数字孪生技术在智能制造人才实训体系中的应用研究

健全的智能制造人才实训体系是提高工科专业实践教学质量、培养智能制造领域高级工程人才的重要途径.将制造工程领域的数字孪生技术与当前教育领域的智能制造人才实训体系进行融合,能够显著提高人才培养效果.在对智能制造人才需求及人才实训体系现状分析的基础上,提出了基于数字孪生技术的智能制造人才实训体系建设理念,并尝试构建了包含平台训练、管理、师资等内容的智能制造人才实训体系.最后,以石家庄学院为例,发现该实训体系实施的育人效果显著.

基于数字孪生和强化学习的低空智联网协同认知干扰

针对低空智联网协同认知干扰决策过程中,多架电子干扰无人机对抗多部多功能雷达的干扰资源分配问题,提出了一种基于数字孪生和深度强化学习的认知干扰决策方法。首先,将协同电子干扰问题建模为马尔可夫决策问题,建立认知干扰决策系统模型,综合考虑干扰对象、干扰功率和干扰样式选择约束,构建智能体动作空间、状态空间和奖励函数。其次,在近端策略优化(Proximal policy optimization,PPO)深度强化学习算法的基础上,提出了自适应学习率近端策略优化(Adaptive learning rate proximal policy optimization,APPO)算法。同时,为了以高保真的方式提高深度强化学习算法的训练速度,提出了一种基于数字孪生的协同电子干扰决策模型训练方法。仿真结果表明,与已有的深度强化学习算法相比,APPO算法干扰效能提升30%以上,所提训练方法能够提高50%以上的模型训练速度。

多无人艇固定时间自适应分布式协同编队控制

针对在实际海洋环境中由复杂恶劣海况导致的局部通讯条件下多无人艇协同编队控制问题,本文提出一种固定时间自适应分布式控制策略.首先,考虑只有部分跟随无人艇能够直接获取虚拟领航者的状态信息,为每艘跟随无人艇设计固定时间分布式观测器,在固定时间内实现对虚拟领航者位置和速度的估计.然后,在估计信息的基础上,采用反步法为每艘跟随无人艇设计固定时间自适应局部控制器,在固定时间内实现对由虚拟领航者产生的期望轨迹的跟踪.特别地,在局部控制器设计过程中,采用参数自适应机制对模型不确定和外界扰动进行补偿,在保证控制精度的同时避免抖振现象.同时,本文给出了所提出的固定时间观测器与局部控制器的稳定性分析,经数学证明,所提出的观测器和控制器能够保证每艘跟随无人艇均能够在固定时间内完成对虚拟领航者的位置和速度的估计并使位置和速度跟踪误差在固定时间内收敛至零的邻域内.最后,设计对比仿真,将本文所提控制策略和目前常用的PD控制器的控制性能进行对比,仿真结果表明所提出的控制策略在控制精度和收敛速度上具有更优越的表现.

基于数字孪生的高温高压容器寿命预测

为解决高温高压容器剩余寿命在线预测难题,提出一种基于数字孪生的高温高压容器剩余寿命预测模型构建方法。该方法基于实时工况条件,采用ANSYS仿真模型进行耦合仿真,获取高温高压容器一定时域物理场,通过多轴蠕变损伤模型建立高温高压容器剩余寿命预测样本数据集,利用Tent-SSA优化的BP(back propagation)神经网络算法进行训练预测,建立机理模型与机器学习融合驱动的数字孪生高温高压容器寿命预测模型。最后以某型钠冷快堆蒸汽发生器关键部件的管板作为对象,试验结果表明该预测模型总体均方误差由优化前的3.2197×10^(-2)降低至7.7449×10^(-3),模型更稳定且鲁棒性强、收敛快。

综合科考船风机室高效低噪声协同控制研究

为降低机舱风机振动噪声传递到船体结构和附近舱室,需要对其进行高效低噪声控制。本文结合某综合科考船风机室的布置,分析风机隔振处理、壁面吸声处理、消声器设置等措施的协同作用效果,并进行实船测试验证。实船结果表明,风机室通过低噪声协同控制措施后,机舱风机减振装置有较好的隔振效果,隔振效果可达15 dB以上;风机室百叶窗出口1 m处噪声声压级低于“开敞娱乐区域”75 dB(A)的限值要求。该研究可为船舶风机室的低噪声协同控制提供理论参考,具有一定的工程指导意义。

多无人船协作的协同定位与控制方法研究

近年来,无人船在水上作业和科学研究中的应用越来越广泛。与传统有人驾驶船只相比,多无人船协同作业的优势在于可以减少人力成本、提高工作效率和降低潜在风险。在多无人船协作的过程中,协同定位与控制是一个关键问题。该研究针对这一问题进行了深入探讨。针对多无人船的特点,提出了一种基于协同定位的分布式控制方法,并设计了相应的实验验证。实验结果表明,该方法能够实现多无人船的协同定位和控制,具有较好的性能和可行性。

基于数字孪生技术的压力容器安全管理的应用展望

为了进一步提高压力容器安全管理的科学水平,更加直观、准确、高效、便捷地实现对每台设备的可视化管理,本文结合数字孪生技术的研究进展和应用现状,探索并阐述了数字孪生技术在压力容器智慧管理中的应用趋势;分析构建了汽车罐车全生命周期安全管理的通用数字孪生模型,为今后在压力容器行业实现数字孪生的落地提供可行性参考。

Cooperative Multi-Agent Control for Autonomous Ship Towing Under Environmental Disturbances

Among the promising application of autonomous surface vessels(ASVs)is the utilization of multiple autonomous tugs for manipulating a floating object such as an oil platform,a broken ship,or a ship in port areas.Considering the real conditions and operations of maritime practice,this paper proposes a multi-agent control algorithm to manipulate a ship to a desired position with a desired heading and velocity under the environmental disturbances.The control architecture consists of a supervisory controller in the higher layer and tug controllers in the lower layer.The supervisory controller allocates the towing forces and angles between the tugs and the ship by minimizing the error in the position and velocity of the ship.The weight coefficients in the cost function are designed to be adaptive to guarantee that the towing system functions well under environmental disturbances,and to enhance the efficiency of the towing system.The tug controller provides the forces to tow the ship and tracks the reference trajectory that is computed online based on the towing angles calculated by the supervisory controller.Simulation results show that the proposed algorithm can make the two autonomous tugs cooperatively tow a ship to a desired position with a desired heading and velocity under the(even harsh)environmental disturbances.

面向“双碳”目标的光储一体化建筑集群电力协同调度方法研究综述

为实现建筑用能领域的“双碳”目标,需将大规模的城乡建筑集群配置为光储一体化建筑集群,同时考虑到光伏发电的间歇性和随机性,还需实现此类建筑集群的大规模电力协同调度,从而有效的消纳可再生能源。通过文献综述对比了现有发用储融合的用电模式,总结了光储一体化建筑集群电力协同调度的概念和优势,进一步对比分析了针对光储一体化建筑集群电力系统的协同调度方法,认为基于多智能体强化学习的去中心化电力调度方法具有灵活性强、适用度高等特点,并进一步梳理多智能体强化学习应用在电力协同调度中的关键问题,提出基于数字孪生技术能在数据涌现进行算法训练层面有效助力实现基于多智能体强化学习的光储一体化建筑集群电力协同调度。

深空环境中基于云边端协同的任务卸载方法

深空探测是当今世界航天任务的重要领域,深空探测自主技术对未来进行大规模的深空探测具有重大意义。由于深空环境复杂且未知,通信时延长,星上计算资源有限,深空探测自主技术面临严峻挑战。针对此问题,提出了一种面向深空探测任务的数字孪生云边端协同框架,通过云边端协同的任务卸载,为深空探测自主技术提供更加高效的资源服务。首先将复杂深空探测任务分解为多个具有依赖关系的子模块,然后在虚拟空间层分别建立环绕器覆盖时间模型、协同计算模型和模块依赖模型,最后基于以上模型构建了相应的目标优化问题。优化目标是在模块依赖、环绕器的有效通信服务时间以及着陆巡视器发射功率控制约束条件下,最小化着陆巡视器完成深空探测任务的能耗和时间。为了解决该优化问题,提出了一种自适应遗传算法,以确定最优的执行策略交由物理空间层的着陆巡视器执行。仿真结果表明,所提出的自适应遗传算法可以有效减少任务完成时间和能耗。此外,将所提的云边端协同计算模式与另外3种计算模式进行了对比,结果表明,在完成相同目标的情况下,所提的云边端协同框架具有更高的资源利用率。

1例胸腔镜联合颈胸入路左肺上沟瘤切除伴锁骨下动脉置换术护理配合

回顾总结1例胸腔镜联合颈胸入路左肺上沟瘤切除伴锁骨下动脉置换术患者的手术护理配合。术前主要通过术前访视、阅读病案资料及与手术医生沟通后,充分做好了患者的护理评估、物品的准备尤其是人工血管的制备、人力资源的准备、以及术前静脉通路的选择、压力性损伤和深静脉脉血栓发生风险的评估和预防措施的落实,为患者做好了充分的术前准备;术中如何做好锁骨下动脉热缺血的管理、人造血管置换的护理配合、以及乳糜漏的观察等护理措施的落实,保证了手术的顺利完成;术后患侧肢体的观察和护理、管路安全的严格落实和患者的转运交接护理措施的落实,使患者安全的返回病房。该手术的成功充分体现了巡回护士统筹、协调能力和洗手护士术中的应急能力,为同类手术积累了较多的手术护理经验。

尾鳍间距对江海直达船快速性影响研究

文中以KVLCC2船型为对象进行了船、桨绕流场数值模拟方法的验证,对不同尾鳍间距的江海直达船进行了快速性数值预报,基于数值结果分解自航因子,并探讨了相关的规律与机理.结果表明:①排水量不变时尾鳍间距增大会使得湿表面积增加、浮心后移,分别是摩擦和粘压阻力增大的原因;②尾鳍间距较大时流经桨盘的流线所覆盖的尾鳍面积、逆压梯度、偏转程度更小,是导致推力减额随尾鳍间距增大而降低的原因;③采用传统等推力法分解自航因子时,桨前来流的周向预旋是导致自航点转速、进速系数、伴流分数等自航因子变化的主要原因,且传统方法所得的自航因子无法反映流动的真实情况.

因子图框架下无人艇主从式协同导航算法

针对无人艇(USV)协同导航存在非线性量测和滞后信息的问题,提出一种基于因子图优化的无人艇主从式协同导航算法:对艇间测距信息进行因子建模,以捷联惯性导航系统(SINS)为核心构建从艇因子图框架;然后针对因子图优化算法计算量大难以实时融合的问题,借助滑动窗限制待优化节点数并利用增量平滑进行窗内变量更新;最后将滞后信息对应因子节点连接至因子图中历史时刻变量节点,实现对于滞后量测免补偿使用。仿真结果表明,所提方法在信息滞后小于1s时可获得与无滞后情况下大致相当的精度;以时长15s的滑窗为例,所提算法较传统滑动窗优化单步运行时间减少约91%,具有可实时实现的优点。半物理实验结果亦验证了所提方案的可靠性。

风电运维母船智能系统的研究与应用

针对海上风电运维作业特点,搭建风电运维母船(SOV)智能系统,采用数字孪生技术实现船舶核心动力设备和电力系统的建模仿真,保障船舶安全高效航行。该系统通过感知传感器采集数据,结合大数据技术及云计算技术对数据进行整合和处理,从而进行智能决策和分析,并以星链技术进行信息交互,最终实现运维路线、仓储配置和步桥登乘的优化。

数字孪生驱动的协作机器人状态监测方法研究

针对协作机器人的实时状态直接影响其在“人机共融”场景下的工作效率和安全性等问题,研究了基于数字孪生驱动的协作机器人状态监测方法。通过搭建数字孪生数据采集及存储系统实时采集状态数据,采用数据与模型的融合方法,将采集到的实时数据通过协作机器人数字模型进行可视化呈现,并采用“拖动示教”方式验证实体机器人的各轴转动。结果表明,该系统可以实时检测到机器人实体的状态,并保持一致运动。数据孪生驱动方法可以实现实时监测协作机器人的状态,保障人机协作过程中操作人员的安全性。

改进双延迟深度确定性策略梯度的多船协调避碰决策

目前,多数海上避碰模型都是将船舶作为单智能体进行避碰决策,未考虑船舶间的协调避让,在多船会遇场景下仅靠单船进行避碰操作会导致避让效果不佳。为此,提出了一种改进双延迟深度确定性策略梯度算法(TD3)的Softmax深层双确定性策略梯度(SD3)多船协调避碰模型。从考虑船舶航行安全的时空因素出发构建时间碰撞模型、空间碰撞模型,对船舶碰撞风险进行定量分析,在此基础上采用根据会遇态势和船速矢量动态变化的船域模型对船舶碰撞风险进行定性分析。综合船舶目标导向、航向角改变、航向保持、碰撞风险和《国际海上避碰规则》(COLREGS)的约束设计奖励函数,结合COLREGS中的典型相遇情况构造对遇、追越和交叉相遇多局面共存的会遇场景进行避碰模拟仿真。消融实验显示softmax运算符提升了SD3算法的性能,使其在船舶协调避碰中拥有更好的决策效果,并与其他强化学习算法进行学习效率和学习效果的比较。实验结果表明,SD3算法在多局面共存的复杂场景下能高效做出准确的避碰决策,并且性能优于其他强化学习算法。

矿井提升系统数字孪生快速建模方法研究

矿井提升系统的安全可靠运行对整个矿井的生产至关重要。为实现矿井提升系统的单点全域可视化与虚拟远程协同联动控制,解决传统多点视频监控只能覆盖个别关键部件,信息获取不全面的难题,结合工业传感、人工智能、快速建模、云存储等技术构建了集监测、控制、服务等功能于一身的矿井提升系统数字孪生框架,并以此为基础,提出了多维多尺度数字孪生快速建模方法。通过三维激光扫描技术与滤波、泊松三维重建等点云处理算法构建矿井提升系统的大尺度几何模型;使用工业传感网络、PLC数据读取转换技术,建立海量数据下的矿井提升系统行为模型;结合数据库技术、领域专家知识与案例,构建矿井提升系统故障知识模型。以某矿提升系统为应用场景,进行了多维多尺度数字孪生快速建模试验,获得了如下效果:几何建模效率相比传统CAD软件建模提高93%,极大程度上还原了真实场景;行为建模方法在不新增传感器和不停机的情况下实现了对真实体行为的映射,节约了大量成本,实时性强;以Unity3D软件为基础编写脚本,使几何模型、行为模型与知识模型深度融合,以几何模型的高真实度部件级模型为基础进行行为模型的同步与演绎,可以实现虚实系统间无延时的协同联动,同时通过实时行为数据可以触发知识模型进行辅助决策。整个数字孪生模型的建立过程兼顾成本与效果,将大幅度提高矿井提升系统的运行安全性与智能化程度。

基于无人协同博弈数字孪生的系统模型构建

基于无人协同博弈快速发展并临近实战的背景下,结合数字孪生技术构建无人协同博弈数字孪生系统模型,搭建无人智能博弈的系统结构体系,从而推进无人协同博弈孪生仿真的研究实践。基于KJ法,对相关战例进行归纳分析,进而对未来战争样式进行推演、对无人协同博弈系统要素和组织关系进行演绎推理。通过构建无人协同博弈矩阵、无人协同博弈函数、无人协同博弈优化方程矩阵,完成无人协同博弈态势感知及博弈方案优化模型构建,实现阶段博弈方案全局最优,结合数字孪生技术,从物理层、虚拟层、服务层、数据层、数据连接5个方面构建出无人协同博弈数字孪生结构模型,并梳理此模型的技术体系。为实现无人协同博弈的虚实同步,交互运行,智能决策优化提供理论框架,为未来无人作战体系构建提供参考。

数字孪生驱动下微电网多智能体协调控制优化

传统微电网系统设备分时控制能力差,存在协同控制不足的问题。对此,提出采用思维进化算法优化多智能体控制系统。首先基于“源-网-荷-储”概念提出微电网多智能体模型,并优化目标环保成本与运维成本;然后在数据分析的基础上,通过历史光伏发电功率数据与当日气象数据,构建分布式“源”功率预测模型;最后采用思维进化算法对智能体种群调度策略的适应值进行趋同异化优化,迭代出最优种群调度策略。功率预测仿真结果表明,在类簇为3时,模型具有最高的预测精确性,较传统预测方法精度提升了5.6%;控制策略仿真结果表明,MEA算法的微电网协调控制决策优化后,提高多智能体协同控制能力,降低了环保成本与运维成本。

基于数字孪生技术的协作机器人系统设计

为了准确实时监测协作机器人状态信息,基于数字孪生技术搭建了协作机器人系统,通过ADAMS仿真完善了数字孪生系统的数据输入,采用三角形的总曲率作为权重优化基于二次误差矩阵的边折叠算法简化协作机器人模型,并能保持较低的失真度。通过程序控制方式测试协作机器人虚拟模型的实时状态,结果表明,虚拟模型与协作机器人实体保持一致运动。因此,采用数据孪生技术设计的协作机器人系统可以有效监测状态信息,保障人机共融场景下的安全。