[发明专利]一种基于数字孪生及深度学习的多工艺规划综合评估系统及方法

权利要求书

1.一种基于数字孪生及深度学习的多工艺规划综合评估系统，其特征在于，该系统包括物理设备层、数据感知层、信息处理层、虚拟空间层以及数字孪生层；所述数据感知层采集物理设备层在加工过程中的相关实时数据及历史数据，并将数据发送到信息处理层进行数据融合分析与处理；同时采集到的数据传送到虚拟空间层，在数字孪生层中相关模型的要求指导下构建出与物理实体对应的动态虚拟模型；所述数字孪生层统领其余各层，进行虚实交互反馈、融合分析及迭代优化，开展待加工零部件不同工艺方案的综合评估分析，实现工艺参数优化和工艺路线改进。

2.根据权利要求1所述的一种基于数字孪生及深度学习的多工艺规划综合评估系统，其特征在于，所述物理设备层是指对待加工零部件进行工艺规划过程中所涉及的物理实体；所述物理设备层通过数据感知层采集相关物理实体的加工检测数据，与数字孪生层实现交互映射。

3.根据权利要求1所述的一种基于数字孪生及深度学习的多工艺规划综合评估系统，其特征在于，所述数据感知层具体包括：

(1)采集物理设备层中零部件加工过程中用于工艺规划的数据信息，包括加工设备信息、零部件三维模型信息、零部件规则信息、加工质量信息、环境影响信息和人员信息；

(2)将采集的数据进行归类和存储，为后续的信息分析处理提供数据支持；其中，数据采集包括采用传感器获得的硬件采集和利用接口协议进行软件二次开发获得的软件采集；采集的数据包括加工设备、加工零部件、环境和操作人员的静态数据，以及依靠感知设备获得的实时加工过程的动态数据；

(3)将获得的数据通过工控网络传输至信息处理层。

4.根据权利要求1所述的一种基于数字孪生及深度学习的多工艺规划综合评估系统，其特征在于，所述信息处理层包括：

(1)数据融合模块：对多源异构数据进行清洗、融合及封装处理，为数据分析模块提供基础；

(2)数据分析模块：结合当前仿真模拟数据、历史加工数据、孪生模型数据、工艺评价数据进行综合数据转换、数据分析、数据分组和数据挖掘处理，对各工艺规划方案的利弊进行综合权衡比较；

(3)深度学习模块：利用深度学习理论，采用层次分析法、粒子群算法、神经网络、遗传算法或蚁群算法构建智能分析处理算法，实现工艺规划方案中结构参数的动态优化和调整。

5.根据权利要求1所述的一种基于数字孪生及深度学习的多工艺规划综合评估系统，其特征在于，所述虚拟空间层包括：

(1)加工过程动态展示：根据孪生数据和孪生模型对实际物理实体加工过程进行高保真仿真及全视角模拟展示；

(2)工艺方案综合评价对照：依据不同工艺方案采用的设备、加工成本、加工质量、环境影响和资源消进行统计对照分析，结合生产车间现有条件和能力得出最佳的工艺规划方案；

(3)工艺参数及工艺路线优化过程显示：对工艺规划方案改进过程中，工艺参数调整、工艺路线修改引起的生产加工过程资源和设备变化的实时动态输出；

(4)生产能力与资源消耗评估：对正常生产任务排单、临时生产任务增减或取消、紧急生产任务插单或设备突发故障引起的生产能力测评、原材料备货分析或资源消耗估计；

(5)加工质量预测；对加工零件的表面质量、加工精度进行预测分析。

6.根据权利要求1所述的一种基于数字孪生及深度学习的多工艺规划综合评估系统，其特征在于，所述数字孪生层包括有数字孪生模型，具体包括：

(1)数字孪生虚拟模型：用于构建物理实体在工作环境下的实体模型及在生产加工过程中的动态虚拟模型，根据实时数据和历史数据，创建数字孪生虚拟模型；

(2)数字孪生工艺模型：依据零部件毛坯数据、工艺设计数据、工艺属性数据、工艺规则数据、工艺仿真数据及孪生数据构建数字孪生工艺模型；

(3)数字孪生资源模型：包括设备资源、环境资源、信息资源等，分析已有资源情况与工艺规划方案所需资源的匹配关系，以及不同规划方案对资源合理利用的耦合关系；

(4)数字孪生质量模型：包括加工精度模型和表面质量模型两大方面，对加工零件的尺寸精度、形状位置精度、表面粗糙度、表面冷作硬化程度、残余应力大小及分布做出综合评价。