1 范围
本文件描述了基于数字孪生的仿生制造实施方法及通用技术框架
本文件适用于仿生产品的数字设计与开发、智能制造与决策、性能验证及优化,以及仿生制造数字化技术开发等交叉融合的研究与应用推广活动。
2 规范性引用文件
下列文件中的内容通过文中的规范性引用而构成本文件必不可少的条款。其中,注日期的引用文件,仅该日期对应的版本适用于本文件;不注日期的引用文件,其最新版本(包括所有的修改单)适用于本文件。
GB/T 42444—2023 仿生学 术语、概念与方法论
3 术语和定义
下列术语和定义适用于本文件
3.1 数字孪生 digital twin
具有保证物理状态和虚拟状态之间以适当速率和精度同步的数据连接的特定目标实体或物理过程的数字化表达。
[来源:GB/T 43441.1—2023,3.4,有修改]
3.2 仿生制造 biomimetic manufacturing
通过模拟生物系统的形态、结构、功能、成型过程或进化机制,提取可工程化的仿生特征,并运用现代制造技术实现产品设计与加工的方法
注:仿生制造主要包括仿生减材制造、仿生等材制造、仿生增材制造及仿生复合制造等形式。
3.3 仿生产品 biomimetic product
通过转化生物的优异功能,设计并制造的满足工程技术需求的人工制品或材料。
3.4 制造设备 manufacturing equipment
具有制造、加工仿生产品能力的设备。
3.5 基于数字孪生的仿生制造 biomimetic manufacturing based on digital twin
利用数字孪生技术,在虚拟空间中构建、仿真并优化仿生产品(3.3)的仿生特征与制造过程,并通过虚实交互、数据驱动实现仿生产品高效设计与精准制造的方法。
注:该方法能实现对仿生产品设计、制造工艺和产品质量的全生产周期监控与持续优化。
3.6 目标对象 target object
在仿生制造过程中,物理现实空间内被选中进行数字化映射的仿生产品、制造设备以及工艺加工过程。
数字孪生模型 digital twin model
在数字空间建立能与目标对象进行虚实交互的实时数字化模型,反映仿生制造过程中的仿生产品设计、制造设备与工艺加工过程的物理活动。
3.8 工艺过程 technological process during manufacturing
将原材料转化为具有仿生特性的产品所实施的方法、路径、规范、流程等系统性技术活动。
产品功能 product function
通过模拟抽象生物系统的自然特性,将其转化为技术系统或产品所能实现的目标性作用或任务。
注:自然特性包括形态、结构、行为或代谢构成机制等,产品功能如耐磨性、吸附性、减震吸能等
产品性能 product performance
仿生产品在实现其功能时表现出的可量化技术指标及综合效能
注:技术指标及综合效能包括力学性能、耐久性、热稳定性等物理化学指标
4 缩略语
下列缩略语适用于本文件。
CAD:计算机辅助设计(Computer Aided Design)
3D:三维(3-Dimensional)
5 基于数字孪生的仿生制造具备要素
5.1 通则
基于数字孪生技术构建仿生产品、制造设备和工艺过程的孪生系统,通过虚实空间多源数据融合与信息交互,应涵盖仿生产品设计、仿生制造工艺设计、制造设备状态监测与控制、仿生产品检测四个仿生制造流程,实现全流程信息反馈、监测、决策、优化与性能预测,构建高度智能化的仿生制造体系。各流程应同时满足具备模型、数据、参数三类基本要素中的一种或多种,见表1
| 具备要素 | 仿生制造流程 | |||
| 仿生产品设计 | 仿生制造工艺设计 | 制造设备状态监测与控制 | 仿生产品检测 | |
| 仿生产品数字孪生模型 | + | - | - | - |
| 制造工艺数字孪生模型 | - | + | - | - |
| 制造设备数字孪生模型 | - | - | + | - |
| 产品设计数据 | + | + | - | + |
| 具备要素 | 仿生制造流程 | |||
| 仿生产品设计 | 仿生制造工艺设计 | 制造设备状态监测与控制 | 仿生产品检测 | |
| 设备参数 | - | + | + | + |
| 环境参数 | - | + | + | + |
| 工艺参数 | - | + | + | + |
| 设备运维数据 | - | - | + | - |
| 注:"+"表示具备,"-"表示不具备。 | ||||
5.2 仿生产品设计
应遵循 GB/T 42444—2023中第6章的工程仿生过程,通过研究生物个体或系统的形态结构、材料组成、演化过程、功能及力学性能等,经过抽象、类比、模拟与再创造,并将其运用在工业产品的设计中。
仿生产品设计阶段具备的要素应包括:
a) 仿生产品数字孪生模型;
b) 产品设计数据。
5.3 仿生制造工艺设计
依据产品设计数据,通过对制造工艺路线及关键参数、设备参数、环境参数及执行逻辑进行定义、仿真与优化,验证工艺方案的可行性、经济性与鲁棒性,为制造设备提供工艺参数与决策支持。
仿生制造工艺设计阶段具备的要素应包括:
a) 制造工艺数字孪生模型;
b) 产品设计数据;
c) 设备参数;
d) 环境参数;
e) 工艺参数。
5.4 制造设备状态监测与控制
通过对制造设备的运行状态、制备环境参数、工艺参数执行情况及生产进度进行实时数据采集、同步映射、可视化监视、控制与诊断,可实现设备执行参数的动态响应与优化控制。
制造设备状态监测与控制阶段具备的要素应包括:
a) 制造设备数字孪生模型;
b) 设备参数;
c) 环境参数;
d) 工艺参数;
e) 设备运维数据。
5.5 仿生产品检测
通过将虚实空间的设备参数、制备环境参数、工艺参数等多源检测数据进行同步比对,对仿生产品的结构、性能、功能进行在线或离线测量、分析、评估与预测的过程。
仿生产品检测阶段具备的要素应包括:
a) 产品设计数据;
b) 设备参数;
c) 环境参数;
d) 工艺参数。
6 基于数字孪生的仿生制造实施方法
6.1 总则
基于数字孪生的仿生制造技术,是一个“物理-虚拟”空间映射、双向交互、迭代优化的闭环信息交互过程,涵盖产品设计需求输入、仿生产品设计、仿生制造工艺设计、制造设备状态监测与控制、仿生产品检测以及产品制备完成六个阶段。基于数字孪生的仿生制造实施方法信息交互过程分为正向执行过程与反向优化过程,见图1
标引符号说明:
↓ 正向执行过程;
——— 反向优化过程;
——— 需求输入/结果输出。
图 1 基于数字孪生的仿生制造实施方法信息交互过程
6.2 正向执行过程
6.2.1 面向正向执行过程的仿生产品设计阶段
面向仿生产品设计信息构建数字孪生模型,包括基于多尺度结构形貌表征,涵盖微观、介观及宏观尺度中的一种或多种,并实现对材料特性、产品性能及产品功能特征的定量数字表达。仿生产品数字孪生模型构建应包括但不限于以下内容:
a) 几何结构建模:对生物体的结构特征,如实体构形、表面形貌、结构形态、孔隙分布、材料分布及梯度变化等,进行数字化采集与分析,并构建高精度三维数字空间虚拟模型;
b) 产品性能建模:采用数学建模、计算机仿真等技术,对产品的关键性能参数,如介观或微观尺度仿生结构、仿生形态、力学性能及仿生功能等,进行抽象表征、预测与优化;
c) 产品功能建模:建立可量化评估仿生产品在特定结构或机制下效率、稳定性、能耗等指标的数学模型或仿真模型。
仿生产品数字孪生模型提供基于生物原理的产品设计信息,如几何结构、材料组成、力学性能及仿生功能等信息,将其输出并传递至制造工艺数字孪生模型。
6.2.2 面向正向执行过程的仿生制造工艺设计阶段
基于仿生产品数字孪生模型所提供的材料、几何结构、力学性能及仿生功能等产品设计数据,运用多学科方法构建制造工艺数字孪生模型,该模型可具备规划并仿真最优的制造工艺路线并生成具体的工艺参数集的功能。制造工艺数字孪生模型构建方式应包括但不限于
a) 物理机理数字孪生模型构建:通过解析仿生产品成型过程中的物理、化学及生物等机理,构建高精度工艺参数解析模型,如刀具-仿生工件交互模型、流变-组织耦合模型、熔池-仿生结构性能预测模型及多工序协同链接模型等;
b) 基于数据驱动的工艺过程数字模型构建:借助传感器与人工智能算法,通过数据驱动方式构建材料本构、热传导等物理场模型,包括神经网络、深度学习、机器学习模型训练及模型降解等技术应用;
c) 制造工艺可行性验证:在将优化后的工艺参数下发至物理设备前,在虚拟环境中进行全程仿真,验证整个制造流程的无碰撞性、逻辑合理性和效率。
制造工艺数字孪生模型将经过仿真验证优化的工艺手段、工艺参数、工艺配方等转换为制造设备可识别的指令集,如 G 代码、NC程序等,并将该指令集传递至制造设备数字孪生模型,同时映射到实体制造设备控制器,以驱动物理设备精确执行制造任务。
6.2.3 面向正向执行过程的制造设备状态监测与控制阶段
借助三维建模技术、机械运动学分析等方法构建制造设备数字孪生模型,通过设备动态数据采集以及动态行为仿真分析模拟实际制造设备的运行状况,保持其与物理实体设备的一致性,并将其映射到实体制造设备控制器,以驱动实体设备执行制造任务。制造设备数字孪生模型的构建内容应包括但不限于:
a) 设备实体的数字化描述:基于设备 CAD 模型或3D 扫描数据,构建制造设备的高精度几何数字模型;
b) 构建传感器和数据采集系统:在实体设备上安装传感器,用于监测激光功率、振动、温度、压力、速度等运行参数,确保模型实时反映设备实际状态;
c) 进行运动学、动力学仿真分析:建立机械系统的多体动力学等力学模型,结合实时运行数据,构建数字空间中设备的全程动态行为仿真模型;
d) 搭建设备运行控制系统:通过接收设备、操作员或其他系统的输入信号,生成控制指令,实现设备与生产流程的数字化管理及远程控制。
制造设备数字孪生模型提供基于物理实体制造设备的工艺执行数据、设备运行状态数据以及制备环境数据等,并同步传递至产品检测阶段,为仿生产品检测阶段提供判断依据。
6.2.4 面向正向执行过程的仿生产品检测阶段
该阶段应实现覆盖仿生产品制备全周期的成型质量检测体系,具体实施内容应包括但不限于
a) 在线与在位检测集成:在制造设备上集成在线检测装置(如机床测头、在线视觉检测系统、熔池监控系统),在制造过程或工序间实时采集产品质量数据(如尺寸、形貌、表面缺陷等),实时检测数据应同步至产品成型质量信息数据库,该数据库应包含产品设计信息及工艺设计阶段的仿真预测信息;
b) 虚实比对与质量评估:通过检测数据信息库对实时采集的实测值与设计名义值、仿真预测值进行自动比对分析,快速判定产品合格状态,并识别缺陷位置与类型,基于实测值与预测值的差异分析结果,反向溯源至工艺设计或产品设计阶段,为优化孪生模型与提升预测精度提供反馈,构建闭环反馈机制,实现仿生产品设计、工艺及检测的持续改进。
通过综合分析制造设备数字孪生模型的运行状态数据与在制品成型质量检测数据,并实时反馈至仿生产品数字孪生模型,用以预测在制产品的几何成型精度、产品性能及产品功能,可针对工艺参数进行纠正优化决策。当仿生产品完成设计要求时,进入产品制备完成阶段,否则启动反向优化步骤。
6.3 反向优化过程
6.3.1 面向反向优化过程的仿生产品检测阶段
将基于产品检测获得的几何、材料、性能及功能偏差数据,连同优化的工艺参数,输入制造设备数字孪生模型。该模型通过调整设备参数,验证产品设计的可制造性。验证过程生成优化的设备控制指令序列,并通过虚拟仿真,在产品制备前识别潜在制造冲突,如激光头碰撞、刀具干涉等
6.3.2 面向反向优化过程的制造设备状态监测与控制阶段
在制造过程中,制造设备数字孪生模型实时采集物理设备的运行状态数据和在制产品的检测数据,并反馈至制造工艺数字孪生模型。制造工艺数字孪生模型将实时数据与预设的工艺仿真模型进行比对,若存在偏差,可据此实时调整工艺方案,实现工艺在线优化。所积累的数据可用于改进工艺模型,提高其预测精度。
6.3.3 面向反向优化过程的仿生制造工艺设计阶段
制造工艺数字孪生模型将制造过程中的综合信息,如实际可达精度、表面质量、制造周期与成本等,以及设备端反馈的共性问题,反向传递至仿生产品数字孪生模型。仿生产品数字孪生模型应基于工艺反馈信息及制造可行性与经济性约束,对产品设计数据进行重新优化与可制造性再评估
7 通用技术框架
7.1 框架构成
基于数字孪生的仿生制造正向执行及反向优化过程构建通用技术框架,包含应用层、数字模型层、数据管理层和目标对象层,见图2。
标引符号说明:
———层级间交互;
层级/模型/功能。
图 2 基于数字孪生的仿生制造通用技术框架
7.2 目标对象层
目标对象层是在仿生产品从设计到制造过程中,处于物理空间内并与虚拟空间形成映射和交互关系的实体或物理过程,主要包括仿生产品、制造工艺和制造设备,具体应包括如下内容:
a) 仿生产品:包括基于仿生原理设计与制造的材料、构件、装置等各类产品;
b) 制造工艺:包括仿生制造所涉及的工艺参数、工艺过程、工艺配方、工艺方案及规程、仿生优化控制等总体技术流程;
c) 制造设备:包括用于仿生产品制造过程的各类机器设备。
7.3 数据管理层
数据管理层作为连接目标对象与数字孪生模型的核心环节,至少应具备以下功能:
a) 数据感知与获取:基于实体空间感知并获取仿生产品设计、仿生制造工艺设计、制造设备状态监测与控制和仿生产品检测四个阶段所产生的多源异构数据,如几何结构、工艺参数、设备运行参数、制备环境、加工质量等,并将其传输至数字模型层;
b) 数据挖掘与分析:通过数据挖掘与分析技术,对存储的数据进行清洗、集成与融合等操作,形成高质量、结构化、可复用的数据资源;
c) 数据存储与管理:采取统一、合适的数据存储及管理方式,对获取的物理空间数据及来自数字模型层的仿真分析结果,如产品力学性能、仿生功能等预测与验证结果,进行持久化存储与系统化管理;
d) 数据交互与支撑:确保数据资源在层间高效交互,并支撑仿生产品设计、制造工艺设计、制造设备状态监测与控制以及仿生产品检测四个阶段的各项功能与业务活动。
7.4 数字模型层
数字模型层可为目标对象的各执行阶段提供仿真、预测、验证和优化等应用功能,包括仿生产品数字孪生模型、制造工艺数字孪生模型、制造设备数字孪生模型,模型的构建应遵循6.2.1、6.2.2和6.2.3的规定。
7.5 应用层
7.5.1 仿生产品设计功能
应用层应为用户提供产品设计功能,包括但不限于以下内容:
a) 通过可视化界面展示仿生产品的三维模型、结构参数及仿生原理模拟,支持用户进行产品概念设计、几何建模、产品性能仿真和产品功能预测;
b) 通过交互工具允许用户输入设计需求、调整产品参数,并实时更新仿生产品孪生模型;
c) 提供基于仿生原理的设计优化方案和可行性分析,支持正向执行流程和反向优化流程;
d) 支持用户保存、导出和共享设计数据,并与数字模型层进行数据交互。
7.5.2 制造工艺设计功能
应用层应为用户提供制造工艺设计功能,包括但不限于以下内容:
a) 通过可视化界面显示工艺流程图、参数设置界面及工艺模拟结果,支持用户规划和验证制造工艺;
b) 通过交互工具允许用户配置工艺参数,并基于制造工艺孪生模型验证,优化调整工艺路线;
c) 提供工艺优化建议、风险预警和资源分配方案,支持正向执行流程和反向优化流程;
d) 支持用户模拟工艺执行过程,并与数字模型层集成以验证工艺可行性。
7.5.3 制造设备状态监测与控制功能
应用层应为用户提供制造设备状态监测与控制功能,包括但不限于以下内容:
a) 通过可视化界面实时显示设备运行状态、制造数据(如效率、故障率等)、制造环境参数及预警信息,支持用户监控整个制造过程;
b) 通过交互工具允许用户远程控制设备(如启动、停止、调整参数等),并设置监控阈值和报警规则;
c) 提供设备健康评估、维护建议和故障诊断,支持实时数据采集与显示和以数据驱动的设备参数优化;
d) 支持用户生成监控报告,并与数据处理层协同进行历史数据分析。
7.5.4 仿生产品检测功能
应用层应为用户提供产品检测功能,包括但不限于以下内容:
a) 通过可视化界面展示产品质量指标、检测结果及统计图表,支持用户进行实时质量评估;
b) 通过交互工具允许用户定义检测标准、查看详细检测报告,并手动输入或修正检测数据;
c) 提供仿生产品质量、力学性能及仿生功能趋势分析与缺陷原因识别,并提供产品设计信息、工艺参数、设备参数调整优化建议;
d) 支持用户导出检测数据,并与数字模型层集成以实现质量预测和闭环优化。
评论