离散制造车间的数字孪生仿真参数修正方法

为了提高数字孪生模型的准确度,提出了一种离散制造车间的数字孪生仿真参数修正方法。根据数据驱动仿真参数修正的方式,将数字孪生模型的仿真参数划分为静态属性、动态属性和性能属性3类,设计了一种基于深度学习的时间序列预测算法—DF-LSTM用于表征性能属性。在复杂离散制造车间的仿真模型基础上,用时间序列预测算法的预测结果作为仿真模型的性能属性值,以实时数据驱动仿真模型的动态属性和性能属性的更新,实现了由仿真模型向数字孪生模型的转变。开发了装配车间的数字孪生系统,实现了装配车间的可视化监控和数字孪生模型的在线运行,最终实验验证了方法的可行性。

多维知识资源云协同的服务行为建模

针对云模式下复杂产品研发过程中知识资源不能按需配置、精确推送能力不断恶化的问题,在分析复杂产品研发过程知识资源构成及其服务需求的基础上,采用基于本体的有向无环图和协同工作流建立了多维知识资源云协同的服务行为模型。该模型采用有向无环图建立了多粒度知识资源之间的逻辑关系,形成了特定研发环节对应的知识云滴和云团,通过多领域本体描述知识云间的映射关系,形成了产品研发过程的知识云系,并依据复杂产品研发过程中跨流程多任务协同特性,建立了基于任务流—资源—状态—规则的多维知识资源云协同服务的实现机制,完成了知识资源的准确推送。以大型叶片研发过程为服务对象搭建了其多维知识资源云协同服务的实现框架,为复杂产品研发过程中知识资源的精确推送提供了实现方法和途径。