一种数字孪生驱动的加工质量追溯与动态控制方法及系统

技术领域

本发明涉及计算机集成制造技术领域，特别涉及一种数字孪生驱动的加工质量追溯与动态控制方法及系统。

背景技术

产品质量是顾客的关注重点与企业为提升市场竞争力的核心指标，而加工质量是保证产品质量的基础，并直接影响着产品的功能特性、结构优劣与使用寿命，因此，实施高效的加工质量追溯与动态控制策略具有极其重要的现实意义与应用价值。然而，随着目前加工制造的柔性化、复杂化与对产品质量指标的严格把控，对加工质量的追溯与动态控制提出了更高的要求与挑战。同时，多源异构与冗杂的加工质量数据采用不同的储存方式与逻辑模型，采用传统的追溯方法无法对此进行有序的组织与系统性的管理,使得质量追溯的有效实施受到阻碍，此外，由于未能高效的采集质量数据与实时反馈决策方案，对加工质量的动态控制体现时效性不足，并缺乏前期对质量信息的有效利用与数据挖掘，也导致主动预测能力不足。当前，随着新一代信息技术已广泛应用于智能制造的重要趋势下，网络物理系统，云计算和数字孪生被视为实现智能制造的关键技术，其中，数字孪生是充分利用了物理实体与虚拟模型、各类数据与集成了多学科的技术，可应用于产品的全生命周期过程，实现物理与虚拟空间的同步映射，并通过虚实交互反馈、数据融合分析、决策迭代优化等手段，可提供智能、实时与高效的服务。

发明内容

发明目的：本发明的目的是提供一种数字孪生驱动的加工质量追溯与动态控制方法及系统，一方面提高加工质量的追溯效率与准确性，解决追溯加工任务中多源影响因素的关联数据集成与如何量化影响效应等问题，另一方面实现加工质量的动态控制与工艺优化，提高对制造单元物联网系统中实时数据的感知与管理能力，促进物理与虚拟车间的深度融合，提供数据分析、质量预测、工艺优化与实时反馈等智能化服务，使工艺优化与加工质量的动态控制更加科学合理，有效的提高加工质量，并降低现场调控的安全风险与测试成本。

技术方案：本发明所述的一种数字孪生驱动的加工质量追溯与动态控制方法，包括以下步骤：

S1：采用面向加工质量约束的制造单元物联网系统进行实时数据的采集、上行传输与下行控制指令的精准执行；

S2：采用STEP标准与XML描述语言，建立加工质量信息集成模型以集成多源异构数据；

S3：开发面向加工质量的孪生数据库的概念模型；

S4：依托加工质量追溯与动态控制系统，基于孪生数据库的支持，实现加工质量追溯与动态仿真优化；

S5：采用智能算法，融合孪生数据中的实测数据与历史数据，对加工质量进行预测。

作为优选，所述S1中实时数据的采集、上行传输与下行控制指令的精准执行采用传感器组、智能检测仪、RFID以及外接协议接口、执行器实现的。

作为优选，所述S2中加工质量信息集成模型的建模规则包括有信息建模与数据模型映射标准以及描述格式与语言，所述信息建模与数据模型映射标准选择STEP标准作为产品模型数据交互规范，建立质量信息与中性文件及关系数据库的映射关系；所述描述格式与语言采用满足STEP标准的EXPRESS语言及图形化方式建立信息描述模型，并采用了可扩展标记语言XML对装焊质量信息集成模型进行了语义化描述。

作为优选，所述S2中加工质量信息集成模型的建模步骤具体包括以下步骤：

S2.1：选择STEP标准及对应服务器，作为标准化信息集成建模方法；

S2.2：设计质量数据类型的映射规则，采用满足STEP标准的EXPRESS语言及图形化方式建立信息模型；

S2.3：选择可扩展标记语言XML,作为目标信息模型的一致描述格式，实现信息在不同系统之间的传输和读写；

S2.4：开发对应的关系数据库和实现数据在特定业务中交流。

作为优选，所述S3中开发面向加工质量的孪生数据库的概念模型具体包括以下步骤：

S3.1：建立数字孪生驱动的加工质量追溯与动态控制方法体系；

S3.2：确定加工质量信息的组织与管理方法，分析加工质量的影响因素，建立信息模型以表达与集成多源异构的加工质量数据，确定信息关联机制支持的加工质量追溯方法；

S3.3：执行基于数字孪生驱动的加工质量动态控制方法。

一种数字孪生驱动的加工质量追溯与动态控制系统，包括有物理制造单元、传输层、虚拟制造单元、数据层和服务层；

所述物理制造单元是数字孪生体对应的物理实体目标对象所处的现实物理域，是数字孪生技术的实体基础与制造活动的执行主体；

所述传输层由有线网络和无线网络组成；

所述虚拟制造单元用以实现多维度、多时间尺度的超写实描述与动态仿真其物理实体及加工过程；

所述数据层包括三维工艺设计数据、现场感知数据、虚拟仿真数据、应用数据、知识数据及其虚拟交互融合的衍生数据；

所述服务层包括数据前处理模块和功能模块。

作为优选，所述物理实体目标对象包括有在制工件、加工设备、工装量具、操作人员与加工环境。

作为优选，所述数据前处理模块负责对实时采集的数据进行在线监控、分析、统计与评估，提取加工数据的特征，并针对制造阶段产生的质量缺陷，采用主成分分析与灰色关联分析方法，结合分析结果，建立支持加工质量追溯的集成信息模型。

作为优选，所述功能模块负责对加工质量信息的可视化显示、基于虚拟制造单元的加工仿真与优化、加工质量追溯与预测。

有益效果：

(1)本发明基于制造单元物联网系统对实时数据的采集与以统一表达的方式进行数据处理，很好的解决了数据具备多源异构特征的问题,具体表现为大量的业务数据采用不同的储存方式与逻辑模型,也有利于数据的管理与共享。

(2)本发明为加工质量追溯与影响因素的分析提供了更完整的信息流，提高了追溯的准确性与效率。

(3)本发明通过物理加工与虚拟仿真的实时交互,以及利用智能预测算法对数据进行处理,使工艺优化与加工质量的动态控制更加科学合理与智能化，有效的提高了加工质量，并降低了现场调控的安全风险与测试成本。

附图说明

图1是本发明的系统模型图；

图2是本发明的加工质量约束的制造单元物联网系统模型；

图3是本发明的方法流程图；

图4是本发明的基于STEP与XML描述的加工质量信息集成实例。

具体实施方式

下面结合具体实施例对本发明进行进一步的说明。

如图1所示，是本发明的系统模型图，数字孪生驱动的加工质量追溯与动态控制系统包括有5个技术层面组成：物理制造单元、传输层、虚拟制造单元、数据层和服务层。

物理制造单元是数字孪生体对应的物理实体目标对象所处的现实物理域，是数字孪生技术的实体基础与制造活动的执行主体，通过接入感知装备、数据协议与执行控制器，能够提供基础的数据源与精准执行动态调控指令，对象主要包括在制工件、加工设备、工装量具、操作人员与加工环境等生产要素，以及各类影响加工质量的静态与动态信息，即如图2中制造单元层中工艺装备与感知数据所示。

虚拟制造单元是物理层的高保真虚拟数字化映射，是进行加工质量追溯与动态控制的关键载体，主要的功能是可以多维度、多时间尺度的超写实描述与动态仿真其物理实体及加工过程。

数据层是数字孪生系统的核心，主要包括三维工艺设计数据、现场感知数据、虚拟仿真数据、应用数据、知识数据及其虚拟交互融合的衍生数据，主要负责数据的表达、分类、存储、预处理与使用、维护与测试，驱动物理与虚拟实体的融合与智能服务的实现。

传输层是由有线网络(如工业以太网、数据光缆等)与无线网络(工业WIFI、ZigBee、WIMAX等)组成的数据传输网络，即如图2数据感知层与传输层所示，目的是对各类采集数据进行联网聚合与传输，从而实现物理层、模型层、数据层与服务层两两之间的双向通信。

服务层包括数据前处理模块和功能模块，数据前处理模块是实施加工质量动态控制与生产管理的技术支持，主要负责对实时采集的数据进行在线监控、分析、统计与评估，提取加工数据的特征。此外，针对制造阶段产生的质量缺陷，采用主成分分析与灰色关联分析方法，并结合分析结果，建立支持加工质量追溯的集成信息模型，它可以实现快速的组织与有序的管理相关的质量信息，提高追溯效率；功能模块是加工质量追溯与动态控制的技术实现方式，主要负责对相关加工质量信息的可视化显示、基于虚拟制造单元的加工仿真与优化、加工质量追溯与预测，据此支持决策部门、质检部门与生产部门等实施加工工艺方案与生产任务的优化与调整。

如图3所示为本发明的方法流程图，具体包括如下步骤：

S1：采用面向加工质量约束的制造单元物联网系统进行实时数据的采集、上行传输与下行控制指令的精准执行，通过传感器组、智能检测仪、RFID以及外接协议接口、执行器来实现；

S2：采用STEP标准与XML描述语言，建立加工质量信息集成模型以集成多源异构数据，加工质量信息集成模型的建模规则包括有信息建模与数据模型映射标准以及描述格式与语言，其中信息建模与数据模型映射标准选择STEP标准作为产品模型数据交互规范，是国际标准化组织制定的与能够描述整个产品生命周期内产品信息的标准，建立了质量信息与中性文件及关系数据库的映射关系，如工件的几何信息、公差规范、拓扑、属性、关系、材料性能和质量相关数据；

描述格式与语言采用满足STEP标准的EXPRESS语言及图形化方式建立信息描述模型，并采用了可扩展标记语言XML对装焊质量信息集成模型进行了语义化描述，如图4所示为基于STEP与XML描述的加工质量信息集成实例：

首先，焊接工艺质量追溯信息是焊接工艺质量追溯信息模型的抽象实体，是该模式schema顶层设计的超类，根据影响质量的关联关系与追溯需求，其子类的三种属性主要包括了Management_info,Qualify_Inforamtion与Impact_Information,分别描述管理信息、焊接质量信息与质量影响因素信息。其次，焊接工艺质量影响因素信息是质量追溯的主要源头，根据上节对影响因素的分析，Impact_Information具有6个子类型，分别描述操作人员信息、工艺执行信息、工装夹具信息、物料信息、设备信息与环境信息，通过共有与有序的标识属性，如Its_ID,Its_Process_ID,Its_Workpiece_ID,实现基于STEP标准下异构信息的快速交互与集成。其次，焊接工艺质量信息是质量追溯的起点，其中的工序质量标准文件与质检规程记录为质量追溯的执行与比较提供了前提条件与可靠依据。Qualify_Inforamtion包括了3个子类型，各自描述质量标准信息、焊接质量特性监测数据，工序检测与评估信息。此外，工序管理信息是执行质量追溯的依据与保证，其实体的属性包含Its_Id、Its_Author与Its_time等。

加工质量信息集成模型的建模步骤具体包括以下步骤：

S2.1：选择STEP标准及对应服务器，作为标准化信息集成建模方法；

S2.2：设计质量数据类型的映射规则，采用满足STEP标准的EXPRESS语言及图形化方式建立信息模型；

S2.3：选择可扩展标记语言XML,作为目标信息模型的一致描述格式，实现信息在不同系统之间的传输和读写；

S2.4：开发对应的关系数据库和实现数据在特定业务中交流。

S3：开发面向加工质量的孪生数据库的概念模型，具体包括以下步骤：

S3.1：建立数字孪生驱动的加工质量追溯与动态控制方法体系；

S3.2：确定加工质量信息的组织与管理方法，分析加工质量的影响因素，建立信息模型以表达与集成多源异构的加工质量数据，确定信息关联机制支持的加工质量追溯方法；

S3.3：执行基于数字孪生驱动的加工质量动态控制方法。

S4：依托加工质量追溯与动态控制系统，基于孪生数据库的支持，实现加工质量追溯与动态仿真优化；

S5：采用智能算法，融合孪生数据中的实测数据与历史数据，对加工质量进行预测。

通过以上方法，一方面，可以对实时检测到的质量信息进行可视化监控与分析，一旦发现质量异常，可以通过信息集成的质量追溯机制进行质量信息的快速集成与组织，根据数据的异常情况判断并定位影响源，随后采取相应的调整措施如优化加工路线、加工参数、及时更换加工设备等；另一方面，在多维度、超写实的虚拟制造环境下，实时的加工状态信息、质量信息等可以通过虚拟仿真技术能够进行加工仿真，并通过聚类、关联分析与智能预测算法，如支持向量机(SVR)、人工神经网络(ANN)预测模型等进行加工质量信息预测，从而实现加工质量的主动性控制，并获取最优的工艺路线与加工参数组合，以实时保证加工质量处于合理与可控的范围内。