生产现场的数字孪生方法、技术与应用

本书将生产现场的数字孪生方法、数字孪生技术、数字孪生应用三部分内容有机结合，在介绍了数字孪生理论与技术的基础上，以多种典型生产现场的数字孪生实践为例，深入浅出地介绍了数字孪生的理论基础、应用思路及开发经验。

上海市智能制造及机器人重点实验室主任，上海市智能装备技术重点实验室副主任，上海大学机械工程一流学科智能制造方向带头人，教育部首批“智能制造工程”专业负责人，中国机械工程学会高级会员

目录<br />前言<br />第一部分　生产现场的数字孪生方法<br />第1章　数字孪生理论<br />1.1　数字孪生定义及内涵　 / 2<br />1.1.1　数字孪生的提出　 / 2<br />1.1.2　数字孪生的定义　 / 4<br />1.1.3　数字孪生的内涵　 / 6<br />1.1.4　数字孪生的特征　 / 7<br />1.2　数字孪生相关概念　 / 8<br />1.2.1　数字孪生与智能制造　 / 8<br />1.2.2　数字孪生与CPS　 / 8<br />1.2.3　数字孪生与仿真　 / 9<br />1.2.4　数字孪生、数字样机和MBSE　 / 14<br />1.2.5　数字孪生、数字主线和资产管理壳　 / 16<br />1.2.6　相关概念对比总结　 / 20<br />1.3　数字孪生的应用价值与适用准则　 / 23<br />1.3.1　数字孪生的应用价值　 / 23<br />1.3.2　数字孪生的适用准则　 / 25<br />参考文献　 / 26<br />第2章　数字孪生模型<br />2.1　数字孪生模型概述　 / 30<br />2.1.1　数字孪生三维模型　 / 30<br />2.1.2　数字孪生四维模型　 / 30<br />2.1.3　数字孪生五维模型　 / 31<br />2.1.4　数字孪生八维模型　 / 32<br />2.2　面向产品生命周期的数字孪生模型　 / 33<br />2.2.1　设计阶段的数字孪生模型　 / 33<br />2.2.2　制造阶段的数字孪生模型　 / 35<br />2.2.3　服务阶段的数字孪生模型　 / 37<br />参考文献　 / 38<br />第3章　数字孪生车间<br />3.1　制造车间的发展历程　 / 41<br />3.1.1　自动化车间　 / 41<br />3.1.2　数字化车间　 / 43<br />3.1.3　智能化车间　 / 47<br />3.2　数字孪生车间的架构与特征　 / 49<br />3.2.1　数字孪生车间的系统组成　 / 49<br />3.2.2　数字孪生车间的演化机理　 / 52<br />3.2.3　数字孪生车间的运行机制　 / 55<br />3.2.4　数字孪生车间的特征　 / 57<br />3.3　数字孪生车间的发展与展望　 / 58<br />3.3.1　数字孪生车间的发展　 / 58<br />3.3.2　数字孪生车间的展望　 / 59<br />参考文献　 / 60<br />第二部分　生产现场的数字孪生技术<br />第4章　数据采集与数据融合技术<br />4.1　生产现场数据的来源与分类　 / 65<br />4.2　数字孪生车间的数据采集与传输技术　 / 67<br />4.2.1　数字孪生车间的数据采集与传输框架　 / 67<br />4.2.2　数字孪生车间的数据采集技术　 / 69<br />4.2.3　数字孪生车间的数据传输技术　 / 73<br />4.3　数字孪生车间的数据管理技术　 / 75<br />4.3.1　多源异构数据的存储技术　 / 76<br />4.3.2　数据预处理技术　 / 79<br />4.4　多源数据融合技术　 / 87<br />4.4.1　多源数据融合流程　 / 88<br />4.4.2　多源数据融合技术分类　　/ 89<br />参考文献　 / 91<br />第5章　数字孪生建模与智能交互技术<br />5.1　多尺度、多领域数字孪生建模技术　 / 94<br />5.1.1　多尺度几何建模　 / 94<br />5.1.2　多领域数字孪生建模　 / 95<br />5.1.3　生产现场运行逻辑建模　 / 97<br />5.2　多源异构数据虚实映射技术　 / 101<br />5.2.1　工业通信协议　 / 101<br />5.2.2　同步映射和匹配映射　 / 104<br />5.3　基于VR、AR、MR的智能交互技术　 / 107<br />5.3.1　基于VR的智能交互技术　 / 107<br />5.3.2　基于AR的智能交互技术　 / 108<br />5.3.3　基于MR的智能交互技术　 / 109<br />5.4　系统集成与测试技术　 / 110<br />5.4.1　系统集成　 / 110<br />5.4.2　系统测试　 / 111<br />参考文献　 / 114<br />第6章　基于数字孪生的数据分析与智能决策技术<br />6.1　生产过程的数据建模技术　 / 117<br />6.1.1　数字主线　 / 117<br />6.1.2　知识图谱　 / 118<br />6.1.3　数据建模语言　 / 124<br />6.2　工业大数据分析技术　 / 127<br />6.2.1　特征工程　 / 127<br />6.2.2　数据挖掘　 / 131<br />6.3　生产过程的智能决策技术　 / 138<br />6.3.1　统计推理　 / 138<br />6.3.2　生物进化与群智能　 / 139<br />6.3.3　人工神经网络　 / 142<br />6.3.4　综合评价方法　 / 146<br />参考文献　 / 149<br />第三部分　生产现场的数字孪生应用<br />第7章　生产现场数字孪生应用概述<br />7.1　数字孪生应用概述　 / 153<br />7.1.1　电力系统领域应用　 / 153<br />7.1.2　航空领域应用　 / 154<br />7.1.3　航天领域应用　 / 155<br />7.1.4　航运领域应用　 / 156<br />7.1.5　汽车制造领域应用　 / 157<br />7.1.6　医疗领域应用　 / 159<br />7.1.7　智慧城市领域应用　 / 161<br />7.1.8　供应链领域应用　 / 162<br />7.1.9　智慧农业领域应用　 / 163<br />7.1.10　智慧建筑领域应用　 / 164<br />7.2　国内企业数字孪生应用实践　 / 166<br />7.2.1　海尔卡奥斯工业互联网平台　 / 166<br />7.2.2　三一重工数字孪生应用　 / 169<br />7.3　国外企业数字孪生应用实践　 / 171<br />7.3.1　空中客车公司数字孪生应用　 / 171<br />7.3.2　GE数字孪生应用　 / 172<br />7.3.3　Sim&Cure医疗数字孪生应用　 / 174<br />参考文献　 / 174<br />第8章　数字孪生装配车间工艺参数优化<br />8.1　汽车后桥装配工艺优化问题分析　 / 177<br />8.1.1　装配质量控制需求分析　 / 177<br />8.1.2　装配关键工艺参数分析　 / 179<br />8.1.3　数字孪生驱动的装配工艺参数优化方法　 / 181<br />8.2　汽车后桥总成装配线数字孪生建模　 / 182<br />8.2.1　装配线生产过程关键要素孪生建模　 / 182<br />8.2.2　基于Petri网的虚拟装配线运行逻辑建模　 / 185<br />8.3　基于ACO-GRNN的工艺参数预测算法　 / 189<br />8.3.1　GRNN网络结构　 / 189<br />8.3.2　蚁群算法　 / 192<br />8.3.3　基于改进蚁群优化算法的GRNN网络模型　 / 194<br />8.4　工艺参数同步预测实验验证及分析　 / 195<br />8.4.1　工艺参数预测模型构建　 / 195<br />8.4.2　实验验证及结果分析　 / 197<br />8.5　数字孪生驱动的装配车间工艺参数优化系统　 / 199<br />8.5.1　系统框架　 / 199<br />8.5.2　优化流程　 / 201<br />8.5.3　软硬件组成　 / 202<br />8.5.4　系统功能开发与实现　 / 203<br />参考文献　 / 207<br />第9章　数字孪生车间动态调度<br />9.1　柔性作业车间动态调度问题分析　 / 210<br />9.1.1　柔性作业车间调度概念　 / 210<br />9.1.2　车间调度问题的求解算法　 / 211<br />9.1.3　数字孪生驱动的车间动态调度　 / 213<br />9.2　基于数字孪生的车间动态监测　 / 214<br />9.2.1　全要素的车间信息感知　 / 214<br />9.2.2　基于感知数据的生产动态异常事件监测　 / 215<br />9.2.3　虚实空间的信息交互　 / 218<br />9.3　基于RLEGA的车间动态调度算法　 / 219<br />9.3.1　遗传算法　 / 219<br />9.3.2　强化学习算法　 / 221<br />9.3.3　算法验证　 / 224<br />9.4　数字孪生驱动的车间动态调度系统　 / 226<br />9.4.1　系统整体设计　 / 226<br />9.4.2　系统功能实现　 / 228<br />参考文献　 / 234<br />第10章　数字孪生车间设备故障诊断<br />10.1　设备故障诊断问题分析　 / 235<br />10.1.1　机械设备故障的特点和规律　 / 236<br />10.1.2　机械设备故障诊断方法　 / 237<br />10.1.3　加热炉故障诊断问题分析　 / 239<br />10.1.4　基于数字孪生的故障诊断方法　 / 243<br />10.2　数据增强技术　 / 243<br />10.2.1　数据增强方法概述　 / 243<br />10.2.2　基于机理模型的加热炉数据增强　 / 248<br />10.3　混合驱动的故障诊断方法　 / 251<br />10.3.1　多尺度卷积神经网络结构　 / 251<br />10.3.2　基于Bi-LSTMs的特征关联性分析　 / 253<br />10.3.3　Stacking集成学习策略　 / 255<br />10.3.4　基于集成深度学习的加热炉故障诊断模型　 / 256<br />10.4　基于数字孪生的加热炉故障诊断系统　 / 258<br />10.4.1　系统架构　 / 258<br />10.4.2　算法应用结果　 / 259<br />10.4.3　系统功能开发与实现　 / 264<br />参考文献　 / 267<br />第11章　数字孪生车间机械臂交互维修指导<br />11.1　交互维修指导问题分析　 / 269<br />11.1.1　基于数字孪生的车间交互维修指导需求分析　 / 269<br />11.1.2　数字孪生驱动的交互维修指导方法　 / 270<br />11.2　维修知识图谱的构建与更新　 / 271<br />11.2.1　维修知识图谱的构建　 / 271<br />11.2.2　维修知识图谱的更新　 / 273<br />11.3　基于增强现实的交互维修指导技术　 / 274<br />11.3.1　目标跟踪注册技术　 / 274<br />11.3.2　人机交互技术　 / 277<br />11.4　数字孪生驱动的交互维修指导系统　 / 278<br />11.4.1　原型系统开发与实现　 / 278<br />11.4.2　系统功能应用验证　 / 280<br />参考文献　 / 284<br />