基于数字孪生技术的生产线故障预警

第

34

卷第

1

期

2021

年

1

月

机电产品开发与创新

Development

&

Innovation

of

Machinery

&

Electrical

Products

Vol.34,No.1

Jan

.,2021

文章编号

：

1002-6673

(

2021

)

01-070-04

基于数字孪生技术的生产线故障预警

李胜前

，

刘治红

，

邱

枫

，

赵智聪

，

张弦弦

(

中国兵器装备集团自动化研究所智能制造事业部

，

四川绵阳

$21000

)

摘

要

：

为解决生产线生产过程中出现故障无法及时预警的问题

，

对生产线智能管控技术进行研究

$

在模块

化生产线基础上

，

探究设备故障预警的方法

$

运用数字孪生技术对模块化生产线进行建模

，

构建虚拟生产

线

$

探究符合故障预警要求的算法

，

选取神经网络算法建模

，

采集数据进行训练

，

实现产品合格率的精确管

控

$

应用结果表明

：

该技术基本实现了对故障的精确预警

，

减轻了管理人员的操作统计工作量

，

提高了生产

线的智能化水平

$

关键词

：

故障预警

&

数字孪生

&

采集

&

分析

中图分类号

：

TP277

文献标识码

：A

doi:

10.3969/.1002-6673.2021.01.023

Early

Warning

of

Production

Line

Failure

Based

on

Digital

Twin

Technology

Ll

Sheng-Qian

,

LIU

Zhi-Hong

,

QIUFeng

,

ZHAO

Zhi-Cong

,

ZHANG

Xian-Xian

(

Automation

Research

Institute

of

China

South

Industries

Group

Corporation

,

Mianyang

Sichuan

621000

,

China

)

Abstract

:

In

order

to

solve

the

problem

that

the

production

line

can

not

De

early

warning

in

time

,

the

intelligent

control

technology

of

production

line

is

studied.

On

the

basis

of

modular

production

line

,

the

method

of

equipment

fault

warning

is

explored.

The

digital

twin

technology

is

used

to

model

the

modular

production

line

and

build

the

virtual

production

line.

Explore

the

algorithm

that

meets

the

requirements

of

fault

warning

,

select

neural

network

algorithm

modeling

,

collect

data

for

training

,

and

realize

the

accurate

control

of

product

qualification

rate.

The

application

results

show

that

:

the

technology

basically

realizes

the

accurate

warning

of

the

fault

,

reduces

the

operation

and

statistics

workload

of

the management

personnel

,

and

improves

the

intelligent

level

of

the

production

line.

Keywords

:

Fault

warning

；

Digital

twin

；

Data

acquisition

；

Data

analysis

0

引言

在传统的柔性生产基础上

，

模块化生产已经成为

"

工

业

4.0

”

的主流

，

模块化构造带来了更高的灵活性，

通过数

的方法

*

本文将数字李生技术引入模块化生产线

，

利用建模

软件构建虚拟生产线

，

利用生产线管理系统采集并管理

设备数据，

从而实现物理生产线和虚拟生产线数据的交

据采集分析方法实现了对所连接设备的状态监控

，

这些

互融合

，

最终构建了基于数字李生技术的模块化装药生

产线管控模型

；

在此基础上

，

利用管控模型中数据协同交

数据除了被用于远程状态监控外

，

还能用于质量监控

、

过

程改进以及预防性维护

，

提高了机器设备的可支配性叫

目前

，

大多数的模块化生产线智能化程度还不高

，

尤

互功能

，

实现对设备数据的实时采集

、

管理与分析;

最后

使用神经网络算法对管控模型中设备数据发展状态进行

预测

，

并以此为依据对设备状态进行调控和预测

，

最终实

其是故障检测方面

。

大多数生产线均采用后置报警方式实

现故障提示

，

视频监控或者可视化系统提醒管控人员对生

现基于数字李生技术的模块化装药生产线故障预警

435

,

产线设备进行检修

，

普遍在故障前置预测方面不足叫当

报警信号产生时

，

产线已经岀现了故障

，

并且

，

故障检测

不能精准到设备以及关键部件,

一旦出现故障

，

将对产线

1

模块化自动化生产线

1.1

生产线总体布局

模块化自动化装药装配生产线由传输线

、

衬里装配

模块

、

中央监控系统等部分组成

，

实现自动化传输、

装药

、

的生产效率造成很大影响

*

因此

，

亟需提岀一种

故障预警

修稿日期

：

2020-**-*9

作者简介

：

李胜前

(

1994-

),

男

，

四川成都人

$

主要研究方向

：

计

算机应用与技术

；

刘治红

(

1974-

),

女

，

四川简阳人

，

工程硕士

$

主要研究方向

：

智能制造系统集成技术

。

装配等功能

,

整条生产线实现高度自动化生产

。

全线针对

两种原料包装工艺相同

，

只存在高度的差异

，

生产线中采

取了全线共线的方式

，

通过程序切换

，

高度的差异结构方

70

•制造业信息化

・

面通过安装位置的切换来保证

！

生产线总体布局示意图

如图

1

所示

！

作，

实现数据孪生体的交互

，

建成虚拟生产线

！

2.2

故障预警分析

在实际生产过程中

，

各模块采集的数据是非线性的

，

具有高度的随机性和不确定性

，

并且不同模块采集的数

据类型不一致

，

随着时间的增长

，

生产线各设备会出现故

障

、

磨损等不确定性问题

！

所以

，

要对生产线进行故障预

警需要一个非线性的

、

自适应的算法

！

我们选取神经网络算法进行分析

，

从神经元的特性

图

1

生产线总体布局示意图

和功能可以知道，

神经元是一个多输入单输出的信息处

1.2

衬里装配模块

块用于药筒内衬里的自动化装配

，

将完成衬里自动成型

、

理单元

，

而且，

它对信息的处理是非线性的

！

根据神经元

型

！

如图

3

所示

。

本文以衬里装配模块为主要测试对象

。

衬里装配模

的特性和功能

，

可以把神经元抽象为一个简单的数学模

切断

、

入筒

、

贴边等一系列工作。

衬里贴合完成后各机构

分别复位

,

托盘自动向前传输至下一工位！衬里存料

、

驱

动和切断机构在模块中存在两套机构，

便于衬里缺料的

切换不影响整线的连续运行

！

2

虚拟生产线及故障预警

2.1

虚拟生产线建模

传统的物理生产线主要采用人工目视检测方法

,

利

图

3

神经网络模型

用车间可视化监控系统对于生产线情况进行人工监控

,

图中

：X1

…

Xn

是神经元的输入

，

!

是

i

神经元的阈

对于人工的依赖性较大

，

故障调整工序冗余

，

调整速度

慢

，

不利于生产线的生产

，

出现故障对整个产线的生产效

率有着很大的影响

！

通过建立虚拟生产线

，

运用数字孪生技术

，

可以对实

值

；

W1

…

Wn

分别是

i

神经元对

X1

…

Xn

的权系数

，

也即

突触的传递效率

;

是激发函数

，它决定

i

神经元受到输

入

XI

…

Xn

的共同刺激达到阀值时以何种方式输出铁可

以得到神经元的数学模型

：

U

i

=

际模块化生产线的实时状态进行直观的了解

!

通过建立数

字虚拟模型

，

实现物理生产线

、

虚拟生产线

、

生产线管理系

统三者的数据交互融合管控模式

！

在此模式下

，

生产线的

调配对人员的依赖程度大大降低

，

出现的问题可以精准到

!

W

ij

X

j

-

"

i

j

=

i

n

Y

i

=f

(

UJ

神经网络算法具有并行分布处理

、

鲁棒性好

、

自适应

性好等优点

，

非常契合生产线的故障预警

!

本文将就神经

模块

，

甚至精准到零件

，

大大提高了问题解决速度

，

对生产

线的管控还有企业的智能化建设有着极大的提升

。

虚拟生产线建模依托于数据采集系统

，

通过生产线

网络模型的故障预警进行实验和探讨

！

2.3

关键技术

(

1

)

实时数据采集存储技术

!

采集对象主要为模块化

装药生产线核心技术装备的状态信息及工艺数据

；

用核

各个模块的设备

PLC

采集数据

,

将数据传输到数据库

，构

建数据孪生体

，其中的关

Cb

紂里

x

柱司廉电机

©紆甲

轴

伺隈电机

©时里送料伺

服宅机

运

I

衬里

枚转伺服毛机

P

衬里粘接

旋转伺

服电机

电衬里装配顶升气缸

也

衬里装

配定位汽缸

吐可里装配喙附弓缸

©

衬里装配专机结束

©后离合气何

!

匚

4

后切断亍缸

他后

切

断压藝

气缸

Q

后压紧竺缸

©拉料后夹肾气壯

:

©

拉

*4

气缸

©拉

料前夹

紧气缸

：

8

苻料八降气;

H

ta

前离合

V缸

前切

断逹虹

©前切断压擘气缸

©

三

杆升隆气缸

©

装配

夹裁三

缸

LG

裝配升

降气缸

G

装配比

紧气缸

键是对关键数据的采集和

y

心部件模块化装药生产线装备的状态信息及工艺数据

；

整理

！

以衬里装配机为例

，

其主要采集的数据项如图

2

所示

！

通过

unity

引擎对该

生产

、

质量

、仓储等相关信息系统中的关键数据

，

包括

MES

、

ERP

等

。

生产

、

质量

、

仓储等信息系统的数据

"

通过信息化中

心配置信息系统之间的网络互联互通

，

根据各信息系统

模块进行

3D

建模

，将设备

的数据接口进行网络访问及数据采集

，

按需将关键数据

对各个零件的动作数据进

提取并处理后在数字化可视大屏终端进行展示

！

信息采集主要通过

MES、

ERP

或者设备支持的数据

行分析

，

并与物理生产线

上该设备的零件动作进行

比对

，

选取关键零件动作

采集接口等信息系统接口采集生产信息

、

设备信息等

。

(

2

)

数据管理与传输技术

!

物理生产线采集的数据类

型包含生产数据

、设备数据等

!

系统通过采集核心技术设

数据设计各个零件的动

图

2

主要釆集的数据项

71

•制造业信息化

!

备及各相关信息系统的数据

，

进行格式化封装数据

，

将封

数据库

。

装完成的数据按照数据类型分配给对应的数据接口

"

分析数据库主要用来存储备份的历史数据

。

实时库

和分析数据库中均包含分别用于产量统计

、

设备

/

生产线

开机率统计

、

平均故障间隔时间统计

、

平均故障恢复时间

统计的储存过程叫

对于数据进行统筹管理

,

数字李生建模

，应用了可视

化大屏技术

，

数字可视化大屏系统根据需要数据接口中

获取的数据，

进行数据拆包

、

解析

、

处理

，将对应数据按设

计的可视化效果进行展示

"

3.2

故障预警实现

以衬里装配机为例

，

将衬里装配机各项采集装置数

据作为输入

，

即拉料气缸

、衬里旋转伺服电机等

，

将对应

的设备状态作为输出

。

并将这些数据归一化处理

。

运用

BP

网络算法

，

通过样本数据的训练

，

不断修正网络权值

数据传输主要负责数据采集系统与数字可视化大屏

系统之间的数据交互

，

保证大屏系统能够快速完整的接

收到现场设备的实时数据及从各相关信息系统采集的关

键数据

。

数据通过数据采集系统与可视化大屏系统之间

的数据接口进行交互

，

通过订阅发布模式

，

将各类核心数

和阈值使误差函数沿负梯度方向下降

，

逼近期望输岀叫

据通过分类标准接口直接分发至大屏系统的各相关单

元

，

包括生产信息管理单元、

环保信息管理单元等

"

数据

采集网络架构图如图

4

所示

。

ll

II

it

it

网络选用

S

型传递函数

：

f

(

x

)

=

亠

T

1+e

通过反传误差函数

：

a

!

(

1

：

；

+0

；

%

=

工控网

不断调节网络权值和阈值使误差函数

E

达到极小

。

该模型由衬里装配机的各项数据作为输入

，

以设备

丄

亠

装配生产线

状态作为输岀

，

所以输入层的节点数为

5

,

输岀层的节点

数为

I

。

本文采用含有一个隐层的三层多输入单输岀的

BP

网络建立预测模型

。

本文在选取隐层神经元个数的问

某

包

装

配

模

块

某

称

装

药

模

块

衬

里

装

配

模

块

某

涂

胶

模

块

M

E

S

E

R

P

A

s

p

F

M

S

题上参照了以下的经验公式

：

!

=

"

n+m

+a

其中，

n

—

输入层神经元个数

;m

—

输出层神经元个数

;

a

—

图

4

数据采集网络架构图

为

［

1

，

10

］

之间的常数

。

3

系统实现与验证

3.1

技术路线

(

1

)

采集数据梳理和分析项

。

生产线数据的采集来自

根据上式可以计算出神经元个数为

3~12

个之间

。

于各个设备的

PLC

,

通过

OPC

通信

、

组态软件等技术采

集生产线数据

。

部分生产线级采集和分析项如表

1

所示

。

表

1

生产线级数据采集与分析项

设备名称

数量

/

台

采集装置

拉料气缸

、

前压

紧气缸

、

后压紧

气缸

、

装配压紧

气缸

筒杆抓取平移气

缸

、

筒体定位气

缸

、

筒盖装配旋

转伺服电机

分析项

衬里装

配机

1

上升下降

、

伸出缩

回

、

紧张松开

、

位

置速度输入

上升下降

、

伸出缩

回

、

紧张松开

、

位

置速度输入

筒盖装

配专机

传火管

1

专机

1

推送定位气缸

、

上升下降

、

伸出缩

上料下料气缸

、

回

、

紧张松开

、

位

传火管伺服电机置速度输入

衬里装配机在运行中

，

可以将采集的各项数据输入

神经网络模型进行多次的重复学习

，

直到输出的设备状

态误差达到阈值

，

就完成了网格训练

。

因神经网络算法的

自适应性

，

在实际生产中还能根据具体情况进行反复训

(

2

)

数据库设计

。

数据采集服务将数据通过

ODBC

接

口写入

MySQL

数据库中

。

数据库分为实时数据库和分析

72

•制造业信息化

・

练校正

，

提高模型的准确性

。

完成训练后

，

只需要将采集

的数据输入网络实现故障的预警

。

3.3

验证系统实现

虚拟生产线系统如图

6

所示

。

在可视化大屏上，

可以清楚明了的看到模块化装药

生产线的各个生产模块

，

以及其状态

，

以衬里装配机为

例

，

其模块状态如图

7

所示

。

图

8

生产线参数监控

4

结束语

笔者基于数字孪生技术与神经网络模型和数据分布

存储与实时传输技术

，

开发出模块化装药生产线故障预警

系统

，

解决了传统的装药生产线智能化程度低

，

无法精确

:把握产品质量

、

生产效率不高等问题

，

提高了生产线的设

备管理水平和生产过程的管控水平

o

经过几个月的模块化

生产线现场试运行

，

系统整体运行稳定

，

在实现对技术验

证的同时

，

也验证了智能监控系统在工业现场的可靠性

。

:

故障检测系统基于数字孪生技术对产线进行虚拟建

模并监控

，

运用神经网络算法实现了设备的故障预警

o

但

是因为实际测验条件的限制

，

测试的样本数据数量不够

大

，

在实际生产过程中

，

情况更复杂

，

无论是数据的采集

，

虚拟生产线的建模

,

还是神经网络的训练

，

都等待进一步

考较

。

在后续的运用中

，

将该系统应用于实际生产制造

中

，对系统的稳定性

、

自适应性进行进一步的改进

。

.

参考文献

：

[1]

Reinhold

Schaefer.

工业

4.0模块化加工生产线[J]

.

现代制造

,

2017.

⑵贺

詰

•

简析发射机故障分析预警系统的设计

[J]

.

技术应用

，

2020.

图

7

衬里装配机状态图

[3

&

潘毅良

•

基于数字孪生技术的复杂产品装配过程质量管控方法

[J].

计算机集成制造系统

，

201

8.

[4]

范广臣

.

基于完全二叉树

SVM

烧结工况多类识别的研究与实现

整个生产线的各个参数由一个统一的窗口显示

，如

图

8

所示

。

经过实际测试

，应用了此系统的生产线

，

能够实现模

[D]

.

东北大学

,

2009.

[5]

邱枫

.

智能制造单元级智能监控技术研究及应用

[J].

兵工自动化

，

块化装药生产线的故障预警

，

极大地提高了生产效率

，

对

2019.

[6]

董涛

.

基于网络的个性化课程推荐系统的设计与实现

[J].

电子世

实现生产线智能管控

、

促进生产线连续化自动化生产有

着十分重要地意义

。

界

，

2019.

中国机械工业联合会主管

、

主办

：

《

机电产品开发与创新

》

杂志

（

双月刊

）

邮发代号

：

82-401

全年订价

：

％

50

元

电话

：

************

136****9293

网址

：

投稿邮箱

：

************

：

：：：：：

：

：

：

：：

：

：

：

：

：：

：

：

：

特别提醒

：

本网站暂不接受在线投稿

，

敬请谅解

！

73