应用于工业生产的数字孪生系统的制作方法

1.本发明涉及数字孪生技术领域，具体为应用于工业生产的数字孪生系统。


背景技术：

2.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，数字孪生是个普遍适应的理论技术体系，可以在众多领域应用，在产品设计、产品制造、医学分析、工程建设等领域应用较多，在国内应用最深入的是工程建设领域，关注度最高、研究最热的是智能制造领域。
3.应用于工业化生产的数字孪生技术能够把研发到生产的技术流程打通，且能够利用虚拟模型仿真未知的领域和设计，也可以避免直接在生产中的实施产生的安全隐患，同时，数字孪生体的是信息物理网络cps实施和发展的技术手段，将对产品制造过程的智能化和产品本身的智能化结合起来，使得实体产品的生产加工和运行状态能够实时、精确地反映在虚拟空间中，实现了信息的双向流动，利用信息的反馈机制对产品制造进行精确控制成为，数字孪生模拟与知识库联系，形成分析和决策结果，指导实际生产，因此将数字孪生技术应用于工业生产是非常必要的。
4.目前对数字孪生系统在生产车间应用中，生产车间的数字孪生技术仍需事先录入大量的基础数据，并且难以高效、实时地还原生产场景的各个环节，致使无法准确地掌握生产车间的生产状态，无法实现对设备的故障预测，无法对生产过程进行生产方案优化，从而无法对生产进行更好的预测及管理。


技术实现要素：

5.本发明提供了如下技术方案：应用于工业生产的数字孪生系统，包括：数据采集模块，所述数据采集模块包括动态数据信息单元和静态数据信息单元；模型建立模块；所述模型建立模块包括空间模型单元、特征模型单元、生产流程模型单元和模型整合单元；数字孪生模块；所述数字孪生模块包括信息提取单元和数字孪生单元；数据分析模块；所述数据分析模块包括状态分析单元和优化分析单元；应用管理模块；所述应用管理模块包括控制管理单元。
6.作为本发明的一种优选实时方案，所述数据采集模块在对生产制造过程进行数据采集时，针对生产车间进行全面数据采集，所述静态数据信息单元用于对生产制造过程中不发生变化的数据进行采集，获得静态数据信息，所述动态数据信息单元用于对生产制造过程中随时发生变化的数据进行实时动态数据采集，获得动态数据信息。
7.作为本发明的一种优选实时方案，所述模型建立模块根据所述静态数据信息单元
构建数字孪生模型，所述数字孪生模型包括空间模型、特征模型、生产流程模型。
8.作为本发明的一种优选实时方案，所述信息提取单元用于针对所述动态数据信息中进行信息提取，获得生产参数信息；所述数字孪生单元用于根据所述生产参数信息对所述数字孪生模型进行状态更新，模拟生成孪生数据。
9.作为本发明的一种优选实时方案，所述状态分析单元用于根据所述孪生数据对生产车间的设备进行运行状态分析，获得设备的运行状态数据，并根据所述运行状态数据对设备进行故障预测，得到设备故障预测信息；所述优化分析单元用于根据所述孪生数据对生产制造过程分析，获得生产制造过程分析结果。
10.本发明还公开了应用于工业生产的数字孪生系统及方法，具体包括下列步骤：s1，对生产制造过程进行数据采集，获取生产车间的数据信息；s2，根据所述数据信息构建数字孪生模型，得到生产车间的数字孪生模型；s3，利用所述数字孪生模型结合所述数据信息进行数字孪生模拟，生成生产车间的孪生数据；s4，根据所述孪生数据对设备运行和生产流程进行分析，获得生产车间的预测信息；s5，根据所述预测信息对生成制造过程进行控制管理。
11.作为本发明的一种优选实时方案，所述步骤s1中对生产制造过程进行数据采集，根据采集的次数分为静态数据和动态数据，所述静态数据需定期采集或者单次采集，所述静态数据需实时采集。
12.作为本发明的一种优选实时方案，所述步骤s5中对生成制造过程进行控制管理，根据孪生设备的预测信息，间接地控制实际生产车间中映射的设备。
13.本技术中提供的一个或多个技术方案，至少具有如下技术效果或优点：本技术实施例通过对生产制造过程进行数据采集，构建数字孪生模型，并进行数字孪生模拟，根据模拟出的孪生数据对设备运行和生产流程进行分析，从而实时地还原生产场景的各个环节，准确地掌握生产车间的生产状态，实现对设备的故障预测，进而可以对生产过程进行生产方案优化，从而对生产进行更好的预测及管理。
14.上述说明仅是本技术技术方案的概述，为了能够更清楚了解本技术的技术手段，而可依照说明书的内容予以实施，并且为了让本技术的上述和其它目的、特征和优点能够更明显易懂，以下特举本技术的具体实施方式。
附图说明
15.为了更清楚地说明本发明实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
16.图1为本技术实施例提供了应用于工业生产的数字孪生系统的结构框图。
17.图2为本技术实施例提供了应用于工业生产的数字孪生系统的方法的流程示意图。
具体实施方式
18.为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。通常在此处附图中描述和示出的本发明实施例的组件可以以各种不同的配置来布置和设计。
19.因此，以下对在附图中提供的本发明的实施例的详细描述并非旨在限制要求保护的本发明的范围，而是仅仅表示本发明的选定实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
20.应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步定义和解释。
21.在本发明实施例的描述中，需要说明的是，若出现术语“中心”、“上”、“下”、“左”、“右”、“竖直”、“水平”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系，或者是该发明产品使用时惯常摆放的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。此外，若出现术语“第一”、“第二”、“第三”等仅用于区分描述，而不能理解为指示或暗示相对重要性。此外，若出现术语“水平”、“竖直”、“悬垂”等术语并不表示要求部件绝对水平或悬垂，而是可以稍微倾斜。如“水平”仅仅是指其方向相对“竖直”而言更加水平，并不是表示该结构一定要完全水平，而是可以稍微倾斜。
22.在本发明实施例的描述中，还需要说明的是，除非另有明确的规定和限定，若出现术语“设置”、“安装”、“相连”、“连接”应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或一体地连接；可以是机械连接，也可以是电连接；可以是直接相连，也可以通过中间媒介间接相连，可以是两个元件内部的连通。对于本领域的普通技术人员而言，可以根据具体情况理解上述术语在本发明中的具体含义。
23.如图1-2所示，本技术提供了应用于工业生产的数字孪生系统，通过对生产制造过程进行数据采集，构建数字孪生模型，并进行数字孪生模拟，根据模拟出的孪生数据对设备运行和生产流程进行分析，从而实时地还原生产场景的各个环节，准确地掌握生产车间的生产状态，实现对设备的故障预测，进而可以对生产过程进行生产方案优化，从而对生产进行更好的预测及管理，具体的，包括：如图1所示，本技术提供了应用于工业生产的数字孪生系统，包括：数据采集模块，所述数据采集模块包括动态数据信息单元和静态数据信息单元；模型建立模块；所述模型建立模块包括空间模型单元、特征模型单元、生产流程模型单元和模型整合单元；数字孪生模块；所述数字孪生模块包括信息提取单元和数字孪生单元；数据分析模块；所述数据分析模块包括状态分析单元和优化分析单元；应用管理模块；所述应用管理模块包括控制管理单元。
24.在本实施例中，对生产制造过程进行数据采集时，对生产车间进行全面数据采集，从而获得生产车间的数据信息，其中，数据信息包括：动态数据信息和静态数据信息，静态
数据信息是生产制造过程中不会发生变化的数据，而动态数据信息则是在生产制造过程中随时可能发生变化的数据，所以在数据采集时针对动态数据进行实时信息获取，在静态数据采集时只需要单次采集静态数据信息能够提高数据采集的有效性和避免对静态数据信息多次获取造成时间上的浪费，或者在有变更时再次采集及时避免数据更新不及时导致一系列的错误，而且通过对动态数据信息进行实时信息获取能够使得数字孪生模拟与实际的生产制造过程更加一致，有效减小数字孪生模拟与实际生产制造过程的误差，提高数字孪生模拟的准确性。
25.在本实施例中，构建的数字孪生模型包括空间模型、特征模型、生产流程模型，而且在构建空间模型时，根据静态数据信息针对生产车间进行空间映射，将生产车间的空间结构构建出来，形成空间3d模块；在构建特征模型时，在静态数据信息中依次提取生产车间中每个产品和人员的数据信息，并针对按照产品或人物的属性进行特征提取，获得产品和人员的特征信息，特征信息包括外观特征信息和功能特征信息，再根据外观特征信息针对产品和人员进行空间轮廓构建，得到产品和人员的空间模型，并按照功能特征信息通过编码写入产品和人员的空间模型中，赋予产品和人员的空间模型功能属性，获得特征模型；在构建生产流程模型时，针对生产制造过程进行分析，确定生产制造的步骤流程，并根据生产制造的步骤流程生成生产流程模型；并且在得到空间模型、特征模型、生产流程模型进行模型整合，从而得到数字孪生模型，通过构建空间模型、特征模型、生产流程模型对生产车间进行映射，从而使得数字孪生模型对生产车间高度还原，进而提高数字孪生模拟的准确性，其中通过构建空间模型将生产车间的格局分布完全映射过来，通过构建特征模型还原生产车间中的产品和人员，通过生产流程模型复刻生产制造的流程，从而模拟出实际的生产车间全面的状态。
26.在本实施例中，在动态数据信息中提取生产参数信息，生产参数信息包括但不限于：车间环境信息、操作人员信息和产品配料信息；然后根据车间环境信息、操作人员信息和产品配料信息对生产车间的数字孪生模型进行状态更新，使得根据产品配料信息通过生产车间的数字孪生模型在车间环境信息下依照操作人员信息进行模拟，从而生成生产车间的孪生数据，在动态数据信息中提取生产参数信息不仅能够去除动态数据信息中无关信息赘余，明确对生产制造过程中生产产品造成影响的关键因素信息，而且还能够将生产车间与进行数字孪生模拟的信息空间完整融合，减少生产车间的数字孪生模型与动态数据信息结合的复杂程度，提高生产车间的数字孪生模型与动态数据信息结合的精准度，进而提高模拟的准确度。
27.在本实施例中，对生产车间的孪生数据进行设备运行分析和生产流程分析时，根据生产车间的孪生数据对生产车间的设备进行运行状态分析，获得设备的运行状态数据，并根据设备的运行状态数据对设备进行故障预测，得到设备故障预测信息，根据生产车间的孪生数据对生产车间的设备进行运行状态分析从而实现对设备的故障预测，进而使得在生产制造过程中能够减少设备故障带来的损失，而且通过对设备进行故障预测还能够有效对生产制造过程进行故障规避；根据生产车间的孪生数据对生产车间的孪生数据进行生产制造过程分析，针对生产制造过程进行优化，获得生产制造过程分析结果，并根据生产制造过程分析结果相应的可以得到生产优化方案。
28.如图2所示，本发明还公开了应用于工业生产的数字孪生系统及方法，具体包括下
列步骤：s1，对生产制造过程进行数据采集，获取生产车间的数据信息；s2，根据所述数据信息构建数字孪生模型，得到生产车间的数字孪生模型；s3，利用所述数字孪生模型结合所述数据信息进行数字孪生模拟，生成生产车间的孪生数据；s4，根据所述孪生数据对设备运行和生产流程进行分析，获得生产车间的预测信息；s5，根据所述预测信息对生成制造过程进行控制管理。
29.在本实施例中，对生产制造过程进行数据采集时，对生产车间进行全面数据采集，从而获得生产车间的数据信息，其中，数据信息包括：动态数据信息和静态数据信息，静态数据信息是生产制造过程中不会发生变化的数据，而动态数据信息则是在生产制造过程中随时可能发生变化的数据，所以在数据采集时针对动态数据进行实时信息获取，在静态数据采集时只需要单次采集静态数据信息能够提高数据采集的有效性和避免对静态数据信息多次获取造成时间上的浪费，或者在有变更时再次采集及时避免数据更新不及时导致一系列的错误，而且通过对动态数据信息进行实时信息获取能够使得数字孪生模拟与实际的生产制造过程更加一致，有效减小数字孪生模拟与实际生产制造过程的误差，提高数字孪生模拟的准确性。
30.在本实施例中，根据生产车间孪生模拟出的预测信息，控制实际生产线中相应的设备，控制指令包括但不限于机床的加工操作控制指令、人员的操作控制指令。
31.尽管结合具体特征及其实施例对本技术进行了描述，显而易见的，在不脱离本技术的精神和范围的情况下，可对其进行各种修改和组合。相应地，本说明书和附图仅仅是本技术的示例性说明，且视为已覆盖本技术范围内的任意和所有修改、变化、组合或等同物。显然，本领域的技术人员可以对本技术进行各种改动和变型而不脱离本技术的范围。这样，倘若本技术的这些修改和变型属于本技术及其等同技术的范围之内，则本技术意图包括这些改动和变型在内。