CN113569358A - 一种面向产品质量反馈的数字孪生系统模型构建方法 - Google Patents
一种面向产品质量反馈的数字孪生系统模型构建方法 Download PDFInfo
- Publication number
- CN113569358A CN113569358A CN202110861824.8A CN202110861824A CN113569358A CN 113569358 A CN113569358 A CN 113569358A CN 202110861824 A CN202110861824 A CN 202110861824A CN 113569358 A CN113569358 A CN 113569358A
- Authority
- CN
- China
- Prior art keywords
- physical
- product quality
- equipment
- system model
- processing
- 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
- 238000010276 construction Methods 0.000 title claims abstract description 11
- 238000000034 method Methods 0.000 claims abstract description 145
- 230000008569 process Effects 0.000 claims abstract description 114
- 238000012545 processing Methods 0.000 claims abstract description 75
- 238000011156 evaluation Methods 0.000 claims abstract description 19
- 238000003754 machining Methods 0.000 claims abstract description 10
- 238000004088 simulation Methods 0.000 claims description 49
- 230000003068 static effect Effects 0.000 claims description 10
- 238000012423 maintenance Methods 0.000 claims description 4
- 238000010606 normalization Methods 0.000 claims description 3
- 238000004519 manufacturing process Methods 0.000 abstract description 15
- 230000004927 fusion Effects 0.000 abstract description 4
- 230000003993 interaction Effects 0.000 abstract description 4
- 238000005516 engineering process Methods 0.000 abstract description 3
- 206010063385 Intellectualisation Diseases 0.000 abstract description 2
- 238000006243 chemical reaction Methods 0.000 abstract description 2
- 239000010410 layer Substances 0.000 description 14
- 238000013507 mapping Methods 0.000 description 4
- 238000004891 communication Methods 0.000 description 2
- 230000007246 mechanism Effects 0.000 description 2
- 238000005457 optimization Methods 0.000 description 2
- 230000001105 regulatory effect Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000002457 bidirectional effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000002349 favourable effect Effects 0.000 description 1
- 238000009472 formulation Methods 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 230000002452 interceptive effect Effects 0.000 description 1
- 239000011229 interlayer Substances 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 238000003908 quality control method Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000013468 resource allocation Methods 0.000 description 1
- 238000003860 storage Methods 0.000 description 1
- 238000012549 training Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
Images
Classifications
-
- 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
-
- 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
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
- G06Q10/06395—Quality analysis or management
-
- 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
- G06F2111/00—Details relating to CAD techniques
- G06F2111/10—Numerical modelling
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
- G06F2119/18—Manufacturability analysis or optimisation for manufacturability
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Human Resources & Organizations (AREA)
- General Physics & Mathematics (AREA)
- Geometry (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- Development Economics (AREA)
- Marketing (AREA)
- Evolutionary Computation (AREA)
- Computer Hardware Design (AREA)
- General Business, Economics & Management (AREA)
- Tourism & Hospitality (AREA)
- Educational Administration (AREA)
- General Engineering & Computer Science (AREA)
- Entrepreneurship & Innovation (AREA)
- Pure & Applied Mathematics (AREA)
- Computational Mathematics (AREA)
- Mathematical Analysis (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Mathematical Optimization (AREA)
- Game Theory and Decision Science (AREA)
- Manufacturing & Machinery (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- General Factory Administration (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种面向产品质量反馈的数字孪生系统模型构建方法，属于工艺装备数字孪生转化技术领域。该数字孪生系统模型的构建方法通过在产品质量‑工艺装备状态的关联模型下制定数字孪生系统模型的工艺路线，通过数字孪生系统模型实时驱动置信评估，调整工艺路线，直至数字孪生系统模型完成加工过程。本发明的构建方法通过产品生产过程数据、质量数据和生产设备之间虚实交互、数据共融，提高现有设备加工数据、状态数据获取的实时性、准确性、高效性，并通过孪生数据驱动的智能决策与控制技术实现工艺装备加工过程的智能化、高效化，构建完整的、全要素数字孪生系统。
Description
技术领域
本发明属于工艺装备数字孪生转化技术领域，具体地涉及一种面向产品质量反馈的数字孪生系统模型构建方法。
背景技术
随着新一代信息通信技术和软硬件系统的高速发展，在生产加工过程中，产品的数字孪生模型逐渐成为潜在的、能够有效解决物理世界和虚拟世界之间信息交互与融合的新方法和新途径。
数字孪生系统模型采用多学科、多物理量、多尺度、多概率的方法对物理装备进行数字孪生建模，充分利用了物理模型数据、历史服役数据和实时运行数据等数据，在信息空间中完成对实际工艺装备和生产过程的全要素映射，进而反映相对应实体工艺装备实时服役状态，贯穿于装备生产加工的全过程和装备的完全生命周期。
工艺装备智能决策和控制的目的是监测工艺装备的健康状态和实现产品加工的高效率和高质量，最终保证全生产过程的可持续性，因此，产品也是工艺装备数字孪生中重要的环节。基于产品实现和生产系统操作两个方面的数字孪生成为目前的研究热点。然而，本领域的科研人员却忽略了结合产品与设备进行数字孪生。对于现有数字化装备、装配工装、固化工装以及其他工艺装备，存在工艺装备改造困难、产品加工质量实时在线监测缺失，难以实现对装备服役状态和加工过程的监测，导致实现工艺装备的闭环控制、数字化生产转化难以推进的问题。
发明内容
本发明的目的在于克服现有技术的不足，提供了一种面向产品质量反馈的数字孪生系统模型构建方法。该数字孪生系统模型的构建方法增加了对产品的孪生建模，旨在将产品质量指标作为工艺装备的数字孪生系统模型构建的重要支撑。通过产品生产过程数据、质量数据和生产设备之间虚实交互、数据共融，提高现有设备加工数据、状态数据获取的实时性、准确性、高效性，并通过孪生数据驱动的智能决策与控制技术实现工艺装备加工过程的智能化、高效化，构建完整的、全要素数字孪生系统。
为实现上述目的，本发明采用如下技术方案：一种面向产品质量反馈的数字孪生系统模型构建方法，具体包括如下步骤：
(1)收集物理工艺装备以及物理产品的静态属性和动态属性，根据物理工艺装备和物理产品的静态属性构建虚拟工艺装备，并通过物理工艺装备和物理产品的动态属性驱动虚拟工艺装备进行仿真加工，构建数字孪生系统模型；
(2)所述物理工艺装备在物理空间下加工映射出物理产品，产生反馈决策文件；所述虚拟工艺装备在仿真加工过程中产生仿真工艺文件；
(3)对反馈决策文件和仿真工艺文件进行归一化处理，构建产品质量-工艺装备状态的关联模型；
(4)根据产品-工艺装备状态的关联模型制定数字孪生系统模型的工艺路线，在制定的工艺路线下，通过数字孪生系统模型实时驱动置信评估，当置信评估的结果不超过阈值时，通过工艺路线执行数字孪生系统模型的加工过程；当置信评估的结果超过阈值时，调整工艺路线，重复进行数字孪生系统模型实时驱动置信评估，直至置信评估的结果不超过阈值，通过调整的工艺路线执行数字孪生系统模型的加工过程。
进一步地，所述静态属性包括：产品的几何尺寸、各零件间的约束关系以及装配关系。
进一步地，所述动态属性包括：物理工艺装备的工况参数、状态数据、物理产品质量反馈数据。
进一步地，所述反馈决策文件包括：物理工艺装备加工过程中工装状态参量和物理产品质量指标，所述物理工艺装备加工过程中工装状态参量包括：物理工艺装备加工过程中的加工方式及装夹方式、物理加工环境、物理工艺信息、物理工艺装备检修历史、物理故障数据，所述物理产品质量指标包括：物理产品尺寸精度、物理产品表面状态。
进一步地，所述仿真工艺文件包括：仿真工艺装备加工过程中工装状态参量和仿真产品质量指标，所述仿真工艺装备加工过程中工装状态参量包括：仿真工艺装备加工过程中的加工方式及装夹方式、仿真加工环境、仿真工艺信息、仿真故障数据，所述仿真产品质量指标包括：仿真产品尺寸精度、仿真产品表面状态。
进一步地，所述产品质量-工艺装备状态的关联模型具体为：
y'j＝(y'j(1),y'j(2),y'j(3),...,y'j(i))T，j＝1,2,3,...m
其中，n为物理工艺装备加工过程中工装状态参量和仿真工艺装备加工过程中工装状态参量的总个数，i为n的索引，xi为第i工装状态参量，m为物理产品质量指标和仿真产品质量指标的总个数，j为m的索引，y'j代表第j个产品质量指标在n个工装状态参量中的关联系数向量，y'j(i)代表第i个工装状态参量对第j个产品质量指标的关联系数，Kp为n个工装状态参量对m个产品质量指标的比例影响参数，Tt为n个工装状态参量对m个产品质量指标的积分影响参数，TD为n个工装状态参量对m个产品质量指标的微分影响参数。
与现有技术相比，本发明具有如下有益效果：本发明将反馈决策文件和仿真工艺文件归一化处理后，构建产品质量-工艺装备状态的关联模型，有利于将产品质量与加工过程中的状态量关联起来，在加工过程中调控相关状态参量，实现产品加工质量的提升；本发明数字系统模型的构建方法实现了物理空间中物理工艺装备和物理产品的反馈闭环，同时实现了仿真加工过程中的虚拟工艺装备与虚拟产品的反馈闭环，便于及时发现加工环节的问题并修正，提高加工效率；本发明数字系统模型的构建方法通过实时驱动置信评估，调整工艺路线，优化数字孪生系统模型的加工过程。本发明数字孪生系统模型的构建方法通过产品质量反馈能够实现加工过程的全闭环调控，有利于动态提高产品加工质量，提高加工良品率。
附图说明
图1为本发明面向产品质量反馈的数字孪生系统模型的框架图；
图2为本发明面向产品质量反馈的数字孪生系统模型的构建方法的流程图。
具体实施方式
为了使本发明的目的、技术方案和优势阐述的更加清楚，下面将结合说明书附图对本发明的具体实施方式进一步做详细的阐述。
如图1，本发明面向产品质量反馈的数字孪生系统模型的结构框架分为需求决策层、设备层、产品层、信息数据层和服务体系，以及层间的相互关联机制；该需求决策层主要指各级管理员，从生产决策者到车间管理人员和技术服务人员，再到生产加工过程中的工艺员、操作人员和设备维护人员，能够对设备层和产品层的生产加工实现总体把控，灵活处理生产加工中的各种状况；设备层主要以物理工艺设备为载体、以虚拟工艺装备为引擎、以虚拟产品为驱动、以保证物理工艺装备正常服役和满足生产需求为目的，通过物理空间和虚拟空间间的双向映射和实时交互，实现物理工艺装备全生命周期内虚实融合与状态迭代优化，支持产品质量反馈服务，为实现装备加工服役状态的最优化、产品质量控制的精准化提供重要基础支撑；产品层主要以物理产品实际加工质量数据为对象，以虚拟产品的理论产品加工质量数据为标准，对产品实际加工质量进行评估，并驱动置信评估完成后续加工策略的制定，通过智能决策与控制体系反馈控制物理工艺装备；信息数据层是一个数据库储存空间，这些数据包括描述物理空间属性的模型数据、传感器数据流、资源配置状态、流程信息和运行历史数据；服务体系是对各层级、各空间数据进行处理和实现智能决策及闭环控制等功能的控制核心，并用于各层级和空间的信息物理数据通信、异构数据的调用、智能决策模型的训练以及工艺关系描述等方面。
本发明中涉及的关系机制主要有四种，分别是反馈、控制、数据传递和加工映射，用于建立各层级、各组件之间的联系，通过这四种不同的关系机制作为不同形态的输入输出维持着设备层和产品层内部以及两层之间数据传递、数据反馈和数据驱动等作用，保证虚实之间数据相同和设备产品交互相映。
如图2为本发明面向产品质量反馈的数字孪生系统模型的构建方法的流程图，该数字孪生系统模型的构建方法具体包括如下步骤：
(1)收集物理工艺装备以及物理产品的静态属性和动态属性，根据物理工艺装备和物理产品的静态属性构建虚拟工艺装备，并通过物理工艺装备和物理产品的动态属性驱动虚拟工艺装备进行仿真加工，构建数字孪生系统模型；本发明将数字孪生系统模型分为静态、动态层次建模，能够涵盖工艺装备的全要素属性，进而提升数字孪生虚实映射的真实性。本发明中的静态属性包括：产品的几何尺寸、各零件间的约束关系以及装配关系；本发明中的动态属性包括：物理工艺装备的工况参数、状态数据、物理产品质量反馈数据。
(2)物理工艺装备在物理空间下加工映射出物理产品，产生反馈决策文件；虚拟工艺装备在仿真加工过程中产生仿真工艺文件；本发明追踪的反馈决策文件包括：物理工艺装备加工过程中工装状态参量和物理产品质量指标，物理工艺装备加工过程中工装状态参量包括：物理工艺装备加工过程中的加工方式及装夹方式、物理加工环境、物理工艺信息、物理工艺装备检修历史、物理故障数据，物理产品质量指标包括：物理产品尺寸精度、物理产品表面状态。本发明中的仿真工艺文件包括：仿真工艺装备加工过程中工装状态参量和仿真产品质量指标，仿真工艺装备加工过程中工装状态参量包括：仿真工艺装备加工过程中的加工方式及装夹方式、仿真加工环境、仿真工艺信息、仿真故障数据，所述仿真产品质量指标包括：仿真产品尺寸精度、仿真产品表面状态。
(3)对反馈决策文件和仿真工艺文件进行归一化处理，构建产品质量-工艺装备状态的关联模型，反馈决策文件与仿真工艺文件分别是物理空间与虚拟空间的决策文件，采用反馈决策文件和两个尺度来建立关联模型，能够为数字孪生智能决策提供数据支撑，有利于将虚实空间中的产品质量与加工过程中的状态量关联起来，在加工过程中调控相关状态量，进而实现产品加工质量的提升。
本发明中产品质量-工艺装备状态的关联模型具体为：
y'j＝(y'j(1),y'j(2),y'j(3),...,y'j(i))T，j＝1,2,3,...m
其中，n为物理工艺装备加工过程中工装状态参量和仿真工艺装备加工过程中工装状态参量的总个数，i为n的索引，m为物理产品质量指标和仿真产品质量指标的总个数，j为m的索引，y'j代表第j个产品质量指标在n个工装状态参量中的关联系数向量，y'j(i)代表第i个工装状态参量对第j个产品质量指标的关联系数，Kp为n个工装状态参量对m个产品质量指标的比例影响参数，Tt为n个工装状态参量对m个产品质量指标的积分影响参数，TD为n工装状态参量对m个产品质量指标的微分影响参数。通过设置比例影响参数、积分影响参数、微分影响参数能够使工装状态在比例、积分、微分三个尺度上影响产品质量关联系数，进而在控制时能够根据控制信号不同，在不同尺度上进行调整。
(4)根据产品-工艺装备状态的关联模型制定数字孪生系统模型的工艺路线，在制定的工艺路线下，通过数字孪生系统模型实时驱动置信评估，当置信评估的结果不超过阈值时，通过工艺路线执行数字孪生系统模型的加工过程；当置信评估的结果超过阈值时，调整工艺路线，重复进行数字孪生系统模型实时驱动置信评估，直至置信评估的结果不超过阈值，通过调整的工艺路线执行数字孪生系统模型的加工过程。
本发明面向产品质量反馈的数字孪生系统模型的构建方法结合反馈决策文件和仿真工艺文件，构建产品质量-工艺装备状态的关联模型，在数字孪生系统模型上实时驱动置信评估，从而保证物理产品的加工质量，确保物理工艺装备处在健康服役状态，实现产品质量稳定可靠和装备服役周期最大化。
本发明对本发明的原理及实施方式进行了阐述，以上实施方案的说明只是用于帮助理解本发明的方法及其核心思想；同时，对于本领域的一般技术人员，依据本发明的思想，在具体实施方式及应用范围上均会有改变之处。综上所述，本说明书内容不应理解为对本发明的限制。
Claims (6)
1.一种面向产品质量反馈的数字孪生系统模型构建方法，其特征在于，具体包括如下步骤：
(1)收集物理工艺装备以及物理产品的静态属性和动态属性，根据物理工艺装备和物理产品的静态属性构建虚拟工艺装备，并通过物理工艺装备和物理产品的动态属性驱动虚拟工艺装备进行仿真加工，构建数字孪生系统模型；
(2)所述物理工艺装备在物理空间下加工映射出物理产品，产生反馈决策文件；所述虚拟工艺装备在仿真加工过程中产生仿真工艺文件；
(3)对反馈决策文件和仿真工艺文件进行归一化处理，构建产品质量-工艺装备状态的关联模型；
(4)根据产品-工艺装备状态的关联模型制定数字孪生系统模型的工艺路线，在制定的工艺路线下，通过数字孪生系统模型实时驱动置信评估，当置信评估的结果不超过阈值时，通过工艺路线执行数字孪生系统模型的加工过程；当置信评估的结果超过阈值时，调整工艺路线，重复进行数字孪生系统模型实时驱动置信评估，直至置信评估的结果不超过阈值，通过调整的工艺路线执行数字孪生系统模型的加工过程。
2.根据权利要求1所述面向产品质量反馈的数字孪生系统模型的构建方法，其特征在于，所述静态属性包括：产品的几何尺寸、各零件间的约束关系以及装配关系。
3.根据权利要求1所述面向产品质量反馈的数字孪生系统模型的构建方法，其特征在于，所述动态属性包括：物理工艺装备的工况参数、状态数据、物理产品质量反馈数据。
4.根据权利要求1所述面向产品质量反馈的数字孪生系统模型的构建方法，其特征在于，所述反馈决策文件包括：物理工艺装备加工过程中工装状态参量和物理产品质量指标，所述物理工艺装备加工过程中工装状态参量包括：物理工艺装备加工过程中的加工方式及装夹方式、物理加工环境、物理工艺信息、物理工艺装备检修历史、物理故障数据，所述物理产品质量指标包括：物理产品尺寸精度、物理产品表面状态。
5.根据权利要求4所述面向产品质量反馈的数字孪生系统模型的构建方法，其特征在于，所述仿真工艺文件包括：仿真工艺装备加工过程中工装状态参量和仿真产品质量指标，所述仿真工艺装备加工过程中工装状态参量包括：仿真工艺装备加工过程中的加工方式及装夹方式、仿真加工环境、仿真工艺信息、仿真故障数据，所述仿真产品质量指标包括：仿真产品尺寸精度、仿真产品表面状态。
6.根据权利要求1所述面向产品质量反馈的数字孪生系统模型的构建方法，其特征在于，所述产品质量-工艺装备状态的关联模型具体为：
y'j＝(y'j(1),y'j(2),y'j(3),...,y'j(i))T，j＝1,2,3,...m
其中，n为物理工艺装备加工过程中工装状态参量和仿真工艺装备加工过程中工装状态参量的总个数，i为n的索引，xi为第i工装状态参量，m为物理产品质量指标和仿真产品质量指标的总个数，j为m的索引，y'j代表第j个产品质量指标在n个工装状态参量中的关联系数向量，y'j(i)代表第i个工装状态参量对第j个产品质量指标的关联系数，Kp为n个工装状态参量对m个产品质量指标的比例影响参数，Tt为n个工装状态参量对m个产品质量指标的积分影响参数，TD为n个工装状态参量对m个产品质量指标的微分影响参数。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110861824.8A CN113569358B (zh) | 2021-07-29 | 2021-07-29 | 一种面向产品质量反馈的数字孪生系统模型构建方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110861824.8A CN113569358B (zh) | 2021-07-29 | 2021-07-29 | 一种面向产品质量反馈的数字孪生系统模型构建方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN113569358A true CN113569358A (zh) | 2021-10-29 |
| CN113569358B CN113569358B (zh) | 2024-02-06 |
Family
ID=78168932
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110861824.8A Active CN113569358B (zh) | 2021-07-29 | 2021-07-29 | 一种面向产品质量反馈的数字孪生系统模型构建方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113569358B (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| 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 |
Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2018231541A1 (en) * | 2017-06-12 | 2018-12-20 | Honeywell International Inc. | Apparatus and method for automated identification and diagnosis of constraint violations |
| CN109270899A (zh) * | 2018-09-03 | 2019-01-25 | 江苏科技大学 | 一种基于数字孪生的船用柴油机关重件制造过程管控方法 |
| 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 |
| CN111061232A (zh) * | 2019-12-09 | 2020-04-24 | 中国科学院沈阳自动化研究所 | 基于数字孪生的生产线设计与优化方法 |
| US20200159876A1 (en) * | 2018-11-20 | 2020-05-21 | Institute For Information Industry | Simulation apparatus and method |
| 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 |
| CN112799369A (zh) * | 2021-01-15 | 2021-05-14 | 北京理工大学 | 一种产品装配过程管控方法和装置 |
| CN113051838A (zh) * | 2021-05-12 | 2021-06-29 | 南京航空航天大学 | 一种基于数字孪生技术的空间在轨制造结构可靠寿命预测方法 |
-
2021
- 2021-07-29 CN CN202110861824.8A patent/CN113569358B/zh active Active
Patent Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2018231541A1 (en) * | 2017-06-12 | 2018-12-20 | Honeywell International Inc. | Apparatus and method for automated identification and diagnosis of constraint violations |
| CN109270899A (zh) * | 2018-09-03 | 2019-01-25 | 江苏科技大学 | 一种基于数字孪生的船用柴油机关重件制造过程管控方法 |
| US20200159876A1 (en) * | 2018-11-20 | 2020-05-21 | Institute For Information Industry | Simulation apparatus and method |
| 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 |
| CN111061232A (zh) * | 2019-12-09 | 2020-04-24 | 中国科学院沈阳自动化研究所 | 基于数字孪生的生产线设计与优化方法 |
| 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 |
| CN112799369A (zh) * | 2021-01-15 | 2021-05-14 | 北京理工大学 | 一种产品装配过程管控方法和装置 |
| CN113051838A (zh) * | 2021-05-12 | 2021-06-29 | 南京航空航天大学 | 一种基于数字孪生技术的空间在轨制造结构可靠寿命预测方法 |
Non-Patent Citations (6)
| Title |
|---|
| JINFENG LIU ET AL: "Dynamic Evaluation Method of Machining Process Planning Based on Digital Twin", IEEE ACCESS, vol. 7, pages 19312 - 19323, XP011711049, DOI: 10.1109/ACCESS.2019.2893309 * |
| 刘金锋等: "数字孪生驱动的机械加工工艺评价方法", 计算机集成制造系统, vol. 25, no. 6, pages 1600 - 1610 * |
| 吕瑞强等: "面向航空产品制造过程的CPS基础共性技术平台研究与应用", 航空制造技术, vol. 64, no. 14, pages 71 - 78 * |
| 郝博等: "基于数字孪生的装配过程质量控制方法", 组合机床与自动化加工技术, no. 4, pages 146 - 149 * |
| 隋少春;许艾明;黎小华;刘顺涛;黄伟;: "面向航空智能制造的DT与AI融合应用", 航空学报, no. 07, pages 7 - 17 * |
| 黄东平;吴兴杰;董磊;赵志刚;: "一种面向多源业务数据的飞机质量数据挖掘与分析方法", 信息与电脑(理论版), no. 03, pages 115 - 119 * |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| 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 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN113569358B (zh) | 2024-02-06 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN112668237B (zh) | 一种基于工业互联网云平台的数字孪生模型及其构建方法 | |
| CN115062478A (zh) | 基于数字孪生的动态车间生产排程调度方法、系统及介质 | |
| CN108595267A (zh) | 一种基于深度强化学习的资源调度方法和系统 | |
| CN1697284A (zh) | 一种电力数据采集与监控系统及装置 | |
| CN101344065A (zh) | 基于满意控制的水轮机调速系统参数优化方法 | |
| CN112990558B (zh) | 一种基于深度迁移学习的气象温度、光照的预测方法 | |
| CN105388876B (zh) | 获得基于班组的间歇型化工生产工艺符合度的方法及装置 | |
| CN106600240A (zh) | 供电企业基于大数据精益辅助的电网调控运营管理系统 | |
| CN110212551A (zh) | 基于卷积神经网络的微网无功自动控制方法 | |
| CN111198550A (zh) | 基于案例推理的云端智能生产优化调度在线决策方法及系统 | |
| CN113569358A (zh) | 一种面向产品质量反馈的数字孪生系统模型构建方法 | |
| CN114118569A (zh) | 基于多模态多任务的Transformer网络的风电功率多步预测方法 | |
| CN116468287A (zh) | 一种基于数字孪生的智慧园区控制系统 | |
| CN116307211A (zh) | 一种风电消纳能力预测及优化方法及系统 | |
| CN116805218A (zh) | 基于大数据分析的数字乡村规划信息管理方法及系统 | |
| CN114526910A (zh) | 一种基于数字孪生驱动的传动系统故障定位方法 | |
| CN107169562A (zh) | 一种用于数据中心的能效控制方法及装置 | |
| CN112836876B (zh) | 一种基于深度学习的配电网线路负荷预测方法 | |
| CN114154688A (zh) | 光伏电站的短期功率预测方法 | |
| CN113629788A (zh) | 一种电力系统自动电压控制方法 | |
| CN116306807A (zh) | 一种基于元宇宙数据标记的ai模型生产方法 | |
| Zhang et al. | Digital twin-based process optimization system research for micro-assembly products | |
| CN116051025A (zh) | 一种面向园区能耗的数字孪生基础开发平台 | |
| CN113988395A (zh) | 基于SSD和双重注意力机制BiGRU的风电超短期功率预测方法 | |
| CN106447065A (zh) | 碳纤维原丝生产过程中凝固浴环节性能指标的预测方法 |
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 |