基于数据驱动的数字孪生技术研究现状与展望

通过构建物理实体的高保真虚拟模型,采集传感器数据驱动虚拟对象与物理实体同步运动,数字孪生技术实现了物理世界和信息世界的深度融合和互联互通,对推动制造业数字化、网络化、智能化转型具有重要意义。本文结合前期对数字孪生的研究与应用,概述了数字孪生的内涵,分析归纳了数字孪生技术服务方向和各行业应用现状;总结了其在制造业领域的市场需求和不同细分市场的特点、痛点以及解决方案;并提出了数字孪生技术的发展策略,为推动数字孪生技术在各领域应用提供参考。

浮空器主缆绳表面的小样本学习缺陷检测研究

针对浮空器主缆绳表面缺陷样本获取困难的特点,提出一种小样本度量学习方法来检测主缆绳的表面缺陷。小样本学习由特征编码和度量两模块组成,特征编码模块采用预训练的卷积神经网络在通用图像集上提取样本特征,度量模块用来度量与未知类别样本最相似的样本从而完成缺陷种类的分类;由于辅助数据和检测数据差异较大,将微调策略引入小样本学习方法。实验结果表明:本文方法的缺陷检测准确率达93.17%,相比传统机器学习和深度学习方法,准确率大幅提升;微调策略可进一步提升本文方法缆绳表面缺陷检测性能,准确率由93.17%提升至93.85%;在钢材缺陷分类数据集NEU上本文方法也可获得91.22%的准确率。

三维电子装联工艺文件设计方法

传统的三维装配工艺设计技术日臻成熟,而对三维电子装联工艺设计的研究较少。通过电子装联工艺模型构建、电子装联工艺信息表达规则库的建立和电子装联工艺符号的设计,解决了电子装联工艺三维模型构建困难、基于三维模型的电子装联工艺信息表达手段缺失等问题,通过工艺规程树的构建和工艺设计规程包、封装,实现了以工艺规程树为核心的电子装联工艺信息流的集成。

基于实时数据驱动的数字孪生车间研究及实现

为满足智能车间生产状态实时可视化监控、健康管理、故障诊断等需求,提出一种基于实时数据驱动的数字孪生车间体系架构与技术路线。通过搭建面向真实物理行为高保真映射的虚拟仿真环境,采用面向事件响应的数据管理方法构建模块化、通用化的数字孪生车间系统。在此基础上,详细阐述了异构多源数据的采集与管理、真实物理行为的虚拟仿真环境、面向事件响应的数据实时驱动方法等关键技术。设计了原型系统,并通过车载防撞雷达组装生产线成功验证其可行性,为数字孪生技术在智能制造领域的应用提供了关键支撑。

集成电路封装关键设备远程运维预测性维护标准研究

为解决由于标准缺失而导致的维预测性维护流程不清晰、预测模型构建不规范、关键参数选取标准不统一、导致预测结果不准确等问题,本文在分析集成电路封装关键设备远程预测性维护标准需求和国内外标准现状的基础上,开展集成电路封装关键设备远程运维预测性维护标准研究,包括基本流程要求、数据采集与处理要求、状态监测要求、故障模式识别要求、维修决策优化要求,并介绍了项目研究过程中突破的一些关键技术。

基于灰色线性回归组合模型的集成电路封装设备故障趋势预测

针对集成电路封装打孔机冲针监测数据的特点,分别构建灰色GM(1,1)模型和线性回归模型,开展故障趋势预测;在此基础上,采用组合预测的思想,运用灰色关联度方法融合灰色GM(1,1)模型和线性回归模型,建立灰色线性回归组合模型对设备进行故障趋势预测。结果表明,灰色线性回归组合模型的预测精度优于单一预测模型,可以用于集成电路打孔机设备的故障趋势预测。

面向智能制造终端的车间生产数据采集与传输方法

智能制造的核心要素是数据,实现数据实时高效传输是辅助制造业数字化、智能化、网络化发展的重要助力,针对智能车间现场多品牌、多接口设备数据传输需求,研究了智能制造终端的车间生产数据采集与传输方法。基于车间生产线的工控PLC,使用OPCUA完成数据的采集工作,搭建Restful服务器实现数据传输,以JSON数据串的形式将采集到的数据发送至下游数字孪生车间系统。