离散制造车间的数字孪生仿真参数修正方法

为了提高数字孪生模型的准确度,提出了一种离散制造车间的数字孪生仿真参数修正方法。根据数据驱动仿真参数修正的方式,将数字孪生模型的仿真参数划分为静态属性、动态属性和性能属性3类,设计了一种基于深度学习的时间序列预测算法—DF-LSTM用于表征性能属性。在复杂离散制造车间的仿真模型基础上,用时间序列预测算法的预测结果作为仿真模型的性能属性值,以实时数据驱动仿真模型的动态属性和性能属性的更新,实现了由仿真模型向数字孪生模型的转变。开发了装配车间的数字孪生系统,实现了装配车间的可视化监控和数字孪生模型的在线运行,最终实验验证了方法的可行性。