源自：計算機集成制造系統(tǒng)

作者：陶飛? 張賀? 戚慶林? 徐 俊? 孫錚? 胡天亮? 劉曉軍? 劉庭煜? 關俊濤? 陳暢宇? 孟凡偉? 張辰源? 李志遠? 魏永利? 朱銘浩? 肖斌

摘 要

數(shù)字孿生作為實現(xiàn)數(shù)字化轉型和促進智能化升級的重要使能途徑，一直備受各行各業(yè)關注，已從理論研究走向了實際應用階段。數(shù)字孿生是以多維虛擬模型和融合數(shù)據(jù)雙驅動，通過虛實閉環(huán)交互，來實現(xiàn)監(jiān)控、仿真、預測、優(yōu)化等實際功能服務和應用需求，其中數(shù)字孿生模型構建是實現(xiàn)數(shù)字孿生落地應用的前提。針對如何構建數(shù)字孿生模型問題，首先提出了數(shù)字孿生模型“四化四可八用”構建準則?；谒岢龅臉嫿蕜t，從“建—組—融—驗—?！堋?個方面探索建立了一套數(shù)字孿生模型構建理論體系。并基于所提出的數(shù)字孿生模型構建準則和理論體系，結合筆者團隊承擔的國家重點研發(fā)計劃項目“基于數(shù)字孿生的智能生產過程精確建模理論與方法”，以數(shù)字孿生車間為例，從車間要素實體建模、生產過程動態(tài)建模、生產系統(tǒng)仿真建模3個方面對數(shù)字孿生車間模型構建理論與技術開展了研究和實踐。相關工作期望能為數(shù)字孿生構建和進一步落地應用提供理論參考。

關鍵詞

數(shù)字孿生；智能制造；數(shù)字孿生車間；建模；構建準則；理論體系

1 從模型到數(shù)字孿生

模型是生產制造活動中的重要要素，在不同歷史階段和不同技術背景下，呈現(xiàn)出不同形式，發(fā)揮了不同作用。人類從青銅時代就開始借助“模型”制造青銅器。例如我國在商周時代鑄造青銅器采用的“塊范法”和“失蠟法”即是以模型為基礎的?！皦K范法”和“失蠟法”首先選用陶、木、竹、骨、石、蠟等材料制成青銅器的“實物模型”，然后再在該模型的基礎上做成鑄型，通過向型腔內澆鑄銅液，凝固冷卻后得到青銅鑄器。類似地，清朝負責皇室建筑(如宮殿、皇陵、園林等)的樣式雷家族利用建筑的“燙樣”(即“實物模型”)將設計方案變成立體的微縮景觀，從而可提前了解建筑效果，進而指導實際建造。這些在實際建筑動工之前按1/100或1/200 比例先制作的“燙樣”不僅在外觀上展示了建筑的樣貌，而且體現(xiàn)了建筑的臺基、瓦頂、柱枋、門窗等詳細內部結構。此外，實際物理對象的“實物模型”除了能輔助生產制造外，還能夠替代其原型的部分功能。例如，著名的秦始皇陵兵馬俑就是代替了活人為秦始皇陪葬。為真實再現(xiàn)秦軍士兵精神面貌，這些兵俑被工匠們用高超技藝表現(xiàn)地十分逼真，臉型、眼睛、表情、年齡等各不相同又活靈活現(xiàn)。另外，三國時代諸葛亮為給蜀漢十萬大軍運輸糧食而發(fā)明的運輸工具“木牛流馬”具備了真實牛馬的功能和作用，從而代替了真實的牛馬進行糧食運輸。

上述“實物模型”可實現(xiàn)對應的物理對象或功能的復制，但這類模型存在一定程度的時空局限。如在時間尺度上，實物模型主要以靜態(tài)再現(xiàn)外觀或結構為主，不能充分體現(xiàn)物理對象隨時間的變化特性；在空間尺度上，針對大場景的(如整座城市、整個園區(qū))、內部結構復雜的(如發(fā)動機)物理對象，這類實物模型難以完整刻畫。隨著計算機、信息、網(wǎng)絡通信等技術的成熟和普及使用，人們可以利用數(shù)字化技術突破時空局限，建立物理對象的“數(shù)字化模型”，從而解決上述問題。如利用計算機圖形學技術、虛擬現(xiàn)實及增強現(xiàn)實技術已實現(xiàn)了在虛擬世界中創(chuàng)建數(shù)字化圓明園(即圓明園的數(shù)字化模型)，從而再現(xiàn)了圓明園的歷史原貌。另外，采用全息影像技術，復活已故歌手在舞臺上的演唱表演，觀眾不僅可以看到和歌手外貌一樣的數(shù)字化虛擬歌手，還可以聽到和歌手一模一樣的歌聲，實現(xiàn)了對已故人物的虛擬復活。

無論是上述的輔助制造和進行部分功能替代的“實物模型”，還是進行數(shù)字化展示的“數(shù)字化模型”，對物理對象在多維多時空尺度上的刻畫還不夠；此外其工作或運行過程都相對獨立，缺乏與對應物理對象的動態(tài)交互。隨著新一代信息技術的進一步發(fā)展和深入落地應用，人們日益提升的工業(yè)和生活實際需求對模型提出了能夠與物理對象進行交互的要求。人們想知道物理世界不同尺度的時空有什么，正在發(fā)生什么，未來會發(fā)生什么？從而預測可能出現(xiàn)的問題并制定相應的措施。數(shù)字孿生在此背景下應運而生，并引起了深刻的產業(yè)變革[1]。物理實體及其對應的虛擬模型、數(shù)據(jù)、連接和服務是數(shù)字孿生的核心組成部分[2]。通過多維虛擬模型和融合數(shù)據(jù)雙驅動，以及物理對象和虛擬模型的交互，數(shù)字孿生能夠描述物理對象的多維屬性，刻畫物理對象的實際行為和狀態(tài)，分析物理對象的未來發(fā)展趨勢，從而實現(xiàn)對物理對象的監(jiān)控、仿真、預測、優(yōu)化等實際功能服務和應用需求[3]，并在一定程度達到物理對象與虛擬模型的共生[4]。

模型是數(shù)字孿生的重要組成部分，是實現(xiàn)數(shù)字孿生功能的重要前提。但如何構建數(shù)字孿生模型當前缺少通用準則和理論體系來參考和指導。針對這一問題，基于前期相關工作基礎，本文研究提出了一套數(shù)字孿生模型構建準則和理論體系?；谒岢龅臄?shù)字孿生模型構建準則和理論體系，結合團隊承擔的國家重點研發(fā)計劃項目“基于數(shù)字孿生的智能生產過程精確建模理論與方法”，以數(shù)字孿生車間為對象[5]，在車間建模研究現(xiàn)狀分析的基礎上，從數(shù)字孿生車間實體要素建模、數(shù)據(jù)驅動的生產過程動態(tài)建模、生產系統(tǒng)仿真建模等方面對數(shù)字孿生車間模型構建方法和理論進行探討。最后，以新能源汽車動力電池生產車間為例對本文提出的相關理論與方法進行了初步驗證。

2 數(shù)字孿生模型構建準則

筆者團隊前期提出了數(shù)字孿生五維模型，包括物理實體、虛擬模型、服務、孿生數(shù)據(jù)以及它們之間的連接交互[5]。本文所研究的數(shù)字孿生模型是指數(shù)字孿生五維模型中的虛擬模型部分，其主要功能是對物理實體或復雜系統(tǒng)全要素進行多維、多時空尺度和多領域描述與刻畫。為使數(shù)字孿生模型構建過程有據(jù)可依，本文提出了一套數(shù)字孿生模型“四化四可八用”構建準則，如圖1所示。該準則以滿足實際業(yè)務需求和解決具體問題為導向，以“八用”(可用、通用、速用、易用、聯(lián)用、合用、活用、好用)為目標，提出數(shù)字孿生模型 “四化”(精準化、標準化、輕量化、可視化)的要求，以及在其運行和操作過程中的“四可”(可交互、可融合、可重構、可進化)需求。

(1)精準化

數(shù)字孿生模型精準化是指模型既能對物理實體或系統(tǒng)進行準確的靜態(tài)刻畫和描述，又能隨時間的變化使模型的動態(tài)輸出結果與實際或預期相符。數(shù)字孿生建模的精準化準則，是為了保證構建的數(shù)字孿生模型精確、準確、可信、可用，從而滿足數(shù)字孿生模型的有效性需求。精準的數(shù)字孿生模型是數(shù)字孿生正確發(fā)揮功能的重要前提。以數(shù)字孿生車間為例，精準的數(shù)字孿生模型能夠在構建數(shù)字孿生車間的過程中從根本上阻止模型誤差的傳遞與積累，從而在數(shù)字孿生車間運行的過程中有效避免因模型誤差迭代放大造成的嚴重問題。

(2)標準化

數(shù)字孿生模型標準化是指在模型定義、編碼策略、開發(fā)流程、數(shù)據(jù)接口、通信協(xié)議、解算方法、模型服務化封裝及使用等方面進行規(guī)范統(tǒng)一。數(shù)字孿生建模的標準化準則，是為了通過保證模型集成、模型數(shù)據(jù)交換、模型信息識別和模型維護上的一致性，實現(xiàn)面向不同行業(yè)、不同領域的不同要素對象構建的數(shù)字孿生模型易解析、可復用，且相互兼容，從而在保證數(shù)字孿生模型有效性的基礎上，進一步滿足其通用性需求。以數(shù)字孿生車間為例，標準的數(shù)字孿生模型不僅可以在面向不同物理車間建模時減少冗余模型和異構模型的產生，還能夠顯著降低數(shù)字孿生車間模型統(tǒng)一集成管理的難度。

(3)輕量化

數(shù)字孿生模型輕量化是指在滿足主要信息無損、模型精度、使用功能等前提下，使模型在幾何描述、承載信息、構建邏輯等方面實現(xiàn)精簡。數(shù)字孿生建模的輕量化準則，是為了在數(shù)字孿生模型可用、通用的基礎上，通過數(shù)字孿生模型速用，進一步滿足針對復雜系統(tǒng)的數(shù)字孿生建模和模型運行的高效性需求。以數(shù)字孿生車間為例，輕量的數(shù)字孿生模型基于相對少的參數(shù)和變量實現(xiàn)對物理車間的逼真描述，不僅有利于數(shù)字孿生車間的快速建模，還能有效減少數(shù)字孿生模型參數(shù)傳輸時間、加快數(shù)字孿生模型運行速度，進而提高數(shù)字孿生車間基于在線仿真的決策時效性。

(4)可視化

數(shù)字孿生模型可視化是指數(shù)字孿生模型在構建、使用、管理的過程中能夠以直觀、可見的形式呈現(xiàn)給用戶，方便用戶與模型進行深度交互。數(shù)字孿生建模的可視化準則，是為了使構建得到的精準的、標準的、輕量的數(shù)字孿生模型更易讀、更易用，滿足數(shù)字孿生模型的直觀性需求。以數(shù)字孿生車間為例，數(shù)字孿生車間模型由多要素、多維度、多領域、多尺度模型組裝融合而成，可視化的數(shù)字孿生模型能夠以生動、形象的方式展示數(shù)字孿生車間模型的結構、演化過程、參數(shù)細節(jié)和其子模型間的耦合關系，從而有效支持模型的高效分析以及數(shù)字孿生車間的可視化運維管控。

(5)可交互

數(shù)字孿生模型可交互是指不同模型之間以及模型與其他要素之間能夠通過兼容的接口互相交換數(shù)據(jù)和指令，實現(xiàn)基于實體—模型—數(shù)據(jù)聯(lián)用的模型協(xié)同。數(shù)字孿生建模的可交互準則，是為了消除系統(tǒng)內離散分布的信息孤島，滿足針對復雜系統(tǒng)建模的連通性需求。以數(shù)字孿生車間為例，數(shù)字孿生車間模型與物理車間中的要素實體可交互，能夠有效連通物理車間和虛擬車間，實現(xiàn)虛實互控和同步映射；在此基礎上，數(shù)字孿生模型之間可交互，能夠有效連通整個數(shù)字孿生車間，通過模型參數(shù)共享和知識互補實現(xiàn)模型協(xié)同；同時，數(shù)字孿生模型與孿生數(shù)據(jù)可交互，還能夠實現(xiàn)模型運行需求導向的數(shù)據(jù)高效采傳以及數(shù)據(jù)驅動的模型參數(shù)自更新。

(6)可融合

數(shù)字孿生模型可融合是指多個或多種數(shù)字孿生模型能夠基于關聯(lián)關系整合成一個整體，即機理模型、模型數(shù)據(jù)、數(shù)據(jù)特征和基于模型的決策能夠實現(xiàn)有效融合。數(shù)字孿生建模的可融合準則，是為了更全面、更透徹、更客觀地分析和描述復雜系統(tǒng)，在系統(tǒng)連通的前提下滿足針對復雜系統(tǒng)建模的整體性需求。以數(shù)字孿生車間為例，通過多維模型融合、多個模型合用、多類模型關聯(lián)以及多級模型協(xié)同，能夠將數(shù)字孿生車間表征為一個統(tǒng)一的整體，從而在其運行過程中產生和積累虛實多尺度融合數(shù)據(jù)，實現(xiàn)基于融合模型和融合數(shù)據(jù)的全局決策和優(yōu)化，助力數(shù)字孿生車間更安全、更高效的運行。

(7)可重構

數(shù)字孿生模型可重構是指模型能夠面對不同的應用環(huán)境，通過靈活改變自身結構、參數(shù)配置以及與其它模型的關聯(lián)關系快速滿足新的應用需求。數(shù)字孿生建模的可重構準則，是為了避免組裝融合后的數(shù)字孿生模型難以適應動態(tài)變化的環(huán)境，以模型活用的方式滿足復雜系統(tǒng)模型的靈活性需求。以數(shù)字孿生車間為例，企業(yè)在使用數(shù)字孿生車間進行生產作業(yè)時，需要考慮生產設備更替、工藝路線變化、生產技術改良、車間產能提升、新型產品投產等客觀需求，以及設備故障、人員疲勞、環(huán)境波動等不確定性事件，數(shù)字孿生模型可重構賦予數(shù)字孿生車間可拓展、可配置、可調度的能力，提高了數(shù)字孿生車間的靈活性，滿足企業(yè)面向動態(tài)市場提高自身競爭力的迫切需求。

(8)可進化

數(shù)字孿生模型可進化是指模型能夠隨著物理實體或系統(tǒng)的變化進行模型功能的更新、演化，并隨著時間的推移進行持續(xù)的性能優(yōu)化。數(shù)字孿生建模的可進化準則，是為了在上述準則的基礎上，基于模型的全生命周期靜態(tài)數(shù)據(jù)和模型運行過程動態(tài)數(shù)據(jù)，實現(xiàn)模型的自修正、自優(yōu)化，讓原始模型越來越好用，進而滿足設備及復雜系統(tǒng)對智能性的需求。以數(shù)字孿生車間為例，數(shù)字孿生車間在運行過程中會產生并積累大量實時孿生數(shù)據(jù)，在虛擬車間中基于真實數(shù)據(jù)進行迭代計算將使模型可跟隨物理車間變化進行迭代更新，并使得數(shù)字孿生車間獲得不斷優(yōu)化的決策能力和評估能力，同時，基于有效數(shù)據(jù)的知識挖掘和知識積累，能夠不斷提升數(shù)字孿生車間的智能化程度。

3 數(shù)字孿生模型構建理論體系

數(shù)字孿生模型是現(xiàn)實世界實體或系統(tǒng)的數(shù)字化表現(xiàn)，可用于理解、預測、優(yōu)化和控制真實實體或系統(tǒng)，因此，數(shù)字孿生模型的構建是實現(xiàn)模型驅動的基礎。數(shù)字孿生模型構建是在數(shù)字空間實現(xiàn)物理實體及過程的屬性、方法、行為等特性的數(shù)字化建模。模型構建可以是“幾何—物理—行為—規(guī)則”多維度的，也可以是“機械—電氣—液壓”多領域的。從工作粒度或層級來看，數(shù)字孿生模型不僅是基礎單元模型建模，還需從空間維度上通過模型組裝實現(xiàn)更復雜對象模型的構建，從多領域多學科角度模型融合以實現(xiàn)復雜物理對象各領域特征的全面刻畫。為保證數(shù)字孿生模型的正確有效，需對構建以及組裝或融合后的模型進行驗證來檢驗模型描述以及刻畫物理對象的狀態(tài)或特征是否正確。若模型驗證結果不滿足需求，則需通過模型校正使模型更加逼近物理對象的實際運行或使用狀態(tài)，保證模型的精確度。此外，為便于數(shù)字孿生模型的增、刪、改、查和用戶使用等操作以及模型驗證或校正信息的使用，模型管理也是必要的。因此，本文提出了一套包括模型構建、模型組裝、模型融合、模型驗證、模型修正、模型管理在內的數(shù)字孿生模型構建理論體系，如圖2所示。

3.1???建：模型構建

模型構建是指針對物理對象，構建其基本單元的模型，可從多領域模型構建以及“幾何—物理—行為—規(guī)則”多維模型構建兩方面進行數(shù)字孿生模型的構建?！皫缀巍锢怼袨椤?guī)則”模型可刻畫物理對象的幾何特征、物理特性、行為耦合關系以及演化規(guī)律等；多領域模型通過分別構建物理對象涉及的各領域模型，從而全面地刻畫物理對象的熱學、力學等各領域特征。通過多維度模型構建和多領域模型構建，實現(xiàn)對數(shù)字孿生模型的精準構建。理想情況下，數(shù)字孿生模型應涵蓋多維度和多領域模型，從而實現(xiàn)對物理對象的全面真實刻畫與描述。但從應用角度出發(fā)，數(shù)字孿生模型不一定需要覆蓋所有維度和領域，此時可根據(jù)實際需求與實際對象進行調整，即構建部分領域和部分維度的模型[6]。

3.2???組：模型組裝

當模型構建對象相對復雜時，需解決如何從簡單模型到復雜模型的難題。數(shù)字孿生模型組裝是從空間維度上實現(xiàn)數(shù)字孿生模型從單元級模型到系統(tǒng)級模型再到復雜系統(tǒng)級模型的過程。數(shù)字孿生模型組裝的實現(xiàn)主要包括以下步驟：首先，需構建模型的層級關系并明確模型的組裝順序，以避免出現(xiàn)難以組裝的情況；其次，在組裝過程中需要添加合適的空間約束條件，不同層級的模型需關注和添加的空間約束關系存在一定的差異，例如從零件到部件到設備的模型組裝過程，需構建與添加零部件之間的角度約束、接觸約束、偏移約束等約束關系，從設備到產線到車間的模型組裝過程，則需要構建與添加設備之間的空間布局關系以及生產線之間空間約束關系；最后，基于構建的約束關系與模型組裝順序實現(xiàn)模型的組裝。

3.3??融：模型融合

模型融合是針對一些系統(tǒng)級或復雜系統(tǒng)級孿生模型構建，空間維度的模型組裝不能滿足物理對象的刻畫需求，還需進一步進行模型的融合，即實現(xiàn)不同學科不同領域模型之間的融合。為實現(xiàn)模型間的融合，需構建模型之間耦合關系以及明確不同領域模型之間單向或雙向的耦合方式。針對不同對象，其模型融合關注的領域也存在一定的差異。以車間的數(shù)控機床為例，數(shù)控機床涉及液壓系統(tǒng)、電氣系統(tǒng)、機械系統(tǒng)等多個子系統(tǒng)，不同系統(tǒng)之間存在著耦合關系，因此要實現(xiàn)數(shù)控機床數(shù)字孿生模型的構建，要將機—電—液多領域模型進行融合。

3.4???驗：模型驗證

在模型構建、組裝或融合后，需對模型進行驗證以確保模型的正確性和有效性。模型驗證是針對不同需求，檢驗模型的輸出與物理對象的輸出是否一致。為保證所構建模型的精準性，單元級模型在構建后首先被驗證，以保證基本單元模型的有效性。此外，由于模型在組裝或融合過程中可能引入新的誤差，導致組裝或融合后的模型不夠精準。因此為保證數(shù)字孿生組裝與融合后的模型對物理對象的準確刻畫能力，需在保證基本單元模型為高保真的基礎上，對組裝或融合后的模型進行進一步的模型驗證。若模型驗證結果滿足需求，則可將模型進行進一步的應用。若模型驗證結果不能滿足需求，則需進行模型校正。模型驗證與校正是一個迭代的過程，即校正后的模型需重新進行驗證，直至滿足使用或應用的需求。

3.5???校：模型校正

模型校正是指模型驗證中驗證結果與物理對象存在一定偏差，不能滿足需求時，需對模型參數(shù)進行校正，使模型更加逼近物理對象的實際狀態(tài)或特征。模型校正主要包括兩個步驟：(1)模型校正參數(shù)的選擇，合理的校正參數(shù)選擇，是有效提高校正效率的重要因素之一。參數(shù)的選擇主要遵循以下原則：①選擇的校正參數(shù)與目標性能參數(shù)需具備較強的關聯(lián)關系；②校正參數(shù)個數(shù)選擇應適當；③校正參數(shù)的上下限設定需合理。不同校正參數(shù)的組合對模型校正過程會產生一定影響。(2)對所選擇的參數(shù)校正。在確定校正參數(shù)后，需合理構建目標函數(shù)，目標函數(shù)即校正后的模型輸出結果與物理結果盡可能地接近，基于目標函數(shù)選擇合適方法以實現(xiàn)模型參數(shù)的迭代校正。通過模型校正可保證模型的精確度，并能夠更好地適應于不同應用需求、條件和場景。

3.6???管：模型管理

模型管理是指在實現(xiàn)了模型組裝融合以及驗證與修正的基礎上，通過合理分類存儲與管理數(shù)字孿生模型及相關信息為用戶提供便捷服務。為提供用戶快捷查找、構建、使用數(shù)字孿生模型的服務，模型管理需具備多維模型/多領域模型管理、模型知識庫管理、多維可視化展示、運行操作等功能，支持模型預覽、過濾、搜索等操作；為支持用戶快速地將模型應用于不同場景，需對模型在驗證以及校正過程中產生的數(shù)據(jù)進行管理，具體包括驗證對象、驗證特征、驗證結果等驗證信息以及校正對象、校正參數(shù)、校正結果等校正信息，這些信息將有助于模型應用于不同場景以及指導后續(xù)相關模型的構建。

模型構建、模型組裝、模型融合、模型驗證、模型校正、模型管理是數(shù)字孿生模型構建體系的6大組成部分，但在數(shù)字孿生模型的實際構建過程中，可能不需要全部包含這6個過程，需根據(jù)實際應用需求進行相應調整。例如，為可視化某零件則不必進行模型的組裝與融合。

4? 數(shù)字孿生車間模型構建

4.1???車間建模研究現(xiàn)狀

車間作為企業(yè)生產的基本單元，其高效運行管理是提質增效的重要保障。為實現(xiàn)車間布局優(yōu)化、工藝流程優(yōu)化設計、智能決策與調度等，諸多學者開展了車間虛擬模型構建的相關研究。當前車間建模研究主要從以下3個方面展開：(1)描述車間是什么——即對車間中的“人—機—物—環(huán)境”等生產要素進行建模；(2)刻畫車間正在做什么——即對車間生產過程進行實時動態(tài)建模；(3)預測車間將會發(fā)生什么——即對車間生產系統(tǒng)進行仿真建模，具體總結分析如下：

4.2???數(shù)字孿生車間模型精準構建理論與技術體系

針對車間模型構建過程中存在的要素模型不完備、過程數(shù)據(jù)未融合、生產系統(tǒng)仿真不精準等問題，依據(jù)本文提出的數(shù)字孿生模型“四化四可八用”構建原則，在作者團隊前期數(shù)字孿生車間關鍵技術[4]和數(shù)字孿生使能技術[42]研究工作基礎上，本文進一步研究提出了數(shù)字孿生車間模型精準構建理論與技術體系。

如圖3所示，該理論與技術體系由生產要素實體建模、生產過程動態(tài)建模和生產系統(tǒng)仿真建模3部分組成。生產要素實體建模包括車間要素多維多領域模型構建理論及相關技術(如知識圖譜技術、三維掃描建模技術、有限元技術等)、多層級要素模型組裝理論及相關技術、多維模型融合理論及相關技術、要素模型驗證理論與技術、要素模型校正理論及技術以及模型管理技術；生產過程動態(tài)建模包括邊云協(xié)同數(shù)據(jù)采集理論及相關技術(如邊緣計算技術、5G傳輸技術等)、車間過程模型構建相關技術以及生產過程模型自迭代相關理論與技術；生產系統(tǒng)仿真建模技術包括約束條件構建相關技術、生產系統(tǒng)仿真模型構建與更新相關技術以及生產系統(tǒng)仿真模型降階與求解相關理論與技術(如多智能體技術、Krylov子空間投影技術等)。這些理論與技術共同支撐與保證車間數(shù)字孿生模型構建的準確性。

4.3???數(shù)字孿生車間全要素實體建模

針對如何構建覆蓋車間全要素、多維度、多尺度的精準數(shù)字孿生實體模型，實現(xiàn)對生產要素的精準刻畫，從全要素多領域/多維度數(shù)字孿生模型構建、多尺度孿生模型組裝與融合、數(shù)字孿生模型虛實一致性驗證三方面闡述解決方法或流程，如圖4所示。

?4.3.1???車間全要素多領域/多維度數(shù)字孿生模型構建

本文提出了一種新型的硅基SPAD器件結構，該結構除了在深N阱與P-外延層之間形成一個主雪崩區(qū)外還在深N阱內形成兩個對稱的次雪崩環(huán)區(qū)。主雪崩區(qū)深度較深且面積較大，可以提高對近紅外短波光子的探測效率；兩個對稱的次雪崩環(huán)區(qū)在深N阱中覆蓋范圍廣，可以拓展器件的光子響應波段。TCAD仿真結果表明與傳統(tǒng)P+/Nwell結構相比，新型SPAD器件結構在850nm的光子探測效率提高了5倍，在300nm-1000nm寬光譜范圍內均獲得了較高的光子探測效率。此外，該器件的暗計數(shù)率受BTBT效應影響小，20℃以下獲得了更低的DCR，大大提高了器件的整體性能。

車間全要素多領域/多維度數(shù)字孿生模型構建包括機/電/液多領域基礎模型構建以及“幾何—物理—行為—規(guī)則”多維孿生模型構建兩方面。(1)在多維模型構建方面，針對幾何維度，依據(jù)產品設計幾何特征參數(shù)等信息，構建覆蓋設備異構要素可擴展的幾何模型；針對物理維度，依據(jù)設備的材料屬性、物理參數(shù)等物理特性構建物理模型；針對行為維度，基于各零部件間的行為耦合關系，構建刻畫設備行為特征的行為及響應模型；針對規(guī)則維度，基于XML 語言描述設備運行及演化規(guī)律的規(guī)則及邏輯模型，形成覆蓋“幾何—物理—行為—規(guī)則”多維特征的數(shù)字孿生基礎模型[5]。(2)在多領域模型構建方面，首先分析車間設備所包含的領域及相關機理，利用Modelica(多領域統(tǒng)一建模語言)對機/電/液等多領域的元模型進行數(shù)學方程化表示，從而形成面向機/電/液多領域的組件、場景、工藝、過程模型。生產要素多維度模型和多領域模型為進一步模型組裝與融合形成生產系統(tǒng)數(shù)字孿生模型提供模型基礎。

?4.3.2???車間全要素多尺度孿生模型組裝與融合

由θ的先驗分布可知顯然關于{Wt，t≥0}是鞅，關于{Bt，t≥0}。且在T有界時，依據(jù)等距[14]可知是平方可積鞅，有同理，是平方可積鞅，且由文獻[15]及大數(shù)定律可得

車間過程是動態(tài)變化的，因此生產過程模型需根據(jù)生產實際運行情況進行迭代更新。生產過程模型動態(tài)迭代更新包括車間模型動態(tài)自感知和車間模型動態(tài)自迭代兩個過程。

據(jù)說，如果孩子回家對父母說喜歡某門功課的老師，那家長幾乎不用擔心孩子學不好這門功課。我想我是幸運的，無論中學、大學，我都尊敬、喜愛我的數(shù)學老師。盡管如今我?guī)缀醢褦?shù)學課忘得一干二凈，但我深信，在生活和工作中，數(shù)學一定給過我無言的啟示。我也懷念校園、課堂，想念曾激勵我求學上進、給我授業(yè)解惑的老師們。

構建的生產要素模型以及生產系統(tǒng)模型需進行虛實一致性驗證，從而保證模型的有效、正確以及精確性。針對生產要素數(shù)字孿生模型，從幾何—物理—行為—規(guī)則四個維度進行數(shù)字孿生模型虛實一致性驗證。針對幾何模型，在分析幾何模型的幾何特征與拓撲結構關系基礎上確定驗證的幾何特征，通過測點數(shù)選擇、測量布局、測量路徑規(guī)劃得到關鍵幾何特征的測量結果，進而得到包含公差值、特征評價名稱以及一致程度等信息的幾何模型驗證結果；針對物理模型，從制造單元的數(shù)據(jù)源或傳感器中識別機電組件的錨點，基于錨點變化的對比分析得到物理模型的驗證結果；針對行為模型，構建反映行為時序特征的時序圖和行為響應特征的狀態(tài)圖，并采用形式化驗證方法，從而得到行為模型的驗證結果；針對規(guī)則模型，利用基于數(shù)據(jù)激勵的模型驗證方法，通過對比規(guī)則模型的驅動響應和實際響應，得到規(guī)則模型的驗證結果。針對四個維度的驗證結果，基于層次分析法構建生產要素數(shù)字孿生模型的綜合驗證結果。針對生產系統(tǒng)數(shù)字孿生模型，首先確定數(shù)字孿生生產系統(tǒng)模型需一致性驗證的特征，根據(jù)待驗證特征進行需求設計，基于生產系統(tǒng)數(shù)字孿生模型進行模擬、驗證或預測，與物理實驗實測結果進行對比分析，得到對于生產系統(tǒng)數(shù)字孿生模型的一致性驗證結果。若結果不一致，需對組裝與融合后的模型進行分解與再驗證，直到確定模型的問題所在，并對其進行參數(shù)修正。

為進一步調整優(yōu)化生產過程模型，需在模型自感知的基礎上進一步實現(xiàn)模型自迭代。①在構建車間要素—產線映射狀態(tài)的映射模型基礎上，基于自編碼器、生成對抗網(wǎng)絡的生成式建模方法，構建以車間映射狀態(tài)特征為輸入、車間要素數(shù)據(jù)為輸出的數(shù)字孿生逆模型；②基于逆模型，通過改變車間狀態(tài)特征輸入，觀察與分析車間要素數(shù)據(jù)的變化，挖掘車間狀態(tài)特征對車間要素數(shù)據(jù)的影響規(guī)律以及車間狀態(tài)特征之間的耦合關系，實現(xiàn)對映射模型中映射機理的分析；③根據(jù)車間狀態(tài)特征的實時變化規(guī)律和其對車間要素的影響程度，動態(tài)更新調整狀態(tài)映射模型中對應的特征權值，同時也可以根據(jù)車間狀態(tài)特征之間耦合關系調整特征提取層的結構和連接方式，從而實現(xiàn)數(shù)據(jù)驅動的車間模型動態(tài)自迭代。

4.3.3???數(shù)字孿生模型虛實一致性驗證

(1)在車間要素模型方面，基于構建的幾何模型、工藝數(shù)據(jù)模型、運動模型、規(guī)則約束模型等組裝融合形成了涂布機、烘箱等車間設備虛擬模型，以及焊接、注液、封裝等生產線模型，各生產線模型進一步組裝與融合構成新能源汽車動力電池生產數(shù)字孿生車間模型。這些模型從幾何、行為、規(guī)則等多個維度，以及單元級、系統(tǒng)級、復雜系統(tǒng)級等多個粒度對物理車間進行描述。

(2)生產過程動態(tài)建模 車間數(shù)據(jù)是支持車間動態(tài)建模的重要驅動。為實現(xiàn)生產過程動態(tài)建模，首先要解決數(shù)據(jù)來源即數(shù)據(jù)采集的問題。1)在數(shù)據(jù)采集方面，車間數(shù)據(jù)具備多源異構的特點，傳統(tǒng)車間數(shù)據(jù)采集方式為人工采集，但這種數(shù)據(jù)采集方式效率低、準確率低、滯后時間長，不能滿足自動化、智能化的需求。隨后出現(xiàn)了利用條形碼[23]、RFID[24]、傳感器等方式進行數(shù)據(jù)采集，這些方式在數(shù)據(jù)采集效率方面有一定提升，但采集的數(shù)據(jù)存在信息孤島、異構數(shù)據(jù)融合難的問題。2)在生產過程數(shù)據(jù)建模方面，一些學者從時域[25]、頻域[26]以及時頻域[27,28]等角度進行了不同時間和空間尺度的特征提取，以發(fā)掘生產狀態(tài)特征與數(shù)據(jù)關聯(lián)關系并建立產線狀態(tài)動態(tài)映射模型，但是提取到的特征眾多，存在冗余，且不同特征與狀態(tài)的關聯(lián)性差異較大，因而難以構建準確的產線過程模型。3)在模型迭代更新方面，車間運行過程復雜多變、數(shù)據(jù)流大、實時性要求高，導致生產過程模型難以及時更新。以上數(shù)據(jù)異構多源且孤立、數(shù)據(jù)與生產過程映射機理不清等因素使得生產過程模型對動態(tài)生產過程刻畫不精準/不及時，導致生產決策時效性差。

(3)生產系統(tǒng)仿真建模 1)在仿真約束條件設置方面，當前仿真大多關注在工藝約束[29]、資源約束[30,31]、性能約束和時間約束[32]等固定約束層面，缺乏對動態(tài)異常事件可能帶來的被動約束的考慮，導致仿真過程模型對動態(tài)變化的生產運行環(huán)境適應性不足。2)在仿真方法方面，一類方法是基于機理模型進行仿真[33]，一類方法是基于數(shù)據(jù)模型進行仿真[34]，對于基于數(shù)據(jù)與機理模型之間融合的仿真方法研究不足[35]，需進一步開展數(shù)據(jù)和模型融合的仿真過程模型研究，以克服模型或數(shù)據(jù)單一驅動帶來的不足。3)在仿真模式方面，當前仿真大多是針對單個目的或功能，如車間布局仿真[36]、車間調度仿真[37,38]、車間物流仿真[39-41]，對全要素協(xié)同的全局仿真考慮不足，導致仿真結果的片面性。以上仿真約束條件考慮不全面、數(shù)據(jù)與模型融合不深入、仿真模式功能單一等因素導致仿真結果與實際過程差距較大，進而使得生產運行決策不夠精準。

4.4??孿生數(shù)據(jù)驅動的生產過程動態(tài)建模

針對如何基于實況數(shù)據(jù)挖掘數(shù)據(jù)特征，解決孿生數(shù)據(jù)驅動的生產過程狀態(tài)辨識與動態(tài)迭代建模難題，從基于生產過程多源數(shù)據(jù)感知、生產過程動態(tài)模型構建和生產過程模型動態(tài)迭代三方面闡述解決方法或流程，如圖5所示。

?4.4.1???生產過程異構多源數(shù)據(jù)感知

生產過程多源數(shù)據(jù)的感知是實現(xiàn)生產過程動態(tài)模型構建的基礎和前提，但車間產線設備類型復雜、通信標準多樣、數(shù)據(jù)來源眾多且呈現(xiàn)多源異構的特點，導致數(shù)據(jù)采集、管理困難且難以共享。本文構建云/霧/邊緣協(xié)同數(shù)據(jù)采集架構，實現(xiàn)對產線信息的高效感知與處理[43]。

云/霧/邊緣不同層級，其數(shù)據(jù)存儲、處理與分析能力存在一定的差異，充分利用不同層級之間的能力優(yōu)勢為生產過程多源數(shù)據(jù)感知提供保障。(1)在邊緣層，針對車間的人員、設備、物料、工藝、環(huán)境等數(shù)據(jù)，根據(jù)其數(shù)據(jù)類型、價值以及所遵循的傳輸協(xié)議，通過設備連接管理實現(xiàn)采集，將相同通信協(xié)議相同的設備置于同一數(shù)據(jù)采集裝置下，以便于批量處理，并對高維數(shù)據(jù)進行特征提取以降低數(shù)據(jù)傳輸量并提高傳輸速度，之后分別傳輸?shù)届F層后處理。(2)在霧層，將來自邊緣層遵循不同通信協(xié)議的數(shù)據(jù)通過信息模型分別轉換為符合OPC UA統(tǒng)一架構的格式并整合，服務器可以通過發(fā)布—訂閱的方式將數(shù)據(jù)傳輸?shù)皆贫?#xff0c;也可以通過C/S模式實現(xiàn)與客戶端的通信，進而實現(xiàn)數(shù)據(jù)的儲存或使用。(3)在云層，儲存來自霧層的數(shù)據(jù)，構建關系型數(shù)據(jù)庫，便于對數(shù)據(jù)進行管理與調用，并利用云端龐大的計算資源對產線狀態(tài)的映射模型進行訓練。此外，由于OPC UA統(tǒng)一機構支持“寫”功能，并結合方法調用，對數(shù)據(jù)與命令進行處理。云端不僅能夠獲取采集的數(shù)據(jù)與信息，還能夠將控制及修正指令直接下發(fā)到邊緣設備，以實現(xiàn)對設備的優(yōu)化控制，進而形成了云—霧—邊緣端的完整閉環(huán)。

?4.4.2???生產過程動態(tài)模型構建

在產品生產過程中，影響產品質量的因素眾多，且產線狀態(tài)相互耦合，因而難以構建較為準確的產線動態(tài)變化機理模型。提取數(shù)據(jù)特征、建立產線數(shù)據(jù)—生產過程狀態(tài)的映射關系、分析映射機理是車間數(shù)字孿生中生產過程動態(tài)建模的重點。

針對如何解析系統(tǒng)中要素、模型、數(shù)據(jù)間的約束和耦合關系，建立系統(tǒng)協(xié)同仿真模型，實現(xiàn)對生產過程的仿真分析與決策，從生產系統(tǒng)仿真約束條件構建、仿真模型構建以及仿真模型降階3個方面闡述具體的解決方法，如圖6所示。

數(shù)據(jù)的基本特征提取方法在時域中可提取最大值、最小值、平均值、方差、偏度等特征，在頻域中可提取平均頻率、均方根頻率、頻率標準差等特征。針對不用應用需求、應用場景、應用對象，生產過程動態(tài)模型構建過程與方法也存在一定的差異。(1)生產過程中設備的健康情況是影響產品的質量、產能以及安全等方面的重要因素。在產線設備健康狀態(tài)建模過程中可采集的設備加工過程切削力、電流等數(shù)據(jù)，根據(jù)自組織映射[44]長短時記憶網(wǎng)絡建立設備狀態(tài)的健康因子，實現(xiàn)數(shù)據(jù)與設備狀態(tài)之間的映射關系，同時設立失效閾值來估計此設備的剩余壽命，進而及時對設備進行預測性維護。(2)產品的生產是產線運行的根本目的，為提升復雜制造環(huán)境下零件質量檢測效率，可根據(jù)相關性分析對產線數(shù)據(jù)特征進行篩選，并利用二型模糊神經(jīng)網(wǎng)絡[45]、高斯過程回歸、主成分回歸等算法，建立信號特征與零件質量的映射關系，從而構建零件質量的模型，實現(xiàn)零件質量虛擬量測與質量特征的獲取。(3)為實現(xiàn)對能耗的評估與優(yōu)化，可根據(jù)設備的功能與加工機理，基于層次分析、機器學習等算法，建立車間能耗的數(shù)字孿生模型進行能耗感知、仿真與優(yōu)化。

?4.4.3???生產過程模型動態(tài)迭代

數(shù)字孿生模型關聯(lián)關系的合理分析與構建是實現(xiàn)模型組裝與融合的關鍵基礎和前提。從生產要素(零件—部件—設備)以及生產系統(tǒng)(設備—生產線—車間)兩個方面進行多尺度孿生模型組裝與融合。針對生產要素的空間維度，分析零部件模型間的垂直、平行、相切等空間關系。針對生產系統(tǒng)的空間維度，分析設備空間布局關系以及機械層面的聯(lián)接關系。通過空間關系的分析，建立可以真實刻畫生產要素和生產系統(tǒng)關系的多層結構樹，從而有效描述從單元級—系統(tǒng)級—復雜系統(tǒng)級的多尺度關系。

全要素多尺度數(shù)字孿生模型組裝與融合是將單元級模型(如設備)之間通過添加空間關系、約束關系等關聯(lián)關系組裝和融合成系統(tǒng)級數(shù)字孿生模型(如生產線)，系統(tǒng)級模型可根據(jù)需求再進一步組裝融合成復雜系統(tǒng)級模型(如制造車間)。首先基于分析得到的空間關系，將不同模型在同一個軟件環(huán)境下進行空間層面模型組裝。進而在已組裝的模型中添加其內在關聯(lián)關系，通過將動作時序關系、工藝約束關系、能量流、信息流、物料流等映射到模型中，使模型具備各領域知識。

(1)生產要素建模 1)在生產要素多維模型構建方面，當前針對數(shù)字孿生要素建模的研究或應用主要集中在幾何模型的構建以支持車間狀態(tài)的監(jiān)控[7]，包括利用三維軟件直接建模[8]、利用儀器設備測量方式建模[9,10]、利用視頻或圖像進行建模[11,12]等方法。但對車間的物理、行為、規(guī)則等多維度刻畫不足。2)在生產要素多時空尺度模型構建方面，在空間維度，當前建模大多關注關鍵零部件[13]、設備[14]或產線[15]等單一層級對象，缺乏從“單元級—系統(tǒng)級—復雜系統(tǒng)級”多層次角度對模型組裝與融合的系統(tǒng)研究。在時間維度，雖然有關于設計階段[16-18]、制造階段[19]以及運維階段[20,21]等不同階段的研究，但對貫穿全生命周期模型的研究還有待進一步深入。3)在生產要素模型一致性驗證方面，目前絕大多數(shù)采用設計特定實驗來進行模型的正確性驗證[22]，但設計的實驗驗證的結果并不能較全面地反映構建模型的準確性，因此當前車間要素建模需要規(guī)范的、統(tǒng)一的模型一致性驗證理論和方法，從而提升模型的精確性。綜上，車間要素建模缺乏多維模型精準構建、多時空尺度模型組裝與融合以及模型一致性驗證等問題的深入研究，導致了當前的生產要素模型不能夠精確刻畫生產要素的實際狀態(tài)，進而難以實現(xiàn)車間精準管控。

為實現(xiàn)生產過程模型的動態(tài)迭代，首先要能夠感知生產過程的動態(tài)變化，即實現(xiàn)自感知。①利用模型剪枝、知識蒸餾、強化學習等方法壓縮重構生產過程狀態(tài)的映射，在不損失過多映射關系準確度的基礎上降低映射復雜度，得到重構映射模型；②通過對重構映射模型的在線訓練得到車間實時感知模型，車間實時感知模型一方面保留了部分狀態(tài)映射模型的映射能力，另一方面在經(jīng)過產線實時數(shù)據(jù)訓練后包含了產線的動態(tài)因素；③將車間實時狀態(tài)感知模型與原始狀態(tài)映射模型進行基于結構交叉的模型融合，從而實現(xiàn)實時數(shù)據(jù)驅動的車間狀態(tài)映射模型動態(tài)自感知。

?4.5???模型和數(shù)據(jù)融合驅動的生產系統(tǒng)仿真建模

?4.5.1???生產系統(tǒng)仿真約束條件構建

生產系統(tǒng)仿真約束條件的合理設置，是生產系統(tǒng)仿真建模的基礎與前提。本節(jié)分別從生產要素多維模型和生產過程動態(tài)數(shù)據(jù)兩個維度，構建包含主動設定的約束條件和異常事件引發(fā)的約束條件兩類約束條件。

主動設定的約束條件是從生產要素的工藝特性、資源需求、運行性能角度出發(fā)，并考慮實際生產任務與目標，構建生產系統(tǒng)的工藝約束、資源約束、性能約束和時間約束等方面約束條件。異常事件引發(fā)的約束條件是由生產系統(tǒng)動態(tài)數(shù)據(jù)驅動的實時約束條件，其構建過程包括擾動類型特征庫構建、特征信息抽取與優(yōu)化、擾動識別。首先圍繞動態(tài)可變的生產環(huán)境，通過分析擾動事件類型及其表征，構建包含顯性擾動(例如急件到達、設備故障、交期變化、物料短缺、報廢返工、人員誤工等)以及隱形擾動(擾動例如工時波動、工件完工時間偏差、緩沖區(qū)工件數(shù)變化、入庫工件數(shù)變化等)的動態(tài)生產過程擾動的孿生動態(tài)事件類型特征庫；利用生產過程的動態(tài)數(shù)據(jù)，基于隱性馬爾可夫模型進行數(shù)據(jù)抽取，并將抽取結果通過D-S證據(jù)理論進行精簡優(yōu)化，得到優(yōu)化后的特征信息；使用卷積神經(jīng)網(wǎng)絡構建擾動類型特征庫中的擾動表征與產線擾動信息的關聯(lián)模型，通過訓練卷積神經(jīng)網(wǎng)絡實現(xiàn)對生產線隱性以及顯性擾動的識別，得到孿生動態(tài)事件，并構建異常事件引發(fā)的約束條件。

?4.5.2???生產系統(tǒng)仿真模型構建與更新

生產系統(tǒng)仿真模型的構建是基于車間要素多維多領域模型和生產過程動態(tài)數(shù)據(jù)。通過對車間要素模型進行配置形成以應用為導向的生產系統(tǒng)數(shù)字孿生模型，再基于生產過程動態(tài)數(shù)據(jù)對仿真模型進行約束施加、初始化和輸入設置，實現(xiàn)仿真模型的精確構建。

生產系統(tǒng)仿真模型構建具體構建流程包括以下3個步驟：(1)基于車間要素數(shù)字孿生模型，以應用需求分析為導向，根據(jù)工位之間、設備之間的協(xié)同交互關系，利用層次分析法自配置形成生產系統(tǒng)數(shù)字孿生模型。(2)添加主動設定的約束條件和異常事件引發(fā)的約束條件，形成生產系統(tǒng)仿真模型。(3)基于生產過程動態(tài)數(shù)據(jù)，對構建的生產系統(tǒng)仿真模型進行初始化設置，使仿真模型的初始狀態(tài)和實際生產保持一致。此外，在仿真求解開始前，通過分析生產過程動態(tài)數(shù)據(jù)，對仿真模型的輸入進行設置，得到仿真模型。由于生產線性能衰減、工況變化、生產任務調整等，一成不變的模型并不能滿足基于生產線數(shù)字孿生模型的應用，因此需通過感知數(shù)據(jù)對狀態(tài)變化程度進行量化，基于層次分析以及更新規(guī)則對模型進行性能狀態(tài)更新，最后將更新后的生產系統(tǒng)要素模型與任務狀態(tài)組合，獲取全局更新模型。

?4.5.3? ? ?生產系統(tǒng)仿真模型降階與求解

由于近年來外出務工人員收入大幅度增長，農村青壯勞動力普遍認為種菜不如打工、種菜缺乏保障，多外出務工。蔬菜產業(yè)是一個資金投入高、技術要求高、勞動強度大的產業(yè)，農村種菜的多為中老年人和婦女，學習和運用新技術的能力低，影響了種菜的產出和效益。加之，對農民的宣傳、培訓、引導工作不夠深入細致，觀念轉變慢，參與度不高，蔬菜產業(yè)發(fā)展仍然過多地依靠政府推動，農民的主體作用沒有得到充分發(fā)揮。

生產系統(tǒng)仿真模型涉及的數(shù)字孿生模型眾多且復雜，需要處理的生產過程數(shù)據(jù)種類繁多且數(shù)據(jù)量巨大，為了滿足生產系統(tǒng)仿真過程的精準高效實時仿真求解需求，需先對模型進行降階與優(yōu)化，再基于多智能體的分布式計算與分布式異構計算調度算法實現(xiàn)仿真求解。

對于本論文生產系統(tǒng)仿真模型降階，是指通過降低全要素仿真過程求解方程的階次，在最大限度提高求解效率的同時保真過程仿真模型的求解精度，進而獲取以應用需求服務為導向的高保真輕量化生產系統(tǒng)過程仿真模型。首先，以生產系統(tǒng)應用服務為導向，對此應用服務進行需求與特性分析，以應用服務特性及需求為評估準則，借助層次分析法獲取其時域最大誤差限；然后，利用時域最大誤差限的影響評價法和模型降階算法(Krylov子空間法、平衡階段等算法)進行自適應誤差限降階；最后，利用將其封裝得到的動態(tài)鏈接庫對生產系統(tǒng)全要素模型進行自主優(yōu)化降階處理，生成簡化的降階模型，并保留生產系統(tǒng)必要的行為特性及主導效應。對于降階后的生產系統(tǒng)仿真模型，通過將大型、復雜的制造資源分成若干個智能體，進行多智能體分布式協(xié)同求解的任務分解、分配和協(xié)作求解，實現(xiàn)動態(tài)多變環(huán)境下復雜問題的快速決策，并利用面向智能生產系統(tǒng)的分布式異構計算資源調度算法，實現(xiàn)對生產系統(tǒng)仿真模型的高效實時處理，為生產流程價值分析、生產設備故障預測、生產全周期決策等應用服務提供支持。

5 案例：新能源汽車動力電池生產數(shù)字孿生車間構建

動力電池是新能源汽車的關鍵組成部件，其制造工藝復雜，生產過程中各道工序的管控都會對電池質量產生影響。為了實現(xiàn)對動力電池生產過程的精準管控，作者團隊機械工業(yè)第六設計研究院有限公司結合某新能源汽車動力電池生產車間新建項目，應用新一代信息技術手段，構建了新能源汽車動力電池生產車間數(shù)字孿生模型，如圖7所示。

新能源汽車動力電池物理生產車間包括配料罐、涂布機、隧道爐、錕壓機、分條機、模切機、疊片機、提升機、封裝機等關鍵設備，主要功能是完成動力電池生產的配料、涂布、輥壓、分條、模切、疊片、焊接封裝等工藝。新能源汽車動力電池生產數(shù)字孿生車間構建包含以下3個方面：

• 通過單擊主界面中的“添加學生信息”按鈕，進入圖2所示inputDialog界面。InputDialog界面類是在Qt Creator開發(fā)環(huán)境中界面文件下通過添加繼承于QDialog類自動生成。在Qt中為了能實現(xiàn)事件處理及界面跳轉可以通過對控件的信號函數(shù)添加槽函數(shù)，當單擊圖1的“添加學生信息”按鈕時，發(fā)出一個click信號，再在click信號函數(shù)上添加on_inputButton_clicked()槽函數(shù)來實現(xiàn)從主界面到添加學生信息界面的跳轉。

• 在生產過程模型方面，車間孿生數(shù)據(jù)包括從物理車間采集的狀態(tài)數(shù)據(jù)、開關量數(shù)據(jù)、視頻圖像等以及車間SCADA、MES系統(tǒng)數(shù)據(jù)，如訂單信息、生產計劃、實際產量數(shù)據(jù)、質量檢測數(shù)據(jù)等?；趯@些數(shù)據(jù)的處理與融合，實現(xiàn)生產過程狀態(tài)的多維度分析與優(yōu)化。

• 在生產系統(tǒng)仿真模型方面，基于虛擬模型與孿生數(shù)據(jù)，構建了正極涂布工藝過程、負極涂布工藝過程等仿真模型。相關模型為對車間生產過程的可視化監(jiān)控、涂布工藝過程的仿真及從原料到成品的生產規(guī)劃等服務提供了重要的支持。

6 結束語

數(shù)字孿生模型構建是數(shù)字孿生功能實現(xiàn)的重要前提。為使數(shù)字孿生模型構建過程有據(jù)可依，本文研究提出了一套數(shù)字孿生模型“四化四可八用”構建準則，并基于所提出的數(shù)字孿生模型構建準則，探索構建了一套“建—組—融—驗—?！堋睌?shù)字孿生模型構建理論體系，并在數(shù)字孿生車間進行了實踐探索，相關工作以期為數(shù)字孿生模型的研究和在車間的落地應用起到參考推動作用。

本文僅用于學習交流，如有侵權，請聯(lián)系刪除 ！！

加V “人工智能技術與咨詢”? 了解更多資訊！！