面向船舶生产车间的数字孪生多协议智能调度采集系统及方法与流程

1.本发明属于智能生产技术和数控领域，特别是涉及到了一种面向船舶生产车间的数字孪生多协议智能调度采集系统及方法。


背景技术：

2.数字孪生作为一种新型的智能制造技术，通过实现物理产品与数字孪生体之间的虚实交融，实现信息的全程可视化，保证信息的时效性以及反馈的及时性，被广泛利用于智能制造领域，而数据采集又是数字孪生的基石，数字孪生这座大厦能否建得恢弘、稳健，取决于采集数据的完整性、准确性、实时性。随着信息化时代，各种新型技术的诞生，数据采集技术也得到了发展，目前数据采集技术已经应用在各个领域，目并且成为社会发展的主流，包括了宇航技术、石油探测、实验室试验、航天技术、地震监测、船舶工业等。同时船舶生产车间作为目前智能制造核心领域之一，却面临着加工过程信息的闭塞，加工反馈不及时，加工精准度难以得到保证的难题。因此将数字孪生技术、数字采集技术与船舶生产车间等工业领域设备相结合，打造基于数字孪生的多采集设备，将对于提高生产质量，减少生产成本，规避加工风险，验证加工过程的合理性等都具有重要的作用。
3.目前有关数字孪生的多协议船舶生产车间采集设备多局限于某一方面的技术探究，存在以下缺点：
4.1.采集设备数据流程繁琐，网关不具备一定的计算能力，无法对设备进行反馈控制，只能实现单一采集，不能同一种设备多种协议采集、多种设备多种协议同时采集且没有仿真进行实时监视；
5.2.现行方案中存在机床设备建模不足、设备数据源不充分，无机床动作监测预警单元，系统不能进行智能碰撞预警，无法对生产车间产品自动形成智能调度方案，无法实时三维显示所有产品信息；且数字孪生模型建立不够完善，功能单一；
6.3.根据强化学习进行车间调度方案，不能够精准有效的对具有相似特征的车间产品进行智能调度；且在进行产品调度时没有优化程序，不能进行智能方案的筛选比较以及后续的智能优化；在进行强化学习建模过程中总是耗费时间不适合船舶生产车间，对设备利用率不合理。
7.经检索发现，尚未有关于针对多协议数字采集、船舶生产车间中切割机、焊机生产设备数字孪生虚拟机床模块、数字网关通信、数字孪生船舶生产车间的智能调度方法等有关的报道。所以提出了一种面向船舶生产车间的数字孪生多协议智能调度采集系统，以便于解决上述中提出的问题。


技术实现要素：

8.本发明的目的在于提供一种面向船舶生产车间的数字孪生多协议智能调度采集系统及方法，解决船舶生产车间采集数据单一、通讯模式延迟、采集设备单一、客户端界面
功能不够完善、数字孪生功能单一、人工经验调度落后尤其在运输、装卸等问题。
9.实现本发明目的的技术解决方案为：
10.一种面向船舶生产车间的数字孪生多协议智能调度采集系统，包括车间设备、多协议数据采集模块、数字孪生虚拟机床模块和数据虚实结合可视化模块，其中：
11.所述多协议数据采集模块与车间设备连接，实时获取车间设备的实际生产数据，同时与数字孪生虚拟机床模块交互；
12.所述数字孪生虚拟机床模块用于实现车间设备的智能生产调度，其集成了实体数据、环境数据、传感器数据和历史维护数据；
13.所述的数据虚实结合可视化模块通过以太网和多协议数据采集模块、数字孪生虚拟机床模块通信，用于真实数据采集分析、数据仿真映射及车间设备三维场景的显示；
14.所述数字孪生虚拟机床模块通过实时接收多协议数据采集模块采集的车间设备生产数据进行智能生产调度；数字孪生虚拟机床模块再与数据虚实结合可视化模块进行数据交互，在数据虚实结合可视化模块中进行智能方案的筛选比较以及智能优化，实现可视化显示。
15.进一步地，所述车间设备包括切割机、焊机生产设备；所述多协议数据采集模块基于多线程架构，包括双网口收发模块和数字网关模块，采用多种采集协议，包括modbus、fanuc、西门子、opc ua和罗克韦尔采集协议。
16.进一步地，所述实际生产数据包括设备的机械坐标、绝对坐标、相对坐标、剩余坐标、进给转速以及状态数据。
17.进一步地，所述数字孪生虚拟机床模块进行智能生产调度具体包括：
18.建立机床psn模型；
19.构造相似度矩阵，利用特征相似度矩阵对特征层子网络中的相似属性数据进行聚类，快速映射psn模型的特征-过程-机床之间的信息；
20.利用超级网络的映射关系确定调度方案。
21.进一步地，所述建立机床psn模型具体包括：
22.构建加工特征子网络模型、加工工艺层子网模型和加工机床层子网络模型；
23.确定加工特征子网络模型、加工工艺层子网模型和加工机床层子网络模型中异构节点之间的映射关系；
24.通过子网层耦合原理将加工特征子网络模型、加工工艺层子网模型和加工机床层子网络模型耦合得到psn模型，根据异构节点之间的映射关系，每个子网层中的每个节点都必须包含在集合边界，得到具有特征-过程、特征-机床、过程-机床耦合的psn超级网络模型。
25.一种面向船舶生产车间的数字孪生多协议智能调度采集方法，包括步骤：
26.s1:对船舶生产车间中设备进行部署，与数字孪生多协议采集系统进行组网连接；
27.s2:对船舶生产车间中设备分别以modbus、fanuc、西门子、opc ua、罗克韦尔多种采集协议进行数据采集；
28.s3:通过数字网口的方式，数字孪生虚拟机床模块与多协议数据采集模块进行消息队列的相互传递，数字孪生虚拟机床模块进行相关数据的监测，并数据实时保存至本地数据库；
29.s4:数字孪生虚拟机床模块通过对船舶生产车间中设备采集映射、切割映射、焊接映射、运动预测和数字化模型的反馈，建立机床psn模型，实现数字孪生关键数据的双向交互并且控制切割机、焊机生产设备多轴联动机构实现智能调度；
30.s5:数据虚实结合可视化模块将对psn模型进行分析，并与现实空间场景动态结合直接实时显示产品调度数据信息在产品之上，直接通过数据虚实结合可视化屏幕控件控制产品生产信息与智能调度情况。
31.本发明与现有技术相比，其显著优点：
32.(1)本发明采用多协议的数据采集方式，且能够兼容多种协议进行数据采集，为数字孪生提供更加全面且真实的数据，并且对采集数据的多样性更加灵活，适应不同协议设备；
33.(2)本系统的数字孪生虚拟机床可用于实现船舶生产车间中切割机、焊机生产设备的三维建模显示、碰撞预测和智能生产调度；
34.(3)本发明基于数字孪生引入超网络技术，进行了多物理建模方式采集分析数据，高效建立psn等机床生产模型；基于数字孪生其通过船舶生产车间中切割机、焊机生产设备实时获取实际生产数据，其使用数字网关技术，将船舶生产车间与数字孪生系统进行通讯，亦可直接通过数据虚实结合可视化屏幕控件控制产品生产信息与智能调度情况；
35.(4)本发明基于多线程架构调度开发，配备了双网口收发硬件和数字网关模块，支持同时收发数据，支持同时实时采集多台设备。
36.本发明的其他优点、目标和特征在某种程度上将在随后的说明书中进行阐述，并且在某种程度上，基于对下文的考察研究对本领域技术人员而言将是显而易见的，或者可以从本发明的实践中得到教导。本发明的目标和其他优点可以通过下面的说明书来实现和获得，面结合附图对本发明作进一步详细描述。
37.下面结合附图对本发明作进一步详细描述。
附图说明
38.为了使本发明的目的、技术方案和优点更加清楚，下面将结合附图对本发明作进一步的详细描述，其中：
39.图1为本技术的一个实施例所示的船舶生产车间的数字孪生多协议采集智能调度系统模块图。
40.图2为本技术的一个实施例所示的船舶生产车间的数字孪生多协议采集智能调度方法流程图。
41.图3为本技术的一个实施例所示的船舶生产车间板材切割流程图。
42.图4为本技术的一个实施例所示的系统多协议采集图。
43.图5为本技术的一个实施例所示的数据采集过程流程图。
44.图6为本技术的一个实施例所示的船舶生产车间的数字孪生多协议采集智能调度系统运行工作流程图。
具体实施方式
45.以下将参照附图，对本发明的优选实施例进行详细的描述。应当理解，优选实施例
仅为了说明本发明，而不是为了限制本发明的保护范围。
46.一种面向船舶生产车间的数字孪生多协议智能调度采集系统，包括：船舶生产车间中切割机、焊机生产设备、多协议数据采集模块、数字孪生虚拟机床模块、数据虚实结合可视化模块，其中，所述多协议数据采集模块与船舶生产车间中切割机、焊机生产设备连接，用于通过船舶生产车间中切割机、焊机生产设备实时获取实际生产数据，其使用数字网关技术，将船舶生产车间与数字孪生系统进行通讯，且能够兼容多种协议进行数据采集，并可将其实时传输给数字孪生虚拟机床模块；
47.所述船舶生产车间中切割机、焊机生产设备能够控制多轴联动机构实现三维运动；
48.所述多协议数据采集模块实时与数据虚实结合可视化模块进行数据交互，实现数据的动态可视化。
49.所述多协议数据采集模块使用数字网关技术，能够兼容多种协议进行数据采集，将船舶生产车间与数字孪生系统进行信息交互；
50.所述数据虚实结合可视化模块进行真实数据采集分析、数据仿真映射，并与现实空间场景动态结合直接实时显示产品智能调度信息；
51.进一步的，所述多协议数据采集模块包含多种采集协议，包括modbus、fanuc、西门子、opc ua、罗克韦尔多种采集协议。
52.多协议数据采集模块能够实时采集设备的机械坐标、绝对坐标、相对坐标、剩余坐标、进给转速以及状态数据等，满足对工业设备的各种采集数据的要求，也为数字孪生智能调度建模提供可靠数据，具有效率高、采集协议种类多、采集数据精确的优势。
53.进一步的，所述的用于数据采集的客户端是基于多线程架构调度开发的。搭载客户端的工控机配备了双网口收发硬件和数字网关模块，支持同时收发数据，支持同时实时采集多台设备。所述的多协议数据采集模块与船舶生产车间中切割机、焊机生产设备、数据虚实结合可视化模块连接，用于通过船舶生产车间中切割机、焊机生产设备实时获取实际生产数据，其使用数字网关技术，将船舶生产车间与数字孪生系统进行通讯，且能够兼容多种协议进行数据采集，并可将其实时传输给数字孪生虚拟机床模块，且实时与数据虚实结合可视化模块进行数据交互，实现数据的动态可视化。
54.进一步的，所述数字孪生虚拟机床模块通过实时接收多协议数据采集模块采集的船舶车间设备生产数据进行建模；数字孪生虚拟机床模块再与数据虚实结合可视化模块进行数据交互，实现三维建模、碰撞预测、智能调度的可视化显示。
55.进一步的，所述数字孪生虚拟机床模块，通过几何模型(其用建模软件建立的三维几何模型，确保孪生模型的三维细节和物理实体之间的一致性)、物理模型(添加基于几何模型的物理特性，如切割机转速和焊机硬度)、行为模型(添加几何模型的实际运行路径和运动约束，使模型能够以与物理实体相同的方式工作)、信息模型(其保证虚拟模型可以实时读取物理实体的运行数据，实现指令与数据信息之间的实时映射)实现了物理车间与虚拟车间的交互集成，完成了数字孪生的建模。
56.进一步的，所述数字孪生虚拟机床模块，其由于目前的生产车间调度计划不合理，实际处理时间只占总处理时间的一小部分。在运输、装卸和等待加工上浪费了相当多的时间。为了提高生产效率，本发明通过在数字孪生车间中引入超网络技术，提出了一种针对某
车间的智能调度方法。
57.所述智能调度方法，其具体实施步骤如下：
58.1.由于在数字孪生船舶生产车间中存在大量的多维、多关系的异构数据，因此很难进行有效的定量分析。因此，首先建立一种机床psn模型，为多种数据类型的集中化和分类化管理提供了一个平台。
59.2.利用特征相似度矩阵对特征层子网络中的相似属性数据进行聚类，从而能够快速映射psn的特征-过程-机床之间的信息。数据预处理结果表明，可以计算出新零件各特征的相似性，从而与现有特征的相似性相匹配。随后，可以利用超级网络的映射关系来快速开发调度方案。在实时仿真的基础上验证调度方案的合理性，进而实现虚拟车间的优化特性和车间的智能调度。
60.3.最后，将所提出的智能调度方案与传统的调度方法进行了比较，并将该方法应用于一个船舶生产车间。
61.进一步的，所述数字孪生虚拟机床模块为提升船舶车间生产设备的真实感，给船舶车间生产设备各零部件均添加碰撞体单元，防止虚拟船舶车间生产设备在运行中零部件碰撞时出现相互穿过的现象，在数据虚实结合可视化模块中进行智能碰撞预警。数据虚实结合可视化模块在unity3d软件中利用赋予不同的组件(例如刀具、板材)碰撞体(collider)物理属性，实现刀具和板材碰撞之后，板材被刀具碰撞的部分将会被隐藏，即实现板材被刀具切割后的动画效果，并进行智能碰撞预警。
62.进一步的，所述数字孪生虚拟机床模块，将船舶生产设备模型成功导入至unity3d软件后，需要给与机床模型以特定的动作。unity3d中，控制不同的动作拥有着不同的指令。但原理均为赋予动作帧数，改变所指定的物体每一帧的位置信息从而达到控制其不同动作的需求。在unity3d中利用transfrom组件来完成对于机床模型的动作设定。transfrom组件中可以针对选定模型零件的位置(position)赋予其(例刀具组件)x、y、z轴的信息，可以使其从当前所在位置移动至指定的位置，实现刀具的移动画面显示。通过旋转(rotation)命令可以赋予刀具x、y、z轴不同的旋转角实现其向不同方向的模拟切割。在unity3d平台内实时读取数据库内的数据，即可使数字世界与物理世界中的机床运动姿态保持一致，实现机床在数字世界在线三维可视化，打到虚拟映实、同步仿真的功能。
63.进一步的，数据虚实结合可视化模块进行真实数据采集分析、数据仿真映射，构建了船舶生产车间三维可视化监控系统，船舶生产车间三维可视化监控系统主要由物理和虚拟两个子系统构成。物理系统包含切割机焊机等生产设备物理实体、集成电路板、传感器、数字化接口等；虚拟系统包含虚拟切割机焊机等生产设备、控制面板、参数界面、生产仿真等。两者通过串口和通信协议进行实时通讯，实现虚拟与物理的实时映射。
64.一种面向船舶生产车间的数字孪生多协议智能调度采集方法，具体包括以下步骤:
65.s1:对船舶生产车间中切割机、焊机生产设备进行部署，与数字孪生多协议采集系统进行组网连接；
66.s2:对船舶生产车间中切割机、焊机生产设备分别以modbus、fanuc、西门子、opc ua、罗克韦尔多种采集协议进行数据采集；
67.s3:通过数字网口的方式，数字孪生虚拟机床模块与数据采集装置进行消息队列
的相互传递，数字孪生映射模型进行相关数据的监测，并数据实时保存至本地数据库。
68.s4:系统通过对船舶生产车间中切割机、焊机生产设备采集映射、切割映射、焊接映射、运动预测和数字化模型的反馈，建立机床psn模型，实现数字孪生关键数据的双向交互并且控制切割机、焊机生产设备多轴联动机构实现智能调度。
69.s5:最后数据虚实结合可视化界面将对数字孪生仿真模型进行分析，并与现实空间场景动态结合直接实时显示产品调度数据信息在产品之上，亦可直接通过数据虚实结合可视化屏幕控件控制产品生产信息与智能调度情况。
70.该方法基于所述系统，包含系统的全部技术特征，在此不再累述。
71.实施例
72.本实施例提出了一种面向船舶生产车间的数字孪生多协议智能调度采集系统。解决了船舶生产车间采集数据单一、通讯模式延迟、采集设备单一、客户端界面功能不够完善、数字孪生功能单一、人工经验调度落后尤其在运输、装卸等已有问题，针对这些难题采用了船舶生产车间的多协议数字采集、船舶生产车间数字孪生虚拟机床系统、采用智能调度方式等新技术手段进行了创新性解决。
73.图1是根据本技术的一个实施例所示的船舶生产车间的数字孪生多协议采集系统模块图。在一些实施例中，主要包括：船舶生产车间中切割机、焊机生产设备、多协议数据采集模块、数字孪生虚拟机床模块、数据虚实结合可视化模块。所述的多协议数据采集模块与船舶生产车间中切割机、焊机生产设备连接，用于通过船舶生产车间中切割机、焊机生产设备实时获取实际生产数据，其使用数字网关技术，将船舶生产车间与数字孪生系统进行通讯，且能够兼容多种协议进行数据采集，并可将其实时传输给数字孪生虚拟机床模块；所述的船舶生产车间中切割机、焊机生产设备，包括了数控切割机、焊机等多种生产设备，由数控系统控制，且能够控制多轴联动机构实现三维运动，具有不同协议的通讯接口，对外输出包括位置、速度在内的工作参数；所述的数据虚实结合可视化模块进行根据数字孪生映射数据进行车间设备三维场景的显示，工件运动预测与碰撞检测，以及与现实空间结合直接实时动态显示加工过程数据信息；所述的数字孪生虚拟机床模块用于实现船舶生产车间中切割机、焊机生产设备采集映射、切割映射、焊接映射、运动预测及碰撞检测和智能生产调度，其集成了实体数据、环境数据、传感器数据、历史维护数据，以及通过挖掘而产生的相关派生数据，构建虚拟机床模型，进行加工过程模拟仿真可三维实时显示，进而再对船舶生产车间进行引入超网络技术，能够对船舶中间件加工过程实现优化调度，使得系统更加高效。
74.船舶生产车间中切割机、焊机生产设备能够通过数字孪生系统控制多轴联动机构实现三维运动。
75.多协议数据采集模块，包含多种采集协议，包括modbus、fanuc、西门子、opc ua、罗克韦尔多种采集协议，能够实时采集设备的机械坐标、绝对坐标、相对坐标、剩余坐标、进给转速以及状态数据，满足对工业设备的各种采集数据的要求，具有效率高、采集协议种类多、采集数据精确的优势。
76.多协议数据采集模块使用数字网关技术，能够兼容多种协议进行数据采集，将船舶生产车间与数字孪生系统进行信息交互。
77.多协议数据采集模块其用于数据采集的客户端是基于多线程架构调度开发的。搭载客户端的工控机配备了双网口收发硬件和数字网关模块，支持同时收发数据，支持同时
实时采集多台设备。
78.数据虚实结合可视化模块进行真实数据采集分析、数据仿真映射，并与现实空间场景动态结合直接实时显示产品智能调度信息。
79.数字孪生虚拟机床模块用于实现船舶生产车间中切割机、焊机生产设备多种设备采集映射、切割映射、焊接映射、运动碰撞预测和智能生产调度，其集成了实体数据、环境数据、历史维护数据，以及通过挖掘而产生的相关派生数据，构建虚拟机床模型，进行加工过程模拟仿真可三维实时显示，进而再对船舶生产车间进行引入超网络技术，提出了一种针对船舶生产车间的智能调度方法，能够对船舶中间件加工过程实现优化调度，使得系统更加高效便捷。
80.图2是根据本技术的一个实施例所示的船舶生产车间的数字孪生多协议采集智能调度方法流程图。如下图所示，其整体智能调度方案实现过程分为：数字孪生虚拟机床模块建立、psn模型建立、相似度矩阵的建立、特征相似度的计算和匹配、计算映射与仿真、生产智能调度方案。其各个模块具体作用如下。
81.数字孪生虚拟机床模块可用于实现船舶生产车间中切割机、焊机生产设备的三维建模显示、碰撞预测和智能生产调度。
82.数字孪生虚拟机床模块实现三维建模。其将船舶生产设备模型成功导入至unity3d软件后，需要给与机床模型以特定的动作。unity3d中，控制不同的动作拥有着不同的指令。但原理均为赋予动作帧数，改变所指定的物体每一帧的位置信息从而达到控制其不同动作的需求。在unity3d中利用transfrom组件来完成对于机床模型的动作设定。其中，通过赋予transfrom组件中的刀具组件x、y、z轴的信息，使用transform.position＝vector3.movetowards(transform.position,aim.position,speed*time.deltatime)命令可以使刀具从其当前所在位置移动至指定的位置，实现刀具的移动画面显示。通过旋转(rotation)命令transform.rotate(new vector3(0,0,-speed*time.deltatime))可以赋予刀具x、y、z轴不同的旋转角实现其向不同方向的模拟切割。在unity3d平台内实时读取数据库内的数据，即可使数字世界与物理世界中的机床运动姿态保持一致，实现机床在数字世界在线三维可视化，打到虚拟映实、同步仿真的功能。进一步，所述数字孪生虚拟机床模块为提升船舶车间生产设备的真实感，给船舶车间生产设备各零部件均添加碰撞体单元，防止虚拟船舶车间生产设备在运行中零部件碰撞时出现相互穿过的现象。在unity3d软件中利用赋予不同的组件(例如刀具、板材)碰撞体(collider)物理属性，即可通过ontriggerenter(collider plate)命令实现刀具和板材碰撞检测，再通过destroy命令摧毁板材被刀具碰撞的部分，即可实现板材被刀具切割后的动画效果。其具体流程如图3所示。
83.数字孪生系统采用多物理建模，实现数字孪生的多物理建模功能，主要通过孪生系统构建智能调度模型，数字孪生是物理实体在虚拟空间的真实反映，数字孪生在工业领域应用的成功程度取决于数字孪生的逼真程度，即拟实化程度，所以多物理建模提高了数字孪生拟实化程度、充分发挥了数字孪生作用；且数字孪生系统实现了船舶生产车间中切割机、焊机生产设备采集映射、切割映射、焊接映射、运动预测和数字化模型的反馈，能够整体化实现船舶生产车间中切割机、焊机生产设备的实时动态模型建立与监测反馈。
84.数字孪生虚拟机床模块实现碰撞预测。为提升船舶车间生产设备的真实感，给船
舶车间生产设备各零部件均添加碰撞体单元，防止虚拟船舶车间生产设备在运行中零部件碰撞时出现相互穿过的现象。在unity3d软件中碰撞体分为6种类型，可根据机床零部件的形状以及用途来添加不同的碰撞体类型，实现船舶生产车间中切割机、焊机生产设备碰撞的预测。
85.数字孪生虚拟机床模块实现智能调度。将数字孪生虚拟机床模块与多协议数据采集模块结合，将采集各类数据实时与数字孪生虚拟机床模块交互，进而能够实现虚拟空间与现实空间交互，进行生产机床psn等新模型的建立，为多种数据类型的集中化和分类化管理提供了一个平台，实现船舶车间的智能化调度。
86.智能调度方案的实施过程：特征层超网络相似矩阵的构建。在比较两个生产设备特征的相似度时，不能直接计算以下这六种属性，必须构造一个相似度矩阵来计算功能之间的相似性。一个船舶生产车间加工的主要决策属性特征包括结构类型、材料、类别、精度、尺寸和粗糙度，加工特征的数学模型为pp＝{pc，pm，s，ps，ma，pr}其中pc是工艺类别，例如:切割机、焊机；pm是加工材料，例如不锈钢，铸铁；st为结构类型，如中心孔、针孔等；ps为工艺尺寸；ma为精度，例如切割材料薄片厚度；pr是指过程粗糙由于加工表面的微细几何特征构成的峰谷紧密分布，影响了服务质量工件性能和使用寿命。过程特征的这六种属性属于不同的数据类型:pc、pm、st属于定性符号数据，ps、ma、pr属于定量符号数据。在比较两个特征的相似度时，须构造一个相似度矩阵来计算功能之间的相似性。构造如下：
87.属性f的两个过程特征可以定义为(fi,fj)和两个特征之间的相似度如下:
[0088][0089]
其中α,β,γ为权重系数；p,s,c是位置分别为距离因子、跨度距离因子和内容距离因子；并且α+β+γ＝1,α∈[0,1],β∈[0,1],γ∈[0,1]。
[0090]
(1)当fi和fj是定量数据，它们的相似度可以计算为两个值在位置上的距离，空间跨度和内容:位置距离因子p(fi,fj)为:
[0091][0092]
空间跨度距离因子s(fi,fj)为:
[0093][0094]
内容距离因子c(fi,fj)为:
[0095][0096]fi
(min)是fi的下限，fi(max)为fi的上限,fj(min)为fj的下限，fj(max)为fj的上限，inters是fi和fj的交集值的个数，uf为第f个属性的最大值与最小值之差。
[0097]
(2)当fi和fj为定性数据，距离计算中位置和uf项较少:
[0098]
空间跨度距离因子s(fi,fj)为:
[0099][0100]
内容距离因子c(fi,fj)为:
[0101][0102]
mi是fi中元素的个数mj为fj中的元素个数其中，mf是fi和fj中元素的总数，inters是fi和fj相交值的个数。
[0103]
根据上述相似度计算过程，得到特征之间的相似度矩阵如下:
[0104][0105]
根据特征属性的不同，可以将特征聚类成不同的类，使类内的相似性尽可能大类之间的差距越小越好。聚类映射点集从高维空间降维到低维空间，在保持数据原始分布的同时降低了网络维数。此外，对超网络层数据进行聚类将数据分配给不同的类，并提供相关性的基础在特征-加工-机床超网络中建立调度方案。
[0106]
智能调度方案的实施过程：新模型的建立。为了定量研究数字孪生车间“特征过程机床”多源数据之间的关系，在存储的车间生产过程数据库的基础上建立了psn模型。
[0107]
其psn模型建立具体步骤与方式如下：
[0108]
1.psn由三层子网络集和边界集和组成，如下所示:
[0109][0110]
其中n
pf
为加工特征层子网络，n
pp
为加工工艺层子网，n
pm
为加工机床层子网络。e
pf-pp
是n
pf
和n
pp
之间的交集，e
pf-pm
是n
pf
和n
pm
之间的交集，e
pp-pm
是n
pp
和n
pm
之间的边界集和。
[0111]
2.加工特征子网络(n
pf
)模型如下:
[0112][0113]
其中v
pf-n
是n
pf
的第n个节点，且(v
pf-i
,v
pf-j
)是n
pf
内的v
pf-i
和v
pf-j
的边界集和。
[0114]
3.加工工艺层子网(n
pp
)的定义：
[0115]
加工工艺层子网络模型如下:
[0116][0117]
其中v
pp-n
是n
pp
的第n个节点，且(v
pp-x
,v
pp-y
)是n
pp
内的v
pp-x
和v
pp-y
的边界集和。
[0118]
4.加工机床层子网(n
pm
)的定义
[0119]
加工机床子网络模型如下:
[0120][0121]
其中v
pm-n
是n
pm
的第n个节点，且(v
pm-α
,v
pm-β
)是n
pm
内的v
pm-α
和v
pm-β
的边界集和。
[0122]
5.异构节点之间的映射关系
[0123]
(1)n
pf
和n
pp
之间的映射关系
[0124]
特性和过程之间的映射关系反应了过程可能包含的特性、或特性可能属于的流程。设布尔变量θ(v
pf-i
,v
pp-x
)表示特征v
pf-i
和过程v
pp-x
之间的关系，如下所示
[0125][0126]
因此，可由上式定义特征和过程之间的映射关系。从过程到特征的映射，可知哪个过程对应哪个特点。
[0127]
在特征点集v
pf
，过程v
pp-x
包括如下所示的特征点集:
[0128]vpf
(v
pp-x
)＝f(v
pp-x
,v
pf
)＝{v
pf-i
|v
pf-i
∈v
pf
,θ(v
pf-i
,v
pp-x
)＝1}
[0129]
此式表示特征v
pf
(v
pp-x
)对应的v
pp-x
的过程。
[0130]
从特征到过程v
pp
的映射，即可判断哪些过程对应了那些特征v
pf-i
。
[0131]vpp
(v
pf-i
)＝f(v
pf-i
,v
pp
)＝{v
pp-x
|v
pp-x
∈v
pp
,θ(v
pf-i
,v
pp-x
)＝1}
[0132]
此式表示过程v
pp
(v
pf-i
)对应的v
pf-i
特征。
[0133]
(2)n
pp
和n
pm
之间的映射关系
[0134]
工序和机床之间的映射是基于哪些机床可以用来完成一个工序，或者哪些工序可以用机床来完成。让布尔变量θ(v
pp-x
,v
pm-α
)表示过程v
pp-x
和机床v
pm-α
之间的关系如下：
[0135][0136]
因此，可由上式定义机床和过程之间的映射关系。
[0137]
通过过程到机床的映射，可知哪个机床与某个过程相关联。
[0138]
机床v
pm
和相应过程v
pp-x
的关系如下：
[0139]vpm
(v
pp-x
)＝f(v
pp-x
,v
pm
)＝{v
pm-α
|v
pm-α
∈v
pm
,θ(v
pm-α
,v
pp-x
)＝1}
[0140]vpm
(v
pp-x
)表示机床对应于过程v
pp-x
[0141]
过程v
pp
和相应的机床关系如下：
[0142]vpp
(v
pm-α
)＝f(v
pm-α
,v
pp
)＝{v
pp-x
|v
pp-x
∈v
pp
,θ(v
pm-α
,v
pp-x
)＝1}
[0143]vpp
(v
pm-α
)表示过程对应于机床v
pm-α
[0144]
6.子网耦合。通过构建n
pf
，n
pp
,n
pm
，可以子网层耦合原理得到psn。根据psn的异构节点之间的映射关系每个子网层中的每个节点都必须包含在集合边界。同样，可以得到具有特征-过程、特征-机床、过程-机床耦合的超级网络。
[0145]
特征-过程超级网络定义如下:
[0146][0147]
φ
pf-pp
是n
pf
和n
pp
之间的耦合集，se
pf-pp
是n
pf
里的点v
pf-i
和n
pp
里的点v
pp-x
之间的边界集合。
[0148]
特征-机床超级网络定义如下:
[0149][0150]
φ
pf-pm
是n
pf
和n
pm
之间的耦合集，se
pf-pm
是n
pf
里的点v
pf-i
和n
pm
里的点v
pm-α
之间的边界集合。
[0151]
过程-机床超级网络定义如下:
[0152][0153]
φ
pp-pm
是n
pp
和n
pm
之间的耦合集，se
pp-pm
是n
pp
里的点v
pp-x
和n
pm
里的点v
pm-α
之间的边界集合。
[0154]
根据上述构造的psn模型，对特征加工-机床的数据进行综合集成和映射。
[0155]
具体来说，研究人员利用超级网络中的边界联系，根据待加工零件的加工特点，找到相应的工艺和机床，为实现船舶生产车间智能调度提供有效的技术支持。
[0156]
结合上述创新，本系统的智能调度方法的应用过程如下：
[0157]
1.几何模型：根据船舶生产车间生产单元的设计图纸，利用建模软件建立了三维几何模型。这个过程的目标是确保孪生模型的三维细节和物理实体之间的一致性。
[0158]
2.物理模型：我们添加了基于几何模型的物理特性，如切割机速度、物料大小和焊机温度材料等信息。
[0159]
3.行为模型：在物理模型的基础上，添加了几何模型的实际运行路径和运动约束，使模型能够以与物理实体相同的方式工作。
[0160]
4.信息模型：使用统一通信协议，“物理车间-服务器-虚拟车间”的信息可以相互连接。随后，虚拟模型可以实时读取物理实体的运行数据，实现指令与数据信息之间的实时映射。
[0161]
5.通过上述四个层次的功能合作，实现了物理车间与虚拟车间的交互集成，完成了数字孪生的三维建模。
[0162]
6.然后在存储的船舶车间生产过程数据库的基础上建立psn模型(该模型建立过程上述已经赘述)。将加工特征(特征处理利用特征矩阵，该矩阵建立模型上述已经详细赘述)作为生产调度的最小入口点，将船舶生产车间过程中的历史过程数据和实时数据细化为不同的超网络层。为了有效地匹配新部分的离散特征，利用相似度矩阵对特征层子网络中的相似属性特征进行了聚类。该矩阵的目的是分别计算各船舶机器，如切割机、焊机等处理特征的相似性，然后将相应数据库中的特征进行匹配。通过超网络的映射关系，可以确定
与该特征对应的加工机床的类型和位置。
[0163]
7.基于此，可以进一步确定特征的处理时间、传输时间和相邻特征之间的等待时间(第一步是判断工件是否有等待时间)，通过特征相似度的计算和匹配，可以确定处理相应特征的时间。根据工件的加工时间来确定工件在相邻特征之间的转移时间，进而进行智能调度。
[0164]
图4是根据本技术的一个实施例所示的船舶生产车间中切割机、焊机生产设备多协议采集图。如图4所示，本设计的船舶生产车间中切割机、焊机生产设备的数字孪生系统可兼容的协议包括modbus、fanuc、西门子、opc ua、罗克韦尔，且各种采集协议可以并行运行。
[0165]
其中modbus包括了modbus tcp。其中西门子包括s7-s1200、s7-s1500。
[0166]
其中三菱plc包括了ethernet/ip(cip)。其中罗克韦尔包括了ethernet/ip(cip)。
[0167]
图5是根据本技术的一个实施例所示的数据采集过程流程图。如图5所示，采集过程主要分以下步骤：
[0168]
步骤1：运行客户端软件；
[0169]
步骤2：在设备库中选择需要采集的设备，并进行相关通讯地址的配置，点击测试连接可监视是否可正常连接，然后点击保存至已添加的设备库；
[0170]
步骤3：如果需要添加多台设备，以此重复步骤2；
[0171]
步骤4：添加设备完成后，进行统一采集，点击客户端上统一连接按钮进行设备匹配连接，然后再点击采集，进行后台数据采集，并且自动保存至数据库，且相关数据输出给相关模块；
[0172]
在后台统一采集的同时，可以双击某一台设备进行相关监测，此时会有监测界面进行展示；
[0173]
采集结束或者需要临时中断可进行统一结束采集，需要时只要在单机采集即可；
[0174]
采集任务全部结束不再继续后则再结束采集之后统一断开连接。
[0175]
图6是根据本技术的一个实施例所示的船舶生产车间的数字孪生多协议采集智能调度系统运行工作流程图。如图6所示，船舶生产车间中切割机、焊机生产设备运行主要分以下步骤进行：
[0176]
1)船舶生产车间中切割机、焊机生产设备开始运行；
[0177]
2)采集模块读取各类所需数据，并且分析坐标数据，电流电压数据等特殊数据给指定模块；
[0178]
3)数字孪生虚拟机床模块获取数据，进行建立仿真映射模型psn，输出数据进行虚实可视化监视。
[0179]
4)数字孪生虚拟机床模块映射模型之后进行仿真，判断与期望运行调度方案，实时显示在数据虚实结合可视化界面上，并且可通过界面进行相应反馈操作。
[0180]
最后说明的是，以上实施例仅用以说明本发明的技术方案而非限制，尽管参照较佳实施例对本发明进行了详细说明，本领域的普通技术人员应当理解，可以对本发明的技术方案进行修改或者等同替换，而不脱离本技术方案的宗旨和范围，其均应涵盖在本发明的权利要求范围当中。

技术特征：
1.一种面向船舶生产车间的数字孪生多协议智能调度采集系统，其特征在于，包括车间设备、多协议数据采集模块、数字孪生虚拟机床模块和数据虚实结合可视化模块，其中：所述多协议数据采集模块与车间设备连接，实时获取车间设备的实际生产数据，同时与数字孪生虚拟机床模块交互；所述数字孪生虚拟机床模块用于实现车间设备的智能生产调度，其集成了实体数据、环境数据、传感器数据和历史维护数据；所述的数据虚实结合可视化模块通过以太网和多协议数据采集模块、数字孪生虚拟机床模块通信，用于真实数据采集分析、数据仿真映射及车间设备三维场景的显示；所述数字孪生虚拟机床模块通过实时接收多协议数据采集模块采集的车间设备生产数据进行智能生产调度；数字孪生虚拟机床模块再与数据虚实结合可视化模块进行数据交互，在数据虚实结合可视化模块中进行智能方案的筛选比较以及智能优化，实现可视化显示。2.根据权利要求1所述的面向船舶生产车间的数字孪生多协议智能调度采集系统，其特征在于，所述车间设备包括切割机、焊机生产设备；所述多协议数据采集模块基于多线程架构，包括双网口收发模块和数字网关模块，采用多种采集协议，包括modbus、fanuc、西门子、opc ua和罗克韦尔采集协议。3.根据权利要求1所述的面向船舶生产车间的数字孪生多协议智能调度采集系统，其特征在于，所述实际生产数据包括设备的机械坐标、绝对坐标、相对坐标、剩余坐标、进给转速以及状态数据，所述数字孪生虚拟机床模块实时三维显示所有产品信息。4.根据权利要求1所述的面向船舶生产车间的数字孪生多协议智能调度采集系统，其特征在于，所述数字孪生虚拟机床模块进行智能生产调度具体包括：建立机床psn模型；构造相似度矩阵，利用特征相似度矩阵对特征层子网络中的相似属性数据进行聚类，快速映射psn模型的特征-过程-机床之间的信息；利用超级网络的映射关系确定调度方案。5.根据权利要求1所述的面向船舶生产车间的数字孪生多协议智能调度采集系统，其特征在于，所述建立机床psn模型具体包括：构建加工特征子网络模型、加工工艺层子网模型和加工机床层子网络模型；确定加工特征子网络模型、加工工艺层子网模型和加工机床层子网络模型中异构节点之间的映射关系；通过子网层耦合原理将加工特征子网络模型、加工工艺层子网模型和加工机床层子网络模型耦合得到psn模型，根据异构节点之间的映射关系，每个子网层中的每个节点都必须包含在集合边界，得到具有特征-过程、特征-机床、过程-机床耦合的psn超级网络模型。6.根据权利要求1所述的面向船舶生产车间的数字孪生多协议智能调度采集系统，其特征在于，所述加工特征子网络模型为：
其中v
pf-n
是加工特征子网络模型n
pf
的第n个节点，且(v
pf-i
,v
pf-j
)是n
pf
内的v
pf-i
和v
pf-j
的边界集和；所述加工工艺层子网模型为：加工工艺层子网络模型如下:其中v
pp-n
是加工工艺层子网模型n
pp
的第n个节点，且(v
pp-x
,v
pp-y
)是n
pp
内的v
pp-x
和v
pp-y
的边界集和；所述加工机床层子网络模型为：其中v
pm-n
是加工机床层子网络模型n
pm
的第n个节点，且(v
pm-α
,v
pm-β
)是n
pm
内的v
pm-α
和v
pm-β
的边界集和。7.根据权利要求7所述的面向船舶生产车间的数字孪生多协议智能调度采集系统，其特征在于，所述确定加工特征子网络模型、加工工艺层子网模型和加工机床层子网络模型中异构节点之间的映射关系，具体包括：(1)n
pf
和n
pp
之间的映射关系设布尔变量θ(v
pf-i
,v
pp-x
)表示特征v
pf-i
和过程v
pp-x
之间的关系为：在特征点集v
pf
，过程v
pp-x
包括如下特征点集:v
pf
(v
pp-x
)＝f(v
pp-x
,v
pf
)＝{v
pf-i
|v
pf-i
∈v
pf
,θ(v
pf-i
,v
pp-x
)＝1}此式表示特征v
pf
(v
pp-x
)对应的v
pp-x
的过程，过程v
pp
(v
pf-i
)对应的v
pf-i
特征为：v
pp
(v
pf-i
)＝f(v
pf-i
,v
pp
)＝{v
pp-x
|v
pp-x
∈v
pp
,θ(v
pf-i
,v
pp-x
)＝1}(2)n
pp
和n
pm
之间的映射关系另布尔变量θ(v
pp-x
,v
pm-α
)表示过程v
pp-x
和机床v
pm-α
之间的关系：机床v
pm
和相应过程v
pp-x
的关系v
pm
(v
pp-x
)为：v
pm
(v
pp-x
)＝f(v
pp-x
,v
pm
)＝{v
pm-α
|v
pm-α
∈v
pm
,θ(v
pm-α
,v
pp-x
)＝1}过程v
pp
和相应的机床v
pm-α
的关系为：v
pp
(v
pm-α
)＝f(v
pm-α
,v
pp
)＝{v
pp-x
|v
pp-x
∈v
pp
,θ(v
pm-α
,v
pp-x
)＝1}。8.根据权利要求7所述的面向船舶生产车间的数字孪生多协议智能调度采集系统，其特征在于，所述具有特征-过程、特征-机床、过程-机床耦合的psn超级网络模型具体包括：特征-过程超级网络为:
φ
pf-pp
是n
pf
和n
pp
之间的耦合集，se
pf-pp
是n
pf
里的点v
pf-i
和n
pp
里的点v
pp-x
之间的边界集合；特征-机床超级网络为:φ
pf-pm
是n
pf
和n
pm
之间的耦合集，se
pf-pm
是n
pf
里的点v
pf-i
和n
pm
里的点v
pm-α
之间的边界集合；过程-机床超级网络为:φ
pp-pm
是n
pp
和n
pm
之间的耦合集，se
pp-pm
是n
pp
里的点v
pp-x
和n
pm
里的点v
pm-α
之间的边界集合。9.根据权利要求7所述的面向船舶生产车间的数字孪生多协议智能调度采集系统，其特征在于，所述数字孪生虚拟机床模块给船舶车间生产设备各零部件均添加碰撞体单元，在数据虚实结合可视化模块中进行智能碰撞预警。10.一种面向船舶生产车间的数字孪生多协议智能调度采集方法，其特征在于，包括步骤：s1:对船舶生产车间中设备进行部署，与数字孪生多协议采集系统进行组网连接；s2:对船舶生产车间中设备分别以modbus、fanuc、西门子、opc ua、罗克韦尔多种采集协议进行数据采集；s3:通过数字网口的方式，数字孪生虚拟机床模块与多协议数据采集模块进行消息队列的相互传递，数字孪生虚拟机床模块进行相关数据的监测，并数据实时保存至本地数据库；s4:数字孪生虚拟机床模块通过对船舶生产车间中设备采集映射、切割映射、焊接映射、运动预测和数字化模型的反馈，建立机床psn模型，实现数字孪生关键数据的双向交互并且控制切割机、焊机生产设备多轴联动机构实现智能调度；s5:数据虚实结合可视化模块将对psn模型进行分析，并与现实空间场景动态结合直接实时显示产品调度数据信息在产品之上，直接通过数据虚实结合可视化屏幕控件控制产品生产信息与智能调度情况。

技术总结
本发明公开了一种面向船舶生产车间的数字孪生多协议智能调度采集系统及方法，包括车间设备、多协议数据采集模块、数字孪生虚拟机床模块和数据虚实结合可视化模块，多协议数据采集模块与车间设备连接，实时获取车间设备的实际生产数据，同时与数字孪生虚拟机床模块交互；数字孪生虚拟机床模块用于实现车间设备的智能生产调度，其集成了实体数据、环境数据、传感器数据和历史维护数据；数据虚实结合可视化模块通过以太网和多协议数据采集模块、数字孪生虚拟机床模块通信，用于真实数据采集分析、数据仿真映射及车间设备三维场景的显示。本发明提高了工业船舶生产车间中切割机、焊机生产设备数据采集协议的多样性。设备数据采集协议的多样性。设备数据采集协议的多样性。


技术研发人员：刘鑫宇 徐炜翔 朱彤 王跃 徐鹏 姜松 韩子延 夏秋成
受保护的技术使用者：江苏杰瑞信息科技有限公司 中船重工信息科技有限公司 中国船舶集团有限公司第七一六研究所
技术研发日：2023.04.18
技术公布日：2023/7/25