【技术实现步骤摘要】
一种离散制造车间数字孪生模型自适应动态更新方法
[0001]本专利技术涉及车间数字化
，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。
技术介绍
[0002]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。
[0003]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...
【技术保护点】
【技术特征摘要】
1.一种离散制造车间数字孪生模型自适应动态更新方法，其特征在于，包括以下步骤：步骤S1、通过数字孪生制造车间部署的物联感知设备按时序采集连续多个生产过程的生产数据，选取特征数据集；所述特征数据集包括订单任务数据、当前时刻已完成任务数据、实时生产状态数据和预测时间；同时对虚拟车间进行数据采集，获取特征数据集；步骤S2、将平方损失函数作为性能目标响应误差，并采用最大最小归一方法对目标响应误差进行归一化处理，确认需要优先修正的性能目标；步骤S3、采用基于Mann
‑
Kendall的偏差趋势分析方法对性能指标的精度进行显著性检验；当精度误差超越预设阈值时，所述数字孪生模型进行自适应更新；步骤S4、基于步骤S3的数字孪生模型更新机制，采用集成学习方法，选择DNN和LSTM作为基学习器，对基学习器进行差额对比训练，直到形成强学习器，最后进行数字孪生模型的更新。2.根据权利要求1所述的一种离散制造车间数字孪生模型自适应动态更新方法，其特征在于，步骤S2中包括响应误差的计算和待修正性能目标的选择两个过程；具体地，步骤S2.1、构建性能目标响应误差函数；用平方损失函数构建目标响应误差如下：其中，表示孪生模型中第i个目标响应的实际值，y
i
＝f(x；i)表示孪生模型中第i个目标响应的理论值；基于上述目标响应误差函数，完成各个性能目标响应误差的计算；步骤S2.2、选择待修正的性能目标；采用最大最小归一化方法对目标响应误差ER
i
进行归一化处理，消除不同量纲的影响；计算方式如下：其中，目标响应对的误差绝对值
△
ER
ij
的计算公式为：
△
ER
ij
＝|ER
i
‑
ER
j
|i和j分别表示目标响应对中包含的不同目标响应；进一步明确各个目标响应对误差差值所占比例，即目标响应对的分项系数w
ij
，计算公式如下：n表示目标响应的总数；w
ij
的值越大，则表示第i和j个目标的响应误差越大，需要修正的优先级越高。3.根据权利要求1所述的一种离散制造车间数字孪生模型自适应动态更新方法，其特征在于，所述步骤S3中基于Mann
‑
Kendall的偏差趋势分析方法具体包括：步骤S3.1、获得数字孪生模型的测试精度变化；计算方式包括：
其中，表示t时刻的第i个指标的实际值；表示t时刻的第i个指标在数字孪生模型下的理论值；第t+1时刻模型测试精度为TA
it+1
，则数字孪生模型的测试精度为：第i个指标的一个完整的数字孪生模型测试精度变化表示为：步骤S3.2、采用Mann
‑
Kendall趋势检验方法检验数字孪生模型测试精度
△
TA
i
的趋势变化情况；当数字孪生模型测试精度呈现下降趋势时，触发数字孪生模型更新机制；具体地，Mann
‑
Kendall趋势检验的公式为：Kendall趋势检验的公式为：其中T为数字孪生模型测试精度序列中数值的个数，当S
i
>0时，表示精度变化向上变化；当S
i
<0时，表示精度变化向下变化；当T>10时，使用Z
i
统计量，并计算S
i
的方差，计算公式如下：下：其中Var(S
i
)表示S
i
的方差，G表示结组数，t
j*
表示第j*结组中数值的个数；Z
i
表示检验统计量；当Z<0时，表示
△
TA
i
随...
【专利技术属性】
技术研发人员：钱伟伟，郭宇，张立童，张浩，刘赛，崔凯，晏立超，陶亚宁，
申请(专利权)人：南京航空航天大学，
类型：发明
国别省市：
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。