复杂数字化工业体系成熟度评估技术研究

针对全球新一轮科技革命与产业变革背景下正在不断革新和形成的复杂数字化工业体系,研究建立了基于系统工程的复杂数字化工业体系成熟度评估模型,提出了复杂数字化工业体系的多指标成熟度分析方法和复杂数字化工业体系的多企业成熟度综合方法,并结合航天复杂产品数字化工业体系给出了评估示例。结果表明,本文研究的成熟度评估方法能够用于规范和指导复杂数字化工业体系的建设。

复杂装备虚拟采办平台技术研究

在虚拟采办平台的体系架构和一体化建模技术的基础上,阐述了基于虚拟样机的建模仿真技术,面向可靠性、维修性、保障性的建模仿真技术和面向全寿命周期的采办项目综合管理建模与仿真分析技术。结合某航天复杂装备采办项目介绍了虚拟采办平台在论证、研制和使用保障阶段的应用情况。

一种复杂系统轻量化建模与仿真技术框架

针对复杂系统建模与仿真验证,提出一种轻量级技术框架和系统构建方法,仿真框架基于分布式网络通信中间件搭建并具有逻辑完善的图形化建模、仿真管理和仿真运行模块。框架封装了高效简洁的网络通信中间件、对象管理、事件管理和时间管理引擎,具有较强互操作性,仿真成员开发具有可重用性和可组合性,能够完成复杂系统中分布式仿真节点的灵活搭建与高效仿真。

复杂产品三维模型轻量化服务构建技术

提出了一种复杂产品三维模型轻量化服务构建方法。采用一种改进模型数据导出与空间索引生成方法,能够在模型轻量化过程中保留复杂产品模型装配树与标注信息;设计并实现了基于面片密度的自适应面片简化算法,能够在满足误差要求的条件下对几何模型面片进行自适应简化;并通过采用一种具有较高的压缩比和压缩效率的模型数据压缩算法,减小复杂产品模型的存储空间占用。设计并实现一种模型轻量化服务的B/S部署架构,能够借助高性能计算资源,提高多用户并发场景下复杂产品模型轻量化效率。

军工制造业数字化转型的系统方法论

面对军工制造企业、服务商对数字化转型的认识,解决方案存在的不足,分析了军工制造业数字化转型的背景,通过研究先进制造模式、核心竞争力、价值链、生产(力)要素等思想,给出了军工制造业数字化转型的(泛化)目标,提出了亟待解决的若干问题,以及解决复杂系统问题的建议。军工制造业数字化转型是一项长期的战略行动,应依据设定的目标在转型过程中不断调优。

基于数字孪生的智能制造计划管理

针对多品种、小批量制造模式下计划管理系统无法根据不确定因素及时自动调整,提出一种基于数字孪生的智能制造计划管理系统框架。建立了计划管理PDCA业务过程模型。提出了静态排程的周期滚动模型和动态应急排程的优化模型的处理逻辑和约束条件。以航天复杂产品两类零部件混线装配场景下的计划管理为背景,验证了本文提出的管理模式能够支持不同订单与资源状态的智能计划动态调整,提升车间应对不确定因素的处理效率。

复杂产品协同设计中数据建模与驱动方法

针对在传统基于工作流的协同设计中,不同专业设计人员交流和任务协调困难导致产品设计效率低下的问题,提出复杂产品"一元三层"数据模型和基于数据驱动的复杂产品协同设计技术。首先采用多维多粒度的数据建模和本体描述方法完成了对复杂产品的信息建模,然后采用基于本体的语义检索技术完成协同设计过程任务的数据订阅,最后实现基于数据订阅/发布的复杂产品任务协同技术。实验结果表明,基于数据驱动的复杂产品协同设计技术解决了传统协同设计过程中不同专业设计人员之间交流与任务协调的困难,实现复杂产品协同设计过程的螺旋式上升,从而提高了产品设计效率。

基于多阶段强化学习的多智能体协作决策

为了解决多智能体协同训练过程中的团队奖励稀疏导致样本效率低下、无法进行有效探索以及对参数敏感的问题,本研究在MAPPO算法的基础上引入了分阶段的思想,提出了基于多阶段强化学习的多智能体协同算法MSMAC。该算法将训练划分为2个阶段:一是构建基于进化策略优化的单智能体策略网络,二是对多智能体策略网络进行协同训练。在多智能体粒子环境下的实验结果表明,基于多阶段的强化学习算法不仅提升了协作性能,而且提高了样本的训练效率和模型的收敛速度。

关于武器系统数字孪生的若干思考

回顾了数字孪生技术的主要发展过程,提出了武器系统数字孪生研究和实践的必要性,给出了武器系统数字孪生的定义和组成,分析了数字孪生应用架构和数字主线构建、双向协同仿真与控制、智能自主演进和基于容器仿真云的数字孪生运行支撑等关键技术,阐述了若干关键技术的初步研究与实践,进行了总结和展望。

基于EAV模型和Solr架构的云制造资源发现方法

提出了一种基于文本信息处理的云制造资源发现技术方案。该方案将云制造资源描述模型通过映射函数转化成文本信息处理中的形式化模型,设计出了一种云制造资源的EAV(Entity-Attribute-Value)衍生模型,解决了资源属性异构性、多样性、动态性等问题;通过引入Solr索引架构,实现了资源属性数据的文本索引体系构建,提升了相关数据的查询性能;设计实现了一个基于EAV模型和Solr搜索引擎的云制造资源发现服务原型系统应用在云制造平台上,提升了制造资源的发现匹配能力。

基于紧缩场的射频/红外复合半实物仿真方法研究

随着复合传感器探测环境日趋复杂化,对复合传感器的性能要求越来越高,进而对复合仿真测试工具提出了迫切需求。对射频/红外复合传感器进行半实物仿真试验与测试,提出了一种基于紧缩场的射频/红外复合半实物仿真方法,由红外目标模拟器、射频目标模拟器、波束合成器等组成复合仿真系统。测试结果表明这种复合半实物仿真方法具有良好的透射射频/反射红外的能力,能够对射频/红外复合探测传感器进行实时半实物仿真测试。

小样本下基于卷积神经网络的费用估算研究

在当前的费用估算模型较依赖数学模型、无法根据样本大幅度调整模型参数的现状下,针对导弹特征属性和研制费用公开样本稀少以及不同型号的导弹样本对待预测样本的参考意义不同的问题,提出了小样本下基于卷积神经网络的导弹研制费用估算模型.为解决小样本和样本贡献值问题,结合双三次插值算法和反距离加权插值算法对导弹原始样本集进行插值.采用导弹研制费用卷积神经网络估算模型对插值样本进行学习,得到导弹研制费用估算结果.通过与线性回归、神经网络、支持向量机、WPCA&WSVR几种模型的对比实验,验证该模型在整体估算效果上优于其他模型.

混合蛙跳算法自适应参数调整改进策略

针对基本混合蛙跳算法(shuffled frog leaping algorithm,SFL)在求解高维复杂问题时的不足,本文提出一种自适应参数调整的改进策略。首先,利用变公比数列分析了SFL更新轨迹的收敛性;在此基础上,利用系统稳定性分析方法,提出在SFL更新公式中基于比例系数和适应度标准差来自适应调整更新的方法。最后,基于3组共8个标准测试函数将本文改进SFL与基本SFL和4个改进型粒子群优化算法(particle swarm optimization,PSO)作对比,验证了本文改进策略对各类复杂函数的高效性;同时,对比了改进SFL与基本SFL和wPSO在求解高维问题时的性能,验证了改进SFL对高维问题求解的有效性。

基于深度强化学习的机械臂控制方法

深度强化学习在环境中不断探索尝试,通过奖励函数对神经网络参数进行调节。实际的生产线无法作为算法的试错环境,不能提供足够的数据,构建一个机械臂仿真环境,包括机械臂与物体两部分,根据目标设置状态变量与奖励机制,在模型中对深度确定性策略梯度算法(Deep Deterministic Policy Gradient, DDPG)进行训练,实现通过深度强化学习算法控制机械臂,将抓手移动至物体下方,改进控制算法的适应性,缩短调试时间。实验结果表明,深度学习算法能够在更短的时间内达到收敛,实现对机械臂的控制。

面向高可信度仿真的海量CAD模型实时绘制

复杂产品高可信度仿真中使用的高精度、全尺寸三维模型数据量庞大、复杂度高,仅仅依靠现有计算机硬件性能难以满足仿真应用对实时绘制效率的要求。通过提出一种基于最小包围盒与多视角投影的模型几何度量方法,能够准确识别出模型中狭长不规则的细小零件,并结合基于模型细节过滤的LOD自适应实时绘制算法,实现了对复杂产品海量CAD模型的实时绘制。最后,本文在波音777客机CAD模型上进行了实验验证,实验结果表明,采用本文算法能够显著提高海量CAD模型的实时绘制效率。