数字制造及其在蜗杆副制造中的应用

本文首先介绍了数字制造的内涵、定义和基于控制、产品设计、管理的几种不同角度的数字制造观,接着介绍了数字制造的本质和核心问题。数字制造的关键是建立制造计算模型,这是一个复杂的问题,本文侧重介绍了基于数字样机的建模、仿真。最后介绍了数字制造在平面二包蜗杆副中的应用。     

飞机钣金零件的数字化建模及逆向验证

数字化建模为某型号飞机钣金零件制造方式由模拟量向数字量传递转变的基础,该文以CATIA作为正向建模与逆向验证的集成三维设计软件,分析了模拟量信息提取与三维数字模型构造实施过程中流程管控和建模要素对于精确建模的动态关系,提出了激光扫描仪捕捉工装曲面特征与三维柔性测量臂获取零件外轮廓特征得到实际零件外形数字量的方法,通过逆向验证检验了正向建模的可行性。     

面向智能制造的数字仓储系统设计

目的 从设计的角度探究如何运用数字仓储系统满足智能制造发展需求的相关理论,以期为制造企业提供智能化生产服务.方法 运用文献研究和典型案例分析法,通过系统架构、管理模块、数据流等方面对数字仓储系统进行全面设计,揭示出数字化仓储技术与装备的功能特点,进而提出数字仓储系统实现路径.结果 数字仓储系统实现了对物料、成品从订单发出到在途、上架、入库、出库全流程的追踪监控,对仓储、物流资源进行了一体化管理,实现了智能制造信息深度自感知、智慧优化自决策、精准控制自执行.结论 在智能制造的大环境下,数字仓储系统能够满足制造企业大规模定制生产要求,具备高柔性的全流程数字化管理模式,助推智能制造进一步发展.     

制造企业物流系统建模技术的研究

通过对现有系统建模分析技术的比较和分析，针对制造企业物流系统提出了一种集成建模分析方法GI－SIM法。该方法以概念、功能和动态建模思想为基础，以GRAI格、IDEFO和仿真技术为建模工具，满足了复杂物流系统的建模要求。最后，给出了GI－SIM法的建模步骤，并对其进行了总结和评价。     

基于数字孪生与深度学习技术的制造加工设备智能化方法研究

针对传统制造加工设备在生产加工过程中存在设备与数据信息联系不紧密,设备使用维护多依赖于人工经验等问题,提出了一种新的设备智能化方法。首先,在信息层建立能反映制造加工设备真实状态的数字孪生体;其次,基于历史加工大数据,通过数字孪生体对加工过程的行为进行建模及深度学习和训练,并利用训练好的人工神经网络根据采集到的实时数据来预测制造加工设备下一时刻的状态,使制造加工设备实现物理层与信息层数据的深度融合,拥有自我感知、自我预测的能力,最终实现智能化;最后,以浆料微流挤出成型设备挤出结构系统的智能化实施过程为例,验证了所提出方法的可行性。实例结果表明该设备智能化方法可有效地对挤出结构系统的运行状态进行监测及预测,为后续提高挤出成型精度提供了有效的数据信息。研究表明数字孪生和深度学习技术能够提升制造加工设备的智能化程度,可为未来智能制造的发展提供理论支撑。     

虚拟制造中的制造系统建模

为了映射真实系统与服务环境之间的相互作用，分析了在虚拟制造环境下制造系统静态模型和动态模型的建模方法，并通过生产系统预规划和动态规划过程，揭示了该模型具有的支持产品制造全过程的特性，最后阐述了原型系统的结构框架以及工业应用的成果。     

平衡悬架汽车平顺性分析的建模技术

道路汽车平顺性分析必须以整车包括人、车路在内的多主体模型对象为基础.文中提出并实现了基于数字方法的随机道路建模、基于多体系统的车辆动力学建模和基于感觉滤波方法的驾乘人员对振动的评价建模,这些建模方法为系统级研究车辆的平顺性动力学奠定了基础.     

航空智能制造的基础——软件定义创新工业范式

本文依据中国工程院最新观点性文章《走向新一代智能制造》,结合航空工业智能制造的演进路径,从传统研制方式人–物理系统入手,分析了飞机制造业的数字化到智能化的发展。对飞机基于模型的数字定义,到基于信息–物理系统的数字定义进行了阐述。新一代智能制造就是在新一代信息技术(云计算、物联网、移动通信、大数据、智能制造)的支持下,实现与人、设备和物料的深度融合,其典型特点就是数字主线使能的数字孪生。     

可重构制造系统的布局规划技术研究

分析了可重构制造系统的内涵,提出了制造系统重构的三种分类(逻辑型RMS、改进型RMS和创新型RMS)并给出了制造系统重构的流程.在利用UML对制造系统建模的基础上,建立了统一的面向改进型RMS和创新型RMS布局规划的多目标规划数学模型.提出了启发式算法和遗传算法相结合的混合遗传算法,解决了创新型RMS布局规划问题.实例验证了算法的可行性和有效性.     

工业数字孪生数据建模在钢铁行业中的应用研究

目的 工业数字孪生技术在钢铁行业的应用展现了其显著的潜力,成为工厂数字转型的核心技术之一,尤其在数据建模方面。本文梳理工业数字孪生中数据建模技术在钢铁行业中的应用。方法 通过梳理相关文献,重点分析四种数据建模方法,即基于知识的方法、基于机理的方法、基于传统机器学习的方法和基于深度学习的方法,详细介绍这些方法的优势、局限性和具体应用案例。探索了这些方法在数字物理实体融合的工业数字孪生系统构建中的潜力,以及未来模型的可扩展性设计,特别是针对大模型技术的应用。结论 通过这一综述,梳理钢铁行业现有工业数字孪生数据建模技术,为钢铁行业的数字化转型提供有价值的见解,并为未来的研究和实践提供方向。     

基于知识工程驱动的导管智能工艺设计系统的开发与应用

目的 实现工业金属导管数字化快速制造,提高导管制造质量,缩短装备研制周期。方法 采用基于知识工程驱动的三维数字化设计技术、人工智能技术、计算机仿真技术,开发导管数字化制造集成系统,该系统主要包括导管数字化制造子系统、拼装夹具数字化设计子系统和系统管理子系统,进行导管三维建模、工艺设计与仿真、拼装夹具设计和导管数字化检测,实现金属导管数字化快速制造。结果 实现了多种装备上千种不同类型导管的数字化快速制造,提高了生产效率,导管数模的利用率达100%,导管试装合格率达78%,制造周期缩短了2个月,生产成本显著降低。     

箱体零件CAD／CAPP／CAM集成系统的研究与实践

在ＣＩＭＳ环境下，针对箱体零件ＣＡＤ、ＣＡＰＰ、ＣＡＭ信息集成的功能需求，在基于特征的箱体零件信息模型、工艺计划模型与服务于工艺设计的制造环境模型的支持下，开发出了特征造型，工艺设计及加工过程仿真与ＮＣ编程等子系统，从而完成了一个集成化的箱体零件ＣＡＤ／ＣＡＰＰ／ＣＡＭ系统。     

基于三维轻模型的装配MES系统关键技术

针对现阶段产品设计已经实现三维数字化,但在航空等典型离散行业的制造现场仍以二维工程图为产品制造依据的现实,提出了基于三维轻模型的装配MES系统,将产品设计数据向制造过程延伸,并结合MBD( ModelBased Definition,基于模型的定义)技术实现基于三维轻模型的装配工艺定义,以三维轻模型为车间现场装配生产的...     

复杂型材智能加工制造系统的设计

目的 实现新一代信息技术背景下传统铝门窗幕墙型材加工行业的转型升级,以应对复杂型材加工制造存在的成本高、工序繁多等诸多挑战。方法 根据型材加工工艺流程及该行业定制化生产的特点,提出一种涵盖网上下单、订单自动处理、机床智能加工生产的复杂型材智能加工制造系统架构,重点针对自主开发的门窗幕墙型材一站式加工智能机床,研发出一套复杂型材智能加工制造系统。结果 研究了加工信息数字化模型、工艺数据库等关键技术。通过工艺数据库的构建,实现了自动编程系统的搭建。结合Web Service与XML技术,研发出订单自助处理系统、机床智能操作管理系统及其与ERP系统的集成互连,打通了生产各环节之间的技术壁垒,形成了复杂型材一体化加工工艺。结论 实际测试表明,经复杂型材智能加工制造系统一体化制造的复杂型材从接受订单到产品加工完成只需40分钟,大幅提高了生产效率和产品质量,降低了加工成本。本研究为复杂型材智能加工及其他传统制造行业的转型升级提供了有益的借鉴和参考。     

Revisiting digital twins: Origins,fundamentals, and practices

The digital twins (DT) has quickly become a hot topic since it was proposed. It appears in all kinds of commercial propaganda and is widely quoted by academic circles. However, the term DT has misstatements and is misused in business and academics. This study revisits DT and defines it to be a more advanced system/product/service modeling and simulation environment that combines most modern information communication technologies (ICTs) and engineering mechanism digitization and characterized by system/product/service life cycle management, physically geometric visualization, real-time sensing and measurement of system operating conditions, predictability of system performance/safety/lifespan, and complete engineering mechanisms-based simulations. The idea of DT originates from modeling and simulation practices of engineering informatization, including virtual manufacturing (VM), model predictive control, and building information modeling (BIM). On the basis of the two-element VM model, we propose a three-element model to represent DT. DT does not have its unique technical characteristics. The existing practices of DT are extensions of the engineering informatization embracing modern ICTs. These insights clarify the origin of DT and its technical essentials.     

制造物联网系统动力学建模与分析

动态因素影响生产系统的运作表现,而相应的流程再造和信息共享机制使得充满动态性的生产系统达到统计学意义上的运作最优化。随着系统动力学广泛应用于系统结构和参数的控制与仿真,物联网技术为广泛、实时、精确采集生产系统的动态性提供了使能手段,使得系统动力学可以在实时信息环境下对生产系统的运作表现进行全面、敏捷、精确的仿真和分析,使得制造物联网系统的运作达到最优。本文采用系统动力学构建仿真模型,对比分析物联网技术应用前后的生产系统运作差异,并通过投资回报率分析不同方案的经济可行性,为企业决策提供参考依据。     

论制造系统模式的新进展

分析了制造系统模式变迁的原因；论述了现代制造系统模式的新特征，即客户化动态系统、可变性、自组织、自治与协调、全生命周期高的成本效率以及集成进化；提出了支持现代制造系统模式的若干关键技术，包括时变制造过程建模、自适应生产管理以及现代集成技术等；介绍了可重构制造系统、多智能代理制造系统、子整制造系统以及虚拟生产系统等现代制造系统；并从工业工程的角度，讨论了发展中国现代制造系统模式的若干问题，即改变金字塔式的集中管理组织结构，合理地发挥人的作用以及重视信息技术的应用。     

Automatic feature selection for unsupervised clustering of cycle-based signals in manufacturing processes

Recent developments in sensing and computer technology have resulted in most manufacturing processes becoming a data-rich environment. A cycle-based signal refers to an analog or digital signal that is obtained during each repetition of an operation cycle in a manufacturing process. It is a very important class of in-process sensing signals for manufacturing processes because it contains extensive information on the process condition and product quality (e.g., the forming force signal in forging processes). In contrast with currently available supervised classification approaches that heavily depend on the training dataset or engineering field knowledge, this paper aims to develop an automatic feature selection method for the unsupervised clustering of cycle-base signals. First, principal component analysis is applied to the raw signals. Then a new method is proposed to select information containing principal components to allow clustering to be performed. The dimension of the problem can be significantly reduced through the use of these two steps. Finally, a model-based clustering method is applied to the selected principal components to find the clusters in the cycle-based signals. A numerical example and a real-world example of a forging process are used to illustrate the effectiveness of the proposed method. The proposed technique is an important data pre-processing technique for the monitoring and diagnostic system development using cycle-based signals for manufacturing processes.