РАЗРАБОТКА СОВРЕМЕННЫХ МЕТОДИК КОМБИНИРОВАННЫХ ИСПЫТАНИЙ С ИСПОЛЬЗОВАНИЕМ ИСКУССТВЕННОГО ИНТЕЛЕКТА

Аннотация. В условиях роста сложности технических систем и ужесточения требований к их надёжности традиционные методы испытаний, основанные на физическом прототипировании и однофакторном нагружении, теряют свою эффективность. В данной работе предлагается методика комбинированных испытаний, интегрирующая данные цифрового двойника (ЦД) для повышения достоверности оценки надёжности сложных технических систем (СТС). Методика основана на итеративном взаимодействии между виртуальной моделью и физическими испытаниями, что позволяет синтезировать репрезентативные многомерные сценарии нагружения, выявлять скрытые отказы и оптимизировать ресурсные и временные затраты. Обоснование подхода подкреплено нормативными документами (ГОСТ Р 58570–2019, ГОСТ Р 58571–2019) и современными научными исследованиями в области цифровых двойников.

Ключевые слова: цифровой двойник, комбинированные испытания,  искусственный интеллект надежность, сложная техническая система, многофакторное нагружение, прогноз ресурса, адаптивное испытание, обратная связь, валидация модели.

Введение

Современные сложные технические системы — такие как авиационные комплексы, энергетические установки, робототехнические платформы — характеризуются высокой степенью интеграции подсистем, нелинейными взаимосвязями и чувствительностью к совместному воздействию множества внешних факторов. В этих условиях оценка надёжности на основе классических подходов, регламентированных, например, ГОСТ Р 58571–2019 [1], становится всё более затратной и недостаточно информативной [2].

Цифровой двойник — виртуальная, динамически обновляемая модель физического объекта — открывает новые возможности для трансформации процессов испытаний. Согласно Клюеву В.В. и Косареву Н.Н., ЦД позволяет не только симулировать поведение системы, но и формировать «умные» испытательные сценарии, ориентированные на выявление критических зон деградации [3].

Целью настоящей работы является разработка методики комбинированных испытаний, основанной на данных цифрового двойника, для повышения точности и эффективности оценки надёжности сложных технических систем.

Теоретические основы

Согласно ГОСТ Р 58570–2019, комбинированные испытания — это испытания, при которых на объект одновременно или последовательно воздействуют два и более фактора внешней среды (механические, климатические, электромагнитные и др.) [4]. Цель таких испытаний — смоделировать условия реальной эксплуатации, в которых факторы не действуют изолированно, а взаимно усиливают или ослабляют друг друга.

Однако проектирование таких испытаний требует обоснованного выбора комбинаций факторов, поскольку число возможных сценариев растёт экспоненциально. Традиционные методы опираются на статистику отказов или экспертные оценки, что ограничивает их прогностическую ценность.

Цифровой двойник, как показано в работах Tao F. и соавт., способен решить эту задачу за счёт:

• интеграции физических, статистических и данных эксплуатации;
• моделирования долгосрочной деградации (усталость, коррозия, износ);
• генерации «наихудших», но реалистичных сценариев на основе чувствительного анализа [5].

Предлагаемая методика

Разработанная методика реализует замкнутый цикл «моделирование – испытания – обучение» и включает следующие этапы:

1. Формирование цифрового двойника

Цифровой двойник должен соответствовать требованиям, изложенным в [3] и [6], и включать:

• геометрическую и физическую модель СТС;
• модели отказов компонентов (на основе данных из ГОСТ Р 58571–2019);
• алгоритмы обработки данных с бортовых и испытательных датчиков;
• исторические данные по аналогичным системам (при наличии).

2. Синтез сценариев комбинированного нагружения

На основе анализа данных ЦД (например, зон концентрации напряжений, тепловых флуктуаций, режимов перегрузки) формируются многомерные профили нагружения. Используются методы:

• многофакторного анализа чувствительности;
• машинного обучения для выявления корреляций между режимами и признаками деградации;
• оптимизации по критерию «максимальная информативность при минимальных затратах».

3. Проведение физических испытаний

Сгенерированные сценарии реализуются на комплексных испытательных стендах в соответствии с ГОСТ Р 58570–2019 [4]. Испытания проводятся в адаптивном режиме: при отклонении поведения образца от прогноза ЦД система управления может скорректировать параметры нагружения в реальном времени.

4. Обратная связь и обновление модели

Данные, полученные в ходе испытаний, используются для:

• верификации и валидации цифрового двойника;
• уточнения параметров моделей деградации;
• формирования новых гипотез о механизмах отказа.

Этот этап соответствует принципам «цифрового обучения», описанным в [5] и [7].

5. Оценка надёжности и прогноз ресурса

На обновлённой модели выполняется многовариантный анализ надёжности по методикам, рекомендованным в ГОСТ Р 58571–2019 [1], с учётом вероятностных распределений нагрузок и свойств материалов.

Преимущества и практическая значимость

Предложенная методика обладает следующими преимуществами:

• Снижение объёма физических испытаний за счёт целенаправленного выбора критических режимов;
• Повышение репрезентативности за счёт учёта реальных условий эксплуатации;
• Раннее выявление слабых мест, недоступных при однофакторных тестах [2];
• Поддержка принятия решений на всех этапах жизненного цикла — от проектирования до утилизации [6].

Практическая значимость подтверждается примерами применения ЦД в аэрокосмической отрасли (NASA), энергетике (Siemens) и оборонной промышленности (Клюев В.В. [3]).

Разработанная методика комбинированных испытаний, основанная на данных цифрового двойника, представляет собой современный подход к оценке надёжности сложных технических систем. Она обеспечивает синтез теоретического моделирования и эмпирических данных, что повышает как экономическую эффективность, так и прогностическую достоверность испытаний. Внедрение данной методики соответствует тенденциям цифровизации промышленности и может быть рекомендовано для использования в рамках научно-исследовательских и опытно-конструкторских работ в университетах и промышленных предприятиях.