基于云平臺(tái)的數(shù)字孿生多適應(yīng)裝配產(chǎn)線設(shè)計(jì)*

高 丹，朱 翔，韓永成，徐玉林，杜 宇

(1. 唐山工業(yè)職業(yè)技術(shù)學(xué)院，河北 唐山 063299；2. 武漢華中數(shù)控股份有限公司，武漢 430223；3. 大連大華中天科技有限公司，遼寧 大連 116000)

0 引言

當(dāng)前，大規(guī)模個(gè)性化定制生產(chǎn)模式在制造業(yè)內(nèi)處于標(biāo)杠企業(yè)引領(lǐng)、全行業(yè)推動(dòng)、生產(chǎn)制造全流程滲透階段[1]。2019年，離散制造企業(yè)中開(kāi)展個(gè)性化定制的企業(yè)比例為8.1%[2]。基于互聯(lián)網(wǎng)平臺(tái)和智能工廠，開(kāi)發(fā)以用戶為中心的個(gè)性化定制系統(tǒng)，構(gòu)建企業(yè)內(nèi)部研發(fā)、生產(chǎn)、物流等流程的集中管控和智能決策，實(shí)現(xiàn)企業(yè)內(nèi)部與外部的供需動(dòng)態(tài)平衡，是企業(yè)從傳統(tǒng)工業(yè)過(guò)渡到智能制造階段的重要標(biāo)志[3-4]。依托智能化產(chǎn)線融入用戶定制化需求，通過(guò)數(shù)字孿生技術(shù)提升產(chǎn)線的適應(yīng)性，在產(chǎn)品研發(fā)階段進(jìn)行產(chǎn)線虛擬運(yùn)行，確保排產(chǎn)中能準(zhǔn)確按需生產(chǎn)定制化產(chǎn)品，精準(zhǔn)達(dá)成個(gè)性化定制指標(biāo)，是實(shí)現(xiàn)生產(chǎn)定制化的關(guān)鍵[5-6]。

數(shù)字孿生，最早是由Michael Grieves提出的。在數(shù)字虛擬空間建構(gòu)與現(xiàn)實(shí)空間物理實(shí)體的形態(tài)、質(zhì)地、行為動(dòng)作等屬性精確映射的虛擬物體[7]。在三維虛擬空間內(nèi)求得最優(yōu)解，并驗(yàn)證、調(diào)試虛擬產(chǎn)線工藝流程以獲得最佳設(shè)備利用率和產(chǎn)品質(zhì)量。可以縮短產(chǎn)品研發(fā)時(shí)間、加速產(chǎn)品的迭代、降低產(chǎn)品成本，推動(dòng)產(chǎn)品與生產(chǎn)工藝流程的不斷創(chuàng)新[8-9]。

劉建鑫[10]基于CPS環(huán)境下的制造單元，設(shè)計(jì)并開(kāi)發(fā)了制造單元管控系統(tǒng)，實(shí)現(xiàn)了信息系統(tǒng)與物理環(huán)境的無(wú)關(guān)性。Tao F 等[11]通過(guò)工業(yè)數(shù)字化孿生技術(shù)研究，提出了一種關(guān)于產(chǎn)品設(shè)計(jì)、制造及服務(wù)的新方法，并通過(guò)三階段的應(yīng)用實(shí)例驗(yàn)證了方法的有效性。Fei T 等[12]基于數(shù)字孿生技術(shù)提出了數(shù)字孿生車間(DTW)，成功實(shí)現(xiàn)了虛擬系統(tǒng)與實(shí)際生產(chǎn)之間的通訊與協(xié)作。

上述研究成果僅針對(duì)數(shù)字孿生系統(tǒng)的某一方面進(jìn)行研究，且過(guò)程中均存在人為因素的影響，導(dǎo)致制造過(guò)程無(wú)法實(shí)現(xiàn)高效、穩(wěn)定及最優(yōu)化。本文首先基于云計(jì)算、霧計(jì)算、邊緣計(jì)算及數(shù)字孿生等技術(shù)，建立具有智能計(jì)算分析及智能優(yōu)化決策能力的智能終端；然后采用“云霧邊端”系統(tǒng)架構(gòu)構(gòu)建了復(fù)雜環(huán)境下人在回路的數(shù)據(jù)智能融合驅(qū)動(dòng)系統(tǒng)，完成了數(shù)字孿生多適應(yīng)裝配產(chǎn)線關(guān)鍵技術(shù)設(shè)計(jì)。

1 數(shù)字孿生多適應(yīng)裝配產(chǎn)線的設(shè)計(jì)

1.1 產(chǎn)線組成及功能

智能工廠采用“一線四單元(產(chǎn)線單元、裝配單元、倉(cāng)儲(chǔ)物流單元、中央控制單元)”的模式進(jìn)行規(guī)劃設(shè)計(jì)，可完成多種復(fù)雜零件的自動(dòng)組裝，實(shí)現(xiàn)智能化生產(chǎn)，具有高柔性及高擴(kuò)展性的特點(diǎn)。

圖4 智能產(chǎn)線整體架構(gòu)

圖1 智能產(chǎn)線布局圖

(1)產(chǎn)線單元

該單元主要由立式加工中心、數(shù)控斜床身車床、鉆攻中心、工業(yè)機(jī)器人、機(jī)器人導(dǎo)軌、清洗機(jī)、檢測(cè)設(shè)備、小立體倉(cāng)、機(jī)器人快換夾具、NG流水線、單元倍速鏈、總控PLC、MES及其他相關(guān)智能軟件組成。能夠?qū)崿F(xiàn)自動(dòng)上下料、加工、清洗、檢測(cè)、排程下單等功能。

圖2 產(chǎn)線單元

(2)裝配單元

該單元主要由立體倉(cāng)、AGV、環(huán)形線、視覺(jué)系統(tǒng)、打螺絲機(jī)、控制臺(tái)等組成。能夠?qū)崿F(xiàn)物料的自動(dòng)檢測(cè)、裝配等功能。

圖3 裝配單元

(3)倉(cāng)儲(chǔ)物流單元

該單元主要由智能立體倉(cāng)、AGV小車(含調(diào)度系統(tǒng))、出料倍速鏈、移載機(jī)、RFID系統(tǒng)等組成。能夠?qū)崿F(xiàn)物料的自動(dòng)出入庫(kù)、自動(dòng)運(yùn)輸、智能追蹤等功能。

(4)中央控制單元

該單元主要由MES、總控PLC系統(tǒng)、大數(shù)據(jù)采集分析系統(tǒng)軟件、大數(shù)據(jù)平臺(tái)軟件、云數(shù)控系統(tǒng)平臺(tái)軟件、智能制造仿真系統(tǒng)軟件、機(jī)床健康保障軟件、加工工藝優(yōu)化軟件、遠(yuǎn)程監(jiān)控及管理軟件等組成。能夠?qū)崿F(xiàn)對(duì)智能工廠運(yùn)行的控制、排產(chǎn)、監(jiān)測(cè)、數(shù)據(jù)采集分析、定期維護(hù)等功能。

如圖4所示為智能產(chǎn)線整體架構(gòu)，具體可劃分為：智能設(shè)備層、數(shù)據(jù)采集層、數(shù)據(jù)業(yè)務(wù)層、數(shù)據(jù)中心層、智能管理與決策運(yùn)營(yíng)層。其中，智能設(shè)備層與數(shù)據(jù)采集層構(gòu)建了智能化生產(chǎn)協(xié)同柔性自動(dòng)化產(chǎn)線。而智能展現(xiàn)與決策運(yùn)營(yíng)層構(gòu)建了智能制造的管控平臺(tái)。產(chǎn)線全程自動(dòng)上下料，各機(jī)械手均配備快換夾具，且分別裝有清洗及檢測(cè)等設(shè)備，實(shí)現(xiàn)加工過(guò)程的最大柔性化。

1.2 產(chǎn)線工藝流程

(1)智能工廠整體動(dòng)作流程

首先在操作界面(MES)進(jìn)行人工下發(fā)訂單，通過(guò)系統(tǒng)解析將任務(wù)指令發(fā)送給各設(shè)備；然后立體倉(cāng)通過(guò)內(nèi)部堆垛機(jī)將物料放置流水線并送至各產(chǎn)線單元(每個(gè)產(chǎn)線單元僅加工一種類型零件)。物料在產(chǎn)線單元內(nèi)完成加工、清洗及檢測(cè)工序后形成零件進(jìn)入NG線；最后利用AGV小車將NG線上的零件搬運(yùn)至立體倉(cāng)內(nèi)或進(jìn)入裝配區(qū)。

(2)產(chǎn)線單元工藝流程

圖5所示為產(chǎn)線單元工藝流程。由堆垛機(jī)從立體料倉(cāng)中依次搬運(yùn)不同的料盤(pán)出庫(kù)，通過(guò)AGV和機(jī)器人進(jìn)入流水線，在對(duì)應(yīng)點(diǎn)位RFID系統(tǒng)和掃描儀的識(shí)別下，機(jī)器人將抓取毛坯件放入對(duì)應(yīng)機(jī)床進(jìn)行加工，待加工結(jié)束放回料盤(pán)，并通過(guò)流水線分別進(jìn)入清洗機(jī)清洗，利用CCD在線檢測(cè)系統(tǒng)檢測(cè)，將檢測(cè)合格的零件送入裝配臺(tái)進(jìn)行裝配，裝配完成后，成品件被抓取進(jìn)入AGV，由AGV搬運(yùn)回到自動(dòng)化立體倉(cāng)庫(kù)。

1.3 建立數(shù)字孿生系統(tǒng)

數(shù)字孿生系統(tǒng)架構(gòu)如圖6所示。首先利用設(shè)備三維模型建立虛擬產(chǎn)線，然后通過(guò)PLC將智能產(chǎn)線的實(shí)時(shí)數(shù)據(jù)存儲(chǔ)到數(shù)據(jù)庫(kù)并利用以太網(wǎng)發(fā)送至信號(hào)處理模塊進(jìn)行分析。同時(shí)，料倉(cāng)系統(tǒng)內(nèi)部信號(hào)也通過(guò)采集系統(tǒng)傳至信號(hào)處理模塊。最后采用信息發(fā)送模塊把經(jīng)過(guò)處理的信號(hào)發(fā)送至虛擬產(chǎn)線。將虛擬系統(tǒng)與數(shù)采系統(tǒng)(產(chǎn)線總控系統(tǒng))及云數(shù)控系統(tǒng)相結(jié)合，模擬實(shí)際生產(chǎn)工藝的運(yùn)行狀態(tài)，遠(yuǎn)程仿真智能產(chǎn)線的實(shí)時(shí)運(yùn)行狀況，并通過(guò)與數(shù)據(jù)倉(cāng)庫(kù)進(jìn)行數(shù)據(jù)交換，實(shí)現(xiàn)制造過(guò)程的可視化實(shí)時(shí)監(jiān)控。物理設(shè)備與數(shù)字孿生模型如圖7所示。

圖5 工藝流程圖

圖6 數(shù)字孿生系統(tǒng)架構(gòu)

(a) 物理設(shè)備 (b) 數(shù)字孿生模型圖7 物理設(shè)備與數(shù)字孿生模型

2 數(shù)字孿生多適應(yīng)裝配產(chǎn)線關(guān)鍵技術(shù)

2.1 云平臺(tái)網(wǎng)絡(luò)構(gòu)建關(guān)鍵技術(shù)

基于數(shù)字孿生系統(tǒng)對(duì)霧制造體系網(wǎng)絡(luò)架構(gòu)進(jìn)行設(shè)計(jì)，霧結(jié)構(gòu)，使基礎(chǔ)結(jié)構(gòu)能夠從過(guò)去的歷史數(shù)據(jù)中學(xué)習(xí)，實(shí)現(xiàn)對(duì)當(dāng)前生產(chǎn)過(guò)程的實(shí)時(shí)控制，并推斷未來(lái)生產(chǎn)運(yùn)行所需的生產(chǎn)參數(shù)。操作員可以在系統(tǒng)上，以非常接近于實(shí)際工廠的運(yùn)行模式模擬過(guò)程參數(shù)的變化，不會(huì)影響產(chǎn)品質(zhì)量、損壞生產(chǎn)設(shè)備或造成不安全的工況。使用云平臺(tái)報(bào)告狀態(tài)、接收命令或更新，成功構(gòu)建網(wǎng)絡(luò)體系架構(gòu)，建立更卓越的控制系統(tǒng)。

(1)物理設(shè)備層

物理設(shè)備層(圖8)將系統(tǒng)中的各種傳感器信號(hào)接入到以太網(wǎng)、PROFINET等工業(yè)網(wǎng)絡(luò)。現(xiàn)場(chǎng)管理人員與計(jì)算中心、生產(chǎn)設(shè)備和周圍環(huán)境實(shí)現(xiàn)閉合回路，形成人、機(jī)、物的全面互聯(lián)，為構(gòu)建系統(tǒng)的數(shù)字孿生模型及智能分析決策系統(tǒng)提供相關(guān)數(shù)據(jù)。

(2)產(chǎn)線孿生模型層

產(chǎn)線孿生模型層(圖9)為數(shù)字孿生智能裝配產(chǎn)線的信息載體，是構(gòu)建數(shù)字孿生智能裝配產(chǎn)線的數(shù)據(jù)基礎(chǔ)，構(gòu)建重點(diǎn)是產(chǎn)線信息模型和物聯(lián)感知。

(3)邊緣節(jié)點(diǎn)群層

系統(tǒng)邊緣節(jié)點(diǎn)分布在管理不同清洗、加工、裝配、存儲(chǔ)等工序的數(shù)字孿生對(duì)象模型中，分別形成清洗生產(chǎn)工序、加工生產(chǎn)工序、裝配生產(chǎn)工序、存儲(chǔ)生產(chǎn)工序、機(jī)器設(shè)備性能及機(jī)器設(shè)備故障的孿生邊緣節(jié)點(diǎn)群(圖10)。

圖8 物理設(shè)備層

圖9 產(chǎn)線孿生模型層

圖10 邊緣節(jié)點(diǎn)群層

(4)霧節(jié)點(diǎn)群層

如圖11所示，系統(tǒng)主要包含低層霧節(jié)點(diǎn)群、高層次霧節(jié)點(diǎn)群兩種。設(shè)定一個(gè)生產(chǎn)任務(wù)中每個(gè)小的生產(chǎn)過(guò)程對(duì)應(yīng)一個(gè)霧節(jié)點(diǎn)，低層霧節(jié)點(diǎn)群即由計(jì)算機(jī)通過(guò)可視化監(jiān)視生產(chǎn)流水線程序動(dòng)作過(guò)程中每個(gè)工序機(jī)器的狀態(tài)，與多個(gè)生產(chǎn)任務(wù)邊緣節(jié)點(diǎn)，形成一個(gè)生產(chǎn)任務(wù)的數(shù)字孿生對(duì)象的霧節(jié)點(diǎn)群；高層次霧節(jié)點(diǎn)群為生產(chǎn)決策網(wǎng)絡(luò)，實(shí)現(xiàn)生產(chǎn)參數(shù)的動(dòng)態(tài)調(diào)整、生產(chǎn)計(jì)劃的修改、訂購(gòu)供應(yīng)的數(shù)據(jù)。通過(guò)霧節(jié)點(diǎn)的層次結(jié)構(gòu)，可以管理系統(tǒng)中多種需求，將負(fù)載分配給未充分利用的設(shè)備。

(5)云平臺(tái)層

云平臺(tái)負(fù)責(zé)各類結(jié)構(gòu)化和非結(jié)構(gòu)化數(shù)據(jù)資源的清洗、轉(zhuǎn)換、處理、存儲(chǔ)和融合，以及物聯(lián)網(wǎng)感知數(shù)據(jù)的整合和統(tǒng)一。同時(shí)利用已融合大數(shù)據(jù)、人工智能等技術(shù)的仿真云平臺(tái)，通過(guò)友好的界面接口，基于高性能“計(jì)算力”，實(shí)現(xiàn)云平臺(tái)用戶訂單、產(chǎn)品等各種海量數(shù)據(jù)的存儲(chǔ)。如圖12所示。系統(tǒng)的整體網(wǎng)絡(luò)架構(gòu)見(jiàn)圖13。

圖11 霧節(jié)點(diǎn)群層

圖12 云平臺(tái)層

圖13 系統(tǒng)的整體網(wǎng)絡(luò)架構(gòu)

2.2 構(gòu)建深度學(xué)習(xí)云決策平臺(tái)

云平臺(tái)可根據(jù)傳感器數(shù)據(jù)和數(shù)字孿生軟件生成的實(shí)時(shí)數(shù)據(jù)，對(duì)設(shè)備的運(yùn)行狀態(tài)進(jìn)行監(jiān)測(cè)；利用歷史數(shù)據(jù)對(duì)神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練，實(shí)現(xiàn)對(duì)故障和設(shè)備狀態(tài)的準(zhǔn)確預(yù)測(cè)；同時(shí)采用數(shù)字孿生進(jìn)行決策虛擬仿真，根據(jù)仿真結(jié)果進(jìn)行優(yōu)化，使云平臺(tái)具有深度學(xué)習(xí)智能決策的能力。

本文采用改進(jìn)式卷積算法，在原始的卷積神經(jīng)網(wǎng)絡(luò)(GNN)的基礎(chǔ)上加以優(yōu)化，將設(shè)備當(dāng)前工作狀態(tài)設(shè)為輸入，輸出故障發(fā)生概率，最終根據(jù)輸出結(jié)果得到智能決策。深度學(xué)習(xí)云決策及改進(jìn)卷積神經(jīng)網(wǎng)絡(luò)算法流程圖如圖14所示。

如式(1)所示，將卷積層數(shù)據(jù)進(jìn)行批量歸一化，使數(shù)據(jù)實(shí)現(xiàn)均值為0，方差為1的標(biāo)準(zhǔn)化。

(1)

然后對(duì)式(1)進(jìn)行反變換，可以得到：

(2)

式中，γ和β為進(jìn)行學(xué)習(xí)的過(guò)程變量，y(k)為最終值。批歸一化對(duì)數(shù)據(jù)進(jìn)行訓(xùn)練，加快訓(xùn)練速度，提高系統(tǒng)的穩(wěn)定性，改進(jìn)卷積神經(jīng)網(wǎng)絡(luò)算法流程圖如圖14b所示。

傳統(tǒng)梯度下降法對(duì)m個(gè)樣本設(shè)損失度函數(shù)為均方誤差：

(3)

(4)

為了加快參數(shù)更新速率，本文采用隨機(jī)梯度下降算法。隨機(jī)選取一個(gè)樣本求取梯度，其參數(shù)更新公式為：

(5)

(a) 深度學(xué)習(xí)云決策 (b) 改進(jìn)卷積神經(jīng)網(wǎng)絡(luò)算法圖14 深度學(xué)習(xí)云決策及改進(jìn)卷積神經(jīng)網(wǎng)絡(luò)算法流程圖

2.3 智慧型大數(shù)據(jù)平臺(tái)的構(gòu)建

平臺(tái)的數(shù)據(jù)來(lái)源主要包括自動(dòng)采集的設(shè)備監(jiān)測(cè)數(shù)據(jù)、視頻監(jiān)控?cái)?shù)據(jù)、產(chǎn)生的各類生產(chǎn)數(shù)據(jù)及虛擬系統(tǒng)資料數(shù)據(jù)等。平臺(tái)建設(shè)的主要任務(wù)為將以上各類數(shù)據(jù)通過(guò)采集、處理、分類存儲(chǔ)保存至大數(shù)據(jù)平臺(tái)，分別形成教學(xué)庫(kù)、監(jiān)測(cè)庫(kù)、視頻庫(kù)、實(shí)訓(xùn)生產(chǎn)庫(kù)、文件資料庫(kù)，基于以上數(shù)據(jù)庫(kù)建立大數(shù)據(jù)倉(cāng)庫(kù)，并通過(guò)大數(shù)據(jù)計(jì)算、大數(shù)據(jù)分析、深度挖掘等技術(shù)，形成三個(gè)主題挖掘應(yīng)用：規(guī)律性數(shù)據(jù)，特征性數(shù)據(jù)，關(guān)聯(lián)性數(shù)據(jù)。實(shí)現(xiàn)離散的數(shù)據(jù)整合，形成大數(shù)據(jù)，提供實(shí)訓(xùn)基地內(nèi)部使用的數(shù)據(jù)采集、數(shù)據(jù)處理、監(jiān)測(cè)管理、預(yù)測(cè)管理、應(yīng)急指揮、可視化等大數(shù)據(jù)應(yīng)用模塊功能。

3 多適應(yīng)裝配產(chǎn)線控制系統(tǒng)設(shè)計(jì)

多適應(yīng)裝配產(chǎn)線控制系統(tǒng)采用霧計(jì)算，是面向一條或多條智能產(chǎn)線的控制系統(tǒng)。系統(tǒng)可分布式部署在多個(gè)節(jié)點(diǎn)協(xié)同運(yùn)行。它具有模塊化、可配置和開(kāi)放性的特點(diǎn)，面向不同的應(yīng)用場(chǎng)景，通過(guò)對(duì)工藝、刀具、產(chǎn)線等靈活配置可適應(yīng)大部分機(jī)加產(chǎn)線。

如圖15所示為控制系統(tǒng)總體框架圖。該控制系統(tǒng)包括對(duì)立體料倉(cāng)、RFID系統(tǒng)、AGV小車、上下料機(jī)器人、數(shù)控機(jī)床、清洗裝置、在線質(zhì)檢等設(shè)備的數(shù)據(jù)采集功能，訂單管理功能，生產(chǎn)排產(chǎn)功能，生產(chǎn)調(diào)度功能以及生產(chǎn)統(tǒng)計(jì)分析功能。由控制系統(tǒng)實(shí)現(xiàn)生產(chǎn)、物料、設(shè)備、質(zhì)量、工藝、資源和人員之間的數(shù)據(jù)及實(shí)體交互，構(gòu)建完整的實(shí)體工廠運(yùn)作流程。如圖16所示，為實(shí)際產(chǎn)線在線控制系統(tǒng)。

圖15 控制系統(tǒng)框架圖

圖16 產(chǎn)線總控制系統(tǒng)

4 結(jié)論

本文為數(shù)字孿生多適應(yīng)裝配產(chǎn)線設(shè)計(jì)構(gòu)建了“云平臺(tái)+霧節(jié)點(diǎn)群”的霧制造網(wǎng)絡(luò)架構(gòu)，以物理設(shè)備層、產(chǎn)線數(shù)字孿生模型層、邊緣節(jié)點(diǎn)群層、霧節(jié)點(diǎn)群層、云平臺(tái)等五層架構(gòu)為基礎(chǔ)，建立了人、機(jī)、物的虛擬與現(xiàn)實(shí)數(shù)據(jù)融合的網(wǎng)絡(luò)平臺(tái)；同時(shí)，根據(jù)智能傳感器和數(shù)字孿生軟件得到的實(shí)時(shí)數(shù)據(jù)提出了改進(jìn)式的深度學(xué)習(xí)云決策算法，實(shí)現(xiàn)了智能決策和動(dòng)態(tài)優(yōu)化。該系統(tǒng)已經(jīng)投入到唐山市某公司進(jìn)行實(shí)際應(yīng)用，具有一定的推廣價(jià)值。