晉嚴(yán)尊 王中一 湯輝 朱小勇

摘 要：為提升機(jī)載武器企業(yè)生產(chǎn)效率和產(chǎn)品質(zhì)量， 對機(jī)載武器智能制造技術(shù)進(jìn)行了應(yīng)用研究。 本文首先對國外先進(jìn)機(jī)載武器企業(yè)智能制造發(fā)展現(xiàn)狀進(jìn)行了分析， 然后根據(jù)機(jī)載武器生產(chǎn)特點(diǎn)， 結(jié)合其對智能制造的要求， 提出了機(jī)載武器智能制造的整體架構(gòu)， 并對架構(gòu)中智能管控、 智能裝備、 智能倉儲物流等關(guān)鍵技術(shù)進(jìn)行了研究。 智能制造技術(shù)的應(yīng)用， 可推動機(jī)載武器生產(chǎn)企業(yè)的轉(zhuǎn)型升級和創(chuàng)新發(fā)展。

關(guān)鍵詞：???? 航空裝備; 機(jī)載武器; 智能制造; 數(shù)字孿生; 智能管控; 智能裝備; 智能倉儲物流

中圖分類號：TJ760; V260.6? 文獻(xiàn)標(biāo)識碼：??? A? 文章編號：???? 1673-5048（2021）06-0001-06

0 引? 言

機(jī)載武器是指從飛機(jī)上投射用于攻擊戰(zhàn)術(shù)目標(biāo)的武器裝備[1]。 作為最直接的空中打擊力量， 機(jī)載武器對于掌控空中優(yōu)勢和實(shí)現(xiàn)防空壓制都具有十分重要的作用[2]。

機(jī)載武器雖然外形尺寸較小， 但功能強(qiáng)大、 結(jié)構(gòu)復(fù)雜。 由于其內(nèi)部空間狹小， 裝調(diào)難度大， 傳統(tǒng)的機(jī)載武器生產(chǎn)多以手工操作為主， 效率低、 質(zhì)量一致性差。 近年來， 隨著智能制造技術(shù)的蓬勃發(fā)展， 機(jī)載武器行業(yè)也相繼開展了先進(jìn)制造技術(shù)的研究和應(yīng)用， 已初步形成數(shù)字樣機(jī)、 異地協(xié)同、 數(shù)字化制造的產(chǎn)業(yè)發(fā)展模式， 一些重點(diǎn)企業(yè)通過技術(shù)改造配備了大量的高、 精、 尖設(shè)備及軟件系統(tǒng)， 使得研制手段、 單道工序和單臺設(shè)備的效能得到了一定提升， 但是現(xiàn)有的“重節(jié)點(diǎn)、 輕過程”的粗放式生產(chǎn)組織模式和以人工管控為主的運(yùn)行管控手段， 無法從根本上解決裝備制造產(chǎn)能優(yōu)化、 產(chǎn)業(yè)鏈協(xié)同的問題， 不能充分發(fā)揮先進(jìn)生產(chǎn)設(shè)備及軟件工具的綜合優(yōu)勢[3]， 嚴(yán)重制約了機(jī)載武器裝備的研制生產(chǎn)能力， 難以滿足快速響應(yīng)、 高質(zhì)量交付的發(fā)展需求。

國外領(lǐng)先的機(jī)載武器生產(chǎn)廠商雷神、 歐洲導(dǎo)彈集團(tuán)（MBDA）等公司已通過流程再造、 模式創(chuàng)新， 開啟了數(shù)字化轉(zhuǎn)型之旅， 數(shù)字化、 智能化轉(zhuǎn)型已經(jīng)成為先進(jìn)機(jī)載武器企業(yè)的共性戰(zhàn)略， 并已付諸實(shí)施。 面對新的內(nèi)、 外部環(huán)境形勢， 在機(jī)載武器領(lǐng)域大力開展智能制造技術(shù)研究和應(yīng)用， 在傳統(tǒng)制造技術(shù)基礎(chǔ)上發(fā)展先進(jìn)制造技術(shù)， 打造支撐現(xiàn)代制造業(yè)的骨架和核心， 將成為提高設(shè)計(jì)、 制造和管理水平， 保障型號研制[4]， 促進(jìn)機(jī)載武器行業(yè)跨越式發(fā)展的必然選擇。

1 機(jī)載武器智能制造發(fā)展現(xiàn)狀

智能制造是基于物聯(lián)網(wǎng)、 大數(shù)據(jù)、 云計(jì)算等新一代信息技術(shù)， 貫穿于設(shè)計(jì)、 生產(chǎn)、 管理、 服務(wù)等制造活動的各個(gè)環(huán)節(jié)， 具有信息深度感知、 智慧優(yōu)化自決策、 精準(zhǔn)控制自執(zhí)行等功能的先進(jìn)制造過程、 系統(tǒng)與模式的總稱[5]。

在新一輪科技革命和產(chǎn)業(yè)變革的大背景下， 以數(shù)字化、 網(wǎng)絡(luò)化、 智能化為特點(diǎn)的智能制造已成為未來發(fā)展趨勢[6]。 “中國制造2025”、 “德國工業(yè)4.0”、 “美國工業(yè)互聯(lián)網(wǎng)”等制造業(yè)國家戰(zhàn)略， 均旨在構(gòu)建自身的智能制造體系， 特別是新一代信息技術(shù)與制造業(yè)的深度融合， 將促進(jìn)制造模式、 生產(chǎn)組織方式和產(chǎn)業(yè)形態(tài)的深刻變革[7]， 改變?nèi)蛑圃鞓I(yè)的發(fā)展格局。

智能制造作為企業(yè)轉(zhuǎn)型升級的重要抓手， 已經(jīng)引起機(jī)載武器企業(yè)的高度重視。 以雷神公司為例， 其采用敏捷制造模式改進(jìn)生產(chǎn)過程， 大幅提高了生產(chǎn)效率。 雷神公司將虛擬現(xiàn)實(shí)技術(shù)融入研發(fā)設(shè)計(jì)和制造過程中， 建立了沉浸式設(shè)計(jì)中心， 在沉浸式虛擬現(xiàn)實(shí)顯示系統(tǒng)（CAVE）的三維仿真中完成產(chǎn)品設(shè)計(jì)、 虛擬裝配及工廠布局規(guī)劃等工作，? 實(shí)現(xiàn)了產(chǎn)品從設(shè)計(jì)向制造的無縫過渡。? 依靠強(qiáng)大的視覺體驗(yàn)， 生產(chǎn)人員可協(xié)助完成產(chǎn)品設(shè)計(jì)優(yōu)化， 在實(shí)際試制和生產(chǎn)中可以一次成功完成零件和產(chǎn)品的加工制造。

為提升裝配效率， 降低誤差， 雷神公司開發(fā)了能夠滿足導(dǎo)引頭生產(chǎn)要求的工業(yè)機(jī)器人加工系統(tǒng)， 如圖1所示。 該系統(tǒng)采用六軸機(jī)器人， 實(shí)現(xiàn)高精度重復(fù)裝配工作。 機(jī)器人的末端執(zhí)行器還配備視頻檢測系統(tǒng)， 能夠在導(dǎo)引頭安裝中不斷校準(zhǔn)誤差， 保障產(chǎn)品的精細(xì)化裝配效果。

雷神公司的紅石兵工廠是基于“物聯(lián)網(wǎng)”的智能化總裝廠， 大量使用工業(yè)機(jī)器人和人工智能技術(shù)， 通過物聯(lián)網(wǎng)和生產(chǎn)數(shù)據(jù)管理， 實(shí)現(xiàn)導(dǎo)彈艙段的自動化轉(zhuǎn)運(yùn)、 托舉、 對接等， 如圖2所示， 大幅提高了生產(chǎn)效率， 縮短制造和測試周期。

雷神公司采用MBSE（基于模型的系統(tǒng)工程）技術(shù)開發(fā)了一個(gè)全新的小型空間產(chǎn)品制造車間， 并用于一個(gè) 6U CubeSat的制造。 航天器和車間同步設(shè)計(jì)的復(fù)雜性， 使得基于文檔的系統(tǒng)工程方法效率低下、 不具實(shí)用性。 采用 MBSE 技術(shù)能夠快速進(jìn)行權(quán)衡分析， 使車間改造/產(chǎn)品設(shè)計(jì)優(yōu)化更具成本效益。 工作過程中， 所有相關(guān)人員（如利益方、 設(shè)計(jì)方、 實(shí)踐方、 驗(yàn)收方等）都能夠著眼于達(dá)成共識的系統(tǒng)模型， 在系統(tǒng)工程活動全階段（需求分析、 結(jié)構(gòu)分析、 功能分析、 性能分析、 仿真驗(yàn)證）都能不斷利用該模型來指導(dǎo)工程， 也不斷通過工程實(shí)踐的反饋， 來維護(hù)更新模型， 使模型與工程并行前進(jìn)。

此外， 歐洲導(dǎo)彈集團(tuán)（MBDA）也將智能制造技術(shù)運(yùn)用于導(dǎo)彈數(shù)字化總裝生產(chǎn)中， MM40“飛魚”3反艦導(dǎo)彈及“紫苑”15艦空導(dǎo)彈裝配工作站均實(shí)現(xiàn)了數(shù)字化， TRIGAT_LR對地導(dǎo)彈采用機(jī)器人代替低速轉(zhuǎn)臺進(jìn)行自動測試。

2 機(jī)載武器智能制造技術(shù)應(yīng)用

國內(nèi)機(jī)載武器企業(yè)智能制造尚處于起步階段， 相比于國外先進(jìn)企業(yè)， 仍有較大差距。 “十三五”開始， 國內(nèi)機(jī)載武器企業(yè)積極響應(yīng)國家智能制造要求， 大力推進(jìn)智能制造技術(shù)探索與應(yīng)用， 促進(jìn)了企業(yè)轉(zhuǎn)型升級和創(chuàng)新發(fā)展。

2.1 智能制造整體架構(gòu)

根據(jù)機(jī)載武器生產(chǎn)特點(diǎn)， 結(jié)合其對智能制造的要求， 初步形成了具有機(jī)載武器特色的智能制造架構(gòu)模型， 如圖3所示。 該架構(gòu)模型提出了面向企業(yè)管理、 執(zhí)行、 控制等層面建立具有“動態(tài)感知、 實(shí)時(shí)分析、 自主決策、 精準(zhǔn)執(zhí)行”特征的智能制造系統(tǒng)， 打通產(chǎn)品研制生產(chǎn)的設(shè)計(jì)、 制造、 試驗(yàn)和管理的智能處理流程， 形成全局推進(jìn)和協(xié)同發(fā)展的制造新模式[8]。

機(jī)載武器智能制造整體架構(gòu)共分五個(gè)層級， 管理層是整個(gè)架構(gòu)的中樞神經(jīng)[9]， 通過統(tǒng)一的運(yùn)營管控平臺對執(zhí)行層的各個(gè)管理系統(tǒng)進(jìn)行調(diào)度; 執(zhí)行層接收管理層的指令， 并向管理層反饋當(dāng)前的狀態(tài)， 利用大數(shù)據(jù)平臺提供的經(jīng)過整理和分析的數(shù)據(jù)進(jìn)行計(jì)劃、 任務(wù)、 供應(yīng)鏈、 質(zhì)量等過程管理; 控制層主要通過傳感器、 視覺、 總線等技術(shù)， 采集和控制機(jī)床、 機(jī)器人、 檢測設(shè)備、 試驗(yàn)設(shè)施等的狀態(tài)或數(shù)據(jù)， 實(shí)現(xiàn)制造過程中硬件控制和各類數(shù)據(jù)的實(shí)時(shí)自動采集、 匯聚形成制造大數(shù)據(jù)， 為構(gòu)建信息物理系統(tǒng)奠定基礎(chǔ); 設(shè)備層是智能制造的核心， 通過數(shù)控加工、 自動裝配、 測試、 檢驗(yàn)、 倉儲、 物流等設(shè)備執(zhí)行具體的控制指令和操作動作， 完成相應(yīng)的制造任務(wù); 網(wǎng)絡(luò)層是基礎(chǔ)架構(gòu)， 是連接設(shè)備與設(shè)備、 設(shè)備層與控制層的橋梁， 通過網(wǎng)絡(luò)基礎(chǔ)建設(shè)構(gòu)建智能制造的基礎(chǔ)硬件條件。

按照智能制造整體架構(gòu)開展智能制造的推進(jìn)及建設(shè)。 在管理層和執(zhí)行層， 重點(diǎn)建設(shè)智能管控條件， 利用所有制造資源和流程全面實(shí)現(xiàn)數(shù)字化， 應(yīng)用智能制造以及供應(yīng)鏈協(xié)同等平臺， 保證在有限能力條件下提高生產(chǎn)效率; 構(gòu)建統(tǒng)一的運(yùn)營管控平臺， 探索自執(zhí)行、 自適應(yīng)、 自決策等智能制造技術(shù)在基于統(tǒng)一數(shù)字化制造模式條件下的應(yīng)用。 在設(shè)備層， 重點(diǎn)建設(shè)智能裝備和智能倉儲物流條件， 應(yīng)用先進(jìn)制造技術(shù)構(gòu)建自動化工位和產(chǎn)線， 實(shí)現(xiàn)人機(jī)協(xié)同， 最大限度發(fā)揮生產(chǎn)能力。 在網(wǎng)絡(luò)層和控制層， 重點(diǎn)建設(shè)工控網(wǎng)， 通過基礎(chǔ)網(wǎng)絡(luò)和采集條件建設(shè)， 實(shí)現(xiàn)產(chǎn)線、 工裝、 物料、 人員等制造要素?cái)?shù)據(jù)的全面集成。

2.2 智能管控

管理層和執(zhí)行層主要聚焦在智能管控條件建設(shè)方面。 圍繞機(jī)載武器生產(chǎn)線和精益生產(chǎn)體系的設(shè)計(jì)、 運(yùn)行和持續(xù)改進(jìn)需求， 采用精益生產(chǎn)和數(shù)字化轉(zhuǎn)型方法， 建設(shè)基于工業(yè)互聯(lián)網(wǎng)技術(shù)架構(gòu)的數(shù)字化精益生產(chǎn)協(xié)同管理平臺， 通過變革以“職能”為主的生產(chǎn)組織架構(gòu)和以“局域協(xié)同”為主的生產(chǎn)管理模式， 形成以數(shù)字化產(chǎn)線為標(biāo)志的精益生產(chǎn)組織架構(gòu)和以“全域協(xié)同”為特征的生產(chǎn)管理體系， 滿足機(jī)載武器的生產(chǎn)需求。

2.2.1 數(shù)字化精益協(xié)同

在管理層構(gòu)建產(chǎn)品統(tǒng)一數(shù)據(jù)中心與業(yè)務(wù)協(xié)同平臺、 數(shù)字化組織協(xié)同平臺， 為產(chǎn)線經(jīng)營者提供產(chǎn)品/產(chǎn)線/流程等產(chǎn)線模型和經(jīng)營畫像、 產(chǎn)線關(guān)鍵指標(biāo)信息和產(chǎn)線異常及風(fēng)險(xiǎn)預(yù)警信息， 實(shí)現(xiàn)對產(chǎn)線經(jīng)營情況的實(shí)時(shí)、 準(zhǔn)確管控和異常情況的快速處置; 同時(shí)， 數(shù)據(jù)共享并強(qiáng)化其在業(yè)務(wù)流轉(zhuǎn)時(shí)的一致性、 準(zhǔn)確性， 消除信息孤島及業(yè)務(wù)孤島， 使生產(chǎn)業(yè)務(wù)活動相關(guān)數(shù)據(jù)標(biāo)準(zhǔn)化， 并極大共享化。

在供應(yīng)鏈協(xié)同方面， 主要為企業(yè)外部供應(yīng)商的選擇、 準(zhǔn)入、 監(jiān)督與控制、 評價(jià)與培養(yǎng)以及與外部供應(yīng)商之間的業(yè)務(wù)數(shù)據(jù)傳遞與問題協(xié)調(diào)， 提供統(tǒng)一的信息化管理環(huán)境， 以實(shí)現(xiàn)對外部供應(yīng)商的規(guī)范化、 精細(xì)化管理， 進(jìn)而為生產(chǎn)任務(wù)提供合格的外部供應(yīng)商資源， 提升企業(yè)與供應(yīng)商之間的業(yè)務(wù)協(xié)同效率。

2.2.2 產(chǎn)線運(yùn)行管控

在產(chǎn)線運(yùn)行監(jiān)控方面， 構(gòu)建生產(chǎn)能力全景建模與運(yùn)行監(jiān)控系統(tǒng)。 一方面針對產(chǎn)線開展各類生產(chǎn)資源的模型化定義， 并在此基礎(chǔ)上對產(chǎn)線生產(chǎn)能力及外協(xié)/外購單位配套能力進(jìn)行統(tǒng)一的模型化、 標(biāo)準(zhǔn)化定義， 形成企業(yè)生產(chǎn)能力全景視圖， 進(jìn)而為精準(zhǔn)的生產(chǎn)排產(chǎn)提供基礎(chǔ)數(shù)據(jù)支撐; 另一方面通過與各產(chǎn)線運(yùn)行管控平臺等進(jìn)行集成， 獲取各產(chǎn)線的實(shí)時(shí)運(yùn)行數(shù)據(jù)， 構(gòu)建層次化、 多維化呈現(xiàn)的虛擬產(chǎn)線， 進(jìn)而實(shí)現(xiàn)以實(shí)時(shí)數(shù)據(jù)為驅(qū)動， 對產(chǎn)線的運(yùn)行狀態(tài)進(jìn)行全景式、 全時(shí)域的呈現(xiàn)， 以及全要素、 全流程、 全業(yè)務(wù)的動態(tài)監(jiān)控， 最終實(shí)現(xiàn)制造過程的閉環(huán)控制和實(shí)時(shí)優(yōu)化調(diào)整[10]。

在計(jì)劃管理方面， 面向產(chǎn)線提供高級計(jì)劃排產(chǎn)與資源配置運(yùn)算服務(wù)， 以推動數(shù)字化產(chǎn)線的均衡化、 高飽和運(yùn)行， 縮短生產(chǎn)周期， 實(shí)現(xiàn)多訂單和多型號共線生產(chǎn)目標(biāo)。 計(jì)劃管理系統(tǒng)可以配合任務(wù)管理系統(tǒng)， 開展全要素、 多約束條件下的生產(chǎn)計(jì)劃制定、 精準(zhǔn)作業(yè)排程及動態(tài)調(diào)整優(yōu)化， 以保障企業(yè)從生產(chǎn)交付計(jì)劃到車間級工序計(jì)劃制定的科學(xué)化、 精細(xì)化及執(zhí)行過程的高效化和協(xié)同化。

2.2.3 大數(shù)據(jù)分析與挖掘

通過數(shù)據(jù)分析和挖掘， 構(gòu)建機(jī)載武器全生命周期智能質(zhì)量追溯系統(tǒng)。 設(shè)計(jì)模型和三維工藝、 試驗(yàn)數(shù)據(jù)以及各種質(zhì)量信息， 通過數(shù)據(jù)挖掘提供的分析功能最終鏈接到生產(chǎn)管理系統(tǒng)中， 由生產(chǎn)管理系統(tǒng)進(jìn)行統(tǒng)一管理和調(diào)度。 通過生產(chǎn)管理系統(tǒng)以樹型結(jié)構(gòu)查詢到單發(fā)產(chǎn)品全壽命周期的質(zhì)量信息， 包括配套的每一個(gè)元件、 使用的工藝版本、 裝配順序、 裝配人員、 日期、 試驗(yàn)數(shù)據(jù)、 關(guān)鍵過程的監(jiān)控信息等， 通過系統(tǒng)提供的工具， 還可以對該產(chǎn)品某一項(xiàng)指標(biāo)在整批產(chǎn)品中的分布， 對某一個(gè)元器件在一定時(shí)間范圍內(nèi)發(fā)生過的質(zhì)量問題進(jìn)行分類統(tǒng)計(jì)和大數(shù)據(jù)分析， 實(shí)現(xiàn)產(chǎn)品壽命周期內(nèi)的全過程智能質(zhì)量追溯。

通過大數(shù)據(jù)構(gòu)建機(jī)載武器智能故障診斷系統(tǒng)。 依據(jù)設(shè)計(jì)要求建立全套故障模型和判別標(biāo)準(zhǔn)， 設(shè)計(jì)智能診斷程序， 利用診斷系統(tǒng)對產(chǎn)品的每個(gè)測試過程和結(jié)果進(jìn)行智能管控。 一旦發(fā)現(xiàn)測試問題， 診斷系統(tǒng)及時(shí)給出診斷意見， 控制測試系統(tǒng)進(jìn)行補(bǔ)充測試判別或向安燈系統(tǒng)發(fā)送報(bào)警信息， 提醒技術(shù)人員及時(shí)到場進(jìn)行故障處理。 智能故障診斷系統(tǒng)可以大幅提高產(chǎn)品故障診斷的效率， 提高產(chǎn)品測試自動化程度。

2.3 智能裝備

智能裝備是先進(jìn)制造技術(shù)應(yīng)用的主要載體， 圍繞機(jī)載武器裝調(diào)、 試驗(yàn)、 檢測過程， 采用機(jī)器人、 傳感器、 機(jī)器視覺、 大數(shù)據(jù)等先進(jìn)技術(shù)， 構(gòu)建具有自動裝配、 集約測試、 實(shí)時(shí)檢測、 自主診斷等典型特征的智能裝備。 主要建設(shè)的智能裝備有： 基于自適應(yīng)調(diào)整技術(shù)的彈體自動對接平臺、 基于多線程并行測試技術(shù)的集中溫控單元、 基于模式識別技術(shù)的裝配檢測平臺等。

2.3.1 基于自適應(yīng)調(diào)整技術(shù)的彈體自動對接平臺

基于自適應(yīng)調(diào)整技術(shù)的彈體自動對接平臺由三坐標(biāo)測量儀+Stewart六自由度浮動平臺組成， 如圖4所示。 Stewart 平臺作為典型的并聯(lián)機(jī)構(gòu)， 能夠?qū)崿F(xiàn)空間六自由度的運(yùn)動， 并且承載能力強(qiáng)、 精度高（無累積誤差） [11]， 非常適用于大載荷、 高精度、 小工作空間的調(diào)姿運(yùn)動[12]。 三坐標(biāo)測量儀測量出所有特征點(diǎn)的坐標(biāo)后， 將特征點(diǎn)的坐標(biāo)信息傳給數(shù)據(jù)管理系統(tǒng)， 計(jì)算出Stewart六自由度浮動平臺的初始位姿和目標(biāo)位姿， 并通過位姿反解算法（由動平臺位姿反求出各驅(qū)動桿的長度） ， 將位姿信息轉(zhuǎn)化為控制信息傳遞給控制系統(tǒng)， 再由控制系統(tǒng)驅(qū)動平臺到達(dá)預(yù)定位姿， 包括俯仰、 偏航方向位姿調(diào)整，各艙段軸線重合后， 同軸度偏差不大于0.02 mm。

彈體各部分通過定位銷與定位槽的配合實(shí)現(xiàn)徑向位置限位， 完成各艙段軸線位姿調(diào)整， 此外， 還需要完成定位銷與定位槽的對準(zhǔn)， 定位槽外露于彈體表面， 但定位銷位置因彈體漆層覆蓋， 彈體表面不可見。 對接平臺通過視覺裝置采集定位銷及定位槽圖像， 其中定位槽的位置通過安裝視覺輔助塊間接采集， 圖像采集完成后， 利用HAICON圖像處理軟件計(jì)算出定位銷及定位槽之間的角度偏差。 平臺各段卡環(huán)在驅(qū)動裝置作用下對各艙段進(jìn)行A軸（彈體軸線所在軸）調(diào)整， 保證對接端面的定位銷和定位槽位置誤差不超過±0.02 mm。

對接平臺還安裝有大量傳感器， 可以實(shí)時(shí)采集機(jī)器人抓取力、 浮動平臺運(yùn)動軌跡、 對接力等關(guān)鍵參數(shù)， 同步構(gòu)建數(shù)字孿生模型， 實(shí)現(xiàn)裝配風(fēng)險(xiǎn)預(yù)測和預(yù)警。

2.3.2 基于多線程并行測試技術(shù)的集中溫控單元

突破傳統(tǒng)的設(shè)備架構(gòu)， 采用模塊成組和多通道并行測試技術(shù)構(gòu)建分布式測試系統(tǒng)， 分時(shí)或同時(shí)完成多發(fā)產(chǎn)品的測試和試驗(yàn)， 大幅提升單臺設(shè)備測試效率。 設(shè)備關(guān)鍵模塊復(fù)用， 配合多套多通道板卡、 開關(guān)矩陣單元， 電控射頻開關(guān)等接口模塊， 滿足多套產(chǎn)品串行或并行測試的需求， 大幅減少產(chǎn)線中專用測試設(shè)備的數(shù)量， 提高產(chǎn)線投資收益比。

多臺設(shè)備組成的測試單元中， 突破傳統(tǒng)一人一機(jī)或多人一機(jī)測試模式， 采用多線程并行控制和KVM（Kernel-Based Virtual Machine）技術(shù)構(gòu)建集中溫控單元， 實(shí)現(xiàn)多臺設(shè)備的集中控制和少人值守， 如圖5所示。 如利用工控網(wǎng)實(shí)現(xiàn)多臺溫箱和多臺專用測試設(shè)備的互聯(lián)互通， 通過管控系統(tǒng)實(shí)時(shí)采集溫箱和設(shè)備狀態(tài)， 根據(jù)溫箱狀態(tài)遠(yuǎn)程控制專用測試設(shè)備開機(jī)、 關(guān)機(jī)和自動測試， 利用遠(yuǎn)程操控系統(tǒng)可以實(shí)現(xiàn)測試資源的集中調(diào)度和控制， 并可以通過虛擬廠房以所見即所得的方式直觀展示集中管控的場景， 測試中的故障可以自動進(jìn)行預(yù)警。 另外， 對海量的設(shè)備運(yùn)行、 任務(wù)數(shù)據(jù)進(jìn)行深入挖掘， 可以獲取反映設(shè)備以及產(chǎn)線運(yùn)行態(tài)勢的信息， 從不同角度展示設(shè)備任務(wù)執(zhí)行、 運(yùn)行維護(hù)的關(guān)鍵性量化指標(biāo)（KPI）， 指導(dǎo)管理人員工作決策， 實(shí)現(xiàn)從被動管理向主動管理的轉(zhuǎn)變[13]。

2.3.3 基于模式識別技術(shù)的裝配檢測平臺

裝配檢測平臺主要由圖像處理服務(wù)器、 高性能圖像采集設(shè)備、 圖像采集工作臺等組成， 如圖6所示。

裝配檢測平臺采用基于模式識別的視覺檢測技術(shù)對裝配過程中的裝配對象進(jìn)行智能檢查。 檢測時(shí)一般利用輕量化的圖像目標(biāo)檢測工具， 針對關(guān)鍵檢查步驟， 將現(xiàn)場待檢產(chǎn)品實(shí)物狀態(tài)與預(yù)先定義的模型進(jìn)行比對， 校驗(yàn)工藝要求， 給予操作者結(jié)果提示， 并實(shí)時(shí)追蹤目標(biāo)位置。

利用基于模式識別的視覺檢測技術(shù)對部組件關(guān)鍵裝配過程和外觀瑕疵進(jìn)行實(shí)時(shí)在線檢測， 檢查內(nèi)容包括缺漏提醒、 匹配檢驗(yàn)及外觀缺陷檢查等。 通過視覺檢測可以大幅減少人工評判的主觀性差異， 更加客觀、 可靠、 高效、 智能地評價(jià)產(chǎn)品質(zhì)量， 同時(shí)提高生產(chǎn)效率和自動化程度， 降低人工成本[14]。

2.4 智能倉儲物流

數(shù)字倉儲系統(tǒng)是借助計(jì)算機(jī)技術(shù)、 物聯(lián)網(wǎng)技術(shù)、 傳感通信技術(shù)、 自動控制技術(shù)、 大數(shù)據(jù)技術(shù)、 人工智能技術(shù)和相應(yīng)設(shè)備等， 對物品的進(jìn)出庫、 存儲、 調(diào)撥、 分揀、 盤點(diǎn)、 包裝、 配送等倉庫作業(yè)， 進(jìn)行高效操作和精確管理的數(shù)字化系統(tǒng)[15]， 具備可視化、 可追溯、 可集成、 智能化決策等特征[16]。

采用數(shù)字倉儲、 自動配送、 大數(shù)據(jù)AI調(diào)度等技術(shù)， 建立滿足產(chǎn)能需求的高效、 精準(zhǔn)、 自動倉儲物流系統(tǒng)， 有效提高物流周轉(zhuǎn)效率、 大幅降低人工成本， 實(shí)現(xiàn)物料的自動化存儲和裝配件/工具配送、 數(shù)字化管理、 全過程智能動態(tài)調(diào)度， 使得整個(gè)物流全過程高效協(xié)同脈動， 適應(yīng)動態(tài)、 復(fù)雜、 多樣化業(yè)務(wù)場景。

倉儲及物流設(shè)計(jì)基于混合整數(shù)規(guī)劃模型對多行設(shè)備布局進(jìn)行建模， 以物流運(yùn)輸量最小為目標(biāo)， 通過決策變量判斷設(shè)備的位置和設(shè)定相關(guān)約束條件。 在求解模型的過程中， 采用輕量化技術(shù)將模型導(dǎo)入仿真軟件， 基于交互法設(shè)計(jì)求解流程， 得到每個(gè)站位搬運(yùn)次數(shù)占比。 物流采用區(qū)段式流動拓?fù)銼FT（Segment Flow Topology）的AGV（Automated Guided Vehicle）設(shè)計(jì)， 改善了傳統(tǒng)設(shè)計(jì)中多輛AGV在狹小空間內(nèi)擁擠、 堵塞的缺陷， 并具備最短路徑、 雙向模式、 系統(tǒng)穩(wěn)定等特點(diǎn)。 采用智能算法實(shí)現(xiàn)AGV小車路徑最短、 轉(zhuǎn)向次數(shù)最少的仿真設(shè)計(jì)， 對AGV路徑規(guī)劃問題得到的Pareto解集按價(jià)值流優(yōu)中取優(yōu)。

3 機(jī)載武器智能制造發(fā)展趨勢

隨著工業(yè)機(jī)器人、 大數(shù)據(jù)和人工智能等智能制造技術(shù)的快速發(fā)展， 機(jī)載武器制造將向著高度柔性化、 智能化和網(wǎng)絡(luò)化方向飛速邁進(jìn)。

產(chǎn)線設(shè)計(jì)將更加柔性化。 為適應(yīng)攻擊模式的多樣性， 未來機(jī)載武器生產(chǎn)多品種、 小批量的特點(diǎn)將更加凸顯。 采用工業(yè)機(jī)器人、 邊緣計(jì)算等技術(shù)借助軟件對硬件功能進(jìn)行靈活定義， 可以推動產(chǎn)線各功能模塊標(biāo)準(zhǔn)化可互換、 模塊化可重構(gòu)， 實(shí)現(xiàn)產(chǎn)線的高度柔性化。

制造過程將更加智能化。 通過傳感器對生產(chǎn)過程工裝、 設(shè)備、 物料、 人員、 產(chǎn)品等生產(chǎn)狀態(tài)信息進(jìn)行全面采集和整理， 構(gòu)建孿生模型， 結(jié)合行業(yè)知識圖譜利用云計(jì)算、 大數(shù)據(jù)分析等技術(shù)， 對采集的多源異構(gòu)數(shù)據(jù)進(jìn)行深度挖掘和分析， 構(gòu)建可視化管控中心， 利用智能算法自動形成產(chǎn)線運(yùn)行過程狀態(tài)的快速求解和系統(tǒng)健康狀態(tài)的多維度評價(jià)指標(biāo)體系， 再通過在線或離線分析對工藝指令進(jìn)行迭代優(yōu)化， 指導(dǎo)工藝裝備生產(chǎn)狀態(tài)調(diào)整、 保證產(chǎn)線平穩(wěn)連續(xù)運(yùn)行， 實(shí)現(xiàn)產(chǎn)品制造過程中異常事件的自主響應(yīng)和制造績效偏離的快速修復(fù)， 推動機(jī)載武器企業(yè)制造過程的智能化飛躍。

制造協(xié)同將更加網(wǎng)絡(luò)化。 隨著產(chǎn)品功能需求的不斷攀升， 機(jī)載武器制造跨地域協(xié)同、 跨廠所協(xié)同將成為常態(tài)， 供應(yīng)鏈向多領(lǐng)域延伸、 配套廠商不斷增多， 將大幅增加供應(yīng)鏈管理和制造協(xié)同的難度。 利用混合云、 區(qū)塊鏈、 工業(yè)互聯(lián)網(wǎng)等技術(shù)構(gòu)建任務(wù)進(jìn)度、 資源使用和擾動時(shí)間的動態(tài)模型， 對各個(gè)供應(yīng)商完成生產(chǎn)計(jì)劃趨勢進(jìn)行預(yù)測， 實(shí)現(xiàn)自主調(diào)度， 支撐全價(jià)值鏈的數(shù)字主線鏈接及數(shù)據(jù)流動， 建立新型協(xié)同模式， 將實(shí)現(xiàn)跨地域、 跨廠所、 多層次網(wǎng)絡(luò)化協(xié)同制造。

4 結(jié) 束 語

按照機(jī)載武器智能制造整體架構(gòu)， 應(yīng)用智能管控、 智能裝備、 智能倉儲物流等關(guān)鍵技術(shù)， 某機(jī)載武器企業(yè)構(gòu)建了具有一定柔性、 較高效率的數(shù)字化產(chǎn)線， 有效壓降了人員需求， 提高了產(chǎn)品質(zhì)量。

該企業(yè)智能制造的發(fā)展情況也代表了國內(nèi)機(jī)載武器企業(yè)智能制造的發(fā)展水平， 相比國外先進(jìn)企業(yè)， 仍有較大差距。 國內(nèi)機(jī)載武器企業(yè)必須客觀分析當(dāng)前面臨的機(jī)遇和挑戰(zhàn)， 結(jié)合自身發(fā)展需求， 積極開展加密無線通訊、 數(shù)字孿生、 邊緣計(jì)算等智能制造新技術(shù)研究， 推動國內(nèi)機(jī)載武器企業(yè)智能制造轉(zhuǎn)型升級和跨越式發(fā)展。

參考文獻(xiàn)：

[1]? 《空軍裝備系列叢書》編審委員會. 機(jī)載武器[M]. 北京： 航空工業(yè)出版社， 2008.

Editorial Board of Air Force Equipment Series. Airborne Weapon[M]. Beijing： Aviation Industry Press， 2008.（in Chinese）

[2] 范晉祥， 陳晶華. 美軍機(jī)載武器的新發(fā)展[J]. 航空兵器， 2020， 27（5）： 13-22.

Fan Jinxiang， Chen Jinghua. New Development of American Airborne Weapons[J]. Aero Weaponry， 2020， 27（5）： 13-22.（in Chinese）

[3] 單繼東， 曹增義， 王昭陽. 航空發(fā)動機(jī)制造企業(yè)智能工廠建設(shè)[J]. 航空制造技術(shù)， 2018， 61（15）： 70-77.

Shan Jidong， Cao Zengyi， Wang Zhaoyang. Smart Factory Construction Research of Aero-Engine Manufacturing Enterprises[J]. Aeronautical Manufacturing Technology， 2018， 61（15）： 70-77.（in Chinese）

[4] 孟震威， 秦新冰. 智能制造在航空發(fā)動機(jī)企業(yè)的探索與實(shí)踐[J]. 智能制造， 2017（7）： 29-34.

Meng Zhenwei， Qin Xinbing. Exploration & Practice of Intelligent Manufacturing in Aero Engine Enterprises[J]. Intelligent Manufacturing， 2017（7）： 29-34.（in Chinese）

[5] 韋莎. 智能制造系統(tǒng)架構(gòu)研究[J]. 信息技術(shù)與標(biāo)準(zhǔn)化， 2016（4）： 50-54.

Wei Sha. Research on Intelligent Manufacturing System Architecture[J]. Information Technology & Standardization， 2016（4）： 50-54.（in Chinese）

[6] 劉世磊. 三一重工： 打造中國本土工業(yè)物聯(lián)網(wǎng)開放平臺[J]. 中國工業(yè)評論， 2016（8）： 84-88.

Liu Shilei. SANY Heavy Industry： Build the Open Platform of Domestic Industrial Internet of Things in China[J]. China Industry Review， 2016（8）： 84-88.（in Chinese）

[7] 牟海望， 李晉. 基于互聯(lián)網(wǎng)+的新型工業(yè)生態(tài)體系構(gòu)建策略研究[J]. 電信工程技術(shù)與標(biāo)準(zhǔn)化， 2017， 30（6）： 8-11.

Mou Haiwang， Li Jin. The Construction Strategy Study of New Industrial Eco System Based on Internet+[J]. Telecom Engineering Technics and Standardization， 2017， 30（6）： 8-11.（in Chinese）

[8] 向恒. 淺析智能制造在航空航天制造業(yè)的應(yīng)用[J]. 智能制造， 2018（6）： 40-42.

Xiang Heng. Analysis of Intelligent Manufacturing Application on Aerospace Manufacturing[J]. Intelligent Manufacturing， 2018（6）： 40-42.（in Chinese）

[9] 岳兆娟， 秦智超， 李俊， 等. 面向天地一體化信息網(wǎng)絡(luò)的在軌信息處理機(jī)制設(shè)計(jì)[J]. 中國電子科學(xué)研究院學(xué)報(bào)， 2020， 15（6）： 580-585.

Yue Zhaojuan， Qin Zhichao， Li Jun， et al. Design of In-Orbit Processing Mechanism for Space-Earth Integrated Information Network[J]. Journal of China Academy of Electronics and Information Technology， 2020， 15（6）： 580- 585. （in Chinese）

[10] 隋少春， 許艾明， 黎小華， 等. 面向航空智能制造的DT與AI融合應(yīng)用[J]. 航空學(xué)報(bào)， 2020， 41（7）： 624173.

Sui Shaochun， Xu Aiming， Li Xiaohua， et al. Fusion Application of DT and AI for Aviation Intelligent Manufacturing[J]. Acta Aeronautica et Astronautica Sinica， 2020， 41（7）： 624173.（in Chinese）

[11] Park H E， Kim Y R. Relative Navigation for Autonomous Formation Flying Satellites Using the State-Dependent Riccati Equation Filter[J]. Advances in Space Research， 2016， 57（1）： 166-182.

[12] 溫晶晶， 劉承騖， 吳斌， 等. 基于Stewart平臺的導(dǎo)彈艙段自動對接方法研究[J]. 彈箭與制導(dǎo)學(xué)報(bào)， 2017， 37（5）： 47-51.

Wen Jingjing， Liu Chengwu， Wu Bin， et al. Study on Auto-Docking Method of Missile Cabins Based on Stewart Platform[J]. Journal of Projectiles， Rockets， Missiles and Guidance， 2017， 37（5）： 47-51.（in Chinese）

[13] 鄭建軍， 鄧劍鋒， 孫攀， 等. 航天地面設(shè)備集中管控技術(shù)研究[C]∥第十一屆中國衛(wèi)星導(dǎo)航年會論文集， 2020： 22-27.

Zheng Jianjun， Deng Jianfeng， Sun Pan， et al. Research On Centralized Control Technologies for Space Ground Station Equipment[C]∥The 11th China Satellite Navigation Conference Proceedings， 2020： 22-27. （in Chinese）

[14] 朱云， 凌志剛， 張雨強(qiáng). 機(jī)器視覺技術(shù)研究進(jìn)展及展望[J]. 圖學(xué)學(xué)報(bào)， 2020， 41（6）： 871-890.

Zhu Yun， Ling Zhigang， Zhang Yuqiang. Research Progress and Prospect of Machine Vision Technology[J]. Journal of Graphics， 2020， 41（6）： 871-890.（in Chinese）

[15] 劉軍， 趙東杰， 徐燕. 基于物聯(lián)網(wǎng)的倉儲管控一體化系統(tǒng)實(shí)現(xiàn)路徑[J]. 中國流通經(jīng)濟(jì)， 2018， 32（7）： 20-26.

Liu Jun， Zhao Dongjie， Xu Yan. The Research on the Realization Path of Integrating Control and Management for Warehouse Based on IOT[J]. China Business and Market， 2018， 32（7）： 20-26.（in Chinese）

[16] 姜大立， 林萍， 胡瑞鶴. 面向智能制造的數(shù)字倉儲系統(tǒng)設(shè)計(jì)[J]. 包裝工程， 2021， 42（5）： 255-260.

Jiang Dali， Lin Ping， Hu Ruihe. Design of Digital Warehousing System for Intelligent Manufacturing[J]. Packaging Engineering， 2021， 42（5）： 255-260.（in Chinese）

Application of Intelligent Manufacturing on

Airborne Weapon Production

Jin Yanzun*， Wang Zhongyi， Tang Hui， Zhu Xiaoyong

（China Airborne Missile Academy， Luoyang 471009， China）

Abstract： In order to promote the production efficiency and quality of the product in airborne weapon manu-facturer， the application of the airborne weapon intelligent manufacturing is studied. Firstly， the development of foreign advanced airborne weapon manufacturers on intelligent manufacturing is analyzed in this paper， and then through the analysis on both the characteristics of airborne weapon production and its requirements on intelligent manufacturing， the overall structure of intelligent manufacturing on airborne weapon is advanced， furthermore， key technologies such as intelligent control， intelligent equipment， intelligent storage and logistics are studied as well. These technologies have already been applied in an airborne weapon company on production， which upgrades the company and improves its capability on innovation.

Key words：? aviation equipment; airborne weapon; intelligent manufacturing; digital twin; intelligent control; intelligent equipment; intelligent storage and logistics