复杂定制产品智能化设计与验证协同模式

吴轩宇，洪兆溪+，刘继红，冯毅雄，曹衍龙，张冠伟，万 立，吴薇薇，谭建荣

(1.浙江大学 设计工程研究所，浙江 杭州 310013；2.北京航空航天大学 机械工程及自动化学院，北京 100191；3.天津大学 机械工程学院，天津 300350；4.华中科技大学 机械科学与工程学院，湖北 武汉 430074；5.江西洪都航空工业集团有限责任公司，江西 南昌 330213)

0 引言

复杂产品是具有客户需求复杂、产品构成复杂、产品技术复杂、制造过程复杂、项目管理复杂等特点的一类产品，以航空航天等行业的典型产品为代表[1]。产品定制设计是以减少内部多样性和增加外部多样性为目标，通过对产品进行模块化或参数化变型设计来满足客户的个性需求[2]。然而，当前小批量、个性化的复杂定制产品面临设计智能化程度低、设计验证困难等问题，导致其研制周期长、产品质量差，使其难以适应全球市场竞争的加剧。因此，迫切需要采用标准化、规范化的模型贯穿产品设计全过程，面向重用与创新实现设计知识集成，建立集成复杂定制产品方案设计和工艺设计于一体的智能化设计技术体系，通过可视化仿真验证进行产品设计的有效评价，促进制造企业创新驱动增效和复杂定制产品高质量发展。

国内外学者已经在产品信息建模[3-4]、需求分析[5-6]、模块划分[7-8]、配置设计及优化[9-10]、参数化设计及优化[11-12]等复杂定制产品方案设计关键技术研究方面取得了很多成果，但由于复杂产品方案定制设计是一项多学科融合的复杂系统工程活动，传统的基于文档的设计过程存在诸如产品设计信息的完整性、一致性和可追溯性难以保证等问题，难以适应设计过程的复杂性和动态性。为了应对以上挑战，国际系统工程委员会提出了基于模型的系统工程(Model-based Systems Engineering, MBSE)，主张以结构化的系统模型支持产品方案设计，并持续贯穿到产品全生命周期过程，保证精准表达语义、统一理解语义、跨多学科协同设计以及对设计变更的快速响应[13]。MBSE遵循需求定义、功能分析、架构设计、验证确认的建模方法论，在专门的建模工具上，利用系统建模语言构建图形化的系统模型表征复杂定制产品需求、功能、架构等方面，并在此基础上进行仿真验证，在设计前期最大化地规避风险、降低成本以及提升效率。SysML是一种通用的图形化系统建模语言，主要从需求、行为、结构、参数4个视角来构建可运行且表达复杂定制产品静态结构和动态行为的系统模型，进而实现复杂定制产品设计方案的早期功能逻辑验证。实际上，复杂定制产品的方案正向设计是从外在需求、内在功能到物理结构的映射过程，这与MBSE建模方法论中需求分析、功能分析和设计综合这3个相互依赖且反复迭代的环节十分对应。在需求分析阶段，主要构建需求图和用例图；在功能分析阶段，主要构建活动图、序列图和状态机图；在设计综合阶段，主要构建模块定义图、内部模块图和参数图[13]。以波音、空客、NASA为代表的航空航天企业和以达索、雷神、洛克希德·马丁为代表的国防军工企业近10余年在MBSE的探索和应用方面取得了巨大的成功[14-15],通过研究设计流程建模优化和基于资源共享的精益化流程再造，实现了研发流程的动态关联和无歧义表达，成为了复杂定制产品研发的主流。国内航空航天等行业近些年也在新型号自主创新的驱动下，积极运用MBSE方法开展复杂定制产品方案设计与仿真验证[16-18]。因此，复杂定制产品方案设计的模块化和参数化思想与MBSE方法的深度融合将成为复杂定制产品研制的新发展趋势之一。

尽管关于MBSE的传统定义指出其贯穿于产品研制全生命周期，但目前国内外相关研究和现状表明MBSE的应用范围仍局限在产品的方案设计阶段[14-15]，即通过系统建模语言来支持方案设计阶段的需求、功能和结构等建模与仿真，而无法适用于下游设计阶段。为了将“模型驱动”的思想贯彻产品设计全周期，基于模型的定义(Model-based Definition, MBD)技术的研究与应用极为关键。随着制造业信息化水平的不断提高，当前的工艺设计方法已经不能与上游的全三维数字化设计和下游的先进制造工艺及装备相适应，存在“设计—工艺—制造”全三维数据链的断层，逐渐成为智能制造的瓶颈。传统的以二维工程图为核心的工艺设计模式存在诸如上游设计意图难以理解、工艺变更难以传递、工艺信息多源异构等问题[19]，而MBD技术以三维模型为核心，集成了完整的数字化产品定义信息，使得设计、加工、装配、检验等过程高度集成，将工程人员从百年来的二维文化中解放出来，专注于定制产品的创新研发[20]。其基本思路是：借助三维产品数字化设计软件，从零件设计MBD模型中提取加工特征、尺寸公差及其他技术要求，进而在可视化环境下开展零件工艺方案的制定及详细工艺设计。国外企业如波音，已经在新型客机的研制过程中全面采用MBD技术，开创了飞机三维数字化设计制造的崭新模式[21]。MBD驱动的复杂定制产品工艺设计与仿真验证方法在我国制造业中尚处于探索阶段，国内企业大部分还停留在产品设计采用三维模型，而工艺设计仍沿用原有的二维计算机辅助工艺规划(Computer Aided Process Planning, CAPP)系统。究其原因，主要在于三维工艺设计过程中如制造资源的层次建模与关联匹配、工艺路线的智能生成与混合优化、工序模型的快速构建与动态响应、工艺过程的虚拟仿真与可视输出等关键技术并未完全突破。

航空航天等领域的复杂定制产品是机电软耦合的高端科技产品，其研制过程具有典型的知识密集属性。无论是复杂定制产品方案设计中的需求分析、方案配置、方案评价等阶段，还是复杂定制产品工艺设计中工艺路径规划、典型工序方案推荐、基于特征的快速编程、加工刀具及参数优选等工作，都离不开设计知识库与设计系统的互联互通。然而，制造企业当前的设计知识服务状况却不容乐观，设计人员在进行新型号研制时会将大量的时间花费在查阅文献资料上[22]。究其原因，主要在于复杂定制产品制造业具有结构复杂、技术密集、业务过程耦合和需求多变等特点，导致复杂定制产品数据与知识管理存在多知识领域交叉、时间覆盖全生命周期、空间强调异地协同等难题[23]。因此，必须借助异构集成、分布式管理和多模态表征等技术实现设计全周期数据和知识的协同组织建模。数据空间充分考虑了如何最大程度上展现复杂定制产品设计全周期数据的有效性及可行性，使得其在打破“数据孤岛”以及推动多源异构数据快速融合方面具有明显优势。同时，基于数据空间底层架构的数据组织方式，也使得快速便捷地分析产品大数据的潜在价值并获取设计知识成为可能[24]。在复杂定制产品数据空间构建与设计知识集成方面，当前热点主要集中在多源异构数据空间统一建模[25-26]、分布式数据空间集成更新演化[27-28]、开放领域碎片化知识建模与隐形关联规则深度挖掘[29-30]等方面。面向多领域协同的数据空间集成建模演化、分布式异地存储数据一体化管理体系和建立具有强语义关联和推理能力的知识网络是未来发展的趋势。因此，为了克服过去以经验为主的定性研制困境，可以借助数据空间强大的数据信息整合管理能力，通过突破领域元数据驱动的高内聚协同数据空间建模、面向多方协作的数据空间分布管理、数据空间驱动的设计知识网络自组织和面向跨业务交互的设计知识网络动态补全更新等关键技术实现设计知识集成，最终达到设计知识重用和创新的目的，支持复杂定制产品智能化设计与验证协同全过程。

基于以上背景，本文以MBSE、MBD等新一代数字化设计技术的应用为前提，以复杂定制产品设计流程为主线，围绕模型和知识驱动，研究复杂定制产品智能化设计与验证协同模式及其总体框架，在此基础上详细阐述复杂定制产品智能化设计与验证协同模式涉及的关键技术体系，为复杂定制产品数字化设计制造提供一个可参考的解决方案。

1 复杂定制产品智能化设计与验证协同模式总体框架

制造企业目前的复杂定制产品设计与验证具有如下特点：①采用基于文档的系统工程思想指导方案设计活动，导致设计语义难以理解、设计元素之间难以追溯、设计变更影响难以评估、设计方案难以进行前期仿真验证；②采用基于物理样机试验验证为主、基于三维数字样机模拟仿真为辅的方案仿真验证方法，仍未实现全三维的数字化仿真验证，缺乏可视化验证手段；③方案设计阶段与工艺设计阶段的数据链路仍未打通，工艺设计仍以二维工程图为主，三维产品模型为辅；④工艺设计过程主要依靠工艺人员的工程经验，缺乏工艺知识重用和工艺建模仿真；⑤制造现场仍通过二维工艺规程指导生产活动，缺乏可视化工艺输出，导致车间工人难以理解设计意图;⑥缺乏复杂定制产品设计全周期规范化数据治理管控体系，设计知识跨业务流通交互和高效共享重用需求迫切。

本文所提出的复杂定制产品智能化设计与验证协同模式是以复杂定制产品设计流程为主线，以逻辑连贯一致的多视角MBSE模型与设计制造信息高度集成的MBD模型为驱动，以基于数据空间的设计知识集成为支撑，通过可视化仿真进行复杂定制产品方案设计与工艺设计的有效验证，为未来复杂定制产品设计与验证协同的进一步落地应用提供参考。与当前已有的模式相比，复杂定制产品智能化设计与验证协同模式的核心优势在于方案设计从基于文档的系统工程思想向基于模型的系统工程思想转变，通过MBD模型使方案设计与工艺设计阶段数据实现互联互通，且保证工艺设计及后续制造阶段的单一数据源，仿真验证基于模型驱动且可视化，同时通过基于数据空间的设计知识集成来实现设计知识的重用与创新，支持方案设计与工艺设计全过程。具体地，在基于数据空间的复杂定制产品设计知识集成方面，面向复杂定制产品设计全周期异构数据难集成、数据规范难统一、知识壁垒难打破以及知识服务难应用等问题，通过领域元数据驱动的高内聚协同数据空间建模、面向多方协作的数据空间分布管理、数据空间驱动的设计知识网络自组织和面向跨业务交互的设计知识网络动态补全更新等步骤来建立规范化的数据治理管控体系，促进设计知识的重用与创新。在复杂定制产品方案设计与仿真验证方面，采用规范化、标准化的MBSE模型贯穿方案设计全过程，最终构建设计MBD模型打通方案设计与工艺设计的数据链路。通过客户需求的精确识别与映射转换、设计方案的柔性配置与多维决策、产品信息的三维标准与质量检查、设计方案的仿真优化与验证评价等步骤，最终实现模型驱动的产品“需求识别转换—方案智能设计—可视仿真验证”闭环迭代描述。在复杂定制产品工艺设计与仿真验证方面，基于工艺MBD模型贯穿工艺设计全过程，通过制造资源的层次建模与关联匹配、工艺路线的智能生成与混合优化、工序模型的快速构建与动态响应、工艺过程的虚拟仿真与可视输出等步骤，最终实现模型驱动的产品“制造资源组织—工艺智能设计—可视仿真验证”闭环迭代描述。整个模式通过MBSE支持复杂定制产品设计初期的需求、功能、结构等过程的建模与仿真，通过MBD打通方案设计与工艺设计数据链路并支持工艺过程的三维贯通，最终实现复杂定制产品智能化设计与验证协同。该模式最终面向航空航天领域开展应用示范，通过分析航空工业洪都高级教练机的研制需求和流程，提出智能化设计与验证应用解决方案和系统体系架构。一方面，应用解决方案主要以MBSE和MBD为先导，实现以需求为核心向基于模型的设计工程、基于模型的制造工程和基于模型的试验试飞等阶段的传递与融合，基于模型有效串联起系统全生命周期各个阶段，支撑复杂航空装备研制全过程。在流程、方法、工具和环境的支撑下推进端到端的生命周期流程、持续工程和工业知识嵌入，构建具备跨系统集成评估和基于模型的验证与确认能力的分布式先进工程设计环境，实现对产品和工程任务全生命周期研发活动的全覆盖，支持复杂系统/多学科领域的工程设计和评估，提升研发复杂新系统、新产品和新任务的能力。另一方面，系统体系架构主要从配置化通用基础平台、基础设施层、数据空间层、协同应用层4个部分进行详细阐述。复杂定制产品智能化设计与验证协同模式框架如图1所示。

2 复杂定制产品智能化设计与验证协同模式关键技术

依据所提出的模式框架，以复杂定制产品设计流程为主线，以MBSE和MBD技术为支撑，围绕模型和知识驱动，对上述新模式所涉及的3个关键技术的实现思路进行详细阐述。这3个关键技术包括：①复杂定制产品方案设计与仿真验证协同；②复杂定制产品工艺设计与仿真验证协同；③基于数据空间的复杂定制产品设计知识集成。

2.1 复杂定制产品方案设计与仿真验证协同

复杂定制产品方案设计与仿真验证协同的核心在于将产品需求、功能、架构及其具体实现等各层级的信息通过规范化、多视角模型串联起来，保证复杂产品方案设计过程可追溯、个性需求可传递、变更影响可分析，同时通过可视化仿真验证最大程度地在产品研制前期规避风险与缺陷。为了解决复杂定制产品方案设计阶段的模型表达不充分、模型贯通不彻底、设计验证与评价不准确等问题，需要深度融合MBSE和MBD方法，实现客户需求的精确识别与映射转换、设计方案的柔性配置与多维决策、产品信息的三维标注与质量检查、设计方案的仿真优化与验证评价等过程，具体技术路线如图2所示。

(1)客户需求的精确识别与映射转换 复杂定制产品方案设计是面向人的设计过程，在保证设计周期和产品质量的同时准确地把握住客户的个性需求是产品成功的关键。由于客户需求具有模糊性、矛盾性、优先性、多样性、多变性等特征，导致其难以量化、分析与转换，如何利用MBSE方法对客户需求的精确识别和映射转换过程进行抽象和规范显得至关重要。首先，基于群体语义表达技术对客户需求信息作出精确、定量化的描述，实现功能性和性能性产品需求的完整定义。MBSE方法对该步骤的支持在于建立涉众需求和产品需求之间的关联，定义用例图并保证所有功能性和性能性产品需求完整地覆盖到用例图上。然后，运用基于关联规则的产品需求智能挖掘算法，对产品需求进行模糊聚类分析，通过卡诺模型来实现产品需求的重要度评价。由于一组被选用例定义系统工程工作流迭代的增量，每次增量结束后，用例图的分类排序将会更新。最后，通过构建“需求域—功能域—结构域”间的跨域转换关系，分析需求域向设计参数域的精确映射过程，完成需求和设计任务的准确匹配。MBSE方法对该步骤的支持在于基于需求用例图创建黑盒活动图、黑盒序列图、黑盒状态图等系统模型，并对系统模型进行执行，以验证复杂定制产品需求的完整性、一致性和正确性。

(2)设计方案的柔性配置与多维决策 针对复杂定制产品在设计方案配置时存在模块划分不清晰、敏感设计参数识别难以及配置效率低等问题，首先，通过多层次关联的复杂定制产品模块划分方法，建立复杂定制产品模块多层次关联的分层结构模型，求解不同粒度等级的模块聚类方案。然后，利用复杂定制产品设计参数的局部敏感度和全局敏感度聚类方法，识别对产品性能需求变化敏感程度较高的设计参数，通过变差指数约简参数集设计变量。最后，建立需求—设计指标—模块间的多层级映射关系，根据模块匹配和参数驱动进行产品方案柔性配置设计。MBSE方法对设计方案柔性配置阶段的支持在于配置方案的结构化表达。用例图被分解为相关产品部件，所产生的产品部件用模块定义图和内部模块图来描述，即实现产品需求到产品结构的分配。同时，将黑盒活动图、黑盒序列图、黑盒状态图进行白盒化，识别产品部件间的交互关系和接口，执行模型进行验证后进入下一产品层次的设计迭代，直至完成复杂定制产品配置设计方案的完整表达。由于客户需求的模糊性与不确定性、设计人员对客户意图理解的偏差等问题，往往导致方案配置阶段产生多个备选方案，必须对设计方案进行择优处理。MBSE方法通过确定多维评估标准、分配权重到评估标准、定义标准的效用曲线、分配有效性度量到备选方案、合并和决定解决方案等工作流程提供支持。

(3)产品信息的三维标注与质量检查 随着MBD技术的应用，传统的方案设计与工艺设计阶段数据源不统一的问题得到了解决。但与此同时，也引发了前端设计部门向后端制造部门传递的设计MBD模型不合格的问题，即设计MBD模型仍存在模型特征与实物不相符、与标注不相符以及标注信息大量缺失、错误等情况，造成后续制造需求信息无法获取甚至加工错误。目前，若使用设计MBD模型进行工艺设计，仍需要制造部门对其进行人工检查校对，加大了工艺人员工作量，且存在对设计MBD模型错误解读的风险。为解决上述问题，复杂定制产品的三维标注与质量检查极为关键。三维标注技术是根据已颁布的国内外三维标注标准，在产品三维模型上对其设计特征信息、制造工艺信息、模型属性信息等非几何信息进行表达和管理，搭建了产品三维设计与制造之间信息传递的桥梁，解决了MBD模型的共享问题。通过设计并实现涉及零件基准识别、特征简化与还原、表面分组等一系列技术的三维自动标注算法，开发基于MBD的智能三维标注系统，可以增强产品信息的三维表达能力。然而，三维标注技术不只是简单地将二维图样信息反映到三维模型中，复杂定制产品的信息表达内容繁杂，数量众多的三维标注信息容易相互干涉重叠产生所谓的“刺猬”现象，无法体现三维模型的表现力。针对上述问题，采用智能布局算法实现三维标注的重叠判断和位置调整，通过分图层、分视图方法直观地表达产品信息。同时，由于设计者的不良建模习惯、不同设计软件的异构性等因素，导致模型数据出现错误、缺失和冗余等质量问题，而传统的人工检查方法难以对大量模型数据作出正确评估并发现其中的微小缺陷。模型质量检查的内容包括几何拓扑信息、设计特征信息、制造工艺信息和模型属性信息，其流程如下：首先应参照相关标准规范建立符合制造企业需求的可配置模型检查规则库，然后针对不同类别模型信息的数据特点，利用具有强大鲁棒性的信息提取并检查算法保证检查程序的稳定运行，最终软件应将检查结果直观地展示给使用者。

(4)设计方案的仿真优化与验证评价 通过提取产品模型的多域物理模型，进行多层次协同仿真，是实现复杂定制产品优化设计的关键。然而复杂定制产品性能优化目标多为非凸函数，全局寻优极为困难，且复杂定制产品多域性能仿真时间难以同步。运用基于设计参数集的产品物理模型自动简化与智能构建方法，建立多领域、多层级的产品参数化物理模型，结合设计空间对偶变换、响应面构造、并行求解等优化策略和智能求解算法，建立基于多域物理模型的多层次协同仿真优化技术，实现多域性能高效同步计算和设计目标的智能快速寻优。除此之外，复杂定制产品设计验证困难、缺乏可视化验证手段也是制约产品高质量设计和影响用户满意度的主要因素。首先，采用基于多交互形式的虚拟环境构建方法，建立产品模型、运行环境模型、验证软硬件设备相结合的仿真验证基础环境。然后，通过基于混合现实的多主体沉浸式方案验证技术和多主体协同交互技术，构建多主体协同参与的方案评价体系。最后，利用基于模型仿真驱动的产品性能体验验证，分析试验参数的灵敏度进而实现基于验证结果的参数反馈。

2.2 复杂定制产品工艺设计与仿真验证协同

复杂定制产品工艺设计与仿真验证协同的核心在于抛弃传统的二维工艺设计模式，直接使用集成产品设计信息和制造信息的三维数字模型作为工艺设计与仿真验证的依据，实现了复杂定制产品方案设计与工艺设计的高度集成、协同和融合。为了解决复杂定制产品工艺设计阶段的制造资源组织智能程度低、工艺方案生成效率低、工艺审查验证困难等问题，以零件机加工为例，需要基于MBD技术完成制造资源的层次建模与关联匹配、工艺路线的智能生成与混合优化、工序模型的快速构建与动态响应和工艺过程的虚拟仿真与可视输出等过程，如图3所示。

(1)制造资源的层次建模与关联匹配 由于制造企业存在跨部门、跨组织的工艺知识碎片化与制造资源分散化等现状，如何实现制造资源的自适应组织以及制造需求和制造资源之间的关联匹配，对复杂定制产品工艺设计极为重要。首先，利用包括批量、成本、时间、材料等制造需求的结构化语义识别技术，结合基于MBD模型的制造特征识别技术及统一建模语言，构建复杂定制产品制造需求模型，实现制造需求的精确识别和建模。然后，面向广域分布的跨组织制造资源，构建基于语义的多层次制造资源领域本体模型和制造资源制造能力动态评价体系，实现资源生命周期动态管理及制造能力精准刻画，支持面向制造过程的资源检索与匹配。在此之后，构建制造需求与制造资源的特征知识图谱，通过协同过滤方法实现基于特征的制造资源组织，构建制造需求与制造资源的语义模型，通过语义共鸣实现制造需求与制造资源功能级的组织适应状态分析与适应性组合优化。最后，利用制造资源与原型工艺特征的匹配与优化算法、工艺与加工制造服务类型的映射以及工艺流程规划，实现工艺与服务之间的关联。建立零件工艺—资源能力映射与特征匹配算法，实现制造资源的智能关联匹配。

(2)工艺路线的智能生成与混合优化 当前复杂定制产品工艺设计存在复杂零件工艺路线较难推理、工艺知识以二维工艺卡片为载体导致其较难积累等问题。为了避免上述问题导致工艺设计周期延长，亟需通过MBD模型驱动来实现复杂定制产品工艺路线的智能生成。首先，基于自然语言处理与机器学习方法，构建跨组织的工艺知识图谱及统一表达模型。建立知识关联映射函数，通过语义关联挖掘对领域实体进行跨时空综合语义分析，实现工艺过程本体库语义实体与制造数据的快速关联，支持工艺路线的智能推理。然后，利用数据解析、产品制造信息(Product Manufacturing Information, PMI)提取和特征识别等方法获取设计MBD模型中的工艺语义与制造需求作为工艺决策依据，采用基于工艺知识图谱的推理方法，实现零件加工工艺路线的快速规划。最后，由于复杂定制产品复杂零件加工特征多而复杂导致最优工艺路线难以求解，将最低换刀成本和最短加工路线作为优化目标，采用混合启发式智能算法分阶段对最优工艺路线进行求解。如在第一阶段采用混合遗传算法对工艺路线最低换刀成本的优化，而在第二阶段采用自适应蚁群算法对最短加工特征单元路径进行合理规划。

(3)工序模型的快速构建与动态响应 工序模型构建是复杂定制产品工艺设计的核心环节，其构建的准确性、规范性、高效性直接影响三维工艺及后续生产制造的可靠性。首先，利用三维轻量化技术对设计MBD模型进行轻量化处理，在此基础上可以进行毛坯模型的生成。毛坯模型构建可通过多种操作方式实现：①基于设计MBD模型信息自动生成规则毛坯模型，主要适用于较简单的零部件；②利用柔性建模方法在设计MBD模型的基础上编辑修改形成毛坯模型或人工绘制毛坯模型，主要适用于较复杂的零部件。然后，可通过以下两种方式实现工序MBD模型的生成：①基于三维设计软件进行交互式的工序MBD模型创建。即针对工艺路线上的每个工序节点，在三维可视化环境下通过柔性修改设计MBD模型或者自行重建构建本工序对应的工序MBD模型，并可将创建的工序MBD模型保存至工序节点下与之相关联。然而该方法存在操作过程繁琐、生成工序MBD模型间无关联性等问题，阻碍了定制产品工艺设计效率的提高。②基于特征识别技术的工序MBD模型自动构建方法。即通过利用体积分解方法、基于痕迹的方法、基于几何推理的方法等来获取工序去除体来快速生成工序MBD模型。随着产品研制过程繁杂程度的提高，工艺更改已经成为定制产品研制过程中不可避免的工艺活动，如何在工艺更改后提高工序MBD模型的动态响应能力十分关键。通过分析工艺更改的主要类型(工序MBD模型更改与工艺信息更改)以及工序MBD模型间关联关系(相互独立或相互依赖)，运用工艺模型动态重构算法和工艺信息自动传播算法解决工序顺序调整、工序MBD模型编辑、标注信息更改等问题。

(4)工艺过程的虚拟仿真与可视输出 传统的依靠试切试装的复杂定制产品工艺方案验证效率低且成本高，而通过基于工序MBD模型进行工艺过程的仿真与工艺参数的优化能大幅提高复杂定制产品工艺验证能力。首先，针对目前虚拟加工环境配置中工艺数据得不到有效重用，导致人机交互工作量大，自动提取工序MBD模型中包含的与配置虚拟加工环境相关信息，通过生成配置模板以实现虚拟加工环境的快速构建。然后，运用加工工艺规则和制造特征识别技术进行复杂定制产品的可制造性分析，将工艺MBD模型输入三维设计软件自带的计算机辅助制造(Computer Aided Manufacturing, CAM)模块进行加工过程虚拟建模与仿真。其中包括为了验证数控加工程序正确性的几何仿真和为了优化切削参数的物理仿真，为工艺分析决策提供依据。最后，基于深度学习、迁移学习及分布估计算法构造工艺优化决策模型库，利用工艺过程智能派生演化方法，构建工时、工艺成本和效能等估算模型，基于智能优化算法实现工艺过程的多目标优化。此外，复杂定制产品工艺设计的可视化输出存在多种格式，主要包括用于纸质存档的二维卡片格式、用于产品数据管理(Product Data Management, PDM)系统审签的三维卡片格式、用于生产现场三维可视化发布的HTML网页格式、用于平板电脑(PAD)等离线装备可视化查阅的离线工程数据包和反映加工过程的工序MBD模型等。制造车间的操作人员通过点击工序节点可以看到对应的工序MBD模型及属性信息，模型高亮显示本工序涉及的加工面及标注信息，同时还可以查看零件加工仿真视频。检验人员在三维检验界面点击尺寸的同时，工序MBD模型中的相应部位会同步高亮显示，最终实现制造现场三维检验模型动态浏览及人机交互式记录。

2.3 基于数据空间的复杂定制产品设计知识集成

基于数据空间的复杂定制产品设计知识集成是借助数据空间强大的数据整合与管理能力，对设计知识进行有效地组织、挖掘和动态更新，以知识共享重用和主动创新为主要目的，重点解决制造企业在复杂定制产品设计全周期信息超载导致的知识匮乏问题。基于数据空间的复杂定制产品设计知识集成包括领域元数据驱动的高内聚协同数据空间建模、面向多方协作的数据空间分布管理、数据空间驱动的设计知识网络自组织和面向跨业务交互的设计知识网络动态补全更新等过程，如图4所示。

(1)领域元数据驱动的高内聚协同数据空间建模

复杂定制产品设计全周期涉及的部门众多且配合关系复杂，在不同信息化平台之间存在大量动态的内部和外部接口，导致复杂定制产品数据来源繁多、数据格式异构、数据语义复杂且版本多变。业务领域元数据是描述面向具体业务需求和业务流程的数据接入、存取、访问、组织等顶层设计规范，由于复杂定制产品存在着多重复杂性耦合特点，在建立数据空间之前，需要首先制定面向各业务阶段的元数据模型，形成统一的元数据描述体系，降低不同平台的模式差异程度，为后续实现跨平台数据集成奠定基础。首先，建立元数据统一表征框架，相关的元数据要素包括数据模型元数据、数据语义元数据、时空上下文环境元数据。元数据最初是在元数据仓库创建的过程中进行抽取，并在更新元数据仓库的过程中不断地更新。通过元数据映射规则将元数据模型映射为可扩展标记语言(eXtensible Markup Language, XML)模式表示，同时建立元数据桥将各个系统的元数据映射成为公共的元数据表示，完成不同系统元数据的共享和交换。

构建数据空间的核心任务是将互相关联的多模态数据集成到一起，形成物理隔离的“虚拟化统一数据中心”，使用户能够以透明的方式访问所需要的数据资源。通过数据空间集成技术，将存储在不同物理存储引擎上的数据进行连接，为用户提供统一的数据访问目录，从而维护数据源在整体数据上的一致性，提高信息共享利用的效率，实现数据增值。首先建立面向复杂定制产品的数据空间多层次架构，包括数据接入层、数据集成层、数据治理层、数据服务层、基础软件支撑和安全层。数据接入层对存储在不同单位主体内部的各分散系统平台进行统一封装，制定各独立数据源的开放接口标准；数据集成层规范数据空间中的数据交换层次结构，包括局部交换层和网络层，局部交换层通过内部连接器建立各数据源内部关联，网络层承担数据在跨单位交换共享的传输协议，同时对各单位主体的注册、索引、访问等请求的权限、有效性等进行认证；数据治理层负责数据资产的管理，提升数据质量，制定数据使用和对外交换的标准，保证数据应用的基本要求；数据服务层面向数据全生命周期提供通用和个性化服务，通用服务主要包括数据发布、搜索、订阅、交换、监控、维护等，个性化服务用于具体业务场景提供数据分析、数据挖掘、知识管理等特定服务；基础软件支撑层负责整个数据空间平台的基础软件集群服务，提供使用的资源和服务，保障平台的稳定性、扩展性、可持续性和可恢复性；安全层的主要功能是建立安全可信的数据交换共享环境，维护数据空间平台建设和应用安全，依靠同态加密、远程认证、虚拟化提供多种安全级别的安全保障措施。在建立的数据空间架构的基础上，基于数据集成技术将分散在不同平台中相互关联的数据集成。在平台内部通过解析相应的业务领域元数据模式，建立平台数据视图，形成结构化的关系型数据模型来提升数据成熟度。同时，以跨平台交互需求为切入点制定全局视图，基于模式匹配将各数据源的数据视图映射到全局视图上，开发标准化数据接口，通过统一的全局视图完成跨平台数据集成，实现多单位主体之间的数据访问与交互。最后，针对复杂定制产品划分产品层次化结构来建立统一数字物理对象模型，为实现不同信息化业务平台中的多模态数据关联和融合提供依据和载体。基于多模态数据融合技术刻画同类不同源数据的内在联系，以产品分解结构形成的物理实体为语义纽带，构建数据空间设计全周期数据融合模型，完成底层数据模型到物理对象的映射，从而对存储分散、关系复杂的同类数据建立紧密的语义连接关系，实现复杂定制产品数据空间协同演化。

(2)面向多方协作的数据空间分布管理

基于数据资源编目对数据空间中蕴含的超大规模数据资源进行规范化描述，建立数据资源目录，实现企业数据资产可视化集中管控，保障数据交换的安全性以及数据访问的简单便捷。在建立的数据资源目录的基础上，制定数据资源目录的顶层应用框架，主要包括企业内部数据资源的统一管理和基于数据资源目录的对外服务两部分。企业内部数据资源的统一管理是对企业元数据进行标准化的描述规范，并基于元数据实现企业数据的统一归集，控制数据服务的权限范围、数据质量等;基于数据资源目录的对外服务则包括用户对元数据的统一检索以及对数据的查询服务等，企业主体可直接通过数据资源目录对企业元数据和企业数据明细进行访问。

业务主数据是指满足跨部门业务协同需要且反映核心业务实体状态属性的企业组织机构基础信息，是业务运行和决策分析的基础。在复杂定制产品全周期数据治理过程中，发现跨部门交互中必需的业务主数据对象及来源，建立业务主数据管理机制，保证各企业主体、用户可以跨系统使用和共享来自权威数据源的协调一致和高质量的主数据。因此，建立主数据标准体系和规范描述，梳理不同业务场景对主数据的整合需求，定义和维护数据整合架构以及数据匹配规则，根据业务规则和数据质量标准对收集到的主数据进行加工清理，建立主数据创建、变更的流程审批机制，实现各个关联系统与主数据存储库数据同步，方便修改、监控、更新关联系统主数据变化。制造业中的数据质量问题表现为一个或多个质量维度(准确性、完整性、一致性、及时性、唯一性)存在缺失，无法满足企业和用户的实际业务需要。数据质量管理作为支持复杂定制产品在顶层设计、过程控制和事后评价等阶段的重要依据，建立客观、全面、可行的数据质量检测、治理与持续改善机制，是保障数据分析决策正确可信、提升数据价值的重要支撑。首先，面向不同的业务场景建立通用数据标准和规范，指导数据采集、感知和接入等数据获取过程，从数据源头解决数据模型与物理对象模型偏离和冲突问题。通过序列数据失真检测与修复方法，建立空值检查、规范性检查、值域检查、逻辑检查等多维度检测机制来初步筛选出失真的异常数据，结合模式匹配等技术建立数据检测模型，识别数据中的偏离点，对识别出的不合规数据基于聚类算法、层次分析等方法进行修复或补偿，并反馈给数据源头校验确认。

(3)数据空间驱动的设计知识网络自组织

经分析探讨，已经表明巨型被补偿水电站装机容量选择不宜采用保证出力作调峰电站设计，而应该采用可靠出力作调节作用相当有限的径流式水电站设计。为了避免产生多余的装机容量，最好规划成分期建设。

基于MECE(mutually exclusive and collectively exhaustive)原则、IDEF5本体建模法等已有的体系架构分析方法，从产品结构对象、专业领域、需求重要性/使用频次等不同维度，对复杂定制产品的知识体系进行分类研究，为知识网络构建中的分层分域、知识实体及其关系属性定义提供依据。复杂定制产品的设计知识语料一般划分为数据型设计知识语料和文本型设计知识语料。基于D2R知识抽取工具从数据型设计知识语料中提取数据条目，解析其元数据模式，通过模式匹配的方式实现设计知识要素的自动化抽取。对于以自然语言描述的非结构化工程文档形成的文本型设计知识语料，使用基于双向编码表征模型(Bidirectional Encoder Representation from Transformers, BERT)和长短时记忆网络(Long Short Term Memory network, LSTM)泛化语义解析模型的命名实体识别技术建立设计知识要素抽取模型，通过获取数据、人工标注、训练模型、模型预测和结果校准进行循环训练，快速构建和迭代设计知识要素抽取模型并提高模型精度。通过预定义的语义标签，实现实体、概念间关联关系的自动抽取，然而预定义模式只能抽取实体间的静态关系，无法捕捉、挖掘开放情景下实体、概念间的未知关系。为实现设计知识要素间的匹配映射与动态链接，对抽取出的设计知识要素进行文本聚类和共指消歧，完成同义及近义实体描述和关系类型的标准化合并。根据知识实体、概念的标准化结果，基于局部网络视图合并其中的相同、相似网络节点，并从该节点的原始需求数量、用户的访问频次等角度构建新节点的统计属性信息，基于节点统计属性信息建立节点间的概率连接，完成动态设计知识网络的构建，为挖掘实体间潜在关联、进行设计知识推理提供统计依据。最后，通过基于实体聚类的知识网络内部演化方法，利用密度—峰值法等实体聚类算法，挖掘复杂定制产品中共性关键知识，围绕共性关键知识的变异、内部选择、传播和保持等演化特征，构建知识网络的动态演化机制、评判准则和处理策略，并基于解析计算等方法构建高效的知识网络演化算法。

(4)面向跨业务交互的设计知识网络动态补全更新

跨业务协同交互环境下新业务需求动态产生和快速增长造成设计知识网络存在复杂性和不确定性。首先，需要对动态新增的业务需求进行数据预处理，主要包括数据甄别、数据清洗、数据转换和数据融合等步骤。然后，利用领域本体概念对新增业务需求所属领域进行自动语义标注，基于机器学习模型实现业务需求的识别分类，利用网络节点相似度对动态新增的需求进行设计知识网络节点嵌入。在此基础上，对新增实体进行关系补全。①关系发现，关系发现包括关系分类、关系抽取和开放关系3种。通过关系分类将给定的实体对分类到特定关系;通过关系抽取从需求文本中抽取某个实体对的具体关系;通过开放关系抽取从需求文本中抽取出实体对之间的关系描述。②节点关系融合，包括实体对齐、属性融合、属性值规范化等步骤，从而减少设计知识网络的冗余度。面向跨业务的设计知识访问与查询需求，需要挖掘多业务领域设计知识要素的关联关系。基于机器学习模型和层次聚类方法识别并合并多个设计知识网络中的同类实体。对于不同业务知识语义冲突问题，利用共指消歧技术实现不同业务设计知识网络中实体指称项与实体对象的对齐和匹配。针对跨业务设计知识访问在语义与格式方面的复杂性，通过知识合并方法解析用户跨业务设计知识的访问需求，基于语义模糊匹配技术实现对跨业务设计知识的一体化查询。通过综合数据预处理、相似度计算、语义转换方法对不同业务的设计知识需求信息进行归一化处理，实现实体对齐、关系对齐和属性对齐，支持多设计知识网络融合集成，最后根据不同业务设计知识需求信息在融合后的设计知识网络访问查询得到的结果，利用置信度计算，从知识需求的满足度和查询知识的可信度进行评分，实现设计知识网络集成效果的评估。

建立设计知识网络的核心目标是便于不同用户主体对关注的设计知识进行快速查询。为了向用户提供更好的设计知识服务，需要优化设计知识网络并构建合理推送方式。以构建的复杂定制产品设计知识网络中实体及其之间关系两大关键要素为研究对象，从准确率、冗余度、完备度、复杂度等方面建立多维评价指标体系，对设计知识网络性能进行综合评估。采用关系属性分析、关系扩展查询以及复合关系推理等链接预测方法，挖掘设计知识要素的潜在关联，对实体之间的关系进行补齐。采用实体相似度计算等实体解析方法，对语义相同的实体及关系进行融合。通过计算机语义推理、规则学习、约束性分析等方法，建立一致性检测模型，对设计知识网络中存在矛盾冲突的关系进行错误纠正，实现复杂定制产品设计知识网络的优化重构。在经过优化重构的设计知识网络的基础上，对用户发布的设计知识访问需求进行解析，获取用户意图和知识诉求。面向用户主体需求描述异构、需求定义不明确，潜在需求模糊不清造成的用户需求—设计知识匹配困难问题，基于关联规则挖掘算法深入分析用户需求的性质和特征，充分挖掘用户潜在的设计知识需求，实现对非完备用户需求的有效补偿和完善。建立多种推送策略(基于内容的推荐、基于语义的推荐、基于规则的推荐)，通过不同的推送方式(如基于消息的推荐、基于邮件的推荐等)，分别针对用户自助查询的设计知识、潜在感兴趣的设计知识，以用户需要的形式精确主动地推送给用户，实现设计知识网络的个性化智能推送。

3 案例应用

伴随教练机研制复杂度的提高，以及客户对个性化定制和快速高质量交付的要求，飞机型号研制服务体系必须敏捷、精准和精细。单系列多型号机型的不断发展以及设计制造并行协同要求的不断提升，传统的基于文件的构型管理方式需要适应数字技术的发展，逐步从手工方式向数字化方向进行转变。因此，需要根据统一和规范的构型管理模式，逐步实现关键环节主要构型数据项的信息化管理。随着教练机市场的逐步扩大、飞机产品谱系的完善、通用构型项的大量出现和混线智能化生产模式的不断演进，现有配置方式难以适应整机和部件构型的动态优化配置，对用户需求的适配效率偏低，对设计制造数据的可追溯性以及面向单架次生产和交付的管控力度偏弱。基于以上需求背景，面向航空工业洪都高级教练机提出了智能化设计与验证协同应用解决方案，如图5所示。根据从立项论证、方案设计、工程研制到最终定型的高级教练机研制流程，以MBSE和MBD为先导，实现以需求为核心向基于模型的设计工程、基于模型的制造工程和基于模型的试验试飞等阶段的传递与融合，基于模型有效串联起系统全生命周期各个阶段，支撑航空装备研制全过程。在流程、方法、工具和环境的支撑下推进端到端的生命周期流程、持续工程和工业知识嵌入，构建具备跨系统集成评估和基于模型的验证与确认能力的分布式先进工程设计环境，实现对工程任务全生命周期研发活动的全覆盖，支持复杂系统/多学科领域的工程设计和评估，提升研发复杂新系统、新产品和新任务的能力。其中，借助MBSE支持复杂定制产品设计初期的需求、功能、结构等过程的建模与仿真，建立基于MBD的单一数据源来获得支持提取满足工程设计、生产过程、制造装配等不同视图的产品数据能力，实现集成产品定义信息的三维模型从方案设计到工艺设计、生产装配、检验与试验的结构化传递、共享与重用，并将生产信息、检验信息和故障审理信息及时反馈，提升设计与制造并行协同研制和端到端的流程集成与监控能力。

在上述应用解决方案的基础上，构建复杂定制产品智能化设计与验证协同系统是联通研究与应用的桥梁，应当以MBSE和MBD为核心驱动，以基于数据空间的设计知识集成为支撑，按照如图5所示的复杂定制产品生命周期的“V”模型，在各阶段产品研制过程信息通过模型表达和传递，基于模型开展小“V”过程验证与迭代，由粗略到详细逐步实现装备的功能性能样机。现面向航空工业洪都高级教练机提出复杂定制产品智能化设计与验证协同系统应用架构，其主要构建原则为“应用导向与统筹规划”。该架构主要包括智能化设计与验证协同配置化通用基础平台、基础设施层、数据空间层、协同应用层四大部分，如图6所示。

针对复杂定制产品智能化设计过程中数据难以一致、模型难以交互共享、多域异构设计工具和全过程协同缺乏集成平台等问题，首先以领域驱动设计和模型驱动架构为基础，融合软件自动生成技术打造可配置化通用基础平台。集成建模工具、模型变换工具、自动编译发布工具为一体的可配置化集成开发平台，支持将具体业务操作高度抽象转变成形式化业务模型，以结构化形式定义到平台中，自动生成满足业务操作需求的集成应用系统，具有可配置、可扩展和模型复用的特性，可实现业务运行系统的自动生成和快速迭代，有利于快速研发适应企业特点的复杂定制产品智能化设计与验证协同系统。基础设施层包括基础网络(5G、WIFI、专网)、移动应用、服务器、云平台以及视频监控，为系统运行提供基础保障。数据空间层包括方案设计数据空间、工艺设计数据空间、基础资源数据空间以及模型数据空间，对复杂定制产品生命周期数据进行统一分析、清洗、挖掘、监控和管理。数据空间层实现了对产品数据、设计数据、工艺数据、资源数据、仿真数据、流程数据以及模型数据等多源异构数据的集成与管理。协同应用层分为业务构件层和集成协同层。业务构件层涵盖客户需求识别与转换、设计方案配置与决策、产品信息标注与检查、设计方案仿真与评价、制造资源建模与匹配、工艺路线生成与优化、工序模型构建与响应、工艺过程仿真与输出、高内聚数据空间建模及分布管理、设计知识网络自组织、设计知识网络更新、设计知识主动推送、三维协同设计和平台集成接口等使能构件。依据业务关系串接各环节软件构件进行系统的集成，每个构件单独或者组合后形成系统的一个模块。集成协同层针对高级教练机单系列、多状态、多型号的构型特征以及厂所一体的组织结构特点，基于企业级统一知识库管理和面向全生命周期的构型管理，以复杂定制产品模型的标准性、完整性和可用性为主线，通过发挥厂所一体的业务流程集成优势，以MBSE为先导，在立项论证阶段，基于模型开展高级教练机任务与体系架构分析，在系统之系统(System of Systems, SOS)背景环境中开展装备作战概念论证，牵引出装备的顶层要求。根据高级教练机顶层要求，开展结构化与条目化的需求分析，基于SysML构建系统需求、功能和逻辑架构模型，基于Modelica构建系统级多学科多领域的性能模型，基于模型开展系统功能和性能验证，通过模型化的分析和验证，实现系统“小V”模型的迭代，形成初步的功能样机，提出可达到的装备技术指标和初步总体技术方案。上述阶段生成的需求、功能、性能、架构将会向后传递，在方案设计阶段，基于需求开展研制方案的论证和设计，通过提取设计知识、固化设计流程形成总体、气动、强度、航电、机电和动力等设计组件，通过基于组件的协同设计，以组件化模型化的方式，实现多方案快速设计，实现多轮“小V”模型的迭代，形成方案性能样机，进一步设计验证更加具体的技术指标可达性，验证研制方案的可实现性，为形成研制任务书进行充分论证。经过基于模型的协同设计，确定了最优方案并根据该方案开展机械、电气、电子、软件等专业的工程详细设计。在机、电领域以MBD技术为核心，实现全三维的设计和特征的结构化描述与标注，在软件领域以模型为核心开展软件设计并根据模型自动实现代码。同时开展单专业和多专业的各类CAE仿真验证，实现详细设计过程中的“小V”模型迭代，形成更加详细的性能样机。通过MBD深入应用，实现数字样机，打通设计制造协同、工艺与生产线制造协同链路，实现基于模型的制造过程管理，基于三维模型开展工艺设计和仿真，同时基于模型开展生产过程建模与仿真，实现在制造过程中的“小V”模型迭代。在基于模型的试验试飞方面，承接MBSE和MBD模型，搭建虚拟试验环境，开展虚拟试验实现一维和三维模型耦合和多物理域耦合的虚拟试验，实现部件、子系统和系统模型的逐步集成，构建虚拟铁鸟并最终实现虚拟集成飞机，开展虚拟试飞，实现详细功能性能样机。以模型为驱动的高级教练机研发过程中，需求、设计、制造、试验试飞等阶段的数据、模型以及模型之间的关联和追溯关系通过数据空间进行统一的管控，实现模型单一数据源。模型在产品研发演进中不断地丰富完善，实现各个阶段模型有机关联和追溯，为高级教练机研制提供统一的模型管理机制与环境。

基于上述复杂定制产品智能化设计与验证协同系统体系架构的软件开发已经在江西洪都航空工业集团公司完成了需求功能调研、总体方案设计以及部分功能模块的开发。由于篇幅限制，本文无法将模式研究所有成果在系统开发中的实现逐一详细描述，后续工作将继续以航空航天领域典型产品为研究对象，不断深入探讨复杂定制产品智能化设计与验证协同关键技术，帮助制造企业提质增效。

4 结束语