基于云计算的刀具状态监测数字孪生系统研究

数字孪生连接物理世界与信息世界,可实时仿真物理系统,并提供预测结果,为优化决策提供参考.对基于云计算的刀具状态监测数字孪生系统进行研究,提出了基于核主成分分析和极限学习机的刀具磨损状态智能监测算法.对基于云计算的刀具状态监测数字孪生系统架构进行了介绍,对刀具磨损状态智能监测算法进行了分析,并通过试验确认基于云计算的刀具...     

基于数字孪生的柔性线状态监测与分析系统

随着智能制造的发展，数字孪生技术在制造业中的应用逐步深化，可以用于复杂设备的运行监测。为实现柔性生产线的三维可视化与加工过程监控，同时指导用户对生产过程进行管理和预测，设计开发了一种基于数字孪生的柔性生产线状态监测系统。该系统的基本架构包括数据保障层、建模计算层、数字孪生功能层、用户空间层，保障了系统的功能性、时效性、可操作性等。同时从几何模型、行为模型、数据模型三个维度构建了数字孪生系统模型，实现了动作特征虚实融合一致性和工艺数据与质量数据采集。以某柔性生产线为例进行实验测试与分析，系统可以与实际柔性生产线正常通讯并对数据做出响应，且延迟均值为131.1 ms，可见虚拟映射与现实状况保持高度一致，验证了该方法的可行性。     

基于数字孪生的刀具磨损监测和预测方法研究

利用数字孪生方法建立了刀具磨损监测和预测模型,并利用实际测量得到的数据对算法进行验证。首先,在理论方面归纳总结了数字孪生模型的基本理论和实现方法,主要包括几何、物理、行为以及规则4种子模型。其次,以随机森林算法为基础,实现了刀具磨损与预测数学模型的搭建,主要改进点为利用特征向量的表示优化随机森林算法。最后,利用实验数据验证该算法。结果显示,该算法提升了刀具磨损预测的准确率。     

数字孪生模型评价指标体系

数字孪生作为实现数字化、智能化、服务化等理念的重要使能技术,以及助力数字经济与实体经济融合发展的有效手段,受到各行各业的广泛关注.随着数字孪生逐渐从理论研究迈向落地实践,在实际应用对数字孪生模型的要求更加多元的同时,对数字孪生模型性能的透明度也提出了更高的要求.然而,数字孪生模型在构建校验、运行管理、重构优化、迁移复用...     

基于数字孪生的码垛机器人工作站在线监测研究

采用数字孪生技术对码垛机器人工作站进行研究,针对码垛机器人工作站的基本工艺流程,提出一种数字孪生模型构建方法,设计并完成了码垛机器人工作站在线监测系统,通过通信协议(Transmission Control Protocol, TCP)技术和机器人操作系统(Robot Operating System, ROS)共同完成物理码垛机器人工作站与虚拟码垛机器人工作站两者之间数据交互与实时通信,实现对码垛机器人工作站的工作状态进行可视化在线监测。研究表明,所构建的码垛机器人工作站孪生体可与物理实体实时随动,通过对物理实体工作状态的数据采集,完成实时可视化在线监测,保证了六轴协作臂对物块的抓取和定位准确率高达99.17%,可以进行准确的位置码放。     

基于数字孪生模型的直驱部件高精度控制方法

直驱部件以结构紧凑、失动量小和无间隙传动的优势在高档数控机床、航空航天精密伺服机构等重大装备中得到了广泛应用.直驱部件的伺服控制精度和动态响应特性是伺服系统的重要指标,针对负载惯量摄动和装配特性的变化造成系统伺服性能的下降甚至失稳的现象,提出一种基于数字孪生模型的复合控制方法,以物理实体数据驱动数字孪生模型参数同步,以数字孪生模型优化物理实体的伺服控制参数.首先提取了直驱系统的关键特征参数,用集总参数模型描述线性环节,用非线性参数模型描述非线性特征,建立了直驱部件的虚拟物理模型;采集物理实体状态数据,提出了基于递推增广最小二乘算法的数字孪生模型参数更新方法,实现了模型特征的自适应同步;利用同步参数优化系统控制参数,提出了指标约束下的速度控制器和扩张状态卡尔曼滤波器设计方法,形成了数字孪生驱动的复合控制策略.实验表明,提出的方法具有更好的抵抗惯量摄动能力,模型同步算法能准确快速地辨识直驱系统的惯量变化;相对传统方法,跟随20°/s&1 Hz正弦信号的速度残差均方根由5.88°/s减少为1.76°/s,优化了70％;阶跃响应过程的调整时间始终满足设计指标0.1s,实际响应曲线与理论响应曲线的Pearson相关系数由0.957提高到了0.993.研究成果为进一步细化数字孪生模型颗粒度和推进数字孪生模型在运动控制中的应用提供参考.     

基于数字孪生的铣刀状态实时监控EI北大核心

针对机械加工过程中面临的制造过程不稳定、数据时效性差、实时监控可视化效果弱等问题,本着“虚实结合、以虚控实”的总体思想,提出基于数字孪生的铣刀状态实时监控方法,构建了物理空间和虚拟空间共生互控的数字孪生体。首先,搭建了基于数字孪生五维模型的铣刀状态监控系统结构模型,明确了五层系统架构的组成部分;其次,分别阐述了实现孪生系统框架的3个关键技术,即数控机床的数字空间搭建、多源异构数据的传输及管理、数字孪生驱动的铣刀状态监测;最后,以某薄壁件铣削加工过程为应用案例,验证了该监控方法的可行性与有效性,并为全面管控高档数控机床加工过程提供了一种新途径和新思路。     

数字孪生驱动的数控铣削刀具磨损在线监测方法

针对数控铣床不断老化导致刀具磨损预测模型误差较大,加工过程中动态数据难以在线采集等问题,提出一种数字孪生驱动的刀具磨损在线监测方法。采用神经网络对加工过程中的多源数据进行特征提取,建立考虑机床老化的刀具磨损时变偏差量化模型,并在此基础上提出数控铣削刀具磨损的在线预测方法;开发了面向刀具磨损的数控铣削数字孪生系统,在线感知加工过程中的动态数据并实时仿真刀具磨损过程;最后,将该方法应用于实际加工中并与其他的预测方法进行了对比,结果表明该方法有效降低了机床老化带来的误差,实现了刀具磨损的精确预测。     

基于数字孪生的机械加工车间多级能效监测EI北大核心

针对机械加工车间能耗规律复杂、设备状态时变性强导致能效实时全面监测困难的问题,提出一种基于数字孪生的机械加工车间多级能效监测方法。通过分析机械加工车间的多源能耗特性,建立机械加工车间多级能效监测指标体系;提出机械加工车间多源异构数据的获取方法,并构建事件与实时数据驱动的机械加工车间实时映射模型;基于碰撞检测与布尔运算的物理模型动态判别机床运行状态,进而获得基于数字孪生的机械加工车间多级能效监测方法。以某机床企业机械加工车间为应用案例,验证了所提方法的有效性和实用性。     

刀具切削变工况数字孪生模型构建方法

针对历史工况条件下建立的刀具数字孪生模型对新工况监测的准确度降低,且新工况下缺乏足够训练样本重新训练模型的问题,将深度迁移学习策略引入刀具数字孪生模型,建立刀具切削变工况数字孪生模型。该模型基于边缘分布适配规则,使模型学习到分布相似的源域数据特征和目标域数据特征,只需较少的目标域样本即可将源域训练好的模型迁移到目标域进行监测,从而提高刀具数字孪生模型在目标域的监测精度和适应性。实验验证,相比未引入迁移策略的模型,所建模型能够提高变工况条件下的磨损监测精度和对新工况的泛化能力。     

基于数字孪生机床模型的加工路径优化研究

制造业个性化加工转型对数控机床加工控制提出了更高的要求,针对固定工况构建的数字孪生模型无法适应生产要求进行加工路径的调整问题,本研究提出了以改进的遗传模拟退火算法（IGASA算法）嵌入到数字孪生机床模型,根据实际加工需求,构建了走刀长度与换刀成本综合最小化的目标函数,并设定了数控加工运动干涉约束、重复走刀约束、基元加工顺序约束、刀具寿命约束四种约束,以IGASA算法进行目标求解,以获取到最优加工路径。同时,通过数字孪生机床模型实现对数控机床的虚拟映射,实时获取加工数据与数控机床运行数据,并根据数据变动,采用IGASA算法进行最优加工路径的自适应更新。验证表明,该方法可以重新进行加工路径的更新,案例中的加工路径长度缩小了141.56mm,表明该方法的有效性。     

面向生产线仿真的数字孪生逻辑模型构建方法

生产线仿真是保证生产设计方案正确、合理、高效的前提,其中对生产线逻辑的正确性仿真最为关键.为实现基于数字孪生的生产线仿真技术,提出面向生产线仿真的数字孪生逻辑模型构建方法.首先提出生产线仿真系统组成架构,然后从几何、物理、生产行为、仿真规则4个维度阐述数字孪生逻辑模型的构建方法,详细介绍几何属性、物理属性的定义方法,采...     

数字孪生模型构建理论及应用

数字孪生作为实现数字化转型和促进智能化升级的重要使能途径,一直备受各行各业关注,已从理论研究走向了实际应用阶段.数字孪生是以多维虚拟模型和融合数据双驱动,通过虚实闭环交互,来实现监控、仿真、预测、优化等实际功能服务和应用需求,其中数字孪生模型构建是实现数字孪生落地应用的前提.针对如何构建数字孪生模型问题,首先提出了数字...     

基于数字孪生与k-近邻算法的车间设备运行状态预测研究

由于传统车间设备运行状态预测不能有效利用历史数据进行学习,实时响应能力有限,难以在复杂调度环境中取得良好效果,因此文章提出一种数字孪生与k-近邻算法相结合的车间设备运行状态预测模型。构建车间设备实体在信息空间的数字孪生模型,并建立设备实体与模型之间的映射关系,从而获取实时特征数据,即设备的运行状态特征数据。运用k-近邻算法计算实时特征数据与历史数据之间的欧几里得距离,即计算设备当前运行状态与历史已知状态的相似度,最终通过前k个距离所对应的设备历史运行状态数据,预测设备的当前运行状态。该模型的本质是通过数字孪生的实时数据采集,获取指定设备运行状态特征数据,运用k-近邻算法预测设备的实时运行状态。相较以往研究,本研究贡献在于提高设备实时运行状态预测的准确率。如果将数字孪生、k-近邻算法与具备自我学习能力的相关算法相结合,模型的预测效果会更好。     

基于数字孪生的数控机床运行监测系统设计与开发

本文基于数字孪生五维模型,实现对机床的状态数据远程监测与加工运动仿真,设计了机床运行监测系统的总体框架,添加了OPC UA客户端节点数据订阅等功能,完成与机床数控系统运行数据的对接,利用SolidWorks等平台搭建机床的三维模型,借助Unity平台以运行数据为驱动,结合XChart插件开发了机床运行数据监测界面,以数控程序为驱动,结合刚体平移、旋转运动控制原理,实现了机床三维模型的加工运动仿真功能,最终实现了二维数据图表与三维运动仿真相结合的数控机床运行监测功能。     

齿轮磨损状态的在线铁谱监测试验研究

对ＯＬＦ１在线铁谱仪用于齿轮磨损状态的监测进行了研究。试验数据分析表明，ＯＬＦ－１在线铁谱仪对大磨粒有很强的敏感性，其采样值的大小和变化反映了齿面状态的变化。在正常磨损情况下，采样值曲线比较平稳；而一旦采样值出现无规律波动，则意味着不正常磨损的开始。与分析铁谱仪数据对比，也显示出非常近似的变化趋势。因而，ＯＬＦ－１在线铁谱仪用于齿轮磨损状态的实时和连续监测具有良好的性能。本文同时指出，ＯＬＦ－１在线铁谱与其它油液分析技术相结合，可以更准确地进行齿轮磨损状态的监测和诊断     

基于数字孪生的产品制造过程质量管理研究

数字孪生作为“工业4.0”、智能制造以及工业互联网等先进理念的关键使能技术,具有实时同步、高保真度及双向映射等特性,是实现产品物理模型与信息模型交互融合的重要技术手段,现已成为学术界和工业界的研究热点。当前,针对数字孪生的研究主要集中在车间运行方面,然而基于数字孪生的产品制造过程质量管理研究相对较少。为此,提出了一种基于数字孪生的产品制造过程质量管控模型,阐述了产品制造过程质量管理的流程。借助“虚实结合、以虚控实”的手段,系统地分析产品制造过程质量数据的实时采集、质量监测、动态分析、质量预测及智能控制,以提升产品制造质量,并为产品制造过程质量管理提供参考和依据。     

面向动力学特性监测的主轴系统数字孪生体

铣削过程中主轴系统动力学特性随主轴转速和边界条件的改变而发生重构,传统的锤击模态分析驱动方法难以真实反映物理现实。针对该问题,构建了面向动力学特性监测的主轴系统数字孪生体五维模型,探讨了建模方法和运行机制,论述了主轴系统数字孪生体驱动的主轴系统动力学特性监测服务,并将其应用于铣削加工中心主轴系统动力学特性动态监测。实验结果表明,该模型利用主轴系统物理实体与虚拟实体的交互融合,通过监测服务准确获取铣削过程中主轴系统动力学特性,使主轴系统设计改进、运行优化、故障诊断、精准维护成为可能。     

机械封闭功率流齿轮试验台测试齿轮传动效率的方法

本文提出一种用机械封闭功率流齿轮试验台测试齿轮传动效率的方法，并推导出根据试验结果正确计算效率的方法。