一种基于数字孪生技术的自动化生产线运行监控系统

1.本发明属于数字化生产监测技术领域，尤其涉及一种基于数字孪生技术的自动化生产线运行监控系统。


背景技术：

2.数字孪生思想由密歇根大学的michael grieves命名为“信息镜像模型”，而后演变为“数字孪生”的术语。数字孪生也被称为数字双胞胎和数字化映射。数字孪生是在mbd基础上深入发展起来的，企业在实施基于模型的系统工程(mbse)的过程中产生了大量的物理的、数学的模型，这些模型为数字孪生的发展奠定了基础。2012年nasa给出了数字孪生的概念描述：数字孪生是指充分利用物理模型、传感器、运行历史等数据，集成多学科、多尺度的仿真过程，它作为虚拟空间中对实体产品的镜像，反映了相对应物理实体产品的全生命周期过程。为了便于数字孪生的理解，庄存波等提出了数字孪生体的概念，认为数字孪生是采用信息技术对物理实体的组成、特征、功能和性能进行数字化定义和建模的过程。数字孪生体是指在计算机虚拟空间存在的与物理实体完全等价的信息模型，可以基于数字孪生体对物理实体进行仿真分析和优化。数字孪生是技术、过程、方法，数字孪体是对象、模型和数据。
3.生产线也叫流水线，又称为装配线，一种工业上的生产方式，指每一个生产单位只专注处理某一个片段的工作，以提高工作效率及产量。按照生产线的输送方式大体可以分为皮带流水装配线、板链线、倍速链、插件线、网带线、悬挂线及滚筒流水线这七类流水线。
4.生产线可扩展性高，可按需求设计输送量，输送速度，装配工位，辅助部件，因此广受企业欢迎；流水线是人和机器的有效组合，最充分体现设备的灵活性，它将输送系统、随行夹具和在线专机、检测设备有机的组合，以满足多品种产品的输送要求。输送线的传输方式有同步传输，也可以是非同步传输，根据配置的选择，可以实现装配和输送的要求。输送线在企业的批量生产中不可或缺。
5.然而，在现有技术中的，存在当某个环节或者设备出现故障时，根据显示结果，需要人工对影响生产线的多种因素进行逐一排查，影响生产效率的问题。


技术实现要素：

6.为解决上述技术问题，本发明提出了一种基于数字孪生技术的自动化生产线运行监控系统，以解决现有技术中出现故障时影响生产效率的问题。
7.为实现上述目的，本发明提供了一种基于数字孪生技术的自动化生产线运行监控系统，包括：
8.数据采集子系统，用于采集生产线运行数据；
9.数字孪生模型模拟子系统，与所述数据采集子系统连接，用于根据所述生产线运行数据构建数字孪生模型，并通过所述数字孪生模型进行运行模拟，获得模拟数据；
10.综合分析子系统，分别与所述数据采集子系统和数字孪生模型构建子系统连接，
用于将所述生产线运行数据与数字孪生模型的模拟数据进行比较分析，获得分析结果；
11.预测子系统，分别与所述数据采集子系统和数字孪生模型构建子系统连接，用于根据所述生产线运行数据和模拟数据进行预测分析，获得预测数据；
12.调整子系统，与所述综合分析子系统连接，用于根据分析结果和预测数据对自动化生产线进行调整。
13.优选地，所述数据采集子系统包括环境采集模块和设备采集模块；
14.所述环境采集模块用于采集生产线的运行环境参数；
15.所述设备采集模块用于采集生产线的设备运行参数和设备图像。
16.优选地，所述数字孪生模型模拟子系统包括模型构建模块和模拟运行模块；
17.所述模型构建模块用于构建数字孪生模型；
18.所述模拟运行模块用于将所述生产线运行数据输入到数字孪生模型中进行模拟运行，得到模拟数据。
19.优选地，所述模型构建模块包括预处理单元、网络架构搭建单元和输入单元；
20.所述预处理单元用于对设备图像进行预处理，得到预处理图像；
21.所述网络架构搭建单元用于根据预处理图像搭建数字孪生模型架构；
22.所述输入单元用于将采集的生产线运行环境参数和设备运行参数输入到数字孪生模型架构中，得到数字孪生模型。
23.优选地，所述预处理单元包括均值滤波子单元和图像分割子单元；
24.所述均值滤波子单元用于消除设备图像的噪声；
25.所述图像分割子单元用于通过canny边缘检测算法标记设备轮廓。
26.优选地，所述综合分析子系统包括比较分析模块和报警模块；
27.所述比较分析模块用于将所述模拟数据和生产线运行数据作比较，分析生产线运行状态；
28.所述报警模块用于当比较结果大于安全阈值时，发出警报。
29.优选地，所述预测子系统包括生产预测模块和故障预测模块；
30.所述生产预测模块用于预测生产线的生产量；
31.所述故障预测模块用于预测生产线的故障时间点。
32.优选地，所述调整子系统包括自动调节模块和人工调节模块；
33.所述自动调节模块用于调节生产线运行环境；
34.所述人工调节模块用于解决生产线的运行设备故障问题。
35.与现有技术相比，本发明具有如下优点和技术效果：
36.本发明所述的基于数字孪生技术的自动化生产线运行监控系统，通过构建数字孪生模型对生产线进行运行模拟，获得模拟数据，通过模拟数据与实际运行数据的对比判断出异常运行位置，通过对异常运行位置的调整，使生产线运行更稳定，而且可以对生产线运行状况进行预测，根据预测结果进行检修，避免故障发生。
附图说明
37.构成本技术的一部分的附图用来提供对本技术的进一步理解，本技术的示意性实施例及其说明用于解释本技术，并不构成对本技术的不当限定。在附图中：
38.图1为本发明实施例的基于数字孪生技术的自动化生产线运行监控系统结构图。
具体实施方式
39.需要说明的是，在不冲突的情况下，本技术中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本技术。
40.需要说明的是，在附图的流程图示出的步骤可以在诸如一组计算机可执行指令的计算机系统中执行，并且，虽然在流程图中示出了逻辑顺序，但是在某些情况下，可以以不同于此处的顺序执行所示出或描述的步骤。
41.实施例一
42.如图1所示，本发明提出了一种基于数字孪生技术的自动化生产线运行监控系统，包括：
43.数据采集子系统，用于采集生产线运行数据；
44.数字孪生模型模拟子系统，与数据采集子系统连接，用于根据生产线运行数据构建数字孪生模型，并通过数字孪生模型进行运行模拟，获得模拟数据；
45.综合分析子系统，分别与数据采集子系统和数字孪生模型构建子系统连接，用于将生产线运行数据与数字孪生模型的模拟数据进行比较分析，获得分析结果；
46.预测子系统，分别与数据采集子系统和数字孪生模型构建子系统连接，用于根据生产线运行数据和模拟数据进行预测分析，获得预测数据；
47.调整子系统，与综合分析子系统连接，用于根据分析结果和预测数据对自动化生产线进行调整。
48.进一步地优化方案，数据采集子系统包括环境采集模块和设备采集模块；
49.环境采集模块用于采集生产线的运行环境参数；
50.设备采集模块用于采集生产线的设备运行参数和设备图像。
51.进一步地优化方案，数字孪生模型模拟子系统包括模型构建模块和模拟运行模块；
52.模型构建模块用于构建数字孪生模型；
53.模拟运行模块用于将生产线运行数据输入到数字孪生模型中进行模拟运行，得到模拟数据。
54.进一步地优化方案，模型构建模块包括预处理单元、网络架构搭建单元和输入单元；
55.与处理单元用于对设备图像进行预处理，得到预处理图像；
56.网络架构搭建单元用于根据预处理图像搭建数字孪生模型架构；
57.输入单元用于将采集的生产线运行环境参数和设备运行参数输入到数字孪生模型架构中，得到数字孪生模型。
58.进一步地优化方案，预处理单元包括均值滤波子单元和图像分割子单元；
59.均值滤波子单元用于消除设备图像的噪声；
60.图像分割子单元用于通过canny边缘检测算法标记设备轮廓。
61.进一步地优化方案，均值滤波子单元的滤波流程为：
62.确定滤波器大小：首先需要确定均值滤波器的大小。滤波器大小设定为一个3x3的
正方形矩阵。较大的滤波器可以更好地平滑图像，但会导致细节的损失，所以采用小矩阵进行滤波。
63.遍历图像：对于要进行降噪处理的图像，遍历每个像素点。
64.计算局部均值：选取当前像素周围滤波器大小范围内的像素，并计算它们的灰度值的平均值。
65.更新像素值：将当前像素的值更新为计算得到的局部均值。
66.边缘检测的具体流程为：
67.灰度化处理：将原始彩色图像转换为灰度图像。通过将rgb图像的每个像素的红、绿、蓝三个通道的值加权平均得到灰度值。
68.高斯滤波：对灰度图像进行高斯滤波，以减少噪声的影响。高斯滤波使用一个特定的卷积核对图像进行模糊操作，可以去除小尺寸的噪点。
69.计算梯度幅值和方向：使用sobel等算子计算图像中每个像素的梯度幅值和梯度方向。梯度幅值表示像素变化的强度，而梯度方向表示变化最快的方向。
70.非极大值抑制：对梯度幅值图像进行非极大值抑制，以细化边缘。遍历图像中的每个像素，比较其梯度幅值与沿着梯度方向上相邻两个像素的梯度幅值，保留梯度幅值最大的像素，将其他像素置为0。
71.双阈值处理：根据设定的两个阈值，将非极大值抑制后的图像中的像素分为强边缘、弱边缘和无效边缘三类。通常，高阈值用于标记强边缘，低阈值用于标记弱边缘，而阈值之间的像素被标记为无效边缘。
72.边缘连接：根据设定的连接规则，连接强边缘和与之相邻的弱边缘，形成完整的边缘线条。采用8连通法则进行连接。
73.输出边缘图像：根据以上步骤处理后的结果，生成最终的边缘图像，其中边缘部分以明显的线条显示出来，其他区域为背景或无效边缘。
74.进一步地优化方案，综合分析子系统包括比较分析模块和报警模块；
75.比较分析模块用于将模拟数据和生产线运行数据作比较，分析生产线运行状态；
76.报警模块用于当比较结果大于安全阈值时，发出警报。
77.进一步地优化方案，预测子系统包括生产预测模块和故障预测模块；
78.生产预测模块用于预测生产线的生产量；
79.故障预测模块用于预测生产线的故障时间点。
80.进一步地优化方案，生产预测方法如下：
81.数据收集：收集相关的历史产量数据，并记录与产量相关的影响因素，如生产设备、原材料供应等。
82.数据分析：对收集到的数据进行统计分析，了解历史产量的趋势和变化模式。使用统计方法、时间序列分析或机器学习算法对数据进行处理和建模。
83.建立预测模型：基于历史数据和相关影响因素，建立arima模型。
84.模型训练和验证：使用历史数据进行模型的训练和参数调整，并对模型进行验证和评估，以确保其准确性和可靠性。
85.进行预测：使用已经训练好的模型，输入当前的影响因素数据，利用模型进行产量的预测。
86.预测机器故障的具体方法如下：
87.数据收集：收集与机器运行状态和故障相关的数据，包括传感器数据、日志记录、维修记录等。这些数据可以提供有关机器状态和故障模式的信息。
88.特征工程：根据收集到的数据，进行特征提取和选择，以获取对故障预测有意义的特征。可以利用统计分析、信号处理等方法，提取与故障相关的特征信息。
89.建立预测模型：基于收集到的数据和特征，建立适当的预测模型。可选取的预测模型包括监督学习方法(如分类器、回归模型)、无监督学习方法(如聚类、异常检测)以及时间序列分析方法等。选择合适的预测模型取决于数据的类型和预测的需求。
90.数据训练和验证：使用历史数据进行模型的训练和参数调整，并使用验证数据对模型进行评估和验证。可以采用交叉验证等技术来评估模型的性能和泛化能力。
91.故障预测和监控：使用已经训练好的模型，输入当前的机器状态数据，进行故障的预测。监控机器运行状态和预测结果，及时发现异常情况和故障预警。
92.模型优化和更新：根据实际应用中的反馈和实验结果，不断优化和更新预测模型，以提高准确性和可靠性。
93.进一步地优化方案，调整子系统包括自动调节模块和人工调节模块；
94.自动调节模块用于调节生产线运行环境；
95.人工调节模块用于解决生产线的运行设备故障问题。
96.以上，仅为本技术较佳的具体实施方式，但本技术的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本技术揭露的技术范围内，可轻易想到的变化或替换，都应涵盖在本技术的保护范围之内。因此，本技术的保护范围应该以权利要求的保护范围为准。

技术特征：
1.一种基于数字孪生技术的自动化生产线运行监控系统，其特征在于，包括：数据采集子系统，用于采集生产线运行数据；数字孪生模型模拟子系统，与所述数据采集子系统连接，用于根据所述生产线运行数据构建数字孪生模型，并通过所述数字孪生模型进行运行模拟，获得模拟数据；综合分析子系统，分别与所述数据采集子系统和数字孪生模型构建子系统连接，用于将所述生产线运行数据与数字孪生模型的模拟数据进行比较分析，获得分析结果；预测子系统，分别与所述数据采集子系统和数字孪生模型构建子系统连接，用于根据所述生产线运行数据和模拟数据进行预测分析，获得预测数据；调整子系统，与所述综合分析子系统连接，用于根据分析结果和预测数据对自动化生产线进行调整。2.根据权利要求1所述的基于数字孪生技术的自动化生产线运行监控系统，其特征在于，所述数据采集子系统包括环境采集模块和设备采集模块；所述环境采集模块用于采集生产线的运行环境参数；所述设备采集模块用于采集生产线的设备运行参数和设备图像。3.根据权利要求1所述的基于数字孪生技术的自动化生产线运行监控系统，其特征在于，所述数字孪生模型模拟子系统包括模型构建模块和模拟运行模块；所述模型构建模块用于构建数字孪生模型；所述模拟运行模块用于将所述生产线运行数据输入到数字孪生模型中进行模拟运行，得到模拟数据。4.根据权利要求1所述的基于数字孪生技术的自动化生产线运行监控系统，其特征在于，所述模型构建模块包括预处理单元、网络架构搭建单元和输入单元；所述预处理单元用于对设备图像进行预处理，得到预处理图像；所述网络架构搭建单元用于根据预处理图像搭建数字孪生模型架构；所述输入单元用于将采集的生产线运行环境参数和设备运行参数输入到数字孪生模型架构中，得到数字孪生模型。5.根据权利要求4所述的基于数字孪生技术的自动化生产线运行监控系统，其特征在于，所述预处理单元包括均值滤波子单元和图像分割子单元；所述均值滤波子单元用于消除设备图像的噪声；所述图像分割子单元用于通过canny边缘检测算法标记设备轮廓。6.根据权利要求1所述的基于数字孪生技术的自动化生产线运行监控系统，其特征在于，所述综合分析子系统包括比较分析模块和报警模块；所述比较分析模块用于将所述模拟数据和生产线运行数据作比较，分析生产线运行状态；所述报警模块用于当比较结果大于安全阈值时，发出警报。
7.根据权利要求1所述的基于数字孪生技术的自动化生产线运行监控系统，其特征在于，所述预测子系统包括生产预测模块和故障预测模块；所述生产预测模块用于预测生产线的生产量；所述故障预测模块用于预测生产线的故障时间点。8.根据权利要求1所述的基于数字孪生技术的自动化生产线运行监控系统，其特征在于，所述调整子系统包括自动调节模块和人工调节模块；所述自动调节模块用于调节生产线运行环境；所述人工调节模块用于解决生产线的运行设备故障问题。

技术总结
本发明公开了一种基于数字孪生技术的自动化生产线运行监控系统，包括：数据采集子系统，用于采集生产线运行数据；数字孪生模型模拟子系统，用于根据生产线运行数据构建数字孪生模型，并通过数字孪生模型进行运行模拟，获得模拟数据；综合分析子系统，用于将生产线运行数据与数字孪生模型的模拟数据进行比较分析，获得分析结果；预测子系统，用于根据生产线运行数据和模拟数据进行预测分析，获得预测数据；调整子系统，用于根据分析结果和预测数据对自动化生产线进行调整。本系统通过构建数字孪生模型对生产线进行运行模拟，获得模拟数据，通过模拟数据与实际运行数据的对比判断出异常运行位置，通过对异常运行位置的调整，使生产线运行更稳定。生产线运行更稳定。生产线运行更稳定。


技术研发人员：杨帅虎 杨锴 冯敏 杨颖
受保护的技术使用者：广西大学
技术研发日：2023.08.08
技术公布日：2023/10/19