基于数字孪生的复杂产品装配过程管控方法与应用

针对航天复杂产品装配过程的实时可视化监控、运行状态在线分析与预测难题,提出了一种基于数字孪生的复杂产品装配过程管控方法。首先构建了面向复杂产品装配过程管控的数字孪生模型;在此基础上,引入工作流技术实现了装配过程数据的实时采集与管理,提出实时数据驱动的数字孪生车间同步运行方法;随后通过灰色马尔可夫预测模型、T-K统计控制图以及关联规则算法的集成应用,实现了对复杂产品装配过程中的小样本量质量数据的实时预测与分析。最后,自主设计并开发了基于数字孪生的复杂产品装配过程管控系统,并在某卫星装配车间进行了应用验证。     

基于数字孪生技术的复杂产品装配过程质量管控方法

针对复杂产品装配过程中质量管控时效性差、缺乏预测性等问题,提出基于数字孪生技术的复杂产品装配过程质量管控方法。通过构建物理车间、虚拟车间和车间生产管理系统协同工作的质量管控数字孪生模型,实现了装配过程质量数据的采集、分析与反馈,在此基础上利用Markov方法预测质量数据的未来状态。最后搭建了复杂产品装配过程质量管控平台,并通过实例验证了该方法的准确性,为复杂产品装配过程质量管控提供了一种新途径。     

复杂产品数字孪生装配模型表达与精度预测

针对复杂产品装配过程中装配模型/数据/信息脱节、精度预测不准确、缺乏现场装配有效指导等实际工程应用问题,提出复杂产品数字孪生装配模型表达与精度预测方法。给出基于数字孪生的复杂产品装配精度预测方法总体流程;其次,将数字孪生装配模型表达划分为装配对象模型和装配工艺模型,并明确了产品数字孪生装配模型的精准建模机制;在此基础上,采用基于实测数据的装配偏差传递更新迭代机制实现融合多维度误差源的产品装配误差分析计算与装配精度预测;最后,以某型卫星结构部装为例搭建了复杂产品数字孪生装配软硬件系统平台,并通过实例验证了所提方法的可行性,为复杂产品装配精度预测与保障提供了一种切实可行的新思路和新途径。     

复杂构件装配数字孪生建模及系统实现

针对复杂构件装配生产过程中虚实交互困难、装配效率低等问题,提出一种面向复杂构件装配的数字孪生模型建模方法。首先设计了复杂构件装配数字孪生系统架构,然后从几何模型、工艺模型、行为逻辑模型和约束规则模型4个维度构建了复杂构件装配数字孪生虚拟模型,实现了对复杂构件装配物理实体全面真实地刻画与描述。设计并开发了复杂构件装配数字孪生系统,以鲁班锁装配为实例验证了建模方法的有效性,为复杂构件的装配提供了解决方案。     

考虑多维误差的复杂装配过程数字孪生建模方法

针对多维误差耦合作用下大型固体火箭发动机等复杂产品装配过程中装配精度难以预测的问题，引入数字孪生概念，揭示制造误差、装配变形与定位误差耦合的装配偏差传递机理，据此提出一种复杂装配过程多维度高保真数字孪生模型构建及其驱动的装配精度在线分析方法。首先，从制造误差和装配变形耦合的角度，提出面向装配精度在线分析的数字孪生框架。其次，研究复杂装配过程数据感知模型、点云几何模型和装配变形机理模型的构建与融合方法，形成复杂装配过程多维度高保真数字孪生模型。在此基础上以装配特征为节点，基于雅可比矩阵和非理想表面模型，通过接入装配现场数据实现复杂装配过程装配精度在线分析与预测。最后，以大型固体火箭发动机喷管智能装配平台为对象，验证所提技术、方法与模型的正确性和有效性。     

数字孪生驱动的转静子装配间隙动态预测与调控

多级转静子装配间隙是影响航空发动机性能和安全的重要因素，传统装配方法难以精确预测和精准控制装配间隙，针对该问题，提出一种数字孪生驱动的转静子装配间隙动态预测与调控方法。在分析转静子装配工艺的基础上，建立了重点体现时变性的转静子装配间隙控制数字孪生模型，通过实测数据驱动服务模型实现装配间隙在线预测和装配工艺动态调控，研究了孪生数据类型与融合迭代过程，构建了实现数据融合迭代的4类服务模型，并通过某压气机装配验证了该方法的可行性与有效性；所表征的转静子装配数字孪生模型在时间维度的演化特性，为实现转静子装配间隙的在线预测与动态调控提供了基础。     

基于数字孪生的航天器系统工程模型与实现

为践行智能制造、推进航天工业化与信息化深度融合,提出了基于数字孪生的航天器系统工程。分析了数字孪生技术的相关研究成果,从7个维度对航天器系统工程进行综合,建立了基于数字孪生的航天器系统工程整体模型和应用框架,并按照生命周期进展演化为设计、工艺、制造/装配、试验/测试与在轨运行5个典型阶段模型和应用框架。在技术实现层面,基于物联网、大数据、用于过程控制的对象连接与嵌入统一架构、系统建模语言、基于模型的定义、面向服务的架构等先进技术,构建了由物理空间、传输层、数据层、模型层、服务层和应用层构成的数字孪生系统架构。基于数字孪生的航天器系统工程能够有效实现航天器研制全生命周期信息世界与物理世界的双向动态实时交互共融与协同,从而推进航天工业智能制造的发展。     

数字孪生驱动的高精密产品智能化装配方法

为解决高精密产品装配过程中虚拟仿真分析与物理装配脱节导致的装配效率较低、装配质量一致性较差的问题,提出一种数字孪生驱动的高精密产品智能化装配方法。构建了包括装配全要素的高精密产品数字孪生体;针对当前装配工艺文档可读性差、知识关联关系弱等问题,提出一种基于知识图谱的装配工艺表达方式,并利用知识图谱的可推理性对装配工艺进行动态调整;针对产品质量控制问题,提出一种操作—状态—质量三层结构质量控制策略。以某型号汽车发动机缸体单元装配为例,验证了所提方法的实用性。     

数字孪生在雷达天线阵面装配中的应用

针对数字孪生与雷达天线阵面装配调控需求,开展雷达天线阵面数字化测量场构建、天线阵面数字孪生模型构建、机电耦合机理及算法实现、天线阵面变形仿真与电性能仿真预测等研究,搭建测量数据库和数字孪生模型库,开发基于数字孪生的天线阵面装配调控系统。在雷达天线阵面装配调控过程中,实现天线阵面精度测量、变形仿真与电性能仿真可视化、天线阵面变形精度以及电性能指标调控策略,达到对天线阵面装配精度进行全方位的测量、跟踪、分析、预测和控制的目的。     

面向发动机装配过程的质量门控制系统研究

针对发动机装配过程在线质量控制问题,在分析发动机装配过程质量控制特点的基础上,提出质量分析-诊断-预测-调整于一体的面向发动机装配过程动态质量门控制模式。依据该模式,给出了面向发动机装配过程动态质量门控制系统的体系结构和功能模型。详细分析了在线装配质量分析技术、基于BP神经网络的装配质量诊断技术、基于灰色关联分析法的装配质量预测技术等关键使能技术。以某汽车发动机公司的汽油发动机装配过程为例,开发了面向发动机装配过程动态质量门控制系统,验证了该发动机装配过程质量控制模式的可行性和有效性。     

基于数字孪生的卫星总装过程管控系统

为解决卫星总装过程实时管控和分析预测的难题,提出一种基于数字孪生的卫星总装过程管控系统,建立了系统体系结构,研究了面向总装过程管控的产品与车间孪生建模、数据物联采集与虚实精准映射、数字孪生驱动的总装过程实时管控与分析预测、孪生数据多维度组织管理等关键技术。该系统以孪生模型和实时数据为驱动,基于产品关键特征和车间关键要素,将模型与数据进行有效融合,实现了总装过程的实时管控,并为生产决策提供支持。通过在卫星总装车间部署运行的应用效果,验证了该系统的有效性和可行性。     

基于数字孪生的复杂产品离散装配车间动态调度

面向多品种变批量生产的复杂产品离散装配车间是典型的复杂制造系统,其运行过程呈现高复杂性、强动态性和不确定性因素多等特征,为实现复杂产品离散装配车间的动态调度,提出一种基于数字孪生的复杂产品离散装配车间动态调度方法,通过物理空间和虚拟空间之间的数据交互进行更精确的动态调度.构建了基于数字孪生的复杂产品离散装配车间调度框架...     

基于数字孪生的产品设计过程和工作量预测方法

为解决由于实际产品设计过程和理想的仿真过程状态不一致而导致的产品设计复杂性预测不准确的问题,研究了基于数字孪生的产品设计过程及其工作量预测方法.构建了产品设计数字孪生系统五维结构模型.详细定义了虚拟空间的产品设计数字孪生模型,包括功能数字孪生模型、设计师数字孪生模型和设计活动数字孪生模型.从知识的角度出发,提出了产品设...     

[数字孪生驱动的智能制造]数字孪生与深度学习融合驱动的采煤机健康状态预测

针对处于恶劣工作环境的采煤机状态预测与维护困难的问题,结合数字孪生高逼真度行为仿真特性和深度学习强大的数据挖掘能力,提出数字孪生与深度学习融合驱动的采煤机健康状态预测方法。基于物理空间多物理参数构建采煤机数字孪生体,通过在虚拟空间的可视化展示与分析实现健康状态预判;建立基于深度学习的采煤机关键零件剩余寿命预测模型,实现实时监测数据驱动下的零件剩余寿命的在线预测;综合数字孪生体状态和剩余寿命值,实现采煤机健康状态预测。通过试验验证了该方法的有效性,为采煤机健康状态预测与管理提供新思路。     

数字孪生净水厂运维管控一体化平台关键技术及应用

针对净水厂运维管控过程中信息透明度低、实时性差、缺乏精细化管控等问题,结合数字孪生五维模型,提出基于数字孪生的净水厂运维管控平台架构体系,并对数字孪生净水厂运维管控一体化平台关键技术进行了研究。提出数字孪生净水厂多源异构数据实时采集技术和多层次三维可视化监控模型,以解决三维可视化实时监控问题;提出基于云边协同的数字孪生净水厂控制架构以及基于“机理+智能”双模型驱动的净水厂工艺优化决策框架,并对供取水量预测、加药优化、泵组优化、设备预防性维护等模型进行了探索。最后,设计开发了净水厂运维管控一体化平台,验证了所提模型和方法的有效性,为数字孪生净水厂的实现提供了一定的参考。     

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...     

基于数字孪生的配送管理系统研究

为提升货物配送的全生命周期管理和配送过程的服务优化,将数字孪生理念融入配送管理,提出和研究了基于数字孪生理念的配送管理系统;分析了系统的应用需求,建立了系统的架构和功能结构,提出了配送过程数字孪生体的构建内容与方法,并设计构建了配送过程的基本数字孪生体、装箱规划的数字孪生体模型和配送过程优化的数字孪生体模型,建立了面向...     

M-LFM: a multi-level fusion modeling method for shape−performance integrated digital twin of complex structure

As a virtual representation of a specific physical asset, the digital twin has great potential for realizing the life cycle maintenance management of a dynamic system. Nevertheless, the dynamic stress concentration is generated since the state of the dynamic system changes over time. This generation of dynamic stress concentration has hindered the exploitation of the digital twin to reflect the dynamic behaviors of systems in practical engineering applications. In this context, this paper is interested in achieving real-time performance prediction of dynamic systems by developing a new digital twin framework that includes simulation data, measuring data, multi-level fusion modeling (M-LFM), visualization techniques, and fatigue analysis. To leverage its capacity, the M-LFM method combines the advantages of different surrogate models and integrates simulation and measured data, which can improve the prediction accuracy of dynamic stress concentration. A telescopic boom crane is used as an example to verify the proposed framework for stress prediction and fatigue analysis of the complex dynamic system. The results show that the M-LFM method has better performance in the computational efficiency and calculation accuracy of the stress prediction compared with the polynomial response surface method and the kriging method. In other words, the proposed framework can leverage the advantages of digital twins in a dynamic system: damage monitoring, safety assessment, and other aspects and then promote the development of digital twins in industrial fields.