基于数字孪生的磁悬浮织针监控研究与应用

许章汛 张弛 李红军 张成俊 王军

摘 要：针对磁悬浮针织设备织针运行速度快、故障难检测的特点，提出了一种基于数字孪生的磁悬浮织针监控系统架构，旨在实时监测磁悬浮针织设备，特别是织针的运行状态。该系统架构采样数字孪生五维模型为基础，对磁悬浮针织设备在该模型中的构成要素进行了深入分析。进而，详细阐述了在此监控架构中虚拟实体的开发、孪生数据的采集以及织针故障诊断等关键技术。最后，依托所提架构，针对一种新型管式磁悬浮针织圆纬机设备开发一套在线监控系统，并通过实际应用验证了所提架构的有效性。

关键词：数字孪生；可视化；监控；磁悬浮织针；针织圆纬机

中图分类号：TP391   文献标志码：A  文章编号：2097-2911-（2024）01-0080-10

Research and Application of Magnetic Levitation WeavingNeedle Monitoring Based on Digital Twin Technology

XU Zhangxun， ZHANG Chi， LI Hongjun， ZHANG Chengjun， WANG Jun

（School of Mechanical Engineering And Automation; Hubei Provincial Key Laboratory of Digital Textile Equipment，Wuhan Textile University， Wuhan 430073， China; Hubei Engineering Research Center of Industrial Detonator IntelligentAssembly， Wuhan 430200， China）

Abstract：In response to the high operational speeds and the difficulty of fault detection in magnetic levitation knitting machinery， a monitoring system architecture for magnetic levitation knitting needles based on digital twin technology is proposed. This system is designed for the real-time monitoring of magnetic levitation knit- ting equipment， with a particular focus on the operational status of the knitting needles. The architecture is grounded in the five-dimensional model of digital twins， with a comprehensive analysis of the components of magnetic levitation knitting equipment within this model. Additionally， the paper delves into the development of the virtual entities， the collection of twin data， and the key technologies for diagnosing needle faults within this monitoring framework. Finally， leveraging the proposed architecture， an online monitoring system was devel- oped for a novel tubular magnetic levitation circular weft knitting machine， and its effectiveness was substantiat- ed through practical application.

Keywords：digital twin; visualization; monitoring; magnetic levitation weaving needle; circular knitting ma- chine

针织圆纬机是纺织工业中的关键装备，近年来已实现高速化与高效化的发展。目前市场普遍采用的是传统机械传动针织圆纬机，但是由于织针在运行过程中受到的刚性冲击和机械摩擦等因素，织针的运行速度很难进一步提升。为了克服机械传动的固有问题，国内学者结合磁悬浮技术展开了以磁力驱动织针的相关研究。其中，武汉纺织大学的吴晓光、张弛教授团队[1-4]提出了多种磁悬浮织针方案，在一定程度上解决了机械传动对高速织针发展的限制。作为一种新式的技术方案，磁悬浮织针具有高速传动、超细密等特点，织针的运行状态很难被监控。随着“中国智能制造2025”和《纺织行业“十四五”发展纲要》等国家发展战略的提出，智能制造已经成为推动中国制造业转型升级的核心动力。推动工业生产从自动化向智能化发展，保障设备的稳定高效运行，提高设备的生产效率，具有重要意义。因此，针对磁悬浮织针建立在线监控系统的重要性日益凸显。

数字孪生（Digital Twin， DT）技术的概念最早可追溯到2002年，由美国学者 GRIEVES在其产品全生命周期管理的相关研究[5]中提出， GRIEVES 教授提出了一种由真实空间、虚拟空间和用于连接二者的数据组成的“镜像空间模型”。2006年，该模型被更名为“信息鏡像模型”，后者更强调真实空间和虚拟空间之间的双向交互性[6]。2010年，NASA的技术路线图中首次出现了“数字孪生”这一术语[7]。随后，美国空军开始利用数字孪生技术研究战斗机，以预测飞机结构中的疲劳和裂缝[8]。2014年，GRIEVES正式定义了由物理实体、虚拟实体和二者的数据交互组成的数字孪生三维模型。2019年，国内学者陶飞等人[9]进一步提出数字孪生五维模型以满足更复杂的应用需求，并针对不同领域的应用提出了具体的实施策略。2021年，张辰源等人[10]针对数字孪生模型的质量、性能等方面难以分析和量化的问题，提出了一套数字孪生模型评价指标体系。得益于物联网、人工智能、大数据、边缘计算、5G 通讯等新一代信息技术迅速发展，数字孪生技术不仅在理论层面取得了进展，也在诸如航空航天、医疗、船舶、城市管理、电力、汽车、采矿等领域[11-18] 得到了广泛应用。

通过深入分析数字孪生技术的理论基础与应用实践，该技术利用数字化的方式将物理实体映射到虚拟模型中，构建具有多维度、多时空特性的信息模型，用以描述和仿真物理实体的状态、属性和行为[9， 19]。数字孪生技术为缺乏实时监控的针织设备提供了一种潜在的创新解决方案。本课题组结合数字孪生技术曾提出一种针对磁悬浮针织设备监控方案[20]，但是该方案主要针对旧式设备展开的相关研究，随着对磁悬浮针织技术研究的进展加深，上述方案很难满足现有需求。因此，本文将依托数字孪生技术，构建了一种针对磁悬浮针织圆纬机的可视化实时监控架构，并通过实际应用案例验证该架构的有效性。

1 磁悬浮织针数字孪生框架

数字孪生通过在信息空间中建立物理实体的虚拟映射，利用虚拟模型、运行数据、历史数据等建立反映物理实体运行状态的数字化模型，完成对物理实体全生命周期的监控。经过数年的发展，数字孪生模型从三维模型被扩充为五维模型[9]，具体包含：物理实体、虚拟实体、服务、孪生数据以及各组成部分之间的连接。图1为本研究基于数字孪生五维模型，建立磁悬浮织针数字孪生模型框架。

物理实体主要指磁悬浮针织圆纬机，其中的针筒、沉降片、织针等是本系统监控的重点部位，也是整个研究的载体。虚拟实体是指在信息世界对物理实体的多维度映射，包括几何模型、物理模型、行为模型和规则模型。几何模型描述磁悬浮织针及其附属构件的几何位置、尺寸、形状以及它们互相之间的装配关系。物理模型反映通电线圈的磁场变化以及织针在磁场中的受力等。行为模型描述磁悬浮织针在不同时空尺度下，响应内外部变化的物理行为。规则模型则主要描述对磁悬浮织针实时运行状态进行判断的规则。

孪生数据包括实时运行数据（磁悬浮织针的质量、运行速度和位置等）、历史运行数据、服务数据（算法、模型等）。连接则是实现磁悬浮织针监控平台各部分互联互通的关键，包括物理实体与虚拟实体之间的双向交互、孪生数据的采集与应用等。服务则是磁悬浮织针监控平台各种功能模块的封装，在本研究中，主要体现在虚拟实体的三维展示、虚拟实体与物理实体的双向交互、物理实体实时状态展示、磁悬浮织针运行数据展示等。

2 磁悬浮织针监控系统构建

2.1 虚拟实体构建

2.1.1 选择虚拟实体构建平台

为满足磁悬浮织针监控系统的具体需求，本研究旨在构建一个高保真的虚拟模型。为此需要选择一个合适的三维软件平台。

目前，用于开发数字孪生的三维软件平台没有统一的标准，其技术选择多样化：一些开发者倾向于使用底层图形接口（如 OpenGL[21]），另一些则选择游戏引擎技术（如 Unity 3D[22]、Unreal Engine[23]），还有一部分使用集成解决方案（例如 Tecnomatix[24]、ANSYS-Twin Builder等[25]）。这些构建方法各有千秋：直接利用底层图形接口进行开发可以实现模型的深度优化，开发的灵活性和自由的是几种方式中最高的，但这通常要求开发者具备较高的图形编程技能，并且也需要更长的开发周期；采用集成解决方案则能够大大简化开发流程，利用软件封装好的功能，在不编写代码的情况下，通常就能完成虚拟实体的构建，但这也限制了开发的灵活性，难以满足定制化的需求，且使用这种方式需要购买专门的软件，使用成本较高。

相较之下，游戏引擎为数字孪生虚拟实体构建提供了更好的解决方案。当前的主流游戏引擎，如Unity 3D 和Unreal Engine，已经内嵌了完备的物理系统，通过简单的定义，就能实现对物理世界的模拟。在图像渲染方面，游戏引擎的拥有高保真的渲染能力。同时，通过利用引擎提供的脚本化开发方式，能够对虚拟实体快速进行运动学规划，可实现虚拟实体的高度定制化。在上述两大游戏引擎中，本文选择Unity 3D作为虚拟实体的构建平台。该引擎有优秀的跨平台部署能力，广泛支持从桌面操作系统到移动平台等各类系统环境；强大的实时预览和交互式编辑功能，使开发者能够快速、精细的调整场景的视觉效果。

2.1.2 虚拟实体构建流程

首先，收集建模对象的图纸信息，使用 Solid- Works 软件进行物理实体的三维建模工作。这一步主要目标是创建包含详细尺寸、几何形狀和装配关系的几何模型，为构建虚拟实体奠定基础。SolidWorks构建模型的复杂度高，意味着生成的模型往往包含大量的顶点和面片，这在后续的虚拟实体实时渲染过程中，对计算资源提出了较高的要求。

为了优化模型并降低对计算资源的需求，可通过将 SolidWorks 构建的复杂模型导入到3ds Max 进行轻量化处理。这一步将在保持外观和结构的精确性的同时，减少模型的顶点和面片数量，保证模型的高效渲染。

轻量化处理之后，需要在3ds Max中将模型导出成 Unity 3D 兼容的 FBX 格式，并将其导入 Unity 3D中进行进一步的处理。在Unity 3D中，可以给不同的对象添加组件以实现丰富的功能。例如，为磁悬浮织针添加Rigidbody组件，利用该组件，可以定义织针的质量，也可以使织针参与复杂的动力学计算，实现对真实物理行为的模拟。也可为不同组件添加 Collider组件，这是一个碰撞器组件，能够检测碰撞事件，在织针运动过程中异常碰撞的其他对象时，及时触发相应的警告机制。

2.2 孪生数据

孪生数据构成数字孪生五维模型的核心要素，同时也是磁悬浮织针监控系统的基础。孪生数据涵盖了从设备状态到环境条件，以及生产过程中产生的实时数据等多维度的客观要素。考虑到设备组成的复杂性，若采用逐一采集的方式，将涉及到包括 Modbus、RS-485、PROFINET 和TCP等多种通讯协议，将大大增加数据采集难度，并且也很难保证数据的实时性和同步性。因此，本研究采用 OPC UA（Open Platform Commu- nications Unified Architecture）协议实现对磁悬浮织针监控系统中多源异构数据的统一建模，确保数据采集、传递、访问的一致性。

根据系统需求，孪生数据的数据架构被分为感知层、传输层和应用层三个层次。在感知层，通过PLC和各种传感器技术，实现采集设备的实时运行数据，获取精确的设备状态信息。传输层中，利用OPC UA的信息模型对采集的多源异构数据进行封装，建立统一的信息模型。应用层中，通过 OPC UA客户端和服务器的交互，实现对标准化信息模型的孪生数据统一访问，并基于感知层和传输层的支持，保证虚拟实体与物理实体的一致性。

图2为磁悬浮织针监控系统信息模型，将其划分为凸轮装置、织针系统、控制系统三个子系统，各子系统包含静态属性集、过程属性集和方法集。其中静态属性集是设备固有的静态数据，如编号、名称等信息。过程属性集是设备运行过程中动态变化的数据，如织针的速度、位置等信息。方法集则是子系统能够执行的功能。

以织针系统信息模型为例，其用静态属性集、动态属性集和方法集组成，静态属性集中，包含了织针的固有属性，如织针的编号、线圈的缠绕数量、织针的重量等在设备设计时就已经确定、不会随设备运行而改变的数据。动态属性集则负责收集随设备运行而改变的数据，如织针的当前位置、速度和电磁线圈中的电流大小，这些数据也是后续故障诊断的依据。方法集中包含了织针的动作，如成圈、浮线和集圈等操作信息。

2.3 磁悬浮织针故障诊断

磁悬浮织针运行速度快，随着使用次数和运行时长的增加，故障和性能退化是不可避免发生的。而现有维护策略一般采用定期检修的方式，这种方式并不一定能及时的发现问题。为了提高系统的稳定性和可靠性，在故障发生时及时发现并停止设备运行，对安全生产有重要意义。

磁悬浮针织设备在完成针织过程中，与传统机械传动针织设备一致，依赖于退圈、勾纱、闭口、成圈、牵拉以及再退圈等一系列循环动作。然而，与传统机械传动针织设备不同的是，磁悬浮针织设备完成针织过程主要靠对织针高度的控制，而非依靠选针器等机械结构推动织针运动。因此，在理论层面，磁悬浮织针的高度、速度以及电磁线圈的实时电流等数据将共同构成一组相互耦合的数据信号。对于磁悬浮织针设备而言，无论是在故障状态还是正常运行状态下，这些数据在特征上都存在明显的区分。传统的数据驱动预测方法，主要基于监测数据，通过统计性能指标并结合历史数据来进行预测分析，这种方法更多的是从统计的角度进行推断，预测精准度受到个体差异的影响可能较大。随着人工智能技术的迅猛发展，特别是深度学习技术在故障诊断和寿命预测等领域的广泛应用，已在多个领域实现了显著的成效[26]。

卷积神经网络（Convolutional Neural Net- work， CNN）最初主要应用于机器视觉领域，尤其是在处理图像分类问题上。由于其出色的特征提取能力使得在图像分类任务中表现优异，近年来开始有学者将该网络用于故障诊断领域，也取得一定成效。因此，本研究以CNN模型为基础，利用磁悬浮织针的历史运行数据，建立了磁悬浮织针故障诊断模型。

典型的 CNN 模型通常由卷积层、池化层及全连接层组成。卷积层主要负责对输入数据进行特征提取，池化层负责降维和噪声过滤，而全连接层则将处理后的特征信息用于分类或回归任务。本研究设计的CNN结构如图3所示，由输入层、特征提取层和分类层组成。输入层负责对原始数据进行预处理，并在时间尺度上按图4所示预定的步长采样数据。特征提取层包括卷积和池化两部分，卷积从原始数据中提取特征形成特征向量，而池化层采用最大池化运算，采用Re- lu函数作为激活函数。分类层则利用 Softmax激活函数实现区分不同故障状态的类别。

CNN 模型主要被用于视觉处理领域，对于图像分类来说，是不需要考虑时间尺度的。而对于故障诊断的数据来讲，传感器取得数据，在时间尺度上是具有关联性的。如果直接应用图像分类的模型，将会割裂这种时间尺度上的关联性。因此，这里需要特别注意的是，输入层在处理数据时需要按照一定的步长在时间尺度上滑动采样数据。

3 应用实例

3.1 实例开发

为了检验本研究提出的针对磁悬浮针织圆纬机的实时可视化监控架构的可行性，本文针对一种新型管式磁悬浮针织圆纬机[27]的织针设备，开发了一个数字孪生监控系统。该设备的针筒直径为5英寸，拥有32针的阵列，针距约为9mm 。磁悬浮驱动的“零传动”特性使得织针的运动频率更快，这使得对织针运动的实时监控难度大。為了真实、精确地展示磁悬浮织针在编织过程中的工艺情况，并实现32位织针的快速定位、实时信息可视化和智能控制，本系统旨在提高磁悬浮织针系统的运行效率和整体管理水平。

根据前文的虚拟模型构建方法，利用 Solid-Works、3ds Max和Unity 3D完成建模工作，构建了磁悬浮针织设备的轻量化几何模型，利用 C#脚本，定义了织针的运动方式等。系统的其他部分是利用 C++语言结合 QT 界面框架进行开发的，通过调用 open62541库，使用 C++搭建 OPC UA客户端，以实施孪生数据的交换。主界面是基于 QT框架开发的，且在此主界面中嵌入Uni- ty 3D生成的三维模型窗口。由于Unity 3D仅支持使用C#语言开发控制脚本操作虚拟模型，Uni- ty 3D生成的窗口和 QT框架开发的主界面在本质上属于两个独立的进程。OPC UA 客户端采集的数据属于主程序，为了传递孪生数据至Uni- ty 3D窗口管理的虚拟模型，本研究采取了共享内存的方法，由于这种方法是读取的同一内存区域，从理论上讲是没有性能损耗。如图5展示了磁悬浮织针三维可视化监控界面。

除了展示Unity 3D渲染的虚拟实体外，主程序还包括织针管理模块、故障诊断模块、凸轮管理模块等。织针管理模块中，用户可以通过选择不同的编号来监控各个织针的实时运行状况，并且也可在非连续运行模式中，由虚控实控制织针运动，完成对织针运动的调试。故障诊断模块允许加载预训练的模型以分析织针实时运行数据，并在检测到潜在故障时主动暂停设备运行，以防止进一步损害。通过凸轮管理模块，用户可以查看凸轮的旋转角度、已运行的圈数等。除此之外，程序还建立了基于MySQL数据库的数据存储系统，用于将采集的织针运行数据存储到数据库中，便于后续训练新的故障诊断模型，也可为后续设备的改进提供数据支撑。

3.2 应用效果

本研究根据新型管式磁悬浮针织圆纬机的实际运行环境和监控系统功能需求，开发了一个虚实交互监控平台，并实现了物理实体和虚拟实体之间的成功连接，完成了整个系统的部署工作。如图6所示，展示了实验设备运行状态的截图。通过对物理实体实时数据的采集，图6（b）所示的虚拟实体完整的反映了圖6（a）中的物理实体的运行状态。

为验证本软件系统在监控磁悬浮织针运行状态的效果，拆除了磁悬浮针织圆纬机的其余机构，确保织针的运动状态可以直观地被观测。通过编程让织针在最低点和最高点之间循环运动。如图7所示，物理实体织针与虚拟实体织针运动的状态一致，物理实体的运行状态能够被虚拟实体精确的反映出来。

除了在虚拟模型上可视化地监测织针运行状态之外，还可以在数据层面实时观测织针的运行数据。图8展示了织针执行三功位时的实时高度数据。

经测试，该孪生平台能够精确地反映新型管式磁悬浮针织圆纬机的运行状况。孪生界面准确地实现了磁悬浮织针系统的实时映射，完成了对织针定位、织针动作同步、系统模型变化等关键功能。三维视角下，画质清晰流畅，模型动作平滑且无停顿感，数据传输间隔为20 ms左右。模型与实际织针系统的协同运作几乎完美同步，通讯同步性良好。系统显示出高度的稳定性，且人机交互性强。故障诊断方面，能够成功检测到故障的发生并及时暂停设备运行，设备运行的安全性得到提升。

4 总结

针对磁悬浮针织圆纬机缺少实时监控机制的现状，本研究提出了一种依托数字孪生技术的监控系统架构。该架构基于数字孪生五维模型，并综合磁悬浮针织圆纬机的特性和监控重点，详细论述了其在数字孪生五维模型中的构成要素。在此基础上，本文首先分析了不同三维工具在构建虚拟模型时的优劣，并详细阐述了采用 Unity 3D引擎构建虚拟模型的流程；继而构建了基于OPC UA的数据采集模块，负责采集驱动数字孪生虚拟实体的孪生数据；最后，利用CNN模型搭建了故障诊断模型，以实现对设备运行状态的实时监控。为了检验所提的监控系统架构的可行性和有效性，本研究通过开发管式磁悬浮针织设备的应用案例进行了实证测试，测试结果表明，该监控架构能够有效监控设备的运行状态，显著提升了设备运行状态的可视化感知程度。

参考文献：

[1]吴晓光， 张弛， 朱里， 等.磁悬浮式驱动织针的关键技术与试验模型[J].纺织学报， 2014， 35（10）：129-135.

WU Xiaoguang， ZHANG Chi， ZHU Li， et al. Key technologies of magnetic suspension driving knit- ting needles and experimental model[J]. Journal of Textile Research， 2014， 35（10）：129-135.

[2]吴晓光， 张弛， 朱里， 等.磁悬浮式织针轴向悬浮控制及运动轨迹研究[J].针织工业， 2014， （10）：22-25.

WU Xiaoguang， ZHANG Chi， ZHU Li， et al. Axi- al suspended control and motion trajectoru re- search of magnetic suspension driven knitting nee- dle[J]. Knitting Industries， 2014， （10）：22-25.

[3]吴晓光， 张弛， 朱里， 等.磁悬浮驱动织针的控制算法与试验过程研究[J].针织工业， 2013， （11）：18-22.

WU Xiaoguang， ZHANG Chi， ZHU Li， et al. Con- trol algorithm of magnetic levitated knitting nee- dle and experimental research[J]. Knitting Indus- tries， 2013， （11）：18-22.

[4]吴晓光， 黄振， 朱里， 等.磁悬浮式驱动织针的原理及结构设计[J].针织工业， 2012（6）：10-13+72. WU Xiaoguang， HUANG Zhen， ZHU Li， et al. Principle and structural design of magnetic levita- tion driven needle[J]. Knitting Industries， 2012（6）：10-13+72.

[5]LIU M， FANG S， DONG H， et al. Review of digi- tal twin about concepts， technologies， and industri- al applications[J]. Journal of Manufacturing Sys- tems， 2021， 58：346-361.

[6]GRIEVES M. Back to the future： Product lifecy- cle management and the virtualization of product information[J]. Product Realization： A Compre- hensive Approach， 2009：1-13.

[7]SHAFTO M， CONROY M， DOYLE R， et al. Draft modeling， simulation， information technolo- gy & processing roadmap[J]. Technology area，2010， 11：1-32.

[8]TUEGEL E J， INGRAFFEAA R， EASON T G， et al. Reengineering aircraft structural life prediction using a digital twin[J]. International Journal of Aerospace Engineering， 2011.

[9]陶飞， 刘蔚然， 张萌， 等.数字孪生五维模型及十大领域应用[J].计算机集成制造系统， 2019， 25（1）：1-18.

TAO Fei， LIU Weiran， ZHANG Meng， et al. Five- dimension digital twin model and its ten applica- tions[J]. Computer Integrated Manufacturing Sys- tems， 2019， 25（1）：1-18.

[10]张辰源， 陶飞.数字孪生模型评价指标体系[J].计算机集成制造系统， 2021， 27（8）：2171-2186. ZHANG Chenyuan， TAO Fei. Evaluation index system for digital twin model[J]. Computer Inte- grated Manufacturing Systems， 2021， 27（8）：2171-2186.

[11]袁凡， 陈卫东， 徐铷忆， 等.场景赋能：场景化设计及其教育应用展望——兼论元宇宙时代全场景学习的实现机制[J].远程教育杂志， 2022， 40（1）：15-25.

YUAN Fan， CHEN Weidong， XU Ruyi， et al. Scenario empowerment： scenario design and its educational application prospect： also on the real- ization mechanism of full- scene learning in the era of metaverse[J]. Journal of Distance Educa- tion， 2022， 40（1）：15-25.

[12]丁恩杰， 俞啸， 夏冰， 等.矿山信息化发展及以数字孪生为核心的智慧矿山关键技术[J].煤炭學报， 2022， 47（1）：564-578.

DING Enjie， YU Xiao， XIA Bing， et al. Develop- ment of mine informatization and key technolo- gies of intelligent mines[J]. Journal of China Coal Society， 2022， 47（1）：564-578.

[13]盛戈皞， 钱勇， 罗林根， 等.面向新型电力系统的电力设备运行维护关键技术及其应用展望[J].高电压技术， 2021， 47（9）：3072-3084.

SHENG Gehao， QIAN Yong， LUO Lingen， et al. Key technologies and application prospects for operation and maintenance of power equipment in new type power system[J]. High Voltage Engi- neering， 2021， 47（9）：3072-3084.

[14]孟松鹤， 叶雨玫， 杨强， 等.数字孪生及其在航空航天中的应用[J].航空学报， 2020， 41（9）：6-17.

MENG Songhe， YE Yumei， YANG Qiang， et al. Digital twin and its aerospace applications[J]. Ac- ta Aeronautica et Astronautica Sinica， 2020， 41（9）：6-17.

[15]李福兴， 李璐爔， 彭友.基于数字孪生的船舶预测性维护[J].船舶工程， 2020， 42（S1）：117-120+396.

LI Fuxing， LI Luxi， PENG You. Ship predictive maintenance based on digital twins[J]. Ship Engi- neering， 2020， 42（S1）：117-120+396.

[16]贺兴， 艾芊， 朱天怡， 等.数字孪生在电力系统应用中的机遇和挑战[J].电网技术， 2020， 44（6）：2009-2019.

HE Xing， AI Qian， ZHU Tianyi， et al. Opportuni- ties and challenges of the digital twin in power system applications[J]. Power System Technolo- gy， 2020， 44（6）：2009-2019.

[17]LAAKI H， MICHE Y， TAMMI K. Prototyping a digital twin for realtime remote control over mo- bile networks： application of remote surgery[J]. IEEE Access， 2019， 7：20325-20336.

[18]周瑜， 刘春成.雄安新区建设数字孪生城市的逻辑与创新[J].城市发展研究， 2018， 25（10）：60-67.

ZHOU Yu， LIU Chuncheng. The logic and inno- vation of building digital twin city in xiong'an new area[J]. Urban Development Studies， 2018， 25（10）：60-67.

[19]戚浩， 李晓月， 陶强， 等.数字孪生驱动的机械工艺系统研究进展[J].航空学报， 2023：1-34.

QI Hao， LI Xiaoyue， TAO Qiang， et al. Research progress in mechanical process system driven by digital twin[J]. Acta Aeronautica et Astronautica Sinica， 2023：1-34.

[20]陈思远.磁悬浮针织系统的数字孪生监控平台的研究与构建[D].武汉：武汉纺织大学， 2022.

CHENG Siyuan. Research and construction of digital twin monitoring platform of magnetic lev- itation knitting system[D]. Wuhan： Wuhan Tex- tile University， 2022.

[21]康瑞浩， 胡俊山， 田威， 等.面向工業机器人的数字孪生建模精度补偿方法[J].航空制造技术，2023， 66（6）：50-59.

KANG Ruihao， HU Junshan， TIAN Wei， et al. A digital twin modelling accuracy compensation method for industrial robots[J]. Aeronautical Manufacturing Technology， 2023， 66（6）：50-59.

[22]樊博涵.基于数字孪生的架桥机施工智能监测系统的研究与开发[D].西安：长安大学， 2023.

FAN Bohan. Research and development of digi- tal twin-based intelligent monitoring system for bridge girder erection machine[D]. Xi an： Chang an University， 2023.

[23]李梅， 姜展， 满旺， 等.基于虚幻引擎的智能矿山数字孪生系统云渲染技术[J].测绘通报， 2023（1）：26-30.

LI Mei， JIANG Zhan， MAN Wang， et al. Study on could rendering technology of intelligent mine digital twin system using unreal engine[J]. Bulletin of Surveying and Mapping， 2023（1）：26-30.

[24]杨愉， 张弛， 左小燕， 等.基于数字孪生的基础模搬运监控研究[J].武汉纺织大学学报， 2023， 36（1）：9-13.

YANG Yu， ZHANG Chi， ZUO Xiaoyan， et al. Research on monitoring of basic mold handling based on digital twin[J]. Journal of Wuhan Tex- tile University， 2023， 36（1）：9-13.

[25]杨帆， 吴涛， 廖瑞金， 等.数字孪生在电力装备领域中的应用与实现方法[J].高电压技术， 2021， 47（5）：1505-1521.

YANG Fan， WU Tao， LIAO Ruijin， et al. Appli- cation and implementation method of digital twin in electric equipment[J]. High Voltage Engi- neering， 2021， 47（5）：1505-1521.

[26]ZHAO R， YAN R， CHEN Z， et al. Deep learning and its applications to machine health monitoring [J]， 2019， 115：213-237.

[27]宛张灵.管式直驱电织针关键机理研究及实验[D].武汉：武汉纺织大学， 2022.

WANG Zhangling. Research and experiment on the key mechanism of tubular direct drive elec- tric knitting needle[D]. Wuhan： Wuhan Textile University， 2022.

（责任编辑：周莉）