下载掌阅APP，畅读海量书库
立即打开
数字孪生技术的发展为当前的PLM赋予了全新的内涵。通过数字孪生技术，能够以产品的数字孪生体为中心，进行全生命周期的执行，其中包括设计、制造与服务。这样就能够在数字孪生体中，实现工厂全生命周期数据的集成，进而促进生产理念的精益化，提高工厂生产的质量和效率 [8-10] 。本节分别从设计、制造、服务三个阶段介绍数字孪生五维模型的构建与使用思路。
设计阶段的数字孪生模型可促进智能制造设计阶段的快速响应和动态过程，丰富设计内容并缩短复杂的产品设计周期 [11] 。本节基于五维数字孪生模型，提出设计阶段的数字孪生模型，以预测一个产品或系统的性能，识别潜在的问题，进而指出优化的方向。
基于五维模型的设计阶段的数字孪生模型如图2-6所示。
物理空间的设计模型由两部分组成，一部分是依据设计流程所产出的人为产物，即指设计人员在物理空间中，根据设计对象的功能、性能、外观等设计需求，结合自身设计经验提出的对设计对象的设计构想，以及根据该构想所产生的相关文件和实体样机等。另一部分则是产出设计图纸、设计对象模型以及后续进行设计验证所使用的设备和软件。当设计对象的数字孪生体被验证后，其数据会再次传输回物理空间以进行试生产来测试是否满足设计需求。
虚拟设计模型是物理设计模型在虚拟空间的数字化映射。通过集成与融合几何、物理、行为和规则四层模型，建立超高还原度的数字化模型，以实现与物理空间的一致性。其中，几何模型描述的是设计对象各部件的形状、尺寸、位置和装配关系，一般使用三维建模软件建立；物理模型指的是几何模型所设计的物理属性和载荷，可用于分析和描述物理现象，如变形、腐蚀、开裂等；行为模型用于描述在各类驱动干扰因素下的响应机制；规则模型则是指基于领域知识对关联规则、约束规则和演绎规则进行建模，从而能够使模型具有评价和推理的能力 [12] 。设计人员通过在虚拟空间中基于设计对象的材料和结构的耦合特性，通过虚拟空间模拟该对象的生产过程或对设计对象进行数据处理、结构设计、外观修改以及仿真验证等操作，验证设计方案的优劣性并及时进行修改。当发现不符合设计要求的缺陷时，通过在数字孪生体上的迭代来解决这些缺陷，相比于通过物理实体来验证修改，该方法效率更高、成本更低。
图2-6 基于五维模型的设计阶段的数字孪生模型
设计服务系统是对在数字孪生系统中进行设计所涉及的数据、算法、模型等进行管理和呈现的系统。设计服务系统本质上是一个继承了设计过程中所需全部算法的数字模型，该系统可以根据数字孪生模型中的数据变化及时进行处理和反馈，以确保系统的稳定性 [13] 。
孪生数据是整个数字孪生模型运行的核心驱动力，其中包括了物理设计模型、虚拟设计模型以及设计服务系统的各类数据 [14] 。同时，这些数据会根据设计进度的变化和设计行为的实时变化而同步更新和优化。
连接在设计阶段的数字孪生模型中的作用是实现物理设计模型、虚拟设计模型、孪生数据与设计服务系统之间的双向信息传递和交互，从而形成信息数据流通的闭环系统。
随着产品质量要求的不断提高和市场竞争逐渐加剧，制造业亟须向智能制造转变。智能制造的目标是打造制造流程和数据信息交互闭环，而数字孪生的核心就是通过数据流实现物理实体模型和虚拟实体模型之间的通信和交互。制造阶段的数字孪生五维模型可将物理空间的生产、测试等数据向虚拟空间的孪生模型传输，并实时反馈和交互，从而实现了基于模型的生产数据监控和生产过程监控 [15] 。
制造阶段的数字孪生五维模型如图2-7所示。
图2-7 制造阶段的数字孪生五维模型
制造阶段的物理实体主要指物理空间中客观存在的、复杂的、多样化的实体，即生产要素。物理实体包括制造设备、数据采集设备、制造参与者（人）和制造环境。制造设备包括实体加工设备、原材料、工件和检测设备等一系列实体，主要负责产生物理制造数据、接收制造任务并执行生产制造活动。由于上述生产要素所产生的数据纷繁复杂，因此数据采集设备根据采集对象的不同而各有差异。对人来说，一般会采用便携设备来采集生理信息、位置信息等；对于制造所用的加工设备、检测设备等，通常通过部署传感器来采集设备运行速度、运行能耗、设备磨损情况等数据，其中，自动化程度较高的设备还可通过嵌入式传感器直接采集；对于原材料、工件等，可使用无线射频识别（Radio Frequency IDentification，RFID）来跟踪其生命周期的状态和行为；对于生产环境，则可通过环境传感器或摄像头等进行实时监测。这些多源异构数据若要实现互联互通，在生产前还需要收集、整合、优化。
制造阶段的虚拟实体指上述物理实体在虚拟空间中的完整映射，主要包括产品数字孪生模型、设备数字孪生模型、过程数字孪生模型。这些模型都具有交互、计算和控制的属性，它们相互之间关联协同。基于孪生数据和连接，在物理空间进行的制造活动（例如产品加工、质量检测等）都可在虚拟空间中进行有效的模拟和分析 [16] 。此外，虚拟实体通过孪生数据可向服务系统提供物理实体的控制指令和优化策略。因此，数字孪生模型在制造过程中会被不断预测、迭代和优化，变得更加精确，从而使自身更加智能。
孪生数据是制造模型中各种数据的集成。在制造过程中，该模型包含的数据主要由物理实体数据、虚拟实体数据、服务系统数据以及融合数据组成。其中，物理实体数据主要包括生产要素数据、生产过程数据和环境数据，它们由物理实体直接生成，无须进一步处理；虚拟实体数据指模型参数、模拟数据、评估数据、优化数据和预测数据；服务系统数据主要涉及各种服务的数据；融合数据是物理实体数据和虚拟实体数据通过数据比较、关联、组合、聚类等方式进行融合后形成的数据。通过数据融合算法可对制造过程的实时数据和离线数据进行分析和挖掘。
服务系统用于实现对物理实体的监管以及虚拟实体的运行和演算。其中，物理实体的监管包括生产计划调度、质量检测资源优化、设备监管等，其目的是快速解决现有问题，防止生产过程中可能出现的故障；虚拟实体的运行和演算主要是通过测试验证、数据挖掘预测分析、故障诊断等技术来支持模型的运行和演算。
连接作为物理实体、虚拟实体、孪生数据和服务系统之间的桥梁，是实现物理设备和虚拟设备集成和互联的关键，可以消除制造系统各级信息系统之间的通信障碍。
在服务阶段，对产品状态的跟踪和实时监控依然有很大需求。在这个阶段，通过访问历史数据和实时数据，可分析产品的健康状态和寿命状态，提供及时的性能维护预警 [17] 。同时，当产品出现故障和质量问题时，可进行产品物理位置、故障及质量问题的快速定位，以及零部件更换、产品维修、产品升级甚至报废退役。而在传统的服务方式下，产品往往是分散的、不连续的，难以跟踪并统一管理、汇总、访问数据。用于服务数字化转型的数字孪生模型则具备相当多的优点，能够实现智能定期维护、实时监控、远程控制和预测。基于五维模型的服务阶段的数字孪生模型是数字孪生技术功能化的体现，将监控、诊断、评估、预测、可视化等各类服务功能集为一体，能够调用多个孪生体的数据，实现数据共享，打破信息壁垒，实现智能运行和精准管控，以及虚拟实体模型与物理实体模型的交互反馈 [18] 。
基于五维模型的服务阶段的数字孪生模型如图2-8所示。
图2-8 基于五维模型的服务阶段的数字孪生模型
物理实体主要指的是在物理空间中参与服务活动的实体集合，包括产品、制造设备、测试设备、传感设备等。
虚拟实体是指在虚拟空间中的物理实体的数字化模型集合。虚拟实体不仅可以实现对物理实体的远程监控，还可以提供信息基础 [19] 。虚拟实体结合服务系统和孪生数据进行分析，对于出现故障和质量问题的实物产品，采用溯源和仿真技术，可快速定位质量问题并分析原因，进而生成解决方案。生成的结果会反馈到物理实体，以指导产品质量排查和追溯。
数据是服务的基础，通过传感器、RFID、红外传感器、视觉设备、全球定位系统、激光扫描仪等一系列信息传感设备即可实现对物理实体的数据感知与采集 [20] 。这些数据包括状态数据、使用情况数据、历史维护数据和实时数据。此外，孪生数据也继承了虚拟实体中的模拟数据和服务系统中的分析数据。
服务系统是服务阶段数字孪生模型的重点维度。通过利用物理实体所产生的状态数据、使用情况数据、实时数据和历史维护数据，实现对实物产品使用过程的实时监控。若结合同类型产品的相关数据并进行数据挖掘，可对产品模型进行结构分析、热力学分析及寿命预测等，进而及时对实体产品进行优化和维护。服务系统的分析模型越准确，仿真预测结果就越符合实际情况。
服务阶段的连接与设计阶段和制造阶段的类似，也是连接孪生数据与物理实体、虚拟实体以及服务系统的介质。