一种基于数字孪生的生产线控制系统、方法及生产系统与流程

本发明属于自动化制造领域，具体涉及一种基于数字孪生的生产线控制系统、方法及生产系统。

背景技术：

数字孪生(digitaltwin)简称dt，是一个新兴的概念。dt通常与真实的设备和系统同时产生，例如处理设备和传感器。dt可以用来表示真实世界中设备的数字模型，使得它与实际相应机器的状态和行为上是相同的。

现有生产线采用人机交互界面(hmi)，通常包括简单的命令系统，或简单的图形用户界面(gui)，通过菜单选择选项，输入特定的数据或命令，以及从单个设备中查看传感器数据。然而，生产线所产生的数据以及整个系统的运行可能是非常复杂的，这种生产线的性能往往是生产线内所有检测设备和加工设备相互作用的结果。设备其本身可能在其独特特性方面有所不同、每个检测设备所反映出来的意义在综合其他工位的加工数据而变得更有分析价值。

因此，包含基于数字孪生模型dt的生产线控制系统和方法将是本领域的热点。

技术实现要素：

本发明提供一种基于数字孪生的生产线控制系统、方法及生产线，以解决现有技术的缺点。

为实现上述目的及其他相关目的，本发明提供一种基于数字孪生的生产线控制系统，该生产线控制系统包括虚拟孪生控制子系统、数据分析子系统、边缘计算网关、数据采集子系统；

所述数据采集子系统，用于实时采集生产线当前运行状态数据；

所述虚拟孪生控制子系统，根据生产线历史运行状态数据、生产线当前运行状态数据生成表示生产线各个工位物理设备的数字孪生模型；

所述数据分析子系统，用于根据推荐算法、生产线历史运行状态数据、当前运行状态数据与生产线目标运行状态数据生成新的运行状态数据；

所述数字孪生模型根据所述新的运行状态数据对生产线的运行状态进行仿真；

所述数据分析子系统还用于根据数字孪生模型的仿真结果最终生成最佳运行状态数据；

所述边缘计算网关，用于实现所述虚拟孪生控制子系统与所述数据采集子系统之间的数据交互。

可选地，所述数据分析子系统包括深度学习模块、参数优化模块和实时分析模块，

所述深度学习模块，用于对生产线运行状态数据进行预处理、后处理；

所述参数优化模块，接收参数优化请求，根据推荐算法、当生产线历史运行状态数据、当前运行状态数据与生产线目标运行状态数据新的运行状态数据；

所述实时分析模块，用于响应参数优化请求并将新的运行状态数据输入至所述数字孪生模型中对生产线的运行状态进行仿真；

所述实时分析模块还用于根据数字孪生模型的仿真结果最终生成最佳运行状态数据。

可选地，所述深度学习模块包括数据接入子模块、数据拼接子模块、数据存储子模块、历史运行数据子模块、数据聚合单元和；

所述数据接入子模块，用于提供本地及分布式设备的数据源接入、实时数据源的接入以及datastore数据的接入；

所述数据拼接子模块，用于对所述数据接入单元提供的数据进行处理，包括数据清洗、数据自更新、数据时序拼接和数据聚合拼接功能；

所述数据存储子模块，用于存储所述数据拼接单元处理后的数据；

所述数据聚合子模块，用于对所述数据拼接单元处理后的数据进行聚类分析；

所述，用于根据聚类分析后得到的数据进行训练，训练得到的结果推送至数字孪生模型进行实时模拟。

可选地，所述深度学习模块包括异常处理子模块，用于对生产线控制系统运行中的民常行为进行捕获、处理。

可选地，所述深度学习模块还包括历史运行数据子模块，用于存储生产线历史运行状态数据。

可选地，所述深度学习模块还包括参数模拟接口子模块，用于将深度学习子模块输出的数据输入至参数优化子模块。

为实现上述目的及其他相关目的，本发明还提供一种基于数字孪生的生产线控制方法，该控制方法包括：

实时采集生产线当前运行状态数据；

根据生产线历史运行状态数据、生产线当前运行状态数据生成表示生产线各个工位物理设备的数字孪生模型；

根据推荐算法、生产线历史运行状态数据、当前运行状态数据与生产线目标运行状态数据生成新的运行状态数据；

数字孪生模型根据所述新的运行状态数据对生产线的运行状态进行仿真；

根据数字孪生模型的仿真结果最终生成最佳运行状态数据。

为实现上述目的及其他相关目的，本发明还提供一种基于数字孪生的生产系统，包括生产线控制系统、生产线、整线控制系统和交互子系统，所述控制系统生成的最佳运行状态数据被发送至所述整线控制系统，所述整线控制系统根据最佳运行状态数据向所述生产线发送控制指令；所述生产线根据所述控制指令执行生产任务；所述交互子系统用于接收输数据以及对最佳运行状态数据进行显示。

为实现上述目的及其他相关目的，本发明还提供一种存储介质，存储计算机程序，所述计算机程序被处理器运行时执行所述的基于数字孪生的生产线控制方法。

为实现上述目的及其他相关目的，本发明还提供一种电子终端，包括：

存储器，用于存储计算机程序；

处理器，用于执行所述存储器存储的计算机程序，以使所述设备执行所述的基于数字孪生的生产线控制方法。

如上所述，本发明的一种基于数字孪生的生产线控制方法、系统及生产系统，具有以下有益效果：

本发明提供了一种创建万向节生产线上面的实际设备一一对应的数字孪生模型的方法，实现在线查看当前生产线运行状况以及历史运行状况的功能。

本发明可以根据生产线的历史运行状态数据、传感器采集的数据或当前运行状态数据，各个工位物理设备的数字模型实时更新，并支持数字孪生模型的远程数据访问、命令和控制、远程配置。

本发明可以根据创建的数字孪生模型，基于数字孪生模型数据分析模块可以评估生产线中具体工位的当前运行状态数、预测和优化设备或生产过程。

附图说明

图1为本发明一实施例中一种基于数字孪生的生产线控制系统的原理框图；

图2为本发明一实施例中数据分析子系统的原理框图；

图3为本发明一实施例中深度学习模块的原理框图；

图4为本发明一实施例中一种基于数字孪生的生产线控制方法的流程图；

图5为本发明一实施例中万向节叉生产系统的框图；

图6为本发明一实施例中万向节叉生产系统的原理框图；

图7为本发明又一实施例中万向节叉生产系统的原理框图；

图8为本发明又一实施例的获取推荐运行优化参数的一个实施例流程图。

具体实施方式

以下通过特定的具体实例说明本发明的实施方式，本领域技术人员可由本说明书所揭露的内容轻易地了解本发明的其他优点与功效。本发明还可以通过另外不同的具体实施方式加以实施或应用，本说明书中的各项细节也可以基于不同观点与应用，在没有背离本发明的精神下进行各种修饰或改变。需说明的是，在不冲突的情况下，以下实施例及实施例中的特征可以相互组合。

需要说明的是，以下实施例中所提供的图示仅以示意方式说明本发明的基本构想，遂图式中仅显示与本发明中有关的组件而非按照实际实施时的组件数目、形状及尺寸绘制，其实际实施时各组件的型态、数量及比例可为一种随意的改变，且其组件布局型态也可能更为复杂。

本实施例提供一种用于管理具有多个生产设备的生产线的数字孪生接口，该数字孪生接口包括图形用户界面(gui)，用于显示万向节叉数字化生产线。生产线的数字等效物包括环境信息和每个工位信息。

该数字孪生接口还包括若干个数字显示图标，这些数字显示图标与生产线的每个工位的实际控制点一一对应。更具体地说，每个工位的实示控制点可以对应于数字显示图标。进一步，数字孪生接口的数字显示图标包括有关生产线当前运行条件的信息和最佳运行条件的信息。该接口还包括一个或多个配置图标，为优化生产线性能提供控制功能。

于一实施例中，涉及一种计算机系统实现的方法，用于生成具有多个生产设备的生产线的数字孪生(dt)模型。该方法为根据生产线的历史运行状态数据、传感器采集的数据或当前运行状态数据，创建各个工位物理设备的数字模型，它支持数据访问、命令和控制、远程配置、以及仿真和分析。

于一实施例中，涉及一种用于操作具有多个生产设备的生产线的计算机系统实现方法，据创建的数字孪生(dt)模型，基于数字孪生模型评估生产线中具体工位的当前运行状态数据以及更新实时运行参数，以及监控、预测和优化设备或生产过程。

如图1所示，于一实施例中，提供一种基于数字孪生的生产线控制系统，该生产线控制系统包括虚拟孪生控制子系统101、数据分析子系统102、边缘计算网关103、数据采集子系统104；

所述数据采集子系统，用于实时采集生产线当前运行状态数据；

所述虚拟孪生控制子系统，根据生产线历史运行状态数据、生产线当前运行状态数据生成表示生产线各个工位物理设备的数字孪生模型；

所述数据分析子系统，用于根据推荐算法、生产线历史运行状态数据、当前运行状态数据与生产线目标运行状态数据生成新的运行状态数据；

所述数字孪生模型根据所述新的运行状态数据对生产线的运行状态进行仿真；

所述数据分析子系统还用于根据数字孪生模型的仿真结果最终生成最佳运行状态数据；

所述边缘计算网关，用于实现所述虚拟孪生控制子系统与所述数据采集子系统之间的数据交互。

其中，虚拟孪生控制子系统是一整套运行系统软件，该软件实现了一种虚拟控制系统，具体包括内存1011、处理器1012和数据存储器1013。虚拟孪生控制子系统提供了现实设备的数字孪生模型，可以追踪当前设备所处状态，包括设备的效率、逻辑状态和故障的数字模型。数字孪生模型可对生产线的运行状态数据进行模拟，用以生成最佳的参数，也可以监测设备实时性能是否符合预测的数据。

数据分析子系统102，包括内存，数据分析子系统是运行在由多个gpu(图形处理器，graphicsprocessingunit，gpu)组成的分布式计算模块，可以将生产线当前运行状态数据(当前性能)与数字孪生模型模拟的生产线运行状态数据(模拟性能)进行比较或者预测将来设备的实时性能。

如图2所示，数据分析子系统102包括深度学习模块1021、参数优化模块1022以及实时分析模块1023；

深度学习模块1021负责对生产数据进行数据的预处理、后处理，挖掘信息，高效、准确地识别生产线的运行状况。

参数优化模块1022负责用户的参数优化请求，是可将用户输入数据和需求转换为预测工艺参数数据的工具，该工具使用机器学习算法，接收参数优化请求，根据推荐算法、当生产线历史运行状态数据、当前运行状态数据与生产线目标运行状态数据新的运行状态数据；新的运行状态数据被数字孪生模型接收并进行仿真，获取仿真结，仿真结果又被数字孪生模型接收进行再一次的仿真，如此循环直至获得最佳的仿真结果；

实时分析模块1023负责对参数优化模块1022所提出的数字孪生仿真需求进行响应，并根据数字孪生模型的仿真结果最终生成最佳运行状态数据。

于一实施例中，如图3所示，所述深度学习模块1021包括异常处理子模块10211、参数模拟接口子模块10212、数据接入子模块10213、数据拼接子模块10214、数据存储子模块10215、历史运行数据子模块10216、数据聚合子模块10217和模型训练子模块10218；

异常处理子模块处理系统运行中对异常行为的捕获、处理，避免程序终止执行，提高程序的稳健性。为了增加系统的友好性，在程序出现bug时，会提供一个友好的信息提示。

数据接入子模块，提供本地及分布式设备的数据源接入、实时数据源的接入以及datastore数据的接入。

数据拼接子模块，提供数据接入子模块接入数据的处理流程，包括数据清洗、数据自更新、数据时序拼接和数据聚合拼接功能。

数据存储子模块，存储来自数据拼接子模块处理完成之后的数据，进行备份存储，以待后续模型分析使用。

数据聚合子模块，提供聚类分析功能，数据拼接子模块提供的数据集通常既有连续特征又有分类特征，因此数据聚合子模块涉及到数据集的连续特征的离散化和离散特征的连续化。数据处理完成之后，向提供数据。

模型训练子模块，根据数据进行模型训练，得到的结果直接推送至数据分析子系统进行实时模拟，并将结果反馈至参数优化模块。

于一实施例中，边缘计算网关103可以提供双向通信，包括数据采集器dtu1031和数据存储单元1032，通过边缘计算网关实施采集数据的上载和命令的下发，边缘计算网关对采集数据进行处理，将实时重要生产数据进行实时上载，而将每日生产运行报告定时发送到中央数据中心进行长期存储，从而减少了网络的数据量。数据收集器dtu是与现场机床数据交互的中心点，以灵活和可配置的方式收集数据。需要进行数据收集的参数(例如尺寸、误差偏差等)可以通过虚拟孪生控制系统101远程配置。

边缘计算网关103是一种安全的设备，可以进行数据流提取和数据分析，以便识别重要的生产数据进行时候上载。该网关可以进行任意扩展，以便在本地运行更复杂的组网作业。

如图4所示，本实施例还提供一种基于数字孪生的生产线控制方法，该控制方法包括：

s1实时采集生产线当前运行状态数据；

s2根据生产线历史运行状态数据、生产线当前运行状态数据生成表示生产线各个工位物理设备的数字孪生模型；

s3根据推荐算法、生产线历史运行状态数据、当前运行状态数据与生产线目标运行状态数据生成新的运行状态数据；

s4数字孪生模型根据所述新的运行状态数据对生产线的运行状态进行仿真；

s5根据数字孪生模型的仿真结果最终生成最佳运行状态数据。

本实施例还提供一种基于数字孪生的生产系统，包括生产线控制系统、生产线、整线控制系统107和交互子系统105，所述控制系统生成的最佳运行状态数据被发送至所述整线控制系统，所述整线控制系统根据最佳运行状态数据向所述生产线发送控制指令；所述生产线根据所述控制指令执行生产任务；所述交互子系统用于接收输数据以及对最佳运行状态数据进行显示。

下面以万向节叉生产线进行进一步说明。

如图5、6、7所示，显示了万向节叉生产系统，该生产系统使用多个设备，不同的设备按照设定的工序进行加工。各个工艺步骤由各自的数控系统cnc401a～409a进行控制，传感器401b～409b进行加工后尺寸检测等质量反馈手段，通过数据接口701与整线控制系统107进行数据交互。公开的实施例适用于涉及万向节叉的工业过程，这种工业过程不同于只执行机械加工操作的生产加工系统。

该万向节叉工业生产系统包括前面实施例的生产线控制系统、多个加工机床、一个整线控制系统和一个交互子系统，交互子系统为基于bs架构的ar可视化组件。

其中，万向节叉工业生产系统实现了一组具有scada的数字孪生加工机床301～309。数字孪生机床301～309是物理机床的数字表示形式，其中包括每个机床物理的特性、唯一的操作特性以及为每个机床积累的数据，这些机床与也可以获取实际加工机床的传感器401b～409b输出数据和数控系统cnc401a～409a的数据，以便与数字孪生结合起来。

ar可视化组件负责用户的交互和数据收集与展示，vr可视化组件可以增强用户对生产线的交互体验。

图8所示的为一实施例的获取推荐运行优化参数的一个实施例流程图，包括如下步骤：

步骤s101，用户通过交互子系统进行参数数据输入，发出参数优化的请求。

在本实施例中，交互子系统可以为pc端、移动端或者vr设备，具体实施方式可依据实际情况而定，在对此不做限定。

步骤s102，数据分析子系统模块获取到优化分析请求请求，开始进行优化参数推荐计算。

s1021系统会从孪生数字模型去查看当前系统的状态信息，

s1022比较当前状态性能和用户输入的目标性能状态的差异，

s1023根据根据推荐算法进行新运行参数推荐，

s1024使用推荐的参数在数字孪生模型当中仿真运行，如此反复，直到得到最佳参数，满足或接近目标参数；

步骤s103，数据分析子系统将优化后得到的参数转换为设备的cnc系统可以直接执行的指令，等待用户确认分发；

步骤s104，用户确认分发指定下达之后，系统通过边缘计算网关将命令发送到指定机床的cnc系统；

步骤s105，整个系统更新设备运行状态，开始在推荐参数的状态下面运行生产线系统。

需要说明的是，由于装置部分的实施例与方法部分的实施例相互对应，因此装置部分的实施例的内容请参见方法部分的实施例的描述，这里暂不赘述。

本发明还提供一种存储介质，存储计算机程序，所述计算机程序被处理器运行时执行前述的单目摄像头定位方法。

本发明还提供一种设备，包括：

存储器，用于存储计算机程序；

处理器，用于执行所述存储器存储的计算机程序，以使所述设备执行前述的单目摄像头定位方法。

所述处理器可以是中央处理单元(centralprocessingunit,cpu)，还可以是其他通用处理器、数字信号处理器(digitalsignalprocessor,dsp)、专用集成电路(applicationspecificintegratedcircuit,asic)、现场可编程门阵列(fieldprogrammablegatearray,fpga)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。

所述存储器可以是内部存储单元或外部存储设备，例如插接式硬盘，智能存储卡(smartmediacard,smc)，安全数字卡(securedigital,sd)，闪存卡(flashcard)等。进一步地，所述存储器还可以既包括内部存储单元，也包括外部存储设备。所述存储器用于存储所述计算机程序以及其他程序和数据。所述存储器还可以用于暂时地存储己经输出或者将要输出的数据。

所属领域的技术人员可以清楚地了解到，为了描述的方便和简洁，仅以上述各功能单元、模块的划分进行举例说明，实际应用中，可以根据需要而将上述功能分配由不同的功能单元、模块完成，即将所述装置的内部结构划分成不同的功能单元或模块，以完成以上描述的全部或者部分功能。实施例中的各功能单元、模块可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中，上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。另外，各功能单元、模块的具体名称也只是为了便于相互区分，并不用于限制本申请的保护范围。上述系统中单元、模块的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。

在上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述或记载的部分，可以参见其它实施例的相关描述。

本领域普通技术人员可以意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本发明的范围。

在本发明所提供的实施例中，应该理解到，所揭露的装置/终端设备和方法，可以通过其它的方式实现。例如，以上所描述的装置/终端设备实施例仅仅是示意性的，例如，所述模块或单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通讯连接可以是通过一些接口，装置或单元的间接耦合或通讯连接，可以是电性，机械或其它的形式。

所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。

另外，在本发明各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。

所述集成的模块/单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明实现上述实施例方法中的全部或部分流程，也可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一计算机可读存储介质中，该计算机程序在被处理器执行时，可实现上述各个方法实施例的步骤。其中，所述计算机程序包括计算机程序代码，所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。所述计算机可读介质可以包括:能够携带所述计算机程序代码的任何实体或装置、记录介质、u盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(rom,read-onlymemory)、随机存取存储器((ram,randomaccessmemory)、电载波信号、电信信号以及软件分发介质等。

上述实施例仅例示性说明本发明的原理及其功效，而非用于限制本发明。任何熟悉此技术的人士皆可在不违背本发明的精神及范畴下，对上述实施例进行修饰或改变。因此，举凡所属技术领域中具有通常知识者在未脱离本发明所揭示的精神与技术思想下所完成的一切等效修饰或改变，仍应由本发明的权利要求所涵盖。