我们的工作中有三个天宫空间站：天上在轨飞行的空间站，地面以电性能产品在真实结构上组装的全比例“复刻”空间站（以下简称电性空间站），以及数字世界里用机电热等多学科模型构建的数字空间站。
电性空间站用于复现天上的飞行状态、设备和软件升级验证以及航天员部分操作的验证与体验；数字空间站用于飞行方案和飞行程序的仿真预示，并辅助在轨空间站的实时数据监视判读。这两者分别构成在轨空间站的物理映像和数字映像，共同保障在轨空间站安全运行。
物理映像用于飞行保障的做法很早就在航天器研制领域应用了。电影《阿波罗13号》复现了当年的历史：包括备份航天员在内的地面工作人员在模拟器内尝试并验证了关闭指令舱电源、关停设备降低飞船功耗以及再次启动指令舱等一系列应急操作，进而指导阿波罗13号乘组完成飞行中的操作，故障飞船最终得以安全返回。实际上，阿波罗飞船的模拟器已经不是全物理系统了：除了航天员的操控设备等为真实产品，相当多的运行参数是通过大型计算机模拟的。
▲阿波罗13号飞船指令舱模拟器和登月舱模拟器（图源：《阿波罗13号》电影截图）
载人空间站是一个百吨级且由数千台设备集成的组合体飞行器，其复杂性不仅体现在规模、体量和功能多样性上，更在于研制过程中要很好地解决系统与局部以及系统各组成部分之间的关联性问题，因此全局优化的实现极为重要，也尤为困难。大多数飞行器发射时即为功能完整的一个系统，而空间站的特点是一体设计、分段发射、在轨组装，相关性的难度又扩展到了时间维。因此，数字空间站并不是对空间站研制与运行工作的补充，而是必需。
中国空间站的数字化工作始于空间站方案设计阶段，与空间站的研制过程伴生。空间站全系统及各组成飞行器的设计、制造、验证、测试直至飞行全过程，都采取了数字化方法；在研制需求牵引下，数字化工具也随研制流程同步完善功能性能。数字化方法的有效应用，全面解决了复杂系统相关性、上下游流程有效衔接、不同专业相互耦合、组成部分间匹配协调及各参研单位统一管理等问题。
数字化并不是从空间站研制才开始有的事物，但空间站将其从局部应用拓展到全系统全流程，产生了量变到质变的效果。
航天型号的研制是从用户需求到飞行产品的技术实现过程，呈现出典型的系统工程“V型”特征。V字左边是自上而下、从用户需求开始并从系统设计逐层分解为分系统、单机详细设计的过程，V字底部为生产制造，右边是自下而上从部组件开始逐级组装、集成、验证并与左侧层级一一对应然后验证相应设计、最终经系统确认形成飞行产品的过程。时间上，从左到右构成一个完整的研制流程。
数字化技术的发展与各专业学科数值计算、数字化建模等方面的进步是相辅相成的。进入21世纪，在航天等工业部门，上述V字流程的许多环节早已应用了数字化工具，如专业设计阶段的数值计算与仿真、产品设计阶段的计算机辅助印制板电路设计和机械制图以及加工生产阶段的数控加工等。本文重点讨论数字化的系统性应用带来系统全局的收益。
在设计阶段，全系统涉及机电热不同专业，传统做法是各专业学科分别根据系统状态和要求开展各自的专业设计，之后提交设计结果，由系统设计单位进行集成和分析。负责不同专业设计的设计师会以各自学科的专业方法去建立分析模型、数值计算模型等，这个过程与相邻学科少有交互。各家设计成形之后，设计结果才在集成分析时相互见面。
为了确保设计的协调性，航天工程在设计初始阶段通常采取集同设计的方式，即由总体单位组织各方设计师集中在一起协同工作，通过方案和设计的面对面交流共同形成初步的系统方案，之后才各自开展专业设计。限于设计与分析工具的能力，这类协同更接近“头脑协同”，即系统内部各部分间的关联关系多存在于设计师头脑中，以文档形式描述。这个阶段的联合设计也更多地基于相关专业的原理模型，以分析和对此简化模型做仿真的方式量化确定系统指标、接口参数等宏观和边界数据。具体详细的设计和性能参数要待各专业设计完成、基于专业模型的仿真完成之后，才可以提交集成并进入系统设计迭代过程。作者在参观欧洲航天局（ESA）总部协同设计中心时，介绍人员也强调，重要的不是计算机放在了一个屋子里，而是各方设计师的头脑集中在了一起。
随着数字化技术的发展，空间站在研制过程中建立了多学科联合仿真系统，以通用的模型语言、通过描述微分和代数方程的形式表达相应的物理功能，并通过方程及参数间的关系体现物理功能的相关性。建立这样一个系统的直接好处是可以在同一平台上统一进行能源、热控、环境控制、信息、姿轨控、推进等功能的集成仿真，系统参数、专业间的耦合关系及量化的影响都在此平台上呈现并共享，设计师们能得到比原理模型仿真细致得多的全系统信息并对其进行管控。
系统模型是相互关联的有机整体，各设计方既可开展各专业的独立仿真验证，也可与相关方直至全系统开展多学科综合仿真验证。此时，协同设计以“模型协同”方式进行，模型内嵌的数学公式直接驱动并表征设计状态，交互物理参数。联合仿真平台同时成为模型状态及数据关系管理的辅助工具，各家可共同维护并共享系统模型。
这种系统建模方法实质上也是传统专业建模仿真的革新：数学模型不再以专业领域划分并抽象化，而是可以与空间站真实的物理产品构架保持一致，以系统-分系统/子系统-单机设备-部组件/器件的层次逐级建立多学科模型，则实物产品得到了其对应的数字化伴生品——数字样机。更进一步，各级构建数字模型/样机的过程与设计研制过程一致，先自上而下逐级设计、分解并详细设计相应的模型，之后自下向上各级次第集成、仿真、确认并最终构成系统。
上述迭代过程可以在设计阶段即完成。相较于在实物样机研制出来之后才能逐级集成测试的传统流程，这种基于模型的闭环验证不仅细化了设计颗粒度，在流程之初就覆盖了足够多的设计要素且建立了彼此关联，而且通过数字化工具使总体设计人员可提前掌握更加具体、深入的系统信息，对于寻求全局最优解和尽早发现不协调处等都有着非常现实的意义；下游单位也可在实物产品投产前获得更为准确的研制要求。
20%的设计投入往往影响了80%的成本。数字化设计让全系统的研制“重心”实现前移，通过设计初期的优化工作极大提升项目的最终效益。
需要说明的是，以Modelica为代表的目前较为成熟的多学科系统建模语言只适合常微分方程组的求解，不太适用于有限元、电磁场等需要求解偏微分方程的问题。因此，并非所有专业分析与仿真都能实现模型化协同与集成，这也是多学科联合仿真需要进一步解决的问题。
通过统一的建模语言设计开发空间站系统、分系统、单机设备等不同层级的数字样机模型，并不只是设计阶段的工作。
在各研制阶段，也可用同样的方法构建相应的数字产品：方案设计阶段可依据功能设计构建
功能模型，产品研制、制造阶段可分别依据产品的具体设计参数、加工制造参数等建立产品模型和制造模型，产品研制完成后则可根据其各项性能指标的实测值建立实做模型。数字样机模型可以与空间站真实产品状态一致，研制阶段一致，同步更新；各阶段都可基于当时的整套数字样机进行模型集成，搭建所需的分系统或系统级仿真验证模型。也就是说，研制流程的任一阶段均可进行数字化综合验证，为实物研制提供参考或与实物测试进行比对。（注：本节中出现的各模型名称均指各阶段的数字样机，如“制造模型”指利用制造参数构建的数字样机，并非数字化生产过程中用于数控设备的模型。）
传统研制流程中，实物产品研制完成后才能进行产品性能和设计期望的对比，产品通过逐级装配集成才能依次对子系统、分系统和全系统进行测试验证。漫长的工作过程中，一旦后端出现问题，流程反复的代价极大。这是所有系统工程研制都强调初始设计正确性的原因。
而且，集成后的系统中可能有很多单机或子系统的特性无法正确反映。比如，在地面测试阶段，集成后的空间飞行器电性能可以做较为完整的测试，发射段力学条件和飞行热环境可以采用包络条件和典型工况进行考核，但除此以外的其他性能都无法在地面模拟。以往解决此类问题常用的方法一是对验证目标进行分解，部分性能在单机或子系统阶段测试，如交会对接的相对测量设备在交付总体前需在专用设施上完成实际测量性能的测试；二是在系统测试期间引入仿真，比如在飞行器系统测试期间，
控制器外接上环境和动力学模拟器之后再运行飞行程序。但这些措施都无法在研制全周期、全系统环境中充分验证各组成部分的完整性能，而数字样机能够在数字空间做到。因此，在时间上，
流程的左侧各阶段通过数字化手段可进行部分或完整系统的联试，及早发现错误或系统各部分间的不协调；在实施上，数字空间的全系统运行对于物理产品的部分运行是非常有益的补充——这一点能在飞行前实现尤其有意义。
数字模型的“有所为有所不为”由于空间站的系统复杂性，多学科仿真分析不可能完全覆盖空间站全部层级的所有状态，各单机、专业的建模范围和颗粒度需根据任务需求和建模单元对系统的影响程度进行具体设计。关键功能设备以及有明显综合性物理特性的设备须进行精细化建模，机电热性能完整；对于一般功能设备，在满足仿真目标的前提下可进行适当简化建模，确保整体模型规模适度，求解效率优化。
按建模精细程度，模型大体可以分为三大类：多学科集成模型、专业功能模型和简单逻辑模型。
多学科集成模型。典型例子是机电类设备如抽气泵，既包含指令驱动的控制逻辑、电机转速变化等功能机理，又要体现与转速对应的电机功耗、热耗等特性，还要有抽气流量、流速等对外输出。大多数电子单机也属于此类，根据它们的功能特点，模型体现的主要是信息逻辑及输入输出关系。第二类是功能类设备，建立相应的
专业功能模型。典型的是各类计算机设备，需要建立起对各类信息解算和处理的功能模型，嵌入信息流中。功能类设备只考虑与系统有密切交互的功能，其他可以忽略。例如，显示器、摄像机、照明灯等，其功能性能体现在人机交互，对平台系统的直接影响是耗电和发热，因此在建模时可以将其简化为电和热负载考虑；载荷设备通常也以负载模型嵌入系统，其外部特性体现的是空间站需保障的供电、信息传输、散热等各类资源。显示和摄像功能、载荷的科学试验功能等可以单独进行专门仿真。第三类是逻辑类设备，在系统中体现为开关逻辑或状态参数，而没有明显的机电热特性。如承担某些瞬时动作的阀门和一些传感器，可建立
数字样机的实现是建模方法变革的结果。发展历史更久的各学科建模，需要基于专业原理对系统进行抽象，然后得到模型。例如，在进行结构设计时，整个空间站可抽象为板壳、梁、杆等承力结构，建立力学模型。此模型中是没有电性能的（力学分析者眼中的空间站就是一个巨大的受力结构），直接建立力学方程组并进行求解，所得也是模型内各部分的应力分布等力学参数或模态等外部特性。数字样机建模则是基于系统的实物组成，按建模对象机电热功能性能及外部特性去构建模型。用统一的建模语言在同一个平台上对多学科特征进行数学方程表达、建立综合模型，相当于在数字空间以多学科原理及逻辑搭建了一个实物产品的映射体。这两类模型并非相斥关系，而是各有应用场景。专业模型用于精细、深入、具体的专业设计；多学科模型则用于体现系统各组成部分间相关性和快速综合验证与系统优化。两类模型及其构建和应用都是数字化研制工作的必要部分。
设计和研制的各阶段有各自的模型，但这些模型不是彼此独立的。模型的构建、完善、修正都基于同一源头的初始模型并随着研制流程推进，这是各环节均应用数字化带来的便利。
以最为常用的三维几何模型为例。系统设计师根据总体设计参数构建初始的三维模型，包含反映基本构型的几何信息；该模型传递给结构设计部门，结构设计师在此基础上开展详细设计：先构造力学模型进行受力和动力学分析，经过修正迭代并考虑加工工艺后形成最终的结构设计结果，最终得到的结构模型相当于传统流程中的结构设计完成后出的图纸。
结构模型有两个去向，一是附加上加工制造要求相关的信息传递给生产厂，二是返回总体设计部门用于详细的设备、管路和电缆布局；生产厂接到包含制造要求的模型后，制定工艺并将工艺参数赋予模型形成数控机床的输入，机床按此模型加工出结构部件；总体设计部门的详细布局完成后，模型将包含设备安装位置与紧固方式等信息，且有了管路和电缆网的详细走向及长度；电缆网模型用于生产厂生产电缆；管路模型则交由工厂的数字化弯管设备进行管路空间曲线形状的直接成型，加工后的管路产品通过全数字扫描后再与加工所用模型比对，产品（扫描）与模型一致后方可验收；包含设备、管路和电缆的完整模型一并传递到总装安装部门，他们会据此制定安装工艺并交由总装工人，依照三维安装模型实施装配
在正向设计过程中，采用数字建模方法建立的是系统的唯一映像，该映像在数字空间中伴随其物理“真身”同步演进。研制流程中任一阶段的模型都可以回溯到同一源头，即初始的系统设计状态。只要保持以模型传递并在其上增补每个研制环节所需要素、形成新模型，就可以保证同源所衍生各种模型的基本要素（特别是不同模型中包含的同类元素，比如几何尺寸）和关联信息是一致的。
：唯一性是不同部门不同专业协同设计做到数据协调一致的天然保障；关联性的保持则使得数据及其变化可回溯，局部变更或出错的影响都因此而可控。b．模型伴随着研制信息的传递而传递
模型本质上是数据文件，因此不仅是模型要素表征的物理参数伴随模型传递，而且可以人为关联上其他需要的、符合规定格式的信息。比如，三维模型可关联加工或装配过程所需的工艺信息，可以是数控机床能直接读取应用的信息，也可以是给操作工人的要求和提示。同样基于这种理念，设计方案和要求也可以建立模型化的数字格式，并以此模型进行同源传递和逐级演进
这是基于模型的系统工程（Model Based Systems Engineering，MBSE）的基础。从航天器工程研制的历史看，流程各阶段设计/研制要求的下达及结果反馈，由文档进步到电子化、参数化，现已进入模型化阶段：建立、确定内部和外部参数逻辑及数据关系的数字模型，将模型作为信息载体协同各研制部门，并衔接流程的各阶段。c．流程通过模型衔接
系统设计、验证、制造与集成测试各环节分别开展数字化工作，全流程被同源模型连接贯通，结合专业与集成仿真，可以形成协同单位之间和上下游部门之间的快速反馈迭代。这里的“快速”不仅仅指仿真所需时间比实物验证少得多，还意味着反馈可以在实物产品制造出来之前实现：传统流程中的工艺设计与分析介入产品研发较晚，而通过数字化快速迭代，能够在设计早期进行可制造性的分析，优化产品设计的制造性能，避免进入生产阶段出现代价高昂的实物产品修正迭代甚至设计反复的情况。不仅如此，数字化还建立了反馈“捷径”，包括实物产品出来之后的任一环节都可以直接反馈至设计端。产品实际加工和测试信息及时反馈到系统设计，可提前暴露实物集成甚至飞行试验可能出现的问题，提高质量和效率。
以模型作为流程衔接的载体，也使得复杂参数有了完整精确的表达方式，这是文本和图纸载体的升级。再以前面提到的管路制造过程为例。利用数字化的加工和扫描技术可以在工厂直接成型以数字模型表述的空间三维管路，而无需像传统工艺那样在装配现场取样后才能开展加工、加工是否合格还要返回现场进行试装作为验证。模型贯通流程，各阶段数字化工具得以充分发挥效用，大大增强了研制效率和效益。
模型传递面临的一个现实问题是，研制流程各环节的工作是由不同专业不同业务的不同部门承担的，往往各家都有自己的工具软件，采用各自定义或遵循自选某标准所规定的模型格式。很多时候，各单位自发开展的数字化工作基础越好，打通各家间的模型格式壁垒难度越大。
这个环节看似常规的数据格式转换，实际上需要花费大量时间精力研究透接口双方模型的数据格式及其包含的信息内涵，才能实现数据文件亦即模型的完整、准确转换，从而将数字化的信息不损失、不失真地传递下去。而这个打破壁垒贯通接口的过程不仅需要相关的双方在技术上相互了解透彻，更需以管理上相互接纳为前提。这也是数字化工作需要自顶向下统一规划和管控的原因。▲基于模型的航天系统工程（图源：ESA）（4）从需求管理到飞行保障——流程的前后延伸
数字模型是一类普适的方法和工具，不同类型的专业工作都可以根据其处理问题的特点将信息和数据做适当的结构化、规范化表达，然后构建数字化模型。数字化的另一个好处是不仅可以学习借鉴其他已有模型的构建方法，而且可以对其进行数字化加工改造，派生出新的模型。这样，数字化不仅可以覆盖传统
——需求模型正式开展设计之前，需求分析工作通常是以讨论、论证、分析等方式开展的，将需求转化为功能和性能要求，同时整理并明确技术、进度、经费等各方面的约束条件。可见，需求也有其内部清晰的结构和关联性，以数字化视角可以将需求理解并构建为一类广义的模型，相关信息可以包含在此模型内传递。目前通行的系统工程建模语言SysML即提供了有效的工具，通过图形化视图来描述系统各要素之间的逻辑关系，取代文档中通过自然语言的描述和记录。
字流程的其他步骤，需求分析是数字化不够充分的一个工作阶段。技术方面的原因是，这一阶段的工作尚未形成具体方案和诸如结构、信息流、设备等有形的产品，传统意义上的专业模型更是很少涉及此阶段。更主要的原因来自非技术因素：1）单纯从需求分析这个阶段看，实现模型化的整理性工作是“额外的”，需要付出时间、人力去做条目化、结构化和相关性关联等工作。此阶段多为分析讨论、头脑风暴一类的工作，设计师们会直接采用自然语言交流并形成分析结果，此后则需要二次加工，进一步以规范化方式去描述并同步建立模型。（这一难点可能在人工智能语言识别能力增强后会有好转，但现阶段仍需设计师本身具备此能力且亲力亲为，才能尽可能保证模型内涵不失线
3）模型化工作的优势必须通过实用的数字化工具来体现。例如，相关性的建立及分解传递、研制过程中对关联关系的维护，必须有统一的、贯通研制全流程的工具平台让各协作单位共享。4）需求模型建立容易，维护困难。应用需求模型的最大优势在于需求要素相关性的建立和传递，最难维护的也恰恰是关联关系。除了要配置第
3条所述的统一平台外，技术上需要采取措施保持各阶段各家模型的版本一致，必要时可统一回溯至某一阶段版本；管理上也要付出更多的成本，如维护权限管理；过程中一个局部变更对上下左右相关性的影响代价的权衡等无处不在，可以说全程都要解决效率和全面性的矛盾。
扁平化的研制体系能有效减少局部变更的影响层级，让此类问题更容易解决。反过来看，也只有建立了关联关系的数字化模型并用工具维护管控，才让每个设计部门/步骤有能力处理更多的横向关联，使得减少层级实现扁平化成为可能。
因此，对于需求分析阶段的工作，模型化并非必需，其效果也不体现在此阶段。近年来需求模型化开始越来越被重视，更多地是由于其对全系统及全任务周期带来的好处。需求模型的建立及传递，对于全流程的效益是极大的。逐级的需求分解都携带完整的相关性信息，在设计和研制的过程中，子系统到分系统乃至单机都可以由此溯源，知晓自己的功能性能在系统中的角色和作用，清楚自己的组成要素与系统内哪些部分相关联。在正向设计中，可以通过与相关方建立模型接口或模拟相关方特性的方式将自己置于
“系统环境”内进行测试，而不用等到物理系统真正生产出来再集成到一起；在出现问题或更改时，也可以准确找到相关方开展协调修正，不会因遗漏导致实际有关联的问题被隐藏。若到研制阶段后期才发现漏项，更改代价将大得多。▲NASA需求管理流程（图源：NASA）
飞行模型空间站入轨后，在实际飞行中获得了真实的轨道环境参数和飞行器状态数据。这些更全面的真实物理值可以用于再次修正模型，形成飞行模型——
在轨条件下的实做模型。从系统模型的演进历程看，这是空间站工程第一次以全面、真实的系统运行状态（包括环境和系统自身）对模型进行完善。在此之前，受限于系统完整性、天地环境差异以及地面验证的可行性，所有的数字化系统模型都是部分基于理论值、设计值来构造的，轨道运行、运动控制等也是基于物理原理方程构建的。所谓的仿真，仿的只是期望状态。
飞行模型是第一次获得的全真的数据修正。对于一些地面环境无法获得的性能参数，在轨数据修正尤其重要。例如，空间站使用了大型可展收的柔性太阳翼，因尺寸大、频率低，地面无法准确测得其频率特性，因此在各舱段入轨后专门开展了太阳翼频率和模态辨识，获得了帆板真实的在轨特性，并据此修正了地面的数字化模型。通过核心舱的在轨参数辨识和模型修正，未发射的实验舱可以获益，其控制参数能够与帆板真实特性更匹配。
在实际应用中，飞行器传感器和遥测数据所能表征的状态远少于数字化模型所包含和表达的参数，因此数字化模拟部分、也就是地面工作人员能够获得的天上相关情况的数字映像对于模型仍然必不可少。这样，利用遥测参数对数字模型修正后，地面就掌握了一个相对完整而又足够真实的数字化空间站，可为空间站的在轨运营提供非常有用的保障。
▲ESA基于模型的系统工程航天任务总览（图源：ESA）2 数字化对物理过程的替代与融合
设计、实施正确的实物试验，可以最直接、最接近真实状态地对产品设计、产品生产制造状态及其在工作环境下的性能进行验证。实物试验的不足之处在于：很多飞行工况地面无法模拟，如长时间的微重力环境、空间站的姿态和轨道控制以及各种故障模式等；传感器获得的数据有限或不够真实，如力学试验只能测得结构表面应变而无法直接获得内部应力；周期长且成本高，也因此无法遍历所有可能的工况；试验子样有限，结果有一定的个性化，对于数量更少的拉偏工况，结果离散度更大。系统集成度越高，这些缺陷越显著。
数字化模型的仿真能力增强后，恰好能弥补上述短板，因此自然被用于替代部分实物试验。替代的前提是仿真足够
在此情况下，实物试验的角色转变为只进行典型工况的验证，并根据典型工况获得的试验数据修正数值模型参数，以修正后足够“真”的数值模型做各类工况的遍历。
空间站研制中一个应用非常成功的例子是对接机构的缓冲试验：轨道上两个飞行器的对接是在停止姿态主动控制的条件下进行的，每个飞行器有6
个自由度，可自由漂移。地面条件下，对接机构的缓冲性能只能在气浮平台上以等效惯量模拟飞行器进行验证，垂直于台面方向的自由度被限制了，两个“飞行器”只能在台面上漂移。
▲气浮平台上的对接机构缓冲试验（图源：中国质量新闻网）这种情况下，可以在气浮平台上对特定对接初始条件的工况进行试验，比如设置特定的对接偏差角度、角速度和相对运动速度，回避垂直台面方向的运动。采用数值仿真试验同样的工况，比较仿真与实物试验的结果，调整修正数值模型的相关参数直至二者吻合，则可认为数值模型足够“真”地趋近物理产品。再以数值模型大量开展各种工况（包含各种对接初始偏差、舱体质量特性变化、环境干扰、故障等条件）的仿真，覆盖可能的任务情况，就能获得对于对接机构缓冲性能的全面评价。更重要的是，通过数字化模型参数的调整，可以快速验证改进优化的效果。参数经仿真确认有效再用于实物试验，极大地提高了研制效率。
▲对接缓冲过程数值仿真：单项偏差条件下的衰减曲线（图源：《航天器工程》）
正样产品的验收性试验与上述讨论不是一类问题，其主要目的是为了检验产品生产及装配集成的质量，因而是不可替代的。但数字化模型仍然可以为试验工况提供有益的辅助。例如每个航天器出厂前都要进行的力学振动试验，振动量级和限幅保护条件的设置就可以参考数字化仿真结果进行合理选择。
-箭界面的连接部位固结在台面，即飞行器以底端固支的悬臂梁形态振动。显然，对于同样的器-箭界面振动条件，由于悬臂梁的“甩动”作用，飞行器顶端的振幅相对于飞行状态被放大了。对于空间站舱段这样长细比大的飞行器，这种放大效应更加明显。因此，振动台上的试验并非模拟真实飞行时的振动状态，而是要保证飞行器上各部位的振动量级都能够不小于实际飞行。换句话说，地面振动试验是靠量级覆盖，而不是真实再现飞行。这样，试验实施时需要选取合适的振动条件，并且为防止甩动造成舱段顶端振幅（或加速度）过大，还要有合适的限幅保护门限。这些参数都可以参考器-箭组合体振动仿真分析获得。以数学模型模拟器-
仍然以对接试验为例。若要进行对接全过程验证而不仅仅是缓冲性能试验，两个飞行器的相对运动模拟必须有6
/角度传感器获取的对接条件参数传递给Stewart平台的控制器，控制器内的计算机以此为条件开展两飞行器的动力学仿真，按飞行器的运动状态去驱动六足连杆，强制对接机构的相对运动，让对接机构置身真实的力学环境中。这样的半物理系统不仅能够在短时间内大量模拟各种对接初始条件下的对接过程，而且可以方便地模拟不同（质量特性）飞行器间的对接过程。▲俄罗斯空间对接机构地面半物理仿真综合试验台（图源：《空间对接机构》）全系统的数字样机构造完成后，集成试验时同样可以采取虚实结合的方式将数字化成分融入系统集成。比如在真实的物理系统集成测试中，以下几种情况都可以用数字化模型融入或替代：
▲天宫空间站三舱集成测试（图源：央视新闻客户端）（2）飞行任务——数字空间站的作用
前面讲到，数字化延伸到空间站的飞行阶段，可以利用在轨实际数据构建一类特殊的实做模型，建立数字空间站。
数字空间站的应用与地面测试阶段的数字化集成模型相似，但又有不同。在轨飞行时，空间站的工况是真实完整的，飞行器状态、敏感器输入都是真实环境下实际物理状态的反应，通过遥测数据可以反过来驱动数字模型，这样就形成了数字系统在真实环境下运行的效果，让天上的空间站和数字空间站呈
-设备的空间及动作时序协调性进行检测。验证后的飞行程序才注入在轨飞行的空间站。大的任务动作前，也可以进行能量平衡、姿态控制角动量卸载等情况的仿真预示，用于优化飞行程序，并为故障预案的制定提供依据。任务中状态监控与预示。数字空间站可以辅助例行的遥测数据判读。飞行数据下行后驱动仿真模型，可以实时生产状态判据，同步进行自动判读。以实际飞行状态的仿真结果作为判据，比依据设计状态或标准测试状态制定的判据更合理，更符合且接近真实情况。例如针对帆板发电受空间站自身遮挡影响情况的判读：阴影是不规则的，传统上只能预估影响的量级；数字空间站利用姿态数据并结合当时的太阳方位，可以即时解算出帆板被遮挡的准确面积，从而得到准确的发电预估。以此作为依据，可对发电相关的遥测数据做精准判读。机械臂也采用了这个方法，将天上的驱动参数下传地面，可以快速仿真出机械臂运动路径。天上的机械臂开始运动后，物理量遥测可与数值仿真结果全程比对判读，做到实时、准确。
在轨故障分析与处置。天上一旦出现故障，通过模型的相关关系可以溯源和反演，协助故障定位；故障状态注入模型可以复现在轨故障，验证定位的准确性；故障处置措施可以先进行仿真验证，确认有效且无不良影响后再注入到空间站上。所有这些工作的状态设置和执行都比采用真实产品测试验证快得多，风险也更小。
在轨飞行状态评估。空间站飞行状态的综合评估是经常性工作。数字空间站既可以
“重演”之前的任务状态，也可以“冻结”某一时刻状态，还可以将当前状态作为起始点预示未来运行趋势。对于待分析的特定状态，可以方便地加入偏差或想定故障，进行状态稳定性或设计裕度的数字化试验。所有这些功能对于全面、综合地评估空间站全系统飞行状态是非常有意义的。作为评估的成果，当时状态的飞行参数也可用于修正数字空间站模型，保持天地一致。这样，同步更新的数字空间站、地面电性空间站和在轨空间站就构成了“三个空间站”的运营体系。▲天宫空间站的数字映像（图源：中国载人航天）3 数字化向管理领域的拓展
数字化模型不仅可以贯通空间站设计研制全流程，并且易于在其上嵌入相关的结构化信息，构建新的关联关系。这些信息可以是多种来源的，并不局限于设计研制的主线流程。空间站作为一型航天工程产品，其实现过程中的技术状态、质量、计划等要素同样可以嵌入模型，并通过模型与研制流程关联，有效地辅助技术、质量及计划管理与研制协同推进。
空间站系统组成的各层级、各部分研制状态和相应的数据信息在研制过程中始终频繁地动态变化，这是创新和探索性项目的共性特点。鉴于空间站系统的复杂程度及众多部门长周期的协同研制过程，建立空间站各研制阶段的状态基线并对相关状态及状态变化进行有效、精确的管控，尤其是要保持有关联关系的状态始终协调，非常重要也非常困难。
对确定的技术状态，可以建立从系统到单机的各级状态模型，模型中可以包含相应的状态数据。很重要的一点是，前述从需求分解开始逐级传递的关联关系必须同步嵌入状态模型，并且在模型内部指向到具体的状态数据。这样的状态模型可以用于：
这是所有状态管控的基准，也反映了该阶段的研制预期。在时间维上，随着研制进程建立设计状态基线、制造状态基线、试验状态基线和各飞行阶段状态基线。在系统维上，这些基线状态包含了全系统完整的各组成部分。统一模型规范，可以自上而下逐级建立到部组件乃至器件级的颗粒度。系统状态基线建立的同时同步构建了系统各部分间的相关性，用于状态管理和维护。
技术状态版本及偏差分析。正常研制过程中，实际的研制状态逐渐趋向并最终达到当前阶段的状态要求。这一过程中的各中间状态可以按版本进行管理，使全系统状态始终清晰明确。短缺项或与要求状态偏差较大的部分，可以通过相关性分析迅速找到源头和被影响方。源头可能就是研制难点，也将成为计划和质量管控的参考依据。3）
技术状态更改管控。当任何一个层级的某一部分随着研制进展发生了变化，如通过优化完善了设计或出现问题需要修改原设计等，都可以借助状态关联关系进行状态变更的影响域分析。不仅要找到受影响部分及对应的状态、指标等，提出需要协调变更的地方，而且可以通过数字化仿真的手段对变更影响进行快速分析。空间站属全新研制的复杂航天器，在研制的各个阶段尤其是方案和初样研制过程中，因设计迭代、设备选型配置、均衡指标、制造和验证出现问题等原因发生的更改是非常频繁的。及时全面的影响域分析和快速准确的影响评估有助于：a.
评价变更必要性。分析局部变更带来的好处，统筹考虑变更带来的系统影响和代价，将视角由局部优化扩展至全局优化，评估是否更改决策。b.
保持全系统协调一致。对于必要的变更，需要同步对相关部分也进行相应改变。源头和受影响方的更改方案须协调一致，同时也要在时间进度上保持同步，以利更改后的协同验证。c.
识别系统对外影响。有些局部变更的影响不仅会影响到系统指标，还可能涉及对外接口，例如：设计变更导致的重量和尺寸变化会导致运载火箭发射条件的变化；对地面测试项目进行增减需要发射场保障条件相应调整；空间站上测控设备的指标必须与地面测站和中继卫星匹配；空间站组合体姿态控制稳定度则影响来访飞行器的交会对接控制参数。这些状态和指标也因此被称为系统指标，必须由系统总体掌握并严格控制。如必须变更，须提交工程总体并与火箭、发射场、测控、飞船等相关大系统协调一致，完成更改状态验证。
d.知晓变更代价并及时采取对策。状态变更、尤其是实物产品阶段的变更会带来研制进度、经费等方面的代价，对资源投入等也提出了保障要求。有效的技术状态管控要求实时知晓变更代价并及时采取综合措施，在设计、验证、保障条件、对外协调等方面适时调整。4）
研制历程技术状态记录和回溯。实时对各阶段直至全周期的技术状态进行记录。不论是针对全系统还是以某个具体状态演变为线索，都可以方便、全面地对状态过程进行正向跟踪和逆向溯源，对最终状态符合要求的情况做准确评估，这是各阶段研制总结的重要信息。状态记录和分析也是识别研制风险的参考，可以为下一阶段状态要求及研制流程的制修订提供依据。5）
飞行状态实时动态管理。这是空间站相比其他飞行器的新课题：a.飞行状态动态变化
空间站运行过程中始终有航天员在其上工作，有设备软硬件设置的变化，有飞船往来，有载荷配置的增减，机械臂等重要设备处于不同的工作模式，后续还有舱段的扩展。整个空间站组合体的状态始终呈动态变化，十年飞行期间甚至会有很多状态在地面从未测试过。换言之，地面阶段只能测试组合体的功能和典型工况，无法穷举实际的在轨状态。
b.基线状态的多样性地面研制时，全周期工作都是瞄准最终的发射和入轨工作状态开展的，有限的几个研制阶段分别设置了状态基线，过程中的绝大多数状态都是过渡状态。但在飞行任务中，状态基线在时间和任务维度上都呈多样性。例如，空间站建造过程中存在单舱、两舱一字构型、两舱
T字构型等多种状态，每个状态都要保持一定时期的稳定飞行，分别有标准的状态基线；每次出舱任务，机械臂都要从停泊状态转入工作模式，在差异化的任务中还会有大小臂配合或级联等通用的运行模式。利用数字化手段辅助状态管控，不仅可以协助设计优化工作的开展，而且能直接辅助进QY球友会网站行任务前状态设置、任务中状态跟踪确认、任务后状态恢复，避免庞大复杂的系统出现错漏。c.在轨物资状态管理为保障航天员长期驻站开展试验工作，空间站在轨存贮物资包括生活消耗品、设备备件、生保贮备、应急物品、垃圾废弃物等。这些物资的存放、使用、调整（包括使用后形成垃圾）等可以视为一类特殊的技术状态管控，也可使用数字化管控方法及工具。
利用模型化方法，可以对物品有效期、存放地点、存贮状态、种类和数量增加、分类变化等进行统一规划和管控。在轨工作过程中，航天员通过扫码和人工记录等方式实现天地同步信息更新。物资之间及物资和应用之间都可以关联，如垃圾数量与剩余包装袋的关系、应急物品与对应应急模式的绑定等。随着天上工作的进行，天地能同步掌握当前的物资状态；一旦进入特定任务，可以快速定位并取用所需物资；任务过程中也可以随时评估物资消耗情况，预示后续进程的需求；任务完成后对剩余物资及消耗品废弃物等进行处置并记录状态。
▲神舟十四号任务期间天宫空间站不同构型（图源：Vony7@微博）（2）研制过程质量管控
产品质量的管理贯穿研制全过程。在执行过程中，记录并收集质量相关信息，如零部件的加工工艺参数、检测数据；装配和测试过程中量化参数，如螺钉拧紧力矩、涂胶量和温度；试验情况如环境条件、试验工况等信息，是产品质量过程控制的重要依据。采用数字化方法，各种不同类型的记录信息如数据、影像等可以统一处理、融合使用；数字化加工及装配设备与数字化方法配套后，可实现原始数据自动采集记录，减少人为差错和干预。
实时获取并分析数据，能够有效避免问题被带到下一个流程环节，及时止损并得到快速响应。在实现方法上，现代工业企业的批产流水线已经有了成熟的采集技术；而数据一旦实现数字化可处理之后，采集处理系统就有了很强的适应性，可以服务于航天器研制，并符合这类单件小批产品的个性化特征。
试验验证中发现问题也很常见。此时伴随研制流程的质量数据就是问题溯源的依据。借助数字化表达的关联关系并利用相应工具，可以迅速回溯问题产品的全流程数据及相关因素，包括设计参数、生产数据、测试试验履历以及有相互影响的产品；对产品本身可以一直追溯到设计状态，根据其影响域不漏项地寻找相关要素。
质量档案与产品是一一对应的，而数字化的表达方式又使得所有档案数据可以前后、交叉综合分析，如同批次产品的特性分析、同型产品同类试验的条件比对、相关产品的性能匹配等。分析结果反馈到设计要求和加工生产工艺等前端环节，也能为问题产品的故障定位提供参考和数据支撑。
▲欧空局数字化解决方案（图源：Estec Digital）（3）研制计划管理与实施
数字化模型是开放的，可以嵌入不同形式（数据、图像、视频）和不同类型（技术状态、加工工艺、研制周期、经费、人员投入）的信息，通过数字化工具对模型中融合的信息进行分析处理。
不论是设计反复、生产拖期还是验证或测试出现质量问题，研制过程中所有影响研制进度的异常情况都可以立刻反馈到计划管理部门，相关的经费、加工工时等信息也会伴随传递，管理部门则可据此制定相应对策。调整后的流程及影响也可以通过数字化仿真评估其效果和代价，并在正式确定前开展迭代优化。数字化让计划管理和调整更加精准。
特别是空间站这样规模庞大、内外关联关系复杂的系统，不借助数字化手段和工具，很难实现全面、高效的研制管控。
从前面的讨论可以看出，数字化的作用和效果都是围绕解决复杂大系统的全面性和关联性问题。全面性体现在数字化模型可以包含系统的所有组成部分以及研制涉及所有相关环节，可融入处理的数据类型、数据格式非常齐全，能够涵盖技术、质量、计划等相关的各类数据信息。关联性是指建立并且维护各要素间的相关性，包括不同产品、专业、部门、业务等各个维度的相关性，模型得以一统研制全流程并实现各个环节的协同。换言之，数字化模型实际上是建立了系统的数字映像，并包含了全面且显性表达的关联关系。（1）V流程的优化——大V变小V，迭代环节提前数字映像的建立，使得
V字是基于物理空间的研制过程，正向的系统设计、逐级分解设计、制造过程结束后才有了实物产品，才能进行逐级集成和验证，也才能实现V
——各部分都得等到系统级集成完成后才能得到验证，流程也只有走完整个大V才得以闭环。数字化系统镜像让各阶段更容易实现“小迭代”，提前将验证情况反馈到设计端。更本质地看，模型的建立与不断完善是与设计研制过程同步进行的，流程中的每一步都有当前阶段的模型，每一步都可以通过数字映像集成仿真，验证当前的设计或制造状态。随着设计研制的分解细化，每一层级可以获得相应颗粒度的仿真验证。在时间维度上，闭环验证的提前不仅让设计师不必等待物理产品出来之后的大闭环，而且增加了多次验证机会，降低了研制问题代入下一环节的风险。
（2）研制体系的扁平化——分解层级减少研制部门的组织形式、专业和业务分工、逐级分解的研制层次及流程，都是为了直接或辅助解决系统的关联性问题。
传统研制体系及其面对的系统各部分之间的关联关系是由文字表述、靠文档传递的。文本很难清楚全面地表达关联关系，也没有实时查阅或显示的方法，而且仅仅存在于少数人的脑子里，根本没有全局性地呈现关联关系。另一方面，关联关系的管理和维护靠人工实现，因而只能处理有限的关系，甚至在特殊情况下舍弃相当一部分关系。
研制体系任一层级均可以获知全局关系，并且可以借助工具全面跟踪、维护。如此，
“大分工”里的众多事项可以做到协调推进，局部出现问题也可协同应对。综合以上两点，研制体系完全可以做到扁平化，减少层级，减少“分堆”。SpaceX曾在其内部讲义中阐述过其扁平化实践：将系统任务分解到部门，只做一次分解即梳理出全系统的关键设计参数，之后所有调整、优化工作都围绕这些参数进行，系统的性能要求直接与顶层需求吻合。这说明SpaceX
的研制层级其实只有一层，在顶层需求分解之后，所有的设计工作都以这个层级的关键参数为中心开展，其目的是“让所有部门专注于系统思考”。该讲义也专门表达了技术工具的作用：利用21世纪的先进信息系统工具替代传统的讨论、集成、系统管控等方法，用类似社交网络的工具将各设计部门连接在同一个层次中。90▲SpaceX的需求分解及设计层级扁平化（图源：SpaceX）扁平化不是生硬地减少研制层级，而是让传统上各分研部门的
在这样的扁平体系中，子系统试验与传统分系统试验的区别在于：各子系统直接面对统一的一套系统参数，而传统分系统面对的是总体分别分解给他们的设计需求。研制层级越多，两者差异越明显。例如发动机试验，按传统分解至少在推进分系统、管路与发动机子系统两级之下，发动机单机面对的是分解传递了三次的设计要求。一方面，某些设计裕度可能层层加码，而各级并不知道自己这层的加码对系统的贡献；另一方面，某些
“看起来”不直接相关的要素可能就漏了，比如某种系统级故障模式对应的工作条件可能由于这种遗漏未传递到发动机研制部门。在复杂系统中，越到底层越看不清、甚至看不见这种离得比较远的相关因素。
——各层级只盯着自己的目标干，自下向上集成后的结果可能已经离最高需求所要求的目标相去甚远了。而且，由于层级组织涉及行政部门，本身经常是很
（3）系统试验的普及——系统条件下的子系统试验在研制全过程中，综合验证的重要性毋容置疑。但综合系统试验的成本又很高，而且如前所述要等到流程末期、产品集成到一定程度后才能实现。扁平化分解后，子系统试验即包含了系统验证的条件和边界，实际上是通过若干相对低成本
从试验的真实性和覆盖性角度看，真正的全系统工作环境只有实飞才能实现，而子系统试验反而有可能营造局部的真实物理条件。例如空间站进行机械臂转位验证时，在气浮平台模拟机械臂微重力环境，通过动力学仿真将舱段响应反馈给控制器，构成了控制器跑真程序且机械臂整臂真实运动的测试系统。扁平分解使得各子系统试验能够以“拼接”方式有效覆盖系统试验。
▲系统工程中传统研制与数字化研制的关系（图源：SemanticScholar）
在信息化基础上将信息格式统一为可处理的数字化形式，使得信息共享、融合成为可能，这就是数字化。
2）时间与空间上的快捷性。不同专业间实现同步联合；流程反馈可以在任意阶段进行，大循环变小循环；随着流程前后延伸，更多的过程被纳入到受控的统一体系中。
3）数值与物理的融合。物理空间的验证不是万能的，物理规律的掌握才是万能的。轨道、动力学在数字化空间中可以足够线
）对系统的处理能力增强。将对系统物理关系的处理转化为数值处理，全面性、扁平化等都得以实现。数字化也更易于获得各种高效的处理工具。（3）数字化与物理实体产品的关系
现阶段，研制过程中的实物产品（包括样机、试验件等）仍是不可替代的。数字化模型具备本文前述的众多优点，但同时存在以下几方面的问题；
“平庸”特性，使得模型过于庞大而有效信息占比小，反而会干扰求解精度，掩盖关键或需要关注的特性，也造成了运算和存贮资源的浪费。因此，模型不论规模大小，都应合理简化。关键特性选择准确且恰当配置的模型，才是好的模型。
2）模型包含的物理公式不能包打天下。一些物理化学效应如疲劳、腐蚀等，缺乏能准确表达的解析或数值算法。这些领域的专业仿真分析还无法替代实物验证，无法嵌入系统模型。解决此类问题，应以实物试验结合专业仿真，再将结果反馈至设计端。3
）模型的参数与实际产品总有差异。即便通过多种途径包括专门设计的试验对模型参数做修正，结果也只是不同程度的近似表达。模型的优势更多地体现在对规律和趋势的体现上。利用这一特点，可以人为调整参数进行敏感度分析，对影响要素做评估，据此提出设计优化的方向。4
）模型只能替代研制和鉴定试验。模型的作用是验证“这种状态”是好的，而验收试验可以验证“这件产品”是好的，因而是不可替代的。
5）模型无法真实表达“缺陷”。缺陷具有随机性，利用数字模型模拟往往只能得到定性规律，但模型非常适用于辅助辨识“缺陷”。将实物试验与仿真预示对比，分析二者的偏差可辨识各种类型的“缺陷”，如材料损伤、装配误差、机构间隙、部件故障等。
上述特点并非都是缺点，数字化模型与物理产品其实并无绝对的优劣和必然的替代关系。模型构造得好，与实物产品配合使用得好，会起到相辅相成、事半功倍的效果。也正因此，地面的数字空间站和实物构成的电性空间站相互配合，基本覆盖了在轨的工作环境、产品状态和工作模式，成为保障空间站在轨稳定运行的有效配置。在另一些应用场景如航天员训练中，即便是有虚拟现实等新技术的辅助，实物模型/模拟器仍然是必不可少的。▲天宫空间站组合体模拟器（图源：中国航天员科研训练中心）（4）人在数字化中的作用
数字化的实现及作用的发挥取决于人的水平。在技术上，设计师、管理者们的专业素养和人工介入环节是不可少的。数字模型相关关系的建立和维护，需要有专业判断，更需要有系统观念；模型的修正和维护、尤其是通过物理试验对模型进行参数标定和修正，包括物理试验的工况设计、状态设置等，都需要专业知识。
同时，对需求的理解到位，设计才能到位。需求分析转化为技术要求并传递，实际上是一个技术翻译的过程，需要做到
——由需求转化为技术要求，并做指标分解，隐性的需求全部要转化为显性要求，且须表达为任务接收方能够明白的指标体系。这是一个抽象到具象，应用需求到专业指标的过程。雅
——符合规范、格式要求，形成结构化、条目化表达，人和计算机都能一目了然。在认识上，研制团队须有共同的目标和追求，各自主动向一致的方向努力，协调问题，解决问题。协调问题，要有技术把握，识别真实的矛盾交点；解决途径的分析和取舍则要有大局观；解决问题需要专业能力，更需要主动作为和创新精神。
数字化工具再先进，仍然掌握在人的手中，按照人的期望和需要去发展，替代人、协助人做人分配给它的工作。有了工具，人则转而对自身提出更高要求，去思考和实现更深刻、更有意义的事情，去推动技术和文明的进步。（5）未来发展
“大数据”是指该领域的相关技术。一个有意义的应用场景是对系统内的相关关系进行辨识，如果能分辨出因果关系更好。当前阶段，模型随着设计进展正向同步建立，并完善相关关系。这些相关性是设计师脑中知晓的，但是当系统足够庞大复杂后，一些间接的关联关系和因果关系并非设计预期，设计师也难以正向识别。系统模型的仿真运行可以利用大数据分析技术，根据模型状态及其对应的外部特性逆向辨识系统内部的相关性，甚至辨识出因果关系。比如某些故障发生时出现电源掉电现象，会有大量遥测数据显示异常。这里面的大部分异常情况是由电源掉电引发的，但也可能正是其中的某个异常导致掉电。如果关联性和因果关系不明，面临大量这种失效数据时就无法定位故障源，自然也无法正确应对。通过大数据分析的日常积累，结合特定的故障现象，有望在纷乱之中一击中的。
以数字映像作为标准状态，将系统的在轨运行状态及特性数据（遥测）与之对比，用于系统健康诊断。
诊断的制定依据来自研制历程中的既有故障，以及数字化模型人为故障设置情况下的系统响应。尤其是后一种方法，可以全面、反复模拟各类故障，并充分分析模型所能反映的特性参数，识别与故障相关的特征。基于健康诊断方法和判据，还可以进一步应用此方法预测当前状态的健康趋势。引入人在回路技术，技术专家辅助
/融入仿真分析回路。在短期内还无法有效将人的思维嵌入模型公式的情况下，以人工辅助分析和人在回路判读等方法，充分发挥专业人员在知识储备、逻辑思维、综合考虑、理性判断方面的能力，让数字空间的系统镜像与人的思维空间进一步融合，向智能化模型迈进一步。
人工智能应用。数字化的一大优势在于与人工智能技术应用有着天然接口。人工智能在空间站后续舱段研制及运行管理中可应用于两个方面：一是融入现有的数字化系统，在不同的应用场景可逐步、分别引入相对成熟的人工智能专项算法。例如，目前人工智能的一个重要分支是机器学习，它研究计算机通过数据学习提高性能的方法，已开始用于医疗诊断领域。这个方向与飞行器的健康诊断是有相似性的，其应用有待研究。二是空间站本身通过人工智能技术实现升级。例如以计算机视觉、自然语言处理和语音识别等技术升级智能家居系统，并嵌入仪表、穿戴式智能设备等协助航天员在轨工作；以智能机器人技术改进现有的机械臂，配置智能机器人，在舱外作业等风险场景逐步以机器人作业、人机协同等方式进一步提升安全性和工作效率。这些升级，自然也伴随着地面数字化系统的智能化更新。▲数字化与新兴技术的融合
虚实交互，灵动之境。今天，包括虚拟现实在内的数字化方法与工具，已经充分应用于他所开创的中国航天事业，优化了他所建构的系统工程体系及运行模式。
