数字孪生技术 第四章 数字孪生在智能制造产线中的应用与实践.ppt

4.2数字孪生系统搭建4.2.4数字孪生系统建立系统的主要功能可分为实时监控、离线仿真、单元评估、VR功能四个部分。4.2数字孪生系统搭建4.2.4数字孪生系统建立（2）离线仿真模块离线仿真分为两种，一种是产线的离线数据，也称为历史数据，通常是保存在数据库中，或者以Txt以及Xml文件形式进行存储。数字孪生系统利用离线数据可对产线的运行进行历史性动态还原；另一种是应用于教学的示教操作，例如对物料机器人、仓库以及车床的单一操作。4.2数字孪生系统搭建4.2.4数字孪生系统建立（3）单元评估服务模块单元评估服务主要涵盖设备监控评估和KPI评估，通过数字孪生引擎中的数据结合算法模型进行计算分析，为数字孪生系统KPI评估界面。4.2数字孪生系统搭建4.2.4数字孪生系统建立（3）VR功能模块VR功能指利用HTCVive实现虚拟制造单元的VR技术，提供车间漫游功能和通过手柄交互获取设备信息的功能。数字孪生系统连接外部VR设备，显示第一视角漫游状态。4.3数字孪生技术在智能产线中的应用4.3.1基于数字孪生的过程监控（1）热误差预测国内外对主轴热误差开展了大量研究，建立了各种类型的热误差模型，可大体分为两类：机理驱动模型和数据驱动模型。机理驱动模型需研究主轴运行过程中的摩擦产热以及与功能部件、环境的交换热情况，基于传热机理、弹性变形理论等建立主轴热误差模型。其优势在于能够从机理角度解释主轴的热误差形成原因及变化规律，建立的热误差模型也更具通用性。但该方法需要较高的理论基础，且需考虑环境、冷却、材料属性等诸多因素，实施难度相对较大。与之相对的，数据驱动模型无需探明主轴变形机理，基于系列热特性实验，直接建立温度与主轴热变形的回归模型。其中，多元线性回归、支持向量机、神经网络等回归算法在数据驱动建模中被广泛使用。利用数学孪生模型，结合热误差建模技术，可实现机床热误差的实时预测。4.3数字孪生技术在智能产线中的应用4.3.1基于数字孪生的过程监控（1）热误差预测以直线轴X轴作为研究对象，直线轴由丝杠螺母、滑块等结构组成，其发热特点决定其热变形方向主要沿其运动方向。通过驱动X轴往复运动模拟实际加工中的X轴运动升温过程进行多组实验。在后续的热误差建模和误差预测中，将实验部分组测量的温度数据和误差数据用于建模，对新工况下的热误差进行预测。4.3数字孪生技术在智能产线中的应用4.3.1基于数字孪生的过程监控（1）热误差预测直线轴位移测量采用激光干涉仪，温度测量采用PT100热电阻温度传感器。测量时，各轴的测点布置如图。4.3数字孪生技术在智能产线中的应用4.3.1基于数字孪生的过程监控（1）热误差预测进给轴的热误差可认为是几何误差与热误差的复合误差，同时与温度和运动轴的位置相关。直线轴不同运动位置热误差不同，需要同时建立测量全行程内共多点处热变形与各个温度点的函数关系，汇总得到整个行程内的直线轴的热误差模型。为了预测进给轴各个运动位置的热误差，首先需要对各点的热误差数据分别聚类，聚类结果如表。4.3数字孪生技术在智能产线中的应用4.3.1基于数字孪生的过程监控（1）热误差预测分别以表中筛选的温度敏感点，基于多元线性回归算法对X轴的热误差建模，可获得各个位置处热变形与温度的表达式，以实验4中的温度敏感点温度为模型输入变量，通过回归模型预测实验4中的各点的热变形，对比实际测量结果如图所示，预测指标如表所示。4.3数字孪生技术在智能产线中的应用4.3.1基于数字孪生的过程监控（2）加工精度预测加工精度预测是指在制造加工过程中，根据已知的加工参数、材料性质、机器设备情况等信息，利用数学模型、统计学方法或机器学习技术等，对加工零件的最终精度进行估计或预测的过程。航发叶片铣削加工精度主要包括轮廓精度和表面完整性。在机床性能良好和加工状态稳定的条件下，加工轮廓精度主要受机床伺服跟随误差的影响，而表面质量主要受铣削加工的工艺参数影响。由于影响加工精度的因素众多，且各个影响因素之间的关系难以探究明确，采用理论建模只能基于简化条件、选择少量因素进行映射关系的建立，且存在过程十分繁杂、结果不易验证等问题。4.3数字孪生技术在智能产线中的应用4.3.1基于数字孪生的过程监控（2）加工精度预测4.3数字孪生技术在智能产线中的应用4.3.1基于数字孪生的过程监控（2）加工精度预测将处理好的实验数据集输入加工精度预测模型分别对18组工况的叶片加工轮廓误差进行预测，图为模型在测试样本集中某一样本不同轮廓点的测量轮廓误差值和预测的轮廓误差值对比图，其中红色部分为叶片铣削加工后测量的轮廓误差值，蓝色部分为轮廓精度预测模型预测的轮廓误差值。4.3数字孪生技术在智能产线中的应用4.3.1