CN110704974B - 基于数字孪生驱动的工艺模型的建模与使用方法 - Google Patents

Abstract

本发明公开了一种基于数字孪生驱动的工艺模型的建模与使用方法，适用于面向机械加工的智能化设计领域，该方法包括四个步骤：获取机加过程中的实时动态数据；对工件、设备、环境在机加过程中的应力应变、温度、加工参数、变形和生产流程利用仿真软件进行仿真优化，获取仿真结果数据；整合多源异构数据，通过数据映射技术生成机加数字孪生数据并利用工艺模型建模方法建模；建立数字孪生框架体系，构建数字孪生驱动的工艺模型，通过制定的工艺模型的使用方法来指导下游的加工制造，指导工艺模板的生成。利用该方法可便捷快速的获取加工过程中的实时数据以及对加工结果的预测数据，提升了工艺的可执行度，大大缩短了产品生产周期。

Description

基于数字孪生驱动的工艺模型的建模与使用方法

技术领域

本发明属于机械加工设计领域，具体涉及一种建模方法与使用方法，特别涉及一种面向机加数字孪生工艺模型的快速建模方法及其使用策略。

背景技术

数字孪生技术作为智能制造的一大关键趋势，在工艺生产过程中的应用越来越广泛。在数字孪生技术指导下，传统的工艺设计逐渐演变为智能化、数字化的三维工艺设计，以工艺模型为制造依据的新型制造模式应运而生。数字孪生技术为产品全生命周期的管理、物理空间与虚拟空间信息传递、数据共享、加工过程指导预测提供了技术支持，推动了智能制造的进步。

传统的工艺模型以MBD工艺模型为主，现阶段能够指导实际生产的MBD工艺模型只能够提供静态的加工工艺模板，针对复杂制造环境下、实时动态的加工问题还不能给出相应的解决方案，工艺模型所提供的信息存在单一性、局限性和封闭性。如何构建一种能够实时监测并反映机加过程各对象实时状态、加工参数、现场数据，能够指导下游加工制造的工艺模型成为全新的挑战。同时，添加对现场设备、环境、工件的动态仿真，追求对加工过程的预测指导也将大幅提升工艺的可执行性。

工艺规划过程中，实时数据与仿真数据所能带来的实际意义并没有被充分发挥，离散的多源异构信息与模型尚未被整合，机加的效率提升存在着较大的空间。

发明内容

发明目的：本发明的目的是提供一种基于数字孪生驱动的工艺模型的建模与使用方法，从而实现数字孪生工艺模型的建模及其对于工艺规划的辅助作用。

技术方案：基于数字孪生驱动的工艺模型的建模与使用方法，包括以下步骤：

(1)对机加过程中包括加工设备、工件、加工环境在内的影响加工质量的因素进行现场实时数据的采集；

(2)对工件、设备、环境在机加过程中的应力应变、温度、加工参数、变形和生产流程利用仿真软件进行仿真优化，获取仿真结果数据；

(3)整合包括实时数据、仿真数据、历史数据、工艺设计数据、工艺规则数据在内的多源异构数据，通过物理空间与虚拟空间数据映射技术生成机加数字孪生数据并利用工艺模型建模方法建模；

(4)建立数字孪生框架体系，构建数字孪生驱动的工艺模型，通过制定的工艺模型的使用方法来指导下游的加工制造，指导工艺模板的生成。

所述步骤(3)中工艺模型建模方法的具体步骤如下：

1)构建数字孪生模型的模型方程式，确定包含内容；

2)构建机加孪生数据方程式，确定组成结构；

3)依据方程式和数据采集系统、仿真系统、工艺知识库等确定具体数据；

4)数据的层次化梳理以及映射完成孪生数据的生成；

5)建立子系统之间的数据传输机制；

6)生成的孪生数据融入MBD模型；

7)实现模型的更新和可操作性。

所述步骤(4)中工艺模型的使用方法具体包括如下步骤：

1)依据毛坯模型、工序间模型、工序感知模型、工序仿真模型和孪生数据创建数字孪生工艺模型；

2)系统平台中工艺模型实现现场加工可视化；

3)依据实时采集数据、仿真结果和工艺知识库中的规则评判工艺；

4)判断工艺是都可执行，若可执行则利用仿真优化结果指导物理空间生产并制定合理的工艺模板；

5)若不可执行，则将仿真结果和系统评判结果反馈至生产车间更改当前的工艺参数和工艺路线，实现对现场加工的预测指导，并返回步骤1)。

所述步骤(1)中实时数据的采集主要采用软件采集和硬件采集相结合的方式完成；软件采集是通过接口协议来做软件的二次开发；硬件采集是通过在机床中添加传感器达到采集效果。

所述步骤(1)中采集的数据也分为静态数据和动态数据，由RDID技术获取的包括加工设备型号、加工设备参数、工件毛坯信息在内的数据为静态数据，由感知装备感知的包括实时加工设备、实时加工参数、刀具磨损量在内的数据为动态数据。

所述步骤(1)中采集的加工设备、工件以及加工环境的实时数据包括物流信息、当前工序信息、设备任务状态、电机功率、刀具磨损量、切削参数、接头变形量和加工件表面精度。

所述步骤(2)中的仿真优化，主要是针对加工设备、加工件、加工环境的仿真以及对工艺流程的算法优化，通过不同软件的多重仿真，得到最优或较优的仿真优化结果，将仿真数据融合入工艺模型，推进工艺模型内容的多维度、多尺度深化以及精准性。

所述步骤(3)中生成的孪生数据包括设计数据、加工过程感知数据、虚拟仿真数据、工艺数据、工艺规则数据和历史运行数据；面向机加过程的多源异构数据通过创建的数据映射机制完成数据映射、融合，生成构建工艺模型基础的孪生数据。

所述步骤(4)中的基于数字孪生的工艺模型包括毛坯模型、工序间模型、工序感知模型和工序仿真模型。

本发明的有益效果：

本发明基于数字孪生技术，实现工艺规划中，基于数字孪生驱动的工艺模型建模与使用，对加工过程的工艺参数和工艺路线完成评判和优化，制定工艺模板，实现科学、快速、高效的工艺规划。

附图说明

图1为本发明的方法流程图；

图2为本发明的实时数据获取图；

图3为本发明的仿真数据获取图；

图4为本发明的数据映射图；

图5为本发明的数字孪生工艺模型框架体系图；

具体实施方式

以下实施例进一步说明本发明的内容，但不应理解为对本发明的限制。在不背离本发明实质的情况下，对本发明方法、步骤或条件所作的修改和替换，均属于本发明的范围。

实施例一

(1)实时数据的采集

实时数据的采集流程如图2所示，本实施方式采用软件采集和硬件采集相结合的方式进行数据采集：软件采集是通过接口协议来做软件的二次开发；硬件采集是在机床中添加传感器达到采集效果。

软件的采集主要包括：数控设备的数控系统，可编辑逻辑控制器系统、机床电控部分系统以及生产数据及设备状态信息采集分析管理系统。系统主要用于采集并分析生产设备的工作和运行状态数据，实现对设备、工件实时生产状态和运行数据的监测，为其他软件系统提供支持。

硬件的采集主要是通过外设传感器来实现对加工环境温度、加工过程中不同位置、不同位置的压力、电控系统与加工机床实时电流、加工噪音、成型件表面质量、成型件尺寸等数据的采集，硬件采集的数据通过数据总线传输至分析管理系统。

最终通过分析管理系统的二次开发，完善系统平台对于机床和生产相关的关键数据进行统计和分析，如主轴运转率、主轴负载率、NC运行率、故障率、设备综合利用率(OEE)、设备生产率、零部件合格率、质量百分比等，再将数据共享至整个工艺系统，实时反馈加工过程现状，为工艺模型增添核心驱动数据，为工艺模型指导工艺设计以及驱动加工生产提供有效数据来源。

实时数据的采集和管理过程分为四个步骤：

1)利用RFID标签和条形码识别静态信息(如工艺设备属性和工件基本属性)；

2)基于多智能传感器(如激光测距仪、红外测距仪等)和监测系统(如位移监测系统、任务管理系统等)获取机床运行参数、工件几何形状、工艺参数等动态信息，执行数据；

3)建立基于接口协议的数据传输网络，保证实时数据的高效传输和融合；

4)使用数据库软件存储、管理和调用所有数据。

(2)虚拟仿真

虚拟仿真主要依托于软件、算法、工艺对象来得到预设的结果。仿真数据的获取过程如图3所示，虚拟仿真首先是对加工设备、车间人员、加工件在车间生产流程的仿真，确定整体的生产运作能够实现的同时缩短生产周期以及较优的资源利用；

其次是针对加工件材料力学、热力学、动力学等多学科仿真，检验加工件是否具备加工条件，减小加工前的因为加工毛坯而导致的加工误差；

再对设备加工能力仿真，检验加工设备是否具备完成将至工序的工件加工条件，降低加工误差和设备故障发生；

最后对加工后工件依据所需要求进行仿真，检验工序完成后的工件是否满足进入下一道工序的条件，是否满足生产要求。

虚拟优化是指对生产资源调度的算法优化、对加工工艺路线的算法优化、对工件设计参数的算法优化、对设备不同加工参数导致的加工件质量的算法优化，实现车间人员、设备、工件的实时高效利用、加工工艺路线的合理安排、工件设计参数的合理确定、加工参数的正确选用。

仿真数据的获取分为四个步骤：

1)确定仿真优化对象，如工艺参数和设备配置状态；

2)选择仿真软件和优化算法配置操作；

3)建立数据传输网络，基于接口协议的网络保证了实时数据的高效传输和融合；

4)使用数据库软件存储、管理和调用所有数据。

(3)融合历史数据、工艺设计数据以及采集的实时数据和仿真数据生成可以驱动数字孪生工艺模型的孪生数据，生成过程综合运用数据传输技术、数据映射技术、数据融合技术。

通过以太网(有线宽带、WIFI、ZigBee、4G等协议)实现数据在系统各个子系统之间的数据传输，完成参数提交、接收监控、控制命令等操作；

建立如图4所示的孪生数据的数据映射路线，具体包含多源异构信息、多种物理接口、异样驱动协议和数据解析。

通过物理接口实现传感器数据的获取，通过驱动协议实现数据的在系统内的共享，借助多维感知信息分析技术，建立一个标准的数据描述格式，主要表达数据载体、数据属性、数据来源等信息，再分析多维感知数据之间的关联关系，分析已经拥有的信息资源数据与最终工艺模型建模所需数据的关联关系，例如：实时感知的设备加工时间与工序耗时的联系、机床加工参数和最终产品表面质量的关系等。从海量的多源异构数据入手，分析孪生数据的协同耦合关系。

(4)基于数字孪生的工艺模型包括：毛坯模型、工序间模型、工序感知模型和工序仿真模型组成。传统MBD模型添加孪生数据，构建数字孪生驱动的工艺模型，指导下游的加工制造，指导工艺模板的生成。

在本实施方式中，数字孪生驱动的工艺模型的建模方法包括以下步骤：

1)构建数字孪生模型的模型方程式；

2)构建机加孪生数据方程式；

3)依据方程式和数据采集系统、仿真系统、工艺知识库等确定具体数据；

4)数据的层次化梳理以及映射完成孪生数据的生成；

5)建立子系统之间的数据传输机制；

6)生成的孪生数据融入MBD模型；

7)实现模型的更新和可操作性。

该数字孪生驱动的工艺模型的使用方法包括以下步骤：

1)依据毛坯模型、工序间模型、工序感知模型、工序仿真模型和孪生数据创建数字孪生工艺模型；

2)系统平台中工艺模型实现现场加工可视化；

3)依据实时采集数据、仿真结果和工艺知识库中的规则评判工艺；

4)判断工艺是都可执行，若可执行则利用仿真优化结果指导物理空间生产并制定合理的工艺模板；

5)若不可执行，则将仿真结果和系统评判结果反馈至生产车间更改当前的工艺参数和工艺路线，实现对现场加工的预测指导，并返回步骤1)。

如图5所示，构建数字孪生框架体系。工艺资源装备的状态、加工零件的状态、加工过程中出现的工艺参数、环境参数、设备参数、人员参数、仿真结果的预测数据等都将直接影响后续加工的行进，基于由孪生数据构建的数字孪生工艺模型做出对工艺模板的定制、修改意见，再将修改意见传输给设计部门进行决策，结合数字孪生工艺模型对工艺过程的实时监控、预测、设计、修改，实现实际加工与协同设计与并行设计，减少后续的修改量，提升工艺的可执行度。

本实施方式对基于实体对象的虚拟模型进行多学科、多尺度仿真优化，通过对仿真结果的数据处理以及与历史数据的比较，确保工艺的可执行性。有效地利用了加工过程的多源异构实时数据，推进物理空间生成虚拟空间，虚拟空间指导物理空间的进程，通过对各工序的数据可视化以及工艺可执行性判别，完成工艺模板的制定，实现最终的工艺规划，缩短产品设计制造周期，提升生产效率。

实施例二

船用柴油机连杆轴承盖数字孪生工艺模型应用，其使用方法为：

由现场加工状况确定出连杆轴承盖的钻孔工序，通过实时数据的获取得到该道工序所对应的加工设备、加工参数、设备状态、刀具状态、工件状态，借助仿真优化系统得到该道工序的仿真优化结果，判断该道工序的可执行性以及工艺参数的最优性，将加工过程的工艺数据展现在系统界面上实现加工过程可视化，最终依据需求制定相应的工艺模板。

以上显示和描述了本发明的基本原理、主要特征及优点。但是以上所述仅为本发明的具体实施例，本发明的技术特征并不局限于此，任何本领域的技术人员在不脱离本发明的技术方案下得出的其他实施方式均应涵盖在本发明的专利范围之中。

Claims (5)

1.基于数字孪生驱动的工艺模型的建模与使用方法，其特征在于，包括以下步骤：

（1）对机加过程中，包括加工设备、工件、加工环境在内的影响加工质量的因素进行现场实时数据的采集；

（2）对工件、设备、环境在机加过程中的应力应变、温度、加工参数、变形和生产流程利用仿真软件进行仿真优化，获取仿真结果数据；

（3）整合包括实时数据、仿真数据、历史数据、工艺设计数据、工艺规则数据在内的多源异构数据，通过物理空间与虚拟空间数据映射技术生成机加数字孪生数据并利用工艺模型建模方法建模；

（4）建立数字孪生框架体系，构建数字孪生驱动的工艺模型，通过制定的工艺模型的使用方法来指导下游的加工制造，指导工艺模板的生成；

所述步骤（1）中采集的数据分为静态数据和动态数据，由RDID技术获取的包括加工设备型号、加工设备参数、工件毛坯信息在内的数据为静态数据，由感知装备感知的包括实时加工设备、实时加工参数、刀具磨损量在内的数据为动态数据；

所述步骤（2）中的仿真优化，主要是针对加工设备、加工件、加工环境的仿真以及对工艺流程的算法优化，通过不同软件的多重仿真，得到最优或较优的仿真优化结果，将仿真数据融合入工艺模型，推进工艺模型内容的多维度、多尺度深化以及精准性；

所述步骤（3）中工艺模型建模方法的具体步骤如下：

构建数字孪生模型的模型方程式，确定包含内容；

构建机加孪生数据方程式，确定组成结构；

依据方程式和数据采集系统、仿真系统、工艺知识库确定具体数据；

数据的层次化梳理以及映射完成孪生数据的生成；

建立子系统之间的数据传输机制；

生成的孪生数据融入MBD模型；

实现模型的更新和可操作性；

所述步骤（4）中工艺模型的使用方法具体包括如下步骤：

依据毛坯模型、工序间模型、工序感知模型、工序仿真模型和孪生数据创建数字孪生工艺模型；

系统平台中工艺模型实现现场加工可视化；

依据实时采集数据、仿真结果和工艺知识库中的规则评判工艺；

判断工艺是都可执行，若可执行则利用仿真优化结果指导物理空间生产并制定合理的工艺模板；

若不可执行，则将仿真结果和系统评判结果反馈至生产车间更改当前的工艺参数和工艺路线，实现对现场加工的预测指导，并返回步骤1）。

2.根据权利要求1所述的基于数字孪生驱动的工艺模型的建模与使用方法，其特征在于，所述步骤（1）中实时数据的采集主要采用软件采集和硬件采集相结合的方式完成；软件采集是通过接口协议来做软件的二次开发；硬件采集是通过在机床中添加传感器达到采集效果。

3.根据权利要求1所述的基于数字孪生驱动的工艺模型的建模与使用方法，其特征在于，所述步骤（1）中采集的加工设备、工件以及加工环境的实时数据包括物流信息、当前工序信息、设备任务状态、电机功率、刀具磨损量、切削参数、接头变形量和加工件表面精度。

4.根据权利要求1所述的基于数字孪生驱动的工艺模型的建模与使用方法，其特征在于，所述步骤（3）中生成的孪生数据包括设计数据、加工过程感知数据、虚拟仿真数据、工艺数据、工艺规则数据和历史运行数据；面向机加过程的多源异构数据通过创建的数据映射机制完成数据映射、融合，生成构建工艺模型基础的孪生数据。

5.根据权利要求1所述的基于数字孪生驱动的工艺模型的建模与使用方法，其特征在于，所述步骤（4）中的基于数字孪生的工艺模型包括毛坯模型、工序间模型、工序感知模型和工序仿真模型。