CN112462696A - 一种智能制造车间数字孪生模型构建方法与系统 - Google Patents
一种智能制造车间数字孪生模型构建方法与系统 Download PDFInfo
- Publication number
- CN112462696A CN112462696A CN202010831244.XA CN202010831244A CN112462696A CN 112462696 A CN112462696 A CN 112462696A CN 202010831244 A CN202010831244 A CN 202010831244A CN 112462696 A CN112462696 A CN 112462696A
- Authority
- CN
- China
- Prior art keywords
- manufacturing
- workshop
- digital twin
- intelligent
- twin 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
- 238000004519 manufacturing process Methods 0.000 title claims abstract description 243
- 238000010276 construction Methods 0.000 title claims abstract description 21
- 238000000034 method Methods 0.000 claims abstract description 47
- 230000008569 process Effects 0.000 claims abstract description 20
- 230000004927 fusion Effects 0.000 claims abstract description 17
- 238000004458 analytical method Methods 0.000 claims abstract description 15
- 238000012394 real-time manufacturing Methods 0.000 claims abstract description 13
- 238000012545 processing Methods 0.000 claims description 11
- 230000000694 effects Effects 0.000 claims description 10
- 230000003993 interaction Effects 0.000 claims description 8
- 238000007726 management method Methods 0.000 claims description 8
- 230000007246 mechanism Effects 0.000 claims description 6
- 238000003754 machining Methods 0.000 claims description 5
- 238000013075 data extraction Methods 0.000 claims description 4
- 230000008846 dynamic interplay Effects 0.000 claims description 4
- 238000007781 pre-processing Methods 0.000 claims description 4
- 230000004931 aggregating effect Effects 0.000 claims description 3
- 238000013461 design Methods 0.000 claims description 3
- 238000012423 maintenance Methods 0.000 claims description 3
- 238000002360 preparation method Methods 0.000 claims description 3
- 238000007689 inspection Methods 0.000 claims description 2
- 238000004220 aggregation Methods 0.000 abstract description 4
- 230000002776 aggregation Effects 0.000 abstract description 4
- 238000005516 engineering process Methods 0.000 description 3
- 230000006399 behavior Effects 0.000 description 2
- 238000013135 deep learning Methods 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000005457 optimization Methods 0.000 description 2
- 238000004088 simulation Methods 0.000 description 2
- 238000009411 base construction Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000007418 data mining Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 235000019580 granularity Nutrition 0.000 description 1
- 238000003801 milling Methods 0.000 description 1
- 238000013433 optimization analysis Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000009897 systematic effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B19/00—Programme-control systems
- G05B19/02—Programme-control systems electric
- G05B19/418—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS] or computer integrated manufacturing [CIM]
- G05B19/41885—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS] or computer integrated manufacturing [CIM] characterised by modeling, simulation of the manufacturing system
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B2219/00—Program-control systems
- G05B2219/30—Nc systems
- G05B2219/32—Operator till task planning
- G05B2219/32339—Object oriented modeling, design, analysis, implementation, simulation language
-
- 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
- Y02P90/02—Total factory control, e.g. smart factories, flexible manufacturing systems [FMS] or integrated manufacturing systems [IMS]
Landscapes
- Engineering & Computer Science (AREA)
- Manufacturing & Machinery (AREA)
- General Engineering & Computer Science (AREA)
- Quality & Reliability (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明提供了一种智能制造车间数字孪生模型构建方法与系统,包括:步骤1:在智能制造车间中配置传感设备,采集制造现场生产数据并进行深度融合与分析,形成制造车间实时数据库;步骤2:基于实时制造数据与跨领域制造过程专家知识,构建制造系统语义知识库;步骤3:基于制造车间实时数据库与制造车间语义知识库,构建出智能车间的数字孪生模型。本发明旨在解决现有数字孪生模型构建过程中存在的制造资源建模不全面、制造系统建模不聚合的问题。
Description
技术领域
本发明涉及智能制造技术领域,尤其涉及一种智能制造车间数字孪生模型构建方法与系统。
背景技术
智能制造系统的实时动态优化管理对于提升制造能力具有重要作用,数字孪生技术能够为制造系统的生产管理与优化分析提供虚拟运算平台,制定更加合理的生产计划,逐步成为国内外研究的热点。精准可靠的数字孪生模型构建是数字孪生技术应用落地的基础问题。
中国专利《一种数字孪生行为模型快速构建方法》通过采集物理实体的工序数据,并重新组帧发送给虚拟模型,以数据的驱动来反映虚拟模型后台行为规则的属性;中国专利《一种矿井数字孪生模型及其构建方法》通过构建物理空间矿井应用场景在虚拟空间的数字孪生模型,实现数字孪生体与物理实体之间的信息交互与虚拟监控;中国专利《基于数字孪生技术的智能制造系统数字孪生智能体构建系统及方法》构建可以与上层数字孪生平台进行交互的智能体,更好的展示物理车间的制造细节,预测加工过程中会发生的问题,引导物理车间选择更为合理的生产方案。
虽然上述发明对数字孪生车间构建提供了重要思路,但仍然存在以下问题:
当前数字孪生构建主要通过实时生产数据来对制造资源进行建模,较少考虑生产现场的专家经验知识,导致制造资源活动或运作机理建模不全面;同时,现有数字孪生建模过程主要是对单一资源或一些活动的建模,缺乏对制造车间全局的系统性数字孪生模型构建方法以及不同资源模型之间的关联关系分析,致使虚拟数字孪生模型聚合程度低,难以充分描述实际生产过程。
发明内容
针对现有技术中存在不足,本发明提供了一种智能制造车间数字孪生模型构建方法,解决现有数字孪生模型构建过程中存在的制造资源建模不全面、制造系统建模不聚合的问题。
本发明是通过以下技术手段实现上述技术目的的。
一种智能制造车间数字孪生模型构建方法,包括:
步骤1:在智能制造车间中配置传感设备,采集制造现场生产数据并进行深度融合与分析,形成制造车间实时数据库;
步骤2:基于实时制造数据与跨领域制造过程专家知识,构建制造系统语义知识库;
步骤3:基于制造车间实时数据库与制造车间语义知识库,构建出智能车间的数字孪生模型。
优选地,所述步骤1具体为:
步骤1.1:依据数字孪生模型建模与车间生产管理需求,形成制造现场数据采集目标;
步骤1.2:依据信息采集需求,选择并配置合适的智能采集与信息交互设备;
步骤1.3:通过配置好的信息采集与交互网络,实现对生产现场原始数据的采集,并对原始制造数据进行预处理;
步骤1.4:对制造数据进行增值分析与深度融合;
步骤1.5:对深度融合后的制造数据进行分类处理,形成关键制造过程数据库,并将制造车间实时数据库中的制造信息存储为虚拟空间可用的文件格式。
优选地,所述步骤1.1中,数字孪生模型建模过程需要的数据为多维度信息,包含制造资源的几何、物理、位置、状态;车间生产管理过程需要采集的数据包含生产任务加工进度、生产物料的准备情况、生产设备的运转情况。
优选地,所述步骤2具体为:
步骤2.1:基于制造系统的不同层级结构,将制造系统制造信息转变为多层次事件模型;
步骤2.2:对制造车间进行调研,得到制造车间内部跨领域的员工或专家的生产知识;
步骤2.3:基于步骤2.1得到的多层次制造事件模型和步骤2.2得到的跨领域员工或专家知识,形成制造车间的语义知识库,并用本体论方法存储起来,以供后续数字孪生模型的顺利调用。
优选地,所述步骤2.1中的多层次事件模型为三层结构,分别为制造资源层事件、单元层事件和智能车间层事件,其中,所述制造资源层事件包含加工设备的运行活动或运行状态的事件,所述单元层事件指的是加工过程重要活动的事件,所述智能车间层事件指车间内部生产任务执行或生产设备运行的事件。
优选地,所述跨领域的员工或专家的生产知识包括生产计划、机加过程、装配过程、检测过程与物流方面的知识。
优选地,所述制造车间的语义知识库包括生产工艺知识库、产品设计知识库、故障分析知识库和制造运维知识库。
优选地,所述步骤3具体为:
步骤3.1:基于制造车间实时数据库与制造车间语义知识库,构建出制造资源数字孪生模型;
步骤3.2:基于制造车间语义知识库,将离散的制造资源数字孪生模型聚合到一起,形成智能车间数字孪生模型;
步骤3.3:构建虚拟空间中制造车间数字孪生模型与物理空间中制造车间现场的动态交互机制,以保证虚拟空间中数字孪生模型与物理空间中制造现场保持同步更新。
优选地,所述步骤3.1具体为:
首先,基于制造资源的几何物理尺寸信息,在虚拟空间形成与物理空间对应的孪生体;然后,从实时制造库中获取当前制造资源的实时数据,并对应放置到数字孪生体中。
一种智能制造车间数字孪生模型构建系统,包括:
制造数据提取与融合模块,用于通过智能制造车间中配置传感设备,采集制造现场生产数据并进行深度融合与分析,形成制造车间关键制造数据库;
制造知识库构建模块,用于基于实时制造数据与跨领域制造过程专家知识,构建制造系统语义知识库;
数字孪生车间模型构建模块,用于基于制造车间实时数据库与制造车间语义知识库,构建出智能车间的数字孪生模型。
与现有技术相比,本发明具有如下有益效果:
传统的制造车间内数字孪生模型的构建主要基于实时数据对单一制造资源或制造活动进行建模,较少考虑制造系统员工/专家经验知识以及不同资源或活动之间的关联关系,进而导致出现制造资源建模不全面、制造系统建模不聚合的问题。本发明通过智能传感设备配置、制造数据库构建、跨领域语义知识库构建,以及数据与知识混合驱动的智能制造车间数字孪生模型构建方法,形成具有高仿真度的智能制造车间数字孪生模型,为后续制造车间的仿真分析与动态优化提供重要的参考依据。
附图说明
图1为本发明实施例的一种智能制造车间数字孪生模型构建系统运行体系架构图;
图2是本发明方法的制造数据提取与融合模块;
图3是本发明方法的制造知识库构建模块;
图4是本发明方法的数字孪生车间模型构建模块。
具体实施方式
为了使本发明的上述目的、特征和优点能够更加明显易懂,下面结合附图对本发明的具体实施方式做详细的说明。在下面的描述中阐述了很多具体细节以便于充分理解本发明。但是本发明能够以很多不同于在此描述的其它方式来实施,本领域技术人员可以在不违背本发明内涵的情况下做类似改进,因此本发明不受于下面公开的具体实施的限制。
请参阅图1-4,根据本发明实施例的一种智能制造车间数字孪生模型构建方法,包括如下步骤:
步骤1:在智能制造车间中配置传感设备,采集制造现场生产数据并进行深度融合与分析,形成制造车间实时数据库;具体为:
步骤1.1:依据数字孪生模型建模与车间生产管理需求,形成制造现场数据采集目标;
其中,数字孪生模型建模过程需要的数据包含制造资源的几何、物理、位置、状态等多维度信息;车间生产管理过程需要采集的数据包含生产任务加工进度、生产物料的准备情况、生产设备的运转情况等。
步骤1.2:依据信息采集需求,选择并配置合适的智能采集与信息交互设备;
例如,通过配置无线射频识别(RFID)设备采集制造资源的状态及数量,通过安装工业摄像头采集加工状态,通过配置无线传感设备实现信息的采集与交互。
步骤1.3:通过配置好的信息采集与交互网络,实现对生产现场原始数据的采集,并基于数据挖掘等算法实现对海量原始制造数据的预处理;
生产现场实时采集的数据存在量大、异构、多粒度的特点,需要通过数据预处理手段(包含去重、补缺以及数据标准化等)获取可用的有效数据。
步骤1.4:通过深度学习等算法对制造数据进行增值分析与深度融合;
例如,通过深度学习算法可以实现对工业摄像头采集而来的在制品数据进行定位与识别,为数字孪生模型的精准构建提供依据。
步骤1.5:对深度融合后的制造数据进行分类处理,形成关键制造过程数据库,包含设备运行数据库、生产任务数据库、加工故障数据库等,并将制造车间实时数据库中的制造信息存储为虚拟空间可用的文件格式,如XML文档或TXT文档。
步骤2:基于实时制造数据与跨领域制造过程专家知识,构建制造系统语义知识库;具体为:
步骤2.1:基于制造系统的不同层级结构,将制造系统制造信息转变为多层次事件模型;
本实施例中的多层次事件模型主要分为三层结构:制造资源层事件包含加工设备(如车床、铣床、刨床、磨床等)运行活动或运行状态的事件;单元层事件指的是加工过程重要活动(如装配工序、检测工序等)的事件;智能车间层事件主要指的是车间内部生产任务执行或生产设备运行的事件。
步骤2.2:对制造车间进行调研,得到制造车间内部跨领域的员工或专家的生产知识;
跨领域员工或专家知识主要包含生产计划、机加过程、装配过程、检测过程与物流过程等方面的知识。
步骤2.3:基于步骤2.1得到的多层次制造事件模型和步骤2.2得到的跨领域员工或专家知识,形成制造车间的语义知识库,包含生产工艺知识库、产品设计知识、故障分析知识库与制造运维知识库等,并用本体论方法存储起来,以供后续数字孪生模型的顺利调用。
步骤3:基于制造车间实时数据库与制造车间语义知识库,构建出智能车间的数字孪生模型。
步骤3.1:基于制造车间实时数据库与制造车间语义知识库,构建出制造资源的数字孪生模型;
首先,基于制造资源的几何物理尺寸信息,在虚拟空间形成与物理空间对应的孪生体;然后,从实时制造库中获取当前制造资源的实时数据,并对应放置到数字孪生体中。
步骤3.2:基于制造车间语义知识库,将离散的制造资源数字孪生模型聚合到一起,形成智能车间数字孪生模型;
制造系统的资源之间存在生产工艺关联、加工故障传播机理等关系,并且这些关系反应为制造车间语义知识库中存放的知识。因此,可以依据语义知识库中制造资源之间的知识,通过关联、顺序与组合规则将这些制造资源的数字孪生模型聚合到一起,形成制造车间数字孪生模型。
步骤3.3:构建虚拟空间中制造车间数字孪生模型与物理空间中制造车间现场的动态交互机制,以保证虚拟空间中数字孪生模型与物理空间中制造现场保持同步更新。
一方面,数字孪生模型可以通过XML文档、TXT文档与本体论模型获取制造车间实时信息,并将这些信息反映到数字孪生虚拟模型当中;另一方面,动态交互机制可以对虚拟空间的数字孪生模型与物理空间信息的同步情况进行精度评价,当二者之间的偏离程度较大时,需要重新进行数字孪生模型的构建与更新。
本发明实施例还提供了一种智能制造车间数字孪生模型构建系统,实施上述数字孪生模型构建方法,该系统主要包括:
制造数据提取与融合模块,用于通过智能制造车间中配置传感设备,采集制造现场生产数据并进行深度融合与分析,形成制造车间关键制造数据库;
制造知识库构建模块,用于基于实时制造数据与跨领域制造过程专家知识,构建制造系统语义知识库;
数字孪生车间模型构建模块,用于基于制造车间实时数据库与制造车间语义知识库,构建出智能车间的数字孪生模型。
以上所述实施例仅表达了本发明的几种实施方式,其描述较为具体和详细,但并不能因此而理解为对本发明专利范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本发明构思的前提下,还可以做出若干变形和改进,这些都属于本发明的保护范围。因此,本发明专利的保护范围应以所附权利要求为准。
Claims (10)
1.一种智能制造车间数字孪生模型构建方法,其特征在于,包括:
步骤1:在智能制造车间中配置传感设备,采集制造现场生产数据并进行深度融合与分析,形成制造车间实时数据库;
步骤2:基于实时制造数据与跨领域制造过程专家知识,构建制造系统语义知识库;
步骤3:基于制造车间实时数据库与制造车间语义知识库,构建出智能车间的数字孪生模型。
2.根据权利要求1所述的智能制造车间数字孪生模型构建方法,其特征在于,所述步骤1具体为:
步骤1.1:依据数字孪生模型建模与车间生产管理需求,形成制造现场数据采集目标;
步骤1.2:依据信息采集需求,选择并配置合适的智能采集与信息交互设备;
步骤1.3:通过配置好的信息采集与交互网络,实现对生产现场原始数据的采集,并对原始制造数据进行预处理;
步骤1.4:对制造数据进行增值分析与深度融合;
步骤1.5:对深度融合后的制造数据进行分类处理,形成关键制造过程数据库,并将制造车间实时数据库中的制造信息存储为虚拟空间可用的文件格式。
3.根据权利要求1所述的智能制造车间数字孪生模型构建方法,其特征在于,所述步骤1.1中,数字孪生模型建模过程需要的数据为多维度信息,包含制造资源的几何、物理、位置、状态;车间生产管理过程需要采集的数据包含生产任务加工进度、生产物料的准备情况、生产设备的运转情况。
4.根据权利要求1所述的智能制造车间数字孪生模型构建方法,其特征在于,所述步骤2具体为:
步骤2.1:基于制造系统的不同层级结构,将制造系统制造信息转变为多层次事件模型;
步骤2.2:对制造车间进行调研,得到制造车间内部跨领域的员工或专家的生产知识;
步骤2.3:基于步骤2.1得到的多层次制造事件模型和步骤2.2得到的跨领域员工或专家知识,形成制造车间的语义知识库,并用本体论方法存储起来,以供后续数字孪生模型的顺利调用。
5.根据权利要求4所述的智能制造车间数字孪生模型构建方法,其特征在于,所述步骤2.1中的多层次事件模型为三层结构,分别为制造资源层事件、单元层事件和智能车间层事件,其中,所述制造资源层事件包含加工设备的运行活动或运行状态的事件,所述单元层事件指的是加工过程重要活动的事件,所述智能车间层事件指车间内部生产任务执行或生产设备运行的事件。
6.根据权利要求4所述的智能制造车间数字孪生模型构建方法,其特征在于,所述跨领域的员工或专家的生产知识包括生产计划、机加过程、装配过程、检测过程与物流方面的知识。
7.根据权利要求4所述的智能制造车间数字孪生模型构建方法,其特征在于,所述制造车间的语义知识库包括生产工艺知识库、产品设计知识库、故障分析知识库和制造运维知识库。
8.根据权利要求1所述的智能制造车间数字孪生模型构建方法,其特征在于,所述步骤3具体为:
步骤3.1:基于制造车间实时数据库与制造车间语义知识库,构建出制造资源数字孪生模型;
步骤3.2:基于制造车间语义知识库,将离散的制造资源数字孪生模型聚合到一起,形成智能车间数字孪生模型;
步骤3.3:构建虚拟空间中制造车间数字孪生模型与物理空间中制造车间现场的动态交互机制,以保证虚拟空间中数字孪生模型与物理空间中制造现场保持同步更新。
9.根据权利要求1所述的智能制造车间数字孪生模型构建方法,其特征在于,所述步骤3.1具体为:
首先,基于制造资源的几何物理尺寸信息,在虚拟空间形成与物理空间对应的孪生体;然后,从实时制造库中获取当前制造资源的实时数据,并对应放置到数字孪生体中。
10.一种智能制造车间数字孪生模型构建系统,其特征在于,包括:
制造数据提取与融合模块,用于通过智能制造车间中配置传感设备,采集制造现场生产数据并进行深度融合与分析,形成制造车间关键制造数据库;
制造知识库构建模块,用于基于实时制造数据与跨领域制造过程专家知识,构建制造系统语义知识库;
数字孪生车间模型构建模块,用于基于制造车间实时数据库与制造车间语义知识库,构建出智能车间的数字孪生模型。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010831244.XA CN112462696A (zh) | 2020-08-18 | 2020-08-18 | 一种智能制造车间数字孪生模型构建方法与系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010831244.XA CN112462696A (zh) | 2020-08-18 | 2020-08-18 | 一种智能制造车间数字孪生模型构建方法与系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112462696A true CN112462696A (zh) | 2021-03-09 |
Family
ID=74832833
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010831244.XA Pending CN112462696A (zh) | 2020-08-18 | 2020-08-18 | 一种智能制造车间数字孪生模型构建方法与系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112462696A (zh) |
Cited By (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113673104A (zh) * | 2021-08-20 | 2021-11-19 | 华东交通大学 | 基于数字孪生的制造业车间工艺规划系统 |
CN113804823A (zh) * | 2021-09-15 | 2021-12-17 | 大连科技学院 | 一种基于数字孪生的铝材无铬钝化工艺铝含量监测方法 |
CN113834899A (zh) * | 2021-09-15 | 2021-12-24 | 大连科技学院 | 一种基于数字孪生的铝材无铬钝化工艺游离酸含量监测方法 |
CN114386912A (zh) * | 2022-01-12 | 2022-04-22 | 哈尔滨工业大学 | 车间物流行为建模与决策知识库系统及方法和存储介质 |
CN115080797A (zh) * | 2022-06-28 | 2022-09-20 | 电子科技大学 | 一种基于知识图谱的数字孪生车间多尺度关联方法 |
CN115204057A (zh) * | 2022-07-29 | 2022-10-18 | 贵州电网有限责任公司 | 一种面向输变电设备的数字孪生多层次模型构建方法 |
CN115309122A (zh) * | 2022-09-01 | 2022-11-08 | 同济大学 | 基于数字孪生的废旧汽车拆解车间运维方法、系统及其计算机设备 |
CN115685896A (zh) * | 2022-09-08 | 2023-02-03 | 北京中佳瑞通科技有限公司 | 一种基于数字孪生技术的工业控制方法和系统 |
WO2023155737A1 (en) * | 2022-02-15 | 2023-08-24 | International Business Machines Corporation | Method and system to transfer learning from one machine to another machine |
CN116841250A (zh) * | 2023-05-17 | 2023-10-03 | 盐城工学院 | 一种智能制造车间数字孪生模型的构建方法 |
CN117572996A (zh) * | 2024-01-12 | 2024-02-20 | 深圳柯赛标识智能科技有限公司 | 智慧标识的数字孪生展示方法、装置、设备及存储介质 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106355439A (zh) * | 2016-08-29 | 2017-01-25 | 南京茂毓通软件科技有限公司 | 一种用于关联关系分析的知识库建模方法 |
CN108724190A (zh) * | 2018-06-27 | 2018-11-02 | 西安交通大学 | 一种工业机器人数字孪生系统仿真方法及装置 |
WO2019076233A1 (zh) * | 2017-10-17 | 2019-04-25 | 广东工业大学 | 一种智能车间快速定制设计方法及系统 |
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 |
WO2020007016A1 (zh) * | 2018-07-05 | 2020-01-09 | 长安大学 | 一种基于数字孪生的智能车间自治生产过程动态联动控制方法 |
CN110704974A (zh) * | 2019-09-30 | 2020-01-17 | 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 |
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 |
CN111161410A (zh) * | 2019-12-30 | 2020-05-15 | 中国矿业大学(北京) | 一种矿井数字孪生模型及其构建方法 |
-
2020
- 2020-08-18 CN CN202010831244.XA patent/CN112462696A/zh active Pending
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106355439A (zh) * | 2016-08-29 | 2017-01-25 | 南京茂毓通软件科技有限公司 | 一种用于关联关系分析的知识库建模方法 |
WO2019076233A1 (zh) * | 2017-10-17 | 2019-04-25 | 广东工业大学 | 一种智能车间快速定制设计方法及系统 |
CN108724190A (zh) * | 2018-06-27 | 2018-11-02 | 西安交通大学 | 一种工业机器人数字孪生系统仿真方法及装置 |
WO2020007016A1 (zh) * | 2018-07-05 | 2020-01-09 | 长安大学 | 一种基于数字孪生的智能车间自治生产过程动态联动控制方法 |
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 |
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 |
CN110704974A (zh) * | 2019-09-30 | 2020-01-17 | 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 |
CN111161410A (zh) * | 2019-12-30 | 2020-05-15 | 中国矿业大学(北京) | 一种矿井数字孪生模型及其构建方法 |
Cited By (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113673104A (zh) * | 2021-08-20 | 2021-11-19 | 华东交通大学 | 基于数字孪生的制造业车间工艺规划系统 |
CN113804823A (zh) * | 2021-09-15 | 2021-12-17 | 大连科技学院 | 一种基于数字孪生的铝材无铬钝化工艺铝含量监测方法 |
CN113834899A (zh) * | 2021-09-15 | 2021-12-24 | 大连科技学院 | 一种基于数字孪生的铝材无铬钝化工艺游离酸含量监测方法 |
CN113834899B (zh) * | 2021-09-15 | 2024-04-12 | 大连科技学院 | 一种基于数字孪生的铝材无铬钝化工艺游离酸含量监测方法 |
CN113804823B (zh) * | 2021-09-15 | 2024-03-15 | 大连科技学院 | 一种基于数字孪生的铝材无铬钝化工艺铝含量监测方法 |
CN114386912A (zh) * | 2022-01-12 | 2022-04-22 | 哈尔滨工业大学 | 车间物流行为建模与决策知识库系统及方法和存储介质 |
WO2023155737A1 (en) * | 2022-02-15 | 2023-08-24 | International Business Machines Corporation | Method and system to transfer learning from one machine to another machine |
CN115080797B (zh) * | 2022-06-28 | 2023-03-07 | 电子科技大学 | 一种基于知识图谱的数字孪生车间多尺度关联方法 |
CN115080797A (zh) * | 2022-06-28 | 2022-09-20 | 电子科技大学 | 一种基于知识图谱的数字孪生车间多尺度关联方法 |
CN115204057A (zh) * | 2022-07-29 | 2022-10-18 | 贵州电网有限责任公司 | 一种面向输变电设备的数字孪生多层次模型构建方法 |
CN115309122A (zh) * | 2022-09-01 | 2022-11-08 | 同济大学 | 基于数字孪生的废旧汽车拆解车间运维方法、系统及其计算机设备 |
CN115685896A (zh) * | 2022-09-08 | 2023-02-03 | 北京中佳瑞通科技有限公司 | 一种基于数字孪生技术的工业控制方法和系统 |
CN116841250A (zh) * | 2023-05-17 | 2023-10-03 | 盐城工学院 | 一种智能制造车间数字孪生模型的构建方法 |
CN117572996A (zh) * | 2024-01-12 | 2024-02-20 | 深圳柯赛标识智能科技有限公司 | 智慧标识的数字孪生展示方法、装置、设备及存储介质 |
CN117572996B (zh) * | 2024-01-12 | 2024-03-26 | 深圳柯赛标识智能科技有限公司 | 智慧标识的数字孪生展示方法、装置、设备及存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112462696A (zh) | 一种智能制造车间数字孪生模型构建方法与系统 | |
CN112085261B (zh) | 基于云端融合和数字孪生技术的企业生产现状诊断方法 | |
CN113033001B (zh) | 一种面向数字孪生应用的三维数字工厂建模方法及系统 | |
CN104407589B (zh) | 面向车间制造过程的实时生产性能主动感知与异常分析方法 | |
KR101825881B1 (ko) | 빅 데이터 분석을 이용한 제조 공정 관리 방법 및 이를 이용한 제조 공정 관리 시스템 | |
KR20180101815A (ko) | 빅데이터 플랫폼을 이용한 스마트 공장 운영 관리 솔루션 서비스 시스템 및 방법 | |
CN105574593B (zh) | 基于云计算和大数据的轨道状态静态检控系统及方法 | |
CN103984333A (zh) | 一种电厂监控管理系统 | |
CN112799369A (zh) | 一种产品装配过程管控方法和装置 | |
CN111784191A (zh) | 一种基于工业智能的安全管理辅助决策系统 | |
CN112883001A (zh) | 一种基于营配贯通数据可视化平台的数据处理方法、装置及介质 | |
CN117235524A (zh) | 自动估值模型的学习训练平台 | |
CN117172509B (zh) | 基于装修施工进度分析的施工项目分配系统 | |
KR20190106369A (ko) | 공장 자동화 설비의 수명과 생산성 향상을 위한 plc 패턴 분석 시스템 및 패턴 분석 방법 | |
CN116703303A (zh) | 基于多层感知机与rbf的仓储可视化监管系统及方法 | |
CN115391444A (zh) | 一种异构数据采集与交互方法、装置、设备及存储介质 | |
CN113554302A (zh) | 一种基于mes智能制造的生产管理方法及系统 | |
CN111538720A (zh) | 电力行业基础数据清理的方法及系统 | |
CN103942739A (zh) | 建筑项目风险知识库的构建方法 | |
CN113869589A (zh) | 一种基于知识图谱的输电线路事故预测方法及巡检系统 | |
CN113659712A (zh) | 一种电力设备大数据标签运行平台及方法 | |
Lin et al. | Design and implementation of a CPS‐based predictive maintenance and automated management platform | |
Özturk | The evolution of building information model: Cognitive technologies integration for digital twin procreation | |
Tian et al. | Preliminary study of PHM system based on data driven | |
CN116703321B (zh) | 一种基于绿色生产的药厂管理方法及系统 |
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 | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20210309 |
|
RJ01 | Rejection of invention patent application after publication |