【技术实现步骤摘要】
基于云端融合和数字孪生技术的企业生产现状诊断方法
本专利技术涉及一种企业生产现状的诊断方法。
技术介绍
数字孪生是一种新兴的智能化技术,是一种将实体、虚拟数据以及连接两者之间的枢纽进行集成以形成新的方法技术或系统。基于数字孪生技术,可以将现实中的物理实体虚拟化,即借助数据对物理实体在现实中的行为进行模拟、仿真,并在信息化的平台上进行实时监控,也可通过预置接口对现实中的物理实体进行操作控制。同时通过一定的反馈系统与性能的迭代优化,结合相应的人工智能技术,将模拟的孪生体数据再实时反馈至物理实体中,物理实体可以根据反馈数据进行自我优化和自我学习,以达到提升物理实体能力的目的。数字孪生可渗透至产品生产的全生命周期,不仅是对物理实体的映射,也是对物理实体中各数据的集成。云的概念是指基于云计算技术,并通过物联网将万物之间的数据或资源进行共享应用与互联互通,其中云计算技术是各种计算机和网络技术的集成技术,具有规模大、虚拟化、处理信息速度快、服务费用低的特点。传统的云计算和物联网结合的框架中,物联网的数据传输到云平台,再通过预置接口将处理过后的数据传输给接收端,具有一定的延迟性。云端融合旨在改善这种分离模式,在结合云侧和端侧优点的同时,克服各自的缺点从而实现云平台到终端的延伸以及终端与云平台的动态实时交互,形成一个有机整体。企业诊断是促进企业生产管理现代化和科学化的重要手段,其主要对象是生产现场状况,即针对现场生产状况进行分析并利用一系列技术手段制定相应的改善措施,从而达到提高生产效率,改善生产管理现状的目的。在企业 ...
【技术保护点】
1.一种基于云端融合和数字孪生技术的企业生产现状诊断方法,包括如下步骤:/n步骤1.对企业生产过程中的生产资源及运行数据进行划分;其中企业生产资源包括同产品生命全周期相关的因素,如车间面积、设备种类、设备数量、物流路线、企业员工、原材料等;企业运行数据包括产能、在制品数、生产工艺、车间布局、生产计划等数据;可利用调研、查找历史数据、追踪传感器或机器视觉传输技术对数据进行收集;/n步骤2.将划分后的企业生产资源、运行数据、调研数据、当前运行数据、历史数据利用大数据技术对其进行抽取和清洗消除无效数据,利用数字孪生技术将物理实体车间进行虚拟化,即通过一定的映射关系和预测孪生系统得到的数据对物理实体车间实现虚拟化或数字化,形成孪生车间;孪生车间中所包含的三个层次分别为生产要素、生产行为、生产规则;其中生产要素有车间的几何形状、车间尺寸大小、设备物料数量、操作人员等;生产行为包括在应对生产计划变更或订单扰动情况下,能响应外界扰动的车间行为;生产规则包括车间有序运行的规律;形成的虚拟实体是对物理实体车间的真实反映,所涉及的孪生车间中的各要素是通过大量的协议或是连接方法进行连接;孪生车间的建模流程的 ...
【技术特征摘要】
1.一种基于云端融合和数字孪生技术的企业生产现状诊断方法,包括如下步骤:
步骤1.对企业生产过程中的生产资源及运行数据进行划分;其中企业生产资源包括同产品生命全周期相关的因素,如车间面积、设备种类、设备数量、物流路线、企业员工、原材料等;企业运行数据包括产能、在制品数、生产工艺、车间布局、生产计划等数据;可利用调研、查找历史数据、追踪传感器或机器视觉传输技术对数据进行收集;
步骤2.将划分后的企业生产资源、运行数据、调研数据、当前运行数据、历史数据利用大数据技术对其进行抽取和清洗消除无效数据,利用数字孪生技术将物理实体车间进行虚拟化,即通过一定的映射关系和预测孪生系统得到的数据对物理实体车间实现虚拟化或数字化,形成孪生车间;孪生车间中所包含的三个层次分别为生产要素、生产行为、生产规则;其中生产要素有车间的几何形状、车间尺寸大小、设备物料数量、操作人员等;生产行为包括在应对生产计划变更或订单扰动情况下,能响应外界扰动的车间行为;生产规则包括车间有序运行的规律;形成的虚拟实体是对物理实体车间的真实反映,所涉及的孪生车间中的各要素是通过大量的协议或是连接方法进行连接;孪生车间的建模流程的具体步骤如下:
2a.首先对虚拟层要素进行划分:
Mv={Pv,Bv,Rv}(1)
其中Mv是虚拟层要素,Pv为生产要素,Bv为行为要素,Rv为规则要素;
2b.模型预处理,对上述生产要素按照生产过程中的逻辑结构、物流特性、组织规则进行描述;
2c.利用三维建模仿真软件对生产现场中的设备、物料、人员进行场景搭建,实现几何模型的建模;
2d.使用AutomationML对搭建完成的几何模型进行行为标准化建模;
2e.可选取开源平台做中间件,供其他系统提取相关信息;
2f.提供系统间通信机制,进一步扩大系统覆盖范围,从而完成对物理实体车间的映射,生成孪生车间;
步骤3.运用人工智能技术和数字孪生技术,即灰色理论和RBF径向基神经网络对所得孪生车间生产要素的数据进行预测,具体预测步骤如下:
3a.将上述筛选过后的数据记为原始数据为累加生成新的序列其中
3b.定义灰微分方程:
x(0)(k)+αz(1)(k)=ε(3)
其中x(0)(k)为灰导数,α为发展系统,z(1)(k)为白化背景值,ε为灰作用量;
3c.由灰微分方程求解白微分方程:
3d.求解微分方程得时间相应序列xc,并得到预测序列
3e.累减还原得原始数据预测值:
3f.建立基于原始数据和预测序列差值的RBF径向基神经网络模型;
3g.对RBF径向基神经网络模型进行训练,并修正差值;
3h.获得更为稳定和准确的预测值
步骤4....
【专利技术属性】
技术研发人员:王亚良,范欣宇,倪晨迪,高康洪,张敏,
申请(专利权)人:浙江工业大学,
类型:发明
国别省市:浙江;33
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。