CN111968004A - 一种基于数字孪生的高精密产品装调一体化系统 - Google Patents
一种基于数字孪生的高精密产品装调一体化系统 Download PDFInfo
- Publication number
- CN111968004A CN111968004A CN202010787248.2A CN202010787248A CN111968004A CN 111968004 A CN111968004 A CN 111968004A CN 202010787248 A CN202010787248 A CN 202010787248A CN 111968004 A CN111968004 A CN 111968004A
- Authority
- CN
- China
- Prior art keywords
- assembly
- debugging
- data
- digital
- model
- 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.)
- Pending
Links
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
- G06Q50/00—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
- G06Q50/04—Manufacturing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/10—Geometric CAD
- G06F30/17—Mechanical parametric or variational design
-
- 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
- G06F30/27—Design optimisation, verification or simulation using machine learning, e.g. artificial intelligence, neural networks, support vector machines [SVM] or training a model
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T17/00—Three dimensional [3D] modelling, e.g. data description of 3D objects
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T19/00—Manipulating 3D models or images for computer graphics
- G06T19/006—Mixed reality
-
- 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
Abstract
本发明涉及一种基于数字孪生的高精密产品装调一体化系统,其特征在于,由虚拟装调环境和物理装调环境组成;虚拟装调环境包括数字孪生构建模块;装调过程仿真模块;装调质量预测模块;装调工艺优化模块;物理信息采集模块。本发明针对现有的高精密产品装配技术模型可重用性差、缺乏虚实空间交互性和装配工艺可信度低等问题,发明了一种基于数字孪生的高精密产品装调一体化系统。在数字孪生模型的构建、装调过程仿真、装调质量预测和装调工艺优化等方面实现了高精密产品的智能化装配,同时使得实际装调过程可以三维可视化追踪,装调过程实现自主决策。
Description
技术领域
本发明涉及一种基于数字孪生的高精密产品装调一体化系统,属于电液伺服阀、机器人传动机构等高精密产品装配领域。
背景技术
电液伺服阀、机器人传动机构之类的高精密产品广泛应用于航天、船舶、化工等领域。高精密产品装配工艺复杂、装配精度要求较高,其调试过程还涉及机械、电子、液压等多学科耦合问题。因此,高精密产品的装配质量不仅需要满足位姿和间隙约束下的尺寸精度要求,还需要满足多学科耦合下的尺寸性能要求。但是,传统的高精密产品数字化装配技术还停留在装配设计阶段。由装配设计阶段虚拟仿真得出的装配工艺是通过理想几何模型及理论数据产生的,缺乏虚实之间的数据交互,无法正确指导实际装配过程。高精密产品实际装配过程还是以人工经验判断为主,整个装配过程难度系数较大,对操作工人要求较高。并且人工装配无法实现装配质量的一致性和精准性,产品的一次性合格率较低。不合格产品返工再装配增加了工人的劳动强度,一定程度上影响装配效率,最终形成了恶性循环。由此可见,传统的数字化装配方法已经无法满足日益增加的产品装配质量需求,亟需一种新的装配方法来解决当前的装配难题。
近年来,随着机器学习、大数据、云计算和IoT等技术的快速发展,使产品装配技术由数字化模型仿真为主的虚拟装配逐渐向虚实深度融合的智能化装配方向发展。如何实现装配虚实空间的深度融合,是推动智能化落地的关键。数字孪生通过集成新一代信息技术实现了虚拟空间与物理空间的信息交互与融合,即由实到虚的实时映射和由虚到实的实时智能化控制。为此,基于数字孪生的装配方法可实现高精密产品的智能化装配,通过建立装调数字孪生模型,利用深度学习算法进行装调质量的预测和工艺优化,可以大幅度提高产品的装调质量和效率。
发明内容
本发明目的是:提供一种基于数字孪生的装配系统,以实现高精密产品的智能化装配。
为了达到上述目的,本发明的技术方案是提供了一种基于数字孪生的高精密产品装调一体化系统,其特征在于,由虚拟装调环境和物理装调环境组成,其中,物理装调环境包括各数字化装配设备,在各数字化装配设备上设置各类传感单元,在实际装调过程中,通过各类传感单元向虚拟装调环境反馈实际装配数据,由虚拟装调环境依据实际装配数据对装调工艺进行动态调整与实时优化从而生成优化装配工艺信息,物理装调环境根据接收到的优化装配工艺信息实时调整实际装调的装配工艺;
虚拟装调环境包括:
数字孪生构建模块,用于构建零组件数字孪生、装配操作数字孪生及产品质量数字孪生,其中:零组件数字孪生是将零组件的理论模型与实物模型以关键装配特征为配准点进行融合所构建的集成模型;装配操作数字孪生是利用仿真装配操作与实际装配操作共同构建的集成模型;产品质量数字孪生是利用产品质量评价函数与产品实际装配质量数据共同构建的集成模型;
装调过程仿真模块,通过图形显示利用装配工艺文件的装调约束进行零组件的装调工艺仿真获得每一工序的仿真数据,零组件采用数字孪生构建模块所形成的零组件数字孪生;在装调过程中,装调过程仿真模块利用装调工艺优化模块输出的优化装配工艺信息进行虚拟工艺仿真,获得更新后的仿真数据;
装调质量预测模块,通过训练深度学习网络模型对历史的零组件数字孪生数据、装配操作数字孪生数据及产品质量数字孪生数据进行数据挖掘与建模,将所包含的当前工序装调过程中实测数据、性能数据、更新后的仿真数据、实测数据与更新后的仿真数据之间的偏差数据进行分析与推演,在下一工序的实际装调活动实施前,根据特定的工况条件、零组件的实际特征值,相应的装调工艺,利用训练后的深度学习网络模型获得质量预测结果,避免无效装配出现;
装调工艺优化模块,获得下一工序的质量预测结果,在已有的下一个工序的工艺参数的基础上,依据质量预测结果对下一个工序的工艺参数进行优化调整,获得下一个工序的优化装配工艺信息;
物理信息采集模块,用于通过物理装调环境中的各类传感单元采集实际装配数据。
优选地,所述理论模型采用基于MBD的建模技术通过CAD软件建立的几何模型,该几何模型涉及了几何信息和非几何信息。
优选地,所述非几何信息包括材料属性、三维标注信息和工程注释,其中,工程注释描述了工艺计划所必需提供的产品定义信息。
优选地,采用点云扫描的方式获得所述实物模型。
优选地,获得所述实物模型具体包括以下步骤:
步骤1、确定零组件的装配特征、基准特征、边界特征;
步骤2、根据零组件的几何外形以及关键装配特征,确定零件激光扫描系统中的运动轨迹、转台转动、专用测量设备的扫描频率,获得高精度测量三维特征形貌点云;
步骤3、通过高精度间接测量设备,获得零组件腔体内部密闭特征形貌;
步骤4、对于测量的间接数据,通过数理模型分析后生成密闭轮廓数据信息,最终融合在三维特征形貌点云数据中。
优选地,利用CAPP接收来自CAD系统的产品设计信息,并依托工艺知识库来辅助工艺设计人员作出决策,生成所述装配工艺文件。
本发明针对现有的高精密产品装配技术模型可重用性差、缺乏虚实空间交互性和装配工艺可信度低等问题,发明了一种基于数字孪生的高精密产品装调一体化系统。在数字孪生模型的构建、装调过程仿真、装调质量预测和装调工艺优化等方面实现了高精密产品的智能化装配,同时使得实际装调过程可以三维可视化追踪,装调过程实现自主决策。
与现有技术相比,本发明具有如下有益成果:
(1)通过装调质量预测和工艺优化,提高了高精密产品的装配质量。
(2)通过装调过程的智能化决策,提高了高精密产品的装配效率。
(3)通过装配过程的智能化操作,降低了对装配操作工人的经验要求。
附图说明
图1为数字孪生装配系统构建方法;
图2为数字孪生装配系统软件界面;
图3为数字孪生系统操作框架图;
图4为零组件数字孪生模型构建过程;
图5为装配工艺迭代优化流程图。
具体实施方式
下面结合具体实施例,进一步阐述本发明。应理解,这些实施例仅用于说明本发明而不用于限制本发明的范围。此外应理解,在阅读了本发明讲授的内容之后,本领域技术人员可以对本发明作各种改动或修改,这些等价形式同样落于本申请所附权利要求书所限定的范围。
本发明提供了一种基于数字孪生的高精密产品装调一体化系统,该系统搭建包括虚拟装调环境和物理装调环境。如图1所示,虚拟装调环境搭建多个系统模块。如图2所示,虚拟装调环境中软件界面由菜单栏、属性和输入显示栏、可视化窗口、模型库和装配树显示栏、约束信息显示栏组成。虚拟装调环境搭建的模块主要包括:数字孪生构建模块、装调过程仿真模块、装调质量预测模块、装调工艺优化模块和物理信息采集模块。
数字孪生构建模块,用于构建零组件数字孪生、装配操作数字孪生及产品质量数字孪生。零组件数字孪生是将零组件的理论模型与实物模型以关键装配特征为配准点进行融合所构建的集成模型。为了实现装调过程的三维可视化,搭建的零组件数字孪生如图4所示。具体包括如下内容:
(1)建立理论模型。建立零件理论模型可采用基于MBD的建模技术通过CAD软件建立零件MBD模型。建立的零件MBD模型涉及了几何信息和非几何信息。非几何信息主要包括材料属性、三维标注信息和工程注释,其中工程注释主要描述了工艺计划所必需提供的产品定义信息。
(2)建立实物模型。建立实物模型可采用点云扫描的方式,针对实测数据的研究已经较为成熟,尤其是稀疏大量数据的装配特征识别和建模、配准等。对于一个装配零件,传统的点云扫描方法是对被测工件表面进行无差别的扫描,没有考虑到装配特征、基准特征等关键部分,因而导致数据量极大、数据冗余等问题,本发明采用考虑关键装配特征的零件逆向建模技术,实时获取装配零件的点云数据,具体操作步骤如下:
步骤1、确定装配零件装配特征、基准特征、边界特征等;
步骤2、根据零部件的几何外形,关键装配特征,确定零件激光扫描系统中的运动轨迹、转台转动、专用测量设备的扫描频率,获得高精度测量三维特征形貌点云;
步骤3、通过专用高精度间接测量设备,获得腔体内部密闭特征形貌;
步骤4、对于测量的间接数据,通过数理模型分析后生成密闭轮廓数据信息,最终融合在点云数据中。
(3)理论模型与实物模型的融合。以关键装配特征为配准点,实现理论模型与实物模型的融合,构建XML数据存储的数字孪生模型,融合制造偏差的装配数据融合与偏差计算。
装配操作数字孪生是利用仿真装配操作与实际装配操作共同构建的集成模型。产品质量数字孪生是利用产品质量评价函数与产品实际装配质量数据共同构建的集成模型。
装调工艺是指在一定目标的驱动下和实际装调资源的约束下,规划和确定从零件到装配体的装调路线和工艺参数。本发明的装调工艺是利用CAPP(Computer AidedProcess Planning)接收来自CAD系统的产品设计信息,并依托工艺知识库来辅助工艺设计人员作出决策,生成装配工艺文件。
装调过程仿真模块是进行装调过程仿真分析。通过基于Hoops的图形显示,利用装调约束进行的装调工艺仿真。其中装配的零组件采用数字孪生构建模块所形成的零组件数字孪生模型,约束信息来源于装配工艺文件。在装调过程中,装调过程仿真模块利用装调工艺优化模块输出的优化装配工艺信息进行虚拟工艺仿真,获得更新后的仿真数据。
装调质量预测模块是通过实时采集的装调状态数据对产品进行质量预测。装调质量预测需在高度融合的孪生数据的基础上,对孪生数据进行数据挖掘与建模,将其所包含的装调过程中实测数据、性能数据、更新后的仿真数据、偏差数据(如形状偏差、尺寸偏差)进行分析与推演。在下一工序的装调活动实施前,根据特定的工况条件、零件的实际特征值,相应的装调工艺,利用深度学习算法预测出成品的质量特性,避免无效装配出现。
本发明中,装调质量预测模块根据历史装配数据,通过训练的深度学习网络模型进行装调质量预测。深度学习网络模型的输入是当前的产品装调状态数据,输出是质量数据。不同的质量预测阶段所构建的深度学习网络模型是不同的。
装调工艺优化模块是通过质量预测结果进行装调工艺优化。通过装调质量预测的结果,在原有的工艺参数基础上,对下一工序的参数进行优化调整。以此保证下一工序的装调质量。
装调工艺优化实施如图5所示,同时结合数据实时采集技术和智能算法,可以实现装调工艺的实时动态调整及优化。其装调工艺信息包括产品信息、过程信息和资源信息。物理空间装调过程通过接收来自装调工艺优化的工艺信息,进行实际装调。利用传感器等设备进行装调过程数据实时采集,将采集的数据上传至虚拟空间,虚拟装调过程根据物理车间的实时状态对自身进行状态更新,并对物理空间实际装配数据与预定义理论数据进行比对。判断比对误差是否超出规定阀值,利用智能算法进行优化,形成优化装配工艺信息后进行虚拟工艺仿真。
在装调过程中,针对对应的工况条件、实际特征值,基于装调质量预测结果,实现装调工艺的动态调整与实时优化。两者高度融合,协同保证产品的装调质量。
物理信息采集模块是实时采集物理空间的运行设备和产品装调状态数据。本发明中,物理信息采集模块通过液压测量设备、电信号检测设备、三位激光扫描仪和双目视觉相机等实时采集装调过程中产品装配状态数据。利用设备本身的数据接口采集设备运行数据。
物理装调环境是在原装配设备基础上添加各类传感器,同时对部分非数字化设备替换为数字化设备。在物理装调环境中,添加的传感器包括液压测量设备、电信号检测设备、三位激光扫描仪和双目视觉相机等。同时系统通过OPC-UA进行通信。
如图3所示,本发明在实施过程中的方法具体包括:数字孪生模型的构建方法,装调过程的孪生数据融合方法与数字孪生模型间的互操作方法,孪生数据驱动的装调质量预测方法和装调工艺优化方法。
Claims (6)
1.一种基于数字孪生的高精密产品装调一体化系统,其特征在于,由虚拟装调环境和物理装调环境组成,其中,物理装调环境包括各数字化装配设备,在各数字化装配设备上设置各类传感单元,在实际装调过程中,通过各类传感单元向虚拟装调环境反馈实际装配数据,由虚拟装调环境依据实际装配数据对装调工艺进行动态调整与实时优化从而生成优化装配工艺信息,物理装调环境根据接收到的优化装配工艺信息实时调整实际装调的装配工艺;
虚拟装调环境包括:
数字孪生构建模块,用于构建零组件数字孪生、装配操作数字孪生及产品质量数字孪生,其中:零组件数字孪生是将零组件的理论模型与实物模型以关键装配特征为配准点进行融合所构建的集成模型;装配操作数字孪生是利用仿真装配操作与实际装配操作共同构建的集成模型;产品质量数字孪生是利用产品质量评价函数与产品实际装配质量数据共同构建的集成模型;
装调过程仿真模块,通过图形显示利用装配工艺文件的装调约束进行零组件的装调工艺仿真获得每一工序的仿真数据,零组件采用数字孪生构建模块所形成的零组件数字孪生;在装调过程中,装调过程仿真模块利用装调工艺优化模块输出的优化装配工艺信息进行虚拟工艺仿真,获得更新后的仿真数据;
装调质量预测模块,通过训练深度学习网络模型对历史的零组件数字孪生数据、装配操作数字孪生数据及产品质量数字孪生数据进行数据挖掘与建模,将所包含的当前工序装调过程中实测数据、性能数据、更新后的仿真数据、实测数据与更新后的仿真数据之间的偏差数据进行分析与推演,在下一工序的实际装调活动实施前,根据特定的工况条件、零组件的实际特征值,相应的装调工艺,利用训练后的深度学习网络模型获得质量预测结果,避免无效装配出现;
装调工艺优化模块,获得下一工序的质量预测结果,在已有的下一个工序的工艺参数的基础上,依据质量预测结果对下一个工序的工艺参数进行优化调整,获得下一个工序的优化装配工艺信息;
物理信息采集模块,用于通过物理装调环境中的各类传感单元采集实际装配数据。
2.如权利要求1所述的一种基于数字孪生的高精密产品装调一体化系统,其特征在于,所述理论模型采用基于MBD的建模技术通过CAD软件建立的几何模型,该几何模型涉及了几何信息和非几何信息。
3.如权利要求2所述的一种基于数字孪生的高精密产品装调一体化系统,其特征在于,所述非几何信息包括材料属性、三维标注信息和工程注释,其中,工程注释描述了工艺计划所必需提供的产品定义信息。
4.如权利要求1所述的一种基于数字孪生的高精密产品装调一体化系统,其特征在于,采用点云扫描的方式获得所述实物模型。
5.如权利要求4所述的一种基于数字孪生的高精密产品装调一体化系统,其特征在于,获得所述实物模型具体包括以下步骤:
步骤1、确定零组件的装配特征、基准特征、边界特征;
步骤2、根据零组件的几何外形以及关键装配特征,确定零件激光扫描系统中的运动轨迹、转台转动、专用测量设备的扫描频率,获得高精度测量三维特征形貌点云;
步骤3、通过高精度间接测量设备,获得零组件腔体内部密闭特征形貌;
步骤4、对于测量的间接数据,通过数理模型分析后生成密闭轮廓数据信息,最终融合在三维特征形貌点云数据中。
6.如权利要求1所述的一种基于数字孪生的高精密产品装调一体化系统,其特征在于,利用CAPP接收来自CAD系统的产品设计信息,并依托工艺知识库来辅助工艺设计人员作出决策,生成所述装配工艺文件。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010787248.2A CN111968004A (zh) | 2020-08-07 | 2020-08-07 | 一种基于数字孪生的高精密产品装调一体化系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010787248.2A CN111968004A (zh) | 2020-08-07 | 2020-08-07 | 一种基于数字孪生的高精密产品装调一体化系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111968004A true CN111968004A (zh) | 2020-11-20 |
Family
ID=73365176
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010787248.2A Pending CN111968004A (zh) | 2020-08-07 | 2020-08-07 | 一种基于数字孪生的高精密产品装调一体化系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111968004A (zh) |
Cited By (19)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112685898A (zh) * | 2020-12-29 | 2021-04-20 | 武汉科技大学 | 一种基于数字孪生的绿色材料优选方法及系统 |
CN112904811A (zh) * | 2021-01-14 | 2021-06-04 | 厦门汇利伟业科技有限公司 | 一种基于数字孪生技术的多设备协同作业系统及方法 |
CN112926764A (zh) * | 2021-01-21 | 2021-06-08 | 北京理工大学 | 一种产品质量性能预测方法和装置 |
CN113361139A (zh) * | 2021-07-08 | 2021-09-07 | 广东省智能机器人研究院 | 一种基于数字孪生的产线仿真滚动优化系统及方法 |
CN113420448A (zh) * | 2021-06-25 | 2021-09-21 | 中国兵器装备集团自动化研究所有限公司 | 一种弹药熔铸装药成型过程的数字孪生系统及方法 |
CN113433898A (zh) * | 2021-06-09 | 2021-09-24 | 意特利(上海)科技有限公司 | 基于数字孪生的大型薄腔壁智能化加工预警系统 |
CN113504768A (zh) * | 2021-08-05 | 2021-10-15 | 东华大学 | 面向装配质量预测的高精密产品数字孪生可计算性方法 |
CN113554230A (zh) * | 2021-07-26 | 2021-10-26 | 东华大学 | 一种面向制造全生命周期的数字孪生可表示性建模系统 |
CN113570266A (zh) * | 2021-08-02 | 2021-10-29 | 中国政法大学 | 一种基于数字孪生技术的外部损失成本控制方法 |
CN113569358A (zh) * | 2021-07-29 | 2021-10-29 | 南京航空航天大学 | 一种面向产品质量反馈的数字孪生系统模型构建方法 |
CN113579849A (zh) * | 2021-08-26 | 2021-11-02 | 东华大学 | 一种面向弱刚性钻削的数字孪生控制方法及系统 |
CN113627031A (zh) * | 2021-08-27 | 2021-11-09 | 深圳供电局有限公司 | 一种基于数字孪生技术的模型展示系统及方法 |
CN113618723A (zh) * | 2021-08-18 | 2021-11-09 | 东华大学 | 一种基于增强现实的船舶小组立辅助装配系统 |
CN114035521A (zh) * | 2021-11-09 | 2022-02-11 | 中机寰宇(江苏)智能制造认证检测有限公司 | 一种基于数字孪生的汽车分段建造方法 |
CN114367981A (zh) * | 2021-12-28 | 2022-04-19 | 达闼机器人有限公司 | 对象控制方法、装置、设备和存储介质 |
CN114777651A (zh) * | 2022-05-05 | 2022-07-22 | 东北大学 | 一种基于数字孪生的飞机表面装配质量检测方法 |
CN116880365A (zh) * | 2023-05-22 | 2023-10-13 | 深圳普菲特信息科技股份有限公司 | 设备生产过程的监控方法、系统和可读存储介质 |
CN117236054A (zh) * | 2023-10-08 | 2023-12-15 | 苏州诺克汽车工程装备有限公司 | 一种基于数字孪生的汽车焊装夹具装配方法、系统及介质 |
CN113570266B (zh) * | 2021-08-02 | 2024-05-17 | 中国政法大学 | 一种基于数字孪生技术的外部损失成本控制方法 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108388146A (zh) * | 2018-02-01 | 2018-08-10 | 东南大学 | 一种基于信息物理融合的三维装配工艺设计系统及运行方法 |
CN109445305A (zh) * | 2018-10-26 | 2019-03-08 | 中国电子科技集团公司第三十八研究所 | 一种基于数字孪生的装配精度仿真分析方法与系统 |
CN110705882A (zh) * | 2019-09-30 | 2020-01-17 | 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 |
CN111145236A (zh) * | 2019-12-04 | 2020-05-12 | 东南大学 | 一种基于数字孪生的产品拟实物装配模型生成方法及实现框架 |
CN111210359A (zh) * | 2019-12-30 | 2020-05-29 | 中国矿业大学(北京) | 面向智能矿山场景的数字孪生演化机理及方法 |
CN111274671A (zh) * | 2019-12-31 | 2020-06-12 | 东南大学 | 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 |
-
2020
- 2020-08-07 CN CN202010787248.2A patent/CN111968004A/zh active Pending
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108388146A (zh) * | 2018-02-01 | 2018-08-10 | 东南大学 | 一种基于信息物理融合的三维装配工艺设计系统及运行方法 |
CN109445305A (zh) * | 2018-10-26 | 2019-03-08 | 中国电子科技集团公司第三十八研究所 | 一种基于数字孪生的装配精度仿真分析方法与系统 |
CN110705882A (zh) * | 2019-09-30 | 2020-01-17 | 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 |
CN111145236A (zh) * | 2019-12-04 | 2020-05-12 | 东南大学 | 一种基于数字孪生的产品拟实物装配模型生成方法及实现框架 |
CN111210359A (zh) * | 2019-12-30 | 2020-05-29 | 中国矿业大学(北京) | 面向智能矿山场景的数字孪生演化机理及方法 |
CN111274671A (zh) * | 2019-12-31 | 2020-06-12 | 东南大学 | 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 |
Cited By (25)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112685898A (zh) * | 2020-12-29 | 2021-04-20 | 武汉科技大学 | 一种基于数字孪生的绿色材料优选方法及系统 |
CN112904811A (zh) * | 2021-01-14 | 2021-06-04 | 厦门汇利伟业科技有限公司 | 一种基于数字孪生技术的多设备协同作业系统及方法 |
CN112926764A (zh) * | 2021-01-21 | 2021-06-08 | 北京理工大学 | 一种产品质量性能预测方法和装置 |
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 |
CN113433898A (zh) * | 2021-06-09 | 2021-09-24 | 意特利(上海)科技有限公司 | 基于数字孪生的大型薄腔壁智能化加工预警系统 |
CN113420448A (zh) * | 2021-06-25 | 2021-09-21 | 中国兵器装备集团自动化研究所有限公司 | 一种弹药熔铸装药成型过程的数字孪生系统及方法 |
CN113361139A (zh) * | 2021-07-08 | 2021-09-07 | 广东省智能机器人研究院 | 一种基于数字孪生的产线仿真滚动优化系统及方法 |
CN113361139B (zh) * | 2021-07-08 | 2023-01-31 | 广东省智能机器人研究院 | 一种基于数字孪生的产线仿真滚动优化系统及方法 |
CN113554230A (zh) * | 2021-07-26 | 2021-10-26 | 东华大学 | 一种面向制造全生命周期的数字孪生可表示性建模系统 |
CN113569358A (zh) * | 2021-07-29 | 2021-10-29 | 南京航空航天大学 | 一种面向产品质量反馈的数字孪生系统模型构建方法 |
CN113569358B (zh) * | 2021-07-29 | 2024-02-06 | 南京航空航天大学 | 一种面向产品质量反馈的数字孪生系统模型构建方法 |
CN113570266A (zh) * | 2021-08-02 | 2021-10-29 | 中国政法大学 | 一种基于数字孪生技术的外部损失成本控制方法 |
CN113570266B (zh) * | 2021-08-02 | 2024-05-17 | 中国政法大学 | 一种基于数字孪生技术的外部损失成本控制方法 |
CN113504768A (zh) * | 2021-08-05 | 2021-10-15 | 东华大学 | 面向装配质量预测的高精密产品数字孪生可计算性方法 |
CN113504768B (zh) * | 2021-08-05 | 2022-06-03 | 东华大学 | 面向装配质量预测的高精密产品数字孪生可计算性方法 |
CN113618723A (zh) * | 2021-08-18 | 2021-11-09 | 东华大学 | 一种基于增强现实的船舶小组立辅助装配系统 |
CN113579849A (zh) * | 2021-08-26 | 2021-11-02 | 东华大学 | 一种面向弱刚性钻削的数字孪生控制方法及系统 |
CN113627031A (zh) * | 2021-08-27 | 2021-11-09 | 深圳供电局有限公司 | 一种基于数字孪生技术的模型展示系统及方法 |
CN114035521A (zh) * | 2021-11-09 | 2022-02-11 | 中机寰宇(江苏)智能制造认证检测有限公司 | 一种基于数字孪生的汽车分段建造方法 |
CN114367981A (zh) * | 2021-12-28 | 2022-04-19 | 达闼机器人有限公司 | 对象控制方法、装置、设备和存储介质 |
CN114777651A (zh) * | 2022-05-05 | 2022-07-22 | 东北大学 | 一种基于数字孪生的飞机表面装配质量检测方法 |
CN114777651B (zh) * | 2022-05-05 | 2024-01-26 | 东北大学 | 一种基于数字孪生的飞机表面装配质量检测方法 |
CN116880365A (zh) * | 2023-05-22 | 2023-10-13 | 深圳普菲特信息科技股份有限公司 | 设备生产过程的监控方法、系统和可读存储介质 |
CN116880365B (zh) * | 2023-05-22 | 2024-02-23 | 深圳普菲特信息科技股份有限公司 | 设备生产过程的监控方法、系统和可读存储介质 |
CN117236054A (zh) * | 2023-10-08 | 2023-12-15 | 苏州诺克汽车工程装备有限公司 | 一种基于数字孪生的汽车焊装夹具装配方法、系统及介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111968004A (zh) | 一种基于数字孪生的高精密产品装调一体化系统 | |
CN111274671B (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 | |
CN111145236B (zh) | 一种基于数字孪生的产品拟实物装配模型生成方法及实现框架 | |
CN111210359B (zh) | 面向智能矿山场景的数字孪生演化机理及方法 | |
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 | |
CN110900307B (zh) | 一种数字孪生驱动的数控机床刀具监控系统 | |
CN110738739B (zh) | 一种面向机器人装配的数字孪生系统的构建系统 | |
CN110889238B (zh) | 一种数字孪生驱动的热压罐管控系统 | |
CN113065276A (zh) | 一种基于数字孪生的智能建造方法 | |
CN111159793A (zh) | 基于数字孪生五维模型3d打印机建模方法及模型系统 | |
CN113420465B (zh) | 一种基于数字孪生模型的液压支架全寿命周期管理方法 | |
CN110147649B (zh) | 一种板件加工过程的模拟方法和装置 | |
CN113378329A (zh) | 基于数字孪生的轴向柱塞泵状态监测方法 | |
CN116107280B (zh) | 一种用于多维可视化管理的数字孪生工厂控制系统 | |
CN116822353A (zh) | 一种制造工艺过程的数字孪生模型快速构建方法 | |
CN112464494A (zh) | 一种智慧建造施工系统 | |
CN116561681A (zh) | 一种基于数字孪生的融合型故障诊断方法 | |
CN111859708A (zh) | 基于飞机结构件数字孪生模型的建模方法 | |
CN116415479A (zh) | 一种基于数字孪生的连续油管疲劳寿命预警方法 | |
Tao et al. | A review of digital twin intelligent assembly technology and application for complex mechanical products | |
CN112231966B (zh) | 一种基于数字孪生的协作机器人可装配性预测系统及方法 | |
CN116690988A (zh) | 一种大型建筑模型3d打印系统和方法 | |
CN114741999B (zh) | 一种基于数字孪生技术的引线键合在线监测方法 | |
CN115097782B (zh) | 一种数字孪生增强的复杂装备检测补偿方法与系统 | |
CN114169101A (zh) | 航空发动机叶片超声滚压强化工艺的数字孪生建模方法 |
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 | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20201120 |
|
RJ01 | Rejection of invention patent application after publication |