Digital twin technology development and demonstration for aircraft structural life-cycle management
Notice bibliographique
Résumé
This paper presents the Airframe Digital Twin (ADT) framework and key technologies for aircraft structural life-cycle management, developed by the National Research Council (NRC) of Canada, with the aim of significantly reducing maintenance cost and extending the remaining useful life of aircraft components. The NRC ADT technologies include high-fidelity structural modelling, probabilistic usage/loads forecasting, probabilistic crack growth modelling, Bayesian updating based on non-destructive inspection (NDI) results, and advanced risk/reliability analysis. To demonstrate the NRC ADT framework, a CF-188 full-scale life-extension test was used as a physical platform to simulate the remaining lifespan of an aircraft component. A series of eddy-current NDI results, obtained during the CF-188 full-scale test, were processed using a Bayesian inference algorithm to update the ADT model. The updated ADT model was then used to predict the remaining service life of the component and to determine the next inspection interval based on the acceptable probability of failure defined by risk-based airworthiness management policies. The ADT-based methods and results were compared with the existing CF-188 lifing approach, which revealed advantages and gaps of the ADT framework for the future aircraft structural life-cycle management in the digital age. This work demonstrated the unique capability of the ADT framework to quantify the effect of NDI capability and reliability, which is crucial to update the ADT model and achieve its benefits for structural life assessment and maintenance scheduling.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».