基于数字孪生的加工质量预测方法与流程

本发明属于加工领域，特别涉及一种基于数字孪生的加工质量预测方法。

背景技术：

1、复杂零部件的运行环境较恶劣，零部件的加工精度影响产品的总体质量。在实际的加工过程中，对制造装备考虑较多，而对应用软件、环境、加工资源以及人为因素考虑的较少，导致零部件的理想加工精度与成品之间存在偏差，造成加工资源的浪费。

2、传统的加工质量预测方法能够实现关键工序以及工序耦合的质量预测特征，但是忽视了加工过程中扰动事件对加工质量的影响，每个工序的结果与理想情况存在偏差，导致工序间误差累积。

3、目前的三维工艺模型以静态工艺设计为主，不能实时反映加工现场的信息，加工现场工艺元素较多，当加工质量出现问题时，现场加工人员往往难以及时发现问题，对误差产生的原因缺少有效的追溯，只能通过工艺人员手工调节，极大降低加工效率，增加了废品率。

技术实现思路

1、为解决上述技术问题，本发明提出了基于数字孪生的加工质量预测方法，适用于复杂零部件的加工质量预测。

2、为实现上述目的，本发明采用了如下技术方案：

3、一种基于数字孪生的加工质量预测方法，包括以下步骤：

4、步骤1、对加工过程中的静态数据和动态数据进行实时采集，包括装备属性信息、物料状态信息、能耗数据、工件实时位置、加工参数；

5、步骤2、整合实时采集的静态数据和动态数据，构建数字孪生五维模型，包括几何模型、物理模型、行为模型、规则模型、约束模型；

6、步骤3、通过虚实映射机制在虚拟空间进行数字孪生五维模型的复刻，基于加工过程数据的实时采集传输，完成虚拟空间中的实时仿真；

7、步骤4、将零件的加工工序以时间节点为单位进行划分，通过数字孪生技术分别获取每个时间节点的加工数据，对每个时间节点内的工艺参数进行实时分析和基于长短期记忆网络的预测，以特征加工质量为目标，输出最优工艺参数；

8、步骤5、基于最优工艺参数完成加工过程的模拟，将模拟结果反馈到物理空间，实时指导和更新物理加工过程中的工艺参数。

9、进一步的，所述步骤2中构建数字孪生五维模型包括：

10、步骤2.1、建立几何模型，确定工艺信息的载体，依据产品设计几何特征参数信息，构建覆盖设备异构要素可扩展的几何模型，完成物理空间中实体单元的可视化表达；

11、步骤2.2、建立物理模型，确定加工过程中加工单元内部的物理联系，依据设备的材料属性、物理参数等物理特性构建物理模型，完成物理空间中实体单元的属性分析；

12、步骤2.3、建立行为模型，基于各零部件间的行为耦合关系，构建刻画设备行为特征的行为及响应模型，加工单元通过设备接口接收相关的指令数据，驱动加工单元完成实时的行为映射；

13、步骤2.4、建立规则模型，基于xml语言描述设备运行及演化规律的规则及逻辑模型，确定加工过程中的内部参数变化，包括逻辑关系、推理关系、演变关系；

14、步骤2.5、建立约束模型，利用数学表达式和规则来描述系统内部和外部约束条件，用以确定几何模型、物理模型、行为模型、规则模型之间的关联关系。

15、进一步的，所述步骤4中加工质量的在线预测包括：

16、步骤4.1、将零件的加工工序以时间节点为单位进行划分；

17、步骤4.2、分别获取每个时间节点的加工数据，确定每个时间节点的工艺参数；

18、步骤4.3、基于长短期记忆网络算法，对每个时间节点的工艺参数进行预测，并输出预测数据值；

19、步骤4.4、将该时间节点输出的预测数据值与数据库中下一时间节点的数据值进行比较，确定加工参数是否满足零件的加工精度；

20、步骤4.5、输出各时间节点的最优加工参数，基于预测结果在虚拟空间中进行加工过程的模拟，确定最优加工工艺。

21、进一步的，所述步骤4.4包括：

22、步骤4.4.1、确定预测数据值是否满足加工精度要求，若满足，输出最优参数，若不满足，对加工误差进行分析，确定影响加工过程的误差因素，判断各误差因素是否在预设范围之内；

23、步骤4.4.2、若在预设范围内，则实时更改工艺参数，并基于长短期记忆网络算法进行预测，若不在预设范围内，停止加工过程的模拟，对产生误差的故障进行分析，重新确定并修改工艺参数，对修改后的工艺参数进行预测。

24、进一步的，所述步骤1中的静态数据通过rfid和标识码进行获取，动态数据通过嵌入式传感器获取，通过数据传输协议进行数据传输。

25、进一步的，所述步骤4包括，根据零件加工工序的重要程度划分时间节点，若为重要程度排序靠前的工序，增加设置的时间节点的密度。

26、本发明的有益效果在于：

27、本发明基于数字孪生技术，结合长短期记忆网络算法，将关键工序以时间节点划分，分别获取每一个时间节点的数据并与数据库中的数据进行比较，根据加工误差实时调整加工过程，实现科学、高效的加工质量预测与误差调整。

技术特征：

1.一种基于数字孪生的加工质量预测方法，其特征在于，包括以下步骤：

2.根据权利要求1所属的基于数字孪生的加工质量预测方法，其特征在于，所述步骤2中构建数字孪生五维模型包括：

3.根据权利要求1所述的基于数字孪生的加工质量预测方法，其特征在于，所述步骤4中加工质量的在线预测包括：

4.根据权利要求1所述的基于数字孪生的加工质量预测方法，其特征在于，所述步骤4.4包括：

5.根据权利要求1所述的基于数字孪生的加工质量预测方法，其特征在于，所述步骤1中的静态数据通过rfid和标识码进行获取，动态数据通过嵌入式传感器获取，通过数据传输协议进行数据传输。

6.根据权利要求1所述的基于数字孪生的加工质量预测方法，其特征在于，所述步骤4包括，根据零件加工工序的重要程度划分时间节点，若为重要程度排序靠前的工序，增加设置的时间节点的密度。

技术总结本发明公开了一种基于数字孪生的加工质量预测方法，适用于机械加工智能化设计领域。该方法包括四个步骤：收集加工过程中的静态数据和动态数据，构建几何‑物理‑行为‑规则‑约束多维属性模型；基于多维属性模型的约束，形成虚实空间的映射机制；将零件的关键工序以时间单位进行划分，采集每个时间段内的加工数据，基于长短期记忆网络算法实时分析各时间段内的数据进行预测；将预测结果与数据库中的数据进行比较，反馈和指导物理加工过程，实时调整加工工艺参数。利用该方法可对加工过程中的工序数据进行实时预测，保证零件的加工精度，缩短零件的生产周期。技术研发人员：白燚,赵志刚,杨倩,刘金峰,刘晓军受保护的技术使用者：金航数码科技有限责任公司技术研发日：技术公布日：2024/7/29