基于数字孪生技术的产线设计和迭代演化

近年来，数字孪生技术在工业4.0和中国制造2025的大背景下得到了快速发展，未来几年国家将重点支持新基建涉及的七大领域的发展，包括5G基建、特高压、城际高速铁路和城市轨道交通、新能源汽车充电桩、大数据中心、人工智能、工业互联网^[1]，而数字孪生技术将是助力新基建的各大领域实现颠覆式升级转变的引擎之一。在此背景下，国内外对数字孪生技术的研究和应用呈现井喷式发展，同时涌现了很多新的研究成果。但是数字孪生技术在自动化生产线的设计研发和具体应用尚处于探索阶段，研究成果相对较少且缺乏系统性。

本文以自动化生产线为研究对象，在产线功能需求开发的基础上，建立需求域、数字孪生域、物理样机域并实现三域闭环协同演化迭代。三域闭环协同迭代演化的过程如图1所示。

图1 三域闭环协同迭代演化

陶飞等^[2-3]于2016年探讨了数字孪生车间（Digital Twin Shop-floor，DTS）的概念，创新性地探讨了基于数字孪生技术的生产车间在虚实世界的交互与共融理论方法，并提出了车间的数字孪生五维结构模型，致力于推进数字孪生技术在卫星/空间通信网络、船舶、车辆、发电厂、飞机、复杂机电装备、立体仓库、医疗、制造车间、智慧城市10个领域的应用和落地。周有诚等^[4]于2019年提出面向智能产品的数字孪生体功能模型构建方法，基于数字孪生技术构建系统模块化功能模型，对功能模型进行迭代优化演化。模块化的功能模型能够直观体现该系统的结构和设计不足之处，能够进一步提升设计和优化的效率，利用该功能模型的构建方法进一步实现智能产品在信息世界和物理世界的交互和共融。

Digital Twin最早是美国的Michael Grieves教授在2002年的一篇文章提出的，最早提到的数字孪生包括实体产品、虚拟产品和虚实产品之间的连接。

几年后，世界上很多的研究机构企业和学者对于Michael Grieves教授提出的数字孪生概念做了延伸，也包括Grieves教授^[5]发表的文献中提到将数字孪生的概念扩展到工业生产各领域。

奥克兰大学的ZHU Zexuan博士等^[6]提出将数字孪生技术应用到CNC数控铣床的加工中，结合AR技术使整个加工过程可视化，在虚拟环境中实时监控实体环境的加工情况，在虚实世界交互过程中实时产生数字孪生数据，进一步提高远程加工监控的可靠性。

南丹麦大学的Arne Bilberg教授等^[7]于2019年提出利用数字孪生技术解决柔性装配中人机协同问题，根据人机各自的优缺点在线动态分配装配任务，使柔性生产过程中人机协同效率达到最高，同时在设计生产制造过程中融入数字孪生技术能有效地在线监控生产过程，实时动态分析人和机各自的工作负载，根据工作负载动态分配工作任务，有效利用闲置资源，提高生产效率。

现如今，随着产品开发对象的复杂化，基于文本的系统工程构建产品的需求模型往往不够直观，SysML(Systems Modeling Language)作为一种新的系统建模语言在复杂系统设计方面有着明显的优势，将传统文本表达方式图形化。SysML采用9种基本图形表达需求模型的各个方面，分别为用例图、序列图、活动图、状态机图、需求图、模块定义图、内部模块定义图和包图，限于本文篇幅，本章只采用需求图和状态机图简单描述产线模型的构建。

模块定义图是系统建模中最为常见的图之一，产线的模块定义图是一个描述系统结构组成及每个结构的组成元素之间的关系。通过模块定义图展示了产线系统的子系统组成，其组成元素有夹具台子系统、工业机器人子系统、原材料库子系统、传送带子系统和装配台子系统，SysML的模块定义图通过图层的方法展示了各个子系统之间的关系，如图2所示。

图2 产线系统需求模型图

产线的状态机图主要表示产线在运作的状态过程，表示随着事件的触发而改变状态，该产线系统有三大状态，分别为停产状态、开机准备状态和工作状态，如图3所示。系统初始化后，系统处于停产状态，当操作人员打开电源和气阀的时候，系统进入准备状态，原材料和夹具都在原始位置，工业机器人进行轨迹规划，当所有准备就绪的时候，传感器通过收集及检测信号，感知产线系统已准备就绪后，系统进入工作状态，传感器实时收集信号，检测信号是否正常，直至某一工序异常停产。

图3 产线系统状态机图

产线的需求图主要定义的是系统各方面需求之间的关系，自动化产线系统的需求模型图主要分为功能需求和性能需求，如图4所示。功能需求主要考虑装配效率、装配台合格率、投入成本等主要方面，性能需求方面主要从工业机器人子系统、传送带子系统、装配台子系统等三大部分考虑。基于需求的产品选型往往需要综合考虑满足工况条件下产品设计的最低成本，对于工业机器人子系统，主要考虑其有效负载、运动精度、自由度、驱动方式、工作空间、动态特性和运动特性等；对于传送带子系统，主要考虑传送带的定位精度、传送对象之间的距离、需要传送的速度标准、使用寿命和其有效负载等；对于装配台子系统，主要考虑到装配精度、承载重力和台面的尺寸等。

图4 产线的需求模型图

根据工况条件和设计需求，初步在三维设计软件中给出了夹具台，用于放置3种非标定制的夹具。在工业机器人完成装配任务过程中，针对不同的夹持对象，需要换取不同夹具，根据不同夹持对象的外观尺寸，本文给出了3种非标准定制的夹具。为方便工业搬运机器人实现快速换夹具，提高装配效率，每个夹具有序排列安置在由工业铝型材搭建的紧凑型夹具台，每个夹具底座中心之间距离为的22mm，三维结构如图5所示。

图5 夹具台三维结构

工业机器人在完成装配任务过程中，需要从材料库A和材料库B站中夹取不同的零件到装配中进行组装装配，该装配产线实际是一柔性自动化车间示范平台的中间的一部分，其中材料库A是衔接上一道AGV智能物流的工序，同样，装配站装配完的装配体需要由工业搬运机器人搬运至下一道工序，限于本文篇幅，其他工序在本文并无详细阐述。所以在此特定的工况下，装配库需在装配产线的一侧，而夹具台安装在产线的另一侧，产线的三维模型如图6所示。按加工顺序，每个子系统的安装位置为材料库A、夹具台、直线导轨及其传送带、工业机器人、材料库B和装配台。

图6 产线的三维结构

为使设计效果更为直观和逼真，将产线模型导入SolidWorks软件中，设置适当的光源，从Photoworks中选择相应的布景，对模型应用相对的材质，设定每个零件的材料属性，将零件染上不同的颜色，把视角调整为等距视图，关键零件进行贴图，最后进行模型的渲染，效果图如图7所示。

图7 模型渲染效果

根据概念域的数字模型和工况要求，操作员在实体世界建立镜像实体模型，进行安装和实验。为在虚实世界实现数字孪生技术，本文将三维模型导入三维仿真软件Visual Components中，初步建立了数字孪生模型，根据工况和设计需求，在虚拟软件中安装与物理样机一致的传感器，包括计件用的红外传感器、颜色识别的视觉传感器和测距用的超声波传感器等。Visual Components软件能够导入相应的PLC程序代码进而实现相对应的运动动作，包括工业机器人的轨迹规划。通过OPC UA服务器建立孪生模型与实体模型的连接，实现数据的交互和融合，如图8所示。

图8 虚实模型交互

HMI人机界面能够远程实时监控产线运作过程，Visual Component软件通过运行虚拟世界的数字孪生模型提前预测实体模型在具体工况下的一些缺陷并提前预警，通过数字孪生模型的优化减少实体优化的成本费用。

通过物理样机的调试和实验测试，能够发现软件虚拟仿真不能发现的一些缺陷。例如，非标定制零件的加工和装配误差，关键零配件的实际损耗和机械结构优化等。其次，将缺陷优化数据反馈到数字孪生域和需求域，进行机械结构零配件的二次选型和模型的轻量化处理。同时，数字孪生域和物理样机域的迭代优化都是基于需求域的需求内容和标准进行，以此形成三域闭环迭代演化的过程，进一步实现了三域孪生数据的交互和共融。

本文分析当前发展情况，基于设计的需求，通过系统工程的SysML建模语言建立了产线的需求模型，然后在三维软件中设计了产线的三维模型，通过OPC UA服务器建立虚实模型的连接，虚实交互过程中实时产生孪生数据。同时，基于需求域和物理样机域反馈数据不断优化虚拟世界的孪生模型和实际参数的修正。其次，通过孪生模型的优化模型再次进行物理样机的优化和零件选型。通过三域闭环迭代演化的数字孪生技术，进一步降低产品设计周期，特别是全生命周期中设计、生产、维护、迭代等环节的成本费用。本文三域闭环迭代演化的思路为今后数字孪生技术在产品研发过程的应用提供了参考。

免责声明：本文版权归原作者所有，转载旨在分享。

参考文献：

[1]刘国旺.用新基建构筑数字时代的新结构性力量[N].中国财经报,2019-12-17(7).

[2]陶飞,张萌,程江峰,等.数字孪生车间——一种未来车间运行新模式[J].计算机集成制造系统,2017,23(1):1-9.

[3]张鹏,冯浩,杨通达,等.数字孪生与TRIZ集成迭代参数演化创新设计过程模型[J].计算机集成制造系统,2019,25(6):1361-1370.

[4]周有城,武春龙,孙建广,等.面向智能产品的数字孪生体功能模型构建方法[J].计算机集成制造系统,2019,25(6):1392-1404.

[5]GRIEVES M.Virtually perfect:Driving innovative and lean products through product lifecycle management[M].Space Coast Press,2011.

[6]ZHU Z X,LIU C,XU X.Visualisation of the Digital Twin data in manufacturing by using Augmented Reality[J].Procedia CIRP,2019,81:898-903.

[7]BILBERG A,MALIK A A.Digital twin driven human-robot collaborative assembly[J].CIRP Annals,2019,68(1):499-502