孪生技术使能的航天关重件机加车间集成框架研究*

钟珂珂，洪海波，沈义平，钱伟伟，于成龙，王宇斐

（1.上海航天精密机械研究所，上海 201600；2.南京航空航天大学，南京 210016；3.中国航天系统科学与工程研究院，北京 100048）

作为实现信息物理系统（Cyberphysical systems，CPS）落地实践的核心技术，数字孪生（Digital twin，DT）是以数据与模型的集成融合为核心的新模式，其通过在数字空间实时构建物理对象的精准数字化映射，基于分析预测形成最佳综合决策，从而实现制造过程全业务流程的闭环优化[1]。近年来，数字孪生技术凭借高保真实时镜像、多层级灵活组合、强动态按需配置等特点，在产品工艺设计、资源优化配置、质量分析预测、全要素协同管控等领域越来越受到工业界的重视[2]。

以舱体为代表的薄壁回转体零件具有壁薄、复杂、高精、结构与尺寸各异等结构特点，是航天飞行器的主要结构部段，其上安装空气舵、翼面带来大集中载荷，是典型的主承力构件；同时也是全弹俯仰、偏航控制机构的承载体，对保证飞行控制起重要作用；另外，舱体也是各类直属件、配套件等安装的附属本体，因此是航天飞行器的关键重要零件。目前机加车间承载着多品种、变/小批量的共线生产任务，存在研制阶段工艺动态优化任务重、生产质量控制手段单一、生产计划调度与重排的频度较高等问题与瓶颈，无法满足“十四五”期间生产当量、周期、质量等要求大幅提升条件下车间运行所面临的越来越频繁的动态不确定性的挑战。

如何通过模型构建–仿真预测–决策优化的全链路系统集成技术，构建航天关重件机加车间数字孪生技术集成框架，形成孪生技术赋能的数控机加车间制造新模式，大幅提高模型与数据双驱动的车间生产全流程、全过程管控的实时性和准确性，对全面提升武器装备保障水平具有重要的战略意义。

数字孪生技术与机加车间的需求结合

在已有机群、数字化生产单元、数字化生产线、立体库、刀具库、检测单元等要素的基础上，通过物理车间与虚拟车间的双向真实映射与实时交互，实现在机加车间孪生数据的驱动下，研制工艺、生产作业计划、质量控制过程等的迭代运行，从而实现航天飞行器关重件高质高效加工[3]，具体需求如下：

（1）探索基于模型的智能工艺，实现多工艺交叉下的高效加工。传统研制模式中结构设计数据和工艺数据、制造过程数据相互分离、自为体系，同时，基于人工经验“试错”的工艺设计方式造成动态优化效率难以有效提升，工艺优化周期长，本研究针对加工工艺中的加工策略、加工路径、加工工序和加工参数，通过高效加工专家知识库，并基于孪生数据进行可视化动态仿真，实现加工工艺的事前加速验证与智能决策。

（3）提升多工序、多扰动情境下的智能排产能力，满足多型号共线生产快速响应制造需求。目前依据人工经验排产得到的作业计划可行性不足，导致在生产过程中存在频繁调整，不同型号零件切换周期长，资源配置效率低。本研究有效打通复杂结构件数控加工过程资源配置全闭环控制链路，形成基于实时数据与计划模型在线交互与解算的动态调度机制，提升智能车间的敏捷度。

（4）全面集成数字孪生的工具、方法与系统平台，实践基于虚实融合的智能车间管控模式。以往单点数字化手段已难以解决工艺设计、质量保证以及资源配置等方面的动态不确定问题，本研究通过物理制造系统与虚拟制造系统的虚实融合、以虚控实，快速响应车间各种生产状况，提升车间整体效能，发挥示范效应。

数字孪生机加车间整体集成框架

在充分梳理、分析和提炼上述航天关重件机加车间业务需求的基础上，按照“1个孪生环境、3项业务场景、1个使能平台”的思路，围绕数字孪生建模与虚实映射、加工工艺优化设计、混流排产与动态调度优化、加工质量预测与控制以及智能车间数字孪生系统开发等建设内容，构建如图1所示的数字孪生机加车间整体集成框架[4]。

图1 数字孪生机加车间整体集成框架Fig.1 Integration framework of digital twin machining workshop

（1）数据感知。以车间现有的数据感知物联网络为核心载体，利用OPC、Modbus TCP/RTU、Profibus、EtherCAT等采集协议并结合信号提取与处理过程，实时采集机加生产现场工艺、设备、物料、质量等对象的状态数据、工况信息与检测结果，作为物理车间状态表征、孪生车间状态映射的数据源头。

（2）孪生环境。研究全要素孪生体建模、多源异构数据融合与传递、在线运行与状态镜像等技术，构建包含人机料法环孪生体的多层次、全要素、全流程的机加虚拟车间。

（3）映射枢纽。数据中台负责物理车间与孪生车间之间的数据传输、映射与交互，保证数据的一致性，是虚拟车间高保真动态镜像的关键。

（4）使能平台。全面集成仿真、模型、数据与控制组件，通过接口的调用，形成面向不同功能模块的数字孪生决策引擎，进而构建工艺设计、动态调度以及质量预测APP，3个APP是孪生系统发挥具体作用的落脚点，同时也是孪生决策引擎的前台，仿真、分析、预测以及控制措施都从APP里生成、配置与分发；虚拟车间进行工艺和排产的加速仿真优化并反馈给孪生系统APP，从而指导和优化物理车间实际的业务过程；同时孪生系统会对物理车间的设备、刀具等核心生产要素进行监测、趋势分析与预警。

由于基础设施是中国在“一带一路”国家直接投资的重要领域，它更是关系到互联互通和双边经济发展的主要内容。所以，本文将引入“一带一路”国家的基础设施建设情况，考察中国直接投资有多少是通过完善沿线国家的基础设施来促进双边经济增长的，以及东道国各项制度在影响这部分中国OFDI的双边经济增长效应时是否都存在门槛效应。

（5）孪生车间。孪生车间是包含物理车间、虚拟车间以及孪生系统三大要素的集合体。其中物理车间是加工任务的实际载体和数据源头；虚拟车间是物理车间的忠实映射和交互界面；孪生系统是工艺、计划与质量相关业务迭代优化的决策中枢。

车间数字孪生全要素建模与虚实映射

全要素数字孪生模型是构建机加虚拟车间的基础，国内刘利钊等[5]从矩阵论的视角出发，研究了一种面向复杂制造流程类簇/类/对象的多维时空建模方法以及数据建模处理方法，但未对基于实时仿真的时空模型与实际制造过程的实时同步和虚实镜像进行深入研究。陈援非等[6]采用Ontology方法对物理空间和信息空间分别进行建模，并将泛在设备作为媒介建立信息–物理空间的映射关系，实现信息空间的服务规划。对于制造系统特别是离散制造过程的数字孪生建模过程而言，能有效融合多域模型构建、实时虚实精准映射以及在线动态运行仿真的集成建模方法是目前存在的难点。

本研究针对设备软硬件紧密耦合、非标准指令混杂、传感数据多源异构给孪生模型多尺度集成、虚实状态同步镜像、在线运行仿真带来的挑战，通过揭示工艺、机构动作、物流运动、资源配置之间的多因素、多层次耦合关系，建立关重件机加车间多尺度、多物理量、多维度集成的设计模型。

1 多维度数字孪生体构建与全要素集成

车间多维度孪生体构建与全要素集成主要包括数字样机构建、车间逻辑模型构建、车间信息模型构建，以及包含孪生单元整合、数据知识传递、弹性扩展在内的多尺度单元组装技术[7]，如图2所示。

图2 机加车间数字孪生体构建与全要素集成Fig.2 Building and integration of digital twins of machining workshop

（1）车间数字样机构建。对机加车间中人、机、料、法、环90%以上核心生产要素进行CAD几何模型构建及预处理，特别是机床、工件、刀具、工装、厂房、人员、物流设备等对象。其中模型预处理包括格式转换、模型简化等，并参照相关行业标准对各个零部件进行规范命名。数字孪生虚拟车间构建包括场景建模和工艺流程仿真，其中场景建模又包括设备模型、车间模型、工具模型，工艺流程仿真模块接受来自场景建模中的数据，通过CAT Process文件进行流程仿真。

（2）车间逻辑模型构建。物理车间到虚拟车间的映射是关重件加工数字孪生车间三维可视化监控的核心，为建立真实的映射过程，需要对车间生产系统进行建模，从而准确地描述车间动态行为。针对典型离散事件动态系统的特点，通过Petri网建模方法来描述生产系统作业逻辑，通过实时信息转化的车间事件驱动生产系统状态转换，通过层次化的映射规则建立数据驱动的虚拟车间同步运行模式，从而动态映射物理车间现场作业运行[8]。

（3）车间信息模型构建。利用物联网及大数据技术，构造层次化、模块化的信息模型体系。通过对关重件机加数字孪生车间信息站点的动态组合，实现在网络环境下进行并行工程分布式的动态联盟。机加车间信息模型由车间信息管理系统、车间数据中心和各区域信息站点等要素构成。

数据中台不同的数据管理组件负责对上述3类主要模型信息进行一体化存储、管理与传递。信息模型中的生产计划、作业调度、设备资源、物流控制、工作状态等数据传递给车间逻辑模型进行关联，动态映射物理车间的现场作业状态，同时，车间逻辑模型又进一步调用相应点位的车间数字样机信息，将动作变量、历程变量和场变量数据转换成控制逻辑、曲线、云图和流场，进行可视化精准镜像。

2 多源复合驱动的在线运行与虚实状态镜像映射

通过对复合数据的频谱滤波、实体设备几何特征提取以及工艺流程的语义抽象，实现车间多层次状态镜像映射；构建孪生体的响应机制，采用物理信息融合的方法真实模拟数据在孪生单元间的传递，实现复合数据驱动的孪生体在线运行，采用基于代理模型的方法加快孪生系统的响应速度；最后在车间孪生场景中导入关联数据格式文件，将场景模型与仿真分析数据相关联，基于可视化渲染引擎将设备的运动行为以及应力应变等CAE分析数据直观实时地展示出来，如图3所示。

图3 虚拟车间在线仿真流程Fig.3 Online simulation flow of virtual workshop

孪生数据驱动的加工工艺优化设计

如图4所示，在航天关重件机加车间的场景中，孪生数据驱动的加工工艺优化具体在以下两个方面发挥作用：（1）在数字孪生系统中，以加工稳定性、设备加工能力、所耗工时、资源整体平衡性为首要评价标准，对初步制定的加工工艺路线安排、加工工艺参数（转速、进给、切深和切宽）进行虚拟仿真，避免欠切、过切和碰撞，实现在正式加工之前基于孪生系统对微观加工参数的正确性以及宏观的工艺资源配置的可行性进行优化与验证，从而提前规避工件质量问题、设备加工能力不足、额外加工任务等各项干扰；（2）在实际加工过程中，基于制造过程模型开展可视化工艺动态仿真，从而对加工参数进行决策优化，并且对零件的加工质量进行在线评估与预测，实现从基于静态数据的工艺被动设计到基于实时孪生数据的主动评估的转变。

图4 加工工艺优化技术途径Fig.4 Technical solution of process optimization

如图5所示，基于制造过程模型开展可视化工艺动态仿真，其中制造过程模型主要包括制造工艺过程涉及的几何模型、物理模型、行为模型、规则模型等。几何模型和物理模型同属于工艺实体模型范畴，用于表征加工特征的几何信息和拓扑关系；行为模型主要模拟外部环境与干扰对加工过程的影响，可进一步细分为问题模型、评估模型和决策模型；规则模型涵盖工艺要求、加工方法、切削参数和切削余量等。首先导入用于反映制造过程运行状况、实时性能、环境参数、突发扰动等信息的装备实时数据，接着利用这些信息结合加工的物理模型，从微观尺度对加工工艺产生的实时响应及行为进行动态的数学近似模拟与描述，如结构、热变形、零件受力等；最后结合基于机器学习的加工规则模型，实现仿真过程的自学习和自演化，从而使得动态仿真具备实时的判断、评估、优化及预测的能力，即人机紧密在线交互式可视化的工艺动态仿真[9]。

图5 可视化工艺动态仿真Fig.5 Visual process dynamic simulation

基于实时数据的混流排产与动态调度

针对航天飞行器关重件生产多品种变批量、动态扰动频度高等问题，结合机加工艺过程，围绕生产计划执行情况、生产过程扰动情况和制造资源平衡性等，通过工业互联网平台获取当前加工情况，以及订单变化、质量问题、设备故障等不确定要素；根据实时的加工任务，基于加工工序和加工设备两层编码的改进遗传算法在孪生系统里进行选择、交叉和变异求解[10]，获取优化的排产方案并进行动态调度，具体实施路径如图6所示。

图6 混流排产及调度优化实施途径Fig.6 Implementation approach of mixed-flow scheduling optimization

多目标柔性作业车间调度可以描述为生产车间中在m台设备上加工n个工件，每个工件包含ni个事先确定加工顺序的工序，每个工序可以在多台设备上加工。基于遗传算法具有很强的全局寻优能力，拟建立完工时间、延期时间和设备总负荷3个优化目标的车间生产调度模型，通过改进遗传算法寻求车间调度的最优解[11]。

采用基于加工工序编码和加工设备编码两层编码方式，弥补了传统遗传算法采用单层编码基因多样性和完整性不足的缺点。染色体被分成前后两个部分：前部分染色体对应工件加工工序；后部分染色体对应相应的加工设备。之后经过选择、交叉、变异等操作得到满足约束条件的调度方案。

虚实同步的加工质量诊断、预测与控制

围绕多品种变批量特点的机加零件加工过程，基于加工各工序的定位精度、工件热变形，以及机床加工参数、质量数据和质量问题案例等历史数据，建立包括实例库的加工质量诊断及预测关联关系模型，并结合数字孪生模型实现基于加工参数、材料、数控机床、刀具、变形等各类要素对质量问题的虚拟诊断和预测[12]；结合实时的零件加工参数对实际的加工质量情况进行诊断和预测，并对可能出现的质量问题进行判断和决策，并给出调整方案，实现对质量问题的控制，具体路线图如图7所示。

图7 基于孪生数据的产品质量预测与控制路线图Fig.7 Quality forecast and control based on twin data

基于微服务的机加车间数字孪生系统开发与集成

以仿真、模型、数据、控制组件库为核心，基于微服务框架[13]，搭建“实物数字化、过程脚本化、系统集成化、控制指令下行同步化、现场信息上行并行化”的航天飞行器关重件机加车间数字孪生系统，整体架构如图8所示。

图8 机加车间数字孪生系统整体架构Fig.8 Architecture of machining workshop digital twin system

基于微服务思想，参照云计算和工业互联网体系架构，建设基于微服务的智能车间数字孪生系统，将机加车间数字孪生系统分为基础平台、技术中台和孪生应用3个核心层级。

（1）基础平台层。涵盖IT基础设施、基础软件平台，以及面向工业领域的平台功能，为业务系统开发、运行、维护提供基础软硬件平台。

（2）技术中台层。分为业务中台、数据中台和孪生中台。业务中台涵盖质量管控、工艺流管理、调度优化等一系列微服务；数据中台实现数据汇聚、处理、治理，并开发数据驱动的工业模型算法；如图9所示，孪生中台涵盖孪生模型、实时仿真、预测分析、反馈控制等一系列共性组件、模型、算法，并基于此形成相应的支撑车间APP开发的独立的孪生决策微服务。

图9 机加车间数字孪生环境集成建模Fig.9 Integrated modeling of digital twin machining workshop

（3）孪生应用层。基于孪生决策微服务，结合车间生产相应的工业机理模型，面向工艺优化、资源配置和质量控制等主题，构建相应的应用APP。孪生系统应用如图10所示，利用孪生数据驱动工业机理模型进行在线仿真、计算、评估和预测，形成决策优化指令并向物理车间下达以完成反馈控制，从而实现虚拟车间与物理车间的虚实融合，为工艺迭代优化、动态排产调度以及质量分析预测等问题提供有力的支撑，提升机加车间生产全过程的协同管控能力。

图10 基于工位状态诊断的车间资源调度Fig.10 Workshop resource scheduling based on state diagnosis

结论

随着生产当量、交付周期以及质量控制要求的不断提升，高精密机械加工作为航天飞行器关重件产品实现的核心环节，在工艺设计、资源配置和质量保证等方面面临越来越严峻的挑战。传统的以局部数字化和信息化为主的方式已不能适应新形势下的机加车间运行动态优化与管控要求。针对机加车间的运行特点，引入数字孪生技术，通过实时感知–精准映射–在线分析–动态反馈全链路技术能力的整合，构建涵盖孪生环境、映射枢纽、使能平台为核心功能模块的机加数字孪生车间集成框架。通过孪生数据驱动的加工工艺优化设计、基于实时数据的混流排产与动态调度以及虚实同步的加工质量诊断、预测与控制等手段，为机加车间缩短工艺优化周期、提高资源动态配置效率、提升质量分析预测水平提供了切实可行的技术途径。同时也为航空、船舶、电子、兵器等军工离散制造企业智能车间的建设提供了借鉴。