数字孪生技术框架及其在制造业中的应用

发布时间：2021-10-13 10:13

　　介绍了数字孪生技术的发展和应用概况,基于数字孪生定义,说明了基本定义对该技术的精准实现的重要性,并梳理出了一个综合数字孪生技术框架。阐述了工业4.0技术下和基于云端信息物理系统（C2PS）结构下的数字孪生体,介绍了主流数字孪生框架及其框架内各部分的交互关系。最后,总结了数字孪生技术现阶段面临的挑战,并对其未来应用前景进行了展望。以期为数字孪生技术未来发展及突破提供参考。 

【文章来源】：工业控制计算机. 2020,33(06)

【文章页数】：4 页

【部分图文】：

综合性数字孪生技术横向框架

C2PS是基于云端的网络物理系统[19]，其中每个物理对象均依托云端管理，直接通过物理通信或云端通信连接数字孪生中的物理端与孪生端，建立P2P对接。C2PS结构下的数字孪生体中，无论是系统还是制造过程均由数个相互独立或相关的部分组成，且每个部分都有与之对应的数字孪生体。图2中，最上层为物理层，该层中的物理系统分为多个部分，又称物理对象，在下一层网络空间中，每个物理对象都有相应的网络对象。第1层为物理层，第2层为网络层，物理层和之间通过传感器等进行传输，数据在物理端和网络端之间双向交互，同时物理端数据上传到云端进行历史数据的储存；第3层为通信层，其工作方式是点对点通信，相应网络对象组成一个通信小组，组内通信均在组成员之间进行。每个网络对象可以存在于多个组。图中所示的特征1到特征n可以看做改层的对象，通过关系网络，通信层中的对象彼此连接，如同在网络层中一样。另外，不同的关系网络之间也会产生交集。这样做的目的是让整个系统的各个部分进行反馈交互，从而提高优化速度。文献[18]提出，在通信层中可采用机器学习和深度学习等技术，使得系统具有自配置能力，其中利用贝叶斯网络对上下层预测数据的不确定性进行建模是一种可行方法；第4层为服务层，该层中可对各个对象传输来的数据进行计算、分析、预测以及整合优化，主要依赖系统数据库的存储。演算能力；第5层为系统使用层，它使用前4层的输出，包括服务管理器、服务集成器、生成数据消耗和数据可视化等功能。物理实体模型通过这第5层连接到数字孪生体上，用户、客户、工程师和专家根据数字孪生体的结果进行设计、开发或配置。该结构下，最终可以达到生产线优化、过程重设计以及模型校正等目的。该结构下的数字孪生模型是多层次的立体纵向模型，其中网络虚拟对象和模型可以看作数字孪生体，反映出实际物理系统在真实环境下的行为、状态和性能。实际生产中，数据和模型的复杂性是很难模拟与预测的，C2PS结构下的孪生体模型将每一层、各个部分之间的信息从结构定义上让其产生交互，使得内部反馈机制更加完善。在实际物理端产生数据并且未到达产品生命周期末端时，虚拟孪生体就可以用该数据模拟出不同生产后续环境下的产品参数供计算机进行仿真、评估，这种反馈机制类似于控制领域中的内回路反馈，具有响应速度快，调整及时等优点。因此，该结构就可以大幅度减少数据本身复杂性所带来的影响。

【参考文献】：
期刊论文
[1]数字孪生五维模型及十大领域应用[J]. 陶飞,刘蔚然,张萌,胡天亮,戚庆林,张贺,隋芳媛,王田,徐慧,黄祖广,马昕,张连超,程江峰,姚念奎,易旺民,朱恺真,张新生,孟凡军,金小辉,刘中兵,何立荣,程辉,周二专,李洋,吕倩,罗椅民.  计算机集成制造系统. 2019(01)
[2]数字孪生技术综述与展望[J]. 刘大同,郭凯,王本宽,彭宇.  仪器仪表学报. 2018(11)
[3]基于数字孪生的飞机装配车间生产管控模式探索[J]. 陈振,丁晓,唐健钧,刘玉松.  航空制造技术. 2018(12)
[4]工业4.0新形势下的机械制造及设备制造[J]. 王彦文.  山东工业技术. 2018(12)
[5]全面实现数字化是通向智能制造的必由之路——解读《智能制造之路:数字化工厂》[J]. 唐堂,滕琳,吴杰,陈明.  中国机械工程. 2018(03)
[6]产品数字孪生体的内涵、体系结构及其发展趋势[J]. 庄存波,刘检华,熊辉,丁晓宇,刘少丽,瓮刚.  计算机集成制造系统. 2017(04)
[7]智能制造——“中国制造2025”的主攻方向[J]. 周济.  中国机械工程. 2015(17)



本文编号：3434462