CN110276147A - 一种基于数字孪生模型的制造系统故障溯源方法、系统 - Google Patents
一种基于数字孪生模型的制造系统故障溯源方法、系统 Download PDFInfo
- Publication number
- CN110276147A CN110276147A CN201910564042.0A CN201910564042A CN110276147A CN 110276147 A CN110276147 A CN 110276147A CN 201910564042 A CN201910564042 A CN 201910564042A CN 110276147 A CN110276147 A CN 110276147A
- Authority
- CN
- China
- Prior art keywords
- fault
- manufacturing system
- nodes
- model
- color
- 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.)
- Granted
Links
- 238000004519 manufacturing process Methods 0.000 title claims abstract description 151
- 238000000034 method Methods 0.000 title claims abstract description 44
- 230000010365 information processing Effects 0.000 claims abstract description 41
- 230000000007 visual effect Effects 0.000 claims abstract description 21
- 238000013178 mathematical model Methods 0.000 claims abstract description 10
- 230000008878 coupling Effects 0.000 claims description 70
- 238000010168 coupling process Methods 0.000 claims description 70
- 238000005859 coupling reaction Methods 0.000 claims description 70
- 238000004088 simulation Methods 0.000 claims description 57
- 239000011159 matrix material Substances 0.000 claims description 36
- 238000005516 engineering process Methods 0.000 claims description 35
- 238000013461 design Methods 0.000 claims description 30
- 239000003086 colorant Substances 0.000 claims description 22
- 238000004458 analytical method Methods 0.000 claims description 15
- 238000010845 search algorithm Methods 0.000 claims description 15
- 238000012916 structural analysis Methods 0.000 claims description 15
- 238000012544 monitoring process Methods 0.000 claims description 9
- 230000019612 pigmentation Effects 0.000 claims description 9
- 230000008569 process Effects 0.000 claims description 9
- 238000004891 communication Methods 0.000 claims description 8
- 238000010276 construction Methods 0.000 claims description 8
- 230000009471 action Effects 0.000 claims description 7
- 230000001360 synchronised effect Effects 0.000 claims description 5
- 238000004040 coloring Methods 0.000 claims description 4
- 238000000605 extraction Methods 0.000 claims description 4
- 238000012546 transfer Methods 0.000 claims description 4
- 238000011058 failure modes and effects analysis Methods 0.000 claims 2
- 230000006872 improvement Effects 0.000 abstract description 7
- 230000003993 interaction Effects 0.000 description 8
- 238000012423 maintenance Methods 0.000 description 8
- 238000010586 diagram Methods 0.000 description 5
- 238000003745 diagnosis Methods 0.000 description 4
- 238000013459 approach Methods 0.000 description 3
- 230000004927 fusion Effects 0.000 description 3
- 238000000227 grinding Methods 0.000 description 3
- 238000005457 optimization Methods 0.000 description 3
- 230000008859 change Effects 0.000 description 2
- 238000004590 computer program Methods 0.000 description 2
- 230000007547 defect Effects 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 239000010687 lubricating oil Substances 0.000 description 2
- 230000007246 mechanism Effects 0.000 description 2
- 230000037361 pathway Effects 0.000 description 2
- PLXMOAALOJOTIY-FPTXNFDTSA-N Aesculin Natural products OC[C@@H]1[C@@H](O)[C@H](O)[C@@H](O)[C@H](O)[C@H]1Oc2cc3C=CC(=O)Oc3cc2O PLXMOAALOJOTIY-FPTXNFDTSA-N 0.000 description 1
- 208000027418 Wounds and injury Diseases 0.000 description 1
- 230000002159 abnormal effect Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000015556 catabolic process Effects 0.000 description 1
- 230000001010 compromised effect Effects 0.000 description 1
- 238000011109 contamination Methods 0.000 description 1
- 230000006378 damage Effects 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 238000006731 degradation reaction Methods 0.000 description 1
- 208000014674 injury Diseases 0.000 description 1
- 238000011835 investigation Methods 0.000 description 1
- 239000000314 lubricant Substances 0.000 description 1
- 238000005461 lubrication Methods 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 239000003921 oil Substances 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 238000004451 qualitative analysis Methods 0.000 description 1
- 238000011084 recovery Methods 0.000 description 1
- 230000008054 signal transmission Effects 0.000 description 1
- 238000003860 storage Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/16—Matrix or vector computation, e.g. matrix-matrix or matrix-vector multiplication, matrix factorization
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Mathematical Physics (AREA)
- Data Mining & Analysis (AREA)
- Mathematical Optimization (AREA)
- Mathematical Analysis (AREA)
- Pure & Applied Mathematics (AREA)
- Computational Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Software Systems (AREA)
- Databases & Information Systems (AREA)
- Computing Systems (AREA)
- Algebra (AREA)
- Computer Hardware Design (AREA)
- Evolutionary Computation (AREA)
- Geometry (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Test And Diagnosis Of Digital Computers (AREA)
Abstract
本发明公开了一种基于数字孪生模型的制造系统故障溯源方法、系统，包括以下步骤：步骤A，在仿真平台上搭建数字孪生体的故障溯源数学模型；步骤B，在仿真平台上搭建制造系统的数字孪生体的可视化仿真模型；步骤C，建立制造系统的数字孪生模型；步骤D，通过广度优先的根源搜索算法对所述基于多色集合的信息处理模型中的所有故障传播路径进行搜索，查找出故障根源。能更好更快地找到故障的根本原因，有助于提高可诊断性，辅助技术人员有针对性地提出可靠性改进措施。
Description
技术领域
本发明涉及系统故障溯源领域，尤其涉及一种基于数字孪生模型的制造系统故障溯源方法、系统。
背景技术
制造系统的可诊断性和可维护性与可靠性同样重要。失效恢复能力对于减少生产停机时间至关重要。制造设备可靠性增长是一个不断测试、不断重新设计、不断调整的过程。它也是一个系统工程，因为机器通常是由机械、电子、电气和液压组件和部件组成的高度耦合的系统。在许多情况下，随着系统可靠性水平接近可达到的最大可靠性，提高可靠性所涉及的成本将大幅增加。在某种程度上，提高可诊断性和可维护性比提高系统可靠性更经济。
在实际生产过程中几分钟的停产往往也会给企业造成巨大的生产损失。因此，制造系统的根源故障原因分析(RCA)对于减少停机时间和防止生产损失具有重要意义，一旦发生故障事件，就必须快速定位根源故障原因。微小故障的影响可能传播并关闭整个制造系统。通过对某活塞生产线机器的调查发现，由于自动加载、定位、夹紧、位置传感等故障易发环节较多，自动化生产线的可靠性问题比单机更加突出。生产车间的实践也表明，发生的故障一般是由进一步的根源故障原因引起的，而对维修人员来说，确定根源故障原因通常是一项艰苦而耗时的工作。注意，只有一小部分已证实的故障是由于机械结构设计不合理造成的，大多是由于小细节的意外因素(如信号传输、传感装置、振动、接头松动、油污、原站产品质量误差等)造成的。通常，故障的发生都有潜在的根源故障原因，这些故障之间的连接是高度耦合的，这使得可靠性建模和RCA非常困难。
由于存在多种功能故障传播路径，一些故障模式可能具有共同的根源故障原因。在以往的可靠性设计中，往往忽略了故障的传播机制，现场维修中根源故障原因检查的相关对策只能起到权宜之计的作用，而不是治本之策。此外，当对某一失效部件进行针对性的最小维修措施时，失效部件恢复到完美状态，但相关耦合部件(如机械磨损、松动)的退化仍存在。在这种情况下，制造系统的可靠性在维护后会被高估。
RCA和可诊断性的提高在很大程度上依赖于制造系统的合理故障模型。因此，对于高度耦合的制造系统，首先需要建立考虑各子系统和部件之间耦合关系的系统故障模型。几种传统的RCA方法被应用于组件间耦合关系的建模。失效模式与影响分析(FMEA)被广泛应用于机电产品在设计阶段和可靠性增长阶段的可靠性分析。它的目的是找出构件可能的失效模式及其对上部构件或系统的失效影响。然而，这是一种定性的方法，因为失败模式的重要度量是由专家的分数决定的。故障树分析(FTA)是的另一种重要分析方法。FTA的缺点是，树状失效依赖关系不能有效描述失效模式之间复杂的相互作用。此外，很难完美地构建所有的故障树。传统模型除了故障模式之间存在复杂的耦合关系外，在描述故障传播过程的传播强度、传播方向、传播逻辑关系等多个属性方面也存在不足。
一些仿真模型被广泛应用于描述离散制造系统的复杂耦合连接。Petri网和扩展Petri网是其中最流行的模型。然而，Petri网模型在表示制造要素的尺寸和特征方面相对有限。此外，Petri网的建模过程通常是基于反复试验的人工工作。复杂网络理论是近十年来耦合交互建模的另一种流行的分析方法。但它是一种定性分析方法，只能应用于超大型系统。
发明内容
本发明的一个目的在于提出一种基于数字孪生模型的制造系统故障溯源方法，能更好更快地找到故障的根本原因，有助于提高可诊断性，辅助技术人员有针对性地提出可靠性改进措施。
本发明的另一个目的在于提出一种基于数字孪生模型的制造系统故障溯源系统，能更好更快地找到故障的根本原因，有助于提高可诊断性，辅助技术人员有针对性地提出可靠性改进措施。
为达此目的，本发明采用以下技术方案：
一种基于数字孪生模型的制造系统故障溯源方法，包括以下步骤：
步骤A，在仿真平台上搭建数字孪生体的故障溯源数学模型：
步骤A1，通过结构分析与设计技术SADT获得制造系统中各部件间的功能耦合关系、节点和有向边，建立制造系统的故障耦合网络；
步骤A2，通过多色集合获得制造系统的故障耦合网络中故障模式的多属性之间的耦合连接关系，建立基于多色集合的信息处理模型；
步骤A3，根据基于多色集合的信息处理模型构造用于寻找所有故障传播路径的故障图FG，建立故障溯源数学模型；
步骤B，获取制造系统的设计要求信息，在仿真平台上搭建制造系统的数字孪生体的可视化仿真模型；
步骤C，利用数字孪生技术，搭建制造系统中数字孪生体和实物孪生体的信息通道和指令通道，建立制造系统的数字孪生模型；
步骤D，从制造系统的数字孪生模型获取故障信息，通过广度优先的根源搜索算法对所述基于多色集合的信息处理模型中的所有故障传播路径进行搜索，查找出故障根源，完成故障溯源。
优选地，一种基于数字孪生模型的制造系统故障溯源系统，包括：
数字孪生体的故障溯源数学模型，包括：
故障耦合网络构建单元，用于通过结构分析与设计技术SADT获得制造系统中各部件间的功能耦合关系、节点和有向边，建立制造系统的故障耦合网络；
信息处理模型构建单元，用于通过多色集合获得制造系统的故障耦合网络中故障模式的多属性之间的耦合连接关系，建立基于多色集合的信息处理模型；
和故障图FG构建单元，用于根据基于多色集合的信息处理模型构造用于寻找所有故障传播路径的故障图FG；
制造系统的数字孪生模型，包括：
可视化仿真模型构建单元，用于获取制造系统的设计要求信息，在仿真平台上搭建制造系统的数字孪生体的可视化仿真模型；
通道搭建单元，用于利用数字孪生技术，搭建制造系统中数字孪生体和实物孪生体的信息通道和指令通道，建立制造系统的数字孪生模型；
故障溯源单元，用于从制造系统的数字孪生模型获取故障信息，通过广度优先的根源搜索算法对所述基于多色集合的信息处理模型中的所有故障传播路径进行搜索，查找出故障根源，完成故障溯源。
制造系统的根源故障原因分析(RCA)对于减少停机时间和防止生产损失具有重要意义。制造设备通常是机电液系统。故障产生于小部件，可能通过多种途径传播。现场生产实践表明，一些系统故障往往是由小缺陷等意外因素引起的。为了能更好更快地找到故障的根本原因，所述基于数字孪生模型的制造系统故障溯源方法，基于数字孪生技术构建了实物与仿真同步运行的数字孪生模型，并在制造系统的虚拟模型中根据制造系统的部件之间的功能耦合关系，建立了故障耦合网络，考虑到故障耦合网络中的节点和有向边具有不同的传播特性，通过多色集合来描述故障传播过程中的故障耦合关系和多属性，建立基于多色集合的信息处理模型；通过广度优先的根源搜索算法对所述基于多色集合的信息处理模型中的所有故障传播路径进行搜索，查找出故障根源，完成故障溯源。
数字孪生模型通过虚实相互作用、虚实数据融合分析、虚实迭代优化等方式，为制造设备的实时监控、故障溯源和故障诊断提供保障。在数字孪生模型的基础上利用有向网络与多色集合集成建模方法，为制造设备的RCA提供一种方便的信息处理模型，有助于提高可诊断性，辅助技术人员有针对性地提出可靠性改进措施。
附图说明
附图对本发明做进一步说明，但附图中的内容不构成对本发明的任何限制。
图1是本发明其中一个实施例的故障溯源主流程图；
图2是本发明其中一个实施例的功能异常传播说明图；
图3是本发明其中一个实施例的SADT原理说明图；
图4是本发明其中一个实施例的图3的功能分解图；
图5是本发明其中一个实施例的失效模式与根源故障原因的耦合关系图；
图6是本发明其中一个实施例的失效模式之间逻辑关系的故障图；
图7是本发明其中一个实施例的广度优先的根源搜索算法流程图；
图8是本发明其中一个实施例的故障溯源系统框架图。
具体实施方式
下面结合附图并通过具体实施方式来进一步说明本发明的技术方案。
本实施例的基于数字孪生模型的制造系统故障溯源方法，如图1所示，包括以下步骤：
步骤A，在仿真平台上搭建数字孪生体的故障溯源数学模型：
步骤A1，通过结构分析与设计技术SADT获得制造系统中各部件间的功能耦合关系、节点和有向边，建立制造系统的故障耦合网络；
步骤A2，通过多色集合获得制造系统的故障耦合网络中故障模式的多属性之间的耦合连接关系，建立基于多色集合的信息处理模型；
步骤A3，根据基于多色集合的信息处理模型构造用于寻找所有故障传播路径的故障图FG，建立故障溯源数学模型；
步骤B，获取制造系统的设计要求信息，在仿真平台上搭建制造系统的数字孪生体的可视化仿真模型；
步骤C，利用数字孪生技术，搭建制造系统中数字孪生体和实物孪生体的信息通道和指令通道，建立制造系统的数字孪生模型；
步骤D，从制造系统的数字孪生模型获取故障信息，通过广度优先的根源搜索算法对所述基于多色集合的信息处理模型中的所有故障传播路径进行搜索，查找出故障根源，完成故障溯源。
制造系统的根源故障原因分析(RCA)对于减少停机时间和防止生产损失具有重要意义。制造设备通常是机电液系统。故障产生于小部件，可能通过多种途径传播。现场生产实践表明，一些系统故障往往是由小缺陷等意外因素引起的。为了能更好更快地找到故障的根本原因，所述基于数字孪生模型的制造系统故障溯源方法，基于数字孪生技术构建了实物与仿真同步运行的数字孪生模型，并在制造系统的虚拟模型中根据制造系统的部件之间的功能耦合关系，建立了故障耦合网络，考虑到故障耦合网络中的节点和有向边具有不同的传播特性，通过多色集合来描述故障传播过程中的故障耦合关系和多属性，建立基于多色集合的信息处理模型；通过广度优先的根源搜索算法对所述基于多色集合的信息处理模型中的所有故障传播路径进行搜索，查找出故障根源，完成故障溯源。
数字孪生模型通过虚实相互作用、虚实数据融合分析、虚实迭代优化等方式，为制造设备的实时监控、故障溯源和故障诊断提供保障。在数字孪生模型的基础上利用有向网络与多色集合集成建模方法，为制造设备的RCA提供一种方便的信息处理模型，有助于提高可诊断性，辅助技术人员有针对性地提出可靠性改进措施。
制造系统的故障机理异常复杂，存在大量的耦合渐进故障。随着制造业数字化、网络物理系统、基于模型的系统工程、数据采集和处理的不断深入，现实机械产品的监测和运行数据日益丰富，实现了实时监控、故障溯源和故障诊断。数字孪生本身是指对组件、产品或系统的全面的物理和功能描述，它或多或少地包括在所有(当前和后续)生命周期阶段中可能有用的所有信息。
值得注意的是，这些机器的组件是通过它们的功能交互集成的。因此，本故障溯源方法可以根据部件的功能严格地表征其失效模式。功能相互作用建立在机械接头、液压管道或电缆上。为了说明各部件之间的功能耦合关系，图2给出了一个简单的磨床实例：在供电系统中，接触器的作用是接通电流，使润滑油电机产生机械动力；随后，该泵增加润滑油流量；如接触器未能执行其功能，这种功能波动也会影响其他两个组件的功能行为。所有机器部件之间的功能耦合关系可能会变得非常复杂，因为一个部件可能具有多个功能，而每个功能又可能与不同部件的功能密切相关。在考虑了所有的传播路径和交叉点后，可以很自然地构建故障耦合网络。
除了故障模型的函数耦合特性外，还应注意函数异常传播的多属性。值得注意的是，故障耦合网络不能用复杂网络理论来分析。在复杂网络中，传播路径沿有向边是任意的，在此基础上对节点或边的重要性进行不同程度或中心性度量。然而，故障耦合网络的有向边和节点具有不同的特征，包括传输强度、方向和逻辑关系。
为了区分函数变化的幅度，在网络中给边缘分配了1(中度偏差)和10(重度偏差)两种数字。此外，根据第二种失效模式(或根源故障原因)相对于第一种失效模式的偏差方向，还指定了偏差的符号，其符号为增加或减少(+，-)。如果方向相似，则为正，否则为负。例如，在图2中，输入故障模式“接触器不接通电流”的变化导致输出故障模式“润滑油电机不产生机械功率”的值正、中偏差。因此，增益为“+1”。综上所述，看到的失效模式存在潜在的原因，因此对给定失效模式的所有传播路径进行跟踪是十分必要的。一些失效模式受其他故障的影响，具有逻辑关系。此时，为了快速检查根源，网络中的有向边和节点需要通过多个属性进行区分。
优选地，步骤A2具体包括以下步骤：
步骤A2.1，通过多色集合的单独色素沉淀获得各部件和失效模式间的关系并用以下布尔矩阵表示：
其中，多色集合A＝(a1,...ai,...,an)，ai表示部件，n为制造系统的部件个数，颜色集合F(ai)＝(f1(ai),...,fj(ai),...,fp(ai))表示部件ai的失效模式集合，单个颜色fj(ai)表示部件ai的第j种失效模式；若fj∈F(ai)则cij＝1，否则cij＝0；
步骤A2.2，通过多色布尔矩阵[F(a)×F(a)]描述失效模式和根源故障原因之间的依赖关系：
其中，若fj依赖于fi，则dij＝1，否则dij＝0；如图5所示，失效模式与根源故障原因的故障耦合网络可以根据上式来构建，但是这样的网络对于根源故障原因的推理是不够的，个别色集F(a)与统一色集F(A)之间存在另一耦合关系；
因此步骤A2.3，利用轮廓矩阵[F(a)×F(A)]建立个别色集F(a)与统一色集F(A)之间的耦合关系：
其中，
统一色集F(A)＝(F1(A),...,Fj(A),...,Fm(A))＝(F1,...,Fj,...,Fm)
若统一颜色Fj属于fj，则eij＝1(j＝1,2,3,4)；步骤C1至步骤C3很好地刻画节点的特征，另一方面,连接边缘的特征需要进一步在多色集合PS中定义；
步骤A2.4，通过个别色集F(a)的笛卡尔积构造边集C：在多色布尔矩阵[F(a)×F(a)]中，若第i种失效模式与第j种失效模式存在连通关系，则dij＝1，随后边集C通过包含所有非零连接来获得；同样的，边集C的元素拥有各自统一的颜色；例如，如图5所示，如果根源故障原因R1(油藏裂缝)发生，则分配有向边的增益“-1”，这意味着储油水平将下降。由于轮廓矩阵[F(a)×F(A)]中每个失效模式可能有多个统一的颜色，有向边也可能有多个特征，因此将颜色集F(C)＝(+1，+10，-1，-10)展开，则F(C)的色素沉着为：
其中，若统一颜色Fj属于cij，则rij＝1(j＝1,2,3,4)；
故障模式之间的联系除了具有集合F(C)的传播特性外，还具有逻辑关系，以磨床为例，考虑了逻辑“或”和“与”的关系。边集C的元素是单个颜色fj(即第j种失效模式)的先决条件。因此，这些元素被认为是单个颜色的系统实体；
因此步骤A2.5，建立一个布尔矩阵来描述边集C和实体集合C(f)之间的关系：
其中，若ci,j∈Ck(fj)，则否则fj的系统实体为：
其中Ck(fj)表示fj的第k个实体，所有颜色的实体表示为
步骤A2.6，运用多色集合中的提取和连接运算来描述失效模式之间的逻辑关系：
例如在图6中，使用一个包含6个节点的小网络来说明逻辑关系，可以得到f6的实体为：
C(f6)＝C1(f6)∨C2(f6)∨C3(f6)＝(f1∧f2)∨f4∨f5；
从而建立基于多色集合的信息处理模型为：
PS＝(A,F(a),F(A),[A×F(a)],[F(a)×F(a)],[F(a)×F(A)],C,F(C),[C×F(c)],[C×C(F)])；
所述基于多色集合的信息处理模型用于获得制造系统的故障耦合网络中故障模式的多属性之间的耦合连接关系，很好地描述了函数故障耦合关系。
失效模式与影响分析FMEA是由来自设计、制造和维护部门的专家执行的一个高度规范的程序。FMEA形式的失效模式之间的耦合关系隐含在整个系统中，逐项描述局部关系是一种有用的方法。在该方法的初始步骤中，使用FMEA表格中的项目对PS进行着色，然后基于PS进行根源故障原因推理。工程中，零部件失去原有设计所规定的功能称为失效。失效模式包括完全丧失原定功能、功能降低和有严重损伤或隐患、继续使用会失去可靠性及安全性。故障模式是指设备在工作过程中，因某种原因“丧失规定功能”或危害安全的模式。
在FMEA表单中有大量关于组件或组件失效模式之间依赖关系的信息。失效模式及其失效效果记录如表1所示。制造系统的每个部件通常有一种或几种故障模式，它们被记录在不同的行中。每种失效模式都可能导致潜在的小或大异常波动。
表1
多色集合PS已被证明是一种用于复杂系统信息处理的有效工具。传统集合A的复合可以表示为A＝(a1,...ai,...,an)。对于元素ai,aj∈A，在常规集合中只有名称不同，无法表示它们的其他特征。在多色集合中，不仅可以用不同的颜色对元素进行着色，还可以对元素的整体进行着色，以表现其不同的性质。
给定一个多色集合A＝(a1,...ai,...,an)，对应于A整体的颜色Fj(A)称为统一色；而颜色集合：
F(A)＝(F1(A),...,Fj(A),...,Fm(A))＝(F1,...,Fj,...,Fm)称为统一色。同时，颜色集合F(ai)＝(f1(ai),...,fj(ai),...,fp(ai))称为个体色素沉着。单个颜色fj(ai)和统一颜色Fj(A)分别指元素的第j个属性和研究对象的第j个属性。假设统一颜色Fj仅在一个或多个元素ai∈A时可用，由这些元素ai∈A组成的集合命名为Ak(Fj)，即统一颜色Fj的第k个系统实体。
多色集合的最后6个成分可以表示为：
PS＝(A,F(a),F(A),[A×F(a)],[A×F(A)],[A×A(F)])
上式的一些成分在真实情况下可能会被忽略，在模拟真实系统时还需要加入其他展开的成分，如单个颜色与统一颜色之间的关系[F(a)×F(A)]。多色集合A＝(a1,...ai,...,an)可表示表1中的分量，其中n为分量个数。单个颜色fj(ai)是指部件ai的第j种失效模式。单个颜色集合F(ai)表示部件ai的失效模式集合。因此，所有分量的单独色集F(a)可以构造为：
因此，函数的变化程度可以用统一的颜色Fj(A)来表示。如上所述，包括四种统一的颜色。正偏差和中偏差(+1)，正偏差和大偏差(+10)，负偏差和中偏差(-1)，负偏差和大偏差(-10)。统一色集F(A)可表示为：
F(A)＝{F1,F2,F3,F4}＝{+1,+10,-1,-10}。
优选地，如图7所示，所述步骤D中通过广度优先的根源搜索算法查找出故障根源具体为：
步骤D1，从给定的失败部件开始，在矩阵[A×F(a)]中搜索并列出失败部件的所有故障模式,失败部件中s表示第s个子系统，i表示第s个子系统的第i个部件；
步骤D2，在轮廓矩阵[F(a)×F(A)]中搜索每种故障模式的所有统一颜色并将其作为节点添加至故障图FG中，并将所有节点FMk放入集合M中，从而集合M包含具有不同统一颜色的节点FMk，k表示第k种失效模式且k＝1,2,...,K，K为集合M的节点数；
步骤D3，从k＝1开始，逐个判断集合M中第k个节点FMk是否为故障根本原因：若不是则执行步骤D4；
若是则将第k个节点FMk从集合M转移至集合B,集合B为包含所有的失败部件的故障根本原因的集合；并判断转移后集合M是否为空集：
若是则输出集合B作为失败部件的故障根源，完成故障溯源；
若不是则判断k+1是否大于K：若是则执行步骤D5，若不是则继续判断集合M中第k+1个节点FMk+1是否为故障根本原因；
步骤D4，首先搜索导致第k个节点FMk的多色布尔矩阵[F(a)×F(a)]中的所有子节点FMkl和链接；
并从中选择符合P(FMkl)×P(FMk,FMkl)＝P(FMk)要求的链接和子节点，并在故障图FG中标记这些选择出来的链接和子节点，将这些选择出来的子节点放入集合G，其中P(FMk)为第k个节点FMk的着色值，P(FMk,FMkl)为第k个节点FMk的着色值和第k个节点FMk与子节点FMkl的相连边的着色值的乘积，集合G包含集合M节点的子节点的中间集；
接着，根据矩阵[C×C(f)]，将集合G和集合M具有“与”和“或”关系的节点与有向箭头连接起来；完成后判断k+1是否大于K：
若是则执行步骤D5，若不是则继续判断集合M中第k+1个节点FMk+1是否为故障根本原因；
步骤D5，清空集合M，然后将集合G中的所有子节点加入至清空后的集合M中以获得新的集合M，对新的集合M的节点重新执行步骤D3和步骤D4，以执行新的集合M的节点是否为故障根本原因的判断。
在传统的根源故障原因推理方法中，可达性计算被广泛用于获得节点的重要性。但是，图5所示的耦合关系由于节点和边缘的传播特性不同，无法得到给定节点(失效模式)的根源故障原因。此外，维修人员不仅需要知道给定故障模式的根源故障原因，还需要知道完整的故障传播路径。基于多色集合的信息处理模型为寻找故障的根源和故障传播途径提供了一种可行的方法，对于现场维修节约维修成本、减少停机时间具有重要意义。到目前为止，基于广度优先的搜索策略可以实现根源搜索算法。在对故障根源进行推理的同时，构造了故障图FG，用于寻找故障传播的所有路径。其中，节点FMk为集合M中的第k种失效模式k＝1,2,...,K，子节点FMkl为节点FMk的第l个子节点。
优选地，步骤A1具体为：
对制造系统划分成多个子系统，列出各个子系统中各个部件的所有故障模式和故障根本原因；然后通过结构分析与设计技术SADT建立系统中各部件间的故障模式和故障根本原因的耦合关系、节点和有向边，建立制造系统的故障耦合网络；
步骤A3的故障图FG构造过程为：通过结构分析与设计技术SADT获得所述节点的连接关系，然后通过失效模式与影响分析FMEA方法获得节点之间的“与”关系和“或”关系，从而构造出用于寻找所有故障传播路径的故障图FG。例如图6的故障图FG中，节点f1和节点f2对f6存在一个“与门”或“或门”关系。
结构分析与设计技术SADT是一种系统工程和软件工程方法，用于将系统描述为功能层次结构。在图3中，每个函数的执行过程都伴随着输入和输出流。输入流包括功能动作(Having to Do of the Function，HDF)和功能需求(Function Requiement，FR)。FR是完成当前功能的外部控制因素(能源、资源等)。函数的输出流(OFF)表示该项功能的最终结果。系统功能可以进一步划分为几个子功能，如图4所示，每个子功能可以作为HDFs或off与其他子功能连接。这样，当图4中没有函数可以进一步细分时，就可以得到一个网络结构，其中将函数视为节点。如表2所示，可以根据构件的子函数定义失效模式。
表2列出了磨床主轴的全部失效模式和根源故障原因，表2中，为失败部件的第p种失效模式(p＝1,2,...,p)，Rj为第j个根源故障原因。磨床主轴共分为主轴润滑子系统、机械子系统、控制子系统、电源子系统和手动操作子系统等五个子系统。通过这种方式，这些失效模式相互影响。每一种故障模式即多个故障传播路径。为了直观地展示失效模式与根源故障原因之间的耦合关系，构建如图5所示的网络。在数学上，系统表示为Ns＝{V,E}，其中V是网络中表示失效模式或根源故障原因的一组节点，而有向边集E表示它们之间的关系。图5中的网络提供了故障模式之间的表面依赖关系，但没有提供故障模式的多属性之间的进一步依赖关系，需通过多色集合PS来表示。
表2
优选地，步骤B具体为：
步骤B1，获取制造系统的设计要求信息，在仿真平台上搭建制造系统的可视化仿真模型，建立各个实物孪生体的三维图形模型和制造系统的数字孪生体；
步骤B2，编制运动与动作控制脚本，对制造系统的可视化仿真模型进行离线模拟运行，直至离线运行正常；
步骤C具体为：
步骤C1，利用数字孪生技术，将制造系统的实物孪生体通过通讯接口和所述仿真模型中对应的数字孪生体实现数据和信息的互联互通，通过下行指令与上行信息的二分同步技术，实现实物孪生体的实时数据、上位机的监控数据和三维虚拟仿真数据的实时同步；
步骤C2，搭建虚拟控制网络，利用数字孪生技术，构建虚实同步的数字孪生模型，使得实物孪生体可以与仿真模型中对应的数字孪生体实现动作同步化。
如图8所示，基于数字孪生模型的制造系统故障溯源方法利用实物产线上的各种传感器采集实体设备运行数据，利用虚实联动的仿真平台获取仿真运行数据，通过由实体设备运行数据和仿真运行数据组成的孪生数据驱动下，基于实物孪生体与数字孪生体的同步映射与实时交互，充分利用通过上面方法构建的描述故障逻辑的基于多色集合的信息处理模型，来对生产线做出精准、快速、实时的故障溯源新模式。
本实施例还提供一种基于数字孪生模型的制造系统故障溯源系统，设有存储有计算机程序的计算机可读存储介质，所述计算机程序执行时实现本实施的基于数字孪生模型的制造系统故障溯源方法；包括：
数字孪生体的故障溯源数学模型，包括：
故障耦合网络构建单元，用于通过结构分析与设计技术SADT获得制造系统中各部件间的功能耦合关系、节点和有向边，建立制造系统的故障耦合网络；
信息处理模型构建单元，用于通过多色集合获得制造系统的故障耦合网络中故障模式的多属性之间的耦合连接关系，建立基于多色集合的信息处理模型；
和故障图FG构建单元，用于根据基于多色集合的信息处理模型构造用于寻找所有故障传播路径的故障图FG；
制造系统的数字孪生模型，包括：
可视化仿真模型构建单元，用于获取制造系统的设计要求信息，在仿真平台上搭建制造系统的数字孪生体的可视化仿真模型；
通道搭建单元，用于利用数字孪生技术，搭建制造系统中数字孪生体和实物孪生体的信息通道和指令通道，建立制造系统的数字孪生模型；
故障溯源单元，用于从制造系统的数字孪生模型获取故障信息，通过广度优先的根源搜索算法对所述基于多色集合的信息处理模型中的所有故障传播路径进行搜索，查找出故障根源，完成故障溯源。
所述基于数字孪生模型的制造系统故障溯源系统，如图8所示，基于数字孪生技术构建了实物与仿真同步运行的数字孪生模型，并在制造系统的虚拟模型中根据制造系统的部件之间的功能耦合关系，建立了故障耦合网络，考虑到故障耦合网络中的节点和有向边具有不同的传播特性，通过多色集合来描述故障传播过程中的故障耦合关系和多属性，建立基于多色集合的信息处理模型；通过广度优先的根源搜索算法对所述基于多色集合的信息处理模型中的所有故障传播路径进行搜索，查找出故障根源，完成故障溯源。
数字孪生模型通过虚实相互作用、虚实数据融合分析、虚实迭代优化等方式，为制造设备的实时监控、故障溯源和故障诊断提供保障。在数字孪生模型的基础上利用有向网络与多色集合集成建模方法，为制造设备的RCA提供一种方便的信息处理模型，有助于提高可诊断性，辅助技术人员有针对性地提出可靠性改进措施。
优选地，所述信息处理模型构建单元具体用于：
通过多色集合的单独色素沉淀获得各部件和失效模式间的关系并用以下布尔矩阵表示：
其中，多色集合A＝(a1,...ai,...,an)，ai表示部件，n为制造系统的部件个数，颜色集合F(ai)＝(f1(ai),...,fj(ai),...,fp(ai))表示部件ai的失效模式集合，单个颜色fj(ai)表示部件ai的第j种失效模式；
若fj∈F(ai)则cij＝1，否则cij＝0；
通过多色布尔矩阵[F(a)×F(a)]描述失效模式和根源故障原因之间的依赖关系：
其中，若fj依赖于fi，则dij＝1，否则dij＝0；
利用轮廓矩阵[F(a)×F(A)]建立个别色集F(a)与统一色集F(A)之间的耦合关系：
其中，
统一色集F(A)＝(F1(A),...,Fj(A),...,Fm(A))＝(F1,...,Fj,...,Fm)
若统一颜色Fj属于fj，则eij＝1(j＝1,2,3,4)；
通过个别色集F(a)的笛卡尔积构造边集C：在多色布尔矩阵[F(a)×F(a)]中，若第i种失效模式与第j种失效模式存在连通关系，则dij＝1，随后边集C通过包含所有非零连接来获得，将颜色集F(C)＝(+1，+10，-1，-10)展开，则F(C)的色素沉着为：
其中，若统一颜色Fj属于cij，则rij＝1(j＝1,2,3,4)；
建立一个布尔矩阵来描述边集C和实体集合C(f)之间的关系：
其中，若ci,j∈Ck(fj)，则否则fj的系统实体为：
Ck(fj)表示fj的第k个实体，所有颜色的实体表示为
和运用多色集合中的提取和连接运算来描述失效模式之间的逻辑关系：
从而建立基于多色集合的信息处理模型为：
PS＝(A,F(a),F(A),[A×F(a)],[F(a)×F(a)],[F(a)×F(A)],C,F(C),[C×F(c)],[C×C(F)])。
优选地，所述故障溯源单元中通过广度优先的根源搜索算法查找出故障根源具体包括：
第一模块，用于从给定的失败部件开始，在矩阵[A×F(a)]中搜索并列出失败部件的所有故障模式,失败部件中s表示第s个子系统，i表示第s个子系统的第i个部件；
第二模块，用于在轮廓矩阵[F(a)×F(A)]中搜索每种故障模式的所有统一颜色并将其作为节点添加至故障图FG中，并将所有节点FMk放入集合M中，从而集合M包含具有不同统一颜色的节点FMk，k表示第k种失效模式且k＝1,2,...,K，K为集合M的节点数；
第三模块，用于从k＝1开始，逐个判断集合M中第k个节点FMk是否为故障根本原因：若不是则执行第四模块；
若是则将第k个节点FMk从集合M转移至集合B,集合B为包含所有的失败部件的故障根本原因的集合；并判断转移后集合M是否为空集：
若是则输出集合B作为失败部件的故障根源，完成故障溯源；
若不是则判断k+1是否大于K：若是则执行第五模块，若不是则继续判断集合M中第k+1个节点FMk+1是否为故障根本原因；
第四模块，用于首先搜索导致第k个节点FMk的多色布尔矩阵[F(a)×F(a)]中的所有子节点FMkl和链接；
并从中选择符合P(FMkl)×P(FMk,FMkl)＝P(FMk)要求的链接和子节点，并在故障图FG中标记这些选择出来的链接和子节点，将这些选择出来的子节点放入集合G，其中P(FMk)为第k个节点FMk的着色值，P(FMk,FMkl)为第k个节点FMk的着色值和第k个节点FMk与子节点FMkl的相连边的着色值的乘积，集合G包含集合M节点的子节点的中间集；
接着，根据矩阵[C×C(f)]，将集合G和集合M具有“和”和“或”关系的节点与有向箭头连接起来；完成后判断k+1是否大于K：
若是则执行第五模块，若不是则继续判断集合M中第k+1个节点FMk+1是否为故障根本原因；
和第五模块，用于清空集合M，然后将集合G中的所有子节点加入至清空后的集合M中以获得新的集合M，对新的集合M的节点重新执行第三模块和第四模块，以执行新的集合M的节点是否为故障根本原因的判断。
优选地，所述故障耦合网络构建单元具体用于：对制造系统划分成多个子系统，列出各个子系统中各个部件的所有故障模式和故障根本原因；然后通过结构分析与设计技术SADT建立系统中各部件间的故障模式和故障根本原因的耦合关系、节点和有向边，建立制造系统的故障耦合网络；
所述故障图FG构建单元具体用于：通过结构分析与设计技术SADT获得所述节点的连接关系，然后通过失效模式与影响分析FMEA方法获得节点之间的“与”关系和“或”关系，从而构造出用于寻找所有故障传播路径的故障图FG。
优选地，所述可视化仿真模型构建单元具体用于：
获取制造系统的设计要求信息，在仿真平台上搭建制造系统的仿真模型，建立各个实物孪生体的三维图形模型和制造系统的数字孪生体；
编制运动与动作控制脚本，对制造系统的可视化仿真模型进行离线模拟运行，直至离线运行正常；
所述通道搭建单元具体用于：利用数字孪生技术，将制造系统的实物孪生体通过通讯接口和所述仿真模型中对应的数字孪生体实现数据和信息的互联互通，通过下行指令与上行信息的二分同步技术，实现实物孪生体的实时数据、上位机的监控数据和三维虚拟仿真数据的实时同步；
和搭建虚拟控制网络，利用数字孪生技术，构建虚实同步的数字孪生模型，使得实物孪生体可以与仿真模型中对应的数字孪生体实现动作同步化。
以上结合具体实施例描述了本发明的技术原理。这些描述只是为了解释本发明的原理，而不能以任何方式解释为对本发明保护范围的限制。基于此处的解释，本领域的技术人员不需要付出创造性的劳动即可联想到本发明的其它具体实施方式，这些方式都将落入本发明的保护范围之内。
Claims (10)
1.一种基于数字孪生模型的制造系统故障溯源方法，其特征在于，包括以下步骤：
步骤A，在仿真平台上搭建数字孪生体的故障溯源数学模型：
步骤A1，通过结构分析与设计技术SADT获得制造系统中各部件间的功能耦合关系、节点和有向边，建立制造系统的故障耦合网络；
步骤A2，通过多色集合获得制造系统的故障耦合网络中故障模式的多属性之间的耦合连接关系，建立基于多色集合的信息处理模型；
步骤A3，根据基于多色集合的信息处理模型构造用于寻找所有故障传播路径的故障图FG，建立故障溯源数学模型；
步骤B，获取制造系统的设计要求信息，在仿真平台上搭建制造系统的数字孪生体的可视化仿真模型；
步骤C，利用数字孪生技术，搭建制造系统中数字孪生体和实物孪生体的信息通道和指令通道，建立制造系统的数字孪生模型；
步骤D，从制造系统的数字孪生模型获取故障信息，通过广度优先的根源搜索算法对所述基于多色集合的信息处理模型中的所有故障传播路径进行搜索，查找出故障根源，完成故障溯源。
2.根据权利要求1所述的基于数字孪生模型的制造系统故障溯源方法，其特征在于，步骤A2具体包括以下步骤：
步骤A2.1，通过多色集合的单独色素沉淀获得各部件和失效模式间的关系并用以下布尔矩阵表示：
其中，多色集合A＝(a1,...ai,...,an)，ai表示部件，n为制造系统的部件个数，颜色集合F(ai)＝(f1(ai),...,fj(ai),...,fp(ai))表示部件ai的失效模式集合，单个颜色fj(ai)表示部件ai的第j种失效模式；若fj∈F(ai)则cij＝1，否则cij＝0；
步骤A2.2，通过多色布尔矩阵[F(a)×F(a)]描述失效模式和根源故障原因之间的依赖关系：
其中，若fj依赖于fi，则dij＝1，否则dij＝0；
步骤A2.3，利用轮廓矩阵[F(a)×F(A)]建立个别色集F(a)与统一色集F(A)之间的耦合关系：
其中，
统一色集F(A)＝(F1(A),...,Fj(A),...,Fm(A))＝(F1,...,Fj,...,Fm)
若统一颜色Fj属于fj，则eij＝1(j＝1,2,3,4)；
步骤A2.4，通过个别色集F(a)的笛卡尔积构造边集C：在多色布尔矩阵[F(a)×F(a)]中，若第i种失效模式与第j种失效模式存在连通关系，则dij＝1，随后边集C通过包含所有非零连接来获得，将颜色集F(C)＝(+1，+10，-1，-10)展开，则F(C)的色素沉着为：
其中，若统一颜色Fj属于cij，则rij＝1(j＝1,2,3,4)；
步骤A2.5，建立一个布尔矩阵来描述边集C和实体集合C(f)之间的关系：
其中，若ci,j∈Ck(fj)，则否则fj的系统实体为：
Ck(fj)表示fj的第k个实体，所有颜色的实体表示为
步骤A2.6，运用多色集合中的提取和连接运算来描述失效模式之间的逻辑关系：
从而建立基于多色集合的信息处理模型为：
PS＝(A,F(a),F(A),[A×F(a)],[F(a)×F(a)],[F(a)×F(A)],C,F(C),[C×F(c)],[C×C(F)])。
3.根据权利要求2所述的基于数字孪生模型的制造系统故障溯源方法，其特征在于，所述步骤D中通过广度优先的根源搜索算法查找出故障根源具体为：
步骤D1，从给定的失败部件开始，在矩阵[A×F(a)]中搜索并列出失败部件的所有故障模式,失败部件中s表示第s个子系统，i表示第s个子系统的第i个部件；
步骤D2，在轮廓矩阵[F(a)×F(A)]中搜索每种故障模式的所有统一颜色并将其作为节点添加至故障图FG中，并将所有节点FMk放入集合M中，从而集合M包含具有不同统一颜色的节点FMk，k表示第k种失效模式且k＝1,2,...,K，K为集合M的节点数；
步骤D3，从k＝1开始，逐个判断集合M中第k个节点FMk是否为故障根本原因：若不是则执行步骤D4；
若是则将第k个节点FMk从集合M转移至集合B,集合B为包含所有的失败部件的故障根本原因的集合；并判断转移后集合M是否为空集：
若是则输出集合B作为失败部件的故障根源，完成故障溯源；
若不是则判断k+1是否大于K：若是则执行步骤D5，若不是则继续判断集合M中第k+1个节点FMk+1是否为故障根本原因；
步骤D4，首先搜索导致第k个节点FMk的多色布尔矩阵[F(a)×F(a)]中的所有子节点FMkl和链接；
并从中选择符合P(FMkl)×P(FMk,FMkl)＝P(FMk)要求的链接和子节点，并在故障图FG中标记这些选择出来的链接和子节点，将这些选择出来的子节点放入集合G，其中P(FMk)为第k个节点FMk的着色值，P(FMk,FMkl)为第k个节点FMk的着色值和第k个节点FMk与子节点FMkl的相连边的着色值的乘积，集合G包含集合M节点的子节点的中间集；
接着，根据矩阵[C×C(f)]，将集合G和集合M具有“与”和“或”关系的节点与有向箭头连接起来；完成后判断k+1是否大于K：
若是则执行步骤D5，若不是则继续判断集合M中第k+1个节点FMk+1是否为故障根本原因；
步骤D5，清空集合M，然后将集合G中的所有子节点加入至清空后的集合M中以获得新的集合M，对新的集合M的节点重新执行步骤D3和步骤D4，以执行新的集合M的节点是否为故障根本原因的判断。
4.根据权利要求3所述的基于数字孪生模型的制造系统故障溯源方法，其特征在于：
步骤A1具体为：对制造系统划分成多个子系统，列出各个子系统中各个部件的所有故障模式和故障根本原因；然后通过结构分析与设计技术SADT建立系统中各部件间的故障模式和故障根本原因的耦合关系、节点和有向边，建立制造系统的故障耦合网络；
步骤A3的故障图FG构造过程为：通过结构分析与设计技术SADT获得所述节点的连接关系，然后通过失效模式与影响分析FMEA方法获得节点之间的“与”关系和“或”关系，从而构造出用于寻找所有故障传播路径的故障图FG。
5.根据权利要求1所述的基于数字孪生模型的制造系统故障溯源方法，其特征在于，步骤B具体为：
步骤B1，获取制造系统的设计要求信息，在仿真平台上搭建制造系统的可视化仿真模型，建立各个实物孪生体的三维图形模型和制造系统的数字孪生体；
步骤B2，编制运动与动作控制脚本，对制造系统的可视化仿真模型进行离线模拟运行，直至离线运行正常；
步骤C具体为：
步骤C1，利用数字孪生技术，将制造系统的实物孪生体通过通讯接口和所述仿真模型中对应的数字孪生体实现数据和信息的互联互通，通过下行指令与上行信息的二分同步技术，实现实物孪生体的实时数据、上位机的监控数据和三维虚拟仿真数据的实时同步；
步骤C2，搭建虚拟控制网络，利用数字孪生技术，构建虚实同步的数字孪生模型，使得实物孪生体可以与仿真模型中对应的数字孪生体实现动作同步化。
6.一种基于数字孪生模型的制造系统故障溯源系统，其特征在于，包括：
数字孪生体的故障溯源数学模型，包括：
故障耦合网络构建单元，用于通过结构分析与设计技术SADT获得制造系统中各部件间的功能耦合关系、节点和有向边，建立制造系统的故障耦合网络；
信息处理模型构建单元，用于通过多色集合获得制造系统的故障耦合网络中故障模式的多属性之间的耦合连接关系，建立基于多色集合的信息处理模型；
和故障图FG构建单元，用于根据基于多色集合的信息处理模型构造用于寻找所有故障传播路径的故障图FG；
制造系统的数字孪生模型，包括：
可视化仿真模型构建单元，用于获取制造系统的设计要求信息，在仿真平台上搭建制造系统的数字孪生体的可视化仿真模型；
通道搭建单元，用于利用数字孪生技术，搭建制造系统中数字孪生体和实物孪生体的信息通道和指令通道，建立制造系统的数字孪生模型；
故障溯源单元，用于从制造系统的数字孪生模型获取故障信息，通过广度优先的根源搜索算法对所述基于多色集合的信息处理模型中的所有故障传播路径进行搜索，查找出故障根源，完成故障溯源。
7.根据权利要求6所述的基于数字孪生模型的制造系统故障溯源系统，其特征在于，所述信息处理模型构建单元具体用于：
通过多色集合的单独色素沉淀获得各部件和失效模式间的关系并用以下布尔矩阵表示：
其中，多色集合A＝(a1,...ai,...,an)，ai表示部件，n为制造系统的部件个数，颜色集合F(ai)＝(f1(ai),...,fj(ai),...,fp(ai))表示部件ai的失效模式集合，单个颜色fj(ai)表示部件ai的第j种失效模式；
若fj∈F(ai)则cij＝1，否则cij＝0；
通过多色布尔矩阵[F(a)×F(a)]描述失效模式和根源故障原因之间的依赖关系：
其中，若fj依赖于fi，则dij＝1，否则dij＝0；
利用轮廓矩阵[F(a)×F(A)]建立个别色集F(a)与统一色集F(A)之间的耦合关系：
其中，
统一色集F(A)＝(F1(A),...,Fj(A),...,Fm(A))＝(F1,...,Fj,...,Fm)
若统一颜色Fj属于fj，则eij＝1(j＝1,2,3,4)；
通过个别色集F(a)的笛卡尔积构造边集C：在多色布尔矩阵[F(a)×F(a)]中，若第i种失效模式与第j种失效模式存在连通关系，则dij＝1，随后边集C通过包含所有非零连接来获得，将颜色集F(C)＝(+1，+10，-1，-10)展开，则F(C)的色素沉着为：
其中，若统一颜色Fj属于cij，则rij＝1(j＝1,2,3,4)；
建立一个布尔矩阵来描述边集C和实体集合C(f)之间的关系：
其中，若ci,j∈Ck(fj)，则否则fj的系统实体为：
Ck(fj)表示fj的第k个实体，所有颜色的实体表示为
和运用多色集合中的提取和连接运算来描述失效模式之间的逻辑关系：
从而建立基于多色集合的信息处理模型为：
PS＝(A,F(a),F(A),[A×F(a)],[F(a)×F(a)],[F(a)×F(A)],C,F(C),[C×F(c)],[C×C(F)])。
8.根据权利要求7所述的基于数字孪生模型的制造系统故障溯源系统，其特征在于，所述故障溯源单元中通过广度优先的根源搜索算法查找出故障根源具体包括：
第一模块，用于从给定的失败部件开始，在矩阵[A×F(a)]中搜索并列出失败部件的所有故障模式,失败部件中s表示第s个子系统，i表示第s个子系统的第i个部件；
第二模块，用于在轮廓矩阵[F(a)×F(A)]中搜索每种故障模式的所有统一颜色并将其作为节点添加至故障图FG中，并将所有节点FMk放入集合M中，从而集合M包含具有不同统一颜色的节点FMk，k表示第k种失效模式且k＝1,2,...,K，K为集合M的节点数；
第三模块，用于从k＝1开始，逐个判断集合M中第k个节点FMk是否为故障根本原因：若不是则执行第四模块；
若是则将第k个节点FMk从集合M转移至集合B,集合B为包含所有的失败部件的故障根本原因的集合；并判断转移后集合M是否为空集：
若是则输出集合B作为失败部件的故障根源，完成故障溯源；
若不是则判断k+1是否大于K：若是则执行第五模块，若不是则继续判断集合M中第k+1个节点FMk+1是否为故障根本原因；
第四模块，用于首先搜索导致第k个节点FMk的多色布尔矩阵[F(a)×F(a)]中的所有子节点FMkl和链接；
并从中选择符合P(FMkl)×P(FMk,FMkl)＝P(FMk)要求的链接和子节点，并在故障图FG中标记这些选择出来的链接和子节点，将这些选择出来的子节点放入集合G，其中P(FMk)为第k个节点FMk的着色值，P(FMk,FMkl)为第k个节点FMk的着色值和第k个节点FMk与子节点FMkl的相连边的着色值的乘积，集合G包含集合M节点的子节点的中间集；
接着，根据矩阵[C×C(f)]，将集合G和集合M具有“和”和“或”关系的节点与有向箭头连接起来；完成后判断k+1是否大于K：
若是则执行第五模块，若不是则继续判断集合M中第k+1个节点FMk+1是否为故障根本原因；
和第五模块，用于清空集合M，然后将集合G中的所有子节点加入至清空后的集合M中以获得新的集合M，对新的集合M的节点重新执行第三模块和第四模块，以执行新的集合M的节点是否为故障根本原因的判断。
9.根据权利要求6所述的基于数字孪生模型的制造系统故障溯源系统，其特征在于：
所述故障耦合网络构建单元具体用于：对制造系统划分成多个子系统，列出各个子系统中各个部件的所有故障模式和故障根本原因；然后通过结构分析与设计技术SADT建立系统中各部件间的故障模式和故障根本原因的耦合关系、节点和有向边，建立制造系统的故障耦合网络；
所述故障图FG构建单元具体用于：通过结构分析与设计技术SADT获得所述节点的连接关系，然后通过失效模式与影响分析FMEA方法获得节点之间的“与”关系和“或”关系，从而构造出用于寻找所有故障传播路径的故障图FG。
10.根据权利要求6所述的基于数字孪生模型的制造系统故障溯源系统，其特征在于，所述可视化仿真模型构建单元具体用于：
获取制造系统的设计要求信息，在仿真平台上搭建制造系统的仿真模型，建立各个实物孪生体的三维图形模型和制造系统的数字孪生体；
编制运动与动作控制脚本，对制造系统的可视化仿真模型进行离线模拟运行，直至离线运行正常；
所述通道搭建单元具体用于：利用数字孪生技术，将制造系统的实物孪生体通过通讯接口和所述仿真模型中对应的数字孪生体实现数据和信息的互联互通，通过下行指令与上行信息的二分同步技术，实现实物孪生体的实时数据、上位机的监控数据和三维虚拟仿真数据的实时同步；
和搭建虚拟控制网络，利用数字孪生技术，构建虚实同步的数字孪生模型，使得实物孪生体可以与仿真模型中对应的数字孪生体实现动作同步化。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910564042.0A CN110276147B (zh) | 2019-06-24 | 2019-06-24 | 一种基于数字孪生模型的制造系统故障溯源方法、系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910564042.0A CN110276147B (zh) | 2019-06-24 | 2019-06-24 | 一种基于数字孪生模型的制造系统故障溯源方法、系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN110276147A true CN110276147A (zh) | 2019-09-24 |
| CN110276147B CN110276147B (zh) | 2020-02-11 |
Family
ID=67963468
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910564042.0A Active CN110276147B (zh) | 2019-06-24 | 2019-06-24 | 一种基于数字孪生模型的制造系统故障溯源方法、系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN110276147B (zh) |
Cited By (26)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111008502A (zh) * | 2019-11-25 | 2020-04-14 | 北京航空航天大学 | 一种数字孪生驱动的复杂装备故障预测方法 |
| CN111046589A (zh) * | 2019-12-31 | 2020-04-21 | 郑州轻工业大学 | 一种智能产线可试验数字孪生体建模方法 |
| CN111063026A (zh) * | 2019-12-26 | 2020-04-24 | 南京悠淼科技有限公司 | 基于数字孪生的智能生产过程精确建模仿真系统及方法 |
| CN111400897A (zh) * | 2020-03-12 | 2020-07-10 | 广东工业大学 | 一种基于车间数字孪生模型的泛化封装方法和系统 |
| CN111666652A (zh) * | 2020-04-28 | 2020-09-15 | 常州英集动力科技有限公司 | 蒸汽热网疏水器巡检排放操作调度方法及操作调度系统 |
| CN111898632A (zh) * | 2020-06-19 | 2020-11-06 | 广州杰赛科技股份有限公司 | 一种设备故障诊断方法和系统 |
| CN111967220A (zh) * | 2020-08-20 | 2020-11-20 | 中国人民解放军火箭军工程大学 | 一种基于数字孪生模型随机行为潜在问题检测方法及系统 |
| CN112130534A (zh) * | 2020-09-18 | 2020-12-25 | 北京理工大学 | 一种构建车间数字孪生体的处理方法及控制器 |
| CN112187547A (zh) * | 2020-10-09 | 2021-01-05 | 南京邮电大学 | 一种基于数字孪生的网络模型 |
| CN112231305A (zh) * | 2020-08-23 | 2021-01-15 | 山东翰林科技有限公司 | 一种基于数字孪生的数字电网系统及方法 |
| CN112269316A (zh) * | 2020-10-28 | 2021-01-26 | 中国科学院信息工程研究所 | 一种基于图神经网络的高鲁棒性威胁狩猎系统与方法 |
| CN112485018A (zh) * | 2020-11-18 | 2021-03-12 | 西安电子科技大学 | 基于机理数据融合的机械设备能耗异常检测方法 |
| EP3812981A1 (de) * | 2019-10-23 | 2021-04-28 | B&R Industrial Automation GmbH | Verfahren und fertigungsanlage zur herstellung eines produktes |
| CN112861460A (zh) * | 2019-11-28 | 2021-05-28 | 西门子股份公司 | 确定电路中故障的故障原因的方法和设备 |
| US11086306B1 (en) | 2020-03-12 | 2021-08-10 | Guangdong University Of Technology | Generalization and encapsulation method and system based on digital twin model of workshop |
| CN113259168A (zh) * | 2021-05-28 | 2021-08-13 | 新华三人工智能科技有限公司 | 一种故障根因分析方法及装置 |
| CN113378011A (zh) * | 2021-06-17 | 2021-09-10 | 北京卫星环境工程研究所 | 一种复杂产品总装数字孪生体的构建方法及系统 |
| CN113700455A (zh) * | 2020-05-09 | 2021-11-26 | 中国石油天然气股份有限公司 | 气井生产全过程的控制方法及系统 |
| CN114070710A (zh) * | 2020-09-22 | 2022-02-18 | 北京市天元网络技术股份有限公司 | 基于数字孪生的通信网络故障分析方法及装置 |
| CN114414261A (zh) * | 2022-01-17 | 2022-04-29 | 山东交通学院 | 一种车辆试验台和车辆测试方法 |
| CN115102747A (zh) * | 2022-06-17 | 2022-09-23 | 江西武大扬帆科技有限公司 | 基于数字孪生的互联网管理平台 |
| CN115333923A (zh) * | 2022-10-14 | 2022-11-11 | 成都飞机工业（集团）有限责任公司 | 一种故障点溯源分析方法、装置、设备及介质 |
| CN115936679A (zh) * | 2023-01-13 | 2023-04-07 | 中国电子产品可靠性与环境试验研究所（（工业和信息化部电子第五研究所）（中国赛宝实验室）） | 一种复杂系统的预测维修决策数字化方法和装置 |
| CN116738772A (zh) * | 2023-08-16 | 2023-09-12 | 国网浙江省电力有限公司杭州供电公司 | 基于数字孪生的供电路径追溯方法、装置、设备及介质 |
| CN117130351A (zh) * | 2023-09-18 | 2023-11-28 | 上海勘测设计研究院有限公司 | 基于数字孪生技术的新能源场站区域联合控制保护系统 |
| CN117575635A (zh) * | 2024-01-16 | 2024-02-20 | 四川绿豆芽信息技术有限公司 | 一种碳指标溯源方法和系统 |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| EP4099656A1 (en) * | 2021-05-31 | 2022-12-07 | Siemens Aktiengesellschaft | Computer-implemented method and surveillance arrangement for identifying manipulations of cyber-physical-systems as well as computer-implemented-tool and cyber-physical-system |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20170252816A1 (en) * | 2016-03-03 | 2017-09-07 | Desktop Metal, Inc. | Z-axis position detection in additive manufacturing |
| CN108427390A (zh) * | 2018-04-16 | 2018-08-21 | 长安大学 | 一种基于数字孪生的车间级智能制造系统及其配置方法 |
| CN108919765A (zh) * | 2018-07-20 | 2018-11-30 | 王德权 | 一种基于数字孪生的智能制造工厂虚拟调试和虚拟监控方法及方法 |
| CN109356789A (zh) * | 2018-11-07 | 2019-02-19 | 中国矿业大学 | 一种基于数字孪生的风机直驱变桨距系统及优化设计方法 |
| CN109785180A (zh) * | 2019-02-19 | 2019-05-21 | 山东大学 | 一种面向数字孪生车间的场景感知系统及方法 |
| CN109800531A (zh) * | 2019-01-31 | 2019-05-24 | 山东大学 | 一种机电装备数字孪生模型一致性保持方法 |
-
2019
- 2019-06-24 CN CN201910564042.0A patent/CN110276147B/zh active Active
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20170252816A1 (en) * | 2016-03-03 | 2017-09-07 | Desktop Metal, Inc. | Z-axis position detection in additive manufacturing |
| CN108427390A (zh) * | 2018-04-16 | 2018-08-21 | 长安大学 | 一种基于数字孪生的车间级智能制造系统及其配置方法 |
| CN108919765A (zh) * | 2018-07-20 | 2018-11-30 | 王德权 | 一种基于数字孪生的智能制造工厂虚拟调试和虚拟监控方法及方法 |
| CN109356789A (zh) * | 2018-11-07 | 2019-02-19 | 中国矿业大学 | 一种基于数字孪生的风机直驱变桨距系统及优化设计方法 |
| CN109800531A (zh) * | 2019-01-31 | 2019-05-24 | 山东大学 | 一种机电装备数字孪生模型一致性保持方法 |
| CN109785180A (zh) * | 2019-02-19 | 2019-05-21 | 山东大学 | 一种面向数字孪生车间的场景感知系统及方法 |
Non-Patent Citations (1)
| Title |
|---|
| JIEWU LENG 等: "Digital twin-driven manufacturing cyber-physical system for parallel controlling of smart workshop", 《JOURNAL OF AMBIENT INTELLIGENCE AND HUMANIZED COMPUTING》 * |
Cited By (42)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| EP3812981A1 (de) * | 2019-10-23 | 2021-04-28 | B&R Industrial Automation GmbH | Verfahren und fertigungsanlage zur herstellung eines produktes |
| CN111008502B (zh) * | 2019-11-25 | 2021-07-13 | 北京航空航天大学 | 一种数字孪生驱动的复杂装备故障预测方法 |
| CN111008502A (zh) * | 2019-11-25 | 2020-04-14 | 北京航空航天大学 | 一种数字孪生驱动的复杂装备故障预测方法 |
| CN112861460A (zh) * | 2019-11-28 | 2021-05-28 | 西门子股份公司 | 确定电路中故障的故障原因的方法和设备 |
| CN111063026A (zh) * | 2019-12-26 | 2020-04-24 | 南京悠淼科技有限公司 | 基于数字孪生的智能生产过程精确建模仿真系统及方法 |
| CN111046589A (zh) * | 2019-12-31 | 2020-04-21 | 郑州轻工业大学 | 一种智能产线可试验数字孪生体建模方法 |
| CN111046589B (zh) * | 2019-12-31 | 2020-11-13 | 郑州轻工业大学 | 一种智能产线可试验数字孪生体建模方法 |
| US11086306B1 (en) | 2020-03-12 | 2021-08-10 | Guangdong University Of Technology | Generalization and encapsulation method and system based on digital twin model of workshop |
| CN111400897A (zh) * | 2020-03-12 | 2020-07-10 | 广东工业大学 | 一种基于车间数字孪生模型的泛化封装方法和系统 |
| CN111400897B (zh) * | 2020-03-12 | 2021-01-15 | 广东工业大学 | 一种基于车间数字孪生模型的泛化封装方法和系统 |
| CN111666652A (zh) * | 2020-04-28 | 2020-09-15 | 常州英集动力科技有限公司 | 蒸汽热网疏水器巡检排放操作调度方法及操作调度系统 |
| CN111666652B (zh) * | 2020-04-28 | 2023-08-29 | 常州英集动力科技有限公司 | 蒸汽热网疏水器巡检排放操作调度方法及操作调度系统 |
| CN113700455B (zh) * | 2020-05-09 | 2023-04-25 | 中国石油天然气股份有限公司 | 气井生产全过程的控制方法及系统 |
| CN113700455A (zh) * | 2020-05-09 | 2021-11-26 | 中国石油天然气股份有限公司 | 气井生产全过程的控制方法及系统 |
| CN111898632B (zh) * | 2020-06-19 | 2024-04-16 | 广州杰赛科技股份有限公司 | 一种设备故障诊断方法和系统 |
| CN111898632A (zh) * | 2020-06-19 | 2020-11-06 | 广州杰赛科技股份有限公司 | 一种设备故障诊断方法和系统 |
| CN111967220A (zh) * | 2020-08-20 | 2020-11-20 | 中国人民解放军火箭军工程大学 | 一种基于数字孪生模型随机行为潜在问题检测方法及系统 |
| CN112231305A (zh) * | 2020-08-23 | 2021-01-15 | 山东翰林科技有限公司 | 一种基于数字孪生的数字电网系统及方法 |
| CN112130534A (zh) * | 2020-09-18 | 2020-12-25 | 北京理工大学 | 一种构建车间数字孪生体的处理方法及控制器 |
| CN114070710A (zh) * | 2020-09-22 | 2022-02-18 | 北京市天元网络技术股份有限公司 | 基于数字孪生的通信网络故障分析方法及装置 |
| CN112187547A (zh) * | 2020-10-09 | 2021-01-05 | 南京邮电大学 | 一种基于数字孪生的网络模型 |
| CN112269316A (zh) * | 2020-10-28 | 2021-01-26 | 中国科学院信息工程研究所 | 一种基于图神经网络的高鲁棒性威胁狩猎系统与方法 |
| CN112269316B (zh) * | 2020-10-28 | 2022-06-07 | 中国科学院信息工程研究所 | 一种基于图神经网络的高鲁棒性威胁狩猎系统与方法 |
| CN112485018B (zh) * | 2020-11-18 | 2021-09-10 | 西安电子科技大学 | 基于机理数据融合的机械设备能耗异常检测方法 |
| CN112485018A (zh) * | 2020-11-18 | 2021-03-12 | 西安电子科技大学 | 基于机理数据融合的机械设备能耗异常检测方法 |
| CN113259168B (zh) * | 2021-05-28 | 2021-11-23 | 新华三人工智能科技有限公司 | 一种故障根因分析方法及装置 |
| CN113259168A (zh) * | 2021-05-28 | 2021-08-13 | 新华三人工智能科技有限公司 | 一种故障根因分析方法及装置 |
| CN113378011A (zh) * | 2021-06-17 | 2021-09-10 | 北京卫星环境工程研究所 | 一种复杂产品总装数字孪生体的构建方法及系统 |
| CN113378011B (zh) * | 2021-06-17 | 2024-03-01 | 北京卫星环境工程研究所 | 一种复杂产品总装数字孪生体的构建方法及系统 |
| CN114414261A (zh) * | 2022-01-17 | 2022-04-29 | 山东交通学院 | 一种车辆试验台和车辆测试方法 |
| CN114414261B (zh) * | 2022-01-17 | 2023-12-05 | 山东交通学院 | 一种车辆试验台和车辆测试方法 |
| CN115102747B (zh) * | 2022-06-17 | 2024-03-29 | 中铁水利信息科技有限公司 | 基于数字孪生的互联网管理平台 |
| CN115102747A (zh) * | 2022-06-17 | 2022-09-23 | 江西武大扬帆科技有限公司 | 基于数字孪生的互联网管理平台 |
| CN115333923B (zh) * | 2022-10-14 | 2023-03-14 | 成都飞机工业（集团）有限责任公司 | 一种故障点溯源分析方法、装置、设备及介质 |
| CN115333923A (zh) * | 2022-10-14 | 2022-11-11 | 成都飞机工业（集团）有限责任公司 | 一种故障点溯源分析方法、装置、设备及介质 |
| CN115936679A (zh) * | 2023-01-13 | 2023-04-07 | 中国电子产品可靠性与环境试验研究所（（工业和信息化部电子第五研究所）（中国赛宝实验室）） | 一种复杂系统的预测维修决策数字化方法和装置 |
| CN116738772A (zh) * | 2023-08-16 | 2023-09-12 | 国网浙江省电力有限公司杭州供电公司 | 基于数字孪生的供电路径追溯方法、装置、设备及介质 |
| CN116738772B (zh) * | 2023-08-16 | 2023-10-27 | 国网浙江省电力有限公司杭州供电公司 | 基于数字孪生的供电路径追溯方法、装置、设备及介质 |
| CN117130351A (zh) * | 2023-09-18 | 2023-11-28 | 上海勘测设计研究院有限公司 | 基于数字孪生技术的新能源场站区域联合控制保护系统 |
| CN117130351B (zh) * | 2023-09-18 | 2024-03-19 | 上海勘测设计研究院有限公司 | 基于数字孪生技术的新能源场站区域联合控制保护系统 |
| CN117575635A (zh) * | 2024-01-16 | 2024-02-20 | 四川绿豆芽信息技术有限公司 | 一种碳指标溯源方法和系统 |
| CN117575635B (zh) * | 2024-01-16 | 2024-03-29 | 四川绿豆芽信息技术有限公司 | 一种碳指标溯源方法和系统 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN110276147B (zh) | 2020-02-11 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110276147B (zh) | 一种基于数字孪生模型的制造系统故障溯源方法、系统 | |
| CN108121216B (zh) | 一种基于数字化工厂的自动化车间虚拟调试方法 | |
| Ananieva et al. | Implicit constraints in partial feature models | |
| CN115562158A (zh) | 一种数字孪生驱动的数控机床智能诊断方法、系统及终端机 | |
| CN115685896B (zh) | 一种基于数字孪生技术的工业控制方法和系统 | |
| Eppinger et al. | Improving the systems engineering process with multilevel analysis of interactions | |
| Mohebbi et al. | Trends in concurrent, multi-criteria and optimal design of mechatronic systems: A review | |
| Cleveland | On automatically explaining bisimulation inequivalence | |
| WO2017084460A1 (zh) | 一种原因追溯方法 | |
| CN112380084A (zh) | 一种故障注入与仿真验证方法 | |
| Hess et al. | The maintenance aware design environment: Development of an aerospace phm software tool | |
| CN103425055A (zh) | 一种半虚拟式的控制系统功能测试装置及方法 | |
| CN108549734A (zh) | 基于系统功能结构的tfm三维信息流建模方法 | |
| Bozzano et al. | Efficient analysis of reliability architectures via predicate abstraction | |
| Ramdani et al. | R-TNCES Rebuilding: A New Method of CTL Model Update for Reconfigurable Systems. | |
| Zhang et al. | Key fault propagation path identification of CNC machine tools based on maximum occurrence probability | |
| CN106066608A (zh) | 多变量连续过程模型的机理建模与实验建模融合辨识方法 | |
| Maier et al. | Automated generation of timing models in distributed production plants | |
| Li et al. | A practicable mbsa modeling process using Altarica | |
| Berruet et al. | A component based approach for the design of FMS control and supervision | |
| Tóth et al. | Adding process metrics to enhance modification complexity prediction | |
| CN118113610B (zh) | 基于mbd模型的航空发动机控制软件失效处理自动化检查方法 | |
| Tóth et al. | A structural decomposition-based diagnosis method for dynamic process systems using HAZID information | |
| Yu et al. | A graphical method for multi-signal flow graph modeling and testability analysis based on visio control component | |
| Lan et al. | Application of ICD management software in aircraft design and test |
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 |