CN112685898B - 一种基于数字孪生的绿色材料优选方法及系统 - Google Patents
一种基于数字孪生的绿色材料优选方法及系统 Download PDFInfo
- Publication number
- CN112685898B CN112685898B CN202011602276.9A CN202011602276A CN112685898B CN 112685898 B CN112685898 B CN 112685898B CN 202011602276 A CN202011602276 A CN 202011602276A CN 112685898 B CN112685898 B CN 112685898B
- Authority
- CN
- China
- Prior art keywords
- model
- candidate
- green
- green material
- physical
- 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
Images
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Processing Of Solid Wastes (AREA)
Abstract
本发明公开了一种基于数字孪生的绿色材料优选方法及系统,该系统包括:绿色材料候选集生成模块,该模块根据产品设计要求和绿色材料已知属性完成对材料的初步筛选;绿色材料仿真预测模块,该模块通过建立数字孪生模型对候选材料加工过程进行仿真,得出候选材料经济属性和环境属性的预测值;绿色材料评估选择模块,该模块将绿色材料在虚拟空间仿真得到的预测值与物理空间中的期待值进行比较,判断材料是否符合需求。本发明能够在一定程度上解决产品设计时绿色材料优选的问题,提高了绿色材料优选的准确性和效率。
Description
技术领域
本发明涉及数字孪生以及绿色制造领域,具体涉及一种基于数字孪生的绿色材料优选方法及系统。
背景技术
绿色材料选择在整个可持续制造过程中发挥着重要作用,其目的是在保证产品性能以及减少整个生命周期对环境影响的前提下最大程度地降低成本。但在材料选择过程中,经常涉及到产品性能、成本和环境三者之间的权衡关系。传统上绿色材料优选是一个最优化问题,它取决于设计师个人的专业知识和经验,当前多数人员使用数学方法、优化算法以及复杂计算机软件来解决绿色材料优选的问题。
数字孪生通过建立与物理实体高保真的数字孪生模型,将物理实体反应到虚拟空间,实现在数字领域对模型进行各种高仿真操作,以模拟和评估其行为并基于仿真结果做出决策。鉴于数字孪生的特性,通过构建高保真数字孪生模型,将绿色材料在产品生命周期中进行仿真以评估其性能,从而为绿色材料选择提供新的思路。本发明基于数字孪生模型,从数字孪生中绿色材料选择着手,提出了绿色材料优选的数字孪生模型。在一定程度上解决在产品设计时绿色材料优选问题,提高了绿色材料优选的准确性和效率。
发明内容
本发明要解决的技术问题为:提供一种基于数字孪生的绿色材料优选方法及系统,该方法涵盖了绿色材料候选集生成模块设计、绿色材料仿真预测模块设计、绿色材料评估选择模块设计,能够一定程度上解决在产品设计时绿色材料优选的问题,提高绿色材料优选的准确性和效率。
本发明解的技术方案是:一种基于数字孪生的绿色材料优选方法,包括如下步骤:
步骤(1)绿色材料候选集生成,根据生成的绿色材料特征指标集完成对材料的初步筛选,生成绿色材料候选集,具体实现如下:
①根据产品设计要求生成绿色材料特征指标集;
②根据绿色材料特征指标集筛选出符合要求的材料,生成绿色材料候选集;
步骤(2)绿色材料仿真预测,根据构建的数字孪生模型对候选选材料进行仿真,得出候选材料经济属性和环境属性的预测值,具体实现如下:
①构建绿色材料优选数字孪生模型MDT-GMOS=(VE,SE,CE),其中VE、SE、CE分别表示虚拟模型、服务模型、连接模型;
②将候选材料载入绿色材料优选数字孪生模型,在产品生命周期中对候选材料进行仿真,得出候选材料经济属性和环境属性的仿真数据;其中经济属性包括材料直接成本、加工制造成本、回收成本、废物处理成本;环境属性包括能耗和废弃物产生量;产品生命周期过程包括设计阶段、加工制造阶段、使用阶段、回收阶段、废弃处理阶段;
③将物理数据和仿真数据进行融合,得出候选材料经济属性和环境属性的预测值;
④确定候选材料经济属性和环境属性的期待值;
步骤(3)绿色材料评估选择,根据候选材料经济属性和环境属性的预测值和期待值完成绿色材料的优选,具体实现如下:
①计算候选材料经济属性和环境属性预测值与期待值的偏离度;
②设定偏离度值,当偏离度小于该值时,选择该候选材料;否则,选择下个材料继续进行仿真。
进一步的,所述(2)中,绿色材料优选数字孪生模型如下:
①所述虚拟模型VE包括几何模型、物理模型和规则模型,具体为:VE=(GM,PM,RM);
几何模型GM包含材料加工物理设备中三维模型信息,即动力设备、传动设备、控制设备和加工设备四部分的信息;
物理模型PM为刻画物理设备的物理学特性所使用的模型,包含功率、转速、加工时间、加工状态、温度、振动;
规则模型RM在物理设备正常运行过程中,规则模型提供虚拟设备在材料加工中各部件的运行机制,使虚拟设备按照物理设备的运行规则进行仿真;
②所述服务模型SE=(DPE,DVE,Din,DSE,De),其中DPE表示物理设备在材料加工制造过程中通过传感器采集的物理数据;DVE表示虚拟模型对材料的加工制造过程进行仿真生成的仿真数据;Din为人为输入的信息,这里的信息包含材料价格、工人数量、工资、回收成本;DSE表示服务模型经分析处理生成的材料各属性的预测值;De表示人为输入的材料各属性的期待值;
③所述连接模型为物理设备、虚拟模型VE和服务模型SE之间的信息交互通道,CE=(CE-PV,CE-PS,CE-VS),其中CE-PV,CE-PS,CE-VS分别表示物理设备与虚拟模型、物理设备与服务模型、虚拟设备与服务模型之间的信息交互通道,所有信息交互通道中的数据均为双向流通。
根据本发明的另一方面,提出一种基于数字孪生的绿色材料优选系统,包括:
(1)绿色材料候选集生成模块,用于根据生成的绿色材料特征指标集完成对材料的初步筛选,生成绿色材料候选集,具体实现如下:
①根据产品设计要求生成绿色材料特征指标集;
②根据绿色材料特征指标集筛选出符合要求的材料,生成绿色材料候选集;
(2)绿色材料仿真预测模块,用于根据构建的数字孪生模型对候选选材料进行仿真,得出候选材料经济属性和环境属性的预测值,具体实现如下:
①构建绿色材料优选数字孪生模型MDT-GMOS=(VE,SE,CE),其中VE、SE、CE分别表示虚拟模型、服务模型、连接模型;
②将候选材料载入绿色材料优选数字孪生模型,在产品生命周期中对候选材料进行仿真,得出候选材料经济属性和环境属性的仿真数据;其中经济属性包括材料直接成本、加工制造成本、回收成本、废物处理成本;环境属性包括能耗和废弃物产生量;产品生命周期过程包括设计阶段、加工制造阶段、使用阶段、回收阶段、废弃处理阶段;
③将物理数据和仿真数据进行融合,得出候选材料经济属性和环境属性的预测值;
④确定候选材料经济属性和环境属性的期待值;
(3)绿色材料评估选择模块,用于根据候选材料经济属性和环境属性的预测值和期待值完成绿色材料的优选,具体实现如下:
①计算候选材料经济属性和环境属性预测值与期待值的偏离度;
②设定偏离度值,当偏离度小于该值时,选择该候选材料;否则,选择下个材料继续进行仿真。
进一步的,所述绿色材料仿真预测模块中,绿色材料优选数字孪生模型如下:
①所述虚拟模型VE包括几何模型、物理模型和规则模型,具体为:VE=(GM,PM,RM);
几何模型GM包含材料加工物理设备中三维模型信息,即动力设备、传动设备、控制设备和加工设备四部分的信息;
物理模型PM为刻画物理设备的物理学特性所使用的模型,包含功率、转速、加工时间、加工状态、温度、振动;
规则模型RM在物理设备正常运行过程中,规则模型提供虚拟设备在材料加工中各部件的运行机制,使虚拟设备按照物理设备的运行规则进行仿真;
②所述服务模型SE=(DPE,DVE,Din,DSE,De),其中DPE表示物理设备在材料加工制造过程中通过传感器采集的物理数据;DVE表示虚拟模型对材料的加工制造过程进行仿真生成的仿真数据;Din为人为输入的信息,这里的信息包含材料价格、工人数量、工资、回收成本;DSE表示服务模型经分析处理生成的材料各属性的预测值;De表示人为输入的材料各属性的期待值;
③所述连接模型为物理设备、虚拟模型VE和服务模型SE之间的信息交互通道,CE=(CE-PV,CE-PS,CE-VS),其中CE-PV,CE-PS,CE-VS分别表示物理设备与虚拟模型、物理设备与服务模型、虚拟设备与服务模型之间的信息交互通道,所有信息交互通道中的数据均为双向流通。
本发明与现有技术相比的优点在于:
(1)绿色制造设计中材料的选择与数字孪生结合,利用高保真数字孪生仿真模型模拟材料在产品生命周期中的行为。
(2)提出绿色材料优选的数字孪生模型,对材料进行仿真并预测材料性能,根据评价指标完成对材料的选择。能够一定程度上解决在产品设计时绿色材料优选的问题,提高了绿色材料优选的准确性和效率。
附图说明
图1为本发明的系统框图。
具体实施方式
为使本发明的目的、技术方案更加清楚,下面将结合附图及具体实施对本发明作进一步地详细描述。
本发明涉及一种基于数字孪生的绿色材料优选方法及系统,提出绿色材料优选的数字孪生模型,通过建立高保真虚拟模型,在虚拟空间对材料进行仿真,并将在虚拟空间和物理空间中得到数据融合,预测材料各属性的数值,从而选择最佳的材料。本发明公开的方法包括绿色材料候选集生成模块设计、绿色材料仿真预测模块设计、绿色材料评估选择模块设计,能够一定程度上解决在产品设计时绿色材料优选的问题,提高了绿色材料优选的准确性和效率。
本发提出一种基于数字孪生的绿色材料优选方法,包括如下步骤:
步骤(1)绿色材料候选集生成,根据生成的绿色材料特征指标集完成对材料的初步筛选,生成绿色材料候选集,具体实现如下:
①根据产品设计要求生成绿色材料特征指标集;
②根据绿色材料特征指标集筛选出符合要求的材料,生成绿色材料候选集;
步骤(2)绿色材料仿真预测,根据构建的数字孪生模型对候选选材料进行仿真,得出候选材料经济属性和环境属性的预测值,具体实现如下:
①构建绿色材料优选数字孪生模型MDT-GMOS=(VE,SE,CE),其中VE、SE、CE分别表示虚拟模型、服务模型、连接模型;
②将候选材料载入绿色材料优选数字孪生模型,在产品生命周期中对候选材料进行仿真,得出候选材料经济属性和环境属性的仿真数据;其中经济属性包括材料直接成本、加工制造成本、回收成本、废物处理成本;环境属性包括能耗和废弃物产生量;产品生命周期过程包括设计阶段、加工制造阶段、使用阶段、回收阶段、废弃处理阶段;
③将物理数据和仿真数据进行融合,得出候选材料经济属性和环境属性的预测值;
④确定候选材料经济属性和环境属性的期待值;
步骤(3)绿色材料评估选择,根据候选材料经济属性和环境属性的预测值和期待值完成绿色材料的优选,具体实现如下:
①计算候选材料经济属性和环境属性预测值与期待值的偏离度;
②设定偏离度值,当偏离度小于该值时,选择该候选材料;否则,选择下个材料继续进行仿真。
进一步的,所述(2)中,绿色材料优选数字孪生模型如下:
①所述虚拟模型VE包括几何模型、物理模型和规则模型,具体为:VE=(GM,PM,RM);
几何模型GM包含材料加工物理设备中三维模型信息,即动力设备、传动设备、控制设备和加工设备四部分的信息;
物理模型PM为刻画物理设备的物理学特性所使用的模型,包含功率、转速、加工时间、加工状态、温度、振动;
规则模型RM在物理设备正常运行过程中,规则模型提供虚拟设备在材料加工中各部件的运行机制,使虚拟设备按照物理设备的运行规则进行仿真;
②所述服务模型SE=(DPE,DVE,Din,DSE,De),其中DPE表示物理设备在材料加工制造过程中通过传感器采集的物理数据;DVE表示虚拟模型对材料的加工制造过程进行仿真生成的仿真数据;Din为人为输入的信息,这里的信息包含材料价格、工人数量、工资、回收成本;DSE表示服务模型经分析处理生成的材料各属性的预测值;De表示人为输入的材料各属性的期待值;
③所述连接模型为物理设备、虚拟模型VE和服务模型SE之间的信息交互通道,CE=(CE-PV,CE-PS,CE-VS),其中CE-PV,CE-PS,CE-VS分别表示物理设备与虚拟模型、物理设备与服务模型、虚拟设备与服务模型之间的信息交互通道,所有信息交互通道中的数据均为双向流通。
根据本发明的另一方面,提出一种基于数字孪生的绿色材料优选系统,系统框图如图1所示,具体如下:
(1)图1中绿色材料候选集生成模块,该模块根据生成的绿色材料特征指标集完成材料的初步筛选,生成绿色材料候选集,具体实现如下:
①根据设计要求生成绿色材料特征指标集Y={密度ρ、强度N、硬度H、导热性R、耐磨性性M}。
②根据绿色材料特征指标集Y初步筛选出符合要求的材料,生成绿色材料候选集X={X1、X2、X3、X4……}。
(2)绿色材料仿真预测模块,该模块根据构建的绿色材料优选的数字孪生模型完成对候选选材料的仿真,得出候选材料经济属性和环境属性的预测值,具体实现如下:
①构建绿色材料优选的数字孪生模型:MDT-GMOS=(VE,SE,CE)。其中VE代表虚拟模型、SE代表服务模型、CE代表连接模型。
构建材料加工设备虚拟模型VE,所述虚拟模型是真实反映材料加工设备的数字孪生模型。材料加工车间虚拟模型由几何模型、物理模型、规则模型。对于几何模型GM,包含材料加工设备中三维模型信息,即动力设备、传动设备、控制设备和加工设备四部分的软硬件信息,几何模型为物理设备的数字三维模型,可通过三维建模软件构建;对于物理模型PM,为刻画物理设备的物理学特性所使用的模型,包含功率、转速、加工时间、加工状态、温度、振动等;对于规则模型RM,在材料加工设备正常运行过程中,规则模型Rm提供虚拟设备在材料加工中各部件的运行机制,使虚拟设备按照物理设备的运行规则进行仿真。由几何模型、物理模型和规则模型组成的虚拟模型VE=(GM,PM,RM),每个子模型都作为虚拟模型的一部分,使虚拟车辆为物理车辆的数字化映射。
构建服务模型SE,服务模型对材料加工过程中物理设备和虚拟模型产生的数据进行收集、分析和处理,生成材料各属性的预测值,并将得到预测值用于材料的评估中。SE=(DPE,DVE,DSE,De),其中DPE表示物理设备在材料加工制造过程中通过传感器采集的物理数据,DVE表示虚拟模型对材料的加工制造过程进行仿真生成的仿真数据,DSE表示服务模型生成的材料各属性的预测值,De表示人为输入的材料各属性的期待值。基于Web开发绿色材料选择的服务系统,进行实时分析与反馈。服务系统中包含材料评估子系统,将服务模型中生成的材料各属性的期待值与人为输入的预测值进行比较,选择最优材料。
构建连接模型CE,所述连接模型为物理设备、虚拟模型VE和服务模型SE之间的信息交互通道。CE对数据进行压缩整合,通过搭建局域网,实现物理设备、虚拟模型和服务模型之间及时高效的信息交互。CE将物理设备在材料加工过程中产生的加工信息经过数字化处理发送给虚拟模型供其进一步分析处理,虚拟模型将处理后的数据反馈给物理设备。CE=(CE-PV,CE-PS,CE-VS),其中CE-PV,CE-PS,CE-VS分别表示物理设备与虚拟模型、物理设备与服务模型、虚拟设备与服务模型之间的信息交互通道,所有信息交互通道中的数据均为双向流通。
②将候选材料Xi载入绿色材料优选的数字孪生模型,在产品生命周期的不同阶段对候选材料进行仿真,得出候选材料成本和能耗等仿真数据。生命周期过程包括设计阶段、加工制造阶段、使用阶段、回收阶段、废弃处理阶段。本专利未考虑产品生命周期的使用阶段。
在设计阶段以材料的单位质量价格c和产品中材料的设计质量m计算得出材料直接成本CZ。材料直接成本CZ=c×m。
在回收阶段以单位质量材料回收成本cr和产品中材料的设计质量m计算得出材料回收成本CR。材料回收成本CR=cr×m。
在废弃处理阶段以单位废弃物处理成本cd和废弃物产生量QR计算得出废弃物处理成本CD。废弃物处理成本CD=cd×QR。
表1显示了候选材料各属性的仿真数据。
表1
候选材料 | X<sub>1</sub> | X<sub>2</sub> | X<sub>3</sub> | X<sub>4</sub> |
直接成本C<sub>Z</sub> | C<sub>Z1</sub> | C<sub>Z2</sub> | C<sub>Z3</sub> | C<sub>Z4</sub> |
加工制造成本C<sub>M</sub> | C<sub>M1</sub> | C<sub>M2</sub> | C<sub>M3</sub> | C<sub>M4</sub> |
回收成本C<sub>R</sub> | C<sub>R1</sub> | C<sub>R2</sub> | C<sub>R3</sub> | C<sub>R4</sub> |
能耗E | E<sub>1</sub> | E<sub>2</sub> | E<sub>3</sub> | E<sub>4</sub> |
废弃物产生量Q<sub>R</sub> | Q<sub>R1</sub> | Q<sub>R2</sub> | Q<sub>R3</sub> | Q<sub>R4</sub> |
废物处理成本C<sub>D</sub> | C<sub>D1</sub> | C<sub>D2</sub> | C<sub>D3</sub> | C<sub>D4</sub> |
③基于加权平均法将物理数据和仿真数据进行融合,得出候选材料Xi经济属性C和环境属性H的预测值。其中经济属性C包括材料直接成本CZ、加工制造成本CM、回收成本CR、废物处理成本CD。环境属性H包括能耗E和废弃物产生量QR。预测值=DPE×vi+DVE×wi,DPE为物理数据、DVE为仿真数据、vi、wi为权重。表2显示了候选材料各属性的预测值。
表2
④确定候选材料经济属性和环境属性的期待值。表3显示了各属性的期待值。
表3
(3)绿色材料评估选择模块,该模块根据各属性的预测值和期待值完成绿色材料的优选,具体实现如下:
表4
②设定经济属性和物理属性偏离度数值分别为5%,当偏离度小于该值时,选择该候选材料;否则,返回上一模块。
综上所述,本发明公开了一种基于数字孪生的绿色材料优选方法,该方法涵盖了绿色材料候选集生成模块、绿色材料仿真预测模块、绿色材料评估选择模块。本发明能够一定程度上解决在产品设计时绿色材料优选的问题,提高绿色材料优选的准确性和效率。
本发明说明书中未作详细描述的内容属于本领域专业技术人员公知的现有技术。
以上所述仅是本发明的优选实施方式,应当指出,对于本技术领域的普通技术人员来说,在不脱离本发明原理的前提下,还可以做出若干改进和润饰,这些改进和润饰也应视为本发明的保护范围。
Claims (2)
1.一种基于数字孪生的绿色材料优选方法,其特征在于,包括如下步骤:
步骤(1)绿色材料候选集生成,根据生成的绿色材料特征指标集完成对材料的初步筛选,生成绿色材料候选集,具体实现如下:
①根据产品设计要求生成绿色材料特征指标集;
②根据绿色材料特征指标集筛选出符合要求的材料,生成绿色材料候选集;
步骤(2)绿色材料仿真预测,根据构建的数字孪生模型对候选材料进行仿真,得出候选材料经济属性和环境属性的预测值,具体实现如下:
①构建绿色材料优选数字孪生模型MDT-GMOS=(VE,SE,CE),其中VE、SE、CE分别表示虚拟模型、服务模型、连接模型;
②将候选材料载入绿色材料优选数字孪生模型,在产品生命周期中对候选材料进行仿真,得出候选材料经济属性和环境属性的仿真数据;其中经济属性包括材料直接成本、加工制造成本、回收成本、废物处理成本;环境属性包括能耗和废弃物产生量;产品生命周期过程包括设计阶段、加工制造阶段、使用阶段、回收阶段、废弃处理阶段;
③将物理数据和仿真数据进行融合,得出候选材料经济属性和环境属性的预测值;
④确定候选材料经济属性和环境属性的期待值;
步骤(3)绿色材料评估选择,根据候选材料经济属性和环境属性的预测值和期待值完成绿色材料的优选,具体实现如下:
①计算候选材料经济属性和环境属性预测值与期待值的偏离度;
②设定偏离度值,当偏离度小于该值时,选择该候选材料;否则,选择下个材料继续进行仿真;
所述步骤(2)中,绿色材料优选数字孪生模型如下:
①所述虚拟模型VE包括几何模型、物理模型和规则模型,具体为:VE=(GM,PM,RM);
几何模型GM包含材料加工物理设备中三维模型信息,即动力设备、传动设备、控制设备和加工设备四部分的信息;
物理模型PM为刻画物理设备的物理学特性所使用的模型,包含功率、转速、加工时间、加工状态、温度、振动;
规则模型RM在物理设备正常运行过程中,提供虚拟设备在材料加工中各部件的运行机制,使虚拟设备按照物理设备的运行规则进行仿真;
②所述服务模型SE=(DPE,DVE,Din,DSE,De),其中DPE表示物理设备在材料加工制造过程中通过传感器采集的物理数据;DVE表示虚拟模型对材料的加工制造过程进行仿真生成的仿真数据;Din为人为输入的信息,这里的信息包含材料价格、工人数量、工资、回收成本;DSE表示服务模型经分析处理生成的材料各属性的预测值;De表示人为输入的材料各属性的期待值;
③所述连接模型为物理设备、虚拟模型VE和服务模型SE之间的信息交互通道,CE=(CE-PV,CE-PS,CE-VS),其中CE-PV,CE-PS,CE-VS分别表示物理设备与虚拟模型、物理设备与服务模型、虚拟模型与服务模型之间的信息交互通道,所有信息交互通道中的数据均为双向流通。
2.一种基于数字孪生的绿色材料优选系统,其特征在于,包括:
(1)绿色材料候选集生成模块,用于根据生成的绿色材料特征指标集完成对材料的初步筛选,生成绿色材料候选集,具体实现如下:
①根据产品设计要求生成绿色材料特征指标集;
②根据绿色材料特征指标集筛选出符合要求的材料,生成绿色材料候选集;
(2)绿色材料仿真预测模块,用于根据构建的数字孪生模型对候选材料进行仿真,得出候选材料经济属性和环境属性的预测值,具体实现如下:
①构建绿色材料优选数字孪生模型MDT-GMOS=(VE,SE,CE),其中VE、SE、CE分别表示虚拟模型、服务模型、连接模型;
②将候选材料载入绿色材料优选数字孪生模型,在产品生命周期中对候选材料进行仿真,得出候选材料经济属性和环境属性的仿真数据;其中经济属性包括材料直接成本、加工制造成本、回收成本、废物处理成本;环境属性包括能耗和废弃物产生量;产品生命周期过程包括设计阶段、加工制造阶段、使用阶段、回收阶段、废弃处理阶段;
③将物理数据和仿真数据进行融合,得出候选材料经济属性和环境属性的预测值;
④确定候选材料经济属性和环境属性的期待值;
(3)绿色材料评估选择模块,用于根据候选材料经济属性和环境属性的预测值和期待值完成绿色材料的优选,具体实现如下:
①计算候选材料经济属性和环境属性预测值与期待值的偏离度;
②设定偏离度值,当偏离度小于该值时,选择该候选材料;否则,选择下个材料继续进行仿真;
所述绿色材料仿真预测模块中,绿色材料优选数字孪生模型如下:
①所述虚拟模型VE包括几何模型、物理模型和规则模型,具体为:VE=(GM,PM,RM);
几何模型GM包含材料加工物理设备中三维模型信息,即动力设备、传动设备、控制设备和加工设备四部分的信息;
物理模型PM为刻画物理设备的物理学特性所使用的模型,包含功率、转速、加工时间、加工状态、温度、振动;
规则模型RM在物理设备正常运行过程中,提供虚拟设备在材料加工中各部件的运行机制,使虚拟设备按照物理设备的运行规则进行仿真;
②所述服务模型SE=(DPE,DVE,Din,DSE,De),其中DPE表示物理设备在材料加工制造过程中通过传感器采集的物理数据;DVE表示虚拟模型对材料的加工制造过程进行仿真生成的仿真数据;Din为人为输入的信息,这里的信息包含材料价格、工人数量、工资、回收成本;DSE表示服务模型经分析处理生成的材料各属性的预测值;De表示人为输入的材料各属性的期待值;
③所述连接模型为物理设备、虚拟模型VE和服务模型SE之间的信息交互通道,CE=(CE-PV,CE-PS,CE-VS),其中CE-PV,CE-PS,CE-VS分别表示物理设备与虚拟模型、物理设备与服务模型、虚拟模型与服务模型之间的信息交互通道,所有信息交互通道中的数据均为双向流通。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011602276.9A CN112685898B (zh) | 2020-12-29 | 2020-12-29 | 一种基于数字孪生的绿色材料优选方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011602276.9A CN112685898B (zh) | 2020-12-29 | 2020-12-29 | 一种基于数字孪生的绿色材料优选方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112685898A CN112685898A (zh) | 2021-04-20 |
CN112685898B true CN112685898B (zh) | 2022-11-01 |
Family
ID=75454473
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011602276.9A Active CN112685898B (zh) | 2020-12-29 | 2020-12-29 | 一种基于数字孪生的绿色材料优选方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112685898B (zh) |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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 |
Family Cites Families (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2012102982A2 (en) * | 2011-01-25 | 2012-08-02 | Oxanematerials, Inc. | Extrusion process for proppant production |
CN111857065B (zh) * | 2020-06-08 | 2023-06-20 | 北京邮电大学 | 基于边缘计算和数字孪生的智能生产系统和方法 |
CN111695734A (zh) * | 2020-06-12 | 2020-09-22 | 中国科学院重庆绿色智能技术研究院 | 一种基于数字孪生及深度学习的多工艺规划综合评估系统及方法 |
CN111968004A (zh) * | 2020-08-07 | 2020-11-20 | 东华大学 | 一种基于数字孪生的高精密产品装调一体化系统 |
CN112101899B (zh) * | 2020-09-09 | 2023-02-03 | 北京航空航天大学 | 一种数字孪生增强的制造服务信息物理融合方法 |
-
2020
- 2020-12-29 CN CN202011602276.9A patent/CN112685898B/zh active Active
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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 |
Also Published As
Publication number | Publication date |
---|---|
CN112685898A (zh) | 2021-04-20 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110609531B (zh) | 一种基于数字孪生的车间调度方法 | |
Deb et al. | An integrated approach to automated innovization for discovering useful design principles: Case studies from engineering | |
CN108399287B (zh) | 采用模糊层次分析的机床横梁设计方案的评估方法 | |
CN110900307A (zh) | 一种数字孪生驱动的数控机床刀具监控系统 | |
CN1292737A (zh) | 用于弯曲钢板的成形方法和装置 | |
Al-Ansary et al. | Concurrent optimization of design and machining tolerances using the genetic algorithms method | |
CN110889238A (zh) | 一种数字孪生驱动的热压罐管控系统 | |
Pal et al. | Rapid tooling route selection and evaluation for sand and investment casting | |
CN105488297A (zh) | 一种基于小样本建立复杂产品优化设计代理模型的方法 | |
CN108460191B (zh) | 基于质量功能展开的机床横梁设计方案的优选方法 | |
JPH10301975A (ja) | 製品の設計パラメータ最適値決定方法、システム及びその方法プログラムを記載した記録媒体 | |
CN111950195B (zh) | 一种基于画像系统与深度回归模型的工程进度预测方法 | |
CN110348954A (zh) | 一种面向大规模定制的复杂工艺模块划分方法 | |
CN114493376A (zh) | 一种基于工单数据的任务调度管理方法及系统 | |
CN116757059A (zh) | 一种基于产品类型和工艺的碳核算方法、装置及相关介质 | |
Imen et al. | Generation of disassembly plans and quality assessment based on CAD data | |
CN112685898B (zh) | 一种基于数字孪生的绿色材料优选方法及系统 | |
CN110334440A (zh) | 基于神经网络的转子有限元模型优化设计方法 | |
CN113705897A (zh) | 一种面向工业铜箔生产的产品质量预测方法及系统 | |
CN113159535A (zh) | 一种基于熵权法的软件服务绩效评价方法 | |
JP3597153B2 (ja) | 切削工具性能評価システムおよび切削工具設計方法 | |
CN115202294A (zh) | 一种基于数字孪生的制造车间生产调度方法 | |
Kyriacou et al. | Optimization of hydraulic machinery by exploiting previous successful designs | |
CN111428148A (zh) | 一种适于制造过程规划的智能优化算法推荐方法 | |
CN112990618A (zh) | 一种工业物联网中基于机器学习方法的预测方法 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |