CN115494796B - 一种基于step-nc的边云协同数字孪生系统 - Google Patents
一种基于step-nc的边云协同数字孪生系统 Download PDFInfo
- Publication number
- CN115494796B CN115494796B CN202211442398.5A CN202211442398A CN115494796B CN 115494796 B CN115494796 B CN 115494796B CN 202211442398 A CN202211442398 A CN 202211442398A CN 115494796 B CN115494796 B CN 115494796B
- Authority
- CN
- China
- Prior art keywords
- machining
- cloud
- numerical control
- data
- simulation
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000003754 machining Methods 0.000 claims abstract description 128
- 238000000034 method Methods 0.000 claims abstract description 113
- 230000008569 process Effects 0.000 claims abstract description 94
- 238000004088 simulation Methods 0.000 claims abstract description 70
- 238000004519 manufacturing process Methods 0.000 claims abstract description 34
- 238000005516 engineering process Methods 0.000 claims abstract description 24
- 230000010365 information processing Effects 0.000 claims abstract description 21
- 238000013461 design Methods 0.000 claims abstract description 13
- 238000005457 optimization Methods 0.000 claims abstract description 11
- 238000004458 analytical method Methods 0.000 claims abstract description 10
- 238000004364 calculation method Methods 0.000 claims abstract description 8
- 238000012800 visualization Methods 0.000 claims abstract description 7
- 238000012795 verification Methods 0.000 claims abstract description 6
- 238000013507 mapping Methods 0.000 claims abstract description 5
- 238000005520 cutting process Methods 0.000 claims description 69
- 238000012545 processing Methods 0.000 claims description 21
- 238000004422 calculation algorithm Methods 0.000 claims description 17
- 230000006870 function Effects 0.000 claims description 15
- 238000011161 development Methods 0.000 claims description 12
- 230000009471 action Effects 0.000 claims description 10
- 230000001360 synchronised effect Effects 0.000 claims description 8
- 238000000418 atomic force spectrum Methods 0.000 claims description 7
- 238000010586 diagram Methods 0.000 claims description 7
- 238000011156 evaluation Methods 0.000 claims description 7
- 238000013527 convolutional neural network Methods 0.000 claims description 6
- 239000000463 material Substances 0.000 claims description 6
- 230000009467 reduction Effects 0.000 claims description 5
- 230000008859 change Effects 0.000 claims description 4
- 238000004891 communication Methods 0.000 claims description 4
- 230000003247 decreasing effect Effects 0.000 claims description 4
- 239000004576 sand Substances 0.000 claims description 4
- 238000012549 training Methods 0.000 claims description 4
- 230000002452 interceptive effect Effects 0.000 claims description 3
- 238000010327 methods by industry Methods 0.000 claims description 3
- 238000009877 rendering Methods 0.000 claims description 3
- 238000012360 testing method Methods 0.000 claims description 3
- 230000000007 visual effect Effects 0.000 claims description 3
- 238000003672 processing method Methods 0.000 claims description 2
- 230000008901 benefit Effects 0.000 abstract description 2
- 230000018109 developmental process Effects 0.000 description 11
- 230000003044 adaptive effect Effects 0.000 description 3
- 230000005540 biological transmission Effects 0.000 description 3
- 239000003795 chemical substances by application Substances 0.000 description 3
- 230000002787 reinforcement Effects 0.000 description 3
- 230000006978 adaptation Effects 0.000 description 2
- 238000009434 installation Methods 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 238000006467 substitution reaction Methods 0.000 description 2
- 230000007704 transition Effects 0.000 description 2
- 206010063385 Intellectualisation Diseases 0.000 description 1
- 238000005299 abrasion Methods 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000005538 encapsulation Methods 0.000 description 1
- 230000004927 fusion Effects 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 238000004454 trace mineral analysis Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B19/00—Programme-control systems
- G05B19/02—Programme-control systems electric
- G05B19/18—Numerical control [NC], i.e. automatically operating machines, in particular machine tools, e.g. in a manufacturing environment, so as to execute positioning, movement or co-ordinated operations by means of programme data in numerical form
- G05B19/4097—Numerical control [NC], i.e. automatically operating machines, in particular machine tools, e.g. in a manufacturing environment, so as to execute positioning, movement or co-ordinated operations by means of programme data in numerical form characterised by using design data to control NC machines, e.g. CAD/CAM
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B2219/00—Program-control systems
- G05B2219/30—Nc systems
- G05B2219/32—Operator till task planning
- G05B2219/32153—Exchange data between user, cad, caq, nc, capp
Landscapes
- Engineering & Computer Science (AREA)
- Human Computer Interaction (AREA)
- Manufacturing & Machinery (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Numerical Control (AREA)
Abstract
本发明公开了一种基于STEP‑NC的边云协同数字孪生系统，包括：工艺信息处理系统，实现STEP‑NC标准与CAD/CAE的工艺设计内容相映射；GrapeServer云孪生系统，实现自动下发数控加工任务、支持多种工艺优化的云端微服务、在线可视化数控系统数据、在线实时加工仿真可视化、历史加工工艺数据追溯分析、在线指导下件零件加工；GrapeSim边缘孪生系统，实现自动匹配当前加工数控机床的刀具库、自动生成G代码，实现多地异地的多态加工模式、加工前工艺离线仿真验证及动态绑定的运行时仿真、数控加工数据实时采集及加工工艺数据推理计算。该系统将数字孪生技术与零件制造过程通过STEP‑NC标准实现有机结合，高效、准确、成本低。
Description
技术领域
本发明涉及智能制造技术领域，特别涉及一种基于STEP-NC的边云协同数字孪生系统。
背景技术
智能制造逐渐成为未来制造业发展的趋势，其中制造系统的研发决定着制造智能化的发展程度。另外，数字孪生技术不断发展，很多研究学者提出了多种数字孪生框架应用到制造行业当中，但仅停留在信息管理级别和概念阶段，针对真实的数控加工可实施性不高。因此，为了更好的提高制造的智能化程度，实现零件智能制造，亟需开展可用于制造过程的边云协同数字孪生系统研究。
现有技术中，针对现有数字孪生制造系统，中国发明专利申请CN202110841424.0公开了一种面向制造全生命周期的数字孪生可标示性建模系统，为提高数控加工智能化加工提供了一种建模方法。该专利的提出虽然解决了制造与数字孪生结合的建模技术问题，但工艺信息的传输从设计到加工过程连续程度不高。中国发明专利申请CN202110760867.7公开了一种云边协同工厂数字孪生监控建模系统和建模方法，类似数字孪生工厂的专利和论文有很多，其功能均集中在工厂信息管理级别，还未深入到真实的零件生产制造当中。这是因为传统上制造采用的是G/M代码，工艺信息在传输过程中不断丢失，导致数控机床只知道如何加工而不知道要加工什么，限制了其智能化发展。因此，采用STEP-NC标准与数字孪生技术相结合的方法可有效解决数字孪生系统在零件生产制造中的问题，提高制造智能化程度。
综上所述，亟需一种基于STEP-NC的边云协同数字孪生系统。
发明内容
本发明的目的在于克服现有技术的缺陷，本发明提供了一种基于STEP-NC的边云协同数字孪生系统，通过有机组合数字孪生系统的必要元素，以STEP-NC标准为基础，构建了工艺信息处理系统、云孪生系统（GrapeServer）及边缘孪生系统（GrapeSim）系统，以实现零件真实制造过程智能化。
本发明的技术方案是：
本发明提供一种基于STEP-NC的边云协同数字孪生系统，包括：
工艺信息处理系统，实现STEP-NC标准中ISO14649-11工艺标准、ISO14649-111刀具标准、ISO14649-201标准与计算机辅助设计软件和/或计算机辅助加工软件的工艺设计内容相映射；
GrapeServer云孪生系统，实现自动下发数控加工任务、支持多种工艺优化的云端微服务、在线可视化数控系统数据、在线实时加工仿真可视化、历史加工工艺数据追溯分析、在线指导下件零件加工；
GrapeSim边缘孪生系统，实现自动匹配当前加工数控机床的刀具库、自动生成适用于不同型号数控机床的G代码，实现多地、异地的多态加工模式、加工前工艺离线仿真验证及动态绑定的运行时仿真、数控加工数据实时采集及加工工艺数据推理计算。
进一步，所述工艺信息处理系统基于CAA二次开发平台和Visual Studio对CATIA展开二次开发，将STEP-NC标准与CATIA的Process工程内核相匹配映射，在CATIA中形成插件；所述工艺信息处理系统采用以下步骤进行数据处理：
（1）采用CATIA三维软件建立零件模型，通过Process对零件进行工艺设计；
（2）鼠标点击启动CATIA Process工作条中的工艺信息处理系统插件，并点击导出按钮完成对零件的工艺信息导出；
（3）将工艺信息文件同步到GrapeServer云孪生系统。
进一步，所述GrapeServer云孪生系统为运行在云端的信息物理系统，管理不同数控机床的4D云端镜像，每一个4D云端镜像通过账号系统与指定的GrapeSim边缘孪生系统建立连接；工作人员通过移动端或PC端登录GrapeServer，远程异地对不同数控机床进行零件加工任务下单操作。
进一步，所述GrapeSim边缘孪生系统内置STEP-NC后置器，将零件的STEP-NC加工信息通过内部语义化解析工具获取全部的工艺信息，并后置出匹配当前数控机床硬件的G代码，通过分布式数控技术发送至数控机床。
进一步，所述GrapeSim边缘孪生系统内置支持与不同数控系统的通信接口与协议，实现对多地、异地的数控机床的数据采集；采集的数据信号包括零件加工状态信号、机床运行状态信号及多种传感器信号。
进一步，所述GrapeSim边缘孪生系统内置在线实时仿真模块，所述在线实时仿真模块包括几何仿真模块和物理仿真模块；所述几何仿真模块实现对零件毛坯几何形状在加工过程中变化的实时仿真，并通过三维渲染技术提供可交互的零件浏览模型；所述物理仿真模块实现对零件毛坯加工过程中受力情况的实时仿真。
进一步，所述几何仿真模块的输入为零件毛坯STL模型和从CAM端生成的STEP-NC文件，基于Tri-dexel模型实现几何仿真：首先构建零件几何形状与刀具几何形状Tri-dexel模型；其次执行零件Tri-dexel模型与刀具Tri-dexel之间的布尔减操作；最后采用基于等值面算法的零件Tri-dexel模型到三角面片模型的重构方法，实现切削加工过程的几何仿真；
所述物理仿真模块采用以下步骤实现物理仿真：
（1）设计切削加工条件，所述切削加工条件分为三类：刀具信息，毛坯信息与工艺信息；其中，刀具信息包括刀具材料，直径，螺旋角和齿数；毛坯信息与毛坯材料有关；工艺信息包含主轴转速，进给速度与刀具轨迹；
（2）通过几何仿真模块得出每个刀位点的刀具接触帧图；切削加工条件作为瞬时刚性力模型的输入，得出每个刀位点的切削力仿真值；将相同刀位点的切削力仿真值与刀具接触帧图标记为数据集；
（3）将标记好的数据集用于卷积神经网络的训练，验证和测试；
（4）确定卷积神经网络结构的隐藏层及层内超参数，实现基于图像的瞬时切削力预测。
进一步，所述GrapeSim边缘孪生系统采集的信号数据、仿真数据实时的同步到所述GrapeServer云孪生系统当中，所述GrapeServer云孪生系统以图表形式在云端可视化零件加工的工艺信息。
进一步，所述GrapeServer云孪生系统根据采集上传的零件加工状态数据、机床状态数据及传感器数据进行工艺分析，指导下次加工，具体为：
首先给定α、γ和ε，初始化Q表，其中α是学习率，是介于0到1的数字；γ是奖励衰减值；ε是数值更新策略；
然后选择一个初始的状态s，其状态空间设为S~[F_average,F_(max-offset)]，其中F_average为切削力曲线的平均切削力，F_(max-offset)为切削力最大偏差；
在当前状态s下，根据数值更新策略ε选择一个动作，其动作空间设为A~[V feed-add 、V feed-reduce 、V rotate-add 、V rotate-reduce ]四种，分别为进给速度增加、进给速度减少、转速增加、转速减少；
根据数值更新策略ε选择的动作，生成一个新的状态s′；此时，对Q表数值进行更新，更新的公式为：
其中，
为在当前状态s对作出动作a好坏程度的评价，
为根据下一状态s′中选取最大的
值，
为下一状态s′对下一动作a′好坏程度的评价，α为学习率，γ为奖励衰减值，r为奖励值；
令新的状态s′与当前状态s相等，若到达最终状态则进行下一步；若没有达到最终状态，则返回到数值更新策略ε，进行数值更新策略的重新选择；
最后，验证是否达到了切削力预测的目的，若达到则终止学习，若没达到则返回到最开始，重新选择一个状态s进行学习。
本发明还提供一种基于STEP-NC的计算机集成制造加工方法，采用上述基于STEP-NC的边云协同数字孪生系统进行加工，包括以下步骤：
S1，将工艺信息处理系统作为插件安装在工艺设计人员的设计软件上；
S2，根据零件工艺文件，通过工艺信息处理系统获取零件几何信息和加工工艺信息；
S3，将零件几何信息和加工工艺信息数据上传至GrapeServer云孪生系统，工作人员通过移动端或PC端登录GrapeServer云孪生系统，远程异地对不同数控机床进行零件加工任务下单操作；
S4，GrapeServer云孪生系统将加工任务自动派发至GrapeSim边缘孪生系统；
S5，根据接收到的加工任务，GrapeSim边缘孪生系统通过分布式数控技术将零件的加工任务代码下发至数控机床。
本发明具有以下有益效果：
（1）本发明可以将STEP-NC标准中ISO14649-11工艺标准、ISO14649-111刀具标准、ISO14649-201标准等与现有主流CAD/CAM软件（UG/CATIA）工艺设计内容相映射，实现针对主流平台的STEP-NC后置插件系统。
（2）本发明中的GrapeServer云孪生系统可以实现自动下发数控加工任务、支持多种工艺优化的云端微服务、在线可视化数控系统数据、在线实时加工仿真可视化、历史加工工艺数据追溯分析、在线指导下件零件加工等功能。使得传统上冗余、不可追溯的制造大数据得到有效利用。
（3）本发明中的GrapeSim边缘孪生系统可以实现自动匹配当前加工数控机床的刀具库、自动生成适用于不同型号数控机床的G代码、加工前工艺离线仿真验证及动态绑定的运行时仿真、数控加工数据实时采集及加工工艺数据推理计算等功能。边缘孪生系统数字孪生技术在制造领域运用的过渡方案，解决了当前非智能数控系统与数字孪生系统的接口适配问题。
（4）本发明可以在本地对多地、异地的机床下发加工任务，实现数控加工“去中心”化，打破工厂的限制。其中，在制造数据传输过程中，本发明可以实现对异构数控机床数据的采集，打破传统“一机一码”的限制。
附图说明
图1 是本发明的系统框架图；
图2 是本发明的系统流程图；
图3 是某直升机零件图；
图4 是本发明系统中几何物理联合在线仿真示意图。
具体实施方式
下面将结合附图对本发明的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
本发明提供一种基于STEP-NC的边云协同数字孪生系统，如图1和图2所示，包括：
工艺信息处理系统，可以实现STEP-NC标准中ISO14649-11工艺标准、ISO14649-111刀具标准、ISO14649-201标准等与现有主流CAD/CAM软件（UG/CATIA）工艺设计内容相映射。
GrapeServer云孪生系统，可以实现自动下发数控加工任务、支持多种工艺优化的云端微服务、在线可视化数控系统数据、在线实时加工仿真可视化、历史加工工艺数据追溯分析、在线指导下件零件加工等功能。
GrapeSim边缘孪生系统，可以实现自动匹配当前加工数控机床的刀具库、自动生成适用于不同型号数控机床的G代码，实现“一次设计，到处执行”的多态加工模式、加工前工艺离线仿真验证及动态绑定的运行时仿真、数控加工数据实时采集及加工工艺数据推理计算等功能。
在本实施例中，如图3所示为某直升机零件图，采用基于STEP-NC的边云协同数字孪生系统进行加工。
在本实施例中，所述工艺信息处理系统基于CAA二次开发平台和Visual Studio对CATIA展开二次开发，将STEP-NC标准与CATIA的Process工程内核相匹配映射，在CATIA中形成插件。CAA二次开发工具采用面向对象的程序语言进行描述，利用继承性、抽象性和封装性等特点，用户可以根据需求选择功能模块进行功能重组或自定义，封装成工具。
具体地，所述工艺信息处理系统具体实施方案包括以下几个步骤：
（1）采用CATIA三维软件建立直升机零件模型，并通过Process对直升机零件进行工艺设计，确保模型可以加工出合格的直升机零件；
（2）设计好零件的工艺后，鼠标点击启动CATIA Process工作条中的工艺信息处理系统插件，并点击导出按钮完成对直升机零件的工艺信息导出；
优选地，将步骤（2）中CATIA Process中的工艺信息文件写入STEP-NC中。STEP-NC标准采用了EXPRESS语言作为描述语言，以面向对象的思想定义了一套描述数控加工工艺的数据结构，常见实体包括加工操作（operation）、安全平面（security_plane）、退回平面（retract_plane）、刀具（machining_tool）、切削深度（cutting_depth）、机床功能（machining_function）、机床技术（machining_ technology），工步（working_step）。以机床技术为例，展示其EXPRSS实体定义语句：
ENTITY milling_technology
SUBTYPE OF (technology);
cutspeed: OPTIONAL speed_measure; //切削速度
spindle: OPTIONAL rot_speed_measure; //主轴转速
feedrate_per_tooth: OPTIONAL length_measure; //每齿进给率
synchronize_spindle_with_feed: BOOLEAN; //主轴转速和进给是否同步
inhibit_feedrate_override: BOOLEAN; //是否继承上步的进给率
inhibit_spindle_override: BOOLEAN; //是否继承上步的主轴转速
its_adaptive_control: OPTIONAL adaptive_control; //自适应控制
（3）通过工艺信息处理系统插件导出直升机零件的工艺信息文件，并将工艺信息自动同步到GrapeServer云孪生系统中，如图2中①所示。
在本实施例中，所述GrapeServer云孪生系统上装有加工机床的云端镜像，工作人员通过移动端或PC端登录GrapeServer云孪生系统，远程异地对不同机床进行直升机零件加工任务下单操作。
具体地，所述GrapeServer云孪生系统是运行在云端的信息物理系统（CPS系统），管理不同机床的4D云端镜像，每一个4D云端镜像通过账号系统与指定的GrapeSim边缘孪生系统建立连接；其中，所述4D云端镜像既包括云端的机床镜像，也包括机床信息的时间轴，而GrapeSim边缘孪生系统所呈现的是所述4D云端镜像的当前时间切片。
在本实施例中，工作人员进行直升机零件任务下单操作后，GrapeServer云孪生系统将加工任务自动派发到加工直升机零件机床的GrapeSim边缘孪生系统上，如图2中②所示。
具体地，所述GrapeSim边缘孪生系统是数控机床的智能代理，是数字孪生技术在制造领域运用的过渡方案，解决了当前非智能数控系统与数字孪生系统的接口适配问题。
优选地，所述GrapeSim边缘孪生系统内置STEP-NC后置器，可以将直升机零件的STEP-NC加工信息通过内部语义化解析工具获取全部的工艺信息。
在本实施例中，所述GrapeSim边缘孪生系统通过分布式数控技术（DNC技术）将直升机零件的加工代码下发到数控机床上，如图2中③所示。数控机床接收到加工任务后开始对直升机零件的加工；
具体地，所述GrapeSim边缘孪生系统可以根据解析后的直升机零件工艺信息，自动后置出匹配当前数控机床硬件的G代码，以此实现对数控机床硬件需求的屏蔽以及“一次设计，到处执行”的多态加工模式。
在本实施例中，直升机零件开始加工时，零件的加工数据会被GrapeSim实时采集，如图2中④所示；采集的信号包括零件加工状态信号（如：转速、进给、切深等）、机床运行状态信号（电流、功率等）及多种传感器信号（切削力、温度等），信号源的种类及数量取决于机床上传感器的安装，本实施例的传感器信号来自KISTLE切削力测力仪。
具体地，GrapeSim内置支持与不同数控系统的通信接口与协议，包括OPC-UA、OPC-DA、ADS等，能够对异地数控机床进行数据采集，且结合所述GrapeServer云孪生系统，可以实现多地、异地的数控机床数据采集，实现数控加工“去中心”化。
在本实施例中，GrapeSim中会自动启动几何仿真模块与物理仿真模块，实时仿真直升机零件的数控加工状态。
具体地，GrapeSim边缘孪生系统中内置在线实时仿真功能，包括几何仿真算法和物理仿真算法；
优选地，如图4所示，几何仿真算法关注的是直升机零件毛坯几何形状在加工过程中的变化过程，并通过三维渲染技术提供可交互的零件浏览模型；物理仿真算法关注的是直升机零件切削加工过程的受力情况。
对于几何仿真算法，在虚拟仿真环境中构建刀具和毛坯模型，根据刀具位置数据驱动虚拟刀具移动，同时执行刀具与毛坯之间的布尔差计算，得到虚拟毛坯被切削之后的几何形状。为了实现数字孪生体与复杂物理实体的实时映射，几何切削仿真算法具备实时性、定常性、通用性、轻量性四个特性。Zbuffer模型在仿真精度与速度上很好的性能，但是传统Zbuffer模型具有单视角的问题。本发明基于Tri-dexel模型实现几何仿真，从Tri-dexel数据结构生成三角网格模型，虚拟仿真系统的输入为毛坯STL模型和从CAM端生成的STEP-NC文件，其中刀具模型通过STEP-NC定义的七个几何参数进行通用性建模。基于Tri-dexel模型的切削仿真算法研究分为三步：首先构建工件几何形状与刀具几何形状Tri-dexel模型；其次执行工件Tri-dexel模型与刀具Tri-dexel之间的布尔减操作；最后采用基于等值面算法的工件Tri-dexel模型到三角面片模型的重构方法。
对于物理仿真算法，在线几何仿真模块获得实时刀位点信息驱动仿真，分别存储接触点的轴向，切向，径向进给速度在刀具/工件接触区域图像的RGB通道中。切削力仿真模块以该接触区域图像作为输入，以切削力预测结果作为输出，同时与切削力测量设备的测量结果比较分析实现预测模型的反馈闭环训练，进而提高数字孪生在线物理仿真的预测精度。具体包括：（1）需要设计一系列切削加工条件，所述切削加工条件分为三类：刀具信息，毛坯信息与工艺信息。具体而言，刀具信息包括刀具材料，直径，螺旋角和齿数；毛坯信息与毛坯材料有关；工艺信息包含主轴转速，进给速度与刀具轨迹。（2）将工艺信息作为切削几何仿真的输入，通过几何仿真系统得出每个刀位点的刀具接触帧图（Cutter frame image，CFI）；同时，切削宽度，切削深度，进给速度，主轴速度是瞬时刚性力模型的输入，通过切削力仿真模块可以得出每个刀位点的切削力仿真值。相同刀位点的切削力仿真值与刀具接触帧图可以标记为数据集。（3）将所述标记好的数据集用于卷积神经网络的训练，验证和测试。（4）通过确定卷积神经网络结构的隐藏层及层内超参数，以实现基于图像的瞬时切削力预测。
加工过程的几何与物理仿真结合，验证了GrapeSim的虚拟系统的多态仿真特性，使得虚拟仿真可以从多个方面反映真实加工过程。现在可以实现的功能有：直升机零件几何形状变化的同步显示、直升机零件加工过程中对切削力、刀具磨损等多项数控加工工艺评估。
在本实施例中，采用TCP/IP协议通信机制的实时能力受到制约，有限的宽带和采样周期会导致零件制造数据丢失。通过在所述GrapeSim边缘孪生系统中内置的工作搜索和刀位点差值算法，能够保证在线实时仿真的准确性。
具体地，为所有的工步刀轨点集建立K-D树，得到一个K-D树集。初始化用于搜索的K-D树为第一个工步对应的K-D树。用K-D树搜索采集的当前指令位置，若能在树中找到该点，则说明正在加工此工步，若不能，则说明此工步已经加工完成，将K-D树切换为下一个工步对应的K-D树。重复上述过程，直至加工完成。
在本实施例中，所述GrapeSim边缘孪生系统采集到的直升机零件制造数据可以实时的同步到所述GrapeServer云孪生系统当中，如图2中⑤所示；且所述GrapeServer云孪生系统中同时同步所述GrapeSim边缘孪生系统的仿真数据，使工作人员可以在任何地方通过移动端就可以观测到直升机零件的加工状态；
具体地，所述GrapeSever云孪生系统可视化加工现场数控机床的状态，且通过自动存储从GrapeSim边缘孪生系统同步来的数据，并以图表的方式在云端可视化直升机零件加工的工艺信息。在完成零件加工后，工作人员可以通过所述GrapeServer云孪生系统查询已加工零件的所有制造信息；
优选地，所有零件的加工、仿真等制造数据，工作人员均可以通过移动端异地远程查询，亦可以通过PC端本地查询。
在本实施例中，直升机零件完成本次零件加工后，所有数据已上传至GrapeServer云孪生系统中。若直升机零件加工工艺出现问题，后续现场人员可以远程进行反馈如图2中⑥所示，工艺设计人员可以通过自己的账号登录GrapeServer查看此直升机零件加工问题，并进行有效修改重新导出工艺文件，完成任务下发。此方式可以有效解决传统加工过程因反馈带来的等待时间，大大缩短了零件整体加工时间，降低了成本。
优选地，GrapeServer云孪生系统上可以发布多种工艺优化微服务，根据采集上传的零件加工状态数据、机床状态数据及传感器数据进行工艺分析，指导下次加工。
以智能工艺优化云服务为例，本服务根据零件加工状态数据和切削力传感器数据，采用的是基于Q-Learning融合切削力的强化学习算法对零件加工状态进行在线工艺优化，以指导零件下次加工。Q-Learning是强化学习算法中value-based的算法，Q-Learning算法的优点是基于操作空间的动作对当前状态进行调整达到一个优化结果，不需要先验模型。Q-Learning算法由智能体、状态集动作组成，其状态-组合函数为：
Q:S×A→R
其中，Q为最优价值动作函数，S为状态空间，A为动作空间，R为奖励。
在开始学习后，首先给定α、γ和ε，初始化Q表，其中α是学习率，是一个介于0到1的数字；γ是奖励衰减值，每选择一个操作不仅会获得当前这一步的奖励，还会进入新的状态获取新的状态下可能获取的奖励；ε是一种数值更新的策略，若ε=0.9，说明会有 90%的情况按照Q表的最优值选择行为，10%的概率会随机进行动作选择。
然后选择一个初始的状态s，其状态空间设为S~[F_average,F_(max-offset)]，其中F_average为切削力曲线的平均切削力，F_(max-offset)为切削力最大偏差。
再根据数值更新策略ε选择一个动作，其动作空间设为A~[V feed-add 、V feed-reduce 、V rotate-add 、V rotate-reduce ]四种，分别为进给速度增加、进给速度减少、转速增加、转速减少。
根据策略ε选择的动作会重新生成一个新的状态，即获得下一个状态s′。
智能体根据当前状态选择一个动作a得到一个新的状态s′后，对Q表数值进行更新，更新的公式为：
其中，
为在当前状态s对作出动作a好坏程度的评价，
为根据下一状态s′中选取最大的
值，
为下一状态s′对下一动作a′好坏程度的评价，α为学习率，γ为奖励衰减值，r为奖励值。奖励值由奖励函数确定，奖励函数为
式中，首先通过正常条件下的切削力曲线得到标准的平均切削力F average-basic 和标准的最大偏差F max-offset-basic ；假设t 1时刻的平均切削力为
，最大偏差为
；t 2时刻的平均切削力为
，最大偏差为
。当切削力曲线得到改进时，平均切削力或最大偏差都有一定改善，与标准值之差应减小，此时
，代表奖赏；若
，则证明切削力没有得到改进反而使切削力离理论值更远，此时应予以惩罚。
再令更新的状态s′与当前状态s相等，若到达最终状态则进行下一步，若没有达到最终状态则返回到策略ε，进行策略的重新选择、Q表更新。
最后，验证是否达到了切削力预测的目的，若达到则终止学习，若没达到则返回到最开始，重新选择一个状态s进行学习。通过此强化学习算法可以对每次产生的真实零件加工数据进行迭代优化，从而优化工艺参数，指导零件的下次加工。
本发明所述基于STEP-NC的边云协同数字孪生系统，可以将STEP-NC标准中ISO14649-11工艺标准、ISO14649-111刀具标准、ISO14649-201标准等与现有主流CAD/CAM软件（UG/CATIA）工艺设计内容相映射，实现针对主流平台的STEP-NC后置插件系统。其中云孪生系统GrapeServer可以实现自动下发数控加工任务、支持多种工艺优化的云端微服务、在线可视化数控系统数据、在线实时加工仿真可视化、历史加工工艺数据追溯分析、在线指导下件零件加工等功能。使得传统上冗余、不可追溯的制造大数据得到有效利用。另一方面，边缘孪生系统GrapeSim可以实现自动匹配当前加工数控机床的刀具库、自动生成适用于不同型号数控机床的G代码，实现“一次设计，到处执行”的多态加工模式、加工前工艺离线仿真验证及动态绑定的运行时仿真、数控加工数据实时采集及加工工艺数据推理计算等功能。因此，本发明系统的实现，将数字孪生技术与零件制造过程通过STEP-NC标准有机的结合在一起，具有高效、准确、成本低等特点。为STEP-NC标准与数字孪生技术在数控加工领域和智能制造发展提供一种高效、准确、低成本的技术。
第二方面，本发明还提供一种零件加工方法，采用上述基于STEP-NC的边云协同数字孪生系统进行零件加工，包括以下步骤：
将工艺信息处理系统作为插件安装在工艺设计人员的设计软件上，设计软件选用的为CATIA商业软件。
根据工艺人员在CATIA Process中设计的零件工艺文件，点击CATIA中的工艺信息处理系统，获取零件几何信息和加工工艺信息。
处理好的零件工艺数据上传至GrapeServer云孪生系统，工作人员可以通过移动端或PC端登录GrapeServer云孪生系统，远程异地对不同机床进行直升机零件加工任务下单操作。
工作人员进行直升机零件任务下单操作后，GrapeServer云孪生系统将加工任务自动派发至加工直升机零件机床的GrapeSim边缘孪生系统。
根据接收到的下单命令，GrapeSim边缘孪生系统通过分布式数控技术（DNC技术）将直升机零件的加工任务代码下发到数控机床上。
优选地，直升机零件开始加工时，GrapeSim边缘孪生系统实时采集零件的加工数据。采集的信号包括零件加工状态信号（如：转速、进给、切深等）、机床运行状态信号（电流、功率等）及多种传感器信号（切削力、温度等），信号源的种类及数量取决于机床上传感器的安装，本实施例的传感器信号来自KISTLE切削力测力仪。
GrapeSim边缘孪生系统将采集到的信息以图的形式显示在机床旁的显示器上，并通过专家经验设置阈值，当某项指标超出阈值时发出告警。
同时，GrapeSim边缘孪生系统根据实时采集的信息，对直升机零件展开几何及物理在线仿真，加工人员通过仿真观测零件的具体加工状态。若观测到的仿真出现偏差，工作人员可以通过调整主轴和进给倍率按钮保证零件的加工质量。
同时，GrapeSim边缘孪生系统将所有采集到的信息上传至GrapeServer云孪生系统并存储下来。
优选地，GrapeServer云孪生系统的孪生模型根据GrapeSim边缘孪生系统上传的零件加工数据映射出直升机零件加工的真实状况，管理人员可以远程通过移动端观测到GrapeServer云孪生系统同步的数据，确定直升机零件的加工状态、机床状态以及传感器状态。
优选地，GrapeServer云孪生系统上可以发布多种工艺优化微服务，根据采集上传的零件加工状态数据、机床状态数据及传感器数据进行工艺分析，指导下次加工。
上述实施例为本发明较佳的实施方式，但本发明的实施方式并不受上述实施例的限制，其他的任何未背离本发明的精神实质与原理下所作的改变、修饰、替代、组合、简化，均应为等效的置换方式，都包含在本发明的保护范围之内。
Claims (7)
1.一种基于STEP-NC的边云协同数字孪生系统，其特征在于，包括：
工艺信息处理系统，实现STEP-NC标准中ISO14649-11工艺标准、ISO14649-111刀具标准、ISO14649-201标准与计算机辅助设计软件和/或计算机辅助加工软件的工艺设计内容相映射；
GrapeServer云孪生系统，实现自动下发数控加工任务、支持多种工艺优化的云端微服务、在线可视化数控系统数据、在线实时加工仿真可视化、历史加工工艺数据追溯分析、在线指导下件零件加工；
GrapeSim边缘孪生系统，实现自动匹配当前加工数控机床的刀具库、自动生成适用于不同型号数控机床的G代码，实现多地、异地的多态加工模式、加工前工艺离线仿真验证及动态绑定的运行时仿真、数控加工数据实时采集及加工工艺数据推理计算；
所述GrapeSim边缘孪生系统内置支持与不同数控系统的通信接口与协议，实现对多地、异地的数控机床的数据采集；采集的信号数据包括零件加工状态数据、机床运行状态数据及多种传感器数据；
所述GrapeSim边缘孪生系统采集的信号数据、加工工艺数据推理计算得到的仿真数据实时的同步到所述GrapeServer云孪生系统当中，所述GrapeServer云孪生系统以图表形式在云端可视化零件加工的工艺信息；
所述GrapeServer云孪生系统根据采集上传的零件加工状态数据、机床运行状态数据及传感器数据进行工艺分析，指导下次加工，具体为：
首先给定α、γ和ε，初始化Q表，其中α是学习率，是介于0到1的数字；γ是奖励衰减值；ε是数值更新策略；
然后选择一个初始的状态s，其状态空间设为S~[F_average,F_(max-offset)]，其中F_average为切削力曲线的平均切削力，F_(max-offset)为切削力最大偏差；
在当前状态s下，根据数值更新策略ε选择一个动作，其动作空间设为A~[V feed-add 、V feed-reduce 、V rotate-add 、V rotate-reduce ]四种，分别为进给速度增加、进给速度减少、转速增加、转速减少；
根据数值更新策略ε选择的动作，生成一个新的状态s′；此时，对Q表数值进行更新，更新的公式为：
其中，
为在当前状态s对作出动作a好坏程度的评价，
为根据下一状态s′中选取最大的
值，
为下一状态s′对下一动作a′好坏程度的评价，α为学习率，γ为奖励衰减值，r为奖励值；奖励值由奖励函数确定，奖励函数为
式中，首先通过正常条件下的切削力曲线得到标准的平均切削力F average-basic 和标准的最大偏差F max-offset-basic ；假设t 1时刻的平均切削力为
，最大偏差为
；t 2时刻的平均切削力为
，最大偏差为
；当切削力曲线得到改进时，平均切削力或最大偏差与标准值之差减小，此时
，代表奖赏；若
，则证明切削力没有得到改进反而使切削力离理论值更远，此时应予以惩罚；
令新的状态s′与当前状态s相等，若到达最终状态则进行下一步；若没有达到最终状态，则返回到数值更新策略ε，进行数值更新策略的重新选择；
最后，验证是否达到了切削力预测的目的，若达到则终止学习，若没达到则返回到最开始，重新选择一个状态s进行学习。
2.根据权利要求1所述的基于STEP-NC的边云协同数字孪生系统，其特征在于，所述工艺信息处理系统基于CAA二次开发平台和Visual Studio对CATIA展开二次开发，将STEP-NC标准与CATIA的Process工程内核相匹配映射，在CATIA中形成插件；所述工艺信息处理系统采用以下步骤进行数据处理：
（1）采用CATIA三维软件建立零件模型，通过Process对零件进行工艺设计；
（2）鼠标点击启动CATIA Process工作条中的工艺信息处理系统插件，并点击导出按钮完成对零件的工艺信息导出；
（3）将工艺信息文件同步到GrapeServer云孪生系统。
3.根据权利要求1所述的基于STEP-NC的边云协同数字孪生系统，其特征在于，所述GrapeServer云孪生系统为运行在云端的信息物理系统，管理不同数控机床的4D云端镜像，每一个4D云端镜像通过账号系统与指定的GrapeSim边缘孪生系统建立连接；工作人员通过移动端或PC端登录GrapeServer，远程异地对不同数控机床进行零件加工任务下单操作。
4.根据权利要求1所述的基于STEP-NC的边云协同数字孪生系统，其特征在于，所述GrapeSim边缘孪生系统内置STEP-NC后置器，将零件的STEP-NC加工信息通过内部语义化解析工具获取全部的工艺信息，并后置出匹配当前数控机床硬件的G代码，通过分布式数控技术发送至数控机床。
5.根据权利要求1所述的基于STEP-NC的边云协同数字孪生系统，其特征在于，所述GrapeSim边缘孪生系统内置在线实时仿真模块，所述在线实时仿真模块包括几何仿真模块和物理仿真模块；所述几何仿真模块实现对零件毛坯几何形状在加工过程中变化的实时仿真，并通过三维渲染技术提供可交互的零件浏览模型；所述物理仿真模块实现对零件毛坯加工过程中受力情况的实时仿真。
6.根据权利要求5所述的基于STEP-NC的边云协同数字孪生系统，其特征在于，所述几何仿真模块的输入为零件毛坯STL模型和从CAM端生成的STEP-NC文件，基于Tri-dexel模型实现几何仿真：首先构建零件几何形状与刀具几何形状Tri-dexel模型；其次执行零件Tri-dexel模型与刀具Tri-dexel之间的布尔减操作；最后采用基于等值面算法的零件Tri-dexel模型到三角面片模型的重构方法，实现切削加工过程的几何仿真；
所述物理仿真模块采用以下步骤实现物理仿真：
（1）设计切削加工条件，所述切削加工条件分为三类：刀具信息，毛坯信息与工艺信息；其中，刀具信息包括刀具材料，直径，螺旋角和齿数；毛坯信息与毛坯材料有关；工艺信息包含主轴转速，进给速度与刀具轨迹；
（2）通过几何仿真模块得出每个刀位点的刀具接触帧图；切削加工条件作为瞬时刚性力模型的输入，得出每个刀位点的切削力仿真值；将相同刀位点的切削力仿真值与刀具接触帧图标记为数据集；
（3）将标记好的数据集用于卷积神经网络的训练，验证和测试；
（4）确定卷积神经网络结构的隐藏层及层内超参数，实现基于图像的瞬时切削力预测。
7.一种基于STEP-NC的计算机集成制造加工方法，其特征在于，采用权利要求1-6任一项所述的基于STEP-NC的边云协同数字孪生系统进行加工，包括以下步骤：
S1，将工艺信息处理系统作为插件安装在工艺设计人员的设计软件上；
S2，根据零件工艺文件，通过工艺信息处理系统获取零件几何信息和加工工艺信息；
S3，将零件几何信息和加工工艺信息数据上传至GrapeServer云孪生系统，工作人员通过移动端或PC端登录GrapeServer云孪生系统，远程异地对不同数控机床进行零件加工任务下单操作；
S4，GrapeServer云孪生系统将加工任务自动派发至GrapeSim边缘孪生系统；
S5，根据接收到的加工任务，GrapeSim边缘孪生系统通过分布式数控技术将零件的加工任务代码下发至数控机床。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211442398.5A CN115494796B (zh) | 2022-11-18 | 2022-11-18 | 一种基于step-nc的边云协同数字孪生系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211442398.5A CN115494796B (zh) | 2022-11-18 | 2022-11-18 | 一种基于step-nc的边云协同数字孪生系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN115494796A CN115494796A (zh) | 2022-12-20 |
| CN115494796B true CN115494796B (zh) | 2023-03-03 |
Family
ID=85116069
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202211442398.5A Active CN115494796B (zh) | 2022-11-18 | 2022-11-18 | 一种基于step-nc的边云协同数字孪生系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN115494796B (zh) |
Families Citing this family (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116305929B (zh) * | 2023-03-17 | 2023-10-03 | 北京天圣华信息技术有限责任公司 | 一种数控加工仿真方法、装置、设备及存储介质 |
| CN116540633B (zh) * | 2023-07-05 | 2023-09-29 | 中科航迈数控软件(深圳)有限公司 | 机床调试方法、装置、终端设备以及计算机可读存储介质 |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107562015A (zh) * | 2017-08-29 | 2018-01-09 | 沈阳航空航天大学 | 一种基于数控加工编程的工序几何模型构建方法 |
| CN111208759A (zh) * | 2019-12-30 | 2020-05-29 | 中国矿业大学(北京) | 矿井无人化综采工作面数字孪生智能监控系统 |
| CN111596614A (zh) * | 2020-06-02 | 2020-08-28 | 中国科学院自动化研究所 | 基于云边协同的运动控制误差补偿系统及方法 |
| CN112613150A (zh) * | 2020-12-31 | 2021-04-06 | 华中科技大学 | 一种切削几何体的图像表达方法 |
| CN115129004A (zh) * | 2022-06-12 | 2022-09-30 | 西北工业大学 | 一种基于边缘计算和数字孪生的智能生产系统及方法 |
| CN115229117A (zh) * | 2022-07-29 | 2022-10-25 | 东北大学 | 一种基于数字孪生的壁板铆接变形控制方法 |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US11486722B2 (en) * | 2020-04-21 | 2022-11-01 | Toyota Motor Engineering & Manufacturing North America, Inc. | Vehicular edge server switching mechanism based on historical data and digital twin simulations |
-
2022
- 2022-11-18 CN CN202211442398.5A patent/CN115494796B/zh active Active
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107562015A (zh) * | 2017-08-29 | 2018-01-09 | 沈阳航空航天大学 | 一种基于数控加工编程的工序几何模型构建方法 |
| CN111208759A (zh) * | 2019-12-30 | 2020-05-29 | 中国矿业大学(北京) | 矿井无人化综采工作面数字孪生智能监控系统 |
| CN111596614A (zh) * | 2020-06-02 | 2020-08-28 | 中国科学院自动化研究所 | 基于云边协同的运动控制误差补偿系统及方法 |
| CN112613150A (zh) * | 2020-12-31 | 2021-04-06 | 华中科技大学 | 一种切削几何体的图像表达方法 |
| CN115129004A (zh) * | 2022-06-12 | 2022-09-30 | 西北工业大学 | 一种基于边缘计算和数字孪生的智能生产系统及方法 |
| CN115229117A (zh) * | 2022-07-29 | 2022-10-25 | 东北大学 | 一种基于数字孪生的壁板铆接变形控制方法 |
Non-Patent Citations (2)
| Title |
|---|
| 数字孪生的智能制造内涵及其在数控加工的应用;肖文磊等;《智能制造》;20211017;第30-46页 * |
| 面向数控加工的数字孪生系统;肖文磊等;《航空制造技术》;20201215;第46-55页 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN115494796A (zh) | 2022-12-20 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN115494796B (zh) | 一种基于step-nc的边云协同数字孪生系统 | |
| CN110900307B (zh) | 一种数字孪生驱动的数控机床刀具监控系统 | |
| Zhu et al. | A cyber-physical production system framework of smart CNC machining monitoring system | |
| Rauch et al. | An advanced STEP-NC controller for intelligent machining processes | |
| CN111208759A (zh) | 矿井无人化综采工作面数字孪生智能监控系统 | |
| CN109976296A (zh) | 一种基于虚拟传感器的车间生产过程可视化系统及构建方法 | |
| CN115509178B (zh) | 数字孪生驱动的刀具磨损监测方法及数控机床设备 | |
| CN108508850A (zh) | 制造过程数据收集和分析 | |
| Guo et al. | Design and research of digital twin machine tool simulation and monitoring system | |
| CN101308375A (zh) | 一种数控纵切机床加工程序模拟实现方法及其系统 | |
| US6775585B2 (en) | Method and designing and manufacturing rubber process tooling using an interface to a CAD/CAM software program | |
| CN115562167A (zh) | 一种数字孪生数控机床运行能耗监控系统 | |
| CN101634847A (zh) | 相贯线切割机可重构数控系统 | |
| CN101592950A (zh) | 一种基于web的数控编程与仿真服务系统 | |
| CN116384092A (zh) | 一种制造装备数字孪生的建模系统及实时交互方法 | |
| CN106886197A (zh) | 控制机器实施加工的方法及其装置和应用 | |
| KR20230032675A (ko) | Ｃｎｃ 공작기계를 이용한 데이터 수집 시스템 | |
| CN206671871U (zh) | 一种智能制造控制器 | |
| CN106886195A (zh) | 机加工控制方法及其装置和应用 | |
| Xiao et al. | STEP-NC enabled edge–cloud collaborative manufacturing system for compliant CNC machining | |
| Zhang et al. | A digital solution for CPS-based machining path optimization for CNC systems | |
| CN116383997B (zh) | 一种基于数字孪生的大型数控龙门铣床加工精度预测方法 | |
| WO2021029036A1 (ja) | 機械学習装置、データ処理システム及び機械学習方法 | |
| CN112486098A (zh) | 一种计算机辅助加工系统及辅助加工方法 | |
| CN118153346B (zh) | 一种基于虚实交互的机床数字孪生系统及其开发方法 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |