面向微组装单元的数字孪生同步方法及系统实现

doi:10.13196/j.cims.2021.02.009

计算机集成制造系统 ›› 2021, Vol. 27 ›› Issue (2): 412-422.DOI: 10.13196/j.cims.2021.02.009

面向微组装单元的数字孪生同步方法及系统实现

黄佳圣¹,施佳宏¹,易扬¹,许红祥²,闫月晖³,刘金锋⁴,刘晓军¹⁺

1.东南大学机械工程学院
2.中国船舶重工集团公司第724研究所
3.北京航天长征飞行器研究所
4.江苏科技大学机械工程学院

出版日期:2021-02-28 发布日期:2021-02-28
基金资助:
装备发展部“十三五”装备预研资助项目(61409230103,41423010203);上海航天科技创新基金资助项目(SAST2018-060)。

Digital twin synchronization method and system implementation for micro-assembly unit

Online:2021-02-28 Published:2021-02-28
Supported by:
Project supposed by the Pre-research Program of Equipment Development Department,China(No.61409230103,41423010203),and the Shanghai Aerospace Science and Technology Innovation Fund,China(No.SAST2018-060).

摘要/Abstract

摘要： 为了解决微组装生产线数字化转型面临的数据处理难和设备信息化控制难的问题,设计了微组装生产线单元数字孪生系统架构,提出一种基于实时生产数据的四维融合模型孪生同步方法,从行为实时映射、状态实时映射和动作实时映射的角度对孪生同步进行了诠释,并对其关键技术——多源异构数据分类、清洗与解析和实时数据驱动四维融合孪生模型进行了详细阐述。设计并开发了原型系统,通过实例验证了所提方法的有效性,为实现微组装生产线数字孪生提供了解决方案。

关键词: 数字孪生车间, 微组装生产线, 数据驱动, 四维融合模型, 孪生同步

Abstract: To solve the difficulties of data processing and equipment information control in the current digital transformation of the micro-assembly production line,a digital twin system architecture of micro-assembly production unit was designed.A twin synchronization method of four-dimensional fusion model based on real-time production data was proposed.The concept of twin synchronization was explained from behavior real-time mapping,state real-time mapping and action real-time mapping.The key implementation technologies for twin synchronization such as multi-source heterogeneous data classification,cleaning and analysis and four-dimensional fusion model driven by real-time production data were elaborated in detail.Meanwhile,the prototype system was designed and developed,and the effectiveness of the proposed method was verified by a practical case study.The result provided a solution for the realization of digital twin in the micro-assembly production line.

Key words: digital twin workshop, micro-assembly production line, data driven, four-dimensional fusion model, twin synchronization

中图分类号:

TP391.9

黄佳圣,施佳宏,易扬,许红祥,闫月晖,刘金锋,刘晓军. 面向微组装单元的数字孪生同步方法及系统实现[J]. 计算机集成制造系统, 2021, 27(2): 412-422.

[1]	马玉敏,陆晓玉,乔非,沈一路. 基于极限学习机的复杂制造系统动态调度[J]. 计算机集成制造系统, 2021, 27(4): 1081-1088.
[2]	王琳涛,张先连,刘检华,孙清超. 机理与数据融合的螺栓连接松脱预测[J]. 计算机集成制造系统, 2021, 27(3): 692-700.
[3]	魏一雄,郭磊,陈亮希,张红旗,胡祥涛,周红桥,李广. 基于实时数据驱动的数字孪生车间研究及实现[J]. 计算机集成制造系统, 2021, 27(2): 352-363.
[4]	刘娟,庄存波,刘检华,苗田,王建群. 基于数字孪生的生产车间运行状态在线预测[J]. 计算机集成制造系统, 2021, 27(2): 467-477.
[5]	刘庭煜,洪庆,孙毅锋,刘洋,杜小东,刘晓军,宋豪杰. 基于图卷积网络的数字孪生车间生产行为识别方法[J]. 计算机集成制造系统, 2021, 27(2): 501-509.
[6]	胡兴,刘检华,庄存波,武颖,张雷,熊辉. 基于数字孪生的复杂产品装配过程管控方法与应用[J]. 计算机集成制造系统, 2021, 27(2): 642-653.
[7]	崔鹏浩,王军强,张文沛,李洋. 基于深度强化学习的流水线预测性维护决策[J]. 计算机集成制造系统, 2021, 27(12): 3416-3428.
[8]	刘怀兰,岳鹏,閤辰皓,赵文杰. 基于VDEVS的离散制造车间虚拟实体行为模型描述方法[J]. 计算机集成制造系统, 2021, 27(10): 2950-2960.
[9]	陶飞,张贺,戚庆林,徐俊,孙铮,胡天亮,刘晓军,刘庭煜,关俊涛,陈畅宇,孟凡伟,张辰源,李志远,魏永利,朱铭浩,肖斌. 数字孪生模型构建理论及应用[J]. 计算机集成制造系统, 2021, 27(1): 1-16.
[10]	吕景祥,唐任仲,郑军. 数据驱动的车削和钻削加工能耗预测[J]. 计算机集成制造系统, 2020, 26(8): 2073-2082.
[11]	杜傲,王坚,凌卫青. 基于犹豫模糊集的机器自主及人机联合多属性决策方法[J]. 计算机集成制造系统, 2020, 26(8): 2099-2108.
[12]	赵浩然,刘检华,熊辉,庄存波,苗田,刘金山,王彬. 面向数字孪生车间的三维可视化实时监控方法[J]. 计算机集成制造系统, 2019, 25(第6): 1432-1443.
[13]	陶飞,程颖,程江峰,张萌,徐文君,戚庆林. 数字孪生车间信息物理融合理论与技术[J]. 计算机集成制造系统, 2017, 23(第8期): 1603-1611.
[14]	陶飞,张萌,程江峰,戚庆林. 数字孪生车间——一种未来车间运行新模式[J]. 计算机集成制造系统, 2017, 23(第1期): 1-9.
[15]	程进,王坚. 数据驱动的流程制造工艺参数匹配方法[J]. 计算机集成制造系统, 2017, 23(第11): 2361-2370.

面向微组装单元的数字孪生同步方法及系统实现

Digital twin synchronization method and system implementation for micro-assembly unit

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics