数字孪生制造单元多维多尺度建模与边—云协同配置_张超.pdf

书书书第 卷第期计算机集成制造系统 年月 ：收稿日期：；修订日期：。；基金项目：国家自然科学基金资助项目（，）；国家重点研发计划资助项目（）。：，（，），（）数字孪生制造单元多维多尺度建模与边云协同配置张超，周光辉，肖佳诚，秦天宇，周雅光（西安交通大学 机械工程学院，陕西西安 ；西安交通大学 机械制造系统工程国家重点实验室，陕西西安 ）摘要：为了解决离散型智能车间多维、多尺度、高保真建模及其软硬件配置与协同问题，以离散型智能车间的基本实现单元 数字孪生制造单元为对象，从数据知识混合驱动的角度，探明新一代信息技术赋能下数字孪生制造单元的构成要素与关键特征，提出数字孪生制造单元的多维多尺度智能空间模型及其高保真建模方法。进一步从边云协同的角度构建软硬件集成的数字孪生制造单元配置模型，建立了基于智能合约的数字孪生制造单元边云协同运行与智能化管控机制。采用 技术开发了数字孪生制造单元原型系统，并以航空发动机整体叶轮加工过程为案例，验证了所提模型与方法的正确性和有效性。关键词：数字孪生；制造单元；多维多尺度建模；边云协同；智能车间中图分类号：文献标识码：，（，；，）：，（），：；引言随着工业物联网、边缘计算、云计算、深度学习、知识工程等新一代信息技术的迅猛发展及其在制造中的融合应用，制造业迎来了转型升级与高质量发展的契机，世界各国纷纷提出制造业转型升级与计算机集成制造系统第 卷高质量发展国家战略，如德国工业 、美国工业互联网计划、中国制造 等，其核心目标之一是发展智能制造，通过制造数字物理融合实现制造过程的可视化监测、在线分析与优化决策及控制，从而提升对日趋个性化、定制化市场需求的快速响应能力与国际竞争力。作为制造业的高阶发展形态，智能制造系统具有智能感知、认知学习、自主决策、主动控制等典型特征，为我国制造业转型升级与高质量发展的重要突破口，离散型智能车间是智能制造系统的载体和落地应用的核心任务之一，已经成为国内外学术界 和 工 业 界 的 研 究 热 点，数 字 孪 生（）因能建立物理世界与虚拟世界的双向动态连接，而成为实现离散型智能车间信息物理融合建模与运控的关键使能技术。国内外研究机构围绕数字孪生制造车间的基本概念、理论框架、运行逻辑和使能技术展开了初步研究，对理解和发展离散型智能车间具有重要意义。然而，离散型智能车间的理论研究和工业实践仍处于初级阶段。一方面，现有典型的数字孪生制造车间系统框架包括物理实体、虚拟模型、服务系统、孪生数据和实时交互连接个维度，聚焦于利用数字孪生技术建立车间制造系统的虚实双向动态连接，通过虚实数据的融合监测和调整实际生产过程，未充分考虑知识的作用；实际上，车间生产过程中涉及工艺方案智能决策、制造扰动预测分析与处理、加工过程工艺参数主动自适应调整等各类复杂决策问题，传统数据和信息难以满足复杂决策需求，需要大量知识进行决策支撑，以提高生产过程的主动决策和动态响应能力。另一方面，离散型智能车间是一套多种软硬件结合的智能制造系统，涉及人、机、料、法、环等多制造要素，如何从多个维度和多个时空尺度构建离散型智能车间的软硬件模型，在此基础上实现其软硬件的配置与协同，仍是当前学术界与工业界研究和践行智能车间面临的主要挑战。针对上述问题，本文以离散型智能车间的基本实现 单 元 数 字 孪 生 制 造 单 元（，）为对象，从数据知识混合驱动的角度，通过将新一代信息技术融合应用到 的具体业务场景，提出 的多维多尺度智能空间模型，明晰了新一代信息技术赋能下 的构成要素与关键特征，据此研究了 多维多尺度智能空间的高保真建模方法；进一步从边云协同的角度构建了软硬件集成的 配置模型，建立了基于智能合约的 边云协同运行与智能化管控机制。最后，依托中国西部科技创新港智能制造创新中心，采用 技术构建了 原型系统，实现了 软硬件的边云协同配置，并通过工业案例验证了本文所提模型与方法的正确性和有效性。多维、多尺度、高保真建模本章在阐述 基本内涵及其多维多尺度智能空间模型的基础上，从物理空间、数据空间、虚拟空间和知识空间个维度实现了 的多尺度、高保真建模。多维多尺度智能空间模型针对新一代信息技术赋能下制造单元的新形态和新特征，从数据知识混合驱动的角度出发，提出 的 多 维 多 尺 度 智 能 空 间 模 型 与 参 考 框架，（如图），作为离散型智能车间的基本实现单元，其具有智能感知、认知学习、自主决策、主动控制等典型特征。具体地，多维多尺度智能空间指从数据知识混合驱动的角度，基于数字孪生技术构建的支撑制造单元自治运行所对应的五维有限智能制造空间，该空间是嵌入智能工件（，）、智能制造设备（，）、传感网络（，）、智能网关（，）等制造资源的物理空间（，），支持状态数据（位置、加工状态等）、状态数据（载荷、振动等）、环境数据等多通道数据实时采集、清洗、融合、传输与管理的数据空间（，），集成设备孪 生（，）模 型、制 造 单 元 孪 生（，）模型等的虚拟空间（，），集成动态知识库（工艺、工装夹具、代码等陈述类知识和工艺评估模型等知识模型）、知识图谱、知识主动服务引擎等知识能力的知识空间（，），以及围绕制造订单的、基于车间服务系统的业务交互空间（，）五者泛在融合的、面向智能化和自治化生产的五维共融空间。其中：（）是复杂零件制造任务智能执行的载体，该空间内人、机、物等物理资源共存、协同并均具有自我认知能力，利用 感知 中，等制造资源的实时状态（工件位置、设备工况等），并采用第期张超 等：数字孪生制造单元多维多尺度建模与边云协同配置发布订阅架构，通过 实现实时运行数据的上传及控制指令的下达。（）是多通道数据实时采集、清洗、融合、传输与管理的载体，采用适配器实现 中可编程逻辑控制器（，）、计算 机 数 字 控 制（，）、等实时数据的快速接入、协议解析与预处理，并存入边缘端实时数据库或云端关系型数据库，通过数据库接口协议与虚拟空间和知识空间进行数据交互与共享，并利用 和 等将数据用于制造扰动（如设备故障、设备阻塞等）的感知与预测。（）集成了多领域、多尺度、高保真的孪生模型，包括 和，上述模型通过历史数据和实时数据刻画和反映物理空间的制造全过程，为各类数据和知识驱动的理论工艺智能决策、加工过程优化控制等决策提供载体，并集成跨空间交互接口用于数据与指令的上传下达。（）是 的大脑，通过应用知识工程、深度学习等新一代人工智能技术实现对制造状态、事件、过程、现象等的深度理解和信息知识挖掘，为物理空间、虚拟空间、数据空间和业务交互空间中的多主体协同决策与优化提供支持。（）是 与外部客户交互的桥梁，一方面可自主感知发现客户的个性化制造服务需求，通过制造服务配置、服务运作与服务反馈优化等业务流程最终将服务施用到 不同的制造实体。业务交互功能主要由车间服务系统完成，如企业资源计划（，）系统、制造执 行 系 统（，）、产 品 全 生 命 周 期 管 理（，）系统等，该功能已日趋成熟，因此不作为本文的主要研究内容。物理空间建模 物理空间包括，（如数控加工中心、数控车床、数控铣床、工业机器人等），（由无线 射 频 识 别（，）、数显卡尺、粗糙度仪、能耗传感器等构成），等制造资源，所有制造资源按单元式制造中的工序集中、工序物流路径最优等原则布局形成制造单元。物理空间建模指采用工业物联网（，）技术，构建面向 各制造资源互联互通及其与 ，交互与计算机集成制造系统第 卷工业通信的物联模型，该模型通过适配器（）和 感知制造单元的实时状态。其中：适配器通过 （）读取和解析 系统的多协议数据（如 、超文本传输协议（，）等）；通过 和速度、加速度、压力等传感器感知，的实时运行状态（工件位置、设备工况等）。进一步通过 实现实时运行数据上传和控制指令下达。具体地，所有实时数据或状 态信息通 过数 据 清洗、融合与标 准 化 后，以 、可扩展标记语言（，）等格式经 上传至 实时数据库，为边缘端时间敏感型应用与云端计算密集型应用提供实时数据支持。基于以上分析，物理空间模型形式化定义为：，；（），；，且；（），。（）式中：，表示采用 构建的面向 制造资源互联互通的物联网络；为网络节点，包括 和两类节点；为连接，等节点并支持其数据交互与工业通信的逻辑通道，类似于网络的边，对应于本文定义的。物联网络连接的设备通过 实现与，间的数据共享和工业通信。数据空间建模 是多通道数据实时采集、清洗、融合、传输与管理的载体，其采用适配器实现 中 ，等实时数据的快速接入、协议解析与预处理，并将实时数据存入边缘端实时数据库，为边缘端时间敏感型应用和云端计算密集型应用提供数据支撑。数据空间建模旨在通过构建标准化的信息模型解析和融合 中的多源异构数据，以便边缘端和云端存储，主要包括基于 的异构数据解析与标准化和边缘端实时数据库（，）设计两部分。是一种面向全领域工业应用的标准化数据协议，提供基于地址空间的信息建模方法，同时具有统一的数据应用服务，被广泛应用于 与 中为上层应用提供数据赋能，其将单个或 抽象为一个信息模型（，），结合面向对象思想，通过定义 或 的对象节点和数据变量节点，将其复杂离散的数据节点组织为 层次 化 的 树 状 结 构。基 于 的 信息模型定义为 ，。（）式中：表示 所属的类别，如工业机器人；表示具体的，如仓储机器人；表示 中与变量节点直接相连的对象节点，即 的属性节点，如仓储机器人的运动学属性；表示实际存储数据的变量节点，即 的属性值节点，如仓储机器人运动学属性中的关节坐标。基于上述模型，进一步采用 解析各 异构数据的传输协议，在此基础上建立解析数据与 中变量节点的映射关系，从而实现底层 异构数据的解析与标准化。旨在实现设备数据、传感器数据等的实时存储与管理，具备毫秒级的数据响应和归档能力，并通过数据库接口协议支撑边缘端时间敏感型应用，如分析处理制造扰动、优化调整关键加工参数等。在 的基础上，结合 ，通过定义键值对（）构建了边缘端实时数据库，定义 ，。（）式中：表示，的属性，与 中的属性节点对应；表示与对应的，的属性值，支持字符串、链表、集合和哈希值等数据类型。例如：通过制造单元的基本信息、开机率、制造能力、当前状态等关键属性信息及其属性值表征该制造单元，通过 的设备信息、设备利用率、设备能力、设备当前状态等关键属性信息及属性值表征该设备，通过 的加工进度、工艺信息、几何精度、表面质量等关键属性信息及属性值表征该工件。虚拟空间建模 是 的忠实映射，集成了多领域、多尺度、高保真的孪生模型，包括 和 。鉴于 涉及人、机、料、法、环等多制造要素，运行过程极其复杂，同时 包含的数控机床等复杂设备加工机理尚不明晰，小批量个性化定制零件加工质量样本数据不足等问题，导致单一的机理建模或数据建模方法难以构建完备的数字孪生模型，本文从机理数据模型融合的角度提出 机理建模与数据建模及融合方法。如图所示，该方法主要包括几何建模、机理建模、数据建模和模型融合与可第期张超 等：数字孪生制造单元多维多尺度建模与边云协同配置视化部分。（）几何建模采用 ，等工业建模软件构建制造单元、等的三维 模型，精确表达其关键结构参数、零部件间的约束与定位关系；进一步利用 ，通过三维 模型的曲面细分、拓扑校正、抽取、修复等优化几何模型；在此基础上定义各执行机构的动力学和运动学方程，支持制造单元运行状态的虚实精确同步。几何模型主要从几何精度、结构完整性、运动约束等方面评价其保真度，从而确保几何模型在视觉上和结构上与真实制造设备制造单元一致。（）机理建模机理建模采用基于方程定义的方式，结合 ，等建模语言或工具，构建数控机床、工业机器人等 的电气子系统模型、机械子系统模型、控制子系统模型、运行过程行为模型等，具有局部设备的高保真仿真分析能力；采用系统建模语言 构建制造单元层次化语义表达模型，在此基础上利用 ，通过制造资源、制造能力定义构建 的 ，具有制造单元的全局仿真分析能力；制造设备制造单元机理模型的保真度主要通过相同激励下同一物理量的仿真响应和实际响应的误差来评价。某型数控车床机理建模实例如图 所示，其构建与评价流程如下：首先，根据数控车床的