仇晓黎，朱 睿，幸 研+，胡钧阳

(1.东南大学 机械工程学院，江苏 南京 210089；2.比利时天主教鲁汶大学 机械工程系，鲁汶 比利时 3001)

0 引言

伴随工业互联网、大数据、人工智能等新一代信息技术的发展，以数字化、网络化、智能化为主要特征的新一轮科技革命和产业变革席卷全球[1]。我国作为制造业大国，拥有大量中小型制造企业，该类企业以离散制造为主要特征，具有订单批量小、品种多、交货期短、随机性问题多等特点。在实际生产中，装配生产线作为完成产品制造周期的主要资源设备，对产品质量、成本、交货周期等有直接影响，是提高企业核心竞争力的关键。然而，当前离散制造企业装配生产线换产的情况频繁发生，仅凭简单经验对装配线进行设计和管理，无法实时掌握生产线的动态数据并做出决策，易产生生产节拍不平衡、产出率低、维护不及时、人力资源浪费等问题，使企业难以缩短交货周期并降低生产成本，限制了企业的发展和效益的提高。

在数字孪生技术的驱动下，通过传感器采集现场数据并对其潜在规律进行挖掘和关联，从而在多学科、多物理量、多尺度的物理环境下对目标对象的全生命周期过程进行仿真，最终建立虚实空间的双向映射，是解决上述问题的一种潜在和有效的技术手段。然而，现有研究多侧重于数字孪生框架及概念的创新，数字孪生体建模技术仍是智能制造领域的研究热点和难点。因此本文提出创建装配生产线的数字孪生体，通过物理模型可视化表达生产线的物理属性和潜在规律，通过标准化的描述方法构建数字孪生行为模型，通过信息决策模型在硬件模块的基础上叠加反馈控制功能，优化运行绩效。最后通过智能维保系统展示数字孪生技术的服务应用功能。

1 数字孪生技术研究现状

2003年提出的数字孪生概念凭借信息物理深度融合理念引起了学术界和工业界的广泛关注，随后这一技术主要应用于航空航天领域，以解决设备维护和故障预测等问题。例如，美国国家航空航天局将基于数字孪生的复杂系统故障预测与消除方法应用于飞行系统的健康管理[2]；美国空军研究实验室在虚拟空间中构建了影响飞行的结构偏差和温度计算模型，对飞机结构寿命进行预测[3]。客观地说，自2010年美国国家宇航局与美国空军联合提出面向未来飞行器的数字孪生应用范例后，数字孪生落地应用的大门由此打开。目前数字孪生技术发展尚处于“百家争鸣”，国外工业界如西门子、GE公司，学术界亚琛工业大学和宾夕法尼亚州立大学等对数字孪生技术体系及应用各有独到的研究，国内信通院、赛迪、安世亚太等机构相继发表了数字孪生相关白皮书，在数字孪生的概念、技术、标准、应用实践等方面做了大量工作。

自数字孪生概念提出以来，其理论框架不断被补充与丰富，研究人员针对具体的应用场景提出了不同的数字孪生架构。刘大同等[4]将数字孪生框架技术体系分为数据保障层、建模计算层、孪生功能层和体验层；SCHROEDER等[5]提出一种基于Web服务管理数据的数字孪生架构。在研究智能车间方面，ZHANG等[6]提出可应用于智能车间的数字孪生体系结构，该体系由物理层、网络层、数据层、信息层和应用层组成；胡秀琨等[7]提出基于Web的数字孪生车间结构模型；陶飞等[8]详细解释了数字孪生框架下数字孪生车间的概念。在研究风力涡轮机的故障预测和健康管理问题时，数字孪生架构被进一步细化，首次提出由物理实体模型、虚拟设备模型、服务模型、数字孪生数据模型和关联模型组成的五维数字孪生模型架构，并以公式的形式直观地展示各模型的组成[9]。

以上研究多侧重于数字孪生的框架结构，在一定程度上为通用数字孪生模型的建立提供了思路，具有一定的启发性，而数字孪生模型构建方面的研究也取得了不小的进展。在建模仿真方面，董雷霆等[10]采用降阶模型满足了飞机结构数字孪生的时效性要求；在功能映射方面，周有城等[11]利用数字孪生描述智能产品的模块化功能，在此基础上以产品为物理对象实现其在信息域的功能映射；在数据流动方面，柳林燕等[12]以生产过程中的车间关键要素为研究对象，重点阐述了基于工业标准OPC(OLE for process control)统一架构的数字孪生物理层数据获取以及生产运行过程的实时映射。以数据为媒介，实现物理层与虚拟层间的实时映射在数字孪生体系中尤为重要。在研究冲压生产线物理数据与信息模型间的映射关系时，张琦[13]一方面采用面向对象的方法构建了物理数据模型，另一方面分析了生产线的运动行为及逻辑,构建了冲压生产线数字信息模型；在研究微组装生产线智能控制问题时，黄佳圣等[14]论证了以多源异构数据分类、清洗与解析和实时驱动为特征的四维融合孪生模型能够有效地实现行为、状态和动作的实时映射。

上述研究大多应用于某种特定的场景，往往根据需求侧重于构建某个层级，未能有效揭示数字孪生物理、行为和规则模型的构建策略，且对离散制造装配生产线的数字孪生建模研究较少。因此，本文以螺线管装配生产线数字孪生模型的建立为切入点，主要研究装配生产线数字孪生的建模方法。

2 螺线管装配生产线数字孪生模型的构成

在构建数字孪生模型时，首先需要对物理实体的尺寸、形状、装配关系等属性和规律进行映射，使模型能够通过已知经验或物理规律模拟物理实体的几何、约束以及内在机理等；其次是在模型中表达物理实体的行为，主要描述与行为活动相关联的机械数据、电气数据、过程控制数据、拓扑信息、功能描述数据等多学科、多物理量、多尺度数据信息；最后是构建信息和决策模型，通过数据采集和虚拟仿真获取来自物理层和虚拟层的海量数据，通过采用先进的模型和算法进行分析决策，并反馈与指导物理实体的行为，来实现整个生产活动的优化控制。

2.1 生产线数字孪生物理模型的映射

数字孪生模型的物理部分是虚实空间相互映射最直观的体现，主要通过三维实体表现其结构形状和位置关系，具体可采用CAD、3D动画、建筑信息模型(Building Information Modeling, BIM)、城市信息模型(City Information Modeling, CIM)等系统(一维)建模工具描述对象的组成部分和潜在的物理行为模式。在对数字孪生建模的过程中，任何虚实映射的过程都建立在物理实体的基础上，特别是数字孪生技术应用于离散制造系统时，由于对象结构复杂、组成元素不一、内在物理规律繁多，对物理实体的基本要素进行分析显得尤为重要。因此，本文在构建螺线管装配生产线物理模型前，首先根据离散制造的特点提取关键要素。众所周知，在生产活动中，生产对象(即产品)的质量和产出率很大程度上与所采用的加工工艺有关，而必需的制造资源(设备)是加工工艺实现与否的前提，可见生产对象、加工工艺和制造资源三者相互关联，是生产活动最具代表性的3个基本要素，需对其进行分析，以便在映射过程中更准确、形象地渲染物理实体的各关键要素。

如图1所示，生产对象螺线管常安装在汽车电子油门踏板中，在汽车的控制系统中用于操纵电流。其中钣金件、霍尔管、盖板和电容等是主要焊接件，其生产工艺比较复杂。根据生产要求，螺线管自动化装配生产线包括9个工位以及由直线气缸和导杆气缸组成的传送系统。与生产线实体相对应的三维模型如图2所示，该模型描述了物理对象的尺寸、形状、装配关系等属性，在其基础上映射物理对象的约束关系、运动方式等物理规律，可提高数字孪生模型的保真度。

如何根据物理对象的实际工作情况，准确有效地渲染场景、揭示模型的潜在规律并将其可视化表达，是最终实现物理实体与数字孪生模型高保真映射的关键。Open Inventor软件用于创建三维对象，这些对象完全映射物理实体的形状、尺寸和空间位置等基本属性，并能够以三维对象和属性的形式表示各元素的约束关系和运动规律。因此，Open Inventor成为一种可行的建模手段，用于可视化表达数字孪生物理模型。

生产线数字孪生物理模型的建模过程如图3所示，通过分析生产线基本要素，一方面可了解目标对象的组成元素和结构特点，建立其三维模型；另一方面，获取其内在约束关系和运动特性，并将上述特征通过节点信息表示。因为在整个数字孪生体系中需要实现各阶段数据、文件、规则知识的存储和信息流动，所以可以通过连接WRL文件和对应模型节点，将物理对象的尺寸、形状、装配关系和运动特性等动静态属性进行标准化处理后，存储在数字纽带层的各数据库中，再通过数据流动传递给虚拟空间。基于WRL文件读取节点信息并创建根节点后，采用CreateBaseObject函数和AddChild函数生成隔离节点作为子节点单元，查找其父节点的接口节点位置，并将子节点单元添加到父节点。模型创建成功即实现了生产线数字孪生物理模型相关属性的可视化表达。

通过上述工作，将产品数据嵌入三维模型，使生产线物理模型包含生产线各个零部件的几何特征和空间位置，实现设计、制造过程中的几何信息、过程数据和对象机理一体化集成，为生产线数字孪生体提供模型基础，但是仍未表达物理模型中的行为、规则，无法开展在环仿真和实时映射。因此，还必须基于生产活动数据建立行为模型，加强对目标对象的管理。

2.2 生产线数字孪生行为模型的构建

作为离散制造系统，装配生产线包含大量的控制、执行、检测设备，涵盖了机械数据(如剪裁力、焊接温度)、电气数据(如产品检测电流值)、过程控制数据(如各工位生产节拍)、功能描述数据(如焊接路径数据、焊点高度)等，涉及机械、电气、控制等多学科知识。因此，需要标准化的描述方法构建数字孪生行为模型，防止产生冗余和异构信息。AutomationML、产品模型数据交换标准(STandard for the Exchange of Product model data, STEP)[15]、基于可扩展标记语言的流程定义语言(eXtensible markup language Process Definition Language, XPDL)[16]、JT(3D文件格式)是当前主流的行为建模和描述方法。其中AutomationML表达建模工作流及其与产品和制造资源的关系，有利于实现多领域知识融合，故选择用其构建螺线管装配生产线在虚拟空间中的行为模型。

螺线管生产线的制造对象是钣金件与霍尔管，以可编程逻辑控制器(Programmable Logic Controller, PLC)控制焊接设备，按照与几何、时间相关的工艺流程和特征参数来控制生产线(如图4)，其数字孪生行为模型描述了产品对象、设备资源和工艺过程。基于此，系统采用AutomationML构建标准化行为模型，将资源设备和产品的特征参数映射到焊接过程中。标准化行为模型将整个行为过程描述成一系列活动以及行为过程与制造对象的关系，同时通过资源设备的参数表示该行为的能力。

通过AutomationML创建焊接行为模型的产品、资源、工艺要素，如图5所示。首先，在AutomationML顶层创建焊接单元，该行为模型为内部元素，包括产品、工艺和资源3个角色。具体为，通过几何、物理等建模参数描述产品角色；通过不同层次结构的几何、运动以及与控制相关的属性描述资源角色，建立可执行行为模型；通过有序的过程行为将产品描述和资源描述关联，生成工艺角色的描述。在焊接行为模型中，产品描述主要包括执行焊接设备的几何模型及其所需的路径接口(用于与其他角色进行关联)。在资源描述中，焊枪(WeldingGun)模型元素被考虑为首要资源，其内部元素在接口类封装上存在逻辑或物理关系，主要包括焊接动作元件(WeldingAction)、附带保护气体(ShieldingGas)、焊接温度(WeldingTemperature)和送锡量(SnAmount)等子元素；在工艺描述方面，由于该模块是连接产品和资源的重要桥梁，为了对产品几何参数、时间参数进行引用，需将顺序类型接口添加到过程变量中，从而将产品、资源通过工艺相关联，以此表示焊接行为。

焊接过程行为模型的标准化描述如图6所示。各工艺变量的变化包含在焊接行为的资源要素(Resource)中，PathFirst表示焊接过程，是工艺要素(Process)的内部元素，均采用PLCopenXML接口与表示路径的可扩展标记语言(eXtensible Markup Language，XML)文件关联。焊接路径通过产品要素(Product)表达，通过COLLADA接口引用一个存储了几何特征的以dae为后缀的文件。图中最左边的箭头连接线表示通过PPRConnector接口，实现了资源(Resource)、工艺(Process)和产品(Product)3个内部元素的关联。

2.3 生产线信息决策模型的构建

信息与决策是保证自动化装配生产线正常工作的关键，该模型由信息获取和决策控制两部分组成，如图7所示。信息获取主要依托于物理对象的数据采集模块，在生产线中采集霍尔开关、温度传感器等数据信息后输入主站。基于采集的信息，所建立的决策控制模型分析生产线各工位的实际情况，通过从站和主站对各工位气缸和模组(电动滑台)的运动进行控制。另外，采用工业以太网通信协议，在主从站之间以及主站与上位机(PC)之间建立通信，实现数字孪生架构下的实时数据流动。

具体地，在信息获取方面，螺线管装配生产线的数据采集模块用于获取物理实体层的运行状态信息，主要包括光电传感器、编码器、无线射频识别(Radio Frequency IDentification，RFID)、霍尔开关、温度传感器等感知设备；在决策控制方面，生产线主要通过运动控制模块执行决策模型的结果，该模块是生产线的核心，由PLC及其扩展模块组成，该模块中根据控制对象的不同分为模组运动模块和气缸运动模块。通过向上述两个子模块发送指令，可以实现整条生产线复杂的装配工艺过程。以生产线OP060工位为例，其决策控制模型框架由OB(组织块)，FB(功能块)，FC(功能)组成，如图8所示。OB用于集成执行程序，常对应CPU中的特定事件，FB和FC在决策控制过程被调用执行具体功能。当接收到OP060指令时，模型执行OP060程序块，根据OP060程序块中封装的FB和FC驱动模组运动模块和气缸运动模块中的硬件设备完成装配流程。

在数字孪生架构下，为准确实时地接受指令并传送数据，需要为物理层内各模块与虚拟层内各模型建立通信，因此需选择合适的通信协议，在横向实现物理层内执行设备、感知设备和控制设备的互联互通，在纵向实现物理实体层与虚拟模型层的交互优化。目前，工业以太网通信协议具有较高的信息传输速率，常用的工业以太网通信协议有Modbus/TCP，Ethernet/IP，Powerlink，PROFINET[17]。数字孪生实时映射交互要求传输数据量大、延迟时间短、通信循环周期稳定性高，因此将PROFINET用作信息决策模型与硬件模块之间的通信协议。

3 实例

将上述数字孪生建模方法应用在螺线管及其配套产品的生产现场，开发了基于数字孪生技术的生产线智能运维系统[18]。该系统的基本架构如图9所示，其中装配生产线的生产现场为物理层，是实现虚实交互的基础，在离散制造过程中，各类传感器将采集到的数据和信息传递给虚拟层。虚拟层中各模型不断更新数据并调用物理、行为和信息决策模型，实时跟进生产现场的状态和性能，并将仿真分析结果反馈给物理层，通过控制器对生产现场进行优化控制。在该运维系统的架构下，数字孪生物理层、虚拟层通过工业以太网组成的局域网及相应的服务器进行连接，实时更新数据库中的生产信息，以浏览器/服务器为主要形式的服务层通过服务器发送指令调用数据。另外，将生产线控制器与交换机相连，即可在服务层实时监测和控制自动化生产线的运行情况。

在智能运维系统中，基本生产信息模块可为新用户提供产品生产加工时的技术要求、工艺流程和设备资源信息等内容，该系统的基本生产信息页面如图10所示。在生产过程中，生产运行信息可通过智能运维系统实时展示，整个系统集成了过程实时监测、生产进度反馈和生产质量反馈等功能，如图11所示。当用户远程调入螺线管生产信息后，存储在虚拟层的关键生产数据与工艺参数，如连续工作时间、急停次数、不合格品数、热铆温度、焊接温等，将在过程实时监测区域动态更新，当前时刻的计划完成率、各时段产品的完成量和各时段的生产效率信息在生产进度反馈区域实时展示，用户可通过生产质量反馈区域查询各时段合格品与不合格品个数，获取各时段内的产品质量数据。上述生产运行信息模块在服务层实时监测各车间自动化生产线的运行情况，具体根据过程实时监测、生产进度反馈和生产质量反馈的信息评估生产节拍和产品产出率，以便生产管理人员及时调整装配生产线产能，开展维护保养活动，避免生产节拍不平衡、产出率低、维护不及时、人力资源浪费等问题，为管理者合理决策生产运行活动提供了有效的手段。

4 结束语

本文以离散制造系统的螺线管装配生产线为研究对象，从物理、行为和信息决策3方面研究了生产线数字孪生的建模技术。在物理模型方面，利用Open Inventor表示生产线的结构与运动特性，构建了可视化物理模型，规划了模型的节点信息；在行为模型方面，为简化信息数据的表达并方便存储与流动，防止产生冗余和异构信息，针对生产线多学科、多领域知识的特点，从产品、资源和工艺角度采用AutomationML构建了以焊接工艺为代表的标准化行为模型。最后，基于数据采集和运动控制模块构建信息及决策模型建立生产线数字孪生模型，为后续设计、调试、管控、调度等的高效服务奠定基础。另外，本文通过将数字孪生技术应用于智能维保系统，表明数字孪生技术在反馈运行信息、提高生产效率、助力决策控制等方面具有实际应用价值。