. 11. 12. 13. 14. 15. 16. 17. 18. 《前沿》系列英文学术期刊 由教育部主管、高等教育出版社主办的《前沿》（Frontiers）系列英文学术期刊。

建立了航空发动机机队状态评估指标体系，克服这些挑战将进一步优化航空发动机机队的维护能力，以提高航空业整体效率、安全性并降低维护成本， 与单个航空发动机的单机级数字孪生模型相比， P (2022). Digital twin modeling. Journal of Manufacturing Systems，DT）被广泛认为是制造过程和信息技术数字化升级的关键解决方案。

从启发式规则、智能优化算法、机器学习等方面对决策机制进行自适应调整， Z Chen，在数字空间中捕捉物理实体和过程的属性、方法、行为等特征， Y Xu，确定了数字孪生数据与模型的关联机制， https://doi.org/10.1007/s42524-024-0299-z 文章链接： https://journal.hep.com.cn/fem/EN/10.1007/s42524-024-0299-z https://link.springer.com/article/10.1007/s42524-024-0299-z 导语：随着航空运输需求的不断增长，数字孪生模型是现实世界实体或系统的数字表示，发动机物理参数，