偷看农村女人做爰毛片色 ,啊灬啊别停灬用力啊,亚洲人成网网址在线看

致力于數(shù)字孿生體技術(shù)的研究與發(fā)展

通過解決方案和工程化應(yīng)用造福人類

來源：航空學(xué)報

作者：隋少春，許艾明等

當(dāng)前中國航空工業(yè)正結(jié)合國家智能制造的發(fā)展契機，推進航空工業(yè)的數(shù)字工程轉(zhuǎn)型，從而顛覆裝備傳統(tǒng)設(shè)計-制造-試驗?zāi)Ｊ剑瑢崿F(xiàn)向設(shè)計-虛擬綜合-數(shù)字制造-物理制造的新模式轉(zhuǎn)變。由于航空產(chǎn)品及其生產(chǎn)制造過程具有研制周期長、跨業(yè)務(wù)域（設(shè)計、工藝、生產(chǎn)、質(zhì)量、試驗、運維等）、多主體（廠、所、供應(yīng)商等）、質(zhì)量控制嚴(yán)格的特點，導(dǎo)致其生產(chǎn)過程復(fù)雜、異常擾動因素眾多，使得傳統(tǒng)制造模式下以人工經(jīng)驗為主的決策控制手段，已經(jīng)難以適應(yīng)當(dāng)前航空制造智能化轉(zhuǎn)型發(fā)展的要求。

數(shù)字孿生（Digital Twin, DT）作為連接物理世界與數(shù)字世界的紐帶，是智能制造時代突破性的關(guān)鍵技術(shù)。物聯(lián)網(wǎng)、大數(shù)據(jù)、人工智能（ArtificialIntelligence, AI）、工業(yè)互聯(lián)網(wǎng)等技術(shù)與制造系統(tǒng)建模、仿真、虛擬現(xiàn)實（Virtual Reality,VR）、增強現(xiàn)實（Augmented Reality,AR）、智能控制等數(shù)字孿生相關(guān)技術(shù)進行有機耦合與集成，使得在虛擬空間中建立平行運行的制造數(shù)字孿生系統(tǒng)成為可能。

近年來，以數(shù)字孿生為核心構(gòu)建數(shù)字線索（Digital Thread），實現(xiàn)航空產(chǎn)品全生命周期過程閉環(huán)管理和關(guān)鍵點智能仿真決策，已經(jīng)成為先進航空制造企業(yè)的發(fā)展戰(zhàn)略。首先，美國國家航空和航天局（NationalAeronautics and Space Administration, NASA）在2012年發(fā)布“建模、仿真、信息技術(shù)和處理”路線圖，數(shù)字孿生概念正式進入公眾視野。此后，美國空軍在2013年發(fā)布《全球地平線》，將數(shù)字線索和數(shù)字孿生并列視為“改變游戲規(guī)則”的顛覆性機遇，并在2014年開始組織洛馬、波音、諾格等公司開展應(yīng)用研究。自此，數(shù)字孿生理論與技術(shù)體系初步建立，美國國防部、NASA以及西門子等公司開始接受這一概念并對外推廣。

目前數(shù)字孿生相關(guān)技術(shù)的應(yīng)用主要集中在通過物聯(lián)網(wǎng)技術(shù)和虛擬現(xiàn)實、增強現(xiàn)實等可視化技術(shù)，實現(xiàn)對物理系統(tǒng)的感知和數(shù)字空間呈現(xiàn)，實現(xiàn)制造系統(tǒng)的透明化。孟松鶴等闡述了數(shù)字孿生在航空航天領(lǐng)域應(yīng)用的關(guān)鍵技術(shù)，給出了數(shù)字孿生在空間站、可重復(fù)使用飛船的地面伴飛系統(tǒng)中的初步應(yīng)用框架。李浩等探索了基于數(shù)字孿生的復(fù)雜產(chǎn)品設(shè)計制造一體化開發(fā)的框架及其關(guān)鍵技術(shù)，展示了數(shù)字孿生關(guān)鍵技術(shù)在復(fù)雜產(chǎn)品設(shè)計制造一體化開發(fā)中的應(yīng)用場景。劉丹等將數(shù)字孿生應(yīng)用到再制造作業(yè)流程，探究了基于數(shù)字孿生的未來汽車再制造作業(yè)模式。趙陽等基于數(shù)字孿生五維模型理論，構(gòu)建了基于數(shù)字孿生的飛機總裝脈動生產(chǎn)線應(yīng)用架構(gòu)。劉蔚然等為了滿足新的發(fā)展需求，探討了數(shù)字孿生衛(wèi)星的概念、關(guān)鍵技術(shù)和應(yīng)用場景。

可以看到，上述的數(shù)字孿生模型研究應(yīng)用仍然在“以虛映實”的階段，如何實現(xiàn)“以虛控實”，支撐智能制造生產(chǎn)模式下復(fù)雜制造系統(tǒng)“動態(tài)感知、實時分析、自主決策、精準(zhǔn)執(zhí)行”，需要數(shù)字孿生與人工智能技術(shù)進行融合。

一方面，匯聚融合到虛擬空間孿生模型中的多維、異構(gòu)制造過程數(shù)據(jù)，可以通過大數(shù)據(jù)與人工智能等技術(shù)手段，實現(xiàn)規(guī)律、知識的實時提取，從而支撐智能決策和精準(zhǔn)執(zhí)行，并在人工智能模型中實現(xiàn)知識積累和沉淀，解決長期以來工業(yè)生產(chǎn)中知識積累與傳承優(yōu)化的問題；

另一方面，通過人工智能與數(shù)字孿生的深度融合，人工智能模型的分析決策結(jié)果，可以通過孿生模型進行充分的反復(fù)仿真和驗證，在虛擬空間中通過仿真分析和實驗，為人工智能決策結(jié)果提供零成本的試錯手段，提升人工智能結(jié)果的可靠性，大幅降低工業(yè)應(yīng)用中對人工智能模型可解釋性的要求。

目前關(guān)于數(shù)字孿生與人工智能兩者融合應(yīng)用的研究仍然有限。本文以航空裝備制造的數(shù)字孿生與人工智能融合應(yīng)用為背景，闡述數(shù)字孿生與人工智能的融合機理，分析兩者融合驅(qū)動航空智能制造的關(guān)鍵技術(shù)，并對其在航空制造領(lǐng)域中的典型應(yīng)用進行分析。

01 DT與AI的融合機理制

造系統(tǒng)數(shù)字孿生與人工智能融合的要義是：通過虛擬空間數(shù)字孿生模型，實現(xiàn)物理空間多維制造系統(tǒng)到虛擬空間的平行映射，實現(xiàn)制造系統(tǒng)全要素數(shù)字化和虛擬化、全狀態(tài)實時化和可視化，通過虛擬服務(wù)現(xiàn)實，協(xié)同交互使其與物理制造系統(tǒng)平行運轉(zhuǎn)，實現(xiàn)以虛控實；通過融入人工智能制造大腦，實現(xiàn)制造系統(tǒng)運行管理的協(xié)同化、智能化，實現(xiàn)數(shù)據(jù)驅(qū)動的系統(tǒng)優(yōu)化迭代。最終形成物理維度上的實體制造系統(tǒng)和信息維度上的虛擬制造系統(tǒng)同生共存、虛實交融，構(gòu)建具有深度學(xué)習(xí)、自我優(yōu)化能力的制造系統(tǒng)新模式。

如圖1所示，深度思考的信息中樞是數(shù)字孿生與人工智能融合的核心，兩者融合形成的智能制造信息中樞系統(tǒng)，主要由AI大腦和數(shù)字孿生系統(tǒng)兩部分融合構(gòu)成，兩者共同組成控制制造系統(tǒng)高效運行的信息中樞系統(tǒng)，是智能制造系統(tǒng)的智能決策和控制的核心。

信息中樞系統(tǒng)接受制造系統(tǒng)全域感知信息傳入，經(jīng)處理加工后成為制造系統(tǒng)控制指令輸出，或者形成知識存儲在信息中樞系統(tǒng)中。制造系統(tǒng)信息中樞內(nèi)大量針對不同場景的人工智能算法模型聚集在一起，形成制造系統(tǒng)的分析與決策中心，其主要功能是傳遞、儲存和加工信息，產(chǎn)生各種系統(tǒng)決策信息，支配和控制制造系統(tǒng)的運行。

信息中樞系統(tǒng)有一個非常重要的特征，即協(xié)調(diào)與整合。協(xié)調(diào)指整體作用中的各個作用結(jié)合成為和諧運動的過程，整合是指把單獨的、部分的活動變成為一個完整的活動過程，從而最終保障制造系統(tǒng)整體的協(xié)調(diào)運行，實現(xiàn)制造系統(tǒng)的優(yōu)化運行。數(shù)字孿生具有傳導(dǎo)功能，在信息中樞系統(tǒng)中，數(shù)字孿生系統(tǒng)制造系統(tǒng)全域狀態(tài)信息，通過數(shù)字孿生虛實映射，將制造系統(tǒng)狀態(tài)信息傳導(dǎo)至AI大腦；AI大腦形成的決策和控制指令也需要通過數(shù)字孿生系統(tǒng)傳導(dǎo)至物理制造系統(tǒng)，實現(xiàn)精準(zhǔn)執(zhí)行，實現(xiàn)以虛控實。

AI大腦存儲著針對不同應(yīng)用場景的人工智能算法模型，為智能決策提供算法與算力支持，是信息中樞系統(tǒng)知識獲取與存儲的中心。對于制造系統(tǒng)流程優(yōu)化、資源動態(tài)調(diào)度、工藝優(yōu)化、質(zhì)量預(yù)測與溯源、設(shè)備故障預(yù)測與診斷、智能車間自主運行控制等依托人工智能算法的高算力需求的場景，通過調(diào)用在AI大腦建立的人工智能算法模型，進行運算分析與求解，并將結(jié)果輸入到數(shù)字孿生模型中進行仿真分析，依據(jù)效果進行迭代優(yōu)化，從而為制造系統(tǒng)的智能決策提供支持。數(shù)字孿生作為虛擬空間數(shù)據(jù)匯聚與集成的通道，通過匯聚制造系統(tǒng)實時運行狀態(tài)數(shù)據(jù)，展現(xiàn)真實世界運行全貌和細(xì)節(jié)。數(shù)字孿生同時可通過規(guī)則模型實現(xiàn)對制造現(xiàn)場的“反射”控制，對于設(shè)備重大故障停機控制、物流交接控制、缺件報警、斷刀報警與決策、安全報警與決策等可依靠自動化規(guī)則進行及時處理的事件，可依靠對應(yīng)數(shù)字孿生模型中建立的規(guī)則模型進行即時反饋與控制。

通過分析數(shù)字孿生與人工智能融合機理可以看出，數(shù)字孿生與人工智能融合驅(qū)動的航空智能制造系統(tǒng)將具有如下特點：

1）全域感知以虛映實

通過物理制造系統(tǒng)全域感知和面向制造全過程的信息系統(tǒng)平臺，實現(xiàn)制造系統(tǒng)動靜態(tài)全量、多維、多尺度信息的匯聚和加載，實現(xiàn)制造系統(tǒng)虛擬空間的平行映射。

2）數(shù)據(jù)驅(qū)動智能決策

通過信息中樞，將數(shù)字孿生系統(tǒng)與機器學(xué)習(xí)、深度學(xué)習(xí)框架結(jié)合，使系統(tǒng)可以充分利用歷史數(shù)據(jù)、實時感知數(shù)據(jù)、仿真數(shù)據(jù)多重數(shù)據(jù)反饋，對孿生數(shù)據(jù)進行深度知識挖掘，形成各類智能服務(wù)，從而提升數(shù)據(jù)價值和事件相應(yīng)能力。

3）智能操控以虛控實

基于AI大腦利用深度學(xué)習(xí)等方法形成的控制策略、優(yōu)化方案、分析模型等，通過在孿生系統(tǒng)中仿真分析與迭代優(yōu)化，利用執(zhí)行機構(gòu)遠(yuǎn)程控制指令、參數(shù)修正、消息傳遞等操作，最終反作用于物理制造系統(tǒng)，實現(xiàn)智能決策與精準(zhǔn)執(zhí)行。

通過信息中樞可以實現(xiàn)對制造系統(tǒng)全域數(shù)據(jù)進行匯聚、解析、融合、分析、預(yù)測、決策、控制的整個處理流程，能夠?qū)崿F(xiàn)數(shù)據(jù)驅(qū)動的制造系統(tǒng)智能決策與控制，并在分析過程中充分考慮機理邏輯、經(jīng)驗規(guī)律、流程關(guān)系等先驗知識，信息中樞是構(gòu)建智能化制造體系的核心。

02 DT與AI融合驅(qū)動

航空智能制造關(guān)鍵技術(shù)

2.1 航空制造系統(tǒng)多維

多尺度孿生智能體建模

數(shù)字孿生體是產(chǎn)品生命周期內(nèi)物理世界與虛擬世界交互和融合的紐帶，基于數(shù)字孿生體而進行的仿真、分析、決策、數(shù)據(jù)收集、存儲、挖掘以及人工智能的應(yīng)用，可以提高物理系統(tǒng)的實用性、可靠性與實時性。面向航空裝備制造的復(fù)雜制造過程，構(gòu)建制造系統(tǒng)物理空間、信息空間與業(yè)務(wù)空間的多維融合孿生智能體是數(shù)字孿生與人工智能融合驅(qū)動的首要前提。

隨著以智能體（Agent）技術(shù)為代表的自主智能的發(fā)展，為制造系統(tǒng)智能孿生體的建模提供了新的手段。以自主智能技術(shù)為基礎(chǔ)，從時空域兩個維度，在空間維融合數(shù)字孿生技術(shù)構(gòu)建智能制造空間制造資源、制造單元、生產(chǎn)車間、供應(yīng)鏈孿生智能體模型組件，實現(xiàn)對制造系統(tǒng)縱向維度的多尺度建模；在時間維圍繞制造系統(tǒng)物流、價值流、信息流、業(yè)務(wù)流的動態(tài)演變過程，建立以孿生智能體為主體的動態(tài)協(xié)同運作機制，支撐智能制造虛實映射配置建模以及多維復(fù)雜時空域下智能制造過程/制造資源/制造系統(tǒng)建模，實現(xiàn)智能制造空間多要素、多業(yè)務(wù)、多流程的實時同步仿真與虛實聯(lián)動控制，如圖2所示。

首先通過建立制造系統(tǒng)孿生模型組件，定義不同類型數(shù)字孿生體與制造系統(tǒng)的狀態(tài)感知與控制服務(wù)標(biāo)準(zhǔn)接口，構(gòu)建孿生組件與物理制造系統(tǒng)的數(shù)據(jù)交互的能力。如圖3所示，通過融合智能體技術(shù)，構(gòu)建孿生智能體模型組件，通過Agent信息發(fā)布/訂閱消息服務(wù)平臺建立孿生智能體之間的信息交互與傳遞機制，圖中虛線代表各智能體之間的相互通信協(xié)商關(guān)系和信息傳遞與交互，通過消息服務(wù)平臺，各孿生智能體只能修改自身狀態(tài)信息完成狀態(tài)更新，或者獲取其訂閱的其他孿生智能體的狀態(tài)信息實現(xiàn)信息交互。

在制造系統(tǒng)AI大腦的驅(qū)動下，圍繞車間物流、信息流、業(yè)務(wù)流的運行形成孿生智能體控制指令，通過制造系統(tǒng)孿生與AI大腦的閉環(huán)仿真決策，將優(yōu)化后的控制指令傳遞至孿生組件，并驅(qū)動物理制造系統(tǒng)的運行。

2.2 DT與AI融合

驅(qū)動制造系統(tǒng)優(yōu)化與控制

航空生產(chǎn)制造過程中數(shù)字孿生與人工智能融合應(yīng)用的目的，是實現(xiàn)對制造系統(tǒng)的主動感知、動態(tài)優(yōu)化和智能決策，通過對航空制造系統(tǒng)的全域優(yōu)化控制，提升航空裝備的快速研制能力與批產(chǎn)能力。在完成制造系統(tǒng)多維多尺度孿生智能體建模的基礎(chǔ)上，如何融合人工智能技術(shù)提升制造系統(tǒng)整體優(yōu)化決策能力是亟待解決的問題。制造系統(tǒng)整體效能的優(yōu)化提升依賴于制造裝備決定的加工制造工藝顯性能力和以產(chǎn)品數(shù)據(jù)管理（Product DataManagement, PDM）、計算機輔助工藝設(shè)計（Computer Aided Process Planning, CAPP）、企業(yè)資源計劃（EnterpriseResource Planning, ERP）、制造執(zhí)行系統(tǒng)（Manufacturing Execution System, MES）等企業(yè)信息系統(tǒng)為載體的制造系統(tǒng)管控隱性能力，如圖4所示。

一方面，通過構(gòu)建裝備智能孿生體模型，融合物聯(lián)網(wǎng)、深度學(xué)習(xí)、圖像識別等技術(shù)，在實際加工過程中，利用實時監(jiān)測數(shù)據(jù)動態(tài)更新、優(yōu)化模型，驅(qū)動分析與預(yù)測裝備制造過程狀態(tài)，以實現(xiàn)對制造過程的動態(tài)控制，從而提升產(chǎn)品制造加工過程工藝能力。

另一方面，構(gòu)建敏捷、柔性、高效的生產(chǎn)制造系統(tǒng)，推進生產(chǎn)效能的持續(xù)提升，需要高性能的制造裝備，更依賴于制造系統(tǒng)的持續(xù)優(yōu)化與控制，通過在虛擬空間建立基于制造系統(tǒng)孿生智能體的交互協(xié)同機制，以AI大腦為決策中心，建立制造系統(tǒng)資源、任務(wù)、流程協(xié)同優(yōu)化機制，實現(xiàn)對制造系統(tǒng)整體的評價、預(yù)測、分析及優(yōu)化控制。

最終通過虛實融合驅(qū)動制造系統(tǒng)的仿真與優(yōu)化決策，實現(xiàn)制造系統(tǒng)顯性與隱性能力的持續(xù)提升和制造系統(tǒng)生產(chǎn)效能的螺旋進化。

03 DT與AI融合驅(qū)動

的制造系統(tǒng)控制中心

航空裝備生產(chǎn)制造是一項復(fù)雜的系統(tǒng)工程，具有跨業(yè)務(wù)、多主體、多層級、強耦合的特點，易受各類不確定性擾動因素的干擾，系統(tǒng)運行具有明顯動態(tài)、非線性特征，引發(fā)了復(fù)雜制造系統(tǒng)建模、優(yōu)化和閉環(huán)協(xié)同控制的多層次、多維度復(fù)雜性問題。如圖5所示，以航空制造系統(tǒng)AI控制中心為核心，建立航空裝備制造系統(tǒng)整體持續(xù)優(yōu)化與閉環(huán)管控體系，是復(fù)雜擾動環(huán)境下制造系統(tǒng)能力持續(xù)提升的關(guān)鍵。

其主要涉及以下幾個方面的主要內(nèi)容：

1）制造過程全要素數(shù)據(jù)建模與融合：從制造系統(tǒng)全要素層，基于全要素數(shù)字孿生，實現(xiàn)制造過程全流程多維度動態(tài)數(shù)據(jù)采集、分析與融合；通過制造過程等全域信息的同步采集、異構(gòu)集成與全程追溯，建立多維多尺度制造過程數(shù)據(jù)動態(tài)演進信息表達(dá)與融合模型，實現(xiàn)制造過程全流程、全要素的數(shù)據(jù)融合與數(shù)據(jù)驅(qū)動。

2）產(chǎn)品加工過程閉環(huán)控制：從制造系統(tǒng)微觀控制層，基于制造系統(tǒng)數(shù)字孿生，通過建立物理空間制造系統(tǒng)與虛擬空間制造系統(tǒng)交互與融合機制，構(gòu)建面向虛實空間制造系統(tǒng)的控制指令融合驅(qū)動與系統(tǒng)狀態(tài)信息的全域感知模型，實現(xiàn)制造過程的閉環(huán)控制。

3）制造資源調(diào)配與優(yōu)化：從制造系統(tǒng)中觀控制層，通過建立跨組織制造能力和服務(wù)耦合機制，構(gòu)建多層級制造系統(tǒng)孿生組件能力模型和大規(guī)模跨組織資源協(xié)同優(yōu)化調(diào)度模型，實現(xiàn)不確定性復(fù)雜環(huán)境下制造過程的資源協(xié)同優(yōu)化。

4）生產(chǎn)系統(tǒng)全流程優(yōu)化控制：從制造系統(tǒng)宏觀決策層，利用AI驅(qū)動生產(chǎn)系統(tǒng)整體運行分析與優(yōu)化決策，通過生產(chǎn)系統(tǒng)整體運行狀態(tài)演化規(guī)律與預(yù)測及基于定量精準(zhǔn)調(diào)控機制的生產(chǎn)系統(tǒng)運行決策方法，實現(xiàn)航空裝備生產(chǎn)系統(tǒng)的全流程動態(tài)優(yōu)化控制與運營決策。

04 面向航空智能

制造的應(yīng)用場景分析

4.1 加工制造過程自適應(yīng)

控制航空大型復(fù)雜結(jié)構(gòu)件的加工制造過程具有加工精度要求高、加工變形精確控制難的特點。傳統(tǒng)加工制造過程中加工、監(jiān)測、優(yōu)化控制各階段相互獨立，無法實現(xiàn)制造過程的實時控制優(yōu)化與調(diào)整，難以保障零件加工精度。

通過建立基于數(shù)字孿生與機床孿生智能體的加工、監(jiān)測、控制一體化控制體系，可實現(xiàn)加工過程的閉環(huán)控制，如圖6所示。在加工過程中通過對物理設(shè)備加工過程實時狀態(tài)感知，將設(shè)備狀態(tài)信息（機床振動、功率、各軸轉(zhuǎn)速、進給速度、當(dāng)前運行程序等）、刀具狀態(tài)（刀具壽命、切削力、型號等）、工況狀態(tài)（冷卻液、溫度等），過程質(zhì)量（加工過程中的在機檢測過程質(zhì)量數(shù)據(jù)等），傳遞至加工過程數(shù)據(jù)孿生體模型，通過工藝過程機理模型實現(xiàn)對加工過程的建模、仿真與加工質(zhì)量預(yù)測，并將實時數(shù)據(jù)、仿真數(shù)據(jù)及歷史加工數(shù)據(jù)反饋至機床孿生智能體模型，利用制造過程大數(shù)據(jù)結(jié)合工藝知識建模、學(xué)習(xí)和推理技術(shù)，建立加工過程工藝參數(shù)自適應(yīng)調(diào)整模型，實現(xiàn)工藝參數(shù)的自適應(yīng)優(yōu)化，并通過數(shù)控（Numerical Control,NC）指令將優(yōu)化參數(shù)反饋至加工設(shè)備，實現(xiàn)加工過程整體的閉環(huán)控制，提升零件的加工精度和效率。

4.2 智能車間生產(chǎn)過程智能管控

隨著物聯(lián)網(wǎng)、大數(shù)據(jù)及人工智能等技術(shù)在車間生產(chǎn)制造過程中的應(yīng)用日益深入，正推動車間生產(chǎn)制造過程向自動化、智能化方向發(fā)展。航空裝備生產(chǎn)過程普遍具有加工周期長、高價值、難加工特點，生產(chǎn)過程涉及環(huán)節(jié)多、資源保障要求高，過程控制難度大。目前以人為管理保障為主的生產(chǎn)管理方式，由于缺乏對系統(tǒng)整體運行的掌控能力，導(dǎo)致生產(chǎn)過程資源保障往往不足，常常因為各類制造資源未能及時到位影響生產(chǎn)過程順利進行，車間生產(chǎn)效率難以提升。

如圖3和圖7所示，通過建立制造系統(tǒng)數(shù)字孿生，實現(xiàn)對制造系統(tǒng)實時狀態(tài)的獲取；通過建立制造系統(tǒng)各要素的孿生智能體模型，打通與物理車間要素的控制決策通道，通過物流管控Agent根據(jù)設(shè)備加工任務(wù)物料需求驅(qū)動物料AGV小車完成物料配送；換刀系統(tǒng)控制Agent根據(jù)設(shè)備加工任務(wù)刀具需求驅(qū)動移動換刀機器人完成刀具取放；中央刀庫管控Agent完成中央刀庫刀具出入庫管理與刀具庫存預(yù)警；裝卸區(qū)管理Agent完成零件裝卸任務(wù)管理；智能加工生產(chǎn)線Agent完成零件的自動化生產(chǎn)加工；通過建立Agent神經(jīng)中樞實現(xiàn)各要素Agent之間的信息交互。

通過在AI控制中心構(gòu)建基于多Agent的車間生產(chǎn)過程智能管控中心，在接收數(shù)字孿生反饋的制造系統(tǒng)狀態(tài)的基礎(chǔ)上，完成對各類制造要素的動態(tài)調(diào)配，并將控制指令通過神經(jīng)中樞轉(zhuǎn)換，形成對各要素Agent的驅(qū)動控制，從而驅(qū)動孿生系統(tǒng)完成仿真運行，并將仿真結(jié)果反饋至AI控制中心實現(xiàn)閉環(huán)優(yōu)化，如圖7所示。最終結(jié)果，由各要素Agent生成驅(qū)動控制指令，驅(qū)動物理制造系統(tǒng)的運行。最終實現(xiàn)從生產(chǎn)線生產(chǎn)任務(wù)接收、計劃排程、動態(tài)調(diào)度，到設(shè)備、物料、刀具、NC程序等制造資源的實時調(diào)配，保障制造資源的精準(zhǔn)調(diào)配和生產(chǎn)過程的實時控制與反饋，降低工廠生產(chǎn)管理的難度和生產(chǎn)成本，提高設(shè)備利用率與生產(chǎn)效率。

4.3 制造過程資源調(diào)度與優(yōu)化決策

航空制造系統(tǒng)的資源調(diào)度與優(yōu)化決策問題，是一個復(fù)雜系統(tǒng)的優(yōu)化與控制問題，其復(fù)雜性體現(xiàn)為

1）系統(tǒng)組成復(fù)雜。系統(tǒng)既包括控制設(shè)備、加工設(shè)備、物流設(shè)備、倉儲設(shè)備、輔助設(shè)備等硬件實體，又包括生產(chǎn)工藝流程、生產(chǎn)管理規(guī)范等軟件實體。

2）組織結(jié)構(gòu)復(fù)雜。分層遞階是離散制造系統(tǒng)的本質(zhì)屬性，系統(tǒng)包括單臺設(shè)備、生產(chǎn)單元、生產(chǎn)線、生產(chǎn)車間、供應(yīng)鏈等各個層次，生產(chǎn)組織關(guān)系、物流組織關(guān)系復(fù)雜。

3）運行機制復(fù)雜。在批產(chǎn)與研制模式并存的生產(chǎn)模式下，要求系統(tǒng)具有更高的生產(chǎn)柔性和可重構(gòu)性以適應(yīng)多樣化、定制化的用戶需求。

如圖8所示，針對航空裝備生產(chǎn)復(fù)雜制造系統(tǒng)多級計劃動態(tài)協(xié)同調(diào)度問題，通過研究復(fù)雜離散制造系統(tǒng)從物理空間到虛擬模型空間的映射，模擬現(xiàn)實系統(tǒng)運行機制，實現(xiàn)產(chǎn)前預(yù)演、產(chǎn)中同步運行監(jiān)控及產(chǎn)后評價；通過與AI控制中心的融合，實現(xiàn)制造過程數(shù)字化、透明化和可視化；通過研究基于多智能體等分布式人工智能的協(xié)商調(diào)度機制和基于超啟發(fā)式與群體智能的優(yōu)化策略，建立基于AI控制中心的制造資源調(diào)度與優(yōu)化決策機制，形成大規(guī)模跨組織強耦合下的不確定性制造應(yīng)用流程協(xié)同優(yōu)化調(diào)度機制和關(guān)鍵技術(shù)，實現(xiàn)多擾動因素背景下包括生產(chǎn)計劃、物流計劃、檢驗計劃等的多主體計劃協(xié)同調(diào)度與優(yōu)化，根據(jù)航空裝備制造過程不同類型任務(wù)特征，構(gòu)建調(diào)度模型庫，開發(fā)典型情景的自適應(yīng)調(diào)度算法，抑制生產(chǎn)過程波動，提升生產(chǎn)系統(tǒng)魯棒性。

4.4 產(chǎn)品智能質(zhì)量控制

產(chǎn)品質(zhì)量是保證航空產(chǎn)品順利交付的決定性因素，也是航空產(chǎn)品生命周期嚴(yán)格管控的重點。產(chǎn)品質(zhì)量分析與追溯是保證航空產(chǎn)品質(zhì)量的重要舉措，是指在設(shè)計正確合理的制造工藝同時，對生產(chǎn)過程中加工精度等因素綜合考慮實現(xiàn)產(chǎn)品的加工質(zhì)量分析，并在出現(xiàn)質(zhì)量問題時，可以追溯其加工中每個環(huán)節(jié)并找出原因，從而改進加工工藝、控制加工質(zhì)量。

數(shù)字孿生與人工智能融合驅(qū)動產(chǎn)品智能質(zhì)量控制是指在采集航空裝備制造物理系統(tǒng)中各個制造工序5M1E（人、機、料、法、測、環(huán)）等質(zhì)量影響因素信息和質(zhì)量實測信息的基礎(chǔ)上，基于孿生數(shù)據(jù)，驅(qū)動產(chǎn)品數(shù)字孿生模型進行性能和功能仿真計算，并將性能及功能仿真結(jié)果反饋至AI控制中心質(zhì)量控制模塊，實現(xiàn)制造現(xiàn)場、虛擬仿真等多源多維異構(gòu)質(zhì)量數(shù)據(jù)的融合，如圖9所示。

基于此，將產(chǎn)品加工過程及相應(yīng)的加工參數(shù)被實時記錄在孿生數(shù)據(jù)庫；通過對影響產(chǎn)品性能與功能的關(guān)鍵質(zhì)量參數(shù)進行分析與預(yù)警，結(jié)合質(zhì)量問題專家知識庫，實現(xiàn)質(zhì)量問題的快速溯源和分析定位，通過不斷更新質(zhì)量問題庫，不斷提高質(zhì)量分析與決策能力。

05 結(jié)論

數(shù)字孿生和人工智能是實現(xiàn)航空智能制造轉(zhuǎn)型發(fā)展的關(guān)鍵技術(shù)，是復(fù)雜制造系統(tǒng)智能管理與控制的有效手段，近年來已經(jīng)開始得到廣泛的關(guān)注和研究。本文從DT與AI融合驅(qū)動的航空智能制造應(yīng)用出發(fā)，探討了兩者融合的機理、涉及的關(guān)鍵技術(shù)和AI控制中心的構(gòu)建問題，并對其在航空制造中的典型應(yīng)用場景進行了分析。總體而言，目前的相關(guān)研究工作仍在探索階段，如何通過DT與AI深度融合，驅(qū)動制造系統(tǒng)的“動態(tài)感知、實時分析、自主決策、精準(zhǔn)執(zhí)行”的智能化管控，仍有諸多關(guān)鍵問題需要解決。

1）航空裝備的生產(chǎn)制造過程具有專業(yè)知識高度密集的特點，知識分散于參與生產(chǎn)制造管控的各類員工之間，如何實現(xiàn)虛擬空間航空制造專業(yè)知識（工藝、計劃、質(zhì)量、維修等）的積淀與迭代優(yōu)化是指導(dǎo)更好決策和優(yōu)化控制的關(guān)鍵。

2）航空制造系統(tǒng)具有復(fù)雜巨系統(tǒng)的典型特征，構(gòu)成元素多、關(guān)系復(fù)雜，具有典型不確定性和涌現(xiàn)性特征，如何建立合理的抽象模型實現(xiàn)其在虛擬空間的抽象表達(dá)，反映其運行規(guī)律和特征，仍然是需要解決的問題。

3）目前在實際生產(chǎn)制造過程中，相關(guān)技術(shù)的落地應(yīng)用仍然有限。一方面受限于對制造系統(tǒng)全域全過程多源多維異構(gòu)數(shù)據(jù)獲取、建模、融合和組織難的問題，使得基于人工智能等方法的應(yīng)用缺少數(shù)據(jù)支撐；另一方面工業(yè)現(xiàn)場對可靠性、安全性、穩(wěn)定性的要求高，對人工智能結(jié)果的可解釋性和可靠性提出了更高的要求，限制了相關(guān)技術(shù)的應(yīng)用。

本站僅提供存儲服務(wù)，所有內(nèi)容均由用戶發(fā)布，如發(fā)現(xiàn)有害或侵權(quán)內(nèi)容，請點擊舉報。

精品伊人久久大香线蕉,开心久久婷婷综合中文字幕,杏田冲梨,人妻无码aⅴ不卡中文字幕