[发明专利]一种离散制造车间数字孪生模型自适应动态更新方法

说明书

本发明公开了一种离散制造车间数字孪生模型自适应动态更新方法，首先采集虚拟车间和实际车间的数据并选取特征数据集，分别计算性能指标的真实值和模型预测的理论值精度误差，然后基于Mann‑Kendall的精度误差趋势分析方法，以此作为孪生模型动态修正的触发条件；然后，选择DNN和LSTM作为基学习器，采用集成学习的方法，进行不断的迭代训练，分别从数据重要性和性能重要性两个角度，改进基学习器的权重更新方式，形成基于Adaboost‑DNN‑LSTM孪生模型动态修正算法，并采用差额基学习器优选方法，完成孪生模型动态修正。本发明提供的数字孪生模型自适应动态更新方法为离散制造系统数字孪生的精确应用，提供了模型更新方法，对车间生产管控智能化水平的提升具有重要的价值。

技术领域

本发明涉及车间数字化技术领域，主要涉及一种离散制造车间数字孪生模型自适应动态更新方法。

背景技术

随着“工业4.0”和智能制造的兴起，物联网、大数据和人工智能等新的技术手段和工具不断涌现，这些新技术和工具助力传统制造业的转型升级，以此来推动制造业的高质量发展。智能化技术的应用对传统离散机械产品生产车间的改造升级也提出了新的要求。数字孪生是近几年智能制造的新兴技术，也是智能制造落地应用的手段之一。数字孪生制造车间作为一种车间运行新模式，已经在制造业中兴起并逐步探索应用，准确的孪生模型修正是完成车间数字孪生建设的重要保证。

当前对于车间数字孪生的研究仍处于初步探索阶段。数字孪生制造车间作为物理世界与信息世界交互与共融，以及制造活动的执行基础，需要在车间数据的驱动下，达到车间生产和管控最优。然而，在数字孪生应用中，孪生模型随着时间的推移会出现精度下降的现象，导致模型出现不准确的问题，影响车间管控的效率和精确性。实际上，如何对数字孪生制造车间的模型进行动态自适应更新，即在孪生模型精度误差显著增加时，进行模型修正，纠正模型偏差具有挑战性。保证孪生模型的准确性将直接影响数字孪生建设精度，进而影响车间数字孪生建设的效果。

数字孪生作为实现物理与信息融合的一种有效手段，将其应用到离散制造车间中，以孪生数据为驱动，融合物理模型与虚拟模型，完成“虚实映射，以虚控实”的迭代优化。数字孪生技术是指利用数字技术对物理实体对象的特征、行为、形成过程和性能进行描述和建模，在虚拟空间中存在一个与物理空间中的物理实体对象完全一样的数字镜像，使得产品和生产系统的数字空间模型和物理空间模型处于实时交互中，使二者能够及时地掌握彼此的动态变化并实时地做出响应。数字孪生模型(以下简称“孪生模型”)是指与物理实体模型在几何参数和性能参数一模一样的数字化模型；在产品运行阶段，孪生模型可与其实际物理实体形成实时动态的联动。可试验孪生模型是指无需驱动物理实体就可以通过孪生模型进行反复测试与实验以验证物理实体的功能与性能。为了达到能在运行阶段与物理实体的功能和性能一致，在设计阶段必须能完成孪生模型的可试验性，也就是在生产前就能验证物理实体的几何尺寸、功能与性能。然而，在数字孪生制造车间建设过程中，随着时间的推移孪生模型的精度会出现降低的现象，影响车间管控的效果，如果不对孪生模型进行及时的修正，可能会出现错误的方案指令，显著降低车间运行效率。经过对目前已有的相关专利和论文进行研究发现，目前孪生模型虽然在可视化、控制逻辑一致和数据实时交互方面有一些进展，但在离散制造车间的数字孪生领域，往往还是停留在孪生模型构建阶段，且缺乏考虑应用中孪生模型的适应性问题，导致物理车间数字孪生建设中孪生模型应用效果差的问题。

综上所述，提出一种面向数字孪生制造车间的模型动态自适应修正方法，对于保证孪生模型应用中的精度，提高车间数字孪生建设效果，提升制造水平，重塑竞争优势具有重要意义。

发明内容