在国产商用飞机C919正式投入商业运营的背景下，加快发展飞机及其关机部件的运行维护系统至关重要，其中航空发动机是关系到飞机飞行安全、经济性和舒适性的核心机械部件。航空发动机工作在恶劣环境和极端条件下，在其整个使用寿命周期内，其功能不可避免地会退化，从而引起异常、性能退化和失效故障等。开发自主、可靠、高效的健康诊断系统可以诊断和预测故障，降低维护成本，延长使用寿命，对保障航空发动机可靠性和运行安全具有重要意义。
传统的基于性能的故障诊断方法通常建立可测量参数与发动机状态之间的映射关系，而没有考虑多模态信息固有的物理约束。如何实现嵌入物理机制的发动机机理模型和数据驱动模型的信息融合成为了下一个需要被解决的关键问题。
复旦大学航空航天系孙刚教授团队提出了一种嵌入物理约束的新型图结构，此种结构可以有效地融合传感器信息和基于物理模型的仿真信息，相关成果已发表在能源动力领域国际顶级期刊Energy上。
随着人工智能的进一步发展，结合数据驱动和知识驱动的第三代人工智能技术成为了新的重要研究课题。研究人员基于图论的思想提出了一种基于航空发动机多源数据的新型图结构，在有效融合测量信息和机理模型仿真信息的同时，以样本点的概率分布为依据构建样本之间的边关联，从而形成包括节点多维源数据和物理边连接的发动机图结构。 基于图结构信息融方法的航空发动机部件级故障架构 嵌入物理约束图结构故障诊断训练架构 研究结果表明，与经典的基于模型的方法和通用人工智能方法相比，所提嵌入物理约束图结构可以表征数据之间的关联属性，提高了航空发动机故障诊断模型构建效率和诊断精度。 故障诊断准确率的比较 该研究得到了中国航发商用航空发动机有限责任公司、中国商用飞机有限责任公司的支持。航空发动机数字孪生示意图
