关于数字孪生的智能制造系统设计

关于数字孪生的智能制造系统设计摘要：随着智能产品发展的不断深入，产品的组成越来越细化，结构越来越复杂。

组件信息和设计信息的数量大大增加，使得生产车间和产品内部的生产和管理信息交互种类繁多，导致产品设计加工流程发生转变，制造业也发生了显著变化。

自动化和智能化技术开始真正赋能，改变了传统的制造业发展模式。

传统制造系统正朝着数字化和智能化的方向发展，所以现有的制造系统必须升级改进。

数字孪生技术引发了广泛关注，指的是基于不同类型的传感器采集对应的数据信息，然后通过特定的平台构建镜像，以此模拟物理对象实时状态，从而将复杂产品的开发和生产集成到产品中。

对于数字孪生技术的研究持续增多，并逐步应用到了实际生产领域。

目前，许多大型研究机构和公司已经针对各种对象开发了自己的数字孪生模型，在实际应用中显示出广阔的市场空间。

关键字：数字孪生；智能制造系统设计；措施0引言智能制造是基于新一代信息通信技术与先进制造技术的深度融合，贯穿设计、生产、管理、服务等制造活动环节，具有信息深度感知、智慧优化自决策、精确控制自执行等功能。

目前，数字化技术能力随着信息通信技术的成本降低和传感器的小型化显著提升，能够集成到大多数产品中。

通过信息化集成使企业能够实时获悉产品自身属性以及生产环境状况的变化。

1数字孪生的关键技术1.1建模数字孪生的意义在于实现数字化建模的过程，以此对真实的目标进行描述和表征。

这种方式能够控制与分析物理实体全生命周期的属性。

该技术的核心部分是建立物理单元的数字模型以及建模过程，过程中涉及多方面内容，不能只是片面地将单一物理量和数据交互考虑在内，而是需要综合多方面因素，全面考虑多尺度和多物理量，才能得到精度更高的模型。

1.2仿真在通过模型描述物理实体的过程中，需要特定的仿真手段验证这种虚拟模型的准确性和完整性。

因此，仿真属于至关重要的过程。

对于数字双目标系统而言，如果在建模过程中只是利用一个分析物理模型，往往难以得到理想的仿真效果。

采用深度学习等数据驱动类方法时，这种建模机制基本等同于黑匣子，且不包含对模型机制的解释，将很难理解模型。

所以，在建模过程中需要综合考虑多方面因素，并确定合适的建模方法。

如果数字孪生系统的复杂度较高，则应该全面考虑运行环境、自身结构特征等，然后基于数据驱动的方法优化和改进模型，使其与实际的目标系统保持较高的一致性，并且在此基础上预测未来的发展趋势。

结合上述分析可知，仿真过程中可以采用数据和模型驱动相结合的方法，以便提升仿真质量。

1.3虚拟现实虚拟现实（VirtualReality，VR）技术已经广泛应用于实际生产领域，可以基于数字化技术为用户呈现逼近的场景，使得目标系统的基本结构、运行状态和变化趋势等信息转化为3个状态，以实时映射多维空间。

VR为设备管理员提供各种感官的逼真体验，并以最真实的含义为设备管理员提供与虚拟身体的互动。

管理员则可以基于现有的技术得到精度较高的操作反馈，进而通过最直观的方式显示设备的缺陷和好处，并从中获得设备改进的灵感。

对于高风险制造，VR能够直接呈现设备工作状态的具体信息，确保设备处于最佳的运行状态。

所以，VR技术的应用具有重要意义，能够在数字孪生系统的整个生命周期中改善设备、维护设备并优化性能。

1.4数字孪生实现技术流程首先，采集数据的过程，即通过不同的技术和设备来采集需要的数据信息。

其次，对采集的原始数据进行适当预处理，然后通过平台进行仿真，得到一定的仿真对象。

最后，通过平台分析和预测虚拟实体的工作状态，可以自定义和增强实际物理实体，并实时更新虚拟实体，实现真实的整个生命周期映射，反馈调整模拟对象和虚拟实体。

2典型应用场景2.1基于数字孪生的智慧设计研发在传统的产品设计研发过程中，由于存在设计与制造阶段数据断层的问题，通常会直接造成设计方案反复迭代、交付周期延长、研发成本增加等一系列连锁反应。

为适应未来产品个性化定制和柔性化制造的需求，提高企业产品研发核心竞争力，基于数字孪生的智慧设计研发应用场景通过在产品设计研发阶段构建产品数字孪生系统，模拟制造阶段装配仿真、工艺仿真及工艺布局优化，实现设计与制造融合，并能实时掌握产品性能，对产品功能进行针对性改进。

基于数字孪生的智慧设计研发过程可以大致分为：产品设计与仿真验证、装配仿真、加工仿真、工厂布局仿真。

产品设计与仿真验证：以骨架模型基础的，开展多域关联协同设计，通过模型设计、管理设计、线缆设计、三维标注、模型检查等过程实现产品的数字化映射。

装配仿真：在产品数字孪生系统中，模拟装配过程，进行装配干涉检查，对装配路径进行分析优化，验证装配工艺规划的准确性和合理性，减少车间安装和调试的时间，降低制造成本。

加工仿真：通过读取产品数字孪生模型，自动生成数控加工代码，并在虚拟环境中进行加工仿真，验证数控加工过程的正确性。

工厂布局仿真：将产品数字孪生系统融入到车间数字孪生系统中，对产品的加工制造、装配、测试及生产规划等进行模拟，使设计人员可以在虚拟的环境中对制造过程进行预分析。

与传统产品的设计研发过程相比，基于数字孪生的智慧设计研发主要优势在于：（1）通过产品数字孪生系统模拟制造过程，实现设计研发与虚拟制造的循环迭代，缩短了产品的研制周期；（2）在产品数字孪生系统中仿真用户应用，使产品设计在功能、性能、经济性上更符合应用场景的需求，解决用户需求沟通不完善的问题；（3）利用产品数字孪生体复现故障场景，提高产品功能易用性和运行可靠性，解决设计与个性化应用脱节的问题。

2.2基于数字孪生的智能运维决策在工业设备运行阶段，设备性能的有效发挥，依赖于人、机、环境等因素的有效协作与适配。

影响工业设备效能的主要因素是设备对生产环境和生产任务的适应性，以及人对设备状态变化的适应性。

基于数字孪生的智能运维决策方法通过构建设备数字孪生体，与物理实体进行同步映射和实时交互，利用数字孪生体对设备状态的动态感知能力，可快速捕获故障现象并准确定位故障原因，制定合理的维护策略，以确保物理设备的健康运行。

基于数字孪生的智能运维决策应用场景由感知数据层、模型优化层和智能控制层组成。

感知数据层用于工业设备的物理空间感知，利用多传感器技术实现关键部位的实时状态监测与数据采集；模型优化层将预处理后的实时运行数据借助数字孪生模型映射至虚拟空间，构建健康状态识别与故障诊断机理模型；智能控制层通过对机制模型推演结果进行分析，感知设备故障及诊断故障原因，协助维修人员处理设备故障。

在数字孪生系统中构建关键零部件寿命衰减模型，结合实时运行数据，智能分析剩余寿命，实现对设备的预测性维护。

与传统的设备运维决策相比，基于数字孪生的智能运维决策的优势在于：（1）故障观察模式从静态索引比较到动态物理和虚拟设备实时交互以及全方位状态比较的变化；（2）故障分析方法从基于物理设备特征的分析方法转变为基于物理和虚拟设备特征融合分析方法；（3）维护决策模式由基于优化算法的决策转变为基于高保真虚拟模型验证的决策，执行方式由被动分配变为自主精确服务。

2.3基于数字孪生的智联生产管控当前制造企业面向的生产环境具有持续动态不确定性，因此需要对生产过程进行实时感知，包括任务执行与资源运行的状态，判断是否存在生产异常等。

同时也需要对生产系统的运行进行前瞻预测，为生产系统的稳定运行提供保证。

基于数字孪生的智联生产管控通过构建效能优化、故障预测、质量监测和设备评测的机理模型，打通设备、工艺、平台之间的壁垒，实现生产系统多源异构数据互联互通和智联管控。

基于数字孪生的智联生产管控系统包含物理空间、虚实交互、数字空间3个模块。

通过构建生产系统全要素、全流程、全业务数据的数字孪生模型，实现虚实交互模块的感知与反馈控制的生产全过程管控闭环。

通过实体与虚体的双向真实映射与实时交互，在数字孪生模型的驱动下，实现设备监控、生产要素、生产活动计划、生产过程等虚体的同步运行，满足设备状态监控、生产和管控最优的生产运行模式。

同时物理空间和数字空间的功能在生产运行中进行持续改进迭代升级。

与传统生产管控方法相比，基于数字孪生的智联生产管控的优势在于：（1）发挥设备最大效能。

生产数字孪生系统使生产系统具有智能决策能力，实现了智能排产、优化控制、能耗监测，从而实现低成本、高效率、高质量的生产；（2）保障设备稳态运行。

缩短了非计划停机时间，保证供应链稳定。

通过生产数字孪生系统对设备故障的精准诊断和预测能力，可实现设备的智能运维，提高用户满意度，保障产业链上下游交期稳定。

3数字孪生技术的应用展望3.1设计阶段人们在云平台中规划设计平台的支持及相关知识库的辅助下，经过协同设计，完成产品的设计工作，创建产品的设计模型———数字孪生体，现在这个数字孪生体还处于原始状态，经过一系列的运动学、动力学等多物理性方面的仿真优化(或由第三方提供技术服务)，确定初步的设计及加工工艺方案，然后在云平台层中利用制造工厂的虚拟工厂进行虚拟制造，对可制造性进行仿真验证;利用虚拟使用环境，对可使用性进行仿真验证。

经过这些仿真验证之后，就可进入生产阶段。

这时数字孪生体含有产品实体特征和制造出自己所需所有信息。

目前支撑这个阶段的数字孪生关键技术主要有:MBD、多物理性多尺度性仿真、高保真建模及模型轻量化技术。

3.2生产阶段生产任务通过云平台中的生产管理平台进行管理，并将有实时性要求的调度及控制任务交于边缘层管理控制。

产品制造是虚实融合的过程，物理工厂的数字孪生运行在云平台的虚拟空间中。

物理工厂中的设备以及由传感器组成的物联网IoT位于现场层，通过低时延网络如时间敏感性网络TSN、5G等，以OPCUA等协议标准与边缘层进行数据交换，这些多源数据需要不同的处理，一方面有些数据直接与数字孪生体控制维度方面的模型交互，得到预测的数据，在控制周期中完成对加工过程的优化控制，实现以虚控实;另一方面边缘层对这些数据进行筛选和过滤，传输到平台层，驱动云平台中的虚拟工厂同步运行(虚实互动)，并存储在大数据库中，为知识挖掘提供数据源，对加工过程进行非实时的预测及优化。

这个阶段的关键技术主要有:多源传感数据的实时虚实融合、基于模型的控制。

3.3运维阶段厂商在提供产品时，同时提供产品的数字孪生体，用户可在自己工业互联网虚拟空间中根据厂商提供的数字孪生模板，创建激活产品的虚体。

如是一个部件，就可在虚拟空间中开始装配工艺、装配过程等仿真优化研究;如是完整产品可进行使用环境、工作过程的仿真优化，并在使用过程中进行虚实互动。

供应商、技术服务商以及用户等都可在这个云平台上，获得产品的状态信息，从而进行有针对性的技术服务。

产品在使用和维护阶段需要对其空间位置状态、外部环境、使用状态以及健康状态进行实时监控，并建立履历信息库，用户可通过应用层APP使用这些信息。