基于数字孪生的动态仿真优化模型构建方法与流程

本发明涉及制造生产仿真的，具体为基于数字孪生的动态仿真优化模型构建方法。

背景技术：

1、随着数字化技术的快速发展，传统制造和生产模式正向智能化、数字化转型。数字孪生技术和动态仿真技术成为这一转型的重要支撑，制造业正在经历从传统生产方式向智能制造的转型，数字孪生和动态仿真技术能够提供实时监控、预测分析和优化决策，帮助企业实现生产效率和质量的提升。

2、例如公告号为cn117077458b的一种电子产品生产线的动态仿真模型构建方法及装置，包括：基于电子产品生产线的工艺路线，给出电子产品生产线的布局信息、制造信息及物流任务信息；根据电子产品生产线的布局信息，搭建电子产品生产线布局模型；根据电子产品生产线布局模型，结合预设的编码策略，给出电子产品生产线的布局链接参数，布局链接参数用于关联电子产品生产线的布局信息及制造信息；在电子产品生产线布局模型中嵌入调用模块，得到电子产品生产线的动态仿真模型，调用模块用于根据布局链接参数调用物流任务信息。本发明由电子产品生产线的布局模型快速、精确的得到动态仿真模型，具有极强的普适性，提升了电子产品生产线的动态仿真效果。

3、但是传统的动态仿真优化模型构建过程中对工艺区块、设备、物流路径等进行过度简化，忽略实际中的细节和变化，同时通常采用固定的布局配置，缺乏灵活性来适应生产需求的变化。限制了模型在实际生产中的应用效果。为了解决这些问题，需要通过提高模型精细度和数据准确性，实现动态和灵活的布局调整，采用先进的路径规划算法，并增强动态仿真和反馈机制，同时提高计算效率和扩展能力。

技术实现思路

1、针对现有技术的不足，本发明提供了基于数字孪生的动态仿真优化模型构建方法，解决了上述背景技术的问题。

2、为实现以上目的，本发明通过以下技术方案予以实现：基于数字孪生的动态仿真优化模型构建方法，其特征在于，包括以下步骤：s1.通过数字孪生根据电子产品生产线的构建初始数字孪生模型；s2.基于初始数字孪生模型，识别电子产品生产线中的瓶颈区域，通过模拟退火算法分析工艺区块之间的作业流动行和空间分配合理性，优化工艺区块布局；s3.使用k近邻算法预测每个工艺区块的路径特性，生成每个工艺区块的影响物流路径规划的关键特征，并结合迪杰斯特拉算法构建图模型，将影响物流路径规划的关键特征转化为图的边权重，获取每个工艺区块布局之间的最优路径，对物流轨道路径规划进行优化；s4.将工艺区块的位置和布局优化信息和物流轨道布局优化信息加载到初始数字孪生模型中，构建电子产品生产线的动态仿真模型；s5.通过电子产品生产线优化布局模型对不同的物流需求场景进行测试，获取工艺区块布局优化指数和物流轨道路径规划指数，并根据测试历史数据，评估动态仿真模型的优化程度。

3、进一步地，识别电子产品生产线中的瓶颈区域的具体过程如下：根据工艺区块历史的作业时间、设备利用率和物料积压数据确定各工艺区块的工作负荷，识别负载过重的工艺区块。

4、进一步地，通过模拟退火算法分析工艺区块之间的作业流动行和空间分配合理性的具体过程如下：将最大化生产线的总效率、最小化作业流动时间、最小化物料搬运成本设置为定义目标函数，目标函数用于量化和反映工艺区块之间的作业流动和空间分配的合理性；将每个工艺区块之前的作业流动时间、物料搬运成本和空间利用率定义工艺区块的空间约束和作业流动的约束条件，并计算每个工艺区块之间的目标函数值；通过模拟退火算法，目标函数会在每次迭代中计算当前工艺区块布局的优劣值，找到目标函数值最小，确定最佳的工艺区块布局。

5、进一步地，使用k近邻算法预测每个工艺区块的路径特性，生成每个工艺区块的影响物流路径规划的关键特征的具体过程如下：获取工艺区块之间的物流数据和历史路径数据，构建特征向量和标签数据；使用k近邻算法根据特征向量计算路径特性，选择k值和距离度量，并对查询点的路径特性进行加权平均预测，生成每个工艺区块的影响物流路径规划的关键特征；所述影响物流路径规划的关键特征包括运输时间、运输成本、路径容量、延误风险。

6、进一步地，结合迪杰斯特拉算法构建图模型，将影响物流路径规划的关键特征转化为图的边权重，获取每个工艺区块布局之间的最优路径的具体过程如下：结合迪杰斯特拉算法构建图模型，基于k近邻算法预测的影响物流路径规划的关键特征，转化为图模型中的边权重；计算每条边的综合权重进行加权，使用迪杰斯特拉算法在图模型上执行最短路径计算，初始化每个节点的距离为无穷大，起点节点的距离设置为零，通过迭代更新最短路径距离，选取当前未处理节点中距离最小的节点进行更新，直到确定所有节点的最短路径。

7、进一步地，获取工艺区块布局优化指数和物流轨道路径规划指数的具体过程如下：通过电子产品生产线优化布局模型在不同的物流需求场景的测试，获取各工艺区块的作业时间、冲突发生率和空间利用率，分别与设定的优化阈值进行比较，获取工艺区块布局优化指数；获取各工艺区块的运输时间、运输成本和延误风险率，分别与设定的优化阈值进行比较，获取物流轨道路径规划指数。

8、进一步地，根据测试历史数据，评估动态仿真模型的优化程度的具体过程如下：基于工艺区块布局优化指数和物流轨道路径规划指数，分别与历史工艺区块布局优化指数和历史物流轨道路径规划指数进行综合运算，获取动态仿真模型的优化指数；将动态仿真模型的优化指数与设定的动态仿真模型的优化指数阈值进行比较，评估动态仿真模型的优化程度。

9、本发明具有以下有益效果：

10、（1）、该基于数字孪生的动态仿真优化模型构建方法，通过识别电子产品生产线中的瓶颈区域，提高了生产线的整体效率和产能，通过模拟退火算法分析工艺区块之间的作业流动行和空间分配合理性，减少了无效工艺流动和空间浪费，优化了生产线资源的配置。

11、（2）、该基于数字孪生的动态仿真优化模型构建方法，通过k近邻算法与迪杰斯特拉算法的结合提高了路径规划的准确性和效率。通过预测关键特征和优化路径，减少了运输时间和成本，提升了物流轨道的运行效率和可靠性。通过对不同物流需求场景的测试和评估，能够不断优化和调整生产线布局和路径规划，确保优化方案的有效性和可持续性。优化指数的计算和评估提供了量化指标，帮助持续改进生产线的性能和效率。

12、当然，实施本发明的任一产品并不一定需要同时达到以上所述的所有优点。

技术特征：

1.基于数字孪生的动态仿真优化模型构建方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的基于数字孪生的动态仿真优化模型构建方法，其特征在于：识别电子产品生产线中的瓶颈区域的具体过程如下：

3.根据权利要求2所述的基于数字孪生的动态仿真优化模型构建方法，其特征在于：通过模拟退火算法分析工艺区块之间的作业流动行和空间分配合理性的具体过程如下：

4.根据权利要求3所述的基于数字孪生的动态仿真优化模型构建方法，其特征在于：使用k近邻算法预测每个工艺区块的路径特性，生成每个工艺区块的影响物流路径规划的关键特征的具体过程如下：

5.根据权利要求4所述的基于数字孪生的动态仿真优化模型构建方法，其特征在于：结合迪杰斯特拉算法构建图模型，将影响物流路径规划的关键特征转化为图的边权重，获取每个工艺区块布局之间的最优路径的具体过程如下：

6.根据权利要求5所述的基于数字孪生的动态仿真优化模型构建方法，其特征在于：获取工艺区块布局优化指数和物流轨道路径规划指数的具体过程如下：

7.根据权利要求6所述的基于数字孪生的动态仿真优化模型构建方法，其特征在于：根据测试历史数据，评估动态仿真模型的优化程度的具体过程如下：

技术总结本发明公开了基于数字孪生的动态仿真优化模型构建方法，涉及制造生产仿真的技术领域。该基于数字孪生的动态仿真优化模型构建方法，通过识别电子产品生产线中的瓶颈区域，并通过模拟退火算法分析工艺区块之间的作业流动行和空间分配合理性，提高了生产线的整体效率和产能，减少了无效工艺流动和空间浪费，优化了生产线资源的配置。通过K近邻算法与迪杰斯特拉算法的结合提高了路径规划的准确性和效率。通过预测关键特征和优化路径，减少了运输时间和成本，提升了物流轨道的运行效率和可靠性。通过对不同物流需求场景的测试和评估，能够不断优化和调整生产线布局和路径规划，帮助持续改进生产线的性能和效率。技术研发人员：丁丁,孙建龙,黄四鑫,魏星受保护的技术使用者：深圳市同立方科技有限公司技术研发日：技术公布日：2024/9/29