[发明专利]一种基于性能数字孪生的动态装调方法、系统及设备

说明书

本发明提供了一种基于性能数字孪生的动态装调方法、系统及设备，该方法包括：监测并采集装配过程中的多源异构数据；对所述多源异构数据的实时数据、历史数据进行预处理，提取所述实时数据、历史数据对应的动态特征数据，进行特征拟合，将实时数据拟合曲线与历史数据拟合曲线对比，判断数据是否异常；建立装配过程数字孪生模型，获取仿真预测数据；基于仿真预测数据，对在制品质量参数进行分析，确定异常原因；基于所述异常原因，进行动态优化调控。本方案提高了装配过程中质量管控的全面性，可对装配质量特性的变化趋势进行预测，减少了装配过程调整策略的盲目性和主观性。

技术领域

本发明涉及数字孪生及智能制造领域，尤其涉及针对两轴两框架伺服系统结构的数字孪生的动态装调方法、系统及设备。

背景技术

复杂产品是指产品的需求复杂、组成复杂、技术复杂、制造过程复杂、生产管理复杂的一类产品，如飞机等。复杂产品研制周期长、试制费用高。质量是复杂装备的固有属性，对其效能发挥起着非常重要的作用。装配是复杂产品制造过程中最重要的环节之一，其结果对产品的质量、性能、寿命和可维护性具有直接的影响。在制造过程中，装配时间约占总生产时间的20％～50％，装配费用占制造总费用的20％～30％。近年来，随着物联网、大数据和云计算技术的日臻成熟，促进了现代复杂机械产品的装配生产向数字化、网联化和智能化的方向发展。催生了物理信息融合、数字孪生技术与制造业的深度融合。数字孪生作为一种可以实现装备装配过程物理域和信息域智能互联与交互融合的潜在有效途径，近期受到了国内外专家的高度关注。

两轴两框架伺服结构作为复杂装配结构，广泛运用于导引头等光电系统稳定平台中，负载通常为光学器件或者陀螺等元器件，精度高并对振动等外界干扰敏感，因此对两轴两框架伺服结构的动力学指标有很高的要求。装配是两轴两框架结构实现功能的最终环节，是整机达到预期动力学性能的关键。以某型号导引头为例，其零部件加工制造等级已经很高，但是产品性能达标率依然依赖于装配，且伺服机构装配方式仍然为手工装配，某些环节只有经验丰富的技师凭借手感装配，装配过程存在一次装配合格率低，稳定性和可靠性差，生产成本和周期居高不下的问题。

现阶段的专利公开以及文献资料显示，已有学者通过数字孪生的手段对智能装配车间质量进行预测与控制，然而，现有的质量预测方法主要通过大数据的手段，对质量数据进行分析，这种预测方式仍旧定位于装配公差等几何要素控制上，而质量特性通常具有多学科属性，并且以物理量的形式进行表征。还有一些学者采用曼哈顿算法进行相对质量离差的计算，以得到较优的装配工艺参数。然而，在装配过程变得复杂时，曼哈顿算法的应用就变得非常局限，对于装配质量特性中存在的非线性问题表达处理能力不够。此外，在现有的装调方法中，在装配工艺是基于结构尺寸、形状与位置精度的坐标体系，以这些静态几何参数为装配控制输入，可以获得很好的静态精度，但在伺服机构的频率、阻尼、预紧力以及动刚度这些与振动特性相关的动态物理指标方面，缺乏有效的装配仿真分析、装配性能预测、装配质量保证的手段。

综上，现有的研究成果和方法虽然在一定程度上可以提高装配精度、实现复杂产品装配车间优化管理，但是由于对非线性问题处理能力不够，质量特性只聚焦在传统的几何要素上等问题，系统得出的质量特性参数预测结果难以适应复杂的离散型产品装配，给出的调整策略未能达到整个产品装配质量稳定可控的要求。

发明内容

有鉴于此，本发明提供了一种基于性能数字孪生的动态装调方法、系统及设备，以弥补现有技术中的不足。具体而言，本发明提供了以下的技术方案：

一方面，本发明提供了一种基于性能数字孪生的动态装调方法，该方法包括：

步骤1、监测并采集装配过程中的多源异构数据，所述多源异构数据包括参数数据、动态信息数据、环境数据；

步骤2、对所述多源异构数据的实时数据、历史数据进行预处理，提取所述实时数据、历史数据对应的动态特征数据，进行特征拟合，将实时数据拟合曲线与历史数据拟合曲线对比，判断数据是否异常；