孫雪皓,張鳳麗+,周正飛,王金江,黃祖廣,薛瑞娟

(1.中國石油大學(北京)機械與儲運工程學院,北京 102249;2. 通用機床工程研究院有限公司,北京 100102)

0 引言

隨著新一代信息技術(shù)與制造業(yè)深度融合,智能制造已經(jīng)成為推動全球制造業(yè)發(fā)展的關(guān)鍵技術(shù),數(shù)控機床作為高技術(shù)含量的“工業(yè)母機”,是智能制造不可或缺的一部分,其智能化對智能制造的實現(xiàn)有著重要的影響[1]。數(shù)控機床是一個由機械、電氣、熱、控制等多個系統(tǒng)耦合而成的復雜系統(tǒng),需要從結(jié)構(gòu)、部件及功能等多維度實現(xiàn)數(shù)控機床性能的全面分析與維護,考慮端到端多領(lǐng)域耦合優(yōu)化、集成驗證和追溯性,便于對整個數(shù)控機床系統(tǒng)全生命周期進行管理,因此無法有效避免環(huán)境、人為等外界因素的影響[2]。

近年來,作為智能制造的關(guān)鍵使能技術(shù),數(shù)字孿生受到廣泛關(guān)注[3],特別是隨著仿真和傳感器監(jiān)控技術(shù)的發(fā)展[4-5],數(shù)字孿生在工業(yè)上的應用已成為研究熱點。通過建立復雜系統(tǒng)的孿生模型,利用傳感監(jiān)控、數(shù)據(jù)傳輸?shù)燃夹g(shù),數(shù)字孿生可實現(xiàn)數(shù)字空間中孿生模型與現(xiàn)實空間中的物理實體的實時交互映射,反映一個復雜系統(tǒng)的整個生命周期[6],根據(jù)孿生對象全生命周期的實時映射數(shù)據(jù)進行系統(tǒng)級仿真和自主決策,為數(shù)控機床全面分析與維護提供了新方法[7]。WEI等[8]基于多領(lǐng)域統(tǒng)一模型和有限元模型設(shè)計了數(shù)控機床數(shù)字孿生模型的一致性保持方法框架,闡述了數(shù)字空間中數(shù)控機床模型性能衰減的原理;SCAGLIONI等[9]開發(fā)了基于有限元的機床動態(tài)孿生模型,包括運動部件結(jié)構(gòu)和切削過程模型;VISHNU[10]分別使用數(shù)控機床歷史和實時加工數(shù)據(jù)模擬、預測和優(yōu)化工藝規(guī)劃階段和加工階段的關(guān)鍵性能指標,用于表面粗糙度預測的數(shù)字孿生模型開發(fā);ZHAO等[11]建立數(shù)據(jù)模型,將從數(shù)據(jù)中提取的有價值的信息轉(zhuǎn)化為知識,并基于知識和規(guī)則實現(xiàn)機床的優(yōu)化和反饋控制,為智能診斷與維護奠定基礎(chǔ)。

數(shù)控機床數(shù)字孿生可以根據(jù)真實機床的數(shù)據(jù)進行虛擬模型的構(gòu)建、數(shù)據(jù)完善,通過統(tǒng)計、分析、處理、展示這些數(shù)據(jù)來實現(xiàn)對實際機床的實時監(jiān)控和控制,以滿足對數(shù)控機床性能測評、虛擬調(diào)試等后續(xù)智能應用的需求。但在具體實現(xiàn)數(shù)控機床數(shù)字孿生過程中,在物理實體與孿生模型的雙向完全鏡像、虛實一致、數(shù)據(jù)的全面融合等方面仍存在挑戰(zhàn),尤其是數(shù)控機床的數(shù)字孿生建模問題,如何考慮不同領(lǐng)域的子系統(tǒng)之間的耦合關(guān)系,快速有效地構(gòu)建具有一致性的數(shù)字孿生模型成為數(shù)字孿生技術(shù)在該領(lǐng)域廣泛應用的關(guān)鍵問題。因此,本研究針對數(shù)字孿生建模以及智能應用核心問題,構(gòu)建面向智能應用的數(shù)控機床數(shù)字孿生實現(xiàn)框架,明確幾何、物理和數(shù)據(jù)建模流程以及關(guān)鍵要素;明確數(shù)字孿生建模過程中必需的關(guān)鍵賦能技術(shù),開發(fā)高效的數(shù)據(jù)處理和清洗算法,建立準確、有效的數(shù)據(jù)模型,實現(xiàn)虛實數(shù)據(jù)相融合,解釋物理系統(tǒng)本質(zhì),提高數(shù)控機床仿真分析精度,設(shè)計物理空間與數(shù)字孿生的映射策略,提高模型計算速度;最后以實際數(shù)控機床為研究對象,開發(fā)基于數(shù)字孿生的數(shù)控機床性能測評、健康管理、虛擬調(diào)試等智能應用服務模塊,實現(xiàn)數(shù)控機床數(shù)字孿生的智能應用。

1 國內(nèi)外研究現(xiàn)狀

1.1 數(shù)字孿生研究現(xiàn)狀

數(shù)字孿生技術(shù)作為物理世界與信息世界交互融合的潛在途徑,被逐漸應用于各個行業(yè),在制造業(yè)的表現(xiàn)尤為突出。2011年美國空軍科學研究實驗室和美國國家航空航天局首次利用數(shù)字孿生來實現(xiàn)飛行器輕量化、高負載和高可靠的目標[12],分析了實現(xiàn)數(shù)字孿生過程需要的諸多前沿技術(shù),如多物理場建模、多尺度損傷建模、計算機有限元分析與損傷模型的集成、不確定性驗證建模與控制、大量共享數(shù)據(jù)的管理、高精度的結(jié)構(gòu)分析能力等,為后續(xù)數(shù)字孿生在工業(yè)智能制造的應用提供了思路與理論參考。GRIEVES等[13]于2014年發(fā)表了數(shù)字孿生虛擬工廠白皮書,推動制造業(yè)數(shù)字化、智能化轉(zhuǎn)型,為工業(yè)設(shè)備數(shù)字孿生實施提供指導。隨著數(shù)字孿生技術(shù)的研究不斷深入,如何充分發(fā)揮數(shù)字孿生技術(shù)特性和優(yōu)勢,挖掘利用現(xiàn)實空間中多尺度數(shù)據(jù),有效實現(xiàn)工業(yè)設(shè)備具體功能應用是現(xiàn)在需要解決的問題。DEBROY等[14]通過總結(jié)多個組織的研究,對增材制造第一代數(shù)字孿生體的主要組成部分和研究需求進行了展望。美國北卡羅來納州立大學團隊[15]開發(fā)了一種用于監(jiān)測數(shù)控機床銑削過程的系統(tǒng),通過傳感器檢測機床主軸的負載功率,按照加工工步將檢測數(shù)據(jù)劃分為多個部分,分別分析每個工步所對應的表面粗糙度。TAO等[16]基于數(shù)字孿生理論提出了面向制造車間的數(shù)字孿生診斷與健康管理方法。QI等[17]提出了面向智能制造的數(shù)字孿生應用服務,對數(shù)字孿生在智能制造和工業(yè) 4.0下的作用進行了全方位的總結(jié)。

綜上,數(shù)字孿生在智能制造領(lǐng)域是一項使物理設(shè)備與虛擬模型相聯(lián)通的新技術(shù),以構(gòu)建多維多域的高保真模型為基礎(chǔ),通過數(shù)字化表達方式將物理實體和虛擬模型進行動態(tài)聯(lián)接,建立物理與數(shù)字空間的數(shù)據(jù)交換通道,實現(xiàn)物理裝備的虛實映射,在循環(huán)迭代中不斷提升和優(yōu)化,是一種實時、動態(tài)的數(shù)字化表現(xiàn)方式,可以管理、預測和優(yōu)化現(xiàn)實中的機器設(shè)備,推動物理實體分析決策、閉環(huán)控制、全生命周期健康管理等應用實施。

1.2 數(shù)控機床數(shù)字孿生研究現(xiàn)狀

在數(shù)控機床數(shù)字孿生實現(xiàn)之前,信息物理機床的概念在2017年被提出[18],在同一時期,信息物理系統(tǒng)與機床或者加工中心的聯(lián)系逐漸緊密,研究人員將其應用在五軸加工中心碰撞檢測[19]、數(shù)控機床附加信息物理系統(tǒng)結(jié)構(gòu)構(gòu)建[20]等方面。信息物理系統(tǒng)強調(diào)“信息”與“物理”之間的交互,涉及海量異構(gòu)設(shè)備數(shù)據(jù)的采集、實時數(shù)據(jù)與處理,具有高度的自主感知、自主判斷、自主調(diào)節(jié)和自主控制能力。數(shù)字孿生將物理資產(chǎn)變?yōu)閿?shù)字模型,并建立模型映射關(guān)系,在數(shù)據(jù)采集傳輸及存儲后,根據(jù)數(shù)據(jù)分析進行反饋控制,形成閉合系統(tǒng),因此可以將數(shù)字孿生視為信息物理系統(tǒng)建設(shè)的一個重要基礎(chǔ)環(huán)節(jié)。通過研究數(shù)控機床數(shù)字孿生,能夠?qū)?shù)控機床的加工過程在虛擬空間進行數(shù)字化映射,可以用來模擬、監(jiān)控、控制物理機床在生產(chǎn)環(huán)境中的狀態(tài)和行為。2018年LIU等[21]提出了機床數(shù)字孿生的概念,并開發(fā)了基于Web的機床狀態(tài)監(jiān)控應用程序,隨后越來越多的研究人員在機床數(shù)字孿生領(lǐng)域做出貢獻。如圖1所示,基于Scopus數(shù)據(jù)庫對機床數(shù)字孿生以及擴展演化名稱進行文獻檢索,發(fā)現(xiàn)全球?qū)W者近年來發(fā)表的與機床數(shù)字孿生相關(guān)的文章逐年增多,其中針對機床數(shù)字孿生建模與應用的研究是該領(lǐng)域的重要內(nèi)容。為對比分析,基于知網(wǎng)數(shù)據(jù)庫對機床數(shù)字孿生的中英文文獻進行檢索,發(fā)現(xiàn)近四年與機床數(shù)字孿生相關(guān)文章發(fā)表數(shù)量同樣逐年遞增,機床數(shù)字孿生正在被越來越多的學者關(guān)注和研究。 LUO等[22]構(gòu)建了數(shù)控機床的多領(lǐng)域耦合數(shù)字孿生模型,探索了物理實體與數(shù)字孿生模型之間的實時映射策略,并提出了一種基于數(shù)字孿生的自主維護策略;FUJITA等[23]所提出的數(shù)字孿生建模方法能夠?qū)C床進行時域仿真,包括控制器模型、加工過程模型和機床動態(tài)模型;LAI等[24]梳理了機床數(shù)字孿生建模工具與理論,總結(jié)了其中需要的關(guān)鍵技術(shù);HAO等[25]將機床主軸實際加工路徑與仿真路徑結(jié)合,提出一種數(shù)字孿生驅(qū)動的時變幾何建模法,準確、高效地獲取變形工件的完整幾何信息;LIANG等[26]為充分反映數(shù)控機床系統(tǒng)加工過程的動態(tài)特性,集成了有限元模型、數(shù)據(jù)模型在內(nèi)的多種模型用于數(shù)字孿生動態(tài)過程建模,實現(xiàn)切削參數(shù)優(yōu)化、過程相關(guān)變量可視化和加工穩(wěn)定性評估等多種功能應用。

圖1 機床數(shù)字孿生相關(guān)期刊論文發(fā)表情況

目前大多數(shù)關(guān)于數(shù)控機床數(shù)字孿生的研究已經(jīng)可以進行評估、預測、維護等實際應用,但在建模階段對具體條件進行理想化處理,未完全考慮機床真實的物理特性;僅基于數(shù)據(jù)模型或者機理模型的建模方法精度不高,缺少數(shù)字孿生體虛實交互機制,難以有效表征數(shù)控機床性能以及機床運行狀態(tài);由于物理機床和數(shù)字機床之間存在信息壁壘,在應用過程中缺少實時交互與融合。因此應該圍繞數(shù)控機床智能應用需求,解決多維多領(lǐng)域建模、虛實交互以及功能實現(xiàn)等核心問題,實現(xiàn)真正意義上的數(shù)控機床數(shù)字孿生。

2 面向智能應用的數(shù)控機床數(shù)字孿生實現(xiàn)框架

數(shù)字孿生是通過模型和數(shù)據(jù)雙驅(qū)動來實現(xiàn)監(jiān)控﹑仿真、預測、優(yōu)化等實際功能服務和應用需求,實質(zhì)上是一種虛實閉環(huán)交互[27]。數(shù)字孿生模型不僅包括基礎(chǔ)單元模型建模,還需從不同機理和數(shù)據(jù)層面建立本質(zhì)模型,從多領(lǐng)域多學科角度模型融合以實現(xiàn)復雜物理對象各領(lǐng)域特征的全面刻畫,最終通過模型組裝和融合實現(xiàn)真實數(shù)控機床對象模型的構(gòu)建,達到與真實環(huán)境中的數(shù)控機床外觀一致、內(nèi)在本質(zhì)一致和行為一致的效果,因此如何創(chuàng)建高保真的數(shù)控機床數(shù)字孿生模型是實現(xiàn)數(shù)控機床數(shù)字孿生的首要前提。本文提出的數(shù)控機床數(shù)字孿生建模與智能應用框架,如圖2所示,在物理空間中,機床的外形和尺寸是容易被測量的,基于此建立幾何模型是構(gòu)建數(shù)字孿生模型的首要工作。根據(jù)機床運行機制和先驗知識,構(gòu)建機械系統(tǒng)、電控系統(tǒng)、傳熱系統(tǒng)的多領(lǐng)域耦合系統(tǒng),充分反映機床的內(nèi)在本質(zhì)和運行機理?；趥鞲屑夹g(shù)收集各種傳感數(shù)據(jù),結(jié)合機床內(nèi)部信息以及歷史狀態(tài)數(shù)據(jù)構(gòu)建數(shù)據(jù)模型,一方面約束數(shù)字孿生模型的行為動作,另一方面充分反映機床實時運行狀態(tài)和未來工作趨勢?；趲缀巍⑽锢硪约皵?shù)據(jù)模型,形成數(shù)字孿生模型進行仿真計算,利用智能算法進行數(shù)據(jù)處理與分析,生成的仿真數(shù)據(jù)實時反饋到數(shù)據(jù)模型;物理模型經(jīng)過模型降階處理得到復雜性和保真度相互協(xié)調(diào)的物理模型;最終仿真數(shù)據(jù)與數(shù)據(jù)模型共同構(gòu)成孿生數(shù)據(jù),包含數(shù)控機床全生命周期、全流程、全業(yè)務有效信息,對物理裝備及其運行過程和進行完整描述或解釋,推動映射的物理模型有效更新,形成數(shù)據(jù)驅(qū)動模型,優(yōu)化內(nèi)在機制和設(shè)計,并最終反饋給真實數(shù)控機床,完成虛實閉環(huán)。同時基于模型描述、智能診斷、科學預測以及智能決策等功能支撐智能應用實施,優(yōu)化物理空間的決策,實現(xiàn)物理信息的有效融合,推動數(shù)控機床智能化應用。

圖2 數(shù)控機床數(shù)字孿生建模與智能應用框架

2.1 幾何模型構(gòu)建

幾何模型是數(shù)字孿生模型的第一步,利用幾何模型可以實現(xiàn)參數(shù)化的特征構(gòu)建、裝配和仿真,并可以為后續(xù)機床結(jié)構(gòu)性能和機構(gòu)性能分析提供基礎(chǔ)。對于幾何模型的構(gòu)建,模型的保真度和輕量化非常重要。數(shù)控機床主要包括主軸、立柱、工作臺、進給軸、床身等,在幾何模型構(gòu)建過程中不考慮慣性、阻尼、彈性變形等物理因素,將機床的零部件看作剛體,通過三維軟件直接建模,或者利用儀器設(shè)備(如三維掃描儀)測量的方式逆向建模,在提高建模效率的同時,也賦予幾何模型完整的零件精度,保證數(shù)字孿生模型與物理機床在幾何尺寸、材質(zhì)屬性、顏色、形狀等方面保持高度一致,具有視覺上的一致性,同時也能真實反映物理機床的裝配關(guān)系、原點、從屬關(guān)系等,具有結(jié)構(gòu)上的一致性。此外,為解決模型占用內(nèi)存過大造成幾何模型傳輸、瀏覽卡頓等問題,需要對模型進行輕量化處理,以實現(xiàn)用較少數(shù)據(jù)達到高保真的效果。

2.2 物理模型構(gòu)建

幾何模型構(gòu)建完成之后,還需要賦予其內(nèi)在知識和機理,描述基于幾何建模的物理特征和約束,即物理建模。由于數(shù)控機床涉及機械、電氣、液壓、控制等不同領(lǐng)域的特征,需要實現(xiàn)多層次精準建模,在不同空間維度或者領(lǐng)域上對實體進行真實客觀描述,實際上是一種面向?qū)ο蟮慕?。在建模過程中應充分考慮模型在空間上的多層次耦合表達能力和時間上的虛實一致性,因此,本文采用多領(lǐng)域統(tǒng)一建模原則,研究數(shù)控機床各個系統(tǒng)之間的耦合關(guān)系,構(gòu)建機械子系統(tǒng)、控制子系統(tǒng)、電氣子系統(tǒng)等多個系統(tǒng),并進行耦合連接,建立數(shù)控機床多系統(tǒng)耦合孿生模型。數(shù)控機床各種子系統(tǒng)涉及多個學科的多種元器件,不同領(lǐng)域模型在物理形式上各不相同,但在數(shù)學表達上可以用類似的數(shù)學公式去描述這些基本建模元件參數(shù),進而根據(jù)各個領(lǐng)域知識定義各個子系統(tǒng)的材料特性、物理機理、連接關(guān)系、拓撲結(jié)構(gòu)、系統(tǒng)中各功能零部件的約束以及驅(qū)動等,從而實現(xiàn)機床多領(lǐng)域模型的耦合。利用支持多領(lǐng)域建模的軟件平臺將機械系統(tǒng)、電氣系統(tǒng)、控制系統(tǒng)、傳熱系統(tǒng)進行耦合連接,不同領(lǐng)域的子系統(tǒng)模型通過模型間的能量轉(zhuǎn)化接口實現(xiàn)機床的多領(lǐng)域模型構(gòu)建, 得到數(shù)控機床的多系統(tǒng)耦合孿生模型,如圖3所示。

基于幾何模型和多領(lǐng)域耦合模型,實現(xiàn)多維模型關(guān)聯(lián)、組合與集成,從而在信息空間級融合為一個完整的、具備高保真度的虛擬機床模型映射孿生模型,如圖4所示。此外,由于孿生模型需要通過數(shù)據(jù)模型不斷更新和優(yōu)化,在下一節(jié)中將詳細介紹數(shù)據(jù)建模方法。

圖4 數(shù)控機床多維多域?qū)\生模型構(gòu)建

2.3 數(shù)據(jù)模型構(gòu)建

數(shù)控機床生產(chǎn)數(shù)據(jù)具有規(guī)模海量、多源異構(gòu)、多時空尺度、多維度等大數(shù)據(jù)特征。通過生產(chǎn)制造大數(shù)據(jù)建立數(shù)控機床加工運行過程和決策間的關(guān)系,能對機床運行狀態(tài)進行統(tǒng)計和分析,有助于提升數(shù)控機床生產(chǎn)效率和產(chǎn)品質(zhì)量等。目前研究主要基于數(shù)控機床生產(chǎn)過程感知數(shù)據(jù),實現(xiàn)了機床信息層面的數(shù)據(jù)集成融合,但缺少“虛實交互”環(huán)境下全業(yè)務、全要素、全流程數(shù)據(jù)的集成與融合。數(shù)控機床數(shù)字孿生數(shù)據(jù)模型的構(gòu)建如圖5所示,基于機床運行一致性原理,對物理機床現(xiàn)場實時數(shù)據(jù)、虛擬機床模型仿真數(shù)據(jù)、機床服務系統(tǒng)數(shù)據(jù)等進行清洗、關(guān)聯(lián)、聚類、挖掘、迭代、演化、融合等操作,真實地刻畫和反映機床運行狀態(tài)、要素行為等各類動態(tài)演化過程、演化規(guī)律、統(tǒng)計學特性等。數(shù)控機床檢測指標一般包括轉(zhuǎn)速、溫度、坐標、振動等,首先利用領(lǐng)域知識進行冗余處理、特征提取和統(tǒng)計擬合,得到包括靜態(tài)數(shù)據(jù)和動態(tài)數(shù)據(jù)在內(nèi)的實際數(shù)據(jù),然后結(jié)合數(shù)字空間中得到的仿真虛擬數(shù)據(jù),基于平均原則、加權(quán)原則和可靠性優(yōu)先原則,對虛實數(shù)據(jù)進行融合,此過程在時間戳上需要保持一致,以保證加載和映射過程中的同步性。得到的數(shù)據(jù)模型一方面可以用于分析和應用,另一方面支持孿生數(shù)據(jù)對映射模型進行動態(tài)更新。

圖5 數(shù)控機床數(shù)字孿生數(shù)據(jù)模型構(gòu)建

2.4 關(guān)鍵賦能技術(shù)

在幾何、物理以及數(shù)據(jù)模型構(gòu)建過程中,在模型處理、數(shù)據(jù)處理與融合等方面還存在一些關(guān)鍵技術(shù)難題亟待克服,以促進數(shù)字孿生模型的應用與實施。

由于數(shù)控機床系統(tǒng)和結(jié)構(gòu)復雜,其仿真計算非線性強、效率異常低下,需要從根本上對模型進行降階處理,粗化顆粒度,提高計算速度,是實現(xiàn)數(shù)字孿生應用的基礎(chǔ)保障;數(shù)控機床數(shù)據(jù)信息一方面通過內(nèi)部電控數(shù)據(jù)獲得,另一部分由外部傳感器獲取,探索有效的數(shù)據(jù)獲取策略,獲取能夠準確、完整表征設(shè)備時間域、空間域特征的完備信息,開發(fā)高效的數(shù)據(jù)處理和清洗算法,確保監(jiān)測信息的完整性、準確性和有效性,是實現(xiàn)數(shù)控機床數(shù)字孿生應用的重要步驟;數(shù)控機床具備多物理、多領(lǐng)域、多功能的綜合特性,構(gòu)建考慮瞬態(tài)、時變因素、多物理場、多部件耦合的數(shù)字孿生模型,將仿真分析數(shù)據(jù)與實時監(jiān)測數(shù)據(jù)相融合,解釋物理系統(tǒng)本質(zhì),提高數(shù)控機床分析精度,是實現(xiàn)數(shù)控機床數(shù)字孿生應用的關(guān)鍵。如圖6所示,數(shù)控機床數(shù)字孿生模型自下而上進行構(gòu)建,實現(xiàn)最優(yōu)控制決策、認知設(shè)備性能、感知操作過程以及規(guī)劃操作流程,為功能實現(xiàn)以及智能應用實施提供技術(shù)基礎(chǔ)。

圖6 數(shù)控機床數(shù)字孿生賦能技術(shù)實施

2.5 功能實現(xiàn)方法

基于幾何、物理、數(shù)據(jù)模型和關(guān)鍵賦能技術(shù),建立數(shù)控機床數(shù)字孿生功能實現(xiàn)框架,包括設(shè)備層、模型層、數(shù)據(jù)層以及功能層,以支持數(shù)控機床數(shù)字孿生的智能應用。如圖7所示為數(shù)控機床數(shù)字孿生建模與智能應用框架的詳細解釋,其中設(shè)備層由真實機床設(shè)備和相關(guān)的傳感器組成,通過傳感網(wǎng)絡輸出動靜態(tài)數(shù)據(jù)。模型層由幾何模型、物理模型和數(shù)據(jù)模型構(gòu)成,各個模型通過不同的耦合約束條件相關(guān)聯(lián),模型之間相互融合,并由真實感知數(shù)據(jù)實時更新。模型通過仿真計算得到虛擬數(shù)據(jù),經(jīng)過一系列的處理與真實數(shù)據(jù)相融合得到孿生數(shù)據(jù)同樣可以驅(qū)動模型更新與優(yōu)化,最終多源異構(gòu)數(shù)據(jù)與多維孿生模型共同驅(qū)動智能診斷、科學預測與智能決策等功能的實現(xiàn)。

圖7 數(shù)控機床數(shù)字孿生功能實現(xiàn)框架

3 數(shù)控機床數(shù)字孿生智能應用

本章以數(shù)控機床數(shù)字孿生模型為核心,構(gòu)建具備功能集成性高、系統(tǒng)維護簡便的數(shù)控機床數(shù)字孿生系統(tǒng),并基于數(shù)控機床數(shù)字孿生模型描述、智能診斷、科學預測、智能決策四大功能開發(fā)智能應用服務。首先搭建數(shù)控機床數(shù)字孿生系統(tǒng),通過在線系統(tǒng)集成,實時對數(shù)控機床及其關(guān)鍵功能部件進行性能測評、虛擬調(diào)試、健康管理等;然后針對性能測評、虛擬調(diào)試、健康管理三大應用提出技術(shù)框架,并展示不同應用在系統(tǒng)中的實際操作界面,為數(shù)控機床數(shù)字孿生應用提供技術(shù)支持與指導。

3.1 數(shù)控機床數(shù)字孿生系統(tǒng)搭建

為滿足遠程訪問瀏覽的需求,數(shù)控機床數(shù)字孿生系統(tǒng)采用前后端分離的開發(fā)方式構(gòu)建B/S(browser/server)應用。相比傳統(tǒng)的C/S(client/server)架構(gòu),所構(gòu)建系統(tǒng)具備功能集成性高、系統(tǒng)維護簡便,可支持多用戶遠程瀏覽、控制等功能。除此之外,考慮到本系統(tǒng)可能會應用于其他不同種類設(shè)備,采用B/S架構(gòu)可以較為方便的集成其他設(shè)備。

數(shù)控機床數(shù)字孿生系統(tǒng)采用Python語言進行核心算法與應用程序的開發(fā),以Flask為核心Web服務框架,編寫應用程序編程接口(Application Programming Interface,API)供前端Web頁面調(diào)用,同時集成Numpy、Scipy等第三方工具庫實現(xiàn)高性能數(shù)值計算。系統(tǒng)總體架構(gòu)如圖8所示,數(shù)字孿生幾何模型利用Three.js實現(xiàn)Web端數(shù)控機床模型可視化。構(gòu)建的多領(lǐng)域耦合物理模型基于FMI(functional mock-up interface)開發(fā)接口,將模型封裝為FMU(functional mock-up unit)文件,同時仿真數(shù)據(jù)傳遞至數(shù)據(jù)庫,結(jié)合真實環(huán)境下利用FOCAS協(xié)議讀取數(shù)控機床產(chǎn)生的實時數(shù)據(jù)并存儲至數(shù)據(jù)庫,實現(xiàn)虛實數(shù)據(jù)融合,構(gòu)建數(shù)據(jù)模型。在系統(tǒng)實現(xiàn)層面,前端采用Vue框架,使用異步JavaScript和XML(extensible markup language)與后端實現(xiàn)數(shù)據(jù)交互,通過數(shù)據(jù)與頁面展示組件雙向綁定實現(xiàn)動態(tài)Web頁面。同時,前端也集成Echart、Element UI等控件庫,構(gòu)建用戶友好、流暢的各類組件及數(shù)據(jù)可視化圖表。

圖8 數(shù)控機床數(shù)字孿生系統(tǒng)設(shè)計框架

3.2 性能測評功能模塊

機床主軸作為數(shù)控機床的關(guān)鍵功能部件,其穩(wěn)定性、可靠性直接影響數(shù)控機床的加工精度和加工質(zhì)量,因此,以機床主軸為例開展綜合性能測評。性能測評功能框架如圖9所示,首先分析數(shù)控機床主軸復雜的內(nèi)部耦合特性,分別構(gòu)建主軸的各領(lǐng)域子系統(tǒng)模型和耦合模型,其次,通過分析主軸的常見故障來構(gòu)建主軸評估系統(tǒng),主要包括軸承磨損和定子和轉(zhuǎn)子因素導致的振動故障、冷卻和潤滑不足導致的過熱故障以及主軸鎖定故障,提出包含多維度、虛實指標的虛實融合性能評價指標體系,建立基于主客觀融合的權(quán)重分配方法,最后,利用基于綜合指數(shù)法的綜合性能測評方法,綜合考慮實驗測試和孿生模型仿真兩種方法,對數(shù)控機床主軸的綜合性能進行量化評價。

圖9 性能測評功能框架

在系統(tǒng)端,通過性能測評模塊對監(jiān)測指標進行數(shù)據(jù)分析,綜合各指標得到性能測評結(jié)果。性能測評界面如圖10所示,包含功能部件的詳細信息,同時,可通過查詢時間顯示該時間點指標大小,對單指標測評結(jié)果進行量化,構(gòu)建性能測評指標的雷達圖,雷達面積顯示綜合指標的測評效果,在指標量化后,以圓形圖百分比的形式展示指標測評后的等級占比,以更加清晰地理解該時刻性能測評的結(jié)果,最后給出性能測評結(jié)果的綜合量化量,同時,利用Echart的樹形圖來展示性能測評指標體系。

圖10 性能測評界面

3.3 虛擬調(diào)試功能模塊

數(shù)控機床傳統(tǒng)調(diào)試方法具有周期長、占用機器資源、材料浪費和高風險等缺點,虛擬調(diào)試安全、 可控且可重復的優(yōu)點逐漸顯現(xiàn)。 數(shù)控機床中復雜多變的加工條件是限制虛擬調(diào)試應用的一大挑戰(zhàn),通過數(shù)字孿生技術(shù)建立機床高保真模型,建立如圖11所示的虛擬調(diào)試功能框架,可以提高調(diào)試結(jié)果的準確性。首先將機床孿生模型相關(guān)輸入、輸出、參數(shù)信息以FMI接口規(guī)范的形式導出,生成高效率、高精度的FMU解析模型,其次通過加工代碼解析并結(jié)合對機床進給伺服以及末端的實際位置的采集,實現(xiàn)機床加工誤差的解耦分析,最后規(guī)劃路徑和運動軌跡仿真,研究面向切削負載實時檢測的機床工藝參數(shù)優(yōu)化方法,結(jié)合工件和實際切削參數(shù),實現(xiàn)工藝參數(shù)和機床參數(shù)的優(yōu)化。

圖11 虛擬調(diào)試功能框架

在系統(tǒng)端,虛擬調(diào)試模塊用于脫機展示數(shù)控機床模型對加工代碼的執(zhí)行以及對工件的虛擬切削,虛擬調(diào)試界面如圖12所示,在此頁面可以手動輸入也可以文件錄入加工代碼,孿生模型根據(jù)加工代碼指令做出相應的加工動作,也可以觀察加工路徑、加工效果、實時X、Y、Z、轉(zhuǎn)速信息,模擬機床進行急停、運行等操作。同時可以選擇數(shù)控機床不同關(guān)鍵功能部件的測點,使用旋鈕對加工工況進行修改,并實時將特性趨勢變化用儀表盤的形式進行可視化展示。

圖12 虛擬調(diào)試界面

3.4 健康管理功能模塊

傳統(tǒng)的故障診斷方法在故障模式識別、故障定位方面具有良好的應用效果,而數(shù)控機床結(jié)構(gòu)復雜耦合,降低了故障診斷的精確性。利用構(gòu)建的數(shù)控機床數(shù)字孿生模型,從虛擬世界對數(shù)控機床進行評估、預測,進而為物理機床提供指導維護建議,避免環(huán)境、人為等外界因素的影響,從材料、結(jié)構(gòu)、部件、及功能等多維度實現(xiàn)數(shù)控機床性能的全面分析與維護,為數(shù)控機床安全可靠運行保駕護航。健康管理功能框架如圖13所示,首先收集機床傳感數(shù)據(jù)并劃分為可標識數(shù)據(jù)和不可標識數(shù)據(jù),利用決策樹等機器學習分類算法對模型庫的數(shù)據(jù)進行訓練,根據(jù)機床關(guān)鍵部件性能退化規(guī)律對數(shù)字孿生模型進行系統(tǒng)模擬,輸出數(shù)據(jù)與真實數(shù)據(jù)相融合。其次利用故障注入建模方法構(gòu)建數(shù)控機床的數(shù)字孿生模型庫,該模型庫由多個機床孿生模型構(gòu)成,包含了健康狀態(tài)和故障狀態(tài)的模型,將分類器應用于機床主軸在線傳感數(shù)據(jù),推斷出模型庫與傳感數(shù)據(jù)最相似的模型。最后將基于遷移模型和經(jīng)過濾波的數(shù)據(jù)共同融合構(gòu)建數(shù)控機床健康管理模塊,進而判斷機床運行的健康狀態(tài)。

圖13 健康管理功能框架

系統(tǒng)端健康管理模塊展示了故障診斷記錄,包括診斷時間、設(shè)備名稱、測點名、診斷結(jié)果、設(shè)備狀態(tài)等信息,如圖14所示,該系統(tǒng)可以實現(xiàn)對設(shè)備故障診斷信息的記錄,通過id、時間、設(shè)備名稱、測點名進行故障信息的篩選與顯示。此外通過對測點和時間的選擇,對振動數(shù)據(jù)進行時域分析、頻域分析、包絡分析、短時傅里葉分析、韋爾奇功率分析和加速度積分分析,最終以表格的形式展示數(shù)據(jù)特征值,如最大值、平均值、均方根值、峭度值、峰峰值、波動方差等。同時也可對設(shè)備測點和診斷時間進行選擇,查看數(shù)控機床特征指標,然后根據(jù)數(shù)控機床特征值對設(shè)備狀態(tài)進行診斷,根據(jù)診斷結(jié)果給出維護建議,保障機床健康運行。

圖14 健康管理界面

4 結(jié)束語

數(shù)字孿生技術(shù)驅(qū)動工業(yè)和制造模式的變革,本文以數(shù)控機床為研究對象,提出面向智能應用的數(shù)控機床數(shù)字孿生實現(xiàn)框架,聚焦數(shù)字孿生模型構(gòu)建方法和關(guān)鍵技術(shù),搭建數(shù)控機床數(shù)字孿生功能框架,基于孿生模型最終實現(xiàn)數(shù)控機床性能測評、虛擬調(diào)試、健康管理等智能應用。針對數(shù)字孿生建模問題,從數(shù)控機床基本單元、內(nèi)在機理、多領(lǐng)域多學科等不同層面考慮,構(gòu)建以幾何、物理和數(shù)據(jù)建模為主的數(shù)字孿生建模流程,對數(shù)控機床各領(lǐng)域進行全面描述與刻畫;針對模型處理、數(shù)據(jù)處理及功能實現(xiàn)等方面的難點與挑戰(zhàn),開發(fā)高效的數(shù)據(jù)處理和清洗算法,建立準確、有效的數(shù)據(jù)模型,實現(xiàn)虛實數(shù)據(jù)相融合,設(shè)計物理空間與數(shù)字孿生的映射策略,提高模型計算速度;針對智能應用實施問題,開發(fā)了數(shù)控機床數(shù)字孿生模型可視化應用系統(tǒng),集成數(shù)控機床性能測評、虛擬調(diào)試、健康管理應用模塊,實現(xiàn)數(shù)控機床數(shù)字孿生的智能應用。

然而,由于數(shù)控機床系統(tǒng)復雜,涉及多個領(lǐng)域,數(shù)控機床數(shù)字孿生必將在多學科、多領(lǐng)域融合發(fā)展中變革演化,在深層次應用數(shù)字化以及全生命周期管理過程中面臨諸多挑戰(zhàn)。未來將對多領(lǐng)域模型耦合、多物理場模型降階以及虛實模型更新與映射等關(guān)鍵技術(shù)深入研究,充分發(fā)揮數(shù)字孿生技術(shù)在數(shù)控機床的能動性,真實地反映數(shù)控機床的真實特性,提高機床運行維護的精度和可行性,助力數(shù)控機床向智能機床發(fā)展。