一种数字孪生智能制造系统

1.本发明属于智能制造领域，具体是一种数字孪生智能制造系统。


背景技术：

2.智能制造是具有智能感知和通信能力的制造过程，能够承载整个供应链和产品生命周期所需的信息。智能制造的核心问题是实现物理世界和信息世界的融合，因此数字孪生技术也被逐渐应用于智能制造领域。
3.目前很多企业将数字孪生技术应用到智能制造过程，将企业生产线对应的仿真实体映射到数字孪生空间中，通过仿真实体的标准运行范围来生成调节参数，调整生产线中各仿真实体的运行参数。现有技术仅在建立之初根据获取的数据建立仿真体，在长期的生产制造过程中难以及时更新仿真体，导致数字孪生模型与实际场景不完全一致，影响企业生产过程。
4.本发明提供了一种数字孪生智能制造系统，以解决上述问题。


技术实现要素：

5.本发明旨在至少解决现有技术中存在的技术问题之一；为此，本发明提出了一种数字孪生智能制造系统，用于解决现有技术难以完全保证数字孪生模型与实际场景的一致性，影响企业生产过程的技术问题。
6.为实现上述目的，本发明的第一方面提供了一种数字孪生智能制造系统，包括中枢控制模块，以及与之相连接的数据交互模块；中枢控制模块通过与数据交互模块相连接的数据库获取若干仿真实物的基础信息；将基础信息映射至数字孪生空间中建立对应的若干仿真实体，生成数字孪生模型；中枢控制模块基于数字孪生模型调节若干仿真实物运行，在调节过程中通过与数据交互模块相连接的数据传感器获取实时生产信息；比较实时生产信息与数字孪生模型的模拟生产信息判断实时生产信息是否正常；以及当实时生产信息异常时，则结合历史生产信息判断若干仿真实物是否出现损耗；是，则根据数据库存储的损耗映射模型对数字孪生模型中的若干仿真实体进行更新。
7.将数字孪生技术应用到智能制造中，可通过数字孪生模型来模拟预测智能制造中可能出现的问题。制造行业的各仿真实物(也就是生产设备)在长期的生产过程中会出现各种各样的损耗，这些信息并没有在数字孪生模型中更新，导致数字孪生模型模拟的结果无法应用于实际生产中，进而影响智能制造过程。
8.本发明将实际生产信息与数字孪生模型模拟得到的模拟生产信息进行比较，判断实时生产信息是否正常；若不正常，则进一步判断是否是因为仿真实物出现损耗而引起的。若异常是因为损耗引起的，则可以根据损耗来对数字孪生模型中的仿真实体进行更新，保持数字孪生模型与实际情况的一致性。
9.本发明的基础信息包括基本参数和场景信息。基本参数是仿真实物的外观特征和实物特征，实物特征也可以根据外观特征从数据库中直接提取；实物特征主要包括尺寸、功
能、损耗程度等信息。场景信息则包括了仿真实物之间的位置关系，用于模拟仿真实物之间的顺序关系。
10.本发明中的中枢控制模块与数据交互模块通信和/或电气连接；数据交互模块分别与数据库和数据传感器通信和/或电气连接；数据库用于存储仿真实物的基础信息和损耗映射模型，数据传感器用于采集仿真实物的生产信息。中枢控制模块负责数据处理，数据交互模块则负责各类数据的采集。
11.优选的，所述将基础信息映射至数字孪生空间中建立对应的若干仿真实体，生成数字孪生模型，包括：提取基础信息中的基本参数和场景信息；基于基本参数构建若干仿真实体，基于场景信息构建仿真场景；将若干仿真实体和仿真场景结合，生成数字孪生模型。
12.在所有仿真实物按照生产流程布置好之后，可提取基本参数和场景信息。利用数字孪生技术将基本参数和场景信息映射到数字孪生空间中，构建出仿真实体和仿真场景，进而生成数字孪生模型。本发明中的仿真实物相当于生产线上智能生产设备，若干仿真实物可模拟构建出生产线；仿真实体则是仿真实物在数字孪生空间中的映射。
13.本发明根据仿真实体和仿真实景构建获取数字孪生模型，不仅能够模拟仿真实物实际的工作状态，而且能够准确表达出各仿真实物之间的联动关系。也就是说通过构建的数字孪生模型能够尽可能还原仿真实物进行产品生产的过程，一旦出现模拟与实际不一致，则能够快速定位异常，降低对生产过程的影响。
14.优选的，所述中枢控制模块基于数字孪生模型调节若干仿真实物运行，包括：将获取的生产规划信息输入至数字孪生模型，获取若干仿真实体的模拟参数；基于模拟参数对与若干仿真实体形成映射关系的若干仿真实物进行动态参数调节，根据动态调节的参数控制若干仿真实物运行。
15.本发明根据生产规划信息作为输入，通过数字孪生模型模拟若干仿真实体的工作过程，并获取各仿真实物最佳的模拟参数。根据模拟参数来动态调节对应的仿真实物，实现生产线上各仿真实物工作在最佳状态。生产规划信息包括原料信息、时限要求等，将原料信息、时限要求等数据输入至数字孪生模型，数字孪生模型根据生产规划信息对生产过程进行模拟规划，可实现对生产过程的优化。
16.优选的，所述比较实时生产信息与数字孪生模型的模拟生产信息判断实时生产信息是否正常，包括：提取实时生产信息，从数字孪生模型中提取与实时生产信息相对应的模拟生产信息；判断实时生产信息与模拟生产信息之间的差距是否超过设定阈值；是，则判定实时生产信息异常；否，则判定实时生产信息正常，并记录实时生产信息。
17.本发明在对各仿真实物的工作参数动态调整之后，获取实时生产信息。将实时生产信息与数字孪生模型的模拟生产信息进行比较，若二者差距较大，则判定实际生产过程出现了问题。这里提高的问题主要有两种，一种是由于仿真实物损耗导致的生产误差，另外一种是由于突发情况导致的生产误差。针对仿真实物损耗带来的生产误差，将损耗记录并上传至数字孪生模型，经过数字孪生模型优化之后对仿真实物进行参数调节，则可以降低生产误差。针对突发情况带来的生产误差，则需要及时对突发情况进行识别和处理；这里的突发情况多种多样，如工作人员介入操作不当、仿真实物出现结构性损坏等。
18.本发明中的实时生产信息包括产品参数和效率参数。产品参数是指产品的尺寸、精度等，用来评估生产的产品是否合格；效率参数是指产品的生产效率，影响着产品的交
付。值得注意的是，实时生产信息可以从整条生产线的终端获取，此时获取的是可以进行交付的产品，通过产品参数和效率参数来判断整条生产线是否满足要求；还可以从相邻仿真实物之间获取半成品信息，此时通过产品参数和效率参数来判断部分生产线是否满足要求。
19.优选的，所述结合历史生产信息判断若干仿真实物是否出现损耗，包括：提取若干仿真实物的历史生产信息；根据历史生产信息与对应模拟生产信息之间差距的变化趋势判断实时生产信息是否发生异变；是，则判定仿真实物出现故障；否，判定仿真实物出现损耗。
20.无论是半成品还是最终产品对应的实时生产信息，均在数字孪生模型中存在映射的模拟产品信息。将二者进行比较，可以判断产品参数或者生产效率是否符合要求。一旦实时生产信息是否异变，若异变则属于故障，不可通过数字孪生模型来进行调节；否则，属于损耗，可通过数字孪生模型来进行调整。
21.本发明基于历史生产信息在判断实时生产信息是否发生异变，其思路主要是获取历史生产信息与对应模拟生产信息之间的差距的变化趋势，判断实时生产信息与对应模拟生产信息之间的差距是否在变化趋势之上。若是，则可判断是因为仿真实物的损耗造成的差距；否则，判断是因为仿真实物的故障带来的差距。
22.优选的，所述根据数据库存储的损耗映射模型对数字孪生模型中的若干仿真实体进行更新，包括：提取初始的若干仿真实物损耗与出现异常时若干仿真实物损耗，根据二者的差距整合获取损耗差距；将损耗差距输入至损耗映射模型中获取若干仿真实物的调整信息，基于调整信息对若干仿真实体进行更新。
23.在若干仿真实物刚开始进行生产工作时，其损耗对产品参数和效率参数的影响可以忽略吧不计。随着生产工作的进行，仿真实物的损耗慢慢增大，也就导致了实时生产信息的异常。根据异常时的实时生产信息和最开始的实时生产信息(也可以是最开始的模拟生产信息)进行比较，得到的差距就是损耗差距。根据损耗差距在损耗映射模型中进行检索匹配，可得到调整信息，进而对数字孪生模型中的若干仿真实体进行更新，保证虚拟和现实的一致性。
24.需要说明的是，调整信息与基础信息的内容属性一致，均包括基本参数和场景信息。一般来说调整信息中的场景信息变化较小，可忽略不急。基于调整信息对数字孪生模型中的若干仿真实体进行更新，而且更新的主要内容是若干仿真实体的损耗程度。更新之后的数字孪生模型与实际情况基本一致，这样在进行模拟生产时才能够获取真实数据，为后续的生产规划打好数据基础。
25.优选的，所述损耗映射模型基于仿真实物的损耗实验数据构建，包括：模拟若干仿真实物的实际生产过程；当仿真实物出现损耗时，则重新采集仿真实物的基本参数，建立损耗和基本参数的对应关系；根据损耗与基本参数之间的对应关系构建损耗映射模型。
26.本发明中的若干仿真实物属于同一生产线，因此任一仿真实物的损耗均会对实时生产信息产生影响。本发明依次为仿真实物设置不同程度的损耗，将若干仿真实物的损耗进行组合，生成损耗组；获取各损耗组下若干仿真实物对应的基本参数(此处的基本参数是若干仿真实物的基本参数)。将损耗组作为标准输入数据，将对应若干仿真实物的基本参数作为标准输出数据，训练人工智能模型获取损耗映射模型。人工智能模型包括bp神经网络模型或rbf神经网络模型。
27.与现有技术相比，本发明的有益效果是：
28.1.本发明中当实时生产信息异常时，则结合历史生产信息判断若干仿真实物是否出现损耗；是，则根据数据库存储的损耗映射模型对数字孪生模型中的若干仿真实体进行更新；本发明能够实时检测虚拟与现实的一致性，并根据检测结果及时更新数字孪生模型，进而提高企业生产过程。
29.2.本发明模拟若干仿真实物的实际生产过程；当仿真实物出现损耗时，则重新采集仿真实物的基本参数，建立损耗和基本参数的对应关系；根据损耗与基本参数之间的对应关系构建损耗映射模型；本发明能够根据若干仿真实物的损害获取对应的调整信息，实现数字孪生模型的快速更新。
附图说明
30.为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
31.图1为本发明的系统原理示意图；
32.图2为本发明的工作步骤示意图。
具体实施方式
33.下面将结合实施例对本发明的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其它实施例，都属于本发明保护的范围。
34.请参阅图1-图2，本发明第一方面实施例提供了一种数字孪生智能制造系统，包括中枢控制模块，以及与之相连接的数据交互模块；中枢控制模块通过与数据交互模块相连接的数据库获取若干仿真实物的基础信息；将基础信息映射至数字孪生空间中建立对应的若干仿真实体，生成数字孪生模型；中枢控制模块基于数字孪生模型调节若干仿真实物运行，在调节过程中通过与数据交互模块相连接的数据传感器获取实时生产信息；比较实时生产信息与数字孪生模型的模拟生产信息判断实时生产信息是否正常；以及当实时生产信息异常时，则结合历史生产信息判断若干仿真实物是否出现损耗；是，则根据数据库存储的损耗映射模型对数字孪生模型中的若干仿真实体进行更新。
35.本实施例的第一步是中枢控制模块通过与数据交互模块相连接的数据库获取若干仿真实物的基础信息；将基础信息映射至数字孪生空间中建立对应的若干仿真实体，生成数字孪生模型。
36.从数据库提取生产线上若干仿真实物的基础信息，根据基础信息在数字孪生空间中进行映射，获取数字孪生模型。该数字孪生模型通过必要的物理输入，可以对生产线的实际过程进行模拟。在物理输入基础上，不断模拟优化数字孪生模型，保证生产线上的各仿真实体均运行在最优状态下，这样就可以提取各仿真实体的模拟参数。而在现实中根据模拟参数来调整对应仿真实体相映射的仿真实物，即可保证生产线也处于最佳的运行状态。
37.然而在实际生产过程中会存在仿真实物的磨损以及相邻仿真实物的衔接问题，这会导致实际生产过程中会出现各种各样的问题，这些问题并不会在数字孪生模型中及时体现，因此数字孪生模型无法保持较高的映射精度。
38.本实施例的第二步是中枢控制模块基于数字孪生模型调节若干仿真实物运行，在调节过程中通过与数据交互模块相连接的数据传感器获取实时生产信息；比较实时生产信息与数字孪生模型的模拟生产信息判断实时生产信息是否正常；当实时生产信息异常时，则结合历史生产信息判断若干仿真实物是否出现损耗。
39.根据数字孪生模型模拟获取最优的模拟参数后，根据模拟参数来对生产线的仿真实物进行调节，理论上仿真实物应该处于最优运行状态，得到的生产信息与模拟的情况也应该一致。
40.在实际运行过程中获取该生产线的产品的实时生产信息，实时生产信息主要用来判断产品的各项质检标准以及生产效率是否符合要求。其参考标准是数字孪生模型的模拟生产信息。
41.在判断实时生产信息是否正常时，主要根据实时生产信息与模拟生产信息的差距来判断，具体如产品规格、生产效率等，任一差距较大则判定实时生产信息异常。当实时生产信息异常时，则需要进一步判断异常原因；当实时生产信息正常时，则进行记录存储。
42.判断异常原因的具体步骤如下：获取历史生产信息，并计算历史生产信息与对应模拟生产信息之间的差距，根据若干时刻的差距可拟合建立差距变化曲线；当此刻实时生产信息与对应模拟生产信息的差距处于差距变化曲线上时，则判定该差距是由仿真实物的损耗引起的；否则，判定该差距是由突发事件引起的。差距变化曲线是基于单一数据建立的，如质检数据或者生产效率数据中的任意一种；突发事件是指由外力因素导致的仿真实物的异常，如工作人员强行介入造成仿真实物故障。仿真实物可理解为生产线上的各种生产设备。
43.本实施例的第三步是根据数据库存储的损耗映射模型对数字孪生模型中的若干仿真实体进行更新。
44.在判断出实时生产信息的异常是因为损耗时，则一开始与出现异常时若干仿真实物的损耗，将其差距作为损耗差距。将损耗差距输入至损耗映射模型中获取若干仿真实物的调整信息，进而更新数字孪生模型中若干仿真实体。
45.损耗映射模型中实际是在一次次的模拟中建立起来的，为若干仿真实物在损耗范围内均设置损耗值，则进行排列组合可获取多个损耗组。模拟在各损耗组下对应的若干仿真实物的最优的基本参数，联合损耗组训练人工智能模型，获取损耗映射模型。根据损耗映射模型可获取当前状态的损耗组对应的基本参数，进而实现对数字孪生模型中若干仿真实体的更新，以保证虚拟与现实的一致性。
46.本发明的工作原理：获取若干仿真实物的基础信息；将基础信息映射至数字孪生空间中建立对应的若干仿真实体，生成数字孪生模型。基于数字孪生模型调节若干仿真实物运行，在调节过程中通过与数据交互模块相连接的数据传感器获取实时生产信息；比较实时生产信息与数字孪生模型的模拟生产信息判断实时生产信息是否正常。当实时生产信息异常时，则结合历史生产信息判断若干仿真实物是否出现损耗；是，则根据数据库存储的损耗映射模型对数字孪生模型中的若干仿真实体进行更新。
47.以上实施例仅用以说明本发明的技术方法而非限制，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法进行修改或等同替换，而不脱离本发明技术方法的精神和范围。

技术特征：
1.一种数字孪生智能制造系统，包括中枢控制模块，以及与之相连接的数据交互模块；其特征在于：中枢控制模块通过与数据交互模块相连接的数据库获取若干仿真实物的基础信息；将基础信息映射至数字孪生空间中建立对应的若干仿真实体，生成数字孪生模型；其中，基础信息包括基本参数和场景信息；中枢控制模块基于数字孪生模型调节若干仿真实物运行，在调节过程中通过与数据交互模块相连接的数据传感器获取实时生产信息；比较实时生产信息与数字孪生模型的模拟生产信息判断实时生产信息是否正常；以及当实时生产信息异常时，则结合历史生产信息判断若干仿真实物是否出现损耗；是，则根据数据库存储的损耗映射模型对数字孪生模型中的若干仿真实体进行更新；其中，损耗映射模型基于仿真实物的损耗实验数据构建。2.根据权利要求1所述的一种数字孪生智能制造系统，其特征在于，所述将基础信息映射至数字孪生空间中建立对应的若干仿真实体，生成数字孪生模型，包括：提取基础信息中的基本参数和场景信息；其中，基本参数包括仿真实物的外观特征和实物特征，场景信息包括仿真实物的位置和相互之间的连接方式；基于基本参数构建若干仿真实体，基于场景信息构建仿真场景；将若干仿真实体和仿真场景结合，生成数字孪生模型。3.根据权利要求1所述的一种数字孪生智能制造系统，其特征在于，所述中枢控制模块基于数字孪生模型调节若干仿真实物运行，包括：将获取的生产规划信息输入至数字孪生模型，获取若干仿真实体的模拟参数；其中，生产规划信息包括原料信息和时限要求；基于模拟参数对与若干仿真实体形成映射关系的若干仿真实物进行动态参数调节，根据动态调节的参数控制若干仿真实物运行。4.根据权利要求1所述的一种数字孪生智能制造系统，其特征在于，所述比较实时生产信息与数字孪生模型的模拟生产信息判断实时生产信息是否正常，包括：提取实时生产信息，从数字孪生模型中提取与实时生产信息相对应的模拟生产信息；其中，实时生产信息包括产品参数和效率参数；判断实时生产信息与模拟生产信息之间的差距是否超过设定阈值；是，则判定实时生产信息异常；否，则判定实时生产信息正常，并记录实时生产信息。5.根据权利要求1所述的一种数字孪生智能制造系统，其特征在于，所述结合历史生产信息判断若干仿真实物是否出现损耗，包括：提取若干仿真实物的历史生产信息；根据历史生产信息与对应模拟生产信息之间差距的变化趋势判断实时生产信息是否发生异变；是，则判定仿真实物出现故障；否，判定仿真实物出现损耗。6.根据权利要求1所述的一种数字孪生智能制造系统，其特征在于，所述根据数据库存储的损耗映射模型对数字孪生模型中的若干仿真实体进行更新，包括：提取初始的若干仿真实物损耗与出现异常时若干仿真实物损耗，根据二者的差距整合获取损耗差距；将损耗差距输入至损耗映射模型中获取若干仿真实物的调整信息，基于调整信息对若
干仿真实体进行更新；其中，调整信息与基础信息的内容属性一致。7.根据权利要求1所述的一种数字孪生智能制造系统，其特征在于，所述损耗映射模型基于仿真实物的损耗实验数据构建，包括：模拟若干仿真实物的实际生产过程；当仿真实物出现损耗时，则重新采集仿真实物的基本参数，建立损耗和基本参数的对应关系；根据损耗与基本参数之间的对应关系构建损耗映射模型。8.根据权利要求1所述的一种数字孪生智能制造系统，其特征在于，所述中枢控制模块与所述数据交互模块通信和/或电气连接；所述数据交互模块分别与数据库和数据传感器通信和/或电气连接；所述数据库用于存储仿真实物的基础信息和损耗映射模型，数据传感器用于采集仿真实物的生产信息。

技术总结
本发明公开了一种数字孪生智能制造系统，涉及智能制造技术领域，解决了现有技术难以完全保证数字孪生模型与实际场景的一致性，影响企业生产过程的技术问题；本发明中结合历史生产信息判断若干仿真实物是否出现损耗；是，则根据数据库存储的损耗映射模型对数字孪生模型中的若干仿真实体进行更新；本发明能够实时检测虚拟与现实的一致性，并根据检测结果及时更新数字孪生模型，进而提高企业生产过程；本发明当仿真实物出现损耗时，则重新采集仿真实物的基本参数，建立损耗和基本参数的对应关系；根据损耗与基本参数之间的对应关系构建损耗映射模型；本发明能够根据若干仿真实物的损害获取对应的调整信息，实现数字孪生模型的快速更新。速更新。速更新。


技术研发人员：李贵胜 姚东永 任林 贾英锋 纪帅 张红岩
受保护的技术使用者：平顶山职业技术学院
技术研发日：2023.05.17
技术公布日：2023/8/13