CN114089709A - 一种跨域多尺度的数字孪生体构建方法 - Google Patents
一种跨域多尺度的数字孪生体构建方法 Download PDFInfo
- Publication number
- CN114089709A CN114089709A CN202111393534.1A CN202111393534A CN114089709A CN 114089709 A CN114089709 A CN 114089709A CN 202111393534 A CN202111393534 A CN 202111393534A CN 114089709 A CN114089709 A CN 114089709A
- Authority
- CN
- China
- Prior art keywords
- digital twin
- components
- data
- component
- equipment
- 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
- 230000006870 function Effects 0.000 claims abstract description 47
- 238000000034 method Methods 0.000 claims abstract description 23
- 230000003993 interaction Effects 0.000 claims abstract description 8
- 230000002452 interceptive effect Effects 0.000 claims abstract description 4
- 238000004806 packaging method and process Methods 0.000 claims abstract description 4
- 239000000463 material Substances 0.000 claims description 10
- 238000013500 data storage Methods 0.000 claims description 5
- 238000007726 management method Methods 0.000 claims description 5
- 230000009471 action Effects 0.000 claims description 3
- 238000013499 data model Methods 0.000 claims description 3
- 230000007246 mechanism Effects 0.000 claims description 3
- 238000012800 visualization Methods 0.000 claims description 3
- 238000012545 processing Methods 0.000 description 16
- 238000004519 manufacturing process Methods 0.000 description 15
- 238000005520 cutting process Methods 0.000 description 10
- 238000011161 development Methods 0.000 description 9
- 238000004088 simulation Methods 0.000 description 6
- 238000004458 analytical method Methods 0.000 description 5
- 238000005516 engineering process Methods 0.000 description 5
- 238000003754 machining Methods 0.000 description 5
- 238000012217 deletion Methods 0.000 description 4
- 230000037430 deletion Effects 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- 230000006399 behavior Effects 0.000 description 3
- 238000004422 calculation algorithm Methods 0.000 description 3
- 238000013135 deep learning Methods 0.000 description 3
- 238000013507 mapping Methods 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 238000005457 optimization Methods 0.000 description 3
- 230000008859 change Effects 0.000 description 2
- 230000008676 import Effects 0.000 description 2
- 230000033001 locomotion Effects 0.000 description 2
- 238000010801 machine learning Methods 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- 230000006798 recombination Effects 0.000 description 2
- 238000005215 recombination Methods 0.000 description 2
- 230000009467 reduction Effects 0.000 description 2
- 238000003860 storage Methods 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 238000005299 abrasion Methods 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000013527 convolutional neural network Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000003745 diagnosis Methods 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 238000012417 linear regression Methods 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 239000002994 raw material Substances 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000004579 scanning voltage microscopy Methods 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 230000000007 visual 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]
- G05B19/4183—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 data acquisition, e.g. workpiece identification
-
- 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
- G05B2219/32252—Scheduling production, machining, job shop
-
- 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)
- General Engineering & Computer Science (AREA)
- Manufacturing & Machinery (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
本发明公开了一种跨域多尺度的数字孪生体构建方法，包括以下步骤：S1、将数字孪生体按照尺寸进行层次划分上；S2、将同一层次的数字孪生体再根据具体的应用场景或涉及的物理域进一步划分；S3、将简单数字孪生模型按照其功能划分成若干部分，进而抽象成若干功能组件进行封装，并预留组件的交互接口；S4、根据划分好的组件形成规范组件库进行统一管理；S5、以组态方式连接各功能组件。与现有的建模方法相比，本发明为复杂数字孪生体制定了详细具体、具有可操作性的建模方法；同时，定义了组件的标准化结构和接口，使具有相同或相似功能的组件能够复用；另外引入了消息中间件作为数据中心，使不同编程语言编写的组件能够实现交互。
Description
技术领域
本发明属于数字化技术领域，特别涉及一种跨域多尺度的数字孪生体构建方法。
背景技术
2003年，密歇根大学的Grieves教授在产品全生命周期管理的课程上首次提出了“与物理产品等价的虚拟化表达”概念，被认为是数字孪生概念的雏形。在之后的一段时间里，这一概念又被称为“镜像空间模型”、“信息镜像模型”，但并未引起广泛的关注。2011年，NASA正式将这一概念命名为数字孪生，并将其应用于航天器的健康维护等问题。随后传感器、大数据、物联网、人工智能等新一代信息技术的发展，使得数字孪生的实现成为了可能。2017年-2019年，数字孪生连续三年被Gartner公司列为十大战略技术趋势之一。同时，国内外众多高校的学者和以西门子、微软等为代表的大型科技公司都相继投入到了数字孪生技术的理论研究和应用实现中。
数字孪生技术的应用由浅入深可以分为“以虚映实”，“以虚控实”，“以虚预实”，“以虚优实”四个层次，分别可以实现使用虚拟模型同步物理实体的状态、使用虚拟模型控制物理实体、使用虚拟模型对物理实体的状态进行仿真预测、使用虚拟模型对物理实体相关参数进行优化的功能。数字孪生体是指物理实体在数字空间中的虚拟模型，它决定了数字孪生系统的体系架构、运行流程、交互方法，其建模方法一直是实现数字孪生应用的关键技术之一。目前，已经有学者在数字孪生建模方面进行了相关探索，并提出了几种建模框架，包括物理实体、虚拟实体和虚实连接的三维架构，物理实体、虚拟实体、孪生数据、服务及其连接的五维架构；同时，为了实现对物理实体的高保真映射，数字孪生体应从几何、物理、行为、规则等多角度建模。但面对多领域、多尺度的复杂应用场景，仍需要详细具体、可实施的建模方法的指导。
发明内容
本发明的目的在于克服现有技术的不足，提供一种跨域多尺度的数字孪生体构建方法，与现有的建模方法相比，本发明为复杂数字孪生体制定了详细具体、具有可操作性的建模方法；同时，定义了组件的标准化结构和接口，使具有相同或相似功能的组件能够复用；另外引入了消息中间件作为数据中心，使不同编程语言编写的组件能够实现交互。
本发明的目的是通过以下技术方案来实现的：一种跨域多尺度的数字孪生体构建方法，包括以下步骤：
S1、根据数字孪生体在不同尺度上表达的资源表达、颗粒度、数据类型进行层次划分，使相同层次的模型的表达要素在同一尺度上；
S2、将同一层次的数字孪生体再根据具体的应用场景或涉及的物理域进一步划分，形成具有明确输入、输出，只涉及单个物理域的简单模型；
S3、在层次和场景划分的基础上，将简单数字孪生模型按照其功能划分成若干部分，进而抽象成若干功能组件进行封装，并预留组件的交互接口；
S4、根据划分好的组件，形成规范组件库进行统一管理；
S5、以组态方式连接各功能组件。
进一步地，所述步骤S1具体为：将数字孪生体按照尺寸划分为系统、单元、设备、零件四个层次：
Composition＝(System,Unit,Equipment,Part)
System是系统，由空间内所有设备及环境共同组成，系统层关注的数据通常是整个系统的运行状态、运行规则、系统的输入和输出；Unit是单元，由多台相同或不同类型设备组成，以实现某个特定功能，单元层关注的数据与所实现功能的质量、进度有关；Equipment为设备，是物理空间中的动作执行终端，不同类型设备的功能不同，设备层关注的数据包括几何尺寸和位置坐标；Part为零件，是与设备行为或功能直接相关的部分，零件层关注的数据与材料属性、温度、振动相关。
进一步地，所述步骤S3包括以下子步骤：
S31、将组件按照功能分为基础组件、表达类组件和服务类组件；基础组件是数字孪生体能够正常运行的基础设施，表达类组件用于实现数据的可视化，服务类组件与基于机理模型或数据模型的功能实现相关；
S32、对组件的结构做标准化，使得组件能够相互调用、连接；
S33、组件中与数据交互、功能相关的参数提前预留接口，预留的接口应包括名称、ID、IP、层次、场景、数据输入来源、数据输出对象、其他可变参数和对组件功能的描述。
进一步地，所述步骤S4具体为：
S41、采用代码对划分的组件进行开发；
S42、将开发好的组件全部保存在组件库中。
进一步地，所述步骤S5具体为：基于生产者-消费者原则，引入消息中间件作为数字孪生体的数据中心，数据采集组件的输出、控制组件和数据存储的输入以及一般组件的输入输出都通过消息中间件完成。
本发明的有益效果是：本发明提供了一种跨域多尺度的数字孪生体构建方法，与现有的建模方法相比，本发明为复杂数字孪生体制定了详细具体、具有可操作性的建模方法；同时，定义了组件的标准化结构和接口，使具有相同或相似功能的组件能够复用；另外引入了消息中间件作为数据中心，使不同编程语言编写的组件能够实现交互。
附图说明
图1为本发明的跨域多尺度的数字孪生体构建方法的流程图；
图2为本发明车间案例的层次划分示意图；
图3为本发明车间案例的场景划分示意图；
图4为本发明车间案例的组件划分示意图；
图5为本发明车间案例的组件结构示意图；
图6为本发明车间案例的模型新建、修改、删除流程图；
图7为本发明车间案例的组件连接方式对比图。
具体实施方式
跨域多尺度的数字孪生体构建方法是一种基于约化思想的建模方法，将复杂的应用场景根据其表达信息的尺度、涉及的物理域进行切分，将一个复杂的数字孪生体划分为多个简单模型，忽略细节信息，确定模型的感控要素，再以组件的方式将模型的功能进行封装，最后通过组态设计完成数字孪生体的动态更新、调用、集成和扩展。本发明提出了一种基于4C架构(Composition-Context-Component-Code)的跨域多尺度的数字孪生体构建方法，Composition是层次，Context是场景，Component是组件，Code是代码。
下面结合附图，以某离散制造车间为例，构建其数字孪生体，进一步说明本发明的技术方案。
如图1所示，本发明的一种跨域多尺度的数字孪生体构建方法，包括以下步骤：
S1、根据数字孪生体在不同尺度上表达的资源表达、颗粒度、数据类型进行层次划分，使相同层次的模型的表达要素在同一尺度上；
如图2所示，本实施例中，根据离散制造车间尺度的不同，将数字孪生体按照尺寸划分为系统、单元、设备、零件四个层次：
Composition＝(System,Unit,Equipment,Part)
System是系统，由空间内所有设备及环境共同组成，系统层关注的数据通常是整个系统的运行状态、运行规则、系统的输入和输出；本实施例中系统是离散制造车间本身，车间层的数据包括车间生产任务的进度、电能的消耗、原材料的消耗、产品的生产速度等；
Unit是单元，由多台相同或不同类型设备组成，以实现某个特定功能，单元层关注的数据与所实现功能的质量、进度有关；车间中的单元有生产单元、物流单元、存储单元等，数据包括生产加工质量、物流路径、剩余存储空间等。
Equipment为设备，是物理空间中的动作执行终端，不同类型设备的功能不同，设备层关注的数据包括几何尺寸等静态数据和位置坐标等动态数据；离散制造车间中的设备主要包括生产加工设备和辅助设备，生产加工设备包括STC1250数控机床四台、VMC0656e数控机床一台、PLC，辅助设备包括AGV一台、ABB机械臂一台、装卸站一个、物料小车一台、物料架一个，相关数据包括设备的几何尺寸、机床各运动轴的坐标、AGV的位置、机械臂关节旋转角度等；
Part为零件，是与设备行为或功能直接相关的部分，零件层关注的数据与材料属性、温度、振动相关；零件是设备上需要被重点监控的部分，如：机床的主轴和刀具、机械臂的夹爪等，关注的数据包括主轴负载、主轴转速、切削力、夹爪开合状态等。
S2、将同一层次的数字孪生体再根据具体的应用场景或涉及的物理域进一步划分，形成具有明确输入、输出，只涉及单个物理域的简单模型；
本实施例中，车间的具体应用场景可划分为系统层的电量消耗预测、生产调度优化和设备利用率计算；单元层的瓶颈工位分析、加工质量分析、生产工艺优化和AGV路径规划；设备层的加工仿真、故障诊断、远程控制和可视化监控；零件层的切削力仿真、主轴热误差预测和刀具磨损预测；场景划分如图3所示。
对每个应用场景进行进一步分析，确定其技术路径、可忽略数据、输入输出等。以零件层的刀具磨损为例，刀具磨损测量通常包括直接法和间接法，直接法需要在设备停机后使用专用设备进行测量，影响实际生产加工，因此选用间接法对刀具磨损进行预测，即在机床加工过程中，通过传感器采集电流、振动、切削力等信息，使用机器学习或深度学习算法构建其与刀具磨损值的映射关系，间接反映刀具磨损状态。此外刀具磨损还与刀具的材料和尺寸，被加工件的材料以及切深、切厚、主轴转速等加工参数相关。为了简化模型，仅考虑某一型号刀具在加工特定材料时的磨损。因此，在刀具磨损预测场景中，刀具的尺寸和材料、毛坯的材料可以忽略，输入数据包括传感器采集到数据(如：电流、振动、切削力、声发射信号)和加工参数(如：主轴转速、切深、切厚、进给量)。
S3、在层次和场景划分的基础上，将简单数字孪生模型按照其功能划分成若干部分，进而抽象成若干功能组件进行封装，并预留组件的交互接口；包括以下子步骤：
S31、将组件按照功能分为基础组件、表达类组件和服务类组件；基础组件是数字孪生体能够正常运行的基础设施，表达类组件用于实现数据的可视化，服务类组件与基于机理模型或数据模型的功能实现相关；在车间中，基础组件包括数控机床、PLC、AGV、机械臂等加工设备和辅助设备的数据采集、传感器数据采集、多种格式数据的导入/导出，用于数据存储的数据库，数据降噪、频域分析、时域分析等数据预处理方法。表达类组件包括折线图、柱状图、饼状图绘制，统计表生成，虚拟空间漫游、虚拟模型平移和虚拟模型旋转，人机交互界面。服务类组件使用线性回归、SVM、CNN、LSTM等机器学习和深度学习算法去实现应力仿真、切削力仿真、加工轨迹仿真、主轴热误差预测、刀具磨损预测、设备故障预警、生产调度优化和生产工艺优化等特定功能。完整的组件划分如图4所示；
S32、对组件的结构做标准化，使得组件能够相互调用、连接；如图5所示，不论是何种类型的组件，其结构可以抽象为数据输入、数据处理、数据输出三个部分。数据输入的来源有两个，数据采集组件的数据来源是设备或传感器，即数据采集组件直接从物理空间获取数据，而一般组件的数据来源是其他组件的输出，即来自虚拟空间。数据输出部分的对象有三种，控制组件的输出对象是对应物理设备，数据存储组件没有输出，一般组件的输出对象是其他组件。数据处理部分是每个组件的核心，需具体情况具体分析。
根据组件类型和功能的不同，分别开发每个部分。如：加工参数数据采集组件的数据输入部分，需要在集成开发平台导入由厂商提供的动态链接库，调用相关语句获取数据，数据处理部分无需做任何处理，数据输出部分需要将数据暂存到消息中间件的“加工参数”主题；刀具磨损预测组件的数据输入部分从消息中间件的“切削力”、“主轴振动”、“加工参数”、“工作台振动”、“主轴电流”主题获取数据，数据处理部分选用深度残差网络计算刀具磨损的预测值，数据输出部分将预测值暂存到消息中间件的“刀具磨损预测”主题。
S33、组件中与数据交互、功能相关的参数提前预留接口，形成组件的标准化模型，使得组件能够在相似但不完全相同的场景下，通过修改预留接口的参数而非修改代码满足功能需求，实现组件的快速部署；预留的接口应包括名称、ID、IP、层次、场景、数据输入来源、数据输出对象、其他可变参数和对组件功能的描述。
名称是对组件功能的高度凝练，每个组件都拥有其唯一标识符ID，IP用于与外部设备通讯，层次、场景记录该组件在复杂数字孪生体中所属位置，数据输入和输出记录了组件数据来源和去向的ID，不同功能的组件还拥有其特定参数，记录在其他可变参数中，对组件功能的更详细说明记录在描述中。以一个振动信号数据采集组件为例，其接口及内容请参阅表1。
表1
S4、根据划分好的组件，选择合适的开发平台或编程语言进行实现，形成规范组件库进行统一管理，便于组件的复用、版本迭代；具体为：
S41、采用代码对划分的组件进行开发；数据采集组件的数据输入部分和控制组件的数据输出部分的实现需要考虑与之直接联系的硬件品牌、提供的数据接口、动态链接库支持的编程语言等。一般组件的数据输入、输出部分还需要实现数据选择功能，使得组件能够获取其所需数据。对于数据处理部分，由于数字孪生体的功能复杂多样，其实现路径不仅包括了汇编语言、Java等高级语言，从广义上讲还包括了三维模型绘制、仿真平台等软件。
在本实施例的车间中，机床、AGV、机械臂等设备的数据采集组件可以使用C++、C#等高级程序语言开发；传感器的数据采集需根据采集方案确定，如：声发射传感器连接到NI采集卡，在上位机可以使用NI-DAQExpress软件获取数据；电流、振动传感器连接到倍福模拟/数字信号从站端子，在上位机使用TwinCAT编写结构化文本或梯形图获取数据；三维建模可以使用Solidworks绘制CAD模型，并通过3Dmax软件将文件转化为.max格式；将三维模型导入到Unity3D开发引擎，编写C#脚本控制可动部件的运动；BP神经网络、ResNet、GAN等深度学习算法通常使用Matlab或Python编写。更完整的组件开发平台请参阅表2。
表2
S42、将开发好的组件全部保存在组件库中，由系统进行统一管理。组件是数字孪生体的最小功能单元，如图6所示，模型的新建、修改和删除都是通过新组件开发、组件修改、组件删除操作实现的。开发新的数字孪生体时，在相同或相似场景下，部分功能的组件可以直接使用或经修改后使用，降低数字孪生体的开发难度和工作量。
新建模型时，首先进行需求分析、功能分析，将其划分为若干组件，依次在组件库中查找是否已经存在相同功能的组件可以直接使用或相似功能的组件能够经修改后使用，若不存在则需要开发新组件，并在开发完成后将新组件导入组件库中，所有组件开发完成后，以组态方式连接组件构建新的数字孪生体。修改模型时需要对修改后的组件进行功能测试，只有在通过测试后才能将旧组件替换，新组件也需要导入组件库，并通过版本号加以区分。模型删除时需要首先分析组件的相关性，在确认组件删除不会影响其他部分的功能后才能删除。
S5、以组态方式连接各功能组件，实现数字孪生体的快速部署、重组，降低其开发难度；具体为：基于生产者-消费者原则，引入消息中间件作为数字孪生体的数据中心，数据采集组件的输出、控制组件和数据存储的输入以及一般组件的输入输出都通过消息中间件完成。将点对点连接的多种组件解耦，即组件间不直接连接，组件输出的数据保存到消息中间件的指定主题中，组件所需的数据通过订阅对应主题获取。消息中间件的引入使没有被即时处理的数据能够暂存在缓冲区，避免了数据的丢失。此外，这种连接方式还使得物理空间中设备数量、种类、功能发生变化时，虚拟空间中的数字孪生体只需修改对应部分，无需大规模修改代码。
如图7所示，图中左侧为传统的点对点连接，右侧为本发明基于消息中间件的连接。本实施例在车间中使用Kafka作为数据中心，以生产者-消费者模式实现组件的连接。数据生产者在Kafka中创建Topic，将数据保存在对应Topic中，数据消费者通过订阅Topic获取所需的数据。数据生产者与消费者不直接连接，而是通过Kafka连接，使得未被消费者即时处理的数据能够被暂存，避免了数据丢失。此外，当车间中的传感器、机床等数据生产者的种类、数量发生变化时，只需要更改对应Kafka中的Topic和数据消费者订阅的Topic即可实现组件重组，避免了点对点方式连接导致的架构变更带来的大量工作。
本领域的普通技术人员将会意识到，这里所述的实施例是为了帮助读者理解本发明的原理，应被理解为本发明的保护范围并不局限于这样的特别陈述和实施例。本领域的普通技术人员可以根据本发明公开的这些技术启示做出各种不脱离本发明实质的其它各种具体变形和组合，这些变形和组合仍然在本发明的保护范围内。
Claims (5)
1.一种跨域多尺度的数字孪生体构建方法，其特征在于，包括以下步骤：
S1、将数字孪生体按照尺寸进行层次划分，使相同层次的模型的表达要素在同一尺度上；
S2、将同一层次的数字孪生体再根据具体的应用场景或涉及的物理域进一步划分，形成具有明确输入、输出，只涉及单个物理域的简单数字孪生模型；
S3、将简单数字孪生模型按照其功能划分成若干部分，进而抽象成若干功能组件进行封装，并预留组件的交互接口；
S4、根据划分好的组件，形成规范组件库进行统一管理；
S5、以组态方式连接各功能组件。
2.根据权利要求1所述的一种跨域多尺度的数字孪生体构建方法，其特征在于，所述步骤S1具体为：将数字孪生体按照尺寸划分为系统、单元、设备、零件四个层次：
Composition＝(System,Unit,Equipment,Part)
System是系统，由空间内所有设备及环境共同组成，系统层关注的数据通常是整个系统的运行状态、运行规则、系统的输入和输出；Unit是单元，由多台相同或不同类型设备组成，以实现某个特定功能，单元层关注的数据与所实现功能的质量、进度有关；Equipment为设备，是物理空间中的动作执行终端，不同类型设备的功能不同，设备层关注的数据包括几何尺寸和位置坐标；Part为零件，是与设备行为或功能直接相关的部分，零件层关注的数据与材料属性、温度、振动相关。
3.根据权利要求1所述的一种跨域多尺度的数字孪生体构建方法，其特征在于，所述步骤S3包括以下子步骤：
S31、将组件按照功能分为基础组件、表达类组件和服务类组件；基础组件是数字孪生体能够正常运行的基础设施，表达类组件用于实现数据的可视化，服务类组件与基于机理模型或数据模型的功能实现相关；
S32、对组件的结构做标准化，使得组件能够相互调用、连接；
S33、组件中与数据交互、功能相关的参数提前预留接口，预留的接口应包括名称、ID、IP、层次、场景、数据输入来源、数据输出对象、其他可变参数和对组件功能的描述。
4.根据权利要求1所述的一种跨域多尺度的数字孪生体构建方法，其特征在于，所述步骤S4具体为：
S41、采用代码对划分的组件进行开发；
S42、将开发好的组件全部保存在组件库中。
5.根据权利要求1所述的一种跨域多尺度的数字孪生体构建方法，其特征在于，所述步骤S5具体为：基于生产者-消费者原则，引入消息中间件作为数字孪生体的数据中心，数据采集组件的输出、控制组件和数据存储的输入以及一般组件的输入输出都通过消息中间件完成。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111393534.1A CN114089709B (zh) | 2021-11-23 | 2021-11-23 | 一种跨域多尺度的数字孪生体构建方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111393534.1A CN114089709B (zh) | 2021-11-23 | 2021-11-23 | 一种跨域多尺度的数字孪生体构建方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN114089709A true CN114089709A (zh) | 2022-02-25 |
| CN114089709B CN114089709B (zh) | 2023-05-23 |
Family
ID=80303166
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202111393534.1A Active CN114089709B (zh) | 2021-11-23 | 2021-11-23 | 一种跨域多尺度的数字孪生体构建方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN114089709B (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115100353A (zh) * | 2022-06-17 | 2022-09-23 | 重庆长安汽车股份有限公司 | 生成数字孪生实例的方法、系统、电子设备及存储介质 |
Citations (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20180159756A1 (en) * | 2016-12-05 | 2018-06-07 | Aware360 Ltd. | Integrated personal safety and equipment monitoring system |
| US20190056722A1 (en) * | 2017-08-21 | 2019-02-21 | General Electric Company | Data-driven model construction for industrial asset decision boundary classification |
| CN109857078A (zh) * | 2019-04-17 | 2019-06-07 | 中船第九设计研究院工程有限公司 | 一种船厂生产车间数字孪生仿真系统 |
| WO2019206803A1 (en) * | 2018-04-24 | 2019-10-31 | Siemens Aktiengesellschaft | Automation component configuration |
| US20200101601A1 (en) * | 2018-09-28 | 2020-04-02 | Siemens Aktiengesellschaft | Control system and method for a robot |
| 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 |
| CN111488631A (zh) * | 2020-06-28 | 2020-08-04 | 中国核动力研究设计院 | 一种核级安全显示装置及其组态-解析系统 |
| CN111538294A (zh) * | 2019-11-15 | 2020-08-14 | 武汉理工大学 | 基于数字孪生的工业机器人制造系统可重构系统与方法 |
| CN111737811A (zh) * | 2020-05-09 | 2020-10-02 | 北京航空航天大学 | 基于数字孪生的直升机动部件寿命管理方法、设备、介质 |
| CN113673948A (zh) * | 2021-08-02 | 2021-11-19 | 江苏杰瑞信息科技有限公司 | 一种基于工业互联网的数字孪生基础开发平台 |
-
2021
- 2021-11-23 CN CN202111393534.1A patent/CN114089709B/zh active Active
Patent Citations (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20180159756A1 (en) * | 2016-12-05 | 2018-06-07 | Aware360 Ltd. | Integrated personal safety and equipment monitoring system |
| US20190056722A1 (en) * | 2017-08-21 | 2019-02-21 | General Electric Company | Data-driven model construction for industrial asset decision boundary classification |
| WO2019206803A1 (en) * | 2018-04-24 | 2019-10-31 | Siemens Aktiengesellschaft | Automation component configuration |
| US20200101601A1 (en) * | 2018-09-28 | 2020-04-02 | Siemens Aktiengesellschaft | Control system and method for a robot |
| CN109857078A (zh) * | 2019-04-17 | 2019-06-07 | 中船第九设计研究院工程有限公司 | 一种船厂生产车间数字孪生仿真系统 |
| CN111538294A (zh) * | 2019-11-15 | 2020-08-14 | 武汉理工大学 | 基于数字孪生的工业机器人制造系统可重构系统与方法 |
| 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 |
| CN111737811A (zh) * | 2020-05-09 | 2020-10-02 | 北京航空航天大学 | 基于数字孪生的直升机动部件寿命管理方法、设备、介质 |
| CN111488631A (zh) * | 2020-06-28 | 2020-08-04 | 中国核动力研究设计院 | 一种核级安全显示装置及其组态-解析系统 |
| CN113673948A (zh) * | 2021-08-02 | 2021-11-19 | 江苏杰瑞信息科技有限公司 | 一种基于工业互联网的数字孪生基础开发平台 |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115100353A (zh) * | 2022-06-17 | 2022-09-23 | 重庆长安汽车股份有限公司 | 生成数字孪生实例的方法、系统、电子设备及存储介质 |
| CN115100353B (zh) * | 2022-06-17 | 2024-05-14 | 重庆长安汽车股份有限公司 | 生成数字孪生实例的方法、系统、电子设备及存储介质 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN114089709B (zh) | 2023-05-23 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN112818446B (zh) | 一种智能车间数字孪生系统的构建方法 | |
| Fan et al. | A digital-twin visualized architecture for Flexible Manufacturing System | |
| Lu et al. | Digital Twin-driven smart manufacturing: Connotation, reference model, applications and research issues | |
| Kadir et al. | Towards high-fidelity machining simulation | |
| Helu et al. | A standards-based approach for linking as-planned to as-fabricated product data | |
| CN112198812B (zh) | 基于数字孪生的微组装生产线的仿真与管控方法及系统 | |
| Jia et al. | From simple digital twin to complex digital twin part II: Multi-scenario applications of digital twin shop floor | |
| Liu et al. | Digital twin-enabled machining process modeling | |
| Zhang et al. | Process comprehension for shopfloor manufacturing knowledge reuse | |
| Demkovich et al. | Multiscale modeling and simulation for industrial cyber-physical systems | |
| Böttjer et al. | A review of unit level digital twin applications in the manufacturing industry | |
| Zhang et al. | Configuration design of the add-on cyber-physical system with CNC machine tools and its application perspectives | |
| CN115857439A (zh) | 一种基于数字孪生的生产线数据映射及融合系统及方法 | |
| CN111652760B (zh) | 一种电网运维虚拟现实仿真系统及仿真方法 | |
| CN115982996A (zh) | 复杂装备制造过程数字孪生建模与仿真方法与系统 | |
| CN116976549A (zh) | 一种面向设备密集离散型制造工厂的智能优化管控方法 | |
| CN114089709B (zh) | 一种跨域多尺度的数字孪生体构建方法 | |
| Shukla et al. | Digital twin-based prediction for CNC machines inspection using blockchain for industry 4.0 | |
| Monek et al. | DES and IIoT fusion approach towards real-time synchronization of physical and digital components in manufacturing processes | |
| KR20230032675A (ko) | Ｃｎｃ 공작기계를 이용한 데이터 수집 시스템 | |
| Li et al. | Research on digital twin technology for production line design and simulation | |
| Zhang et al. | An Expandable and Generalized Method for Equipment Information Reflection in Digital Twin Workshop Systems | |
| Labbus et al. | Automated production data integration for energy-oriented process chain design | |
| Kugler et al. | Method for the generation of use case related views for Digital Twins | |
| Xiao et al. | STEP-NC enabled edge–cloud collaborative manufacturing system for compliant CNC machining |
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 |