介紹了數(shù)字孿生技術(shù)的發(fā)展和應(yīng)用概況,基于數(shù)字孿生定義,說明了基本定義對(duì)該技術(shù)的精準(zhǔn)實(shí)現(xiàn)的重要性,并梳理出了一個(gè)綜合數(shù)字孿生技術(shù)框架。闡述了工業(yè)4.0技術(shù)下和基于云端信息物理系統(tǒng)（C2PS）結(jié)構(gòu)下的數(shù)字孿生體,介紹了主流數(shù)字孿生框架及其框架內(nèi)各部分的交互關(guān)系。最后,總結(jié)了數(shù)字孿生技術(shù)現(xiàn)階段面臨的挑戰(zhàn),并對(duì)其未來應(yīng)用前景進(jìn)行了展望。以期為數(shù)字孿生技術(shù)未來發(fā)展及突破提供參考。 

【文章來源】：工業(yè)控制計(jì)算機(jī). 2020,33(06)

【文章頁數(shù)】：4 頁

【部分圖文】：

綜合性數(shù)字孿生技術(shù)橫向框架

C2PS是基于云端的網(wǎng)絡(luò)物理系統(tǒng)[19]，其中每個(gè)物理對(duì)象均依托云端管理，直接通過物理通信或云端通信連接數(shù)字孿生中的物理端與孿生端，建立P2P對(duì)接。C2PS結(jié)構(gòu)下的數(shù)字孿生體中，無論是系統(tǒng)還是制造過程均由數(shù)個(gè)相互獨(dú)立或相關(guān)的部分組成，且每個(gè)部分都有與之對(duì)應(yīng)的數(shù)字孿生體。圖2中，最上層為物理層，該層中的物理系統(tǒng)分為多個(gè)部分，又稱物理對(duì)象，在下一層網(wǎng)絡(luò)空間中，每個(gè)物理對(duì)象都有相應(yīng)的網(wǎng)絡(luò)對(duì)象。第1層為物理層，第2層為網(wǎng)絡(luò)層，物理層和之間通過傳感器等進(jìn)行傳輸，數(shù)據(jù)在物理端和網(wǎng)絡(luò)端之間雙向交互，同時(shí)物理端數(shù)據(jù)上傳到云端進(jìn)行歷史數(shù)據(jù)的儲(chǔ)存；第3層為通信層，其工作方式是點(diǎn)對(duì)點(diǎn)通信，相應(yīng)網(wǎng)絡(luò)對(duì)象組成一個(gè)通信小組，組內(nèi)通信均在組成員之間進(jìn)行。每個(gè)網(wǎng)絡(luò)對(duì)象可以存在于多個(gè)組。圖中所示的特征1到特征n可以看做改層的對(duì)象，通過關(guān)系網(wǎng)絡(luò)，通信層中的對(duì)象彼此連接，如同在網(wǎng)絡(luò)層中一樣。另外，不同的關(guān)系網(wǎng)絡(luò)之間也會(huì)產(chǎn)生交集。這樣做的目的是讓整個(gè)系統(tǒng)的各個(gè)部分進(jìn)行反饋交互，從而提高優(yōu)化速度。文獻(xiàn)[18]提出，在通信層中可采用機(jī)器學(xué)習(xí)和深度學(xué)習(xí)等技術(shù)，使得系統(tǒng)具有自配置能力，其中利用貝葉斯網(wǎng)絡(luò)對(duì)上下層預(yù)測(cè)數(shù)據(jù)的不確定性進(jìn)行建模是一種可行方法；第4層為服務(wù)層，該層中可對(duì)各個(gè)對(duì)象傳輸來的數(shù)據(jù)進(jìn)行計(jì)算、分析、預(yù)測(cè)以及整合優(yōu)化，主要依賴系統(tǒng)數(shù)據(jù)庫的存儲(chǔ)。演算能力；第5層為系統(tǒng)使用層，它使用前4層的輸出，包括服務(wù)管理器、服務(wù)集成器、生成數(shù)據(jù)消耗和數(shù)據(jù)可視化等功能。物理實(shí)體模型通過這第5層連接到數(shù)字孿生體上，用戶、客戶、工程師和專家根據(jù)數(shù)字孿生體的結(jié)果進(jìn)行設(shè)計(jì)、開發(fā)或配置。該結(jié)構(gòu)下，最終可以達(dá)到生產(chǎn)線優(yōu)化、過程重設(shè)計(jì)以及模型校正等目的。該結(jié)構(gòu)下的數(shù)字孿生模型是多層次的立體縱向模型，其中網(wǎng)絡(luò)虛擬對(duì)象和模型可以看作數(shù)字孿生體，反映出實(shí)際物理系統(tǒng)在真實(shí)環(huán)境下的行為、狀態(tài)和性能。實(shí)際生產(chǎn)中，數(shù)據(jù)和模型的復(fù)雜性是很難模擬與預(yù)測(cè)的，C2PS結(jié)構(gòu)下的孿生體模型將每一層、各個(gè)部分之間的信息從結(jié)構(gòu)定義上讓其產(chǎn)生交互，使得內(nèi)部反饋機(jī)制更加完善。在實(shí)際物理端產(chǎn)生數(shù)據(jù)并且未到達(dá)產(chǎn)品生命周期末端時(shí)，虛擬孿生體就可以用該數(shù)據(jù)模擬出不同生產(chǎn)后續(xù)環(huán)境下的產(chǎn)品參數(shù)供計(jì)算機(jī)進(jìn)行仿真、評(píng)估，這種反饋機(jī)制類似于控制領(lǐng)域中的內(nèi)回路反饋，具有響應(yīng)速度快，調(diào)整及時(shí)等優(yōu)點(diǎn)。因此，該結(jié)構(gòu)就可以大幅度減少數(shù)據(jù)本身復(fù)雜性所帶來的影響。

【參考文獻(xiàn)】：
期刊論文
[1]數(shù)字孿生五維模型及十大領(lǐng)域應(yīng)用[J]. 陶飛,劉蔚然,張萌,胡天亮,戚慶林,張賀,隋芳媛,王田,徐慧,黃祖廣,馬昕,張連超,程江峰,姚念奎,易旺民,朱愷真,張新生,孟凡軍,金小輝,劉中兵,何立榮,程輝,周二專,李洋,呂倩,羅椅民.  計(jì)算機(jī)集成制造系統(tǒng). 2019(01)
[2]數(shù)字孿生技術(shù)綜述與展望[J]. 劉大同,郭凱,王本寬,彭宇.  儀器儀表學(xué)報(bào). 2018(11)
[3]基于數(shù)字孿生的飛機(jī)裝配車間生產(chǎn)管控模式探索[J]. 陳振,丁曉,唐健鈞,劉玉松.  航空制造技術(shù). 2018(12)
[4]工業(yè)4.0新形勢(shì)下的機(jī)械制造及設(shè)備制造[J]. 王彥文.  山東工業(yè)技術(shù). 2018(12)
[5]全面實(shí)現(xiàn)數(shù)字化是通向智能制造的必由之路——解讀《智能制造之路:數(shù)字化工廠》[J]. 唐堂,滕琳,吳杰,陳明.  中國機(jī)械工程. 2018(03)
[6]產(chǎn)品數(shù)字孿生體的內(nèi)涵、體系結(jié)構(gòu)及其發(fā)展趨勢(shì)[J]. 莊存波,劉檢華,熊輝,丁曉宇,劉少麗,甕剛.  計(jì)算機(jī)集成制造系統(tǒng). 2017(04)
[7]智能制造——“中國制造2025”的主攻方向[J]. 周濟(jì).  中國機(jī)械工程. 2015(17)



本文編號(hào)：3434462