随着船舶工业向轻量化、高效化方向的飞速发展，对于CFRP螺旋桨层间力学性能的精准监测与预测需求日益迫切。传统研究往往难以满足CFRP螺旋桨实际工况下的层间应力状态监测与在线预测的双重需求，虽然基于深度学习的结构健康监测及数字孪生技术为这一难题提供了创新解决方案，但CFRP螺旋桨复杂的空间结构及层间力学性能传递的特殊性，在一定程度上限制了现有模型在其层间应力精准预测中的应用。
近日，大连海事大学（DMU）王金龙、鲍永杰、冀秀坤等探索了一种基于多传感器融合的船用CFRP螺旋桨三维降阶模型数字孪生模型，该框架结合了流固耦合模拟与多层堆叠去噪自编码器、多保真度代理算法等技术，实现了对CFRP螺旋桨叶片水冲击力学状态的精准评估与高效预测，为CFRP螺旋桨的安全性能保障开辟了新的路径。文章发表于国际知名期刊《Ocean Engineering》，论文标题为“Research on digital twin of three-dimensional reduced order model of marine composite propeller blades based on multisensory fusion”。
该研究聚焦于构建 CFRP 螺旋桨叶片水冲击力学状态的数字孪生模型，这是一种融合流固耦合仿真、多传感器技术与深度学习算法的创新框架。该框架以 CFRP 螺旋桨层间力学性能精准监测与高效预测为核心目标，旨在解决传统金属螺旋桨缺陷及 CFRP 螺旋桨层间力学分析难题，探索其在船舶推进系统安全保障领域的应用价值。
图 1.构建碳纤维增强塑料（CFRP）螺旋桨夹层应力数字孪生的过程示意图。
研究团队通过流场分析，螺旋桨叶片迎水面应力从根部到叶梢均匀分布，背水面则出现叶梢应力集中现象；结构力学仿真表明，叶片应力主要集中于根部，为传感器布局提供了关键依据，最终将6个应变传感器分别布置于叶根夹持线及叶片最大厚度线，确保对关键力学区域的监测覆盖。
图 2. CFRP叶片的应变分布随时间变化。
深入分析了数字孪生模型的构建逻辑与关键技术，探讨了核心参数（如传感器布局、SDAE网络结构、3DROM降阶策略）对模型性能的影响。通过建立流固耦合仿真模型，预测了不同水冲击流速下CFRP螺旋桨的应力应变分布及流场特性；借助数学建模定义了SDAE信号融合的代价函数与参数更新规则，明确了MFS算法中高、低保真数据的协同机制。
图 3. 实验对比不同铺层CFRP单桨叶水流冲击下多传感器信号。
SDAE 模型对含噪声的多传感器信号进行融合处理，10 次重复测试的流速识别准确率稳定在98%左右。混淆矩阵显示，各流速等级的预测标签与真实标签匹配度极高，证明该模型有效滤除了环境噪声与机械震动干扰，解决了多传感器信号冗余及非平稳问题。将SDAE识别的流速结果输入MFS算法后，CFRP螺旋桨力学场预测精度虽随传感器位置偏差及流速增加略有下降，但仍保持 89% 的可接受水平。其中，靠近传感器的叶片上游层（第 1-10 层）力学场预测准确率超 92%，充分体现了模型对层间力学信息的保留能力。引入3DROM后，数字孪生模型节点数从22万降至约1万，计算效率显著提升。3DROM 增强的MFS 预测平均响应时间仅为0.22秒，较未降阶MFS的2.46秒快11.2倍，且完整保留了各铺层的力学性能差异，实现了“精度、效率”的平衡。
图4.系统训练和测试的准确率与损失。
研究结果表明，通过优化传感器布局与算法参数，该数字孪生框架的流速识别准确率可达 98%，力学场预测精度维持在 89% 以上，计算速度提升 11.2 倍。这表明该框架具有出色的性能可调性与实用性，能够适应不同水冲击工况下 CFRP 螺旋桨的监测需求。此外，研究还发现，3DROM 在降阶过程中通过保留层间关联属性，有效避免了传统降阶模型的力学信息丢失问题，这一特性使其在复杂层状复合材料的数字孪生构建中具有潜在应用优势。
原始文献：
Ji, X., Wang, J.; Gong, Y.; Bao, Y.; & Li, P. (2025). Research on digital twin of three-dimensional reduced order model of marine composite propeller blades based on multisensory fusion.Ocean Engineering, 339, 122071.
原文链接：
https:///10.1016/j.oceaneng.2025.122071