扰动累积下基于机器学习的重调度方式选择

针对扰动累积下重调度方案甄选问题,提出了一种基于数据学习的重调度方式选择方法。利用累积误差时间来量化隐性扰动,用数据反映实时生产加工状况;构建扰动累积下重调度模型,基于遗传仿真获取评价重调度决策的因素、决策标签。分析仿真样本特征,并基于数据特征降维映射,构建基于支持向量机的分类决策模型以学习生产状况与重调度方式的内在联系,从而帮助生产管理者快速制定决策,提高响应速度。实验验证了所建立重调度方式选择框架的合理性和有效性。     

基于数字孪生的多自动导引小车系统集中式调度

针对具有多辆自动导引小车的多机器人存取系统在分布式调度时系统性能不明确、优化程度低的难题,提出一种基于数字孪生的集中式调度方法。建立了以物理系统、虚拟系统、孪生数据中心和系统支撑服务为核心的数字孪生模型,提出物理系统接收指令和采集数据机制、虚拟系统方案生成与仿真机制、孪生数据中心数据处理和对比机制,并基于系统支撑服务确保这3种机制互相映射。通过物理系统和虚拟系统的数据交互预测未来的情况,实现动态拣货单情形下的实时调度。针对系统中发生的各种扰动,提出新的重调度规则进行调度优化。通过实例验证,与传统方法相比,基于数字孪生的集中式调度能够准确预测未来一段时间的系统状态,并能整体优化系统性能,有效处理扰动。     

基于VDEVS的离散制造车间虚拟实体行为模型描述方法

虚拟实体是数字孪生五维模型中重要的组成部分,其行为模型描述了物理实体在外部环境与内部运行机制作用下的实时响应及行为.针对离散制造车间数字孪生虚拟实体行为模型缺乏统一描述与精确定义的难题,提出一种使用基于值的离散事件系统规范(VDEVS)对行为模型进行描述的方法.在原有数字孪生五维模型基础上定义了数字孪生车间虚拟实体分层模型,实现了其与数字孪生车间物理实体的一一映射.通过对传统离散事件系统仿真规范(DEVS)进行扩展提出了VDEVS,从而更加精确地描述离散制造车间复杂系统级、系统级、单元级虚拟实体的行为.最后,针对某加工单元,利用基于VDEVS的方法对其行为模型进行了描述.     

基于数字孪生的零件智能制造车间调度云平台

零件制造车间中工作要素路径的未知性、时间的不确定性,以及生产要素信息的孤立性,严重影响了车间调度的有效运行。基于数字孪生技术提出一种解决零件智能制造车间调度问题的新方法——调度云平台,构建了调度云平台的框架模型以及调度工作流程;搭建了调度云平台的全生命周期监控系统,监控产品的实时运行状态;基于全生命周期监控系统实时监控的数据,利用大数据分析技术对车间生产过程中多源动态扰动进行预测和诊断,在此基础上提前由调度云平台对动态扰动制定相应扰动策略;为阐述如何将所提模型落地,以某企业零件智能制造车间为例,对调度云平台模型进行应用验证,同时指出了基于数字孪生的零件智能制造车间未来的工作方向。     

基于数字孪生的生产车间运行状态在线预测

针对数字孪生车间的在线预测难题,提出一种实时数据驱动的数字孪生车间运行状态在线预测方法.分析了车间数字孪生体的内涵和运行机制,构建了基于车间数字孪生体的仿真预测框架,阐述了基于事件调度法的仿真运行逻辑,建立了数字孪生车间输入特性、样本生成、事件处理逻辑之间的关系,融合实时数据实现了基于持续瞬态仿真的车间在线预测.设计并...     

云—雾—边缘协同的数字孪生制造系统仿真过程动态扰动响应方法

鉴于现有仿真技术对制造过程动态响应能力不足,数字孪生技术为仿真系统对制造过程的动态映射提供了解决方案,但仍存在设备运行过程中动态扰动识别困难且扰动识别模型的训练过程受制于计算和数据资源,导致耗时较长,以及用于识别动态扰动和构建约束条件的数据为离线或半离线状态,不能满足实时响应要求的问题。针对以上问题,提出一种基于云—雾—边缘协同的数字孪生制造仿真过程动态扰动响应方法。在云端使用公共数据集训练普适化模型并使用边缘端数据训练个性化模型来提升扰动识别精度,雾端通过部署云端训练的个性化模型保证扰动识别速度,同时将识别的扰动更新到数字孪生仿真模型中。边缘端负责采集实时信号并上传至雾端。经实验验证,扰动约束更新机制能够准确更新扰动,从而对运行过程中的扰动做出快速响应。     

数字孪生车间机器人虚实驱动系统构建方法

针对目前数字孪生车间构建中工业机器人等虚拟实体建模复杂、开发周期长等问题,提出了一种数字孪生车间工业机器人虚实驱动系统的模块化构建方法,即将虚实驱动系统分为设置模型参数的交互层和按功能需求设计配置的控制层,然后将实体工业机器人等抽象为单功能原子模型耦合而成的仿真模型。模块化分层构建虚实驱动系统的方法能快速有效地实现工业机器人等数字孪生虚拟实体的建模,以及工业机器人在虚拟空间中的仿真运行模拟和虚实同步运行。     

基于图卷积网络的数字孪生车间生产行为识别方法

车间人员行为的智能识别对规范生产过程、保障安全生产、实现车间生产行为数字孪生模型的快速构建具有重要的现实意义.提出一种融合注意力机制的图卷积网络的生产行为识别方法,对数字孪生车间生产行为进行数字化描述和快速识别.构建了一种基于拓扑图结构的人员数字孪生体特征,以及一种基于图卷积网络的注意力图卷积网络模型,将数字孪生体特征...     

基于ATC的智能工厂分布式柔性作业车间动态调度

针对传统多车间生产调度方法不能满足智能生产系统调度优化的问题,结合智能工厂需求,以分布式柔性作业车间为研究对象,提出基于“生产计划-车间调度-物流仓储”的ATC层次模型,该模型是以时间、成本组成的一个多目标优化模型;提出两级效能偏差判别机制,在物联环境下动态识别扰动并根据扰动影响作出实时决策。最后,以3个车间调度问题为例,基于遗传禁忌搜索算法,验证了该模型的有效性。     

不确定条件下车间动态重调度优化方法

分析车间生产环境复杂、多变以及生产过程中各种随机扰动所导致的不确定性问题,将扰动分为显性扰动和隐性扰动两类。分别采用主动和被动触发式重调度驱动规则,对各种扰动进行响应,并通过建立重调度优化集,结合滚动时域优化方法,对大规模动态重调度优化问题进行了简化。提出重调度优化集内待加工工件的选取规则,以减少工序间机器空闲时间。最后提出混合粒子群调度优化算法,对优化集内待加工工件进行智能优化调度,并采用该算法结合具体的仿真实例验证了该动态随机重调度优化方法的有效性。     

基于OPC UA的数字孪生车间实时数据融合与建模研究

数字孪生车间是智能制造背景下车间全息监控、精准分析、实时决策的有效手段。而实时高效的异构数据采集和融合,以及虚实车间的交互连接是驱动数字孪生车间运转的核心。为此,依托制造物联网和OPC UA通信技术,建立了数字孪生车间实时数据采集框架。采用分层融合的策略,去除原始数据中的信息冗余,匹配产生中间事件和生产过程数据,同时基于空间尺度构建实时数据空间对象模型。另外针对提高数据传输实时性的目的,按照信息分类—自适应压缩—节点合并的路线,缩减OPC UA信息模型节点数目和节点容量,设计了面向数字孪生车间的OPC UA信息建模方案。最后,以某航天结构件生产线为案例,为数字孪生车间开发了实时数据采集系统,并验证了此方案的可行性。     

机器故障下柔性作业车间的生产重调度方式决策模型

在机器故障后采用何种方式进行生产重调度，直接影响到柔性作业车间的生产效率和稳定性。为此，提出一种融合数据仿真、遗传优化与BP神经网络的重调度方式决策模型，以便在给定故障情形下经济、高效、快速地估计出最优重调度方式。首先，针对柔性作业车间，仿真生成不同机器故障情形下、各种重调度方式下的重调度方案，比较最大完工时间差值、工序结束时间差值和工序变动成本3个评价指标，将综合指标最小的重调度方式判定为给定情形下的最优方式，产生出带标签的大规模样本。在此基础上，构建基于遗传—神经网络的重调度方式决策模型，挖掘机器故障与重调度方式的内在联系，估计不同故障情形下的最优重调度方式。其中，遗传算法先用于确定BP神经网络结构，再用于优化权值和阈值。实验证明所提出决策模型能显著提升机器故障下柔性作业车间的决策效率与反应能力。     

订单加急扰动下柔性生产车间动态完全重调度

为了提高订单加急扰动时柔性生产车间重调度的效率,提出了基于邻域拥挤度淘汰NSGA-II算法和优先加工通道的重调度方案。针对订单加急扰动下重调度问题,建立了减少车间能耗和完工时间的双重优化模型。构造了多目标优化问题的邻域,提出了基于邻域拥挤度淘汰NSGA-II算法的柔性车间静态调度方法。当订单加急扰动发生时,设计了基于优先加工通道的完全重调度方案。使用Kacem02标准算例对静态调度性能测试,文章算法的优化目标极值小于标准NSGA-II算法和混合NSGA-II算法,说明该算法的优化能力更强。订单加急扰动后,优先加工通道和滚动遗传算法均将加急订单完成时间由18 min提前到14 min,但是前者保持了整体完工时间不变,而后者整体加工时间由18 min增加到20 min,结果表明优先加工通道在柔性车间重调度中具有更好性能。     

基于数字孪生的智能工厂建设

为构建具有"全面感知、设备互联、数字集成、智能预测"等特征的智能工厂运行体系,针对传统工厂/车间管控系统缺乏智能决策等问题,提出基于数字孪生的智能工厂总体架构和虚实集成的信息系统集成模型。阐述基于数字孪生的工厂管控系统在物理工厂的高度自动化、数字孪生系统与物理工厂两方面虚实集成问题,探讨了微服务架构、虚拟仿真系统和工业物联网等技术在数字孪生系统中的应用,并深入分析数字孪生系统的信息集成框架、集成接口等解决方案。最后通过个性化定制的模型车总装车间数字孪生应用案例,指出基于数字孪生的虚拟生产系统具有可视化、实时性、可操作性及可协作性等优势。     

基于数字孪生的空空导弹总装车间管控方法研究

为提升空空导弹总装车间的智能化管控水平,本文开展了数字孪生总装车间管控方法的研究。结合空空导弹总装车间对安全保密方面的需求,本文设计了一种跨网段信息异步交互的数字孪生车间架构,基于数字孪生五维模型描述了数字孪生车间的组成,提出了虚实融合的分层管控模式,介绍了数字孪生车间的相关关键技术,为军工企业数字孪生总装车间的建设提供参考。     

数字孪生车间信息物理融合理论与技术

数字孪生车间作为实现制造物理世界和信息世界智能互联与交互融合的一种潜在的有效途径,近期被国内外相关领域学术界和企业界高度关注。基于前期对数字孪生车间的概念、系统组成、运行机制、特点和关键技术等研究,设计了数字孪生车间的参考系统架构,并从数字孪生车间4个主要系统组成(物理车间、虚拟车间、车间孪生数据、车间服务系统)的角度出发,分别对物理车间异构要素融合、虚拟车间多维模型融合、车间物理—信息数据融合、车间服务/应用融合等关键问题进行了研究分析。从物理融合、模型融合、数据融合和服务融合4个维度,系统地探讨了实现数字孪生车间信息物理融合的基础理论与关键技术,为企业实践数字孪生车间提供了参考。     

基于数字孪生的化纤长丝落卷作业优化方法及验证

针对当前化纤长丝生产车间的装备故障率高、远程运维难、装备协作易失败,尤其在化纤长丝落卷作业过程中存在作业策略效率低的难题,提出并构建了基于数字孪生的化纤长丝落卷作业优化系统。建立了基于数字孪生五维模型的落卷作业数字孪生模型,在实时数据驱动下,实现了化纤长丝生产车间的三维可视化监视与精准管控;重点针对化纤长丝落卷生产线作业方法问题,提出一种考虑多目标的自动落卷机作业策略调度优化方法,并进行仿真验证。通过在某化纤长丝生产企业进行落地应用,表明所构建的数字孪生系统和作业策略的有效性。     

物联网环境下混流生产车间两级动态调度研究

针对不确定的动态事件干扰混流生产车间预先调度实施的问题,对调度信息传递、车间扰动恢复、多目标优化等问题进行了研究。建立了以RFID技术为支撑的物联网环境下实时工况驱动的调度-重调两级动态调度机制,在物料消耗速率均衡化、最短化最小生产循环周期的两个预调度模型基础上,构造了混合布谷鸟搜索求解算法;基于扰动事件的特性,采取事件和周期混合驱动的调度策略,通过滚动窗口技术和混合布谷鸟搜索算法对重调度进行了求解,利用仿真平台对调度模型及混合布谷鸟搜索算法进行了测试。研究结果表明:该物联网环境的构建符合车间实时动态调度需求,能够实现工况信息的及时传递;调度机制能够有效应对各类扰动,满足了混流车间实际调度需要;算法求解速度快,获得的解质量良好。     

基于数字孪生的行车多因素隐性级联故障诊断EI北大核心

针对行车传统运维方式中存在的可管可控状态不明、故障时定位分析耗时久、设备宕机时间长等问题,为实现行车状态运维的智能化转型升级,基于数字孪生技术和数据驱动方法,提出一种用于行车多机构联动、多因素耦合的隐性级联故障诊断分析方法。以数据驱动为核心,构建了数据驱动的行车数字孪生模型,详细阐述了行车数字孪生系统的组成和交互行为;对显性故障和隐性故障进行分类和定义,设计了SDAE—MCSVM—FBN方法解决多因素隐性级联故障;构建了数据驱动的行车数字孪生模型的原型系统,以某大型国企钢厂某车间内的行车作业过程为例,与传统运维方式中的人工点检对比,在所提方法应用前后,故障维修时长和设备宕机时长分别减少的时间比例区间为24.5%~32.8%,20.5%~32.4%,证实了所提方法对隐性级联故障诊断分析的有效性和可行性。     

面向数字孪生的船用柴油机装配车间生产调度

在船用柴油机装配过程中,普遍存在动态扰动事件频发、生产状态监控不足等缺陷,导致生产过程偏离调度计划且无法对扰动事件进行快速响应。为解决调度计划偏差和快速响应这两个难题,将数字孪生技术应用于船用柴油机装配车间生产调度过程中,通过物理装配车间与虚拟装配车间的实时交互快速响应扰动事件并减少调度计划偏差。构建了一种基于数字孪生的船用柴油机装配车间生产调度框架,并对装配调度问题进行描述与建模。详细阐述了动态调度流程并提出了一种基于pareto支配规则的多目标离散蚁狮优化算法来优化最大完工时间和装配班组负荷这两个调度目标,保证了调度方案的实时性和准确性。最后,通过在某型号柴油机装配车间部署运行,验证了此种调度模式的有效性。