“人-机-环境”共融的工业数字孪生系统智能优化方法
致力于数字孪生体技术的研究与发展
通过解决方案和工程化应用造福人类
来源：数字孪生DigitalTwin
作者：李浩 王昊琪等
摘 要
摘 要
工业数字孪生系统是智能制造应用实施的重要手段，但现有工业数字孪生系统主要面向机械系统探索研究理论和关键技术，缺乏从“人-机-环境”全局开展系统建模和优化。本文分析了“人-机-环境”系统建模和智能优化研究进展，总结了“人-机-环境”共融的工业数字孪生系统基本特征，建立了系统参考架构。
然后，提出了“人-机-环境”共融的工业数字孪生系统智能优化方法与关键技术体系，主要包括数据驱动的快速动态建模与仿真方法、基于生成式人工智能（AI）的数字孪生快速建模方法、多模态感知与智能交互方法、虚实同步映射与模型校正方法、基于分布式计算的运行优化控制方法、“人-机-环境”安全监测与态势感知方法和基于AI agent的系统自学习与优化控制方法等；
最后，通过典型案例展示了智能优化方法的应用效果。本文提出的工业数字孪生系统智能优化方法为实现智能制造过程中的“人-机-环境”共融提供了重要支撑。
关键词：“人-机-环境”共融；工业数字孪生系统；智能制造；智能优化；AI agent
“人-机-环境”共融的iDTS
智能优化方法与关键技术
1 数据驱动的快速动态建模与仿真方法
在“人-机-环境”共融的环境下，制造系统运行状态不断变化，需要快速建立三维模型支持这种不断变化的工业场景。根据实测数据，iDTS系统能够快速建立与人的行为、机器的性能和环境的状态等一致的数字化系统模型；然后，通过实时数据驱动数字孪生仿真系统运行，反映工业系统的工作状态并仿真系统性能，根据仿真结果进行系统优化。其中，点云是简单、统一的结构，在几何变换和变形时更容易操作，基于激光三维点云数据的制造车间快速动态建模方法如图2所示。
2 基于生成式AI的数字孪生快速建模方法
与测量数据驱动的快速建模方法不同，基于生成式AI的数字孪生体快速建模能够直接根据用户需求自动建立高逼真的三维模型或者场景。通过神经网络训练大量的三维模型数据，学习三维实体的结构和材质等信息，自动生成满足用户需求的个性化三维模型或者工业场景，图3描述了基于三维生成对抗网络（3D Generative Adversarial Networks，3D GANs）的数字孪生快速建模方法。
3 多模态感知与智能交互方法
“人-机-环境”共融的iDTS智能优化需要在感知物理实体的位置、速度、行为和状态等实时数据的情况下，通过智能计算方法、信号处理技术等提取知识，理解多任务的工业场景。同时，通过虚拟现实、语音生成等智能交互方法实现“人-机-环境”共融的人机协作优化控制。本文将多模态感知与智能交互技术结合，为“人-机-环境”深度融合的智能优化提供技术支持。图4给出了人机协作焊接场景的多模态感知与智能交互。
图4 人机协作焊接场景的多模态感知与智能交互
4 虚实同步映射与模型校正方法
虚实同步是“人-机-环境”共融的iDTS的基本特性，实现数字孪生模型动态校正的基础。如何既保证虚实交互的同步性和实时性，又不降低模型的精度和不占用大量计算资源是一个难题。本文提出了一种多通道、多机制的iDTS虚实同步与自适应更新方法，如图5所示，设计了一种分层次、分模块的多通道、多同步机制的iDTS虚实同步机制。
5 基于分布式计算的运行优化方法
本文提出一种基于分布式操作系统的“人-机-环境”共融的iDTS系统分布式计算架构，如图6所示。该系统架构采用云边端协同的模块化分布式布局，通过在云端、边缘和终端设备之间协同处理各种计算任务，以满足iDTS对算力资源、负载均衡、快速响应和本地安全的需要，从而提高iDTS的整体性能。
6 人机环境安全监测与态势感知方法
安全性是工业5.0“人本制造”的最基本特性，自治化的无人车间并不是将人排除在外，而是在保证生产安全的情况下，通过“人-机-环境”的协作和理解达到关键的性能指标。监测预警与态势感知能够保证“人-机-环境”共融的iDTS智能优化的安全性，既包括数据安全、网络安全和信息安全，也包括生产现场的安全管理。本文采用语义本体与虚实混合数据集成的方法实现“人-机-环境”共融的工iDTS的安全态势感知与检测预警，如图7所示。
7 基于AI agent的系统
自学习与优化控制方法
AI agent是AI 深度学习算法与数字孪生模型的深度融合。AI算法能自动感知和理解物理系统的运行环境，学习和归纳知识，并用神经网络权重和参数来描述系统运行规律，根据任务目标自动生成一系列方案，为“人-机-环境”共融的复杂作业场景的优化控制提供了一种新方法。图8给出了基于AI agent的协作机器人iDTS自学习与优化控制方法。
全文阅读
