本发明属于制造装备数字孪生建模,尤其涉及一种制造装备数字孪生虚拟模型融合方法。
背景技术:
1、数字孪生虚拟模型是由一组描述物理对象各个方面且相互关联的异构子模型所构成的模型集合,其建模方法包括模型组装与模型融合。
2、目前对于制造装备的数字孪生虚拟模型建模方法研究存在不充分与不平衡的问题,大量研究聚焦于几何模型的构建与组装,对于模型融合方法研究较少。模型组装仅仅可以实现制造装备在虚拟空间的三维外观建模,无法满足制造装备在功能、特征、行为、物理和过程等方面的客观描述。因此,需要深入研究制造装备的数字孪生虚拟模型融合方法。
3、模型融合技术主要是为了通过异构子模型间的信息交互、数据共享、动态耦合和协同工作,来解决单一子模型映射精度低和无法描述物理对象复杂行为的痛点。只有完善虚拟模型融合方法,再结合已有的模型组装技术,才能够形成正确、有效、完整且高保真的制造装备虚拟模型。同时,服务是数字孪生技术落地应用的最终目的。高保真的制造装备虚拟模型是数字孪生服务发挥有效、可信、可靠功能的基础。
4、例如,对于工业领域常见的制造装备数控机床,在参与产品生产过程中,其数字孪生虚拟模型中的异构子模型包括但不限于:刀具磨损预测模型、关键部件状态监测模型、产品质量预测模型、工艺参数优化模型、机床热致误差模型和加工能耗模型等。
5、然而,上述面向特定应用场景、具体应用阶段和实际应用需求定制化开发的异构子模型存在映射精度不足、功能服务单一和信息交互困难的问题,无法实现制造装备处理复杂任务的能力。例如,对于数控机床的加工质量提升服务,仅仅依靠加工前的工艺参数优化模型或加工过程中的刀具磨损预测模型无法保证工件加工精度的提升;对于关键部件的视情维修服务,仅仅依靠部件的状态监测模型而不考虑备件库的优选决策模型无法实现制造装备的全面运维管控。
6、因此,有必要从面向数字孪生服务的角度,研究虚拟模型融合方法,实现异构子模型间的信息交互与动态协同,进而为制造装备日益复杂的数字孪生服务提供有效的、精准的解决方案。
技术实现思路
1、针对现有技术存在的上述不足,本发明的目的在于提供一种面向数字孪生服务的制造装备虚拟模型融合方法,解决现有技术模型融合方法缺失、模型映射精度不足、异构子模型间存在信息壁垒、交互不足和难以动态协同等问题。
2、实现上述目的,本发明采用如下技术方案:
3、一种面向数字孪生服务的制造装备虚拟模型融合方法,其特征在于,包括以下步骤:
4、步骤1:基于s3c2架构的制造装备虚拟模型层次划分;
5、步骤2:确定子模型的融合机制;
6、步骤3:确定子模型融合方法;
7、步骤4:进行子模型融合验证;
8、步骤5:依据数字孪生服务变化,进行子模型融合更新。
9、进一步,所述步骤1的制造装备虚拟模型层次划分,包括:(11)对异构子模型进行基于应用场景的划分,以满足不同功能服务对子模型的融合应用;(12)同一场景内的异构子模型在时间尺度上进行层次划分,以满足具体功能服务在不同阶段表达正确内容和隐藏不相关信息的能力。
10、进一步,所述基于s3c2架构的制造装备虚拟模型层次划分,包括按不同的建模研究对象进行不同应用场景的粗粒度划分,场景划分后的虚拟模型可以支持不同数字孪生服务的功能实现。
11、进一步,所述确定子模型的融合机制,包括:并发融合机制、顺序融合机制、选择融合机制、中断融合机制、嵌入融合机制和混合融合机制。
12、进一步,所述步骤3中的确定子模型融合方法为基于sysml和进程代数π演算相结合的制造装备虚拟模型融合方法,用于实现子模型间具体交互行为的表达。
13、进一步,所述sysml和进程代数π演算相结合的制造装备虚拟模型融合方法包括sysml状态机图的顺序转换的π演算语义:p1和p2表示进程1和进程2,evein表示输入通道,eveout表示输出通道,为守卫条件判定,true和false分别为真和假,表示事件集,e1表示具体事件1,[x=e1]为事件匹配构造;
14、
15、
16、sysml状态机图的选择转换的π演算语义:p1至p5分别表示进程1至进程5,evein表示输入通道,表示事件集,ei表示具体事件i,e1至e4分别表示事件1至事件4,[x=ei]为事件匹配构造。
17、
18、sysml状态机图的并行组装的π演算语义:{p1,p2}表示分叉前状态和汇合后状态,{p3s,p4s,p5s}分别表示3个正交区域的开始进入状态,{pjoin}表示正交区域汇合时的状态,evein表示输入通道,evein表示输入通道,表示事件集,ei表示具体事件i,e1和e2表示事件1和事件2,[x=ei]为事件匹配构造;
19、
20、
21、sysml序列图的异步消息传送的π演算语义q1和q2表示进程1和进程2,mesin表示输入通道,mesout表示输出通道,表示消息集,m1和m2表示具体消息1和消息2,[x=m1]为消息匹配构造;
22、
23、
24、sysml序列图的同步消息传送的π演算语义::{q11,q12,q13}和{q21,q22,q23}表示进程集合,mesin表示输入通道,mesout表示输出通道,表示消息集,mi表示具体消息i,m1和m2表示具体消息1和消息2,[x=mi]为消息匹配构造;
25、
26、
27、
28、
29、sysml序列图的选择分支传送的π演算语义:qi表示进程i,q1至q4分别表示进程1至进程4,mesin表示输入通道,表示消息集,mi表示具体消息i,m1至m4分别表示消息1至消息4,[x=mi]为消息匹配构造;
30、
31、sysml序列图的并发消息传送的π演算语义{q11,q12,q13}和{q21,q22,q23}表示进程集合,mesin表示输入通道,mesout表示输出通道,表示消息集,mi表示具体消息i,m1和m2表示具体消息1和消息2,[x=mi]为消息匹配构造,消息r1和r2为进程q22的信号量,当分支行为执行结束后,相应的信号量判定为真;因此,当每个分支的信号量判定均为真时,进程q22通过通道发送反馈消息mreturn,并触发转换进入进程q23;
32、
33、
34、
35、
36、进一步,所述步骤4中:采用π演算的互模拟等价理论和活性检测为面向数字孪生服务的制造装备数字孪生虚拟模型融合提供验证,实现制造装备数字孪生虚拟模型融合过程中不同方面sysml子图之间的语义一致性检查和系统活性分析。
37、进一步,所述步骤5为依据数字孪生服务类型、服务时间粒度的变化,选择相应的子模型进行融合更新。
38、相比现有技术,本发明具有如下有益效果:
39、1、本发明从面向数字孪生服务的角度,建立了制造装备的虚拟模型融合流程,包括:基于s3c2架构的制造装备虚拟模型层次划分、异构子模型融合机制、基于sysml和π演算的异构子模型融合方法、异构子模型融合验证、异构子模型融合更新。满足了数字孪生中虚拟模型的重要特征要求,实现了精准的数字孪生服务,并解决现有技术存在模型融合方法缺失、模型映射精度不足、异构子模型间存在信息壁垒、交互不足和难以动态协同的技术问题,弥补了制造装备领域数字孪生虚拟模型的建模空白,即模型融合。
40、2、本发明从面向数字孪生服务的角度,提出了基于s3c2架构的制造装备虚拟模型层次划分方法。其中,s3为具有更高抽象层次的平台无关模型,分别具体表示数字孪生服务service、时间尺度scale和应用场景scenario,c2为包含了具体技术实现细节的平台相关模型,分别具体表示异构子模型组件component和实现代码code。通过s3c2架构对制造装备的虚拟模型进行划分,可以有效降低制造装备虚拟模型融合的复杂性,明确模型与模型之间、模型与上下文背景之间、模型与服务之间、服务与服务之间的关联关系,使得模型融合可以在相应的时间尺度屏蔽不相关的信息并表达正确的内容,进而为后续基于数字孪生服务的模型融合提供支撑基础,提高了模型融合效率。
41、3、本发明提出了制造装备数字孪生虚拟模型融合机制,包括并发融合机制、顺序融合机制、选择融合机制、中断融合机制、嵌入融合机制和混合融合机制,为制造装备虚拟模型融合过程中的交互结构提供了支撑。
42、4、本发明提出了基于sysml和π演算的异构子模型融合方法和模型融合验证方法。该方法突出了sysml可读性强、易于理解的建模优势,π演算为融合过程建立了严格的数学基础,而且弥补了sysml自身缺乏融合模型分析手段的不足,提高了模型融合的正确性。