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

打開APP
userphoto
未登錄

開通VIP,暢享免費電子書等14項超值服

開通VIP
萬字長文 | 面向航空智能制造的DT與AI融合應用

致力于數字孿生體技術的研究與發展

通過解決方案和工程化應用造福人類

來源:航空學報

作者:隋少春,許艾明等


當前中國航空工業正結合國家智能制造的發展契機,推進航空工業的數字工程轉型,從而顛覆裝備傳統設計-制造-試驗模式,實現向設計-虛擬綜合-數字制造-物理制造的新模式轉變。由于航空產品及其生產制造過程具有研制周期長、跨業務域(設計、工藝、生產、質量、試驗、運維等)、多主體(廠、所、供應商等)、質量控制嚴格的特點,導致其生產過程復雜、異常擾動因素眾多,使得傳統制造模式下以人工經驗為主的決策控制手段,已經難以適應當前航空制造智能化轉型發展的要求。

數字孿生(Digital Twin, DT)作為連接物理世界與數字世界的紐帶,是智能制造時代突破性的關鍵技術。物聯網、大數據、人工智能(ArtificialIntelligence, AI)、工業互聯網等技術與制造系統建模、仿真、虛擬現實(Virtual Reality,VR)、增強現實(Augmented Reality,AR)、智能控制等數字孿生相關技術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字孿生系統成為可能。

近年來,以數字孿生為核心構建數字線索(Digital Thread),實現航空產品全生命周期過程閉環管理和關鍵點智能仿真決策,已經成為先進航空制造企業的發展戰略。首先,美國國家航空和航天局(NationalAeronautics and Space Administration, NASA)在2012年發布“建模、仿真、信息技術和處理”路線圖,數字孿生概念正式進入公眾視野。此后,美國空軍在2013年發布《全球地平線》,將數字線索和數字孿生并列視為“改變游戲規則”的顛覆性機遇,并在2014年開始組織洛馬、波音、諾格等公司開展應用研究。自此,數字孿生理論與技術體系初步建立,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。

目前數字孿生相關技術的應用主要集中在通過物聯網技術和虛擬現實、增強現實等可視化技術,實現對物理系統的感知和數字空間呈現,實現制造系統的透明化。孟松鶴等闡述了數字孿生在航空航天領域應用的關鍵技術,給出了數字孿生在空間站、可重復使用飛船的地面伴飛系統中的初步應用框架。李浩等探索了基于數字孿生的復雜產品設計制造一體化開發的框架及其關鍵技術,展示了數字孿生關鍵技術在復雜產品設計制造一體化開發中的應用場景。劉丹等將數字孿生應用到再制造作業流程,探究了基于數字孿生的未來汽車再制造作業模式。趙陽等基于數字孿生五維模型理論,構建了基于數字孿生的飛機總裝脈動生產線應用架構。劉蔚然等為了滿足新的發展需求,探討了數字孿生衛星的概念、關鍵技術和應用場景。

可以看到,上述的數字孿生模型研究應用仍然在“以虛映實”的階段,如何實現“以虛控實”,支撐智能制造生產模式下復雜制造系統“動態感知、實時分析、自主決策、精準執行”,需要數字孿生與人工智能技術進行融合。

一方面,匯聚融合到虛擬空間孿生模型中的多維、異構制造過程數據,可以通過大數據與人工智能等技術手段,實現規律、知識的實時提取,從而支撐智能決策和精準執行,并在人工智能模型中實現知識積累和沉淀,解決長期以來工業生產中知識積累與傳承優化的問題;

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

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

01 DT與AI的融合機理制

造系統數字孿生與人工智能融合的要義是:通過虛擬空間數字孿生模型,實現物理空間多維制造系統到虛擬空間的平行映射,實現制造系統全要素數字化和虛擬化、全狀態實時化和可視化,通過虛擬服務現實,協同交互使其與物理制造系統平行運轉,實現以虛控實;通過融入人工智能制造大腦,實現制造系統運行管理的協同化、智能化,實現數據驅動的系統優化迭代。最終形成物理維度上的實體制造系統和信息維度上的虛擬制造系統同生共存、虛實交融,構建具有深度學習、自我優化能力的制造系統新模式。

如圖1所示,深度思考的信息中樞是數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,主要由AI大腦和數字孿生系統兩部分融合構成,兩者共同組成控制制造系統高效運行的信息中樞系統,是智能制造系統的智能決策和控制的核心。


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

信息中樞系統有一個非常重要的特征,即協調與整合。協調指整體作用中的各個作用結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整體的協調運行,實現制造系統的優化運行。數字孿生具有傳導功能,在信息中樞系統中,數字孿生系統制造系統全域狀態信息,通過數字孿生虛實映射,將制造系統狀態信息傳導至AI大腦;AI大腦形成的決策和控制指令也需要通過數字孿生系統傳導至物理制造系統,實現精準執行,實現以虛控實。

AI大腦存儲著針對不同應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,是信息中樞系統知識獲取與存儲的中心。對于制造系統流程優化、資源動態調度、工藝優化、質量預測與溯源、設備故障預測與診斷、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,并將結果輸入到數字孿生模型中進行仿真分析,依據效果進行迭代優化,從而為制造系統的智能決策提供支持。數字孿生作為虛擬空間數據匯聚與集成的通道,通過匯聚制造系統實時運行狀態數據,展現真實世界運行全貌和細節。數字孿生同時可通過規則模型實現對制造現場的“反射”控制,對于設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則進行及時處理的事件,可依靠對應數字孿生模型中建立的規則模型進行即時反饋與控制。

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

1)全域感知以虛映實

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

2)數據驅動智能決策
通過信息中樞,將數字孿生系統與機器學習、深度學習框架結合,使系統可以充分利用歷史數據、實時感知數據、仿真數據多重數據反饋,對孿生數據進行深度知識挖掘,形成各類智能服務,從而提升數據價值和事件相應能力。

3)智能操控以虛控實
基于AI大腦利用深度學習等方法形成的控制策略、優化方案、分析模型等,通過在孿生系統中仿真分析與迭代優化,利用執行機構遠程控制指令、參數修正、消息傳遞等操作,最終反作用于物理制造系統,實現智能決策與精準執行。
通過信息中樞可以實現對制造系統全域數據進行匯聚、解析、融合、分析、預測、決策、控制的整個處理流程,能夠實現數據驅動的制造系統智能決策與控制,并在分析過程中充分考慮機理邏輯、經驗規律、流程關系等先驗知識,信息中樞是構建智能化制造體系的核心。

02 DT與AI融合驅動
航空智能制造關鍵技術

2.1 航空制造系統多維

多尺度孿生智能體建模


數字孿生體是產品生命周期內物理世界與虛擬世界交互和融合的紐帶,基于數字孿生體而進行的仿真、分析、決策、數據收集、存儲、挖掘以及人工智能的應用,可以提高物理系統的實用性、可靠性與實時性。面向航空裝備制造的復雜制造過程,構建制造系統物理空間、信息空間與業務空間的多維融合孿生智能體是數字孿生與人工智能融合驅動的首要前提。

隨著以智能體(Agent)技術為代表的自主智能的發展,為制造系統智能孿生體的建模提供了新的手段。以自主智能技術為基礎,從時空域兩個維度,在空間維融合數字孿生技術構建智能制造空間制造資源、制造單元、生產車間、供應鏈孿生智能體模型組件,實現對制造系統縱向維度的多尺度建模;在時間維圍繞制造系統物流、價值流、信息流、業務流的動態演變過程,建立以孿生智能體為主體的動態協同運作機制,支撐智能制造虛實映射配置建模以及多維復雜時空域下智能制造過程/制造資源/制造系統建模,實現智能制造空間多要素、多業務、多流程的實時同步仿真與虛實聯動控制,如圖2所示。

首先通過建立制造系統孿生模型組件,定義不同類型數字孿生體與制造系統的狀態感知與控制服務標準接口,構建孿生組件與物理制造系統的數據交互的能力。如圖3所示,通過融合智能體技術,構建孿生智能體模型組件,通過Agent信息發布/訂閱消息服務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商關系和信息傳遞與交互,通過消息服務平臺,各孿生智能體只能修改自身狀態信息完成狀態更新,或者獲取其訂閱的其他孿生智能體的狀態信息實現信息交互。

在制造系統AI大腦的驅動下,圍繞車間物流、信息流、業務流的運行形成孿生智能體控制指令,通過制造系統孿生與AI大腦的閉環仿真決策,將優化后的控制指令傳遞至孿生組件,并驅動物理制造系統的運行。


2.2 DT與AI融合

驅動制造系統優化與控制


航空生產制造過程中數字孿生與人工智能融合應用的目的,是實現對制造系統的主動感知、動態優化和智能決策,通過對航空制造系統的全域優化控制,提升航空裝備的快速研制能力與批產能力。在完成制造系統多維多尺度孿生智能體建模的基礎上,如何融合人工智能技術提升制造系統整體優化決策能力是亟待解決的問題。制造系統整體效能的優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品數據管理(Product DataManagement, PDM)、計算機輔助工藝設計(Computer Aided Process Planning, CAPP)、企業資源計劃(EnterpriseResource Planning, ERP)、制造執行系統(Manufacturing Execution System, MES)等企業信息系統為載體的制造系統管控隱性能力,如圖4所示。

一方面,通過構建裝備智能孿生體模型,融合物聯網、深度學習、圖像識別等技術,在實際加工過程中,利用實時監測數據動態更新、優化模型,驅動分析與預測裝備制造過程狀態,以實現對制造過程的動態控制,從而提升產品制造加工過程工藝能力。

另一方面,構建敏捷、柔性、高效的生產制造系統,推進生產效能的持續提升,需要高性能的制造裝備,更依賴于制造系統的持續優化與控制,通過在虛擬空間建立基于制造系統孿生智能體的交互協同機制,以AI大腦為決策中心,建立制造系統資源、任務、流程協同優化機制,實現對制造系統整體的評價、預測、分析及優化控制。

最終通過虛實融合驅動制造系統的仿真與優化決策,實現制造系統顯性與隱性能力的持續提升和制造系統生產效能的螺旋進化。


03 DT與AI融合驅動
的制造系統控制中心

航空裝備生產制造是一項復雜的系統工程,具有跨業務、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,系統運行具有明顯動態、非線性特征,引發了復雜制造系統建模、優化和閉環協同控制的多層次、多維度復雜性問題。如圖5所示,以航空制造系統AI控制中心為核心,建立航空裝備制造系統整體持續優化與閉環管控體系,是復雜擾動環境下制造系統能力持續提升的關鍵。

其主要涉及以下幾個方面的主要內容:
1)制造過程全要素數據建模與融合:從制造系統全要素層,基于全要素數字孿生,實現制造過程全流程多維度動態數據采集、分析與融合;通過制造過程等全域信息的同步采集、異構集成與全程追溯,建立多維多尺度制造過程數據動態演進信息表達與融合模型,實現制造過程全流程、全要素的數據融合與數據驅動。

2)產品加工過程閉環控制:從制造系統微觀控制層,基于制造系統數字孿生,通過建立物理空間制造系統與虛擬空間制造系統交互與融合機制,構建面向虛實空間制造系統的控制指令融合驅動與系統狀態信息的全域感知模型,實現制造過程的閉環控制。

3)制造資源調配與優化:從制造系統中觀控制層,通過建立跨組織制造能力和服務耦合機制,構建多層級制造系統孿生組件能力模型和大規模跨組織資源協同優化調度模型,實現不確定性復雜環境下制造過程的資源協同優化。
4)生產系統全流程優化控制:從制造系統宏觀決策層,利用AI驅動生產系統整體運行分析與優化決策,通過生產系統整體運行狀態演化規律與預測及基于定量精準調控機制的生產系統運行決策方法,實現航空裝備生產系統的全流程動態優化控制與運營決策。
04 面向航空智能
的應用場景分析

4.1 加工制造過程自適應


控制航空大型復雜結構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。傳統加工制造過程中加工、監測、優化控制各階段相互獨立,無法實現制造過程的實時控制優化與調整,難以保障零件加工精度。

通過建立基于數字孿生與機床孿生智能體的加工、監測、控制一體化控制體系,可實現加工過程的閉環控制,如圖6所示。在加工過程中通過對物理設備加工過程實時狀態感知,將設備狀態信息(機床振動、功率、各軸轉速、進給速度、當前運行程序等)、刀具狀態(刀具壽命、切削力、型號等)、工況狀態(冷卻液、溫度等),過程質量(加工過程中的在機檢測過程質量數據等),傳遞至加工過程數據孿生體模型,通過工藝過程機理模型實現對加工過程的建模、仿真與加工質量預測,并將實時數據、仿真數據及歷史加工數據反饋至機床孿生智能體模型,利用制造過程大數據結合工藝知識建模、學習和推理技術,建立加工過程工藝參數自適應調整模型,實現工藝參數的自適應優化,并通過數控(Numerical Control,NC)指令將優化參數反饋至加工設備,實現加工過程整體的閉環控制,提升零件的加工精度和效率。


4.2 智能車間生產過程智能管控


隨著物聯網、大數據及人工智能等技術在車間生產制造過程中的應用日益深入,正推動車間生產制造過程向自動化、智能化方向發展。航空裝備生產過程普遍具有加工周期長、高價值、難加工特點,生產過程涉及環節多、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管理方式,由于缺乏對系統整體運行的掌控能力,導致生產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過程順利進行,車間生產效率難以提升。

如圖3和圖7所示,通過建立制造系統數字孿生,實現對制造系統實時狀態的獲取;通過建立制造系統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根據設備加工任務物料需求驅動物料AGV小車完成物料配送;換刀系統控制Agent根據設備加工任務刀具需求驅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警;裝卸區管理Agent完成零件裝卸任務管理;智能加工生產線Agent完成零件的自動化生產加工;通過建立Agent神經中樞實現各要素Agent之間的信息交互。

通過在AI控制中心構建基于多Agent的車間生產過程智能管控中心,在接收數字孿生反饋的制造系統狀態的基礎上,完成對各類制造要素的動態調配,并將控制指令通過神經中樞轉換,形成對各要素Agent的驅動控制,從而驅動孿生系統完成仿真運行,并將仿真結果反饋至AI控制中心實現閉環優化,如圖7所示。最終結果,由各要素Agent生成驅動控制指令,驅動物理制造系統的運行。最終實現從生產線生產任務接收、計劃排程、動態調度,到設備、物料、刀具、NC程序等制造資源的實時調配,保障制造資源的精準調配和生產過程的實時控制與反饋,降低工廠生產管理的難度和生產成本,提高設備利用率與生產效率。

4.3 制造過程資源調度與優化決策


航空制造系統的資源調度與優化決策問題,是一個復雜系統的優化與控制問題,其復雜性體現為
1)系統組成復雜。系統既包括控制設備、加工設備、物流設備、倉儲設備、輔助設備等硬件實體,又包括生產工藝流程、生產管理規范等軟件實體。

2)組織結構復雜。分層遞階是離散制造系統的本質屬性,系統包括單臺設備、生產單元、生產線、生產車間、供應鏈等各個層次,生產組織關系、物流組織關系復雜。

3)運行機制復雜。在批產與研制模式并存的生產模式下,要求系統具有更高的生產柔性和可重構性以適應多樣化、定制化的用戶需求。
如圖8所示,針對航空裝備生產復雜制造系統多級計劃動態協同調度問題,通過研究復雜離散制造系統從物理空間到虛擬模型空間的映射,模擬現實系統運行機制,實現產前預演、產中同步運行監控及產后評價;通過與AI控制中心的融合,實現制造過程數字化、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商調度機制和基于超啟發式與群體智能的優化策略,建立基于AI控制中心的制造資源調度與優化決策機制,形成大規模跨組織強耦合下的不確定性制造應用流程協同優化調度機制和關鍵技術,實現多擾動因素背景下包括生產計劃、物流計劃、檢驗計劃等的多主體計劃協同調度與優化,根據航空裝備制造過程不同類型任務特征,構建調度模型庫,開發典型情景的自適應調度算法,抑制生產過程波動,提升生產系統魯棒性。


4.4 產品智能質量控制


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


數字孿生與人工智能融合驅動產品智能質量控制是指在采集航空裝備制造物理系統中各個制造工序5M1E(人、機、料、法、測、環)等質量影響因素信息和質量實測信息的基礎上,基于孿生數據,驅動產品數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果反饋至AI控制中心質量控制模塊,實現制造現場、虛擬仿真等多源多維異構質量數據的融合,如圖9所示。

基于此,將產品加工過程及相應的加工參數被實時記錄在孿生數據庫;通過對影響產品性能與功能的關鍵質量參數進行分析與預警,結合質量問題專家知識庫,實現質量問題的快速溯源和分析定位,通過不斷更新質量問題庫,不斷提高質量分析與決策能力。

05 結論

數字孿生和人工智能是實現航空智能制造轉型發展的關鍵技術,是復雜制造系統智能管理與控制的有效手段,近年來已經開始得到廣泛的關注和研究。本文從DT與AI融合驅動的航空智能制造應用出發,探討了兩者融合的機理、涉及的關鍵技術和AI控制中心的構建問題,并對其在航空制造中的典型應用場景進行了分析。總體而言,目前的相關研究工作仍在探索階段,如何通過DT與AI深度融合,驅動制造系統的“動態感知、實時分析、自主決策、精準執行”的智能化管控,仍有諸多關鍵問題需要解決。
1)航空裝備的生產制造過程具有專業知識高度密集的特點,知識分散于參與生產制造管控的各類員工之間,如何實現虛擬空間航空制造專業知識(工藝、計劃、質量、維修等)的積淀與迭代優化是指導更好決策和優化控制的關鍵。

2)航空制造系統具有復雜巨系統的典型特征,構成元素多、關系復雜,具有典型不確定性和涌現性特征,如何建立合理的抽象模型實現其在虛擬空間的抽象表達,反映其運行規律和特征,仍然是需要解決的問題。

3)目前在實際生產制造過程中,相關技術的落地應用仍然有限。一方面受限于對制造系統全域全過程多源多維異構數據獲取、建模、融合和組織難的問題,使得基于人工智能等方法的應用缺少數據支撐;另一方面工業現場對可靠性、安全性、穩定性的要求高,對人工智能結果的可解釋性和可靠性提出了更高的要求,限制了相關技術的應用。
本站僅提供存儲服務,所有內容均由用戶發布,如發現有害或侵權內容,請點擊舉報
打開APP,閱讀全文并永久保存 查看更多類似文章
猜你喜歡
類似文章
2020年前沿科技發展態勢及2021年趨勢展望——先進制造篇
時空AI與數實共生的未來城市
數字化轉型:解讀數字孿生的實質含義和價值
數字孿生人工智能研究綜述
數字孿生中的人工智能——技術現狀、挑戰和未來研究課題
數字孿生成功應用3 F柔性生產管理
更多類似文章 >>
生活服務
分享 收藏 導長圖 關注 下載文章
綁定賬號成功
后續可登錄賬號暢享VIP特權!
如果VIP功能使用有故障,
可點擊這里聯系客服!

聯系客服

主站蜘蛛池模板: 霞浦县| 辽中县| 滦平县| 洞口县| 永和县| 西盟| 泾阳县| 平阴县| 石门县| 壶关县| 怀化市| 通河县| 梓潼县| 丰镇市| 沂水县| 盐池县| 凌海市| 肇庆市| 大埔区| 宿州市| 德阳市| 民丰县| 石门县| 荆州市| 思茅市| 北辰区| 徐州市| 鹤峰县| 古浪县| 黑龙江省| 方城县| 资阳市| 旬阳县| 新平| 德钦县| 佛教| 偏关县| 东乌珠穆沁旗| 赞皇县| 金沙县| 措勤县|