一种数字孪生车间多维多层级模型构建与动态配置方法

1.本发明属于离散制造系统建模与仿真技术领域，具体涉及一种数字孪生车间多维多层级模型构建与动态配置方法。

背景技术：

2.离散制造系统是应用最为广泛的一种制造形式，大如高速列车、航空装备，小到电子产品，日用百货都会大量用到离散制造系统进行生产。然而，一方面离散制造系统的生产对象与系统之间高度耦合，无论是产品还是系统都可能发生不确定的变化，另一方面，市场需求的不断变化也带来了新的生产需求，使得当前离散制造系统呈现越来越强的动态性和不确定性，为离散制造系统的高效率运行和管理带来了巨大挑战，带来了车间与newit技术结合建设智能车间的需求。
3.随着数字孪生技术的提出，其强调的各类数据机床、全生命周期动态演化以及基于模型的优化迭代等特点十分适合于newit使能下的智能车间建设，基于数字孪生的生产车间称为数字孪生车间。而要建设数字孪生车间，首先需要构建车间的虚拟模型来映射物理车间并承载一系列车间应用，该虚拟模型的特征在于多维、动态和高保真，能够满足数字孪生车间基于实时数据的过程评估、仿真运行、优化迭代的需求。为此，需要一种构建数字孪生车间多维度虚拟模型并使其能够快速响应变化的方法。
4.相关技术中，构建车间多维度虚拟模型通常考虑如何采集实时数据驱动可视化模型的更新，或者建立虚实之间双向的数据传递通道实现生产过程联动控制，探索了如何基于设备实时运行过程中动态数据的变化更新模型的过程。专利号为cn202010602613.8的现有技术中公开了一种基于组合赋权的离散车间生产计划评价方法。并具体公开了通过构建车间生产计划评价指标体系，在仿真完成后得到仿真基础数据并生产计划评价指标体系计算得到仿真评价指标，通过对指标体系进行组合赋权得到各指标值的权重，通过模糊综合评价得到当前方案的评价结果。然而，当新建一个车间，或生产扰动发生时，尤其是对设备进行迭代、更新、重布局以后，构建或重配置数字孪生车间模型的过程涉及到可视化模型、数据模型、机理模型等多维度模型变化，过程较为复杂。因此，如何按照一个统一的规范在生产车间发生变动时对数字孪生车间的组成元素进行快速重配置和多维模型融合是一个值得研究的问题。

技术实现要素：

5.为解决背景技术中提到的技术问题，本发明中提出了一种数字孪生车间多维多层级模型构建与动态配置方法，包括以下两个步骤：
6.s1：数字孪生车间多维多层级模型构建；
7.s2：数字孪生车间多维多层级模型融合。
8.优选的，s1步骤中，数字孪生车间多维多层级模型构建包括以下步骤：制造系统关系定义、数字孪生车间多维多层级模型定义、元素级可视化模型定义、生产单元可视化模型
定义、生产车间可视化模型的形式化定义、元素级机理模型定义、生产单元机理模型定义、生产车间机理模型形式化定义、数字孪生车间信息模型在元素级信息模型定义、数字孪生车间信息模型在单元级信息模型定义、数字孪生车间信息模型在车间级信息模型定义。
9.优选的，制造系统关系定义如下：
10.system structure＝《sc,lpn》
11.式中：system structure代表为制造系统关系；sc代表服务单元；lpn代表物流路径网络；
12.数字孪生车间多维多层级模型定义为：
13.twinmodel＝{visualmodel,prinmodel,infomodel}；
14.其中：twinmodel代表数字孪生车间多维多层级模型，visualmodel代表可视化模型，可视化模型是数字孪生车间多维多层级模型的可视化展示；prinmodel代表机理模型，机理模型表达了生产车间的生产运行逻辑和机理；infomodel代表信息模型，信息模型集成了生产车间运行数据。
15.优选的，在设备层，数字孪生车间多维多层级模型中的多维度分为三个层面体现，在设备层，设备的数据模型、可视化模型和机理模型形成了三个维度的基本模型要素；在单元层，通过对生产单元内各个设备的关系描述，将多个设备的多维模型通过单元内逻辑关系组合起来形成单元的多维模型；在车间层，通过产品工艺路线和车间物流关系形成生产逻辑，将单元和单元间的物流设备进行有机关联，并将其多维模型进行连接形成车间的多维模型；
16.元素级可视化模型定义为：
17pvisualmodel＝{motionmodel,3dmodel}
18.其中：compvisualmodel代表元素的可视化模型，motionmodel代表元素运动模型，定义了设备部件模型的层次和运动关系；3dmodel代表设备各个部件3d模型；
19.各个元素的可视化模型的组合形成了生产单元的可视化模型，生产单元可视化模型定义为：
20.scvisualmodel＝{compvisualmodel1,...,compvisualmodeli}
21.式中：scvisualmodel代表单元级可视化模型，compvisualmodel1代表生产单元中的一个元素的可视化模型，生产单元的可视化模型由若干个元素的可视化模型组成；
22.生产单元与生产单元通过物流路径进行关联形成了生产车间的可视化模型，故生产车间由生产单元以及生产单元间的物流设备组成，生产车间可视化模型的形式化定义如下：
23.shopvisualmodel＝{scvisualmodeli,compvisualmodelj|1≤i≤n,1≤j≤m}
24.式中：shopvisualmodel代表生产车间的可视化模型，scvisualmodeli代表车间中的所有生产单元可视化模型的集合，compvisualmodelj代表车间中所有车间生产资源可视化模型的集合；n为该生产车间定义的单元数量，m为该生产车间执行单元间物流任务的元素数量；
25.数字孪生车间机理模型在元素级通过七要素模型进行统一表征，每个要素都是一个在车间中充当特定角的独立对象，它们封装了内部运行逻辑和与外部环境交互的接口；元素级机理模型定义为：
26pprinmodel＝{compstatemodel,complogicmodel}
27.式中：compprinmodel代表生产设备的机理模型，compstatemodel代表生产设备的状态模型，complogicmodel代表生产设备的运行逻辑模型；
28.数字孪生车间机理模型在单元层为物料到达单元后进行上下料操作的单元控制逻辑，生产单元机理模型定义为：
29.scprinmodel＝{scstatemodel,sclogicmodel}
30.式中：scprinmodel代表生产单元机理模型，scstatemodel代表单元运行状态，sclogicmodel代表生产单元的运行逻辑；
31.生产单元运行状态是元素状态的有机组合，定义生产单元运行状态及其对应的参数如下：
[0032][0033]
生产单元输入的允许/禁止取决于该单元是否能够接受新的物料进入缓存或直接加工，输出的允许/禁止则取决于该单元是否能够接受已有物料离开该单元；
[0034]
生产车间机理模型形式化定义为：
[0035]
shopprinmodel＝{shopstatemodel,shoplogicmodel}
[0036]
式中：shopprinmodel代表生产车间机理模型，shopstatemodel是车间状态模型，代表了车间运行的不同状态，包括空闲、生产中、故障停产；shoplogicmodel是车间的逻辑模型，该逻辑模型包含了生产逻辑模型和物流网络模型；
[0037]
数字孪生车间信息模型在元素级为生产设备实时运行数据、仿真执行数据；在单元层为单元任务序列、物料实时数据、加工过程数据；在车间层为车间生产布局、调度方案、运行数据；
[0038]
数字孪生车间信息模型在元素级信息模型定义为：
[0039]
compinfomodel＝{compsiminfo,comprealinfo,comphistoryinfo}
[0040]
式中：compinfomodel代表元素的信息模型，compsiminfo是元素的仿真数据，包括输入数据、输出数据；comprealinfo是元素的实时数据，通过scada系统采集相关数据后对这些数据进行分类存储所得；comphistoryinfo是历史数据；
[0041]
数字孪生车间信息模型在单元级信息模型定义为：
[0042]
scinfomodel＝{scsiminfo,screalinfo,schistoryinfo}
[0043]
式中：scinfomodel代表单元信息模型，scsiminfo是单元的仿真数据，包括输入数据、输出数据；screalinfo是单元的实时数据；schistoryinfo为历史数据，历史数据由仿真数据和实时数据存储后构成；
[0044]
数字孪生车间信息模型在车间级信息模型定义为：
[0045]
shopinfomodel＝{shopsiminfo,shoprealinfo,shophistoryinfo}
[0046]
式中：shopinfomodel代表车间信息模型，shopsiminfo是车间的仿真数据，包括输入数据、输出数据，shoprealinfo是车间的实时数据；历史数据shophistoryinfo由仿真数据和实时数据存储后构成。
[0047]
优选的，多维多层级融合模型包含以下步骤s21-s23：
[0048]
s21：面向执行前仿真验证的模型融合；
[0049]
s22：面向执行中实时监控的模型融合；
[0050]
s23：面向执行后优化迭代的模型融合。
[0051]
优选的，步骤s21包括以下步骤s211-s215：
[0052]
在步骤s211中构建生产元素对象；
[0053]
在步骤s212中构建设备可视化模型，包括设备运动模型构建和部件3d模型的导入；
[0054]
在步骤s213中根据生产元素特点，对处理器、执行器和缓存器定义其机理模型，包括仿真逻辑如开关门动作、触发机制、动作顺序；根据设备类型定义其仿真数据；
[0055]
在步骤s214中基于已有的生产元素进行单元布局形成生产单元，该单元集成了内部生产元素的可视化模型，通过配置单元参数形成单元机理模型；
[0056]
在步骤s215中通过配置单元间物流路径和物流设备形成车间可视化和机理模型，并定义车间仿真输入，包括生产排程、开始停工时间，形成车间仿真信息模型。
[0057]
优选的，步骤s22包括以下步骤s221-s223：
[0058]
在步骤s221中对生产元素，配置其虚拟监控点，定义监控点名称、元素名称、部件名称、物理量、数据类型、数据单位、状态属性、关键属性、采样频率；并基于用于过程控制的对象连接和嵌入技术以及数控设备互联通讯协议从物理车间获取实时数据并写入对应监控点，形成生产元素实时信息，完善生产元素信息模型；
[0059]
在步骤s222中在生产单元层，对元素实时信息进行抽取形成所需要的关键信息，关键信息至少包括处理器状态监控点、缓存器缓存数量，并将关键信息进行多对一的映射形成单元状态信息，关键信息和状态信息共同构成了该生产单元的实时信息；
[0060]
在步骤s223中在车间层，通过制造执行系统获取车间生产任务信息，并基于生产单元状态匹配生产任务执行进展，形成生产车间实时信息。
[0061]
优选的，步骤s23包括以下步骤s231-s233：
[0062]
在步骤s231中，基于s21和s22已有的模型基础，对现有生产方案进行评价；基于评价结果进行布局优化、调度优化，对车间重布局或重新排程形成新的车间多维模型，对该优化方案进行仿真评价，当优化方案可行，下达至生产车间指导物理车间的优化迭代，并更新车间模型；
[0063]
在步骤s232中，对数字孪生车间多维多层级模型进行重配置与动态更新；在重新创建数字孪生车间项目，或者车间发生变更后，需要新建或者及时更新对应的数字孪生车间多维多层级模型；
[0064]
模型构建过程包括s2321-s2322步骤；
[0065]
在步骤s2321中，当车间内新增设备或者变更设备时，检索系统资源库判断是否有该类设备，若有设备则基于该类设备进行拖拽布局；若没有该类设备，则通过设备建模系统对该类设备进行封装与入库，完成车间资源的几何建模，并与变更后的模型关系一同构成基于服务单元和物流路径网络模型的车间重配置模型，生成dts可视化模型；
[0066]
在步骤s2322包括步骤s23221-s23224；
[0067]
在s23221中，变更模型关系，并将模型关系映射到可视化模型中实现物流建模；
[0068]
在s23222中，变更模型仿真属性，包括设备移动速度、容量；
[0069]
在s23223中，对工件的工艺路线进行变更，形成车间运行的输入信息，并与仿真模型、物流重配置模型一同构成面向系统仿真的表征模型，完成仿真模型的重新生成；
[0070]
在步骤s2324中，对数据建模进行调整，检索数字孪生车间是否实现了该类的通信协议，若无该类通信协议，则基于抽象通信基类来开发该数据通信协议接口，并扩展到数据适配类；若有该类协议，则将该协议与虚拟传感器进行适配，并基于虚拟传感器完成实时数据的映射，将重新生成该类设备的数据模型。
[0071]
本发明的有益技术效果为：
[0072]
1.本发明采用基于生产单元的车间建模方法，将复杂的生产车间分解为三个层级，通过对设备进行多维度建模，体现数字孪生车间模型的多维特征，通过对车间按照元素、单元、车间三个层面分别进行相应模型的构建体现数字孪生车间模型的多层次特征，建立了一种清晰明确的数字孪生车间多维多层级模型构建方法，在对车间进行数字孪生建模时，面对车间结构复杂，数据海量多源，运行机制异构的问题可以进行层次化划分，在每个层级针对该层级的共性特征进行针对性的模型定义，并通过不同层级之间的关联配置实现不同模型和数据的集成。
[0073]
2.本发明在所提数字孪生车间模型构建方法的基础上将数字孪生车间模型定义为“机理-可视化-信息”三个维度。在三个层面中，机理模型在元素层描述了设备或其他元素的运行机制和部件运动逻辑，在单元层描述了单元内几个元素之间的生产组织逻辑，如上下料缓冲顺序等，在车间层则形成了车间生产运行机理，如各单元之间的关联关系和物流结构；可视化模型在元素层通过拓扑实现了部件的关联和运动关系的映射，并将部件三维模型与拓扑节点关联实现了设备的运动可视化建模，可视化模型在单元层和车间层则依靠机理模型中的单元和车间运行结构将设备模型关联起来实现单元和车间的可视化建模；信息模型在元素层构建了模型与物理实体之间的虚实连接并描述了车间元素的运行实时数据，在单元层描述了单元内设备的运行统计信息和单元状态信息，在车间层则进一步地描述了车间运行过程中的生产任务和执行信息。以上模型从三个方面满足了数字孪生车间实施过程中的虚拟车间构建、车间仿真运行和虚实连接以及虚实同步的应用需求。
[0074]
3.本发明采用配置/重配置的方法实现了数字孪生车间多维多层级模型的构建过程，将“数据-可视化-机理”三者分解为各个配置步骤，并描述了各步骤之间的关联关系，使得在所提的数字孪生模型构建框架和各个维度模型在实施的过程中，针对首次构建车间模型，以及车间发生变化时需要更新模型这两种需求，通过配置的形式不断更改模型的参数、特征来实现车间模型的亚实时更新，形成根据车间变化不断动态演进的数字孪生模型，为数字孪生车间模型面临车间变化的情况提供了清晰的解决方法和配置建模路线。
附图说明：
[0075]
图1为数字孪生车间多维多层级模型构建框架示意图；
[0076]
图2为数字孪生车间多维多层级模型构建与动态配置过程示意图。
具体实施方式
[0077]
为使本发明实施目的、技术方案和优点更加清楚，下面将结合附图，对本发明实施
例中的技术方案进行清楚、完整的描述。显然，所描述的实施例是本发明的一部分实施例，而不是全部的实施例。
[0078]
因此，以下对本发明的实施例的详细描述并非旨在限制要求保护的本发明的范围，而是仅仅表示本发明的部分实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
[0079]
需要说明的是，在不冲突的情况下，本发明中的实施例及实施例中的特征和技术方案可以相互组合。
[0080]
本发明的一种数字孪生车间多维多层级模型构建与动态配置方法，包括以下两个步骤：
[0081]
s1：数字孪生车间多维多层级模型构建；
[0082]
s2：数字孪生车间多维多层级模型融合。
[0083]
优选的，s1步骤中，数字孪生车间多维多层级模型构建包括以下步骤：制造系统关系定义、数字孪生车间多维多层级模型定义、元素级可视化模型定义、生产单元可视化模型定义、生产车间可视化模型的形式化定义、元素级机理模型定义、生产单元机理模型定义、生产车间机理模型形式化定义、数字孪生车间信息模型在元素级信息模型定义、数字孪生车间信息模型在单元级信息模型定义、数字孪生车间信息模型在车间级信息模型定义。优选的，数字孪生车间多维多层级模型包括信息模型、可视化模型和机理模型三个维度，且在模型构建层级上扩充为车间级、单元级和元素级三个层级，如附图1所示。为对异构离散制造系统进行统一的表达，现有技术中提出了一系列的图形化形式化模型表达方法和概念。其中，七要素模型被提出用以表征系统的基本组成元素，服务单元模型和物流路径网络模型被提出用以分别表征生产和物流组织关系，车间则为在同一物理空间内的设备、人员、工件、环境等要素的集合。下述中“《》”表示一个机理模型的组成和特征。
[0084]
七要素模型定义为：
[0085]
seven elements＝《c,p,e,b,f,l,vsn》
[0086]
式中：seven elements为七要素，是车间人、机、料、法、环的统一表达。c代表控制器，是各类控制系统/设备或决策人员的映射，为系统提供决策服务。p代表处理器，是各类加工设备的映射，在生产任务驱动下为工件提供操作相关服务。e代表执行器，是各类物流设备的映射，在物流任务驱动下基于物流调度规则为工件提供物料转运服务。b代表缓存器，是各类缓存和仓储设备的映射，为工件提供临时或长期仓储服务。f代表流动实体，即工件，包括毛坯、半成品和产品等的映射，接受处理器、执行器和缓存器的服务。l代表物流路径，是物流关系的映射。vsn代表虚拟服务节点，是生产组织关系、物流关系和生产逻辑的高层次概括和抽象。
[0087]
进一步的，本发明在七要素模型的基础上对制造系统关系定义如下：
[0088]
system structure＝《sc,lpn》
[0089]
式中：system structure代表为制造系统关系，是系统内部各个要素的组成形式。sc代表服务单元，是具有特定服务功能的七要素集合或其子集。lpn代表物流路径网络，是实际物流布局和关系的映射。
[0090]
优选的，数字孪生车间多维多层级模型定义为：
[0091]
twinmodel＝{visualmodel,prinmodel,infomodel}。
[0092]
其中：twinmodel代表数字孪生车间多维多层级模型，visualmodel代表可视化模型，可视化模型是数字孪生车间多维多层级模型的可视化展示；prinmodel代表机理模型，机理模型表达了生产车间的生产运行逻辑和机理，是虚拟车间运行的基础；infomodel代表信息模型，信息模型则集成了生产车间运行数据。
[0093]
优选的，在设备层，数字孪生车间多维多层级模型中的多维度分为三个层面体现，在设备层，设备的数据模型、可视化模型和机理模型形成了三个维度的基本模型要素；在单元层，通过对生产单元内各个设备的关系描述，将多个设备的多维模型通过单元内逻辑关系组合起来形成单元的多维模型；在车间层，则通过产品工艺路线和车间物流关系形成生产逻辑，将单元和单元间的物流设备进行有机关联，并将其多维模型进行连接形成车间的多维模型。
[0094]
本发明中提出的数字孪生车间多维多层级模型包括信息模型、可视化模型和机理模型三个维度，且在模型构建层级上扩充为车间级、单元级和设备级(元素级)三个层级，相较现有技术中包括数据模型、几何模型和逻辑模型的多维虚拟模型而言，具有以下优势：
[0095]
在模型定义上，将数据模型和逻辑模型进行了拓展，用信息模型对数据模型进行了包含，不仅仅是概念上的扩充，在实现数字孪生车间虚实连接时，通过封装异构数据通信协议，解决异构协议的适配问题，通过仿真模型集成仿真数据，解决同物理设备实际运行数据之间的混淆的问题。同样的，在机理模型方面，车间、单元和元素的运行逻辑模型构建作为机理模型构建的主要内容，是实现数字孪生车间中车间、单元和元素通过仿真实现以虚映实的必要条件；除此之外，设备运行时变特性、设备运行时概率事件也可以作为机理模型的一种进行统一封装。在构建了信息模型和机理模型后，与原有的可视化模型相比，一方面，新的可视化模型详细的层次化可视化模型定义为数字孪生车间可视化模型构建提供了更加清晰地思路，另一方面还可以实现数字孪生车间运行过程中的更多数据、模型的可视化展示和辅助决策应用，如告警、预测等，这些内容需要与人工智能算法、实时数据驱动的仿真进行结合，则不属于本发明所涉及的范围。
[0096]
优选的，数字孪生车间多维多层级模型中，元素级、单元级以及车间级这三种可视化模型是物理车间对象的外观表现，主要关注物理对象的几何属性和运动属性等外在信息。
[0097]
优选的，元素级可视化模型定义为：
[0098]
compvisualmodel＝{motionmodel,3dmodel}
[0099]
其中：compvisualmodel代表元素的可视化模型，motionmodel代表元素运动模型，定义了设备部件模型的层次和运动关系；3dmodel代表设备各个部件3d模型，包括模型顶点、面片等几何信息和模型贴图、材质等外观信息。
[0100]
元素包括生产设备以及物料。其中，物料本身并不包含运动属性，物料的运动模型motionmodel为空，只存在本身的3d模型3dmodel。
[0101]
优选的，各个元素的可视化模型的组合形成了生产单元的可视化模型，生产单元可视化模型定义为：
[0102]
scvisualmodel＝{compvisualmodel1,...,compvisualmodeli}
[0103]
式中：scvisualmodel代表单元级可视化模型，compvisualmodel1代表生产单元中的一个元素的可视化模型，生产单元的可视化模型由若干个元素的可视化模型组成。
[0104]
优选的，生产单元与生产单元通过物流路径进行关联形成了生产车间的可视化模型，故生产车间由生产单元以及生产单元间的物流设备组成，生产车间可视化模型的形式化定义如下：
[0105]
shopvisualmodel＝{scvisualmodeli,compvisualmodelj|1≤i≤n,1≤j≤m}
[0106]
式中：shopvisualmodel代表生产车间的可视化模型，scvisualmodeli代表车间中的所有生产单元可视化模型的集合，compvisualmodelj则代表车间中所有车间生产资源可视化模型的集合。n为该生产车间定义的单元数量，m为该生产车间执行单元间物流任务的元素数量。需要说明的是，执行生产单元间物流任务的元素，如agv、天车等，由于不属于任何单元，因此作为该车间单元间物流元素被识别。而其他元素都包含在生产单元内，由生产单元进行了统一封装。
[0107]
本发明中提出的数字孪生车间多维多层级可视化模型相较现有技术而言，具有以下优势：通过层次化定义车间级、单元级和元素级的可视化模型，让原有可视化模型的定义从设备拓展到了单元、车间，通过设备模型的构建和集合形成了单元级可视化模型的构建，并可以通过机理模型的驱动进行可视化展示和运行。
[0108]
优选的，数字孪生车间机理模型是车间运行机理的表达。
[0109]
优选的，数字孪生车间机理模型在元素层为机床开关门逻辑、六自由度机械手运动解算算法等运动过程。
[0110]
优选的，数字孪生车间机理模型在元素级通过七要素模型进行统一表征，每个要素都是一个在车间中充当特定角的独立对象，它们封装了内部运行逻辑和与外部环境交互的接口。元素级机理模型定义为：
[0111]
compprinmodel＝{compstatemodel,complogicmodel}
[0112]
式中：compprinmodel代表生产设备的机理模型，compstatemodel代表生产设备的状态模型，complogicmodel代表生产设备的运行逻辑模型，是设备接收外部输入后状态变化的逻辑，该逻辑是控制器控制元素运行的基础。
[0113]
优选的，数字孪生车间机理模型在单元层为物料到达单元后进行上下料操作的单元控制逻辑，生产单元机理模型定义为：
[0114]
scprinmodel＝{scstatemodel,sclogicmodel}
[0115]
式中：scprinmodel代表生产单元机理模型，scstatemodel代表单元运行状态，sclogicmodel代表生产单元的运行逻辑。
[0116]
优选的，在一个生产单元中，处理器p是基础组成要素，它为单元提供工件的处理服务，例如加工、检测、拆卸和装配等。流动实体f通过虚拟服务节点进入单元，再依次通过输入缓存器b
in
，处理器p和输出缓存器b
out
接收服务，最后通过虚拟服务节点离开单元。控制器c控制内部执行器e
int
来实现流动实体f在上述元素中的流动。上述逻辑被定义成模板并封装到单元控制器中。
[0117]
优选的，生产单元运行状态是元素状态的有机组合，定义生产单元运行状态及其对应的参数如下：
[0118][0119]
生产单元输入的允许/禁止取决于该单元是否能够接受新的物料进入缓存或直接加工，输出的允许/禁止则取决于该单元是否能够接受已有物料离开该单元。
[0120]
优选的，数字孪生车间机理模型在车间层则表现为车间生产过程运行机理，包括基于物料工艺形成的生产运行逻辑、生产物流调度方法等。生产车间机理模型形式化定义为：
[0121]
shopprinmodel＝{shopstatemodel,shoplogicmodel}
[0122]
式中：shopprinmodel代表生产车间机理模型，shopstatemodel是车间状态模型，代表了车间运行的不同状态，包括空闲、生产中、故障停产等。而shoplogicmodel是车间的逻辑模型，该逻辑模型包含了生产逻辑模型和物流网络模型，车间内的物流网络结构决定了该逻辑模型的基本框架，而工件的工艺路线决定了该逻辑模型的实体流向。
[0123]
本发明中提出的数字孪生车间机理模型相较现有技术而言，具有以下优势：
[0124]
首先按照数字孪生车间多维多层级建模方法中多层级的思想，从元素、单元、车间三个层级分别描述了各层级物理对象的运行机制和主要运行逻辑。在设备级，通过将元素机理模型进行封装，使其能够在元素虚拟运行时按照真实的物理元素如机床的开关门动作等进行仿真运行，实现元素级的机理映射。在单元级，通过单元内各元素之间的逻辑关系构建了单元的运行机制，包括生产过程物料上下料流程、设备服务顺序等，使得虚拟单元在仿真物理单元运行的过程中，通过设备服务顺序，再调用设备的运行机理形成单元的虚拟运行过程，实现单元层的机理映射。在车间级，则进一步地将单元和单元间的物流结构、物流关系关联起来，并通过工件工艺路线形成了车间生产逻辑，在仿真运行时通过调用单元机理模型和单元间物流设备的运行模型实现生产车间的机理映射。以上机理模型与可视化模型结合则可以实现虚拟车间的可视化仿真和虚实映射。
[0125]
优选的，数字孪生车间信息模型存放元素/系统的实际运行数据和虚拟仿真数据，是连接数字孪生车间和物理车间的桥梁。
[0126]
优选的，数字孪生车间信息模型在元素级为生产设备实时运行数据、仿真执行数据(运行时间、等待时间、堵塞时间等)；在单元层为单元任务序列、物料实时数据、加工过程数据；在车间层为车间生产布局、调度方案、运行数据。
[0127]
优选的，数字孪生车间信息模型在元素级信息模型定义为：
[0128]
compinfomodel＝{compsiminfo,comprealinfo,comphistoryinfo}
[0129]
式中：compinfomodel代表元素的信息模型，compsiminfo是元素的仿真数据，包括输入数据(如设备执行任务计划时间)、输出数据(如设备实际执行时间)；comprealinfo是元素的实时数据，通过scada等系统采集相关数据后对这些数据进行分类存储所得，如机床各轴实时运动数据、开关门状态量等；comphistoryinfo是历史数据，历史数据是由执行后的实时数据和仿真数据组成，是进行回溯分析的基础。
[0130]
优选的，数字孪生车间信息模型在单元级信息模型定义为：
[0131]
scinfomodel＝{scsiminfo,screalinfo,schistoryinfo}
[0132]
式中：scinfomodel代表单元信息模型，scsiminfo是单元的仿真数据，包括输入数据(如生产任务)、输出数据(如生产指令)；screalinfo是单元的实时数据，如机床状态量、关键零部件运行参数等，是对元素实时数据的归集和简化。schistoryinfo为历史数据，历史数据由仿真数据和实时数据存储后构成。
[0133]
优选的，数字孪生车间信息模型在车间级信息模型定义为：
[0134]
shopinfomodel＝{shopsiminfo,shoprealinfo,shophistoryinfo}
[0135]
式中：shopinfomodel代表车间信息模型，shopsiminfo是车间的仿真数据，包括输入数据(如排产计划)、输出数据(如生产仿真评价指标)，shoprealinfo是车间的实时数据，是对单元和元素数据的进一步集成，包括生产指令、执行反馈消息。同样的，历史数据shophistoryinfo由仿真数据和实时数据存储后构成。
[0136]
在构建数字孪生车间多维多层级模型相关子模型后，需要对这些子模型进行融合以形成数字孪生车间多维多层级融合模型。根据模型应用场景的不同，子模型的融合也存在不同的侧重点。数字孪生车间应用场景按照车间运行阶段可以分为执行前仿真验证、执行中实时监控、执行后优化迭代。
[0137]
本发明中提出的数字孪生车间信息模型相较现有技术而言，具有以下优势：
[0138]
在元素级，对元素不同来源的数据进行了集成，在数字孪生车间中设备的虚实映射过程中，分别构建了设备的仿真数据、实时运行数据和历史数据，这些数据根据不同的数字孪生应用需求可以按需提供，针对不同的应用展开不同的数据分析服务。在单元级，通过对内部元素所有数据的高度抽象，形成了生产单元的元素状态数据和实时运行数据。通过单元内元素状态数据和实时运行数据的映射，能够有效感知涉及到多个元素交互的生产执行任务(如上下料、缓存等)的具体执行情况，为精准管控生产现场提供数据支持。在车间级，则主要关心车间宏观生产数据的需求，包括车间生产任务、完工情况等，这些数据又进一步地由单元和元素来提供，实现了对车间运行过程数据的集成和感知。除此之外车间结构信息、历史版本信息也被统一封装，形成了所提数字孪生车间多维多层级模型构建方法中模型演进的数据基础。
[0139]
优选的，多维多层级融合模型包含以下步骤s21-s23：
[0140]
s21：面向执行前仿真验证的模型融合；
[0141]
s22：面向执行中实时监控的模型融合；
[0142]
s23：面向执行后优化迭代的模型融合。
[0143]
优选的，步骤s21面向执行前仿真验证的模型融合用于快速构建虚拟车间并验证生产排程、车间布局方案的优劣。具体包括以下步骤s211-s215：
[0144]
优选的，在步骤s211中构建生产元素对象。
[0145]
优选的，在步骤s212中构建设备可视化模型，包括设备运动模型构建和部件3d模型的导入。
[0146]
优选的，在步骤s213中根据生产元素特点，对处理器、执行器和缓存器定义其机理模型，包括仿真逻辑如开关门动作、触发机制、动作顺序等。根据设备类型定义其仿真数据，如对加工设备定义其仿真生产指令、仿真执行参数等。
[0147]
优选的，在步骤s214中基于已有的生产元素进行单元布局形成生产单元，该单元
集成了内部生产元素的可视化模型，通过配置单元参数形成单元机理模型，单元参数包括缓冲逻辑、上下料位置等。
[0148]
优选的，在步骤s215中通过配置单元间物流路径和物流设备形成车间可视化和机理模型，并定义车间仿真输入，包括生产排程、开始停工时间等信息，形成车间仿真信息模型。
[0149]
优选的，步骤s22面向执行中实时监控的模型融合用于对物理车间进行实时监控并及时发现生产异常。具体包括以下步骤s221-s223：
[0150]
优选的，在步骤s221中对生产元素，配置其虚拟监控点，定义监控点名称、元素名称、部件名称、物理量、数据类型、数据单位、状态属性、关键属性、采样频率等信息。并基于用于过程控制的对象连接和嵌入技术以及数控设备互联等通讯协议从物理车间获取实时数据并写入对应监控点，形成生产元素实时信息，完善生产元素信息模型。
[0151]
优选的，在步骤s222中在生产单元层，对元素实时信息进行抽取形成所需要的关键信息，关键信息至少包括处理器状态监控点、缓存器缓存数量，并将关键信息进行多对一的映射形成单元状态信息，这些关键信息和状态信息共同构成了该生产单元的实时信息。
[0152]
优选的，在步骤s223中在车间层，通过制造执行系统获取车间生产任务信息，并基于生产单元状态匹配生产任务执行进展，形成生产车间实时信息。
[0153]
优选的，步骤s23面向执行后优化迭代的模型融合用于执行后对车间进行优化并通过仿真验证优化方案的可行性。具体包括以下步骤s231-s233：
[0154]
优选的，在步骤s231中，基于s21和s22已有的模型基础，对现有生产方案进行评价。然后，基于评价结果进行布局优化、调度优化，对车间重布局或重新排程形成新的车间多维模型，对该优化方案进行仿真评价，当优化方案可行，下达至生产车间指导物理车间的优化迭代，并更新车间模型。其中对现有生产方案进行评价采用现有技术中的评价方法即可。
[0155]
优选的，在步骤s232中，对数字孪生车间多维多层级模型进行重配置与动态更新。在重新创建数字孪生车间项目，或者车间发生变更(如采购新设备进行车间改造)后，需要新建或者及时更新对应的数字孪生车间多维多层级模型。本发明将模型构建过程分解为s2321-s2322步骤。
[0156]
优选的，在步骤s2321中，当车间内新增设备或者变更设备时，检索系统资源库判断是否有该类设备，若有设备则基于该类设备进行拖拽布局。若没有该类设备，则通过设备建模系统对该类设备进行封装与入库，完成车间资源的几何建模，并与变更后的模型关系一同构成基于服务单元和物流路径网络模型的车间重配置模型，生成dts可视化模型。
[0157]
优选的，在步骤s2322中，对机理模型进行调整，系统变更后需要更新系统的机理，主要为各项仿真参数。步骤s2322包括s23221-s23224。
[0158]
优选的，在s23221中，变更模型关系，并将模型关系映射到可视化模型中实现物流建模。
[0159]
优选的，在s23222中，变更模型仿真属性，包括设备移动速度、容量等。
[0160]
优选的，在s23223中，对工件的工艺路线进行变更，形成车间运行的输入信息，并与仿真模型、物流重配置模型一同构成面向系统仿真的表征模型，完成仿真模型的重新生成。
[0161]
优选的，在步骤s23224中，对数据建模进行调整，检索数字孪生车间是否实现了该类的通信协议，若无该类通信协议，则基于抽象通信基类来开发该数据通信协议接口，并扩展到数据适配类。若有该类协议，则将该协议与虚拟传感器进行适配，并基于虚拟传感器完成实时数据的映射，将重新生成该类设备的数据模型。
[0162]
优选的，机理模型、可视化模型和信息模型的融合与连接一同构成了面向数字孪生车间的虚拟车间多维融合模型。
[0163]
采用本发明中提出的数字孪生车间多维多层级模型配置与动态更新方法，具有以下优势：
[0164]
将数字孪生车间多维多层级模型构建的过程分解为了不同维度、不同层级下的详细配置步骤，当车间发生变更时，可仅针对变更项，从相应的配置步骤出发完成数字孪生车间多维多层级模型的更新。这样有助于更快、更便捷地更新数字孪生模型，而无需对其他相应的模型进行重新构建，简化了模型更新步骤，提高数字孪生车间多维多层级模型构建的效率。
[0165]
以上实施例仅用以说明本发明而并非限制本发明所描述的技术方案，尽管本说明书参照上述的各个实施例对本发明已进行了详细的说明，但本发明不局限于上述具体实施方式，因此任何对本发明进行修改或等同替换；而一切不脱离发明的精神和范围的技术方案及其改进，其均涵盖在本发明的权利要求范围当中。

技术特征：

1.一种数字孪生车间多维多层级模型构建与动态配置方法，其特征在于：包括以下两个步骤：s1：数字孪生车间多维多层级模型构建；s2：数字孪生车间多维多层级模型融合。2.如权利要求1所述的一种数字孪生车间多维多层级模型构建与动态配置方法，其特征在于：s1步骤中，数字孪生车间多维多层级模型构建包括以下步骤：制造系统关系定义、数字孪生车间多维多层级模型定义、元素级可视化模型定义、生产单元可视化模型定义、生产车间可视化模型的形式化定义、元素级机理模型定义、生产单元机理模型定义、生产车间机理模型形式化定义、数字孪生车间信息模型在元素级信息模型定义、数字孪生车间信息模型在单元级信息模型定义、数字孪生车间信息模型在车间级信息模型定义。3.如权利要求2所述的一种数字孪生车间多维多层级模型构建与动态配置方法，其特征在于：制造系统关系定义如下：system structure＝<sc,lpn>式中：system structure代表为制造系统关系；sc代表服务单元；lpn代表物流路径网络；数字孪生车间多维多层级模型定义为：twinmodel＝{visualmodel,prinmodel,infomodel}；其中：twinmodel代表数字孪生车间多维多层级模型，visualmodel代表可视化模型，可视化模型是数字孪生车间多维多层级模型的可视化展示；prinmodel代表机理模型，机理模型表达了生产车间的生产运行逻辑和机理；infomodel代表信息模型，信息模型集成了生产车间运行数据。4.如权利要求3所述的一种数字孪生车间多维多层级模型构建与动态配置方法，其特征在于：在设备层，数字孪生车间多维多层级模型中的多维度分为三个层面体现，在设备层，设备的数据模型、可视化模型和机理模型形成了三个维度的基本模型要素；在单元层，通过对生产单元内各个设备的关系描述，将多个设备的多维模型通过单元内逻辑关系组合起来形成单元的多维模型；在车间层，通过产品工艺路线和车间物流关系形成生产逻辑，将单元和单元间的物流设备进行有机关联，并将其多维模型进行连接形成车间的多维模型；元素级可视化模型定义为：compvisualmodel＝{motionmodel,3dmodel}其中：compvisualmodel代表元素的可视化模型，motionmodel代表元素运动模型，定义了设备部件模型的层次和运动关系；3dmodel代表设备各个部件3d模型；各个元素的可视化模型的组合形成了生产单元的可视化模型，生产单元可视化模型定义为：scvisualmodel＝{compvisualmodel1,...,compvisualmodel
i
}式中：scvisualmodel代表单元级可视化模型，compvisualmodel1代表生产单元中的一个元素的可视化模型，生产单元的可视化模型由若干个元素的可视化模型组成；生产单元与生产单元通过物流路径进行关联形成了生产车间的可视化模型，故生产车
间由生产单元以及生产单元间的物流设备组成，生产车间可视化模型的形式化定义如下：shopvisualmodel＝{scvisualmodel
i
,compvisualmodel
j
|1≤i≤n,1≤j≤m}式中：shopvisualmodel代表生产车间的可视化模型，scvisualmodel
i
代表车间中的所有生产单元可视化模型的集合，compvisualmodel
j
代表车间中所有车间生产资源可视化模型的集合；n为该生产车间定义的单元数量，m为该生产车间执行单元间物流任务的元素数量；数字孪生车间机理模型在元素级通过七要素模型进行统一表征，每个要素都是一个在车间中充当特定角的独立对象，它们封装了内部运行逻辑和与外部环境交互的接口；元素级机理模型定义为：compprinmodel＝{compstatemodel,complogicmodel}式中：compprinmodel代表生产设备的机理模型，compstatemodel代表生产设备的状态模型，complogicmodel代表生产设备的运行逻辑模型；数字孪生车间机理模型在单元层为物料到达单元后进行上下料操作的单元控制逻辑，生产单元机理模型定义为：scprinmodel＝{scstatemodel,sclogicmodel}式中：scprinmodel代表生产单元机理模型，scstatemodel代表单元运行状态，sclogicmodel代表生产单元的运行逻辑；生产单元运行状态是元素状态的有机组合，定义生产单元运行状态及其对应的参数如下：生产单元输入的允许/禁止取决于该单元是否能够接受新的物料进入缓存或直接加工，输出的允许/禁止则取决于该单元是否能够接受已有物料离开该单元；生产车间机理模型形式化定义为：shopprinmodel＝{shopstatemodel,shoplogicmodel}式中：shopprinmodel代表生产车间机理模型，shopstatemodel是车间状态模型，代表了车间运行的不同状态，包括空闲、生产中、故障停产；shoplogicmodel是车间的逻辑模型，该逻辑模型包含了生产逻辑模型和物流网络模型；数字孪生车间信息模型在元素级为生产设备实时运行数据、仿真执行数据；在单元层为单元任务序列、物料实时数据、加工过程数据；在车间层为车间生产布局、调度方案、运行数据；数字孪生车间信息模型在元素级信息模型定义为：compinfomodel＝{compsiminfo,comprealinfo,comphistoryinfo}式中：compinfomodel代表元素的信息模型，compsiminfo是元素的仿真数据，包括输入数据、输出数据；comprealinfo是元素的实时数据，通过scada系统采集相关数据后对这些数据进行分类存储所得；comphistoryinfo是历史数据；数字孪生车间信息模型在单元级信息模型定义为：
scinfomodel＝{scsiminfo,screalinfo,schistoryinfo}式中：scinfomodel代表单元信息模型，scsiminfo是单元的仿真数据，包括输入数据、输出数据；screalinfo是单元的实时数据；schistoryinfo为历史数据，历史数据由仿真数据和实时数据存储后构成；数字孪生车间信息模型在车间级信息模型定义为：shopinfomodel＝{shopsiminfo,shoprealinfo,shophistoryinfo}式中：shopinfomodel代表车间信息模型，shopsiminfo是车间的仿真数据，包括输入数据、输出数据，shoprealinfo是车间的实时数据；历史数据shophistoryinfo由仿真数据和实时数据存储后构成。5.如权利要求4所述的一种数字孪生车间多维多层级模型构建与动态配置方法，其特征在于：多维多层级融合模型包含以下步骤s21-s23：s21：面向执行前仿真验证的模型融合；s22：面向执行中实时监控的模型融合；s23：面向执行后优化迭代的模型融合。6.如权利要求5所述的一种数字孪生车间多维多层级模型构建与动态配置方法，其特征在于：步骤s21包括以下步骤s211-s215：在步骤s211中构建生产元素对象；在步骤s212中构建设备可视化模型，包括设备运动模型构建和部件3d模型的导入；在步骤s213中根据生产元素特点，对处理器、执行器和缓存器定义其机理模型，包括仿真逻辑如开关门动作、触发机制、动作顺序；根据设备类型定义其仿真数据；在步骤s214中基于已有的生产元素进行单元布局形成生产单元，该单元集成了内部生产元素的可视化模型，通过配置单元参数形成单元机理模型；在步骤s215中通过配置单元间物流路径和物流设备形成车间可视化和机理模型，并定义车间仿真输入，包括生产排程、开始停工时间，形成车间仿真信息模型。7.如权利要求6所述的一种数字孪生车间多维多层级模型构建与动态配置方法，其特征在于：步骤s22包括以下步骤s221-s223：在步骤s221中对生产元素，配置其虚拟监控点，定义监控点名称、元素名称、部件名称、物理量、数据类型、数据单位、状态属性、关键属性、采样频率；并基于用于过程控制的对象连接和嵌入技术以及数控设备互联通讯协议从物理车间获取实时数据并写入对应监控点，形成生产元素实时信息，完善生产元素信息模型；在步骤s222中在生产单元层，对元素实时信息进行抽取形成所需要的关键信息，关键信息至少包括处理器状态监控点、缓存器缓存数量，并将关键信息进行多对一的映射形成单元状态信息，关键信息和状态信息共同构成了该生产单元的实时信息；在步骤s223中在车间层，通过制造执行系统获取车间生产任务信息，并基于生产单元状态匹配生产任务执行进展，形成生产车间实时信息。8.如权利要求7所述的一种数字孪生车间多维多层级模型构建与动态配置方法，其特征在于：步骤s23包括以下步骤s231-s233：在步骤s231中，基于s21和s22已有的模型基础，对现有生产方案进行评价；基于评价结果进行布局优化、调度优化，对车间重布局或重新排程形成新的车间多维模型，对该优化方
案进行仿真评价，当优化方案可行，下达至生产车间指导物理车间的优化迭代，并更新车间模型；在步骤s232中，对数字孪生车间多维多层级模型进行重配置与动态更新；在重新创建数字孪生车间项目，或者车间发生变更后，需要新建或者及时更新对应的数字孪生车间多维多层级模型；模型构建过程包括s2321-s2322步骤；在步骤s2321中，当车间内新增设备或者变更设备时，检索系统资源库判断是否有该类设备，若有设备则基于该类设备进行拖拽布局；若没有该类设备，则通过设备建模系统对该类设备进行封装与入库，完成车间资源的几何建模，并与变更后的模型关系一同构成基于服务单元和物流路径网络模型的车间重配置模型，生成dts可视化模型；在步骤s2322包括步骤s23221-s23224；在s23221中，变更模型关系，并将模型关系映射到可视化模型中实现物流建模；在s23222中，变更模型仿真属性，包括设备移动速度、容量；在s23223中，对工件的工艺路线进行变更，形成车间运行的输入信息，并与仿真模型、物流重配置模型一同构成面向系统仿真的表征模型，完成仿真模型的重新生成；在步骤s23224中，对数据建模进行调整，检索数字孪生车间是否实现了该类的通信协议，若无该类通信协议，则基于抽象通信基类来开发该数据通信协议接口，并扩展到数据适配类；若有该类协议，则将该协议与虚拟传感器进行适配，并基于虚拟传感器完成实时数据的映射，将重新生成该类设备的数据模型。

技术总结

本发明公开了一种数字孪生车间多维多层级模型构建与动态配置方法，具体为：将数字孪生车间多维虚拟模型定义为信息模型、可视化模型和机理模型三个维度，其中可视化模型是数字孪生车间多维多层级模型的可视化展示，机理模型表达了生产车间的生产运行逻辑和机理，信息模型则集成了生产车间运行数据；在构建数字孪生车间多维多层级模型相关子模型后，分为执行前仿真验证、执行中实时监控、执行后优化迭代三个阶段对多维多层级模型进行融合。本发明实现了能够面向车间运行管控、优化等应用的数字孪生车间多维多层级模型构建，明确了建模基本步骤，提高了建模效率，提高模型准确率。提高模型准确率。提高模型准确率。