CN115879238A - 一种发动机整机及试验孪生体系模型构建方法 - Google Patents

Abstract

本发明公开了一种发动机整机及试验孪生体系模型构建方法，属于虚拟模型构建技术领域，包括以下步骤：S1、建立装配零部件模型、技术状态模型和关联分析模型，并制定数据采集、传输及通讯协议标准和数据清洗规则；S2、以装配零部件模型、技术状态模型和关联分析模型为基础构建数字孪生模型框架，进行数字孪生体系拟合；S3、试验孪生体系模型演化，提高预测精准度。本发明提供一种发动机整机及试验孪生体系模型构建方法，更符合实际应用场景，更能体现孪生体优势，能够实现发动机整机自适应、自由化、自决策的智能制造。

Description

一种发动机整机及试验孪生体系模型构建方法

技术领域

本发明涉及虚拟模型构建技术领域，尤其是一种发动机整机及试验孪生体系模型构建方法。

背景技术

随着物联网、大数据和人工智能等信息技术的快速发展和广泛应用，传统制造业的生产和管理模式都在发生变化。以波音和 GE为代表的国外先进制造企业先后启动了数字化工程，在研制过程基本已实现了全三维数字化，国内一些领先的企业也已基本形成了数字化产品设计模式。但在制造及装备整机试验过程中，基于实物的虚拟模型构建方法研究仍处于探索阶段，尤其是在发动机制造领域整机与各分系统间孪生模型数据共融交互、虚拟模型的可操作性、高保真性的实现方式及整机装备孪生体系构建研究等基本处于空白。

现有模型构建方法技术中，存在以下问题：

1.虚拟模型构建一般基于设计模型，不能实现基于现场环境实际的加工制造，虚拟模型缺乏精度、应力残留等属性数据；

2.只能实现单一孪生体内部的信息采集与传递，无法实现整机及与各分系统共融交互的孪生生态体系。

针对这些问题，有必要提供一种发动机整机及试验孪生体系模型构建方法，实现符合应用实际的孪生体系生态环境，从而实现虚实互通、高保证共融的业务需求。

发明内容

本发明需要解决的技术问题是提供一种发动机整机及试验孪生体系模型构建方法，更符合实际应用场景，更能体现孪生体优势，能够实现发动机整机自适应、自由化、自决策的智能制造。

为解决上述技术问题，本发明所采用的技术方案是：

一种发动机整机及试验孪生体系模型构建方法，包括以下步骤：

S1、建立装配零部件模型、技术状态模型和关联分析模型，并制定数据采集、传输及通讯协议标准和数据清洗规则；

S2、以装配零部件模型、技术状态模型和关联分析模型为基础构建数字孪生模型框架，进行数字孪生体系拟合；

S3、试验孪生体系模型演化，提高预测精准度。

本发明技术方案的进一步改进在于：S1中，建立装配零部件模型的过程为：基于零部件、工具工装、设备实物和装配试验用备选零件实物的状态，在虚拟空间中建立三维模型，模型预留相关属性的输入/输出接口，属性值包含零部件材料的力学性能、加工偏差、装配误差，工具工装的使用频次、精度消耗及设备运行数据参数。

本发明技术方案的进一步改进在于：S1中，建立技术状态模型的过程为：围绕发动机装配及试验流程，将零部件技术状态、工艺参数、装配实时物料数据、设备运行数据、工具工装及设备的数字化模型、质量数据信息进行结构化处理，建立装配试验技术状态模型。

本发明技术方案的进一步改进在于：S1中，所述关联分析模型是基于数据采集传感器或车间现场数字化机床、设备相关运行数据，将其与虚拟空间中生成的结构化和非结构化的装配、试验模型建立的数字孪生数据高保真关联关系。

本发明技术方案的进一步改进在于：S1中，制定数据采集、传输及通讯协议标准的过程为：发动机整机及试验孪生体系构建需要数字测量设备，所述数字测量设备包括激光跟踪、三坐标测量、速度传感器、位姿视觉传感器、应力传感器，形成多维度的感知测量系统，对于部分无法应用数字测量设备采集的场景，预留可输入终端，按照手工录入方式录入相关数据。

本发明技术方案的进一步改进在于：S1中，制定清洗规则的过程为：针对异构数据的特点及数据收集量，从收集频次、时间边界耦合方面制定数据清洗规则，对测量数据进行降噪与不同数据类型的归一化处理。

本发明技术方案的进一步改进在于：S3具体包括以下步骤：

S3.1试验孪生体系模型优化；

S3.2通过AR方式引导装配作业，将数字化的装配指令与物理的装配过程深度融合，并根据人员的作业状态自适应地调整；

S3.3通过建立制造物联模型，自动识别、记录每个零件，确保零件选配结果的准确落实，使试验孪生体系模型中的虚拟发动机成为物理发动机的忠实映射。

本发明技术方案的进一步改进在于：S3.1中，所述优化过程具体包括：通过建立典型组件、部件配合关系模型，开展发动机装配物料选用方式的优化；通过装配误差传递模型建立零件制造误差与装配质量指标之间的关系，同时考虑零件的转动惯量、振动特性、装配变形物理属性，形成几何、物理融合的装配优化模型；通过零件的实测数据驱动模型优化，进行几何、物理指标的综合优化和平衡；通过智能优化算法提高精度和效率，优化零件实物的组合。

本发明技术方案的进一步改进在于：S3.2中，具体包括以下步骤：

S3.2.1虚拟环境进行定义，并对虚拟零件进行定位追踪；

S3.2.2准确定位追踪真实场景中的物体，使虚拟信息准确地叠加、融合到真实场景上；

S3.2.3采用基于视觉定位追踪技术校正物体的位姿、定位追踪的误差；

S3.2.4通过AR设备实现工艺信息可视化展示、浏览、选择；

S3.2.5综合工艺信息的可视化展示、人机交互技术，实现虚实融合的装配操作引导。

由于采用了上述技术方案，本发明取得的技术进步是：

1、本发明保证各孪生体数据资源全生命周期内在孪生体系中共融交互，不被非法改写，具备完整历史数据保存追溯功能。

2、本发明能够按照企业生产制造实际，建立操作性强、保真性好的零部件模型，更利于实现虚拟模型与物理模型真正意义的动作同步和结果同步。

3、本发明以装配试验流程为框架构建数字孪生模型框架，同时可实现以流程节点为依托映射到数字孪生体框架中，从而实现不断丰富完善数字孪生体的良性循环。

4、本发明中的孪生体系生态构建实时依据生产加工现场及分系统孪生模型能够进行调整，使颗粒度尽可能细化，提升效果。

附图说明

图1是本发明中孪生体系模型示意图；

图2是本发明中数字孪生模型框架示意图；

图3是本发明中试验孪生体系模型演化过程示意图。

具体实施方式

本发明实施例通过提供一种发动机整机及试验孪生体系模型构建方法，解决了现有技术中不能实现基于现场环境实际的加工制造，虚拟模型缺乏精度、应力残留等属性数据，无法实现整机及与各分系统共融交互的孪生生态体系等问题，以装配试验流程为框架构建数字孪生模型框架，同时可实现以流程节点为依托映射到数字孪生体框架中，从而实现不断丰富完善数字孪生体的良性循环。

下面结合附图及实施例对本发明做进一步详细说明：

如图1所示，一种发动机整机及试验孪生体系模型构建方法，包括以下步骤：

S1、建立装配零部件模型、技术状态模型和关联分析模型，并制定数据采集、传输及通讯协议标准和数据清洗规则，具体包括以下步骤：

S1.1建立装配零部件模型；

基于零部件、工具工装、设备实物和装配试验用备选零件实物的状态，在虚拟空间中建立三维模型，模型预留相关属性的输入/输出接口，属性值包含零部件材料的力学性能、加工偏差、装配误差，工具工装的使用频次、精度消耗及设备运行数据参数。

S1.2建立技术状态模型；

围绕发动机装配及试验流程，将零部件技术状态、工艺参数、装配实时物料数据、设备运行数据、工具工装及设备的数字化模型、质量数据信息进行结构化处理，建立装配试验技术状态模型。技术状态模型能够真实、完整地反映发动机装配试验过程中零部件实物技术状态的演变过程，包含机型、装配、工艺、工序、检验项之间的关联关系，实例化装配技术状态数据。装机试验过程，通过控制识别零件变化及技术要求的有效性，实现单机／单件装配试验技术状态的有效管控与跟踪，保证技术状态的真实、完整、规范、可控、透明。

S1.3建立关联分析模型；

关联分析模型是基于数据采集传感器或车间现场数字化机床、设备相关运行数据，将其与虚拟空间中生成的结构化和非结构化的装配、试验模型建立的数字孪生数据高保真关联关系。关联分析模型会根据输入的相关属性参数的变化进行对应运动或变形形式复现。同时可在实际装配、试验之前，通过数字孪生进行装配、试验方案的评估与优化；另一方面，通过与其他孪生体间得数据交互，进行大量的虚拟验证，预测整机性能、故障，评估发动机的可靠性，如平均故障间隔时间、平均维修间隔时间等。

S1.4制定数据采集、传输及通讯协议标准；

发动机整机及试验孪生体系构建需要多种数字测量设备，数字测量设备包括激光跟踪、三坐标测量、速度传感器、位姿视觉传感器、应力传感器，形成多维度的感知测量系统，对于部分无法应用数字测量设备采集的场景，预留可输入终端，按照手工录入方式录入相关数据。多种异构数据进行交互必须遵循一致的协议标准，因此本步骤制定的协议基于传感器接口、各软件及系统数据存储格式及传感器信号采集精度来确定。

S1.5制定数据清洗规则；

针对异构数据各自的特点及数据收集量，从收集频次、时间边界耦合等方面制定数据清洗规则，对测量数据进行降噪与不同数据类型的归一化处理。本规则制定直接影响孪生体系仿真运算结果，可根据具体需求制定数据颗粒度诉求，从而针对性制定数据清洗规则，避免数据运算量过大。

S2、以装配零部件模型、技术状态模型和关联分析模型为基础构建数字孪生模型框架，进行数字孪生体系拟合，如图2所示；

装配试验实时数据均由装配试验流程节点直接产生。通过收集流程各项工艺参数，多类型、多时间尺度、多粒度要素，行为和规则，涉及装配试验执行前、中、后等不同时间维度，然后将数据以流程节点为依托映射到数字孪生模型框架中，丰富完善数字孪生体系。

在物理对象完成装配试验入库后，数字孪生体系也同步完成构建，两者进行性能比对，利用台架试验数据校验数字样机的置信度后可以随产品统一交付用户。

S3、试验孪生体系模型演化，提高预测精准度；

通过对发动机物理实体与试验孪生体系装配过程分析运算，完成试验孪生体系模型信息及装配流程的迭代优化设计，针对每一台发动机实例化一个独立的试验孪生体系模型，实现与目标发动机的虚实映射，提高装配过程的智能性、主动性，具体包括以下步骤：

S3.1试验孪生体系模型优化；

通过建立典型组件、部件配合关系模型，开展发动机装配物料选用方式的优化；通过装配误差传递模型建立零件制造误差与装配质量指标之间的关系，同时考虑零件的转动惯量、振动特性、装配变形等物理属性，形成几何、物理融合的装配优化模型；通过零件的实测数据驱动模型优化，进行几何、物理指标的综合优化和平衡；通过智能优化算法提高精度和效率，优化零件实物的组合。

S3.2通过AR方式引导装配作业，将数字化的装配指令与物理的装配过程深度融合，并根据人员的作业状态自适应地调整，具体包括以下步骤：

S3.2.1虚拟环境进行定义，并对虚拟零件进行定位追踪；

S3.2.2准确定位追踪真实场景中的物体，使虚拟信息准确地叠加、融合到真实场景上；

S3.2.3采用基于视觉定位追踪技术校正物体的位姿、定位追踪的误差；

S3.2.4通过AR设备实现工艺信息可视化展示、浏览、选择；

S3.2.5综合工艺信息的可视化展示、人机交互技术，实现虚实融合的装配操作引导。

S3.3通过建立制造物联模型，自动识别、记录每个零件，确保零件选配结果的准确落实，使虚拟发动机成为物理发动机的忠实映射。

试验阶段的物理孪生包含试验对象（整机、零部件）和试验环境，数字孪生是虚拟试验对象与环境，在设计/制造阶段孪生体的基础上扩充了试验设备、试验环境等模型，以及基于海量历史试验数据构建的分析模型等。在实际试验过程中，通过将采集的试验数据与数字孪生模型的预测结果比较，修正发动机模型、环境模型和设备模型等仿真模型，不断提高可靠性数字孪生的预测精度；在此基础上，基于数字孪生的高精度预测功能，可实现对发动机的快速排故，同时通过边缘控制等技术，可以实现对试验台的远程控制和试验参数的远程预警。

实施例

本实施例采用孪生体构建常用的“五大维度、两大过程、三大线程”阐述方式进行说明，具体如下：

1、 五大维度

1.1 物理实体

1.1.1 产品实体

某型发动机各零部件及整机（装配及试验）。

1.1.2 辅助设施

发动机装配、试验用工具、工装、设备及设备操作系统、试验测试软件等。

1.1.3 场地

装配车间、试验室。

1.2 虚拟实体

1.2.1 模型1：装配流程模型

1.2.1.1 模型作用

针对发动机装配结构复杂、流程分支多、受装配技术状态影响大的特点，建立装配流程模型，真实刻画发动机装配执行过程。同时采用工作流技术驱动流程执行，实时跟踪生产进度、物料状态、设备状态、质量信息，通过实时感知和融合计算获得质量状态判定和评估结果，在虚拟空间中真实地反映装配生产线上的异常、报警、生产进度和关键指标。通过变量赋值实现流程的触发和迭代，实现技术状态闭环、主动控制及装配流程控制与技术状态控制的融合。

1.2.1.2 功能指标

实现装配过程中发动机孪生体模型与物理实体之间的装配流程无差异模拟。

1.2.1.3 模型构建方式

数据：发动机装配实时物料数据、装配流程和异常处理流程模板，设备运行数据，装配零部件的数字化模型。

软件：CREO KMCAPP、3DAST DELMIA SQL数据管理软件。

工具：制造执行系统（车间MES）。

1.2.1.4 数据输入

来源:物料管理系统、发动机装配过程管理文件，设备运行状态监测传感器、三维软件及三维测绘。

格式：根据不同软件及传感器的配置，产生不同格式的数据

精度：物料精确至唯一物料编码；设备运行状态监测精确至1s；零部件、工具工装数字化模型精确至0.01mm；设备的数字化模型精确至1mm。

1.2.1.5数据输出

去处：用于装配流程的迭代优化设计

格式：根据不同软件，产生不同格式的数据

精度：与数据输入同等精度

1.2.1.6模型演化

通过对发动机物理实体与虚拟模型装配过程分析运算，完成模型信息及装配流程的迭代优化设计，针对每一台发动机实例化一个独立的模型，实现与目标发动机的虚实映射，提高装配过程的智能性、主动性。

1.2.2 模型2：装配零部件模型

1.2.2.1 模型作用

基于零部件三维模型和备选零件实物的状态及装配中误差的传递过程，在虚拟空间中优化零件的选配和排布关系，减少装配过程中的“试凑”操作，并通过制造物联技术保证选配结果的物理实现。同时可记录零件的代用、技术状态等情况，有利于提高物料精准化配送水平。

1.2.2.2 功能指标

实现物理实体装配物料与孪生体模型之间的装配物料无差异。

1.2.2.3 模型构建方式

数据：发动机装配实时物料数据、装配流程，零部件数字化模型。

软件：CREO 3DAST Xcelerator SQL数据管理软件。

工具：制造执行系统（车间MES）、三坐标测量仪、光学非接触测量仪、传感器。

1.2.2.4 数据输入

来源：物料管理系统、发动机装配过程管理文件、三坐标测量仪、光学非接触测量仪、传感器。

格式：根据不同软件，产生不同格式的数据。

精度：物料精确至唯一物料编码、数字化模型与实物设定相同精度等级。

1.2.2.5数据输出

去处：用于装配物料精准配送的优化设计

格式：根据不同软件，产生不同格式的数据

精度：与数据输入同等精度

1.2.2.6模型演化

通过建立典型组件、部件配合关系模型，开展发动机装配物料选用方式的优化；通过装配误差传递模型建立零件制造误差与装配质量指标之间的关系，同时考虑零件的转动惯量、振动特性、装配变形等物理属性，形成几何、物理融合的装配优化模型；通过零件的实测数据驱动模型优化，进行几何、物理指标的综合优化和平衡；通过智能优化算法提高精度和效率，优化零件实物的组合。

1.2.3 模型3：工艺技术模型

1.2.3.1 模型作用

工艺技术模型面向装配工艺的执行过程，具体到工位，强化装配现场操作的指导性和规范性。通过集成“人、机、料、法、环、测”等各要素的数字化工艺规程引导人机协同的装配操作、质量检验和数据采集，并与实物状态、质量状态集成，动态修正或优化工艺参数；通过增强现实、制造物联手段保证装配操作的规范、可控，形成边看、边干、边检、边记的工作模式。

1.2.3.2 功能指标

实现工艺规程自动推送、技术文件自动关联、强制阅读；实现人机协同的装配操作、质量检验和装配数据的采集的一体化。

1.2.3.3 模型构建方式

数据：发动机装配工艺规程、作业指导书、装机BOM、质量检测数据、拧紧机等数控设备数据、模型1数据、模型2数据

软件：模型1用软件 模型2用软件 CAPP软件、设备自带软件

工具：传感器、激光跟踪仪/扫描仪、制造执行系统（车间MES）、PLM系统、质量数据信息管理系统。

1.2.3.4 数据输入

来源：软件、系统及传感器。

格式：根据不同软件，产生不同格式的数据

精度：同模型1、2。

1.2.3.5数据输出

去处：用于装配过程优化

格式：根据不同软件，产生不同格式的数据

精度：与数据输入同等精度

1.2.3.6模型演化

通过AR方式引导装配作业，将数字化的装配指令与物理的装配过程深度融合，并根据人员的作业状态自适应地调整。具体包括以下步骤：

（1）对虚拟环境进行定义，并对虚拟零件进行定位追踪；

（2）准确定位追踪真实场景中的物体，使虚拟信息准确地叠加、融合到真实场景上；

（3）采用基于视觉定位追踪技术校正物体的位姿、定位追踪的误差；

（4）通过AR设备实现工艺信息可视化展示、浏览、选择；

（5）综合工艺信息的可视化展示、人机交互技术，实现虚实融合的装配操作引导。

通过建立制造物联模型，自动识别、记录每个零件，确保零件选配结果的准确落实，使虚拟发动机成为物理发动机的忠实映射。

1.2.4 模型4：技术状态模型

1.2.4.1 模型作用

技术状态模型真实、完整地反映发动机装配过程中零部件实物技术状态的演变过程，建立了机型、装配、工艺、工序、检验项之间的关联关系，实例化了装配技术状态数据网络。装机过程，通过识别零件变化触发相应流程，控制技术要求的有效性和更改、归零措施的落实情况，实现单机／单件装配技术状态的有效管控与跟踪，保证装配技术状态的真实、完整、规范、可控、透明。

1.2.4.2 功能指标

实现物理实体装配物料技术状态与孪生体模型技术状态之间的无差异。

1.2.4.3 模型构建方式

数据：发动机装配实时物料数据、装配流程，零部件数字化模型、技术更改、技术协议、机型信息、传感器。

软件：CREO 3DAST Xcelerator SQL数据管理软件。

工具：制造执行系统（车间MES）、PLM系统。

1.2.4.4 数据输入

来源：物料管理系统、发动机装配过程管理及技术文件

格式：根据不同软件，产生不同格式的数据

精度：模型与实物设定相同精度等级

1.2.4.5数据输出

去处：用于装配物料精准配送的优化设计

格式：根据不同软件，产生不同格式的数据

精度：与数据输入同等精度

1.2.4.6模型演化

通过建立典型组件、部件配合关系模型，开展发动机装配物料选用方式的优化；通过装配误差传递模型建立零件制造误差与装配质量指标之间的关系，同时考虑零件的转动惯量、振动特性、装配变形等物理属性，形成几何、物理融合的装配优化模型；通过零件的实测数据驱动模型优化，进行几何、物理指标的综合优化和平衡；通过智能优化算法提高精度和效率，优化零件实物的组合。

1.2.5 模型5：关联分析模型

1.2.5.1 模型作用

关联分析模型基于结构化和非结构化的装配、试验数据，发现零件实物状态、装配技术状态、试验性能之间的高保真关联关系，可在实际试验之前，一方面通过数字孪生可以进行试验方案的评估与优化，缩短试验台的建设周期、降低建设经费；另一方面，可以进行大量的虚拟试验，预测发动机的性能、可能出现的故障，评估发动机的可靠性，如平均故障间隔时间、平均维修间隔时间等，为设计与制造工艺的优化提供有价值的信息。同时可以根据试验性能诊断装配问题，促进装配工艺的优化。

1.2.5.2 功能指标

实现物理实体试验状态与孪生体试验状态之间的无差异。

1.2.5.3 模型构建方式

数据：零部件及整机数字化模型、控制器控制信号、传感器。

软件： CREO 3DAST SQL数据管理软件。

工具：制造执行系统（车间MES）、PLM系统、试验测试系统。

1.2.5.4 数据输入

来源：控制单元、传感器、试验测试系统

格式：根据不同软件，产生不同格式的数据

精度：模型与实物设定相同精度等级

1.2.5.5数据输出

去处：用于装配物料精准配送的优化设计

格式：根据不同软件，产生不同格式的数据

精度：与数据输入同等精度

1.2.5.6模型演化

试验阶段的物理孪生包含试验对象（整机、零部件）和试验环境，数字孪生是虚拟试验对象与环境，在设计/制造阶段孪生体的基础上扩充了试验设备、试验环境等模型，以及基于海量历史试验数据构建的分析模型等。在实际试验过程中，通过将采集的试验数据与数字孪生的预测结果比较，修正发动机模型、环境模型和设备模型等仿真模型，不断提高可靠性数字孪生的预测精度；在此基础上，基于数字孪生的高精度预测功能，可实现对发动机的快速排故，同时通过边缘控制等技术，可以实现对试验台的远程控制和试验参数的远程预警。

1.3 孪生数据

1.3.1 输入数据

来源：发动机装配及试验过程各参数

格式：传感器接口标准协议、各软件及系统数据格式

精度：根据不同传感器信号采集精度确定

1.3.2 输出数据

去处：孪生体系统平台

格式：传感器接口标准协议

精度：与数据输入同等精度

1.4 连接与集成

1.4.1 数据传输方式 标准通讯协议

1.4.2 接口协议 按传感器具体型号执行

1.5 服务

1.5.1 服务1 装配流程优化设计服务。主要内容为发动机装配流程控制、迭代、跟踪。

1.5.2 服务2 零部件排布及选配优化设计服务。主要内容为发动机装配零部件的识别、选配、排布、替换、跟踪。

1.5.3 服务3 发动机工艺参数优化设计服务。主要内容为装配、试验操作引导、控制，装配试验数据采集、工艺参数优化。

1.5.4 服务4 技术状态有效性控制服务。主要内容为发动机孪生体能真实反映发动机装配工艺技术状态的有效性，主动识别各类异常，触发处理子流程。

1.5.5 服务5 试验验证及故障识别诊断服务。主要内容为发动机孪生结合装配过程、工艺、零部件、技术状态、试验数据等按照时序、相关性进分析，实现试验性能预测和问题定位。

1.5.6 服务6 基于数字孪生的应用场景映射服务，包括：

（1）面向终端现场操作人员的操作指导服务，如虚拟装配服务、设备维修维护服务、工艺培训服务；

（2）面向专业技术人员的专业化技术服务，如仿真评估服务、设备控制策略自适应服务、动态优化调度服务等；

（3）面向管理决策人员的智能决策服务，如风险评估服务、趋势预测服务等；

（4）面向终端用户的产品服务，如用户功能体验服务、虚拟培训服务、远程维修服务等。

2、两大过程

2.1 正向研发

依托发动机装配试验流程设计构建装配试验孪生体，收集流程设计阶段各项工艺参数要求，包括与装配试验过程相关的多类型、多时间尺度、多粒度要素，行为和规则，涉及装配试验执行前、中、后等不同时间维度，优化装配试验流程设计。

2.2 反向验证

2.2.1 验证方式 发动机物理实体装机验证

2.2.1.1 数据采集

装配车间及试验室配备数据采集系统，可将各装配过程中零部件及设备参数及试验信号进行采集和存储，如：零部件装配变形量、相关部件装配偏差、螺栓拧紧力矩、油压、转速、转矩和温度等。

2.2.1.2 模型拟合

首先，以装配试验流程为框架构建数字孪生模型框架；其次，装配试验实时数据均由装配流程节点直接产生，将数据以流程节点为依托映射到数字孪生体框架中，不断丰富完善数字孪生体；最后，在物理对象完成装配试验入库后，数字孪生体也同步完成构建，两者进行性能比对，利用台架试验数据校验数字样机的置信度后可以随产品统一交付用户。

2.2.2 孪生体优化

依托实体反向验证、优化孪生体，实现模型迭代优化。

3三大线程

3.1 模型线程

按照装配流程模型、装配零部件模型、工艺技术模型、技术状态模型、数据关联分析模型的模型线程设计。

3.2 数据线程

数据线程如图2所示。

3.3 服务线程

服务线程如图3所示。

综上所述，发动机整机装配及试验孪生体系主要通过产品设计数据、三维模型、多线程数据采集装置、数据清洗、数据映射、不同孪生体间的数据交互运算及可视化驱动逻辑来实现。针对设计三维模型，进行物料清单转换、工艺路线设计、工艺仿真等工艺活动，形成能指导生产现场运行的数据，发布至制造执行系统,指导现场作业。在生产现场部署必要的数据采集传感器装置，收集相关设备运行、零部件位姿、人员与环境信息等数据，经过必要的数据清洗过滤掉冗余数据，从特定接口输入至对应的虚拟模型，虚拟模型将按照已定义的可视化驱动逻辑进行精准动作模拟及性能映射分析。

Claims (9)

1.一种发动机整机及试验孪生体系模型构建方法，其特征在于：包括以下步骤：

S1、建立装配零部件模型、技术状态模型和关联分析模型，并制定数据采集、传输及通讯协议标准和数据清洗规则；

S2、以装配零部件模型、技术状态模型和关联分析模型为基础构建数字孪生模型框架，进行数字孪生体系拟合；

S3、试验孪生体系模型演化，提高预测精准度。

2.根据权利要求1所述的一种发动机整机及试验孪生体系模型构建方法，其特征在于：S1中，建立装配零部件模型的过程为：基于零部件、工具工装、设备实物和装配试验用备选零件实物的状态，在虚拟空间中建立三维模型，模型预留相关属性的输入/输出接口，属性值包含零部件材料的力学性能、加工偏差、装配误差，工具工装的使用频次、精度消耗及设备运行数据参数。

3.根据权利要求1所述的一种发动机整机及试验孪生体系模型构建方法，其特征在于：S1中，建立技术状态模型的过程为：围绕发动机装配及试验流程，将零部件技术状态、工艺参数、装配实时物料数据、设备运行数据、工具工装及设备的数字化模型、质量数据信息进行结构化处理，建立装配试验技术状态模型。

4.根据权利要求1所述的一种发动机整机及试验孪生体系模型构建方法，其特征在于：S1中，所述关联分析模型是基于数据采集传感器或车间现场数字化机床、设备相关运行数据，将其与虚拟空间中生成的结构化和非结构化的装配、试验模型建立的数字孪生数据高保真关联关系。

5.根据权利要求1所述的一种发动机整机及试验孪生体系模型构建方法，其特征在于：S1中，制定数据采集、传输及通讯协议标准的过程为：发动机整机及试验孪生体系构建需要数字测量设备，所述数字测量设备包括激光跟踪、三坐标测量、速度传感器、位姿视觉传感器、应力传感器，形成多维度的感知测量系统，对于部分无法应用数字测量设备采集的场景，预留可输入终端，按照手工录入方式录入相关数据。

6.根据权利要求1所述的一种发动机整机及试验孪生体系模型构建方法，其特征在于：S1中，制定清洗规则的过程为：针对异构数据的特点及数据收集量，从收集频次、时间边界耦合方面制定数据清洗规则，对测量数据进行降噪与不同数据类型的归一化处理。

7.根据权利要求1所述的一种发动机整机及试验孪生体系模型构建方法，其特征在于：S3具体包括以下步骤：

S3.1试验孪生体系模型优化；

S3.2通过AR方式引导装配作业，将数字化的装配指令与物理的装配过程深度融合，并根据人员的作业状态自适应地调整；

S3.3通过建立制造物联模型，自动识别、记录每个零件，确保零件选配结果的准确落实，使试验孪生体系模型中的虚拟发动机成为物理发动机的忠实映射。

8.根据权利要求7所述的一种发动机整机及试验孪生体系模型构建方法，其特征在于：S3.1中，所述优化过程具体包括：通过建立典型组件、部件配合关系模型，开展发动机装配物料选用方式的优化；通过装配误差传递模型建立零件制造误差与装配质量指标之间的关系，同时考虑零件的转动惯量、振动特性、装配变形物理属性，形成几何、物理融合的装配优化模型；通过零件的实测数据驱动模型优化，进行几何、物理指标的综合优化和平衡；通过智能优化算法提高精度和效率，优化零件实物的组合。

9.根据权利要求7所述的一种发动机整机及试验孪生体系模型构建方法，其特征在于：S3.2中，具体包括以下步骤：

S3.2.1虚拟环境进行定义，并对虚拟零件进行定位追踪；

S3.2.2准确定位追踪真实场景中的物体，使虚拟信息准确地叠加、融合到真实场景上；

S3.2.3采用基于视觉定位追踪技术校正物体的位姿、定位追踪的误差；

S3.2.4通过AR设备实现工艺信息可视化展示、浏览、选择；

S3.2.5综合工艺信息的可视化展示、人机交互技术，实现虚实融合的装配操作引导。

Images