面向航空复杂零件智能工艺规划的孪生工艺模型构建与应用研究

doi:10.3901/JME.2024.06.032

机械工程学报 ›› 2024, Vol. 60 ›› Issue (6): 32-43.doi: 10.3901/JME.2024.06.032

• 特邀专栏：数据-知识混合驱动的智能制造系统 • 上一篇下一篇

扫码分享

面向航空复杂零件智能工艺规划的孪生工艺模型构建与应用研究

张超^1,2, 周光辉^1,2, 李晶晶¹, 魏智博¹, 秦天宇¹

1. 西安交通大学机械工程学院西安 710049;
2. 西安交通大学机械制造系统工程国家重点实验室西安 710054

收稿日期:2023-09-10 修回日期:2024-01-21 出版日期:2024-03-20 发布日期:2024-06-07
通讯作者: 周光辉，男，1972年出生，博士，教授，博士研究生导师。主要研究方向为智能制造与产品服务系统技术、智能车间数字孪生建模与运控、离散车间高效低碳运行理论与方法。E-mail：ghzhou@mail.xjtu.edu.cn
作者简介:张超，男，1992年出生，博士，助理教授。主要研究方向为车间智能制造技术及系统、工业数字孪生、决策支持系统、深度学习理论与应用。E-mail：superzc@xjtu.edu.cn;李晶晶：女，1990年出生，博士研究生。主要研究方向为数字孪生驱动的工艺智能决策。E-mail：ljj1588@stu.xjtu.edu.cn;魏智博：男，1994年出生，主要研究方向为数控铣削加工过程数字孪生建模与优化控制。E-mail：weizhibo122@stu.xjtu.edu.cn;秦天宇：男，1997年出生，主要研究方向为制造工艺知识智能感知与主动推荐。E-mail：qty997867@stu.xjtu.edu.cn
基金资助:
国家自然科学基金(52105530， 51975463)、中国博士后创新人才支持计划(BX2021244)、陕西省高校科协青年人才托举计划(20210409)和中国博士后科学基金(2021M692556)资助项目。

Research on the Construction and Application of Digital Twin Process Model for Intelligent Process Planning of Aviation Complex Parts

ZHANG Chao^1,2, ZHOU Guanghui^1,2, LI Jingjing¹, WEI Zhibo¹, QIN Tianyu¹

1. School of Mechanical Engineering, Xi'an Jiaotong University, Xi'an 710049;
2. State Key Laboratory for Manufacturing Systems Engineering, Xi'an Jiaotong University, Xi'an 710054

Received:2023-09-10 Revised:2024-01-21 Online:2024-03-20 Published:2024-06-07

摘要/Abstract

摘要： 针对航空制造企业以人工经验为主的试错型工艺规划方式及工艺设计与加工过程缺乏协同导致的航空复杂零件工艺方案设置不合理、加工过程调整不及时、几何精度与物理性能指标调控难等问题，通过引入数字孪生技术，构建面向航空复杂零件智能工艺规划的新型孪生工艺模型及其参考框架。据此，从实测数据、质量信息和工艺知识融合的角度，提出孪生工艺模型数据空间、虚拟空间和知识空间的构建方法，明晰加工过程几何误差与物理性能指标使能的孪生工艺模型多维空间协同演进机制，实现工艺设计与加工过程的联动优化。进一步以航空薄壁件为例，实现孪生工艺模型的原型开发，并探索孪生工艺模型的典型应用场景，为航空制造企业革新工艺规划方式、实现工艺设计与加工过程的联动优化提供支撑。

关键词: 数字孪生, 智能工艺规划, 孪生工艺模型, 质量调控, 航空复杂零件, 智能决策

Abstract: Currently, process planning of complex aviation parts still depends on manual experiences and lacks the coordination between process design and machining. The above issues case the problems like unreliable setting of process plans, un-timely responsive adjustment of machining process, and difficult to control the geometric accuracy and physical performance indicators of complex aviation parts. To bridge the gap, the digital twin is introduced into process planning and a novel reference framework of digital twin process model (DTPM) is proposed. Accordingly, by fusing the on-site data, quality information and process knowledge, the construction methods of data space, virtual space, and knowledge space of DTPM are proposed. Then, the co-evolution mechanism of multiple spaces of DTPM driven by geometric errors and physical performance indexes during machining process is introduced, which realizes the linkage optimization of process design and machining. Finally, aviation thin-walled parts are taken as an example to develop a DTPM prototype. Its application examples show that DTPM could provide supports for aerospace manufacturing enterprises to innovate process planning methods and realize the linkage optimization of process design and machining.

Key words: digital twin, intelligent process planning, digital twin process model, quality control, aviation complex parts, intelligent decision-making

中图分类号:

TH166

张超, 周光辉, 李晶晶, 魏智博, 秦天宇. 面向航空复杂零件智能工艺规划的孪生工艺模型构建与应用研究[J]. 机械工程学报, 2024, 60(6): 32-43.

ZHANG Chao, ZHOU Guanghui, LI Jingjing, WEI Zhibo, QIN Tianyu. Research on the Construction and Application of Digital Twin Process Model for Intelligent Process Planning of Aviation Complex Parts[J]. Journal of Mechanical Engineering, 2024, 60(6): 32-43.

参考文献

[1] 张晓东，韩策. 航空复杂壳体零件深孔加工技术研究[J]. 航空制造技术，2017，60(15)：50-57. ZHANG Xiaodong，HAN Ce. Research review of deep hole machining technology for complex shell part[J]. Aeronautical Manufacturing Technology，2017，60(15)：50-57.
[2] 黄晓明，孙杰，李剑峰. 基于刚度与应力演变机制的航空整体结构件加工变形预测理论建模[J]. 机械工程学报，2017，53(9)：201-208. HUANG Xiaoming，SUN Jie，LI Jianfeng. Mathematical modeling of aeronautical monolithic component machining distortion based on stiffness and residual stress evolvement[J]. Journal of Mechanical Engineering，2017，53(9)：201-208.
[3] 徐金亭，牛金波，陈满森，等. 精密复杂曲面零件多轴数控加工技术研究进展[J]. 航空学报，2021，42(10)：31-54. XU Jinting，NIU Jinbo，CHEN Mansen，et al. Research progress in multi axis CNC machining of precision complex curved parts[J]. Acta Aeronautica et Astronautica Sinica，2021，42(10)：31-54.
[4] SARKAR A，ŠORMAZ D. On semantic interoperability of model-based definition of product design[J]. Procedia Manufacturing，2019，38：513-23.
[5] 轩左晨，李智，周丹晨. 交互式MBD模型工艺审查方法研究[J]. 现代制造工程，2021(8)：70-76. XUAN Zuochen，LI Zhi，ZHOU Danchen. Study on manufacturability evaluation of MBD model based on interactive method[J]. Modern Manufacturing engineering，2021(8)：70-76.
[6] 杨海龙，左颖萍. 基于MBD技术的三维工艺研究[J]. 航空精密制造技术，2019，55(6)：34-36. YANG Hailong，ZUO Yingping. Three-dimensional process research based on MBD technology[J]. Aviation Precision Manufacturing Technology，2019，55(6)：34-36.
[7] ZHAO P，LIU J，JING X，et al. The modeling and using strategy for the digital twin in process planning[J]. IEEE Access，2020，8：41229-41245.
[8] ZHOU G，ZHANG C，LI Z，et al. Knowledge-driven digital twin manufacturing cell towards intelligent manufacturing[J]. International Journal of Production Research，2020，58(4)：1034-1051.
[9] 郭飞燕，刘检华，邹方，等. 数字孪生驱动的装配工艺设计现状及关键实现技术研究[J]. 机械工程学报，2019，55(17)：110-132. GUO Feiyan，LIU Jianhua，ZOU Fang，et al. Research on the state-of-art，connotation and key implementation technology of assembly process planning with digital twin[J]. Journal of Mechanical Engineering，2019，55(17)：110-132.
[10] HÄNEL A，SCHNELLHARDT T，WENKLER E，et al. The development of a digital twin for machining processes for the application in aerospace industry[J]. Procedia CIRP，2020，93：1399-1404.
[11] MIKEL A F C，LUKE B，ET AL. Evaluation of machine tool digital twin for machining operations in industrial environment[J]. Procedia CIRP，2019，82：231-236.
[12] ZHENG Y，YANG S，CHENG H. An application framework of digital twin and its case study[J]. Journal of Ambient Intelligence and Humanized Computing，2018，10(3)：1141-1153.
[13] LIU J，ZHOU H，TIAN G，et al. Digital twin-based process reuse and evaluation approach for smart process planning[J]. The International Journal of Advanced Manufacturing Technology，2018，100(5-8)：1619-1634.
[14] LIU J，LIU X，CHENG Y，et al. An approach to mapping machining feature to manufacturing feature volume based on geometric reasoning for process planning[J]. Proceedings of the Institution of Mechanical Engineers Part B Journal of Engineering Manufacture，2015，231(7)：1204-1216.
[15] LIU S，BAO J，LU Y，et al. Digital twin modeling method based on biomimicry for machining aerospace components[J]. Journal of manufacturing systems，2021，58：180-195.
[16] ZHANG C，ZHOU G，HU J，et al. Deep learning-enabled intelligent process planning for digital twin manufacturing cell[J]. Knowledge-Based Systems，2020，191：105247.
[17] 于勇，胡德雨，戴晟，等. 数字孪生在工艺设计中的应用探讨[J]. 航空制造技术，2018，61(18)：26-33. YU Yong，HU Deyu，DAI Sheng，et al. Study on application of digital twin in process planning[J]. Aeronautical Manufacturing Technology，2018，61(18)：26-33.
[18] 冯昊天. 薄壁零件柔性装配线数字孪生模型构建[D]. 北京：北京信息科技大学，2021. FENG Haotian. Construction of digital twin model for flexible assembly line of thin-walled parts[D]. Beijing：Beijing Information Science and Technology University，2021.
[19] 刘世民，孙学民，陆玉前，等. 知识驱动的加工产品数字孪生拟态建模方法[J]. 机械工程学报，2021，57(23)：182-194. LIU Shimin，SUN Xuemin，LU Yuqian，et al. A knowledge-driven digital twin modeling method for machining products based on biomimicry[J]. Journal of Mechanical Engineering，2021，57(23)：182-194.
[20] RONG K，DING H，KONG X，et al. Digital twin modeling for loaded contact pattern-based grinding of spiral bevel gears[J]. Advanced Engineering Informatics，2021，49：101305.
[21] MUNIRAJ S P，XU X. An Implementation of OPC UA for machine-to-machine communications in a smart factory[J]. Procedia Manufacturing，2021，53：52-58.
[22] 张超，周光辉，肖佳诚，等. 数字孪生制造单元多维多尺度建模与边—云协同配置方法[J]. 计算机集成制造系统，2023，29(2)：355-371. ZHANG Chao，ZHOU Guanghui，XIAO Jiacheng，et al. Multi-dimensional and multi-scale modeling and edge-cloud collaborative configuration method for digital twin manufacturing cell[J]. Computer Integrated Manufacturing Systems，2023，29(2)：355-371.
[23] HUBERT，PHOENIX P，SUDARYONO R，et al. Classifying promotion images using optical character recognition and naïve bayes classifier[J]. Procedia Computer Science，2021，179：498-506.
[24] KARACA M，ALVARADO M M，GAHROOEI M R，et al. Frequent pattern mining from multivariate time series data[J]. Expert Systems with Applications，2022，194：116435.
[25] SHABTAY L，FOURNIER-VIGER P，YAARI R，et al. A guided FP-Growth algorithm for mining multitude- targeted item-sets and class association rules in imbalanced data[J]. Information Sciences，2021，553：353-375.
[26] ZHANG C，ZHOU G，YANG H，et al. View-based 3-D CAD model retrieval with deep residual networks[J]. IEEE Transactions on Industrial Informatics，2020，16(4)：2335-2345.
[27] ZHANG C，ZHOU G，LI H，et al. Manufacturing blockchain of things for the configuration of a data- and knowledge-driven digital twin manufacturing cell[J]. IEEE Internet of Things Journal，2020，7(12)：11884-11894.

面向航空复杂零件智能工艺规划的孪生工艺模型构建与应用研究

Research on the Construction and Application of Digital Twin Process Model for Intelligent Process Planning of Aviation Complex Parts

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics

本文评价

[1]	王跃飞, 王超, 许于涛, 孙睿, 肖锴, 王凯林. 边-云协同下智能制造单元作业的数字孪生任务调度方法[J]. 机械工程学报, 2024, 60(6): 137-152.
[2]	姜文涛, 刘晓明, 李培源, 陈海, 张煦松. 机械式真空快速切换开关机构多目标优化设计[J]. 机械工程学报, 2024, 60(6): 153-162.
[3]	刘达新, 王科, 刘振宇, 许嘉通, 谭建荣. 基于数据融合与知识推理的机器人装配单元数字孪生建模方法研究[J]. 机械工程学报, 2024, 60(5): 36-50.
[4]	石健, 刘冬, 王少萍. 基于数字孪生的机电液系统PHM关键技术综述[J]. 机械工程学报, 2024, 60(4): 66-81.
[5]	杨亮亮, 来孝楠, 何西旺, 李鹏, 郭正刚, 宋学官. 面向飞机机翼数字孪生的在线加速度积分方法[J]. 机械工程学报, 2024, 60(2): 342-355.
[6]	陈健, 孟义兴, 袁慎芳, 徐秋慧, 王卉. 融合导波监测的搭接结构裂纹扩展寿命孪生预测[J]. 机械工程学报, 2024, 60(16): 34-42.
[7]	刘岳开, 王天杨, 褚福磊. 基于低延迟可解释性深度学习的复杂旋转机械关键部件知识嵌入与诊断方法研究[J]. 机械工程学报, 2024, 60(12): 107-115.
[8]	叶文昌, 郭必成, 邓朝晖, 王伟, 邹伶俐, 刘超, 尹刚刚, 姜峰. 刀具智能化关键技术的研究进展及发展趋势[J]. 机械工程学报, 2023, 59(23): 265-282.
[9]	侯正航, 何卫平, 王淑侠, 胡余彭, 肖一帆. 基于数字孪生的弧齿型导引头伺服机构动态装调技术研究[J]. 机械工程学报, 2023, 59(22): 433-443.
[10]	李宏坤, 魏代同, 陈玉刚, 许书本. 数字孪生驱动的旋转叶盘振动状态全景感知方法[J]. 机械工程学报, 2023, 59(21): 270-282.
[11]	谭建荣, 高铭宇, 徐敬华, 王林轩, 贾晨, 张树有, 王康. 数智化正向设计方法及其在制造装备与过程中的应用[J]. 机械工程学报, 2023, 59(19): 111-125.
[12]	周祖德, 姚碧涛. 数字制造的科学体系与技术架构[J]. 机械工程学报, 2023, 59(19): 126-151.
[13]	丁明娜, 刘献礼, 岳彩旭, 范梦超, 顾浩. 面向智能制造过程的刀具设计、制备与管控技术[J]. 机械工程学报, 2023, 59(19): 429-459.
[14]	陶飞, 张辰源, 刘蔚然, 张贺, 马昕, 高鹏飞, 张建康. 数字工程及十个领域应用展望[J]. 机械工程学报, 2023, 59(13): 193-215.
[15]	曹雪梅, 何宏图, 魏冰阳, 许浩. 螺旋锥齿轮数字孪生体模态参数的提取与分析[J]. 机械工程学报, 2023, 59(13): 260-267.