CN116009419A

CN116009419A - 复杂装备制造过程虚拟重构与仿真运行方法及系统

Info

Publication number: CN116009419A
Application number: CN202211700527.6A
Authority: CN
Inventors: 丁国富; 谢家翔; 郑庆; 张海柱; 付建林
Original assignee: Southwest Jiaotong University
Current assignee: Southwest Jiaotong University
Priority date: 2022-12-28
Filing date: 2022-12-28
Publication date: 2023-04-25

Abstract

本发明公开了一种复杂装备制造过程虚拟重构与仿真运行方法及系统，该方法包括：对复杂装备制造过程进行统一表征，包括车间要素的表征、生产关系的表征、物流关系的表征；利用统一表征后的车间要素、生产关系、物流关系对复杂装备制造过程进行逻辑建模，并在逻辑建模构建的逻辑模型基础上进行仿真运行。本发明研究了基于离散事件系统的车间仿真建模，以及面向数字孪生的车间制造执行过程仿真架构，并根据复杂装备制造执行过程仿真需求设计了仿真调度策略与算法，解决了复杂装备制造阶段仿真难的问题。

Description

复杂装备制造过程虚拟重构与仿真运行方法及系统

技术领域

本发明属于数字孪生技术领域，尤其涉及一种面向数字孪生的复杂装备制造过程虚拟重构和仿真运行的方法及系统。

背景技术

数字孪生是充分利用物理模型、传感器更新、运行历史等数据，集成多学科、多物理量、多尺度、多概率的仿真过程，在虚拟空间中完成映射，从而反映相对应的实体装备的全生命周期过程。数字孪生是一种超越现实的概念，可以被视为一个或多个重要的、彼此依赖的装备系统的数字映射系统。

而复杂装备是指结构复杂零部件众多机械设备如高铁、盾构机等。

数字孪生是未来十大战略技术趋势之一，为当前制造业的创新和发展提供了新的理念和工具，为复杂动态系统的信息物理融合提供了实施途径，将复杂装备创新、制造效率和运维水平提升至一个新的高度。其中制造过程是复杂装备形成的关键环节，制造过程的质量一方面反映了产品设计的优劣，另一方面也为产品的运维产生重要影响。为此，需要在制造阶段研究如何基于数字孪生实现产品制造的高质量、高效率进行。

复杂装备制造过程的虚拟重构和仿真运行是数字孪生的重要一环。而复杂装备制造过程和环境十分复杂，涉及人、机、料、法、环等多因素，以及设备运行参数、工艺信息、测试信息、仿真数据等多元数据，为制造阶段的产品以及制造过程数字孪生模型的构建带来了巨大挑战。

发明内容

有鉴于此，本发明提供复杂装备制造过程虚拟重构与仿真运行方法及系统，面向数字孪生对复杂装备制造过程进行虚拟重构和仿真运行。

为解决以上技术问题，本发明的技术方案为采用一种复杂装备制造过程虚拟重构与仿真运行方法，包括：

对复杂装备制造过程进行统一表征，包括车间要素的表征、生产关系的表征、物流关系的表征；

利用统一表征后的车间要素、生产关系、物流关系对复杂装备制造过程进行逻辑建模，并在逻辑建模构建的逻辑模型基础上进行仿真运行。

作为一种改进，对复杂装备制造过程中的车间要素进行统一表征的方法包括：

将车间要素表征为控制器，用于对各类控制系统、设备或决策人员进行映射，为系统运行提供决策服务；

处理器，用于对各种加工设备进行映射，在生产任务驱动下为工件提供操作相关服务；

执行器，用于对各种物流设备进行映射，在物流任务驱动下基于物流调度规则为工件提供物流转运服务；

缓存器，用于对各类缓存和仓储设备进行映射，为工件提供临时或者长期仓储服务；

流动实体，用于对工件进行映射，接收处理器、执行器和缓存器的服务；

物流路径，用于对物流关系进行映射；

虚拟服务节点，用于对生产组织关系、物流关系和生产逻辑进行映射。

作为一种进一步的改进，对复杂装备制造过程中的生产关系进行统一表征的方法包括：

利用统一表征的车间元素组合成服务单元，所述服务单元包括无输入缓冲站型、无输出缓冲站型、无缓冲站型及无内部执行器型；

利用服务单元组合成生产关系。

作为另一种更进一步的改进，对复杂装备制造过程中的物流关系进行统一表征的方法包括：

构建物流路径网络模型来描述物流关系，所述物流路径网络模型为

LPN＝＜G，E_Set，VSN_Set＞

其中，LPN为物流路径网络模型，E_Set为执行器集，VSN_Set为虚拟服务节点集，G＝(V,E',W)为无向图，包括顶点集V,边集E',以及边的权重W_ij＝Distance(V_i,V_j)；

基于物流路径网络模型进行路径规划，具体为从物流路径网络集中取初始点O_i(x_i,y_i)和目标点O_j(x_j,y_j)，获取从O_i到O_j的一条最短物流路径LP(O_i,O_j)；

基于物流路径网络模型进行物流调度，具体为根据车间物流路径网络集和物流任务T＝{F：O_i→O_j}，若要将待搬运物F从点O_i运输到点O_j；获取执行该物流任务T运输距离最短的执行器E(O)。

作为一种改进，所述对复杂装备制造过程进行逻辑建模，并在逻辑建模构建的逻辑模型基础上进行仿真运行的方法包括：

生成复杂装备制造过程的逻辑仿真模型；

利用仿真调度策略实现逻辑仿真模型的运行；

收集并分析仿真数据。

作为一种改进，所述生成复杂装备制造过程的逻辑仿真模型的方法包括：

解析生产任务，将所有工件映射为流动实体集，具体为若有n个待加工工件将在m个服务单元SCs上接收服务，将每个待加工工件映射为一个流动实体F，则可以生成流动实体集F_Set＝{F_i|1≤i≤n}；

解析工艺信息，将工艺信息关联到流动实体集中相应的流动实体，具体为令Ji_＝{O_ij|1≤j≤l_i}表示F_i的任务，其中，l_i为J_i的操作数；O_ij＝<S_k,TS_ij,TP_ij,TC_ij>为J_i的第j项操作，其中，S_k表示O_ij由第k个服务单元完成(1≤k≤m)，TS_ij，TP_ij，TC_ij分别表示O_ij的开始时刻、服务时长和完成时刻，则生成任务集J_Set＝{J_i|1≤i≤n}；

解析调度方案，将调度方案关联到流动实体集中相应的流动实体，具体为令

为指向J_i的当前操作，其范围为操作O_i1到

当

超出范围指向的下一项操作时，则将F_i从F_Set中被移除；当F_Set为空时，仿真结束。

作为一种改进，所述利用仿真调度策略实现逻辑仿真模型的运行的方法包括：

仿真初始化，获得仿真开始时间、仿真倍率以及仿真步长；

仿真进程推进，令布尔型变量作为仿真结束的判断标识，当所述布尔型变量为真时，仿真结束；否则在仿真步长内完成一次所有流动实体进程的遍历和推进，并更新相关资源的状态，包括：选出每个流动实体进程中可执行的操作，并将其分解为物流子进程和服务子进程；将流体实体从上一操作位置转移到下一操作位置，并调用服务子进程；利用服务子进程实现当前服务的执行和推进并返回布尔型变量；

更新仿真时钟，若布尔型变量为真则仿真结束；否则重复仿真进程推进步骤。

本发明还提供一种复杂装备制造过程虚拟重构与仿真运行系统，包括：

表征模块，用于对复杂装备制造过程进行统一表征，包括车间要素的表征、生产关系的表征、物流关系的表征；

逻辑建模及仿真运行模块，用于利用统一表征后的车间要素、生产关系、物流关系对复杂装备制造过程进行逻辑建模，并在逻辑建模构建的逻辑模型基础上进行仿真运行。

作为一种改进，所述表征模块包括车间要素表征模块、生产关系表征模块、物流关系表征模块。

作为一种改进，所述车间要素表征模块用于将车间要素表征为：

控制器，用于对各类控制系统、设备或决策人员进行映射，为系统运行提供决策服务；

物流路径，用于对物流关系进行映射；

作为一种改进，所述生产关系表征模块包括：

服务单元组合模块，用于利用统一表征的车间元素组合成服务单元，所述服务单元包括无输入缓冲站型、无输出缓冲站型、无缓冲站型及无内部执行器型；

生产关系组合模块，用于利用服务单元组合成生产关系。

作为一种改进，所述物流关系表征模块包括：

物流路径网络模型构建模块，用于构建物流路径网络模型来描述物流关系，所述物流路径网络模型为

LPN＝<G，E_Set，VSN_Set>

路径规划模块，用于基于物流路径网络模型进行路径规划，具体为从物流路径网络集中取初始点O_i(x_i,y_i)和目标点O_j(x_j,y_j)，获取从O_i到O_j的一条最短物流路径LP(O_i,O_j)；

物流调度模块，用于基于物流路径网络模型进行物流调度，具体为根据车间物流路径网络集和物流任务T＝{F：O_i→O_j}，若要将待搬运物F从点O_i运输到点O_j；获取执行该物流任务T运输距离最短的执行器E(O)。

作为一种改进，所述逻辑建模及仿真运行模块包括：

仿真模型构建模块，用于生成复杂装备制造过程的逻辑仿真模型；

仿真运行模块，用于利用仿真调度策略实现逻辑仿真模型的运行。

作为一种改进，所述仿真模型构建模块包括：

生产任务解析模块，用于将所有工件映射为流动实体集；

工艺信息解析模块，用于将工艺信息关联到流动实体集中相应的流动实体；

调度方案解析模块，用于将调度方案关联到流动实体集中相应的流动实体。

作为一种改进，所述仿真运行模块包括：

仿真初始化模块，获得仿真开始时间、仿真倍率以及仿真步长；

仿真进行推进模块，用于在仿真步长内完成一次所有流动实体进程的遍历和推进，并更新相关资源的状态，包括：选出每个流动实体进程中可执行的操作，并将其分解为物流子进程和服务子进程；将流体实体从上一操作位置转移到下一操作位置，并调用服务子进程；利用服务子进程实现当前服务的执行和推进。

本发明的有益之处在于：

本发明研究了基于离散事件系统的车间仿真建模，以及面向数字孪生的车间制造执行过程仿真架构，并根据复杂装备制造执行过程仿真需求设计了仿真调度策略与算法，解决了复杂装备制造阶段仿真难的问题。

附图说明

图1为本发明的流程图。

图2为图3～图12的图例。

图3为生产服务单元模型。

图4为仓储服务单元模型。

图5为服务单元的4中配置形式。

图6为服务单元的4种组合形式。

图7为流动实体Fi的进程。

图8为流动实体Fi的物流子进程。

图9为流动实体Fi的服务子进程。

图10为图8、图9中各字母的释义。

图11为物流子进程交互原理图。

图12为服务子进程交互原理图。

图13为本发明的结构原理图。

具体实施方式

为了使本领域的技术人员更好地理解本发明的技术方案，下面结合具体实施方式对本发明作进一步的详细说明。

如图1所示，本发明提供一种复杂装备制造过程虚拟重构与仿真运行方法，包括：

S1对复杂装备制造过程进行统一表征，包括车间要素的表征、生产关系的表征、物流关系的表征。

离散制造系统的基本组成元素可以概括为人、机、料、法、环。而基本关系可以描述为层次结构的生产组织关系和网络结构的物流组织关系。分层和层次结构是制造系统的本质属性。基本生产元素构成了生产单元或生产子系统，而这些单元或子系统反过来又构成更高层次系统的组成元素。网络结构的物流关系则建立了各物流设备、加工设备、仓储设备间的物料交互关系。根据物流的范围和物料交互的对象的不同，物流关系可以分为生产单元内的物流和生产单元间的物流。生产单元内的物流相对简单，主要通过装卸设备，如机械手，为机床、缓冲站提供物料转运服务。而生产单元间的物流关系则相对复杂，主要体现在其参与设备更多、物流运行距离更远以及物流路径更加复杂，如AGV物流系统、传送带物流系统等。

为了实现对异构离散制造系统的统一表达，本步骤从车间组成元素、生产关系、物流关系三个方面对异构离散制造系统进行表征。

S11将车间要素统一表征为：

控制器C，用于对各类控制系统、设备或决策人员进行映射，为系统运行提供决策服务；一方面，它根据预定义的消息处理规则将来自于上一级控制器的输入消息转换为操作指令。另一方面，它负责将其所控制设备的实时状态和执行结果以输出消息反馈回上一级控制器。

处理器P，用于对各种加工设备进行映射，在生产任务驱动下为工件提供操作相关服务；如铣削、钻孔等。处理器的当前状态有三种，分别为等待加工、正在加工和加工完成。

执行器E，用于对各种物流设备进行映射，在物流任务驱动下基于物流调度规则为工件提供物流转运服务；物流任务执行规则包括机械手控制程序、AGV物流路径规划和调度机制等。物流任务的执行结果将作为输出消息反馈给控制器。执行结果包括任务等待执行、任务开始、任务执行失败、任务执行成功4类。

缓存器B，用于对各类缓存和仓储设备进行映射，为工件提供临时或者长期仓储服务；缓存器的当前装填有三种，分别为禁止输出、允许输入输出、禁止输入。

流动实体F，用于对工件进行映射，接收处理器、执行器和缓存器的服务；工件包括毛坯、半成品和成品，通过全局唯一编码进行识别和跟踪。工件还充当了信息载体的角色，关联了生产工序信息、生产计划、历史轨迹信息和仿真信息。

物流路径L，用于对物流关系进行映射，表征两个元素或单元间的工件流动方向。

虚拟服务节点VSN，用于对生产组织关系、物流关系和生产逻辑进行映射。

在上述表征方法的基础上，制造系统关系形式化定义如下：

System Structure＝<SC,LPN>

式中：SC为服务单元，是具有特定服务功能的车间元素的集合。根据服务内容的不同，又可分为生产服务单元(Production Service Cell，PSC)和缓存服务单元(BufferService Cell，BSC)。LPN:物流路径网络，是实际物流布局和关系的映射。

S12生产关系进行统一表征的方法具体包括：

S121利用统一表征的车间元素组合成服务单元，所述服务单元包括无输入缓冲站型、无输出缓冲站型、无缓冲站型及无内部执行器型。

生产活动可以视为一系列有序组织的“服务”。因此，所有生产相关的活动，例如加工、装配、监测、仓储等都可以抽象为一项服务。一组与一项特定服务内容相关的元素被组合成一个单元，称之为服务单元。在服务单元层级，执行器E被称为内部执行器E_int，物流路径表示元素间的物流方向。根据服务单元中缓存器与外部环境物料交互关系，缓存器B可以分为输入缓存器B_in和输出缓存器B_out。相应地，在系统层级，执行器被称为外部执行器E_ext，而物理路径表示服务单元间的物流方向。

如图3所示，在生产服务单元PSC中，处理器P是基础组成要素，它为服务单元提供工件处理服务，如加工、检测、拆卸、装配等。流动实体F通过虚拟服务节点进入服务单元，依次通过输入缓存器B_in，处理器P和输出缓存器B_out接收服务，最后通过虚拟服务节点离开该服务单元。控制器C控制内部执行器E_int来实现流动实体F在上述元素中的流动。上述逻辑被定义成模板并封装到服务单元控制器中。

如图4所示，在仓储服务单元PBC，缓存器B是基础组成要素，它为服务单元提供工件的缓存和装运服务。除了服务内容不同外，仓储服务单元和生产服务单元在结构和运行逻辑上并无本质区别。

如图5所示，通过配置组成元素可以在典型服务单元基础上派生出不同形式和结构的服务单元。例如，通过配置缓存器可以生成生产服务单元的三种基本形式：无输入缓冲站型、无输出缓冲站型、无缓冲站型。通过配置内部执行器可以生成另一种生产服务单元基本形式无内部执行器型。

S122利用服务单元组合成生产关系。复杂的生产关系是由若干服务单元组成的，服务单元的组合形式包括串行、并行、装配和分解，如图6所示。

服务单元是系统的中间层次。服务单元由车间基本元素构成，反过来又充当更高层次系统的基本元素。通过服务单元的组合和合并可以简化复杂系统的结从而通过层次化建模降低系统建模复杂度。

S13物流关系进行统一表征的方法具体包括：

S131构建物流路径网络模型来描述物流关系，所述物流路径网络模型为

LPN＝<G，E_Set，VSN_Set>

其中，LPN为物流路径网络模型，E_Set为执行器集，VSN_Set为虚拟服务节点集G＝(V,E',W)为无向图，包括顶点集V,边集E',以及边的权重W_ij＝Distance(V_i,V_j)。

在制造系统中，存在多种物流设备(如AGV、堆垛机、机械手等)，不同的物流布局形式(如线性布局、环状布局和网络状布局)，以及不同的物流控制逻辑(如机械手控制程序、AGV调度规则等)。为了真实反映物理车间物流关系，物流路径网络模型(Logistics PathNetwork，LPN)来描述车间物流关系。

物流路径网络模型LPN描述了物流布局的集合属性，令G(V_i×V_j)表示无向图G邻接矩阵，则：

其中，V_i和V_j是无向图的顶点，a_ij表示顶点V_i和V_j的邻接关系。

E_Set＝{E1,E2…En}是执行器的有限非空集。它统一了不同类型的物流设备。

VSN_Set＝{VSN1,VSN2…VSNn}是虚拟服务节点的有限非空集。它描述分布在物流路径上的离散控制点，在这些控制点上物流设备和服务单元进行工件交换。

多个物流路径网络又通过虚拟服务节点连通，在虚拟环境中形成电子地图，从而完整刻画物理车间复杂物流结构。这为最短路径规划和物流调度提供了模型基础

S132基于物流路径网络模型进行路径规划，具体为从物流路径网络集(LPN_Set)中取初始点O_i(x_i,y_i)和目标点O_j(x_j,y_j)，获取从O_i到O_j的一条最短物流路径LP(O_i,O_j)。

获取最短物流路径LP(O_i,O_j)的具体方法为：

首先判断O_i和O_j是否位于同一LPN上。若O_i和O_j位于同一LPN上，则为单源最短路径问题，根据Dijkstra算法可以得到一条最短路径LP(O_i,O_j)。若O_i和O_j位于不同LPN上，假设O_i位于LPN_i，O_j位于LPN_j，且LPN_i和LPN_j通过点P_i和点P_j联通；则可分解为两个单源最短路径问题，分别求解LP₁(O_i,P_i)和LP₂(P_j,O_j)，两次调用Dijkstra算法可得到最短路径LP(O_i,O_j)＝LP₁(O_i,P_i)+LP₂(P_j,O_j)。

S133基于物流路径网络模型进行物流调度，具体为根据车间物流路径网络集(LPN_Set)和物流任务T＝{F：O_i→O_j}，若要将待搬运物F从点O_i运输到点O_j；获取执行该物流任务T运输距离最短的执行器E(O)。

获取运输距离最短的执行器E(O)的具体方法为：

首先读取物流任务T＝{FO_i→O_j}，判断O_i和O_j是否位于同一LPN上。若O_i和O_j位于同一LPN上，遍历LPN的执行器集E_Set，得到状态为空闲的可选执行器集E(Idle)_Set；再遍历E(Idle)_Set，以执行器E_i的当前位置P(E_i)为源点，待搬运物的当前位置O_i为目标点，依次调用Dijkstra算法，找到使物流路径LP(P_i,O_i)最短的执行器E(O)；最后将物流任务T分派给E(O)。若O_i和O_j位于不同LPN上，假设O_i位于LPN_i，O_j位于LPN_j，且LPN_i和LPN_j通过点P_i和点P_j联通；则物流任务T可分解为两个子任务T1＝{F：Oi→Pi}和T2＝{F：Pi→Oj}。

遍历LPN_i的执行器集E_Set_i，得到状态为空闲的可选执行器集E(Idle)_Set_i；再遍历E(Idle)_Set_i，以执行器E_i的当前位置P(E_i)为源点，待搬运物初始位置O_i为目标点，依次调用Dijkstra算法，找到使物流路径LP(P_i,O_i)最短的执行器E(O)₁；将物流任务T1分派给执行器E(O)₁；

并遍历LPN_j的执行器E_Set_j，得到状态为空闲的可选执行器集E(Idle)_Set_j；再遍历E(Idle)_Set_j，以执行器E_j的当前位置P(E_j)为源点，待搬运物初始位置P_j为目标点，依次调用Dijkstra算法，找到使物流路径LP(P_j,O_j)最短的执行器E(O)₂；将物流任务T₂分派给执行器E(O)₂。

S2利用统一表征后的车间要素、生产关系、物流关系对复杂装备制造过程进行逻辑建模，并在逻辑建模构建的逻辑模型基础上进行仿真运行。

具体包括：

S21生成复杂装备制造过程的逻辑仿真模型。

生产活动可以分解为一系列交替进行的生产操作和物流活动。而生产活动运行逻辑和运行机制则可描述为流动实体、服务单元和物流路径网络三者的相互作用关系。因此，生产逻辑模型可定义为一个三元组：

Production Logical Model＝<F_Set,SC_Set,LPN_Set>

其中，F_Set是流动实体有限非空集，定义了制造系统的输入和输出。SC_Set是服务单元有限非空集，描述了层次化的生产组织结构。LPN_Set是物流路径网络有限非空集，描述了网络化的物流组织结构。

复杂离散制造系统的运行过程描述如下：

(1)输入阶段。令F_i表示一个流动实体，inf_process表示该流动实体所关联的工序信息。假设流动实体F_i有n道工序且依次为1到n,这些工序分别对应服务单元SC₁到SC_n。则inf_process可以描述为服务单元序列{SC₁,SC₂,…,SC_n}。又因为虚拟服务节点和服务单元具有一一对应关系，所以inf_process也可以描述了虚拟服务节点序列{VSN₁,VSN₂,…,VSN_n}。

(2)执行阶段。根据输入信息，可以自动生成F_i的生产逻辑模型，首先，F_i位于服务单元S₁中，等待被转运到下一服务单元S_i-1中接收服务。这就产生了一个物流任务IT＝(F_i:S₁→S_i-1)，即将F_i从S₁转运到S_i-1。假设S₁和S_i-1通过物流路径网络LPN₁连通，且执行器集E_Set₁绑定在LPN₁上。则基于步骤S133所述的物流调度算法，可以从E_Set₁中选出合适的执行器E，并将物流任务IT分配给E执行。然后，基于步骤S132所述的最短路径规划算法，通过将VSN₁和VSN_i-1添加到LPN₁的邻接矩阵中，可以得到一条从S₁到S_i-1最短物流路径LP₁。因此，F_i被转运到S_i-1接收服务，服务逻辑由服务单元中的控制器所决定。当F_i接受完S_i-1的服务后，一项新的物流任务将被创建。按照上述方法，F_i在生产逻辑模型控制下有序流动。

(3)输出阶段。服务活动和物流活动交替进行，直到F_i接收完所有服务离开生产系统。在执行期间，物流、缓存和加工等信息将被收集到F_i的仿真信息中。这些仿真信息将用于生产计划/过程验证和系统性能评估。

基于离散事件系统仿真建模理论从事件、活动和状态等仿真元素来构建车间仿真模型，描述车间的内部运行机制。车间活动本质上是待加工工件从毛坯到半成品或成品的过程。因此，车间仿真模型可以通过所有待加工工件(表征为流动实体)的进程来描述。图7所示，描述了第i个流动实体Fi的进程，它从原料库出发，依次交替接受物流服务和是生产服务，最后回到成品库。根据所给定的加工任务、工艺信息和调度方案，可以为每个流动实体创建一个活动进程。如前文所述，车间活动可以分为单元内的生产活动(即，服务)和单元间的物流活动。相应地，流动实体的进程可以分解为一系列交替进行的服务子进程和物流子进程。

本发明中，一项物流活动和一项服务被称之为一项操作(Operation)。以F_i的第j项操作O_ij为例，它包括一项物流子进程LP_ij和一项服务子进程SP_ij，即，O_ij＝LP_ij+SP_ij，如图7所示。一个进程由若干个活动和事件组成。因此，LPij和SPij可以进一步表达为活动和事件，分别如图8和图9所示。图8、图9中所用到的符号及其含义参见图10。

本步骤的目的是将物理车间的生产任务、工艺信息和调度方案转换为上述可执行的仿真模型，具体步骤包括：

S211解析生产任务，将所有工件映射为流动实体集Fs，具体为若有n个待加工工件将在m个服务单元SCs上接收服务，将每个待加工工件映射为一个流动实体F，则可以生成流动实体集F_Set＝{F_i|1≤i≤n}；

S212解析工艺信息，将工艺信息关联到流动实体集中相应的流动实体F，具体为令J_i＝{O_ij|1≤j≤l_i}表示F_i的任务，其中，l_i为J_i的操作数；O_ij＝<S_k,TS_ij,TP_ij,TC_ij>为J_i的第j项操作，其中，S_k表示O_ij由第k个服务单元完成(1≤k≤m)，TS_ij，TP_ij，TC_ij分别表示O_ij的开始时刻、服务时长和完成时刻，则生成任务集J_Set＝{J_i|1≤i≤n}；

S213解析调度方案，将调度方案关联到流动实体集中相应的流动实体F，具体为令

为指向J_i的当前操作，其范围为操作O_i1到

当

超出范围指向的下一项操作时，则将F_i从F_Set中被移除；当F_Set为空时，仿真结束。令

表示J的当前操作集。它确保只有J_i的当前操作会被执行。此外，为了保证开工时间较早的操作被优先遍历，Ocur_Set在初始化中将按照TS_ij的大小进行升序排序。

通过解析生产任务、工艺信息、调度方案获得的流动实体集F_Set＝{F_i|1≤i≤n}、任务集J_Set＝{J_i|1≤i≤n}、当前操作集

构建起面向数字孪生的复杂装备生产过程逻辑仿真模型。

S22利用仿真调度策略实现逻辑仿真模型的运行。仿真调度策略即流动实体、服务单元以及物流路径网络模型相互作用下生产系统动态运行的描述机制，具体包括：

S221仿真初始化，获得仿真开始时间t0、仿真倍率Rate以及仿真步长ΔT＝30ms。后续ΔT修正为仿真遍历一次实际用时，仿真时钟T置为t₀。

S222仿真进程推进，令布尔型变量bStop作为仿真结束的判断标识，当所述布尔型变量bStop为真(ture)时，仿真结束；否则在仿真步长内完成一次所有流动实体进程的遍历和推进，并更新相关资源的状态，包括：

S2221选出每个流动实体进程中可执行的操作，并将其分解为物流子进程和服务子进程；同样以图7～图9所示的流动实体F_i的第j项操作O_ij为例，本步骤的目的在于通过遍历Ocur_Set选出满足执行条件的操作O_ij，并将其分解为一个物流子进程LP_ij和一个服务子进程SP_ij，为了确保所有的操作均被正确地执行直至仿真结束，F_Set，J_Set，Ocur_Set在每个仿真步长ΔT内动态更新一次。

S2222将流体实体从上一操作位置转移到下一操作位置，并调用服务子进程；本步骤的目的在于负责物流子进程LP_ij的推进和该进程中物流设备、服务单元与物流路径的交互。物流子进程包括5个活动(A₁～A₅)和5个事件(E₁～E₅)，基于物流路径网络模型以及物流设备调度算法、最短路径规划算法(参见步骤S13)实现流动实体从服务单元S_k-1运输到服务单元S_k。以典型AGV物流服务为例，以流动实体为视角，其物流子进程的5个主要活动以及参与该活动的模型如图11所示。每个活动涉及多个仿真实体的交互，活动的开始、推进与结束都取决于参与该活动的仿真实体的实时状态。以A₂为例，该活动涉及流动实体F_i，F_i当前所处的服务单元S_i-1中的输出缓存器B_out和内部执行器E_int(例如，机械手)，以及外部执行器E_ext(例如，AGV)4个仿真实体，AGV的到达以及装载完成是该活动开始与结束的关键事件，而机械手的当前状态(空闲、忙碌、故障等)及其变迁是触发该活动中事件的关键因素。

其具体流程如下：

首先，获得将流动实体Fi从服务单元S_k-1运输到下一服务单元S_k的物流任务LP_ij后，通过调用基于物流路径网络的物流设备调度算法，获得执行该物流任务的物流设备E_ext，赋予其物流任务IT＝(Fi:S_k-1→S_k)。

然后，调用基于物流路径网络的最短路径规划算法获得最短物流路径，并推进物流进程直到遇到延迟，包括条件延迟和非条件延迟。对于条件延迟，该进程将被挂起直达后续遍历判断该条件是否被满足。所谓条件延迟是指延迟期长短与系统状态有关，事先无法确定，直到满足特定条件后结束延迟，继续推进进程。而非条件延迟是指实体停留在进程中的某一点上，延迟时间已知，直到预先确定的延迟期满，继续推进该进程。

S2223利用服务子进程实现当前服务的执行和推进并返回布尔型变量；本步骤的目的在于负责服务单元内服务子进程SP_ij的推进和该进程中控制设备、加工设备、物流设备、缓存设备间的交互。服务子进程基于服务单元模型(A₆～A₁₀)和5个事件(E₆～E₁₀)，以典型加工服务单元为例，该进程的5个主要活动以及参与该活动的模型如图12所示。

其具体流程如下：

首先，流动实体F_i进入服务单元S_k的输入缓存器B_in中排队，直到位于队首。然后，判断是否满足装载条件，即，装卸设备E_int和处理器P是否空闲，若不满足条件，则发生条件延迟，继续排队等待服务；若满足条件，则装卸设备E_int和处理器P状态被锁定，开始上料活动A₇。上料活动、服务、下料活动时间若设为固定值，则三个活动均视为无条件延迟。以F_i接受P服务活动为例，若服务时长t8为定值，则发生无条件延迟，服务子进程SP_ij被挂起且将在延迟t8后被自动唤醒。如果上述活动的时长事先不可知(由资源状态和属性计算得到或由现场实时数据驱动)，则为条件延迟。

S223更新仿真时钟，若布尔型变量为真则仿真结束；否则重复仿真进程推进步骤S222。

S23收集和分析仿真数据。

流动实体贯穿了所有生产活动，包括服务活动、物流活动和缓存活动。他们不仅携带了包括生产任务、工艺信息和调度方案的仿真输入信息，也收集和汇聚了仿真过程数据。以流动实体为信息载体，记录工件从进入系统到离开系统的所有数据，从仿真基本信息、生产计划、物流信息、缓存信息、服务信息五个维度对仿真过程数据进行收集和分析，获取系统性能评价指标，为后续仿真应用提供数据支持。

仿真数据包括：仿真开始时间、仿真结束时间、仿真倍率、设备实时状态、当前生产进度、原始生产计划、实际运行过程、物流设备利用率、物流设备里程、物流设备调度信息、缓存设备利用率、加工设备利用率、设备阻塞率等。

所述表征模块具体包括：车间要素表征模块、生产关系表征模块、物流关系表征模块。

车间要素表征模块用于将车间要素表征为：

物流路径，用于对物流关系进行映射；

生产关系表征模块包括：

生产关系组合模块，用于利用服务单元组合成生产关系。

物流关系表征模块包括：

LPN＝<G，E_Set，VSN_Set>

逻辑建模及仿真运行模块包括：

仿真模型构建模块包括：

生产任务解析模块，用于将所有工件映射为流动实体集；

仿真运行模块包括：

以上仅是本发明的优选实施方式，应当指出的是，上述优选实施方式不应视为对本发明的限制，本发明的保护范围应当以权利要求所限定的范围为准。对于本技术领域的普通技术人员来说，在不脱离本发明的精神和范围内，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

1.一种复杂装备制造过程虚拟重构与仿真运行方法，其特征在于包括：

2.根据权利要求1所述的一种复杂装备制造过程虚拟重构与仿真运行方法，其特征在于对复杂装备制造过程中的车间要素进行统一表征的方法包括：

物流路径，用于对物流关系进行映射；

3.根据权利要求1所述的一种复杂装备制造过程虚拟重构与仿真运行方法，其特征在于对复杂装备制造过程中的生产关系进行统一表征的方法包括：

利用服务单元组合成生产关系。

4.根据权利要求1所述的一种复杂装备制造过程虚拟重构与仿真运行方法，其特征在于对复杂装备制造过程中的物流关系进行统一表征的方法包括：

LPN＝<G，E_Set，VSN_Set>

5.根据权利要求1所述的一种复杂装备制造过程虚拟重构与仿真运行方法，其特征在于所述对复杂装备制造过程进行逻辑建模，并在逻辑建模构建的逻辑模型基础上进行仿真运行的方法包括：

生成复杂装备制造过程的逻辑仿真模型；

利用仿真调度策略实现逻辑仿真模型的运行；

收集并分析仿真数据。

6.根据权利要求5所述的一种复杂装备制造过程虚拟重构与仿真运行方法，其特征在于所述生成复杂装备制造过程的逻辑仿真模型的方法包括：

解析工艺信息，将工艺信息关联到流动实体集中相应的流动实体，具体为令J_i＝{O_ij|1≤j≤l_i}表示F_i的任务，其中，l_i为J_i的操作数；O_ij＝<S_k,TS_ij,TP_ij,TC_ij>为J_i的第j项操作，其中，S_k表示O_ij由第k个服务单元完成(1≤k≤m)，TS_ij，TP_ij，TC_ij分别表示O_ij的开始时刻、服务时长和完成时刻，则生成任务集J_Set＝{J_i|1≤i≤n}；