基于数字孪生的卫星总装过程管控系统

万 峰，邢香园，吴剑锋，赵文浩，王 治，陈瑞启

(上海卫星装备研究所，上海 200240)

0 引言

卫星是复杂的航天装备，具有产品组成复杂、技术难度大、精度要求高、质量控制极其严格等特点。总装是卫星生产制造的最后一个环节，也是决定产品质量和研制进度的关键环节。卫星总装包括仪器设备、电缆、热控组件、直属件等大量零部组件的装配和检测，涉及上百家配套单位，其工艺流程复杂，生产准备和装配周期长，生产扰动频繁，生产进度与质量控制难度大；另外，由于产品研制状态多变，总装过程需进行反复拆装与测试，产品技术状态控制也比较困难。因此，有效管控总装过程一直是卫星生产制造亟需解决的难题之一。

目前，我国卫星领域正面临新的机遇与挑战，一方面，型号任务大幅增加，研制周期显著缩短，技术难度不断加大；另一方面，随着一系列重大工程的相继开展，卫星研制模式正从传统的“单件研制”向“单件研制+组批生产”模式发展，从而对卫星总装生产管控提出了新的要求：①实现总装全过程、全要素的协同、实时、闭环控制，保证产品研制进度与质量；②提高资源瓶颈、质量隐患等的分析预测能力，实现从“事中控制、事后追溯”向“事前预测”转变；③结合智能化柔性总装生产线建设，建立智能化生产管控系统，实现卫星多品种、变批量、高效柔性化制造。

目前，国内外在复杂产品装配车间管控技术和制造执行系统(Manufacturing Execution System, MES)方面开展了较为深入的研究，形成不少研究成果[1-5]，并实现了离散装配模式下的计划排产调度、数据采集及过程管控等，然而随着生产模式和制造能力的不断升级发展，现有系统已经很难满足全面互联感知、信息物理融合和智能化管控的需求。数字孪生技术通过物理世界与信息世界交互融合，实现了产品全生命周期的模拟、监控、诊断、预测和控制[6]，为进行智能化生产管控提供了有效的技术途径。近年来，国内外学者和机构针对数字孪生的概念、模型和应用开展了系统性研究[7-9]，并提出数字孪生车间的概念、系统组成和关键技术[10]，为实现数字孪生技术在生产制造中的应用提供了理论和方法指导。在数字孪生车间管控方面，赵浩然等[11]提出数字孪生车间的三维可视化实时监控方法；武颖等[12]建立了复杂产品装配过程质量管控数字孪生模型，并开展了质量数据预测研究。上述研究从数字孪生车间监控、质量管控与预测等方面进行了探索，但缺少面向产品生产制造全过程数字孪生管控方法和系统解决方案的研究。卫星领域已逐步开展数字孪生技术研究，王建军等[13]提出基于数字孪生的航天器系统工程模型与应用框架；刘蔚然等[14]提出数字孪生卫星概念和关键技术，构建了数字孪生卫星总装车间管控系统，并以卫星总装验证生产线为例开展应用验证。上述研究从产品全生命周期角度建立了卫星数字孪生的体系架构和应用思路，为构建数字孪生卫星总装车间奠定了基础，但其主要针对总装车间设备、物流等制造要素开展孪生建模、数据采集融合和实时监控等系统功能开发与典型工序应用，尚未进行卫星产品总装数字孪生建模及装配进度、质量、技术状态等数字孪生管控的研究与系统实现。

因此，本文结合卫星总装过程管控的实际需求，提出一种基于数字孪生的卫星总装过程管控系统，研究和阐述了系统体系结构和关键技术，并介绍了系统实现和应用情况。

1 卫星总装数字孪生管控需求

1.1 卫星总装过程管控业务分析

卫星总装过程主要包括生产准备、装配实施和检测等环节。其中，生产准备环节包括人、机、料、法、环等各类生产要素的准备工作；装配实施环节包括整星总装、电缆网装配、单机装配、热控集成等；检测环节包括过程检验、精度测量、特性测试等。卫星总装过程管控面向产品和车间两类对象，整体管控流程如图1所示，具体内容如下：

(1)产品装配过程管控 产品装配过程管控是对产品装配过程中的时间进度、技术状态和装配质量等进行控制，确保按时、按质、按量完成产品装配[15]。在进度方面，对产品研制整体进度、装配工艺执行进度和每日作业计划进度进行管控，并及时调整进度延期、计划变更等情况；在技术状态方面，主要依托基线管理方法，对总装各阶段产品具备的状态进行控制[16]；在质量方面，对文件输入、风险分析、工艺方案策划、总装生产实施、结果检验等各环节进行管控[17]，形成完整的产品数据包。

(2)总装车间管控 车间管控是对车间计划、物流，以及人员、工装设备、场地环境等资源进行管控，以满足产品生产要求，保证车间整体协同、高效运行。卫星总装车间管控以生产调度为核心，通过计划排产与调度来合理配置资源，进行物料齐套和精准配送，保证产品能按计划进行总装，同时使车间综合效能最优化。

1.2 卫星总装数字孪生管控需求分析

传统的卫星总装以手工装配为主，数字化装备和软件系统集成度不高，总装过程管控主要针对部分要素、流程或业务进行单独管控，全局性不足。在数据采集方面，受限于设备集成水平和安全保密管理的要求，数据难以在线实时采集并与办公网中部署的MES系统同步；在过程管控方面，主要通过人工方式进行完工确认、数据统计分析及异常处理，总装过程控制的实时性和准确性均较低。

随着生产模式的不断优化以及车间建模仿真能力、软硬件集成水平的不断提高，实现卫星总装过程的数字孪生管控成为可能，数字孪生车间也成为卫星总装智能车间建设的方向之一。要实现传统管控模式向数字孪生管控模式转变，需要开展以下研究与应用：①建立车间、产品、过程多维度融合模型，覆盖总装的全要素、全流程和全业务；②实现总装过程各类生产要素的物联集成和全面感知，在数据实时、准确采集的基础上，实现与模型的精准映射和虚实融合；③实现模型和数据驱动的总装过程动态、闭环控制，并通过仿真和预测性分析实现优化决策。传统管控模式与数字孪生管控模式对比如表1所示。

表1 传统管控模式与数字孪生管控模式对比

2 系统体系结构

根据卫星总装过程管控业务和数字孪生管控的需求，本文采用分层设计思路构建了基于数字孪生的卫星总装过程管控系统，系统体系结构分为设备层、通信层、数据层、业务层和应用层，如图2所示。

(1)设备层 设备层包括机械臂辅助装配系统、精密对接系统等装配设备，姿态调整设备、自平衡吊具、电子力矩扳手等工装工具，电子经纬仪、激光跟踪仪等检测设备，自动化立体货柜、物料配送车等物流设备，温湿度监控系统、电磁辐射监控系统等环境监控设备，以及射频识别(Radio Frequency IDentification, RFID)读写器、条码扫描设备、工业相机等数据采集终端。各类设备具备通用的数据集成接口，满足在线集成要求。

(2)通信层 通信层由工控网(非密网)、办公网(涉密网)、物联网平台和工控网数据传输系统组成。其中，物联网平台部署在工控网中，实现与各类设备的物联集成；工控网与办公网进行物理隔离，通过工控网数据传输系统实现数据的实时传递，并满足安全保密的要求。

(3)数据层 数据层由设计数据库、工艺数据库、物料数据库、检测数据库、产品模型库、设备模型库，以及一系列知识库、算法库和规则库组成，由企业大数据平台统一管理。

(4)业务层 业务层包括孪生模型构建和总装过程管控两大模块。孪生模型构建模块主要通过数字孪生建模工具集进行产品和车间的数字孪生模型定义以及虚实融合映射；总装过程管控模块由产品数据管理(Product Data Management, PDM)系统、企业资源计划(Enterprise Resource Planning, ERP)系统、MES、质量管理系统(Quality Management System, QMS)等系统的相关功能模块组成，具有排产调度、物料管理、装配执行管控、产品质量管控和车间资源管控等功能。

(5)应用层 应用层主要面向卫星总装过程的数字孪生管控新模式，实现车间状态可视化监控、产品状态可视化监控、生产资源瓶颈诊断、装配精度预测分析、生产进度预测、产品质量预测等典型应用场景，并提供车间优化决策支持。

3 关键技术

3.1 面向总装过程管控的产品与车间孪生建模

卫星产品数字孪生模型具有阶段性和动态性，其按照生命周期阶段进行演进，并始终处于动态更新状态。总装阶段卫星产品的状态变化十分频繁，总装车间内各类生产要素的分配、流转和使用等活动较多，为保证数据采集和虚实同步的效率，满足过程实时管控和高效预测的需求，基于产品关键的物理、功能、性能等特征建立产品孪生模型，基于总装车间中的关键设备、工位、人员等构建车间孪生模型，从产品和车间两方面为总装过程管控提供统一、准确和有效的模型支撑。

3.1.1 基于关键特征的产品孪生建模

针对总装过程管控的业务需求，将产品孪生模型定义为

DTpdt={ADmu,KFeature,IInterfacepdt,

CServicepdt}。

(1)

式中各项定义描述及实现方式如下：

(1)产品总装数字样机ADmu产品总装数字样机包括产品结构、三维模型和产品属性信息。在三维工艺设计系统环境下，接收产品设计模型、物料清单(Bill of Materials, BOM)信息、技术文件等，增加工装、工具模型，以及装配工艺流程、工艺内容、检验要求等信息，进行模型、信息的关联融合和处理，形成包含完整产品结构信息、属性信息和轻量化模型的产品总装数字样机。

(2)产品关键特征集合KFeature卫星总装阶段的产品关键特征主要从产品装配进度、质量和技术状态等方面进行定义。产品不同层级、不同组部件的关键特征都不尽相同，例如单机设备的关键特征包括其拆装状态、装配精度、紧固件拧紧力矩等，电缆组件的关键特征包括电连接器接插状态、接地阻值、线圈阻值等。产品关键特征列表如表2所示。关键特性通过数据库表的形式进行组织，并通过产品ID与工艺数字样机进行关联。

表2 产品关键特征列表

(3)产品数据接口IInterfacepdt产品孪生模型和实时数据间通过产品数据接口进行交互，产品数据接口包括总装数字化样机数据接口和关键特征数据接口，接口以应用程序编程接口(Application Programming Interface, API)、Web Service接口为主。

(4)产品总装过程管控服CServicepdt产品总装过程管控服务主要针对产品装配进度、质量和技术状态进行管控，基于规则、算法和知识库，提供数据处理、状态识别与监控、异常报警等服务。

3.1.2 基于关键要素的车间孪生建模

卫星总装车间孪生模型由车间中的产品、设备、人员等要素的孪生模型组成，本文针对总装过程管控需求，将车间孪生模型简化定义为

DTws={ShopM,KFactor,

IInterfacews,CServicews}。

(2)

式中各项定义描述及实现方式如下：

(1)车间数字模型ShopM车间数字模型包括车间整体布局模型、生产要素模型，以及各模型的属性信息、模型间的关联关系等。在三维设计环境中对各类要素进行建模和场景布置，同时开发各要素的实时数据或状态可视化界面，对车间数字模型的可视化进行定义。

(2)车间关键要素集合KFactor车间关键要素指直接影响车间运行和装配执行的专用工位、关键设备及人员、物料等，其通过ERP，MES等系统进行信息管理，并与车间数字模型关联。

(3)车间数据接口IInterfacews车间孪生模型和实时数据间通过车间数据接口进行交互，车间数据接口包括车间数字模型数据接口和关键要素数据接口。

(4)车间管控服务CServicews车间管控服务主要针对车间资源配置、物流管理、设备监控等，基于规则、算法与知识库，提供数据处理、状态识别与监控、异常报警等服务。

3.2 总装过程数据物联采集与虚实精准映射

3.2.1 基于物联平台的多源异构数据采集

卫星总装过程涉及产品数据、资源数据、生产管理信息等数据的采集，由于软硬件系统多、数据采集方式和接口类型不一，数据呈现多源异构的特点。为实现总装过程数据的精确、完整、高效采集和集成管理，构建总装车间物联网平台，提供传输控制协议/网际协议(Transmission Control Protocol/Internet Protocol, TCP/IP)、用户数据报协议(User Datagram Protocol, UDP)、用于过程控制的对象连接和嵌入(Object Linking and Embedding for Process Control, OPC)协议、Modbus、RFID等标准通信协议及标准化封装的API接口，同时针对各类数据开发集成接口和数据管理模块，实现各类制造要素的统一接入、数据在线采集和处理。卫星总装车间物联网平台数据集成架构如图3所示。

(1)设备与系统接入 卫星总装车间的大部分自动化装配设备、数字化工装、检测设备和设备端软件系统均支持TCP/IP协议，因此基于车间工业以太网部署物联网平台和数据采集适配模块，将各类支持TCP/IP协议的设备、工装和软件系统接入物联网平台，对设备及工装的运行状态数据、运行参数、异常信息等数据进行在线采集。对于不支持TCP/IP协议的温湿度传感器、可编程逻辑控制器(Programmable Logic Controller，PLC)等硬件，采用UDP，Modbus等通信协议进行实时数据采集；对于具有RFID标签的物料，则通过RFID协议进行物料ID和位置数据的实时采集。

(2)异构数据采集与存储 卫星总装过程中异构数据的采集方式包括在线实时采集、数据库集成采集和数据文档解析采集等，异构数据的采集与存储方式如表3所示。其中：设备运行数据、PLC数据、传感器检测数据、物流RFID数据等采用在线实时方式采集并进行结构化存储；信息系统数据库中的数据采用数据库集成方式进行采集和结构化存储；在设备端以Access，Excel等文件格式进行存储的数据，采用文档解析方式采集并进行结构化存储；图片、视频等多媒体数据采用在线实时采集方式进行集成，并与产品、工艺、工序等信息进行关联存储。

表3 异构数据的采集与储存方式

3.2.2 关键事件驱动的虚实映射

通过物联网平台或业务系统采集的多源异构数据以原始数据数据为主，很难直接与产品、车间的孪生模型进行关联融合，总装过程中的生产准备、原始数据采集等大部分原始事件也很难直接、精准驱动总装过程管控业务。因此，采用关键事件驱动的虚实精准映射方法实现虚实有效融合。关键事件指原始事件或多层次事件经过规则运算形成的新的具有意义的事件[18]。在总装过程数字孪生管控应用中，关键事件驱动实现产品关键特征、车间关键要素相关数据的处理和封装、感知与推送、虚实映射与融合。以机械臂辅助装配系统安装仪器设备为例，关键事件驱动的虚实映射流程如图4所示，主要步骤如下：

(1)定义关键事件 将关键事件定义为

Eventrob={Name,Attribute,KFeatureeqp,

KFactorrob,Content,Time}。

(3)

式中：Eventrob为机械臂装配单机事件；Name为机械臂辅助装配系统；Attribute为制造类设备属性；KFeatureeqp为装配单机的产品关键特征，KFactorrob为机械臂作为关键要素的相关数据；Content为产品、工艺流程、具体工序及工装等信息；Time为实时运行时间。关键事件通过物联网平台中的事件驱动引擎模块进行定义和配置。

(2)感知关键事件 以仪器设备装配工序开工和机械臂辅助装配系统运行作为关键事件的触发条件，通过物联网平台的设备集成接口和事件驱动引擎实时感知机械臂装配事件。

(3)采集原始数据 通过设备物联集成实现原始数据在线采集。

(4)处理与封装数据 根据产品关键特征和关键要素清单，对采集的过程数据进行过滤、处理和封装，采用可扩展标记语言(eXtensible Markup Language，XML)文档对仪器设备装配状态和拧紧力矩、机械臂开关机状态和运行参数等数据进行组织和封装。

(5)实时推送数据 采用Web Service技术开发数据接口，在线读取XML文档，并通过主动推送方式传送给孪生模型构建工具。

(6)虚实映射与融合 孪生模型构建工具解析XML文档获取数据，驱动产品孪生模型更新单机的装配状态和拧紧力矩值，同时驱动车间孪生模型更新机械臂系统的运行状态。

3.3 数字孪生驱动的总装过程实时管控与分析预测

3.3.1 产品总装实时管控与分析预测

在卫星总装传统管控模式中，由于产品数据的采集、整理和统计等依赖人工进行，信息系统中的产品装配状态相比实际装配状态经常存在延迟，难以进行实时管控和优化调整。本文通过构建产品孪生模型，以实时数据驱动产品孪生模型进行同步更新，同时结合ERP，MES，QMS等系统中的管控服务以及知识库中的规则、算法和知识，对产品装配进度、质量和技术状态进行实时管控和分析预测。数字孪生驱动的产品总装实时管控与分析预测流程如图5所示。

(1)产品装配进度实时管控与分析预测 通过总装物联平台、MES等实时获取产品装配的进度关键特征数据，如单机装拆、电缆网插拔、加热片粘贴等状态信息，驱动产品孪生模型更新对应的进度关键特征，并在三维可视化监控看板中实时展示各零部组件的三维装配状态和装配完成率；同时调用ERP，MES的进度管控服务，自动比对实际装配进度和装配计划，对超期情况进行预警并驱动调度流程进行动态调度。另外，采用数据挖掘、关联分析等机器学习技术，对历史工艺、装配任务和工时进行关联分析，构建面向不同部组件对象、工艺和工况的工时估算模型；通过产品孪生模型获取待装部组件列表，基于工时估算模型进行预排产，预测产品最终的装配进度。

(2)产品装配质量实时管控与分析预测 通过总装物联平台、MES、QMS等实时获取产品装配质量关键特征数据，如装配精度、拧紧力矩、极性方向、接地阻值等信息，驱动产品孪生模型更新对应的质量关键特征；调用MES和QMS的质量管控服务对质量数据进行自动判读分析，如自动对比装配精度、接地阻值等的实测值和设计值，对出现的偏差或异常情况进行警示，并驱动设计或工艺优化。在产品装配质量预测方面，构建产品装配精度预分析模型，基于产品孪生模型动态计算装配仿真和尺寸链，对产品的最终装配精度进行预测；同时，采用尺寸不变特征变换(Scale Invariant Feature Transform, SIFT)算法等自动识别所采集的产品图像数据，进行产品缺陷、多余物识别及质量隐患预测。

(3)产品总装技术状态实时管控 通过产品孪生模型实时获取产品当前的总装技术状态信息，如产品全部零部件的实际装配状态、性能参数等，然后调用PDM系统、MES、产品数据包管理系统中的技术状态管控服务，将当前的总装技术状态与设计、工艺要求进行比对，若发生偏离，则进行工艺调整。

3.3.2 车间实时管控与分析预测

(1)车间关键要素实时管控 针对车间内的关键设备，如机械臂辅助装配系统、精密对接系统等，通过总装物联网平台实时获取设备运行状态数据并调用设备监控服务，在对设备异常情况进行预警和设备维护提示的同时，采用颜色标识在三维可视化监控看板中进行警示；针对车间物流，采用RFID、条码识别技术，在库房和工位部署RFID读写器和条码扫描器，通过自动或半自动采集物料信息实时获取物料的区域位置和状态信息，并在三维可视化监控看板中实时监控物料信息，同时调用ERP和MES系统中的物料管控服务识别物料进入错误工位的情况并进行警示，以避免物料错装；针对车间环境，通过总装物联网平台实时获取厂房温度、湿度、电磁辐射等数据显示在监控看板中，当出现超限时进行报警。

(2)车间运行仿真及瓶颈资源预测 通过车间孪生模型获取车间布局及各关键要素的实际状态和位置等信息，将模型与数据输入车间运行仿真软件。然后根据产品装配工艺流程建立装配工序与资源间的映射关系，设置工序和工位作业时间等参数进行车间运行仿真，输出未来一段时间内的资源使用、物流路径、作业时间等数据，分析资源冲突情况并预测瓶颈资源，通过MES系统排产调度功能提前进行资源优化配置。

3.4 总装过程孪生数据的多维度组织管理

随着卫星产品数量的不断增加，以及车间自动化设备、业务系统的不断集成，孪生数据量呈几何级数增长。卫星总装过程孪生数据具有多源异构、数量大、实时性强、动态变化等特点，为满足总装过程实时管控和产品数据追溯的要求，构建了总装过程孪生数据多维度组织模型(如图6)，实现了数据的多维度、多粒度和多时间尺度管理。模型中各维度数据的组织方法如下：

(1)模型维度 该维度通过产品和车间孪生模型对其关联的孪生数据进行组织管理。各孪生模型之间根据装配计划、工艺流程等建立关联关系，从而实现总装过程孪生数据的集成管理。

(2)数据维度 该维度按照数据类型对孪生数据进行划分和组织。其中数据类型包括产品装配状态数据、装配精度数据、检验数据、设备运行参数等结构化数据，以及照片、视频等非结构化数据。

(3)时间维度 该维度按照时序对孪生数据进行标记和管理。同时，为了追溯总装过程重要阶段的产品装配状态，借鉴型号设计过程中基线管理的方法，在工艺制造过程中建立制造基线，基于制造基线对总装过程不同阶段的孪生数据进行自动标识。在追溯产品总装状态时，可以按照制造基线获取孪生数据并加载至孪生模型，构建基线状态下的产品数字镜像，从而实现对产品历史总装状态的复现。

此外，为有效管理总装车间几何级数增长的孪生数据，依托企业大数据平台建立了总装过程大数据管控模块，对产品和车间孪生数据进行存储、管理和挖掘。总装过程大数据管控模块采用“抽取—转换—加载”(Extract-Transform-Load，ETL)工具，实现大数据平台与各异构业务系统的全面数据集成和孪生数据采集，再经过数据清洗、关联、整编形成孪生数据仓库；同时，该模块采用大数据平台提供的多样化数据分析工具对数据仓库中的孪生数据进行挖掘，包括海量装配工况图片的人工智能识别与标注以及设备健康监测与预警等，并为分析预测总装过程提供数据支撑。

4 系统实现与应用

基于上述研究，本文采用分层架构开发了基于数字孪生的卫星总装过程管控系统，包括物联集成数据采集、孪生模型构建与管理、总装过程管控、分析与决策支持、数据集成管理等主要功能。系统主体功能采用浏览器/服务器(Browser/Server，B/S)架构进行开发，并通过API，Web Service等接口实现与产品三维设计、模型轻量化处理、三维可视化等工具软件的集成应用。系统集成应用架构如图7所示，其中各层实现方法如下：

(1)通信层 基于PTC Thingworx物联网平台开发了设备物联集成模块，采用TCP/IP，UDP等接口协议实现了机械臂辅助装配系统、精密对接系统、电子力矩扳手、电子经纬仪等设备的在线集成和数据实时采集，并通过工控网数据传输系统传递到办公网。

(2)数据层 依托业务系统结构化查询语言(Structured Query Language，SQL)数据库和企业大数据平台NoSQL数据库，实现产品全生命周期数据和模型的存储、处理与分析应用。

(3)业务层 以总装数字样机管理系统和卫星制造过程管控系统(MES)为核心，集成PDM，ERP等系统构建业务层功能。总装数字样机管理系统通过接口加载经过后台自动轻量化转化的产品三维模型和相关属性信息，定义产品的关键特征属性，然后通过Web Service接口实时获取数据库中各关键特征属性对应的数据，实现模型和数据的虚实融合更新，同时可以自动或手动设置产品总装状态基线，保存基线对应时刻产品孪生模型的全部信息；卫星制造过程管控系统在原有计划监控、过程质量控制、车间资源管理等功能基础上，开发了总装状态实时管控功能，构建了包括实时装配进度计算、质量数据分析、车间资源状态判读等的算法库和规则库，实现了对产品总装进度、质量和车间资源的实时监控，以及对异常情况的在线协同处理。

(4)应用层 开发了三维可视化监控看板、装配精度预测分析模块、生产资源瓶颈诊断预测模块、集成监控与决策支持看板，并实现了与业务层系统的集成应用。其中三维可视化监控看板可以根据总装数字样机实时管理系统中的模型和装配状态信息实时展示产品装配进度，也可以按照各基线时序连续展示产品三维模型的动态变化过程。

以某型号卫星总装过程中机械臂辅助单机装配为例对系统功能和应用流程进行说明。机械臂辅助装配系统与总装物联网平台进行在线集成，在单机装配过程中，物联网平台实时采集机械臂位姿和末端传感器受力数据，通过工控网数据传输系统传递至三维可视化监控看板；三维可视化监控看板调用虚拟车间模型，在信息面板中动态同步显示机械臂位姿数据和受力数据，并对受力超限的情况进行警示。设备数据采集及可视化监控界面如图8所示。

将单机装配过程中采集的装拆状态、实测力矩、接地阻值、单机重量等数据与产品总装数字样机中建立的关键特征属性进行实时映射和可视化展示，其中装拆状态数据实时驱动单机模型颜色变化，通过不同颜色(半透明灰色代表待装配，绿色代表已装配，红色代表拆除)渲染，实现产品装配状态的动态可视化显示。产品总装孪生模型的实时监控界面如图9所示。

系统根据时序自动设置产品总装状态基线，通过基线可实现孪生模型和数据的组织管理、追溯和连续播放，基于三维模型动态呈现单机、电缆、热控产品、结构件等部组件总装的全过程。同时，通过统计分析模块对部组件的装拆次数和装配进度等进行统计分析，然后与装配计划进行比对，对进度延迟情况进行警示，并根据单机装配管控规则对装拆次数和接插件插拔次数超限的情况进行警示。孪生数据基线标识及统计分析界面如图10所示。

目前，基于数字孪生的卫星总装过程管控系统已在上海卫星装备研究所总装车间进行部署，并在多个卫星型号总装中进行了应用。据统计，通过系统应用，实测数据驱动产品孪生模型同步更新的时间延迟在2s以内，孪生模型与产品实际装配状态的一致性达到95%，使装配进度和质量数据查询统计效率提高50%以上，产品历史总装状态追溯效率提高75%，同时实现了装配进度超期、实测数据和设计值偏离等情况的实时监控、分析与预警，有效提升了卫星总装过程的实时管控和决策支持能力。

5 结束语

本文从卫星总装过程管控的实际需求出发，引入数字孪生技术，提出一种基于数字孪生的卫星总装过程管控系统，对系统体系结构、关键技术和实现方式进行了研究和阐述。该系统提供了包括孪生模型构建、数据物联集成采集与虚实融合、总装过程实时管控与分析预测等功能的一体化解决方案，已应用于卫星型号研制，有效提高了型号装配进度、质量和技术状态的数字化管控水平。数字孪生作为智能制造未来的发展趋势之一，是卫星等航天产品智能制造的重点研究方向。后续将在此基础上进一步对卫星制造全过程数字孪生模型构建、车间大数据挖掘及智能决策等技术进行研究。