航天 基于数字孪生的航天结构件制造车间建模研究( 二 )


【航天|基于数字孪生的航天结构件制造车间建模研究】
图1 基于数字孪生的车间建模框架

(1)物理层 。 对于制造车间来说 , 物理层主要指车间“人-机-物-环”等客观存在的实体集合 , 它负责执行车间的生产活动 , 并提供物理空间的数据 , 如设备数据、人员信息、环境数据等 。
(2)模型层 。 模型层是物理层的真实映射 , 产品、资源、工艺数字孪生模型都包含在模型层 。 整个模型层具有交互、计算和控制属性 , 各种模型相互关联、协作 , 对物理空间中进行的各类生产活动(如产品加工、物料搬运、AGV(automated guided vehicle)调度等)进行分析 。 对于单个制造车间来说 , 生产环境相对固定 , 因此数字孪生制造车间主要关注资源、工艺和产品3个方面 , 采用面向对象的方法 , 模型层可表示为如下公式(1) 。
其中:ML为模型层;Prod为产品数字孪生模型;Re为资源数字孪生模型;Proc为工艺数字孪生模型 。
资源数字孪生模型的描述方法为
其中:Re_Tyte为资源类型;Re_Name为资源名称;Re_Id为资源标识;Re_Loca为资源位置;Re_Para为资源参数;Re_Sta为资源状态;Re_Attr为资源属性;Re_Rela为资源关系集;Re_Other为资源其他特征 。

为区分不同的产品和工艺数字孪生模型 , 只需用名称(Name)和标识(Id)来描述产品和工艺模型 , 其他的详细参数信息可基于MBD(model based definition)技术定义在三维模型上 。
(3)信息层 。 信息层为车间的信息管理平台 , 物理层的底层数据 , 操作工人的经验(如某关键工序的操作方法) , 模型层的各类数据、模型、知识、规则都会传输到信息层 , 并存储到相应的数据库、模型库、规则库、知识库中 。 信息层中的规则和知识可作为系统层的决策参考直接使用 , 模型经过封装可被直接调用进行生产活动的仿真优化 。 信息层存储的数据具有海量、多样、高速、多源异构等大数据特征 , 依靠车间数据分析处理平台 , 数据会被分析、整理 , 作为车间系统层调控生产活动的决策依据 。 信息层是实现物理层和模型层融合互联的关键 , 同时信息层数据的共享机制可消除系统层各信息系统之间的通信壁垒 。
(4)系统层 。 在数宁孪生车间内 , 各信息系统不再相互独立 , 而是互联协作 , 实现产品全生命周期数字化管理 。 通过分析生产车间的实际需求 , 依靠信息层数据、模型、规则、知识的支撑 , 系统层进行物理层和模型层的运行调控 , 具体功能包括车间生产流程优化、设备效率分析、产品加工进度监控等 。
综上所述 , 基于数字孪生的航天结构件制造车间可以对产品、资源、工艺实现虚拟化和集成化的协同管理 , 打造一种新的车间生产模式 , 为车间生产人员和管理人员提供一种高效的决策方法和可靠的分析模式 。
2.航天结构件制造车间数字孪生空间定义
2.1 产品数字化定义

传统的航天结构件制造车间在产品没计阶段和制造阶段分别需要构建不同的模型 , 且数据管理主要集中在产品的没计阶段 , 多源模型无法实现数据的传递与共享 。 数字孪生强调产品全生命周期数据源的一致性 , 在产品设计阶段定义的模型向后续阶段延伸应用 , 保证数字孪生模型对产品描述的准确性 。
MBD技术的兴起为数字孪生提供了产品设计、制造与服务阶段的数宁化制造的信息载体 。 基于数字孪生的产品制造生命周期数字化定义方法如图2所示 。
图2 基于数字孪生的产品制造生命周期数字化定义
(1)产品设计阶段 。 对于航天结构件制造车间来说 , 新产品的开发很少 , 因此基于数字孪生的产品设计模式主要目的为已有产品的优化和工件检测效率的提高 。 根据产品设计性质和目的不同 , 将产品设计阶段细分为产品需求分析、产品概念设计和产品详细设计3个阶段 。
在需求分析阶段 , 设计人员会收集产品的历史使用数据、故障数据、工艺人员及制造人员反馈数据制订产品需求分析报告;在概念设计阶段 , 设计人员根据需求分析报告确定产品优化目标 , 如对产品工艺参数的调整;在详细设计阶段 , 设计人员在考虑优化目标和设计约束的条件下 , 利用集成的三维实体模型定义产品的信息 , 包括几何信息、非几何信息与管理信息;利用该产品模型进行虚拟验证 , 包括应力分析、疲劳损伤分析、结构动力学分析等 。
(2)产品制造阶段 。 产品制造模型的构建表现为对设计模型的重构 。 产品从毛坯到成品需要多道工序 , 因此产品制造模型是一系列模型的集合 , 它包括从毛坯模型经一系列加工过程最终形成零件模型这一过程中所有的中间模型 。

推荐阅读