CN109615113B - 一种基于数字孪生的船用柴油机关重件加工质量预测方法 - Google Patents
一种基于数字孪生的船用柴油机关重件加工质量预测方法 Download PDFInfo
- Publication number
- CN109615113B CN109615113B CN201811373901.XA CN201811373901A CN109615113B CN 109615113 B CN109615113 B CN 109615113B CN 201811373901 A CN201811373901 A CN 201811373901A CN 109615113 B CN109615113 B CN 109615113B
- Authority
- CN
- China
- Prior art keywords
- quality
- diesel engine
- marine diesel
- digital twin
- heavy parts
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 112
- 238000003754 machining Methods 0.000 title claims abstract description 47
- 230000008569 process Effects 0.000 claims abstract description 81
- 238000012545 processing Methods 0.000 claims abstract description 60
- 238000005457 optimization Methods 0.000 claims abstract description 29
- 238000005094 computer simulation Methods 0.000 claims abstract description 8
- 238000013507 mapping Methods 0.000 claims description 11
- 230000004927 fusion Effects 0.000 claims description 8
- 238000001914 filtration Methods 0.000 claims description 5
- 238000005520 cutting process Methods 0.000 claims description 4
- 238000003780 insertion Methods 0.000 claims description 3
- 230000037431 insertion Effects 0.000 claims description 3
- 238000005065 mining Methods 0.000 claims description 3
- 238000012986 modification Methods 0.000 claims description 3
- 230000004048 modification Effects 0.000 claims description 3
- 238000012797 qualification Methods 0.000 claims description 3
- 238000004519 manufacturing process Methods 0.000 abstract description 18
- 238000005516 engineering process Methods 0.000 abstract description 4
- 238000004088 simulation Methods 0.000 description 8
- 238000004458 analytical method Methods 0.000 description 4
- 238000007418 data mining Methods 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000000556 factor analysis Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
- G06Q10/06395—Quality analysis or management
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/04—Manufacturing
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/30—Computing systems specially adapted for manufacturing
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- Development Economics (AREA)
- Theoretical Computer Science (AREA)
- Marketing (AREA)
- Entrepreneurship & Innovation (AREA)
- General Physics & Mathematics (AREA)
- Tourism & Hospitality (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Educational Administration (AREA)
- Game Theory and Decision Science (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Manufacturing & Machinery (AREA)
- Primary Health Care (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种基于数字孪生的船用柴油机关重件加工质量预测方法，包括以下步骤：实时数据采集；对采集到的实时数据特征进行分类；依据采集到的实时数据和关重件质量服务平台中的历史数据，创建数字孪生模型体系；利用智能算法，融合实时采集的物理数据和关重件服务平台中的历史数据，对船用柴油机关重件的加工质量进行初步判定；对船用柴油机关重件进行动态仿真优化，实现对船用柴油机关重件加工质量的最终预测。本发明基于数字孪生技术，实现制造过程的船用柴油机关重件加工质量动态预测，对船用柴油机关重件加工过程中的工艺参数和工艺路线进行优化，对改善船用柴油机关重件加工质量、资源利用率以及提高生产效率具有重要意义。
Description
技术领域
本发明涉及船用柴油机关重件加工质量的预测方法，尤其涉及一种基于数字孪生的船用柴油机关重件加工质量预测方法。
背景技术
船用柴油机关重件具有复杂的结构且加工难度大，因此关重件加工过程中工件质量难以保证。目前船用柴油机关重件的质量预测方法存在以下问题：虚拟与物理空间连接不够紧密，目前，船用柴油机关重件制造过程中，虚拟空间与物理空间的联系仅限于基于MBD的全三维模型，针对关重件制造过程中的质量预测并未涉及。加工质量检测滞后，现阶段的船用柴油机关重件加工质量的检测，是在当前工序或者产品加工完成后，因此，关重件质量预测的优势并不能充分发挥，且及时的排除质量扰动因素的影响。制造信息未得到利用，船用柴油机关重件生产过程中产生了大量的制造信息，而这些信息并未应用到关重件加工质量过程中。
发明内容
发明目的：本发明目的是提供一种基于数字孪生的船用柴油机关重件加工质量预测方法，从而实现船用柴油机关重件工艺参数和工艺路线的优化。
技术方案：本发明包括以下步骤：
(1)对加工过程中的船用柴油机关重件和加工资源设备进行实时数据采集；
(2)对采集到的实时数据特征进行分类；
(3)依据采集到的实时数据和关重件质量服务平台中的历史数据，创建数字孪生模型体系；
(4)利用智能算法，融合实时采集的物理数据和关重件服务平台中的历史数据，对船用柴油机关重件的加工质量进行初步判定；
(5)对船用柴油机关重件进行动态仿真优化，实现对船用柴油机关重件加工质量的最终预测。
所述步骤(1)中的实时数据通过传感器、RFID、执行器进行采集，将传感器放置在物理实体上，对船用柴油机关重件加工制造过程进行实时、动态的数据采集。
所述步骤(1)中的船用柴油机关重件加工实时数据包括：几何尺寸、几何误差、形位误差、形状数据、加工变形量和工件表面质量，其中，船用柴油机关重件加工变形量作为工件当前工序质量合格的判定标准。
所述步骤(1)中的加工资源设备实时数据包括：刀具磨损、刀具颤动、加工参数、切削要素、夹具损坏、机床磨损与机床精度偏差。
所述步骤(2)中的实时数据特征分类包括：推演、融合、过滤、挖掘和迭代，通过数据挖掘和推演，将实时采集的数据进行过滤，利用数据迭代最终实现实时数据融合，并创建数字孪生模型体系；通过对实时数据进行特征分类，减少了冗杂数据和无关数据，利用数据融合和迭代对实时数据进行筛选，极大地提高了数字孪生模型体系的创建准确率和效率。
所述步骤(3)中的数字孪生模型体系包括：数字孪生关重件模型、数字孪生资源模型、数字孪生工艺模型、数字孪生规则模型和数字孪生质量模型。
所述的数字孪生规则模型是智能算法的集合，包括质量比对算法和质量预测算法，基于创建的关重件加工质量库，利用智能决策算法，最终实现船用柴油机关重件加工质量的预测。
所述的质量比对算法包括以下步骤：
1)创建船用柴油机关重件加工过程变形量的初始解空间；
2)当船用柴油机关重件加工过程变形量发生变化时产生新解；
3)判断产生的新解是否包括插入、产出和替换在内的编辑操作；
4)若未发生编辑，对质量服务平台中的变形量解空间进行匹配；
5)发生编辑时，通过计算编辑距离，进行相似度匹配；
6)当编辑距离大于0时，将变形量解放入目标函数；
7)将目标函数的解放入调和函数中，并上传至关重件质量服务平台；
8)当编辑距离小于0时，利用数字孪生工艺模型，进行工艺参数和工艺路线优化；
9)通过工艺优化，产生新的变形量解空间，返回步骤3)。
所述的质量预测算法包括以下步骤：
1)采集物理实体的实时数据，创建数字孪生映射模型；
2)利用关重件质量服务平台的历史数据，与采集的实时数据作对比；
3)当关重件工序变形量满足变形量标准时，关重件质量服务平台产生加工参数和工艺参数，虚拟车间根据该参数模拟加工；
4)当关重件变形量不满足标准时，对数字孪生映射模型进行仿真，对关重件工序变形量进行统计，利用质量比对算法进行质量合格比对；
5)当步骤4)中的工序变形量不合格时，对数字孪生工艺模型进行参数更改和数字孪生迭代优化，并返回步骤2)；
6)当步骤4)中的工序变形量合格时，关重件质量服务平台下达指令，指导物理车间进行加工，并将参数数据上传至关重件质量服务平台。
所述步骤(5)中的动态仿真优化包括工艺参数和工艺路线优化，通过对船用柴油机关重件的制造工艺进行优化，动态调整船用柴油机关重件加工参数，对工件加工质量进行预测，保证最终加工质量。
有益效果：本发明基于数字孪生技术，实现制造过程的船用柴油机关重件加工质量动态预测，对船用柴油机关重件加工过程中的工艺参数和工艺路线进行优化，对改善船用柴油机关重件加工质量、资源利用率以及提高生产效率具有重要意义。
附图说明
图1为本发明的流程图；
图2为本发明的质量比对算法流程图；
图3为本发明的质量预测算法流程图；
图4为本发明的船用柴油机机身质量预测流程图；
图5为本发明的船用柴油机关重件智能制造流程图；
图6为本发明的数字孪生迭代优化流程图。
具体实施方式
下面结合附图对本发明作进一步说明。
如图1所示，本发明包括以下步骤：
(1)通过传感器、RFID、执行器等对加工过程中的船用柴油机关重件和加工资源设备进行实时数据采集，将传感器放置在物理实体上，对船用柴油机关重件加工制造过程进行实时、动态的数据采集。船用柴油机关重件加工过程中采集到的加工实时数据包括：几何尺寸、几何误差、形位误差、形状数据、加工变形量和工件表面质量。其中，以船用柴油机关重件加工变形量作为工件当前工序质量合格的判定标准。加工资源设备数据主要包括：刀具磨损、刀具颤动、加工参数、切削要素、夹具损坏、机床磨损、机床精度偏差。
(2)将采集到的实时数据上传到关重件质量预测平台，通过对数据的分类和整理，将实时数据进行特征分类，实时数据特征分类主要包括：推演、融合、过滤、挖掘和迭代。通过数据挖掘和推演，将实时采集的数据进行过滤，利用数据迭代最终实现实时数据融合，并创建数字孪生模型体系。通过对实时数据进行特征分类，减少了冗杂数据和无关数据。利用数据融合和迭代对实时数据进行筛选，极大地提高了数字孪生模型体系的创建准确率和效率。
依据采集到的实时数据和关重件质量服务平台中的历史数据，创建数字孪生模型体系，数字孪生模型是物理实体的真实映射，集成与融合了几何、物理、行为和规则四层模型。其中，几何模型模式指船用柴油机关重件和加工设备资源的尺寸、形状参数；物理模型指分析船用柴油机加工过程中变形量；行为模型是响应船用柴油机关重件加工质量预测的模型；规则模型用于船用柴油机关重件加工过程的工艺参数和工艺路线的优化。创建的数字孪生模型体系包括：数字孪生关重件模型、数字孪生资源模型、数字孪生工艺模型、数字孪生规则模型和数字孪生质量模型。
数字孪生关重件模型是船用柴油机关重件的真实实映射，反映了船用柴油机关重件的几何尺寸、形位误差、表面加工质量和工件变形量，与船用柴油机关重件物理实体通过实时数据进行连接。
数字孪生资源模型是船用柴油机关重件加工设备的真实映射，通过放在设备上的传感器采集船用柴油机关重件加工过程中设备的实时数据，包括：数字孪生机床模型、数字孪生刀具模型和数字孪生夹具模型。
基于实时数据和历史数据创建的船用柴油机关重件的数字孪生工艺模型和数字孪生质量预测模型，利用ANSYS仿真软件对船用柴油机关重件数字孪生质量预测模型进行分析，并以变形量作为质量判断依据，通过智能算法实现船用柴油机关重件的质量预测。利用ANSYS有限元仿真产生变形量数据，将变形量数据上传至质量服务平台，并创建船用柴油机关重件质量预测数据库，通过质量比对算法和质量预测算法，实现船用柴油机加工质量预测。
数字孪生规则模型是智能算法的集合，包括：质量预测算法和质量比对算法。基于创建的关重件加工质量库，利用智能决策算法，最终实现船用柴油机关重件加工质量预测。
如图2所示为船用柴油机关重件制造阶段的质量比对算法，根据零件工艺及加工过程分析，不同的工序以及不同的生产环境，应采用相匹配的关重件质量比对算法，包括以下步骤：
1)创建船用柴油机关重件加工过程变形量的初始解空间；
2)当船用柴油机关重件加工过程变形量发生变化时产生新解；
3)判断产生的新解是否包括插入、产出和替换在内的编辑操作；
4)若未发生编辑，对质量服务平台中的变形量解空间进行匹配；
5)当变形量解空间发生编辑时，通过计算编辑距离，进行相似度匹配；
6)当编辑距离L>0时，将变形量解放入目标函数；
7)将目标函数的解放入调和函数中，并上传至关重件质量服务平台；
8)当编辑距离L<0时，利用数字孪生工艺模型，进行工艺参数和工艺路线优化；
9)通过工艺优化，产生新的变形量解空间，返回步骤3)。
基于数字孪生技术，利用ANSYS有限元分析软件对关重件制造过程中的变形量进行动态优化和仿真，通过对变形量范围进行比对，从而判断工件的加工质量。如图3所示，质量预测算法包括以下步骤：
1)采集物理实体的实时数据，创建数字孪生映射模型；
2)利用关重件质量服务平台的历史数据，与采集的实时数据作对比；
3)当关重件工序变形量满足变形量标准时，关重件质量服务平台产生加工参数和工艺参数，虚拟车间根据该参数模拟加工；
4)当关重件变形量不满足标准时，对数字孪生映射模型进行仿真，对关重件工序变形量进行统计，利用质量比对算法进行质量合格比对；
5)当步骤4)中的工序变形量不合格时，对数字孪生工艺模型进行参数更改和数字孪生迭代优化，并返回步骤2)；
6)当步骤4)中的工序变形量合格时，关重件质量服务平台下达指令，指导物理车间进行加工，并将参数数据上传至关重件质量服务平台。
对船用柴油机关重件数字孪生工艺模型的动态仿真优化是迭代循环的，根据对船用柴油机关重件和加工资源设备的实时数据，调整加工参数和工艺参数，并对加工和工艺参数进行不间断的优化，得到最优参数并指导物理车间加工。
(4)利用智能算法，融合实时采集的物理数据和关重件服务平台中的历史数据，对船用柴油机关重件的加工质量进行初步判定。
(5)对船用柴油机关重件进行动态仿真优化，实现对船用柴油机关重件加工质量的最终预测，动态仿真优化包括工艺参数和工艺路线优化。通过对船用柴油机关重件的制造工艺进行优化，动态调整船用柴油机关重件加工参数，对工件加工质量进行预测，保证最终的加工质量。
图5所示为数字孪生驱动的船用柴油机关重件智能制造流程。通过对船用柴油机关重件加工物理车间的实时数据采集，利用数据驱动，基于实时数据的数字孪生模型，实现船用柴油机关重件的加工质量预测。所创建的数字孪生模型体系，具有工艺参数优化、加工过程更新、变形量测量、工艺路线优化、工艺庚城分析和工序质量动态监测。船用柴油机关重件质量预测平台对根据仿真优化的工艺参数，对物理车间下达指令，指导物理车间加工。该服务平台具有历史数据存储、质量扰动因素分析、有限元仿真、加工过程模拟、智能推理与决策和工艺优化的功能。船用柴油机关重件质量服务平台向物理车间下达加工指令，利用物理实体采集到的实时数据，通过数字孪生模型体系，基于信息物理融合技术，最终实现船用柴油机关重件加工质量的预测。
面向船用柴油机关重件的数字孪生迭代优化，如图6所示。通过实时采集的数据，利用数字孪生模型和关重件质量服务平台，对工艺参数进行优化、工艺仿真验证、有限元仿真和加工过程仿真进行数字孪生迭代优化。关重件质量服务平台是船用柴油机关重件加工质量预测的“心脏”，利用下达的工艺更改指令，实现工艺参数和工艺路线的动态调整。关重件质量服务平台又包括：数据优化模块、优化方案验证模块、工件质量预测模块、工序变形量预测模块和工艺优化与仿真模块。其中，工序变形量预测模块是工件质量模块的前提，是工件质量合格的保证。
如图4所示，船用柴油机机身精镗曲轴孔工序的质量预测流程图为：
将机身曲轴孔工序由φ212mm加工至φ213mm，首先，在系统中输入加工参数：S＝200r/min，f＝25mm/min,加工余量为1mm，切深0.1mm，利用实时数据和历史数据生成精镗曲轴孔的数字孪生工艺模型。选取质量服务平台中满足加工质量的变形量作为标准变形量，即为S标。通过有限元分析，利用智能比对算法，将生成的结果实时变形量S1与S标作比较，从而对加工质量进行预测，判断工件是否满足质量要求，如不满足要求，则对精镗曲轴孔工艺参数和工艺路线进行优化，最终实现机身精镗曲轴孔工序加工质量预测，将优化数据上传到质量服务平台。
本发明对数字孪生映射模型进行有限元分析，以船用柴油机关重件加工变形量为依据，通过数字孪生迭代优化，对工艺参数进行优化。运用质量预测和质量比对算法，对船用柴油机关重件的质量进行加工质量预测。有效利用信息空间和物理空间的真实映射，对加工过程的各工序进行孪生模型的虚拟加工，对数字孪生工艺参数进行不断地迭代循环优化，仿真优化得到最优的工艺参数，实现船用柴油机关重件的加工质量预测。
Claims (6)
1.一种基于数字孪生的船用柴油机关重件加工质量预测方法，其特征在于，包括以下步骤：
（1）对加工过程中的船用柴油机关重件和加工资源设备进行实时数据采集；
（2）对采集到的实时数据特征进行分类；
（3）依据采集到的实时数据和关重件质量服务平台中的历史数据，创建数字孪生模型体系，数字孪生模型体系包括：数字孪生关重件模型、数字孪生资源模型、数字孪生工艺模型、数字孪生规则模型和数字孪生质量模型，所述的数字孪生规则模型包括质量比对算法和质量预测算法，所述的质量比对算法包括以下步骤：
1）创建船用柴油机关重件加工过程变形量的初始解空间；
2）当船用柴油机关重件加工过程变形量发生变化时产生新解；
3）判断产生的新解是否包括插入、产出和替换在内的编辑操作；
4）若未发生编辑，对质量服务平台中的变形量解空间进行匹配；
5）发生编辑时，通过计算编辑距离，进行相似度匹配；
6）当编辑距离大于0时，将变形量解放入目标函数；
7）将目标函数的解放入调和函数中，并上传至关重件质量服务平台；
8）当编辑距离小于0时，利用数字孪生工艺模型，进行工艺参数和工艺路线优化；
9）通过工艺优化，产生新的变形量解空间，返回步骤3）；
所述的质量预测算法包括以下步骤：
1）采集物理实体的实时数据，创建数字孪生映射模型；
2）利用关重件质量服务平台的历史数据，与采集的实时数据作对比；
3）当关重件工序变形量满足变形量标准时，关重件质量服务平台产生加工参数和工艺参数，虚拟车间根据该参数模拟加工；
4）当关重件变形量不满足标准时，对数字孪生映射模型进行仿真，对关重件工序变形量进行统计，利用质量比对算法进行质量合格比对；
5）当步骤4）中的工序变形量不合格时，对数字孪生工艺模型进行参数更改和数字孪生迭代优化，并返回步骤2）；
6）当步骤4）中的工序变形量合格时，关重件质量服务平台下达指令，指导物理车间进行加工，并将参数数据上传至关重件质量服务平台；
（4）利用智能算法，融合实时采集的物理数据和关重件服务平台中的历史数据，对船用柴油机关重件的加工质量进行初步判定；
（5）对船用柴油机关重件进行动态仿真优化，实现对船用柴油机关重件加工质量的最终预测。
2.根据权利要求1所述的一种基于数字孪生的船用柴油机关重件加工质量预测方法，其特征在于，所述步骤（1）中的实时数据通过传感器、RFID、执行器进行采集。
3.根据权利要求1所述的一种基于数字孪生的船用柴油机关重件加工质量预测方法，其特征在于，所述步骤（1）中的船用柴油机关重件加工实时数据包括：几何尺寸、几何误差、形位误差、形状数据、加工变形量和工件表面质量。
4.根据权利要求1所述的一种基于数字孪生的船用柴油机关重件加工质量预测方法，其特征在于，所述步骤（1）中的加工资源设备实时数据包括：刀具磨损、刀具颤动、加工参数、切削要素、夹具损坏、机床磨损与机床精度偏差。
5.根据权利要求1所述的一种基于数字孪生的船用柴油机关重件加工质量预测方法，其特征在于，所述步骤（2）中的实时数据特征分类包括：推演、融合、过滤、挖掘和迭代。
6.根据权利要求1所述的一种基于数字孪生的船用柴油机关重件加工质量预测方法，其特征在于，所述步骤（5）中的动态仿真优化包括工艺参数和工艺路线优化。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201811373901.XA CN109615113B (zh) | 2018-11-19 | 2018-11-19 | 一种基于数字孪生的船用柴油机关重件加工质量预测方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201811373901.XA CN109615113B (zh) | 2018-11-19 | 2018-11-19 | 一种基于数字孪生的船用柴油机关重件加工质量预测方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN109615113A CN109615113A (zh) | 2019-04-12 |
| CN109615113B true CN109615113B (zh) | 2022-12-30 |
Family
ID=66004119
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201811373901.XA Active CN109615113B (zh) | 2018-11-19 | 2018-11-19 | 一种基于数字孪生的船用柴油机关重件加工质量预测方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN109615113B (zh) |
Families Citing this family (24)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| EP3751370A1 (en) * | 2019-06-14 | 2020-12-16 | General Electric Company | Additive manufacturing-coupled digital twin ecosystem based on multi-variant distribution model of performance |
| DE102020115571A1 (de) * | 2019-06-14 | 2020-12-17 | General Electric Company | Digitales Doppelecosystem gekoppelt mit Additivherstellung wie konstruiert, wie hergestellt, wie getestet, wie betrieben, wie geprüft und wie gewartet |
| CN110532600B (zh) * | 2019-07-19 | 2021-10-08 | 北京航空航天大学 | 一种动力电池热管理系统及方法 |
| CN110532625B (zh) * | 2019-07-31 | 2021-02-02 | 西安交通大学 | 航空发动机涡轮盘-转子-支承系统数字孪生建模方法 |
| CN110503338B (zh) * | 2019-08-26 | 2022-07-15 | 江苏方天电力技术有限公司 | 一种泛在电力物联网监测方法 |
| CN110781580A (zh) * | 2019-09-27 | 2020-02-11 | 江苏科技大学 | 一种基于数字孪生的焊接工艺辅助设计系统及其设计方法 |
| CN110704974B (zh) * | 2019-09-30 | 2023-08-01 | 江苏科技大学 | 基于数字孪生驱动的工艺模型的建模与使用方法 |
| CN110705882B (zh) * | 2019-09-30 | 2022-12-13 | 江苏科技大学 | 孪生数据驱动的船舶组立产品质量管控系统及配置方法 |
| CN110990907B (zh) * | 2019-11-06 | 2024-03-01 | 江苏科技大学 | 基于特征-资源知识的船用柴油机关重件可制造性三级优化方法 |
| CN110750081A (zh) * | 2019-11-07 | 2020-02-04 | 中船重工(重庆)西南装备研究院有限公司 | 一种船用柴油机关重件数字化车间集成系统 |
| CN110900307B (zh) * | 2019-11-22 | 2020-12-15 | 北京航空航天大学 | 一种数字孪生驱动的数控机床刀具监控系统 |
| CN110941251B (zh) * | 2019-12-25 | 2023-08-01 | 南方科技大学 | 基于数字孪生体的生产控制方法、装置、设备及介质 |
| CN111308975A (zh) * | 2020-02-28 | 2020-06-19 | 南京航空航天大学 | 基于数字孪生技术的智能制造系统孪生智能体构建系统及方法 |
| CN111445168A (zh) * | 2020-04-21 | 2020-07-24 | 深圳民声第三方监管有限公司 | 一种质量安全第三方监管系统和方法 |
| CN112070279B (zh) * | 2020-08-19 | 2024-06-11 | 浙江工业大学 | 一种基于数字孪生技术的产品加工控制方法 |
| EP3961321A1 (en) * | 2020-08-27 | 2022-03-02 | Siemens Aktiengesellschaft | System and method for instantaneous performance management of a machine tool |
| US11934755B2 (en) | 2020-10-28 | 2024-03-19 | International Business Machines Corporation | Digital twin lubrication simulation |
| CN112200493A (zh) * | 2020-11-02 | 2021-01-08 | 傲林科技有限公司 | 一种数字孪生模型构建方法及装置 |
| CN112486091B (zh) * | 2020-11-27 | 2022-02-11 | 江苏科技大学 | 一种中低速柴油机关键孔系加工方法 |
| CN112508373B (zh) * | 2020-11-27 | 2023-07-25 | 江苏科技大学 | 一种基于数字孪生技术的船用柴油机性能评估方法 |
| CN112633532B (zh) * | 2020-12-29 | 2023-06-02 | 上海工程技术大学 | 一种基于数字孪生技术的列车车轮维修管理系统 |
| CN112926764B (zh) * | 2021-01-21 | 2023-05-30 | 北京理工大学 | 一种产品质量性能预测方法和装置 |
| CN113126564B (zh) * | 2021-04-23 | 2023-03-21 | 重庆大学 | 一种数字孪生驱动的数控铣削刀具磨损在线监测方法 |
| CN113534741A (zh) * | 2021-07-13 | 2021-10-22 | 哈尔滨理工大学 | 一种铣削加工薄壁件的控制方法及系统 |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106530111A (zh) * | 2016-12-01 | 2017-03-22 | 东华大学 | 一种面向智能棉纺生产的cps架构 |
| CN106682365A (zh) * | 2017-01-24 | 2017-05-17 | 江苏科技大学 | 一种船用柴油机关重件mbd模型的快速建模方法 |
| CN107861478A (zh) * | 2017-10-17 | 2018-03-30 | 广东工业大学 | 一种智能车间平行控制方法及系统 |
-
2018
- 2018-11-19 CN CN201811373901.XA patent/CN109615113B/zh active Active
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106530111A (zh) * | 2016-12-01 | 2017-03-22 | 东华大学 | 一种面向智能棉纺生产的cps架构 |
| CN106682365A (zh) * | 2017-01-24 | 2017-05-17 | 江苏科技大学 | 一种船用柴油机关重件mbd模型的快速建模方法 |
| CN107861478A (zh) * | 2017-10-17 | 2018-03-30 | 广东工业大学 | 一种智能车间平行控制方法及系统 |
Non-Patent Citations (1)
| Title |
|---|
| 基于数字孪生的航天结构件制造车间建模研究;郭东升等;《东华大学学报》;20180825;第44卷(第4期);第578-585页 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN109615113A (zh) | 2019-04-12 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109615113B (zh) | 一种基于数字孪生的船用柴油机关重件加工质量预测方法 | |
| CN109270899B (zh) | 一种基于数字孪生的船用柴油机关重件制造过程管控方法 | |
| US7099737B2 (en) | Intelligent STEP-NC controller | |
| KR101846793B1 (ko) | 제조 장비에서 수집된 데이터의 분석을 이용한 제조 공정 계획 방법 및 이를 이용한 제조 공정 계획 시스템 | |
| CN111274671A (zh) | 一种基于数字孪生的复杂产品装配过程精准修配方法及其运行系统 | |
| CN111968004A (zh) | 一种基于数字孪生的高精密产品装调一体化系统 | |
| Ahmad et al. | Current trend in computer aided process planning | |
| CN111158314A (zh) | 一种基于数字孪生技术的卫星部装装配精度控制方法 | |
| CN102929210A (zh) | 基于特征的数控加工过程控制和优化系统及方法 | |
| Liu et al. | Dynamic design method of digital twin process model driven by knowledge-evolution machining features | |
| Liu et al. | A digital twin-based approach for dynamic clamping and positioning of the flexible tooling system | |
| CN111240283B (zh) | 针对智能制造系统的可适应规划设计仿真平台构建方法 | |
| CN111832624A (zh) | 一种基于对抗迁移学习的刀具剩余寿命预测方法 | |
| CN108646689A (zh) | 一种基于焊接的虚拟生产制造方法及系统 | |
| Liu et al. | Integrated manufacturing process planning and control based on intelligent agents and multi-dimension features | |
| CN113642236A (zh) | 一种面向多学科的数字孪生图网络建模方法 | |
| CN114064932A (zh) | 曲面类零件铣削工艺系统数据集成和挖掘方法及装置 | |
| Brecher et al. | Evaluation of toolpath quality: User-assisted CAM for complex milling processes | |
| CN113554230A (zh) | 一种面向制造全生命周期的数字孪生可表示性建模系统 | |
| Wei et al. | Manufacturing data-driven process adaptive design method | |
| CN110990907B (zh) | 基于特征-资源知识的船用柴油机关重件可制造性三级优化方法 | |
| CN111598364B (zh) | 用于机械零部件的数字化工艺编排系统 | |
| CN107392385A (zh) | 一种基于质量数据深度分析的生产计划编制方法 | |
| CN108227627B (zh) | 一种用于船用柴油机关键件的数控程序编制方法 | |
| CN109445397B (zh) | 智能数控车间设计验证系统 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |