基于数字孪生的航天器装配过程管控方法及系统

技术领域

本发明涉及航天器装配技术领域，具体地，涉及一种基于数字孪生的航天器装配过程管控方法及系统。

背景技术

航天器具有产品组成复杂、技术难度大、精度要求高、质量控制极其严格等特点。装配是决定航天器产品质量和研制进度的关键环节，其工艺流程复杂，生产准备与装配周期长，生产扰动频繁，生产进度、产品质量和技术状态控制难度大。因此，实现装配过程有效管控一直是航天器生产制造亟需解决的难题之一。同时，随着航天器研制从传统的单件研制模式向组批生产模式发展，需实现装配全过程与全要素的协同、实时、闭环控制，保证产品研制进度与质量，并提高瓶颈资源、质量隐患等的分析预测能力。

公开号为CN104504175A的发明专利，公开了一种航天器装配仿真系统及仿真方法，航天器装配仿真系统包括运行管理模块、三维视景模块、装配操作模块、数据输入模块、应用核心模块、数据输出模块、仿真支撑平台，运行管理模块、三维视景模块、装配操作模块、数据输入模块、应用核心模块、数据输出模块都与仿真支撑平台连接。

目前，国内外在复杂产品装配车间管控技术及制造执行系统方面开展了较为深入的研究，实现了离散装配模式下的计划排产、数据采集及过程管控等，同时初步探索了数字孪生技术在装配车间管控中的研究与应用，但现有方法和系统难以满足航天器装配过程全面互联感知、信息物理融合及智能化管控需求，主要存在以下问题：①航天器装配过程中产品状态变化十分频繁，装配车间内各类生产要素的分配、流转和使用等活动较多，传统管控方式主要通过MES系统进行人工确认、数据记录与分析、异常处理等，对于过程控制的实时性和准确性都较低；②航天器装配数字孪生模型和装配车间数字孪生模型构建较为困难，装配过程中采集的多源异构原始数据难以准确、高效地与产品、车间模型进行关联融合；③缺少实现航天器装配进度、质量、技术状态等数字孪生管控的方法与系统，难以实现装配过程的模拟、监控、预测和控制。

发明内容

针对现有技术中的缺陷，本发明提供一种基于数字孪生的航天器装配过程管控方法及系统。

根据本发明提供的一种基于数字孪生的航天器装配过程管控方法及系统，所述方案如下：

第一方面，提供了一种基于数字孪生的航天器装配过程管控方法，所述方法包括：

步骤S1：确定航天器产品装配的关键特征，基于所述关键特征构建产品装配数字孪生模型，同时确定航天器装配车间的关键要素，基于所述关键要素构建装配车间数字孪生模型；

步骤S2：采用物联网平台进行航天器装配过程数据采集，定义航天器装配过程关键事件，由关键事件驱动采集数据与产品装配数字孪生模型、装配车间数字孪生模型的虚实精准映射；

步骤S3：基于所述产品装配数字孪生模型进行航天器装配过程实时管控与分析预测；

步骤S4：基于所述装配车间数字孪生模型进行车间实时管控与分析预测；

步骤S5：对装配过程孪生数据进行多维度组织管理，进行数据的存储、管理与挖掘。

优选的，所述步骤S1中基于关键特征构建产品装配数字孪生模型的步骤进一步包括：

步骤S1.1.1：在产品装配数字样机建模工具软件中，接收设计单位下发的产品设计模型、物料清单信息以及技术文件，增加工装、工具模型以及装配工艺流程、工艺内容、检验要求在内的相关信息，进行模型、信息的关联和融合，形成包含完整的产品结构信息、属性信息及轻量化模型的产品装配数字样机；

步骤S1.1.2：根据产品ID、部组件ID、零件ID，将产品装配关键特征集合与产品装配数字样机进行关联，形成产品装配数字孪生模型；

步骤S1.1.3：在产品装配数字孪生模型中建立产品数据接口，实现产品装配数字孪生模型和实时数据间的交互；

步骤S1.1.4：开发装配过程管控模块，集成PDM、ERP、MES、QMS系统中产品装配进度、质量、技术状态管控功能，基于产品装配数字孪生模型进行数据处理、装配状态识别与监控以及异常报警。

所述步骤S1中基于关键要素构建装配车间数字孪生模型的步骤进一步包括：

步骤S1.2.1：在车间数字模型建模工具软件中对装配车间各类要素进行建模和场景布置，同时配置各要素实时数据及状态的可视化界面，形成装配车间数字模型；

步骤S1.2.2：通过ERP、MES在内的相关系统对装配车间关键要素信息进行管理，并与车间数字模型进行关联，形成装配车间数字孪生模型；

步骤S1.2.3：在装配车间数字孪生模型中建立车间数据接口，实现装配车间孪生模型和实时数据间的交互；

步骤S1.2.4：开发装配过程管控模块，集成PDM、ERP、MES、QMS系统中物料管控、车间资源管控相关功能，建立车间管控服务，基于装配车间数字孪生模型进行数据处理、状态识别与监控以及异常报警。

优选的，所述步骤S2的采用物联网平台进行航天器装配过程数据采集的步骤进步包括：

步骤S2.1.1：构建物联网平台，提供TCP/IP、UDP、OPC、Modbus、RFID标准通信协议及标准化封装的API接口；

步骤S2.1.2：基于所述物联网平台开发数据集成接口及数据管理模块，实现各类设备和软件系统的统一接入、数据在线采集及处理；

步骤S2.1.3：将采集的设备运行数据、传感器检测数据以及物流RFID数据进行采集，并与产品、工艺以及工序在内的相关信息进行关联存储。

所述步骤S2的由关键事件驱动采集数据与产品装配数字孪生模型、装配车间数字孪生模型的虚实精准映射的步骤进一步包括：

步骤S2.2.1：感知关键事件，以装配工序开工、软硬件系统运行以及关键工序执行作为关键事件的触发条件，通过物联网平台的数据集成接口及事件驱动引擎，实时感知关键事件；

步骤S2.2.2：采集原始数据，通过设备与物联网平台集成、软件系统间集成，实现装配进度数据、质量数据、技术状态数据以及人员数据、工装设备数据、物料数据、环境数据在内的原始数据在线采集；

步骤S2.2.3：处理及封装数据，根据产品关键特征及关键要素清单，对采集的原始数据进行过滤和处理，并采用XML文档对处理后的数据进行组织和封装；

步骤S2.2.4：实时推送数据，采用Web Service技术开发数据接口，在线读取XML文档，并通过主动推送方式传送给产品装配数字样机建模工具或车间数字模型建模工具；

步骤S2.2.5：虚实映射与融合，产品装配数字样机建模工具解析XML文档获取产品数据，驱动产品装配数字孪生模型更新装配状态和关键特征信息；车间数字模型建模工具解析XML文档获取车间数据，驱动装配车间数字孪生模型更新关键要素状态。

优选的，所述步骤S3的基于产品装配数字孪生模型进行航天器装配过程实时管控与分析预测的步骤进一步包括：

步骤S3.1：产品装配进度实时管控与分析预测，通过物联网平台和MES系统实时获取产品装配进度的关键特征数据，驱动产品装配数字孪生模型更新装配进度关键特征信息，并在三维可视化监控看板中实时展示各类零件、部组件的装配状态及装配完成率；调用产品装配过程管控服务，将实际装配进度与装配计划进行自动比对，对于超期情况进行预警，并驱动计划调整或动态调度；采用数据挖掘与分析方法，对历史工艺、装配任务和工时进行关联分析，构建面向不同部组件、工艺和工况的工时估算模型，通过产品装配数字孪生模型获取待装部组件列表，基于工时估算模型进行工时计算，预测产品最终装配完成时间；

步骤S3.2：产品装配质量实时管控与分析预测，通过物联网平台和MES系统实时获取产品装配质量关键特征数据，驱动产品装配数字孪生模型更新质量关键特征信息；调用产品装配过程管控服务，将采集的质量数据与设计值进行自动比对分析，对于出现偏差或异常情况进行警示，并驱动进行设计或工艺优化；构建产品装配精度预分析模型，基于产品装配数字孪生模型进行装配仿真和尺寸链动态计算，预测产品最终装配精度；采用机器视觉算法对采集的产品图像进行自动识别，预测产品缺陷以及多余物质量隐患；

步骤S3.3：产品装配技术状态实时管控，通过产品装配数字孪生模型实时获取产品当前装配技术状态信息，调用产品装配过程管控服务，将当前的装配技术状态与设计、工艺技术状态要求进行比对，发现偏离状况并进行工艺调整。

优选的，所述步骤S4的基于装配车间数字孪生模型进行车间实时管控与分析预测的步骤进一步包括：

步骤S4.1：车间关键要素实时管控，针对车间内的关键设备，通过物联网平台实时获取设备运行数据并调用车间管控服务，发现设备异常情况进行预警和设备维护提示，并在三维可视化监控看板中进行警示；针对车间物流，采用RFID、条码识别技术，在库房、工位部署RFID读写器和条码扫描器，对物料信息进行自动或半自动采集，实时获取物料的区域位置和状态信息，在三维可视化监控看板中实时监控物料信息，同时调用车间管控服务，识别物料进入错误工位情况并进行警示，避免物料错装情况；针对车间环境，通过物联网平台实时获取车间温度、湿度、电磁辐射数据，并在三维可视化监控看板中进行显示，对于超限情况进行报警；

步骤S4.2：车间运行仿真及瓶颈资源预测，通过装配车间数字孪生模型获取车间布局及各关键要素的位置，以及实际状态信息，并将模型与数据输入至车间运行仿真软件；根据产品装配工艺流程，建立装配工序与关键要素间的映射关系，设置工序及工位作业时间在内的相关参数并进行车间运行仿真，输出未来一段时间内资源使用、物流路径、作业时间结果数据，分析资源冲突情况并预测瓶颈资源，通过MES系统进行排产与调度，提前进行资源优化配置。

优选的，所述步骤S5中对装配过程孪生数据进行多维度组织管理，进行数据的存储、管理与挖掘的步骤进一步包括：

步骤S5.1：构建装配过程孪生数据多维度组织模型，从模型维度、数据维度、时间维度对孪生数据进行组织和集成管理；

步骤S5.2：建立制造基线，对装配过程不同阶段的孪生数据自动进行基线标识；在追溯产品装配状态时，按照制造基线获取孪生数据并加载至产品装配数字孪生模型中，构建该制造基线下产品数字镜像；

步骤S5.3：建立面向装配过程管控的大数据管理和应用模块，实现产品和车间孪生数据的存储、管理和挖掘，包括海量装配图像机器视觉识别、设备健康监测与预警。

第二方面，提供了一种基于数字孪生的航天器装配过程管控系统，该系统主体架构采用B/S架构建立，并与产品装配数字样机建模工具软件、车间数字模型建模工具软件、PDM、ERP、MES、QMS系统集成，该系统包括：

物联网平台模块：用于实现装配过程中各类设备、工装、传感器以及物料的物联集成与数据在线采集传输；

孪生模型构建模块，用于进行产品装配数字孪生模型和装配车间数字孪生模型构建及虚实融合映射；

装配过程管控模块，用于实现排产调度、物料管理、装配执行管控、产品质量管控和车间资源管控；

分析与决策支持模块，用于实现产品及车间状态可视化监控、瓶颈资源预测、装配精度预测分析、生产进度预测、产品质量预测；

数据集成管理模块：用于实现数字孪生模型和孪生数据的统一管理。

优选的，所述物联网平台模块进一步包括：

物联集成模块：采用TCP/IP、UDP、OPC、Modbus、RFID接口协议，实现机械臂装配系统、精密对接系统、电子力矩扳手、电子经纬仪、环境监测设备、RFID读写器在线集成及数据实时采集的模块；

采集数据处理模块：对物联集成模块采集的数据进行清洗、筛选和封装的模块；

数据传输模块：实现采集数据从物联网平台向孪生模型构建模块、数据集成管理模块实时传输的模块。

优选的，所述孪生模型构建模块进一步包括：

产品装配数字孪生模型构建模块：构建产品装配数字样机、产品关键特征、产品数据接口、产品装配过程管控服务，并通过虚实映射形成产品装配数字孪生模型的模块；

装配车间数字孪生模型构建模块：构建车间数字模型、车间关键要素、车间数据接口、车间管控服务，并通过虚实映射形成装配车间数字孪生模型的模块。

优选的，所述装配过程管控模块进一步包括：

装配执行管控模块：通过产品装配数字孪生模型进行装配进度、装配质量和技术状态管控的模块；

物料管控模块：通过产品装配数字孪生模型和装配车间数字孪生模型进行物料识别、出入库管理和配送管理的模块；

车间资源管控模块：通过装配车间数字孪生模型进行设备运行监控、人员管理、场地环境监控的模块。

所述分析与决策支持模块进一步包括：

三维可视化监控模块：通过对产品和车间三维模型进行颜色渲染及信息加载，对产品装配状态及车间运行状态进行可视化监控的模块；

产品装配精度预测分析模块：采用产品孪生模型进行装配仿真和尺寸链动态计算，实现对产品最终装配精度的预测的模块；

产品装配进度预测模块：采用产品孪生模型和工时估算模型进行预排产，实现产品最终装配进度预测的模块；

产品装配质量预测模块：基于产品孪生模型对采集的质量数据进行自动判读分析，对于出现的质量问题进行预测的模块；

瓶颈资源预测模块：采用装配车间孪生模型和瓶颈资源诊断算法对生产资源瓶颈进行预测的模块。

所述数据集成管理模块进一步包括：

孪生模型管理模块：对产品装配数字孪生模型和装配车间数字孪生模型进行管理的模块；

孪生数据管理模块：对产品装配进度数据、装配精度数据、检验数据、设备运行参数、照片、视频在内的相关数据进行集成管理的模块。

与现有技术相比，本发明具有如下的有益效果：

1、针对航天器装配过程中产品状态变化十分频繁的情况，基于关键特征构建航天器产品装配数字孪生模型，保证了产品数据采集、虚实同步效率及准确性；针对装配车间内各类生产要素的分配、流转和使用等活动较多的情况，基于关键要素构建装配车间模型，保证了车间数据采集、虚实同步的效率及准确性；

2、针对航天器装配过程中采集的多源异构原始数据数据难以直接与产品、车间的孪生模型进行关联融合的问题，采用关键事件驱动的虚实精准映射方法，实现虚实有效融合；

3、通过数字孪生模型驱动航天器装配过程实时管控与分析预测，实现了产品装配进度、装配质量、技术状态的实时管控和分析预测，同时实现了车间关键要素实时管控、车间运行仿真及瓶颈资源预测，提高了航天器装配过程管控的实时性和预测性；

4、设计基于数字孪生的航天器装配过程管控系统，主体架构采用B/S架构建立，具有部署方便、瘦客户端的特点，用户可以根据权限通过浏览器进行航天器装配执行状态、物流、车间资源等管控以及装配精度、装配进度、质量和生产资源瓶颈预测等，有效提高了装配过程管控的效率和精细化水平。

附图说明

通过阅读参照以下附图对非限制性实施例所作的详细描述，本发明的其它特征、目的和优点将会变得更明显：

图1为本发明方法的流程图；

图2为本发明的关键事件驱动的虚实精准映射流程图；

图3为本发明的基于数字孪生模型的航天器装配过程实时管控与分析预测流程图；

图4为本发明的装配过程孪生数据多维度组织管理示意图；

图5为本发明系统的组成图。

具体实施方式

下面结合具体实施例对本发明进行详细说明。以下实施例将有助于本领域的技术人员进一步理解本发明，但不以任何形式限制本发明。应当指出的是，对本领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干变化和改进。这些都属于本发明的保护范围。

本发明实施例提供了一种基于数字孪生的航天器装配过程管控方法，参照图1所示，该方法具体步骤如下：

步骤S1：确定航天器产品装配的关键特征，基于所述关键特征构建产品装配数字孪生模型，同时确定航天器装配车间的关键要素，基于所述关键要素构建装配车间数字孪生模型。

其中，确定航天器产品装配关键特征是确定影响装配进度、质量和技术状态的产品关键物理、功能、性能特征，包括产品结构、阶段标识、重量、仪器设备拆装状态、装配精度、紧固件拧紧力矩、电连接器接插状态及阻值、加热片组件粘贴状态及阻值等。

基于关键特征构建产品装配数字孪生模型，其中，产品装配数字孪生模型由产品装配数字样机、产品装配关键特征集合、产品数据接口、产品装配过程管控服务组成。

产品装配数字样机包括：产品结构、三维模型和产品属性信息；产品装配关键特征集合包括产品各类装配关键特征信息；

产品数据接口包括：产品装配数字样机数据接口和关键特征数据接口；

产品装配过程管控服务包括：产品装配进度管控服务、质量管控服务和技术状态管控服务。

基于关键特征构建产品装配数字孪生模型的步骤进一步包括：

步骤S1.1.1：在产品装配数字样机建模工具软件中，接收设计单位下发的产品设计模型、物料清单信息、技术文件等，增加工装、工具模型以及装配工艺流程、工艺内容、检验要求等信息，进行模型、信息的关联和融合，形成包含完整的产品结构信息、属性信息及轻量化模型的产品装配数字样机；

步骤S1.1.2：根据产品ID、部组件ID、零件ID，将产品装配关键特征集合与产品装配数字样机进行关联，形成产品装配数字孪生模型；

步骤S1.1.3：在产品装配数字孪生模型中建立产品数据接口，实现产品装配数字孪生模型和实时数据间的交互；

步骤S1.1.4：开发装配过程管控模块，集成PDM、ERP、MES、QMS等系统中产品装配进度、质量、技术状态管控功能，基于产品装配数字孪生模型进行数据处理、装配状态识别与监控、异常报警等。

确定航天器装配车间关键要素，是将影响航天器装配车间运行和装配执行的专用工位、关键设备、关键人员及关键物料等确定为装配车间关键要素。

基于关键要素构建装配车间数字孪生模型，其中，装配车间数字孪生模型由车间数字模型、车间关键要素集合、车间数据接口、车间管控服务组成。

装配车间数字孪生模型包括：车间整体布局模型、生产要素模型及各类模型的属性信息、模型间的关联关系等；

车间关键要素集合包括：装配车间各类关键要素信息；

车间数据接口包括：车间数字模型数据接口和关键要素数据接口；

车间管控服务包括：产品车间资源配置服务、物流管理服务、设备监控服务等。

基于关键要素构建装配车间数字孪生模型的步骤进一步包括：

步骤S1.2.1：在车间数字模型建模工具软件中对装配车间各类要素进行建模和场景布置，同时配置各要素实时数据及状态的可视化界面，形成装配车间数字模型；

步骤S1.2.2：通过ERP、MES在内的相关系统对装配车间关键要素信息进行管理，并与车间数字模型进行关联，形成装配车间数字孪生模型；

步骤S1.2.3：在装配车间数字孪生模型中建立车间数据接口，实现装配车间孪生模型和实时数据间的交互；

步骤S1.2.4：开发装配过程管控模块，集成PDM、ERP、MES、QMS等系统中物料管控、车间资源管控等功能，建立车间管控服务，基于装配车间数字孪生模型进行数据处理、状态识别与监控、异常报警等。

步骤S2：采用物联网平台进行航天器装配过程数据采集，定义航天器装配过程关键事件，由关键事件驱动采集数据与产品装配数字孪生模型、装配车间数字孪生模型的虚实精准映射。

采用物联网平台进行航天器装配过程数据采集的步骤进步包括：

步骤S2.1.1：构建物联网平台，提供TCP/IP、UDP、OPC、Modbus、RFID标准通信协议及标准化封装的API接口；

步骤S2.1.2：基于所述物联网平台开发数据集成接口及数据管理模块，实现各类设备和软件系统的统一接入、数据在线采集及处理；

步骤S2.1.3：将采集的设备运行数据、传感器检测数据以及物流RFID数据进行采集，并与产品、工艺以及工序在内的相关信息进行关联存储。

定义航天器装配过程关键事件，是将影响航天器装配进度、质量和技术状态的原始事件经过规则运算形成新的具有意义的事件。

由关键事件驱动采集数据与产品装配数字孪生模型、装配车间数字孪生模型的虚实精准映射，其流程图如图2所示，包括以下步骤：

步骤S2.2.1：感知关键事件，以装配工序开工、软硬件系统运行以及关键工序执行作为关键事件的触发条件，通过物联网平台的数据集成接口及事件驱动引擎，实时感知关键事件；

步骤S2.2.2：采集原始数据，通过设备与物联网平台集成、软件系统间集成，实现装配进度数据、质量数据、技术状态数据以及人员数据、工装设备数据、物料数据、环境数据在内的原始数据在线采集；

步骤S2.2.3：处理及封装数据，根据产品关键特征及关键要素清单，对采集的原始数据进行过滤和处理，并采用XML文档对处理后的数据进行组织和封装；

步骤S2.2.4：实时推送数据，采用Web Service技术开发数据接口，在线读取XML文档，并通过主动推送方式传送给产品装配数字样机建模工具或车间数字模型建模工具；

步骤S2.2.5：虚实映射与融合，产品装配数字样机建模工具解析XML文档获取产品数据，驱动产品装配数字孪生模型更新装配状态和关键特征信息；车间数字模型建模工具解析XML文档获取车间数据，驱动装配车间数字孪生模型更新关键要素状态。

步骤S3：基于所述产品装配数字孪生模型进行航天器装配过程实时管控与分析预测；

基于产品装配数字孪生模型进行航天器装配过程实时管控与分析预测流程如图3所示，包括以下步骤：

步骤S3.1：产品装配进度实时管控与分析预测，通过物联网平台和MES系统实时获取产品装配进度的关键特征数据，驱动产品装配数字孪生模型更新装配进度关键特征信息，并在三维可视化监控看板中实时展示各类零件、部组件的装配状态及装配完成率；调用产品装配过程管控服务，将实际装配进度与装配计划进行自动比对，对于超期情况进行预警，并驱动计划调整或动态调度；采用数据挖掘与分析方法，对历史工艺、装配任务和工时进行关联分析，构建面向不同部组件、工艺和工况的工时估算模型，通过产品装配数字孪生模型获取待装部组件列表，基于工时估算模型进行工时计算，预测产品最终装配完成时间。

步骤S3.2：产品装配质量实时管控与分析预测，通过物联网平台和MES系统实时获取产品装配质量关键特征数据，驱动产品装配数字孪生模型更新质量关键特征信息；调用产品装配过程管控服务，将采集的质量数据与设计值进行自动比对分析，对于出现偏差或异常情况进行警示，并驱动进行设计或工艺优化；构建产品装配精度预分析模型，基于产品装配数字孪生模型进行装配仿真和尺寸链动态计算，预测产品最终装配精度；采用机器视觉算法对采集的产品图像进行自动识别，预测产品缺陷以及多余物质量隐患。

步骤S3.3：产品装配技术状态实时管控，通过产品装配数字孪生模型实时获取产品当前装配技术状态信息，调用产品装配过程管控服务，将当前的装配技术状态与设计、工艺技术状态要求进行比对，发现偏离状况并进行工艺调整。

步骤S4：基于装配车间数字孪生模型进行车间实时管控与分析预测。

基于装配车间数字孪生模型进行车间实时管控与分析预测包括以下步骤：

步骤S4.1：车间关键要素实时管控，针对车间内的关键设备，通过物联网平台实时获取设备运行数据并调用车间管控服务，发现设备异常情况进行预警和设备维护提示，并在三维可视化监控看板中进行警示；针对车间物流，采用RFID、条码识别技术，在库房、工位部署RFID读写器和条码扫描器，对物料信息进行自动或半自动采集，实时获取物料的区域位置和状态信息，在三维可视化监控看板中实时监控物料信息，同时调用车间管控服务，识别物料进入错误工位等情况并进行警示，避免物料错装情况；针对车间环境，通过物联网平台实时获取车间温度、湿度、电磁辐射数据，并在三维可视化监控看板中进行显示，对于超限情况进行报警；

步骤S4.2：车间运行仿真及瓶颈资源预测，通过装配车间数字孪生模型获取车间布局及各关键要素的位置，以及实际状态信息，并将模型与数据输入至车间运行仿真软件；根据产品装配工艺流程，建立装配工序与关键要素间的映射关系，设置工序及工位作业时间在内的相关参数并进行车间运行仿真，输出未来一段时间内资源使用、物流路径、作业时间结果数据，分析资源冲突情况并预测瓶颈资源，通过MES系统进行排产与调度，提前进行资源优化配置。

步骤S5：对装配过程孪生数据进行多维度组织管理，进行数据的存储、管理与挖掘。

对装配过程孪生数据进行多维度组织管理，进行数据的存储、管理与挖掘，其示意图如图4所示，包括以下步骤：

步骤S5.1：构建装配过程孪生数据多维度组织模型，从模型维度、数据维度、时间维度对孪生数据进行组织和集成管理；其中模型维度是对各个产品、设备、工装等孪生模型进行组织和管理；数据维度是对产品装配进度数据、装配精度数据、检验数据、设备运行参数、照片、视频等数据进行组织和管理；时间维度是按时序对各类孪生数据进行标记和管理。

步骤S5.2：建立制造基线，对装配过程不同阶段的孪生数据自动进行基线标识；在追溯产品装配状态时，按照制造基线获取孪生数据并加载至产品装配数字孪生模型中，构建该制造基线下产品数字镜像，从而实现对产品历史装配状态的复现。

步骤S5.3：建立面向装配过程管控的大数据管理和应用模块，实现产品和车间孪生数据的存储、管理和挖掘，包括海量装配图像机器视觉识别、设备健康监测与预警等。

本发明还提出一种基于数字孪生的航天器装配过程管控系统，系统组成示意图如图5所示。该系统主体架构采用B/S架构来建立，并与产品装配数字样机建模工具软件、车间数字模型建模工具软件、PDM、ERP、MES、QMS等系统集成。该系统包括物联网平台模块、孪生模型构建模块、装配过程管控模块、分析与决策支持模块、数据集成管理模块，下面对其逐一进行具体解释说明。

物联网平台模块，用于实现装配过程中各类设备、工装、传感器、物料等的物联集成与数据在线采集传输，其进一步包括物联集成模块、采集数据处理模块、数据传输模块。其中，物联集成模块采用TCP/IP、UDP、OPC、Modbus、RFID等接口协议，实现机械臂装配系统、精密对接系统、电子力矩扳手、电子经纬仪、环境监测设备、RFID读写器等在线集成及数据实时采集；采集数据处理模块用于对物联集成模块采集的数据进行清洗、筛选和封装；数据传输模块用于实现采集数据从物联网平台向孪生模型构建模块、数据集成管理模块实时传输。

孪生模型构建模块，用于进行产品装配数字孪生模型和装配车间数字孪生模型构建及虚实融合映射，其进一步包括产品装配数字孪生模型构建模块、装配车间数字孪生模型构建模块。其中，产品装配数字孪生模型构建模块用于构建产品装配数字样机、产品关键特征、产品数据接口、产品装配过程管控服务，并通过虚实映射形成产品装配数字孪生模型；装配车间数字孪生模型构建模块用于构建车间数字模型、车间关键要素、车间数据接口、车间管控服务，并通过虚实映射形成装配车间数字孪生模型。

装配过程管控模块，用于实现排产调度、物料管理、装配执行管控、产品质量管控和车间资源管控，其进一步包括装配执行管控模块、物料管控模块、车间资源管控模块。其中，装配执行管控模块通过产品装配数字孪生模型进行装配进度、装配质量和技术状态管控；物料管控模块通过产品装配数字孪生模型和装配车间数字孪生模型进行物料识别、出入库管理和配送管理；车间资源管控模块通过装配车间数字孪生模型进行设备运行监控、人员管理、场地环境监控。

分析与决策支持模块，用于实现产品及车间状态可视化监控、瓶颈资源预测、装配精度预测分析、生产进度预测、产品质量预测，其进一步包括三维可视化监控模块、产品装配精度预测分析模块、产品装配进度预测模块、产品装配质量预测模块、瓶颈资源预测模块。其中，通过对产品和车间三维模型颜色渲染及信息加载，实现产品装配状态及车间运行状态进行可视化监控；产品装配精度预测分析模块采用产品孪生模型进行装配仿真和尺寸链动态计算，实现对产品最终装配精度的预测；产品装配进度预测模块采用产品孪生模型和工时估算模型进行预排产，实现产品最终装配进度预测；产品装配质量预测模块基于产品孪生模型对采集的质量数据进行自动判读分析，对于可能出现的质量问题进行预测；瓶颈资源预测模块采用装配车间孪生模型和瓶颈资源诊断算法对生产资源瓶颈进行预测。

数据集成管理模块，用于实现数字孪生模型和孪生数据的统一管理，其进一步包括孪生模型管理模块、孪生数据管理模块。其中，孪生模型管理模块对产品装配数字孪生模型和装配车间数字孪生模型进行管理；孪生数据管理模块用于对产品装配进度数据、装配精度数据、检验数据、设备运行参数、照片、视频等数据进行集成管理的模块。

综上所述，本发明提供的基于数字孪生的航天器装配过程管控方法及系统，实现了航天器产品装配数字孪生模型及装配车间数字孪生模型构建、数据物联采集与虚实融合、航天器装配过程实时管控与分析预测，能有效解决传统管控方式实时性和准确性较低、采集数据难以与模型有效融合、难以进行装配过程监控和预测等问题，从而提升航天器装配过程数字化管控能力，提高产品装配效率，保证产品质量。

本领域技术人员知道，除了以纯计算机可读程序代码方式实现本发明提供的系统及其各个装置、模块、单元以外，完全可以通过将方法步骤进行逻辑编程来使得本发明提供的系统及其各个装置、模块、单元以逻辑门、开关、专用集成电路、可编程逻辑控制器以及嵌入式微控制器等的形式来实现相同功能。所以，本发明提供的系统及其各项装置、模块、单元可以被认为是一种硬件部件，而对其内包括的用于实现各种功能的装置、模块、单元也可以视为硬件部件内的结构；也可以将用于实现各种功能的装置、模块、单元视为既可以是实现方法的软件模块又可以是硬件部件内的结构。

以上对本发明的具体实施例进行了描述。需要理解的是，本发明并不局限于上述特定实施方式，本领域技术人员可以在权利要求的范围内做出各种变化或修改，这并不影响本发明的实质内容。在不冲突的情况下，本申请的实施例和实施例中的特征可以任意相互组合。