数字孪生在工业制造中的应用领域及技术体系构建

twt社区
通俗来讲,数字孪生是指针对物理世界中的物体,通过数字化的手段构建一个在数字世界中一模一样的实体,借此来实现对物理实体的了解、分析和优化。

数字孪生同沿用了几十年的、基于经验的传统设计和制造理念相去甚远,不仅可以加速产品的开发过程,提高开发和生产的有效性和经济性,更能有效地了解产品的使用情况并帮助客户避免损失,还能精准地将客户的真实使用情况反馈到设计端,实现产品的有效改进。而所有的这一切,都需要企业具备完整的数字化能力。社区近日组织数字孪生相关主题探讨,主要交流了三方面内容:数字孪生概念与技术体系、数字孪生在工业制造的应用、数字孪生在汽车领域的应用。以下是特邀专家对活动探讨精华的梳理,希望能为同行带来有益参考。

一、数字孪生概念与技术体系

1、什么是数字孪生?

强哥之神上汽云计算中心架构师&技术经理:

通俗来讲,数字孪生是指针对物理世界中的物体,通过数字化的手段构建一个在数字世界中一模一样的实体,借此来实现对物理实体的了解、分析和优化。从更加专业的角度来说,数字孪生集成了人工智能(AI)和机器学习(ML)等技术,将数据、算法和决策分析结合在一起,建立模拟,即物理对象的虚拟映射,在问题发生之前先发现问题,监控物理对象在虚拟模型中的变化,诊断基于人工智能的多维数据复杂处理与异常分析,并预测潜在风险,合理有效地规划或对相关设备进行维护。

“工业4.0”术语编写组对数字孪生的定义是:利用先进建模和仿真工具构建的,覆盖产品全生命周期与价值链,从基础材料、设计、工艺、制造及使用维护全部环节,集成并驱动以统一的模型为核心的产品设计、制造和保障的数字化数据流。通过分析这些概念可以发现,数字纽带为产品数字孪生体提供访问、整合和转换能力,其目标是贯通产品全生命周期和价值链,实现全面追溯、双向共享/交互信息、价值链协同。

annoymous:

数字孪生,英文名叫Digital Twin(数字双胞胎),也被称为数字映射、数字镜像。

它的官方定义非常复杂,是这么说的:

数字孪生,是充分利用物理模型、传感器更新、运行历史等数据,集成多学科、多物理量、多尺度、多概率的仿真过程,在虚拟空间中完成映射,从而反映相对应的实体装备的全生命周期过程。

其实,简单来说,数字孪生就是在一个设备或系统的基础上,创造一个数字版的“克隆体”。

这个“克隆体”,也被称为“数字孪生体”。它被创建在信息化平台上,是虚拟的。

2、在3D建模、展示、分析、预测方面有哪些成熟方案?

强哥之神上汽云计算中心架构师&技术经理:

建模方面:

模型实现方法研究主要涉及建模语言和模型开发工具等,关注如何从技术上实现数字孪生模型。在模型实现方法上,相关技术方法和工具呈多元化发展趋势。当前,数字孪生建模语言主要有Modelica、AutomationML、UML、SysML及XML等。一些模型采用通用建模工具如CAD等开发,更多模型的开发是基于专用建模工具如FlexSim和Qfsm等。

展示方面:

虚拟现实(VR)技术可以将系统的制造、运行、维修状态呈现出超现实的形式,对复杂系统的各个子系统进行多领域、多尺度的状态监测和评估,将智能监测和分析结果附加到系统的各个子系统、部件中,在完美复现实体系统的同时将数字分析结果以虚拟映射的方式叠加到所创造的孪生系统中,从视觉、声觉、触觉等各个方面提供沉浸式的虚拟现实体验,实现实时、连续的人机互动。

还有三维场景高效可视化技术是基于游戏引擎、3DGIS技术、混合现实技术,多层次实时渲染复杂三维场景。

分析与预测:

随着行业应用场景不断拓展,传统传感器已无法满足数字孪生对数据精度、一致性、多功能性的需求。而智能化传感器是将传感器获取信息的基本功能与专用微处理器的信息分析、自校准、功耗管理、数据处理等功能紧密结合在一起,具备传统传感器不具备的自动校零、漂移补偿、传感单元过载防护、数采模式转换、数据存储、数据分析等能力,其能力决定了智能化传感器具备较高的精度、分辨率,稳定性及可靠性,使其在数字孪生体系中不但可以作为数据采集的端口,更可以自发地上报自身信息状态,构建感知节点的数字孪生。

基于数字孪生可对物理对象通过模型进行分析、预测、诊断、训练等(即仿真),并将仿真结果反馈给物理对象,从而帮助对物理对象进行优化和决策。

3、请详述一下数字孪生技术的技术框架,如何更好的融入现有IT体系?

强哥之神上汽云计算中心架构师&技术经理:

数字孪生技术通过构建物理对象的数字化镜像,描述物理对象在现实世界中的变化,模拟物理对象在现实环境中行为和影响,以实现状态监测、故障诊断、趋势预测和综合优化。为了构建数字化镜像并实现上述目标,需要IOT、建模、仿真等基础支撑技术通过平台化的架构进行融合,搭建从物理世界到孪生空间的信息交互闭环。整体来看,一个完成的数字孪生系统应包含以下四个实体层级:一是数据采集与控制实体,主要涵盖感知、控制、标识等技术,承担孪生体与物理对象间上行感知数据的采集和下行控制指令的执行。二是核心实体,依托通用支撑技术,实现模型构建与融合、数据集成、仿真分析、系统扩展等功能,是生成孪生体并拓展应用的主要载体。三是用户实体,主要以可视化技术和虚拟现实技术为主,承担人机交互的职能。四是跨域实体,承担各实体层级之间的数据互通和安全保障职能。

数字孪生技术架构如图所示:

2345截图20211028093243.png

基础技术:感知

感知是数字孪生体系架构中的底层基础,在一个完备的数字孪生系统中,对运行环境和数字孪生组成部件自身状态数据的获取,是实现物理对象与其数字孪生系统间全要素、全业务、全流程精准映射与实时交互的重要一环。因此,数字孪生体系对感知技术提出更高要求,为了建立全域全时段的物联感知体系,并实现物理对象运行态势的多维度、多层次精准监测,感知技术不但需要更精确可靠的物理测量技术,还需考虑感知数据间的协同交互,明确物体在全域的空间位置及唯一标识,并确保设备可信可控。

基础技术:网络

网络是数字孪生体系架构的基础设施,在数字孪生系统中,网络可以对物理运行环境和数字孪生组成部件自身信息交互进行实时传输,是实现物理对象与其数字孪生系统间实时交互、相互影响的前提。网络既可以为数字孪生系统的状态数据提供增强能力的传输基础,满足业务对超低时延、高可靠、精同步、高并发等关键特性的演进需求,也可以助推物理网络自身实现高效率创新,有效降低网络传输设施的部署成本和运营效率。

伴随物联网技术的兴起,通信模式不断更新,网络承载的业务类型、网络所服务的对象、连接到网络的设备类型等呈现出多样化发展,要求网络具有较高灵活性;同时,伴随移动网络深入楼宇、医院、商超、工业园区等场景,物理运行环境对确定性数据传输、广泛的设备信息采集、高速率数据上传、极限数量设备连接等需求愈加强烈,这也相应要求物理运行环境必须打破以前“黑盒”和“盲哑”的状态,让现场设备、机器和系统能够更加透明和智能。因此,数字孪生体系架构需要更加丰富和强大的网络接入技术,以实现物理网络的极简化和智慧化运维。

5G+行业现场网体系架构如图所示:

2345截图20211028093243.png

关键技术:建模

数字孪生的建模是将物理世界的对象数字化和模型化的过程。通过建模将物理对象表达为计算机和网络所能识别的数字模型,对物理世界或问题的理解进行简化和模型化。数字孪生建模需要完成从多领域多学科角度模型融合以实现物理对象各领域特征的全面刻画,建模后的虚拟对象会表征实体对象的状态、模拟实体对象在现实环境中的行为、分析物理对象的未来发展趋势。建立物理对象的数字化建模技术是实现数字孪生的源头和核心技术,也是“数字化”阶段的核心。而模型实现方法研究主要涉及建模语言和模型开发工具等,关注如何从技术上实现数字孪生模型。在模型实现方法上,相关技术方法和工具呈多元化发展趋势。当前,数字孪生建模语言主要有Modelica、AutomationML、UML、SysML及XML等。一些模型采用通用建模工具如CAD等开发,更多模型的开发是基于专用建模工具如FlexSim和Qfsm等。

数字孪生模型构建流程如图所示:

2345截图20211028093243.png

从不同层面的建模来看,可以把模型构建分为几何模型构建、信息模型构建、机理模型构建等不同分类,完成不同模型构建后,进行模型融合,实现物理实体的统一刻画。如下图提供的模型融合架构。面对不同领域的多种异构模型,需要提供统一的协议转换和语义解析能力。

2345截图20211028093243.png

关键技术:仿真

数字孪生体系中的仿真作为一种在线数字仿真技术,将包含了确定性规律和完整机理的模型转化成软件的方式来模拟物理世界。只要模型正确,并拥有了完整的输入信息和环境数据,就可以基本正确地反映物理世界的特性和参数,验证和确认对物理世界或问题理解的正确性和有效性。从仿真的视角,数字孪生技术中的仿真属于一种在线数字仿真技术,可以将数字孪生理解为:针对物理实体建立相对应的虚拟模型,并模拟物理实体在真实环境下的行为。和传统的仿真技术相比,更强调物理系统和信息系统之间的虚实共融和实时交互,是贯穿全生命周期的高频次并不断循环迭代的仿真过程。因此仿真技术不再仅仅用于降低测试成本,通过打造数字孪生,仿真技术的应用将扩展到各个运营领域,甚至涵盖产品的健康管理、远程诊断、智能维护、共享服务等应用。基于数字孪生可对物理对象通过模型进行分析、预测、诊断、训练等(即仿真),并将仿真结果反馈给物理对象,从而帮助对物理对象进行优化和决策。因此仿真技术是创建和运行数字孪生体、保证数字孪生体与对应物理实体实现有效闭环的核心技术。

2345截图20211028093243.png

4、数据处理、展示、预测等关键环节的数据延时能到什么级别?

强哥之神上汽云计算中心架构师&技术经理:

这个需要看具体场景,比如数字孪生孪生工业领域主要有设备级、工厂级和产业级数字孪生服务,面向设备的数字孪生应用聚焦设备实时监控(需要做到ms级),面向工厂的数字孪生聚焦于全过程生产管控(需要做到秒级),面向产业数字孪生聚焦于产品全生命周期追溯(可以是小时级)。

一般需要多动态高实时交互技术。例如:对于设备实时监控和故障诊断,在工业设备生产过程中,实现状态感知和实时状态监控,监控设备数据涵盖但不并限于:设备生产运行信息、设备监控信息、设备维护信息以及管理信息。可以根据监控信息,对设备生产工艺过程进行可视化,且能针对故障报警进行器件定位,并提供故障及维修案例库。

5、构建数字孪生系统的方法和步骤是什么?

【问题描述】数字孪生是基于数据进行构建,那么如果积累了一定的数据,如何构建起一套孪生系统呢?如设备故障预测,现在通过IIOT平台,收集了大量的生产现场设备参数,这些数据是否满足搭建生产设备数字孪生系统的基础,以实现预测性维护?谢谢。

强哥之神上汽云计算中心架构师&技术经理:

对的,数字孪生基础就在于数据,特别是需要实现预测性维护时,数据是关键,体现在两个方面:

数据驱动与物理模型相融合

对于机理结构复杂的数字孪生目标系统,往往难以建立精确可靠的系统级物理模型,因而单独采用目标系统的解析物理模型对其进行状态评估无法获得最佳的评估效果。相比较而言,采用数据驱动的方法则能利用系统的历史和实时运行数据,对物理模型进行更新、修正、连接和补充,充分融合系统机理特性和运行数据特性,能够更好地结合系统的实时运行状态,获得动态实时跟随目标系统状态的评估系统。

目前将数据驱动与物理模型相融合的方法主要有以下两种。

(1)采用解析物理模型为主,利用数据驱动的方法对解析物理模型的参数进行修正。

(2)将采用解析物理模型和采用数据驱动并行使用,最后依据两者输出的可靠度进行加权,得到最后的评估结果。

但以上两种方法都缺少更深层次的融合和优化,对系统机理和数据特性的认知不够充分,融合时应对系统特性有更深入的理解和考虑。目前,数据与模型融合的难点在于两者在原理层面的融合与互补,如何将高精度的传感数据统计特性与系统的机理模型合理、有效地结合起来,获得更好的状态评估与监测效果,是亟待考虑和解决的问题。

无法有效实现物理模型与数据驱动模型的结合,还体现在现有的工业复杂系统和装备复杂系统全生命周期状态无法共享、全生命周期内的多源异构数据无法有效融合、现有的对数字孪生的乐观前景大都建立在对诸如机器学习、深度学习等高复杂度及高性能的算法基础上。将有越来越多的工业状态监测数据或数学模型替代难以构建的物理模型,但同时会带来对象系统过程或机理难于刻画、所构建的数字孪生系统表征性能受限等问题。

因此,有效提升或融合复杂装备或工业复杂系统前期的数字化设计及仿真、虚拟建模、过程仿真等,进一步强化考虑复杂系统构成和运行机理、信号流程及接口耦合等因素的仿真建模,是构建数字孪生系统必须突破的瓶颈。

数据的采集和快速传输

高精度传感器数据的采集和快速传输是整个数字孪生系统的基础,各个类型的传感器性能,包括温度、压力、振动等都要达到最优状态,以复现实体目标系统的运行状态。传感器的分布和传感器网络的构建以快速、安全、准确为原则,通过分布式传感器采集系统的各类物理量信息表征系统的状态。同时,搭建快速可靠的信息传输网络,将系统状态信息安全、实时地传输至上位机供其应用,具有十分重要的意义。

数字孪生系统是物理实体系统的实时动态超现实映射,数据的实时采集传输和更新对数字孪生具有至关重要的作用。大量分布的各类型高精度传感器在整个孪生系统的前线工作,起着最基础的感官作用。

目前,数字孪生系统数据采集的难点在于传感器的种类、精度、可靠性、工作环境等各个方面都受到当前技术发展水平的限制,导致采集数据的方式也受到局限。数据传输的关键在于实时性和安全性,网络传输设备和网络结构受限于当前的技术水平无法满足更高级别的传输速率,网络安全性保障在实际应用中同样应予以重视。

随着传感器水平的快速提升,很多微机电系统(Micro-Electro-Mechanical System,MEMS)传感器日趋低成本化和高集成度,而如loT这些高带宽和低成本的无线传输等许多技术的应用推广,能够为获取更多用于表征和评价对象系统运行状态的异常、故障、退化等复杂状态提供前提保障,尤其对于旧有复杂装备或工业系统,其感知能力较弱,距离构建信息物理系统(Cyber Physical System,CPS)的智能体系尚有较大差距。

许多新型的传感手段或模块可在现有对象系统体系内或兼容于现有系统,构建集传感、数据采集和数据传输于一体的低成本体系或平台,这也是支撑数字孪生体系的关键部分。

二、数字孪生在工业制造的应用

1、数字孪生技术在工业制造中有哪些应用领域?

强哥之神上汽云计算中心架构师&技术经理:

制造业作为全球经济发展重要支撑,世界各国纷纷制定国家级发展战略,我国先后出台了“中国制造2025”、“互联网+”、“工业互联网”等制造业国家发展实施战略,把推动制造业高质量发展作为构建现代化经济体系的重要一环,推动制造业与新型ICT技术融合,实现制造业数字化、智能化转型。在智能制造浪潮下,数字孪生成为了最为关键和基础性技术之一。数字孪生作为连接物理世界和信息世界虚实交互的闭环优化技术,已成为推动制造业数字化转型,促进数字经济发展的重要抓手,以数据和模型为驱动,打通业务和管理层面的数据流,实时、连接、映射、分析、反馈物理世界行为,使工业全要素、全产业链、全价值链达到最大限度闭环优化,助力企业提升资源优化配置,有助于加快制造工艺数字化、生产系统模型化、服务能力生态化。

2345截图20211028093243.png

应用场景:

数字孪生孪生工业领域主要有设备级、工厂级和产业级数字孪生服务,面向设备的数字孪生应用聚焦设备实时监控,面向工厂的数字孪生聚焦于全过程生产管控,面向产业数字孪生聚焦于产品全生命周期追溯。相关应用场景如下:

设备实时监控和故障诊断:

在工业设备生产过程中,实现状态感知和实时状态监控,监控设备数据涵盖但不并限于:设备生产运行信息、设备监控信息、设备维护信息以及管理信息。可以根据监控信息,对武设备生产工艺过程进行可视化,且能针对故障报警进行器件定位,并提供故障及维修案例库。

2345截图20211028093243.png

设备工艺培训:

提供可视化的工业设备3D智能培训和维修知识库,以3D动画的形式,对员工进行生产设备原理、生产工艺等培训,缩短人才培养时间。

2345截图20211028093243.png

设备全生命周期管理:

基于工业设备运行管理、维护作业管理和设备零配件全生命周期管理,通过对设备的集中监视,汇总生产过程中的设备实时状况,形成设备运行和管理情况统计、设备运行情况统计、设备运维知识库,为合理安排设备运行维护,充分发挥设备的利用率,满足设备操作、车间管理和厂级管理的多层需求提供依据。

2345截图20211028093243.png

设备远程运维数:

运用数字孪生技术,探索基于工业设备现场复杂环境下的预测性维护与远程运维管理,通过收集智能设备产生的原始信息,经过后台的数据积累,以及专家库、知识库的迭加复用,进行数据挖掘和智能分析,主动给企业提供精准、高效的设备管理和远程运维服务,缩短维护响应时间,提升运维管理效率。

2345截图20211028093243.png

工厂实时状态监控:

通过对设备制造生产设备实时数据采集、汇聚,建立实体车间/工厂、虚拟车间/工厂的全要素、全流程、全业务数据的集成和融合,通过车间实体与虚体的双向真实映射与实时交互,在数据模型的驱动下,实现设备监控、生产要素、生产活动计划、生产过程等虚体的同步运行,满足设备状态监控、生产和管控最优的生产运行模式提供辅助数字孪生服务。主要包括生产前虚拟数字孪生服务、生产中实时数字孪生服务、生产后回溯数字孪生服务,以确保做到事前准备到位、事中管控到位、事后优化到位。

2345截图20211028093243.png

2、传统重型制造如何切入数字孪生?

强哥之神上汽云计算中心架构师&技术经理:

数字孪生是近年来兴起的非常前沿的新技术,或者说最近几年才走入民用领域的一项技术。对数字孪生的简单理解就是利用物理模型并使用传感器获取数据的仿真过程,在虚拟空间中完成映射,以反映相对应的实体的全生命周期过程;数字孪生技术可以理解为通过传感器或者其他形式的监测技术,将物理实体空间借助于计算机技术手段镜像到虚拟世界的一项技术。可以说,在未来,物理世界中的各种事物都将可以使用数字孪生技术进行复制。

在工业领域,通过数字孪生技术的使用,将大幅推动产品在设计、生产、维护及维修等环节的变革。在对数字孪生技术研究探索的基础上,可以预见其即将在以下几大领域中落地,并将推动这些产业更快、更有效地发展,如五维模型在卫星/空间通信网络、船舶、车辆、发厂、飞机、复杂机电装备、立体仓库、医疗、制造车间、智慧城市、智能家居、智能物流、建筑、远程监测、人体健康管理领域中产生巨大影响与改变,当然这里面有部分就是传统重型制造业的一部分。

对于传统的铝压延企业,比如车间是制造业的基础单元,实现车间的数字化和智能化是实现智能制造的迫切需要。随着信息技术的深入应用,车间在数据实时采集、信息系统构建、数据集成、虚拟建模及仿真等方面获得了快速发展,在此基础上,实现车间信息与物理空间的互联互通与进一步融合将是车间的发展趋势,也是实现车间智能化生产与管控的必经之路。

将数字孪生技术引入车间,目的是实现车间信息与物理空间的实时交互与深度融合。数字孪生车间包括物理车间、虚拟车间、车间服务系统、车间孪生数据及两两之间的连接。在融合的孪生数据的驱动下,数字孪生车间的各部分能够实现迭代运行与双向优化,从而使车间管理、计划与控制达到最优。

再比如,铝压延企业有复杂机电装备,它们具有结构复杂、运行周期长、工作环境恶劣等特点。实现复杂机电装备的失效预测、故障诊断、维修维护,保证复杂机电装备的高效、可靠、安全运行,对整个电力系统极为重要。故障预测与健康管理(Prognostics and Health Management,PHM)技术可利用各类传感器及数据处理方法,对设备状态监测、故障预测、维修决策等进行综合考虑与集成,从而提升设备的使用寿命与可靠性。然而,现阶段的PHM技术存在模型不准确、数据不全面、虚实交互不充分等问题,这些问题的根本是缺乏信息物理的深度融合。将数字孪生五维模型引入PHM中,首先对物理实体建立数字孪生五维模型并校准,然后基于模型与交互数据进行仿真,对物理实体参数与虚拟仿真参数的一致性进行判断,再根据二者的一致/不一致性,可分别对渐发性与突发性故障进行预测与识别,最后根据故障原因及动态仿真验证进行维修策略的设计。

3、数字孪生技术作为近几年最火热的技术趋势之一,如何在主机厂落地,有哪些业务场景可以首先切入?

强哥之神上汽云计算中心架构师&技术经理:

主机厂有很多场景会使用到数字孪生技术,我简单举例其中最重要的车间的数字孪生几点落地说明。

车间是制造业的基础单元,实现车间的数字化和智能化是实现智能制造的迫切需要。随着信息技术的深入应用,车间在数据实时采集、信息系统构建、数据集成、虚拟建模及仿真等方面获得了快速发展,在此基础上,实现车间信息与物理空间的互联互通与进一步融合将是车间的发展趋势,也是实现车间智能化生产与管控的必经之路。

将数字孪生技术引入车间,目的是实现车间信息与物理空间的实时交互与深度融合。数字孪生车间包括物理车间、虚拟车间、车间服务系统、车间孪生数据及两两之间的连接。在融合的孪生数据的驱动下,数字孪生车间的各部分能够实现迭代运行与双向优化,从而使车间管理、计划与控制达到最优。

1.数字孪生车间设备健康管理

车间的设备健康管理方法主要包括基于物理设备与虚拟模型实时交互与比对的设备状态评估、信息物理融合数据驱动的故障诊断与预测,以及基于虚拟模型动态仿真的维修策略设计与验证等步骤。基于数字孪生技术,能够实现对车间设备性能退化的及时捕捉、故障原因的准确定位,以及维修策略的合理验证。

2.数字孪生车间能耗多维分析与优化

在能耗分析方面,信息物理数据间的相互校准与融合可以提高能耗数据的准确性与完整性,从而支持全面的多维、多尺度分析;在能耗优化方面,基于虚拟模型实时仿真可通过对设备参数、工艺流程及人员行为等进行迭代优化来降低车间能耗;在能耗评估方面,可以使用基于孪生数据挖掘产生的动态更新的规则与约束对实际能耗进行多层次、多阶段的动态评估。

3.数字孪生车间动态生产调度

数字孪生能提高车间动态调度的可靠性与有效性。

(1)基于信息物理融合数据能准确预测设备的可用性,从而降低设备故障对生产调度的影响。

(2)基于信息物理实时交互,能对生产过程中出现的扰动因素(如设备突发故障、紧急插单、加工时间延长等)进行实时捕捉,从而及时触发再调度。

(3)基于虚拟模型仿真可以在调度计划执行前验证调度策略,保证调度的合理性。

4.数字孪生车间过程实时控制

对生产过程进行实时全面的状态感知,满足虚拟模型实时自主决策对数据的需求,通过对控制目标的评估与预测产生相应的控制策略,并对其进行仿真验证。当实际生产过程与仿真过程出现不一致时,基于融合数据对其原因进行分析挖掘,并通过调控物理设备或校正虚拟模型实现二者的同步与双向优化。

三、数字孪生在汽车领域的应用

1、数字孪生在车辆实验认证以及路试下的应用场景?

强哥之神上汽云计算中心架构师&技术经理:

认证方面,不是数字孪生的场景。

在路试场景,简单从以下几个方面进行举例:

在智慧交通应用中,数字孪生技术同样以数据为基础,模型为核心,把数据和模型注入到一体化的城市交通网的内部,同时进行中观和微观的仿真模拟,构建数字孪生的交通引擎,可以应用于城市静态的辅助规划,城市动态的路况推演,或者是特定场景的交通预案的评价等。

智能管控方面,可以通过高精地图、三维重建技术和游戏引擎技术做虚实数据互通的仿真推演,可以实现基于全域实时感知的交通仿真、指挥控制,三维模型台账管理,以及信控方案评估等;商业运营方面,通过IOT设备,结合大量B端、C端数据,根据不同地方运营模式,可以构建与出行消费者有更多连接触点的示范应用,如出行中的服务区、加油站等场景案例;车道级别预测导航,基于全域实时交通模拟、云渲染、数字孪生技术,不但可以基于交通预测进行路径推荐,也可以对周围重点车辆,包括救护、危化等车辆实时显示,实现紧急车道和公交车道的动态复用等。

在交通数字孪生感知、云端计算和可视化的全链路中,可以在关键的感知环节,使用雷视融合强孪生的感知方案、采用长焦的摄像机、鱼眼相机和毫米波雷达等,可以进行跨传感器的时空融合,覆盖来回双向的车道,进行多种类型的机动车和非机动车检测,同时依托云端大规模并行加速的能力进行交通仿真和预测,并运用游戏渲染技术让交通流数据可视化呈现。

在高速场景应用中,数字孪生技术可以更好地还原高速系统,包括高速的静态场景,隧道内部的静态场景,隧道内部动态的数据等,在传感器看不到的盲区部分,也可以通过预测算法进行弥补。

2、请简要介绍一下数字孪生在商用车企业内的应用场景?

【问题描述】随着数字化转型的加速,企业在商用车制造环节中引入了越来越多的新技术和新可视化元素。数字孪生作为一种新技术,将在哪些领域辅助商用车企业的制造?

强哥之神上汽云计算中心架构师&技术经理:

可以应用如下场景:

焊接和总装

工艺设计与生产执行同步仿真与检测

生产线可视化工艺仿真

关键设备的健康状况进行管理

对车间能耗进行多维分析与优化

对车间动态生产进行调度

对车间生产过程进行实时监控

3、数字孪生与是否有与车辆V2X结合的场景?

强哥之神上汽云计算中心架构师&技术经理:

首先,V2X场景一般使用的比较多的是仿真,数字孪生与仿真有很强的关联性,但又不完全相同。仿真是一种基于确定性规律和完整机理模型来模拟物理世界的软件方法,是数字孪生的核心技术之一,但不是全部。仿真技术仅能以离线的方式模拟物理世界,主要是用于研发、设计阶段,通常不搭载分析优化功能,不具备数字孪生的实时同步、闭环优化等特征。

其次,数字孪生是一种“实践先行、概念后成”的新兴技术理念,与物联网、模型构建、仿真分析等成熟技术有非常强的关联性和延续性。数字孪生具有典型的跨技术领域、跨系统集成、跨行业融合的特点,涉及的技术范畴广,自概念提出以来,技术边界始终不够清晰。但是,与既有的数字化技术相比,数字孪生具有四个典型的技术特征:

虚实映射。数字孪生技术要求在数字空间构建物理对象的数字化表示,现实世界中的物理对象和数字空间中的孪生体能够实现双向映射、数据连接和状态交互。

实时同步。基于实时传感等多元数据的获取,孪生体可全面、精准、动态反映物理对象的状态变化,包括外观、性能、位置、异常等。

共生演进。在理想状态下,数字孪生所实现的映射和同步状态应覆盖孪生对象从设计、生产、运营到报废的全生命周期,孪生体应随孪生对象生命周期进程而不断演进更新。

闭环优化。建立孪生体的最终目的,是通过描述物理实体内在机理,分析规律、洞察趋势,基于分析与仿真对物理世界形成优化指令或策略,实现对物理实体决策优化功能的闭环。

最后谈谈V2X,V2X即Vehicle to Everything,车联万物。车与车V2V、车与路V2I、车与人V2P、车与云V2N都可以互相联结,形成一个强大的信息网络圈。交通网络中的一辆汽车,将不再是一个独立的个体,它既可以基于先进的传感器模块获取自身驾驶状态信息和视距范围内的交通环境信息,还可以通过V2X技术去获取更远距离和更大视野内的其它车辆状态、交通标识牌、信号灯以及道路信息,全面及时地了解所处的驾驶环境,实现更加安全高效的驾驶行为。

2345截图20211028093243.png

最终的V2X应用肯定是在实际的道路交通环境中来实现,但是由于直接进行实车路测十分不易,大量的场景搭建费时费力、测试重复性和安全性都难以满足,尤其在研发阶段需要不断地优化调整,而实车路测不仅调整优化周期长,且最终效果难以保证。综上,V2X技术的研究作为目前ADAS研究的一个重要补充和延伸,整个开发过程其实更加需要遵从虚拟仿真测试(MIL/SIL阶段)到硬件在环仿真测试(HIL阶段),最后到实车道路测试(VIL阶段)的V型开发流程。

我们可以先基于CANoe的CAR2X进行虚拟仿真测试,再基于目前成熟的商业平台进行室内的HIL测试(硬件在环测试),最后进行实车道路测试来完成整个开发应用过程。

在以上的虚拟仿真和HIL仿真过程中,使用到的有点像数字孪生,既可以轻松创建各类应用场景、又可以不受时间、地域约束进行差异化及多样性测试。对于实际研究过程中发现的问题,还可以进行及时调整、验证,大大降低了后期实车路测的风险,最终的实车道路测试可在充分的前期验证下,高效安全的环境中进行。

4、数字孪生在智能网联方面如何应用推广?

强哥之神上汽云计算中心架构师&技术经理:

近年来,我国积极开展智能网联汽车测试示范区的建设工作,力争在国际中打造智能网联汽车产业高地。数字孪生技术在智能网联示范区建设中发挥了重要的作用。随着人工智能和工业互联网的发展,自动驾驶技术研发飞速发展,数字孪生作为自动驾驶测试的关键技术,在去年被中国科协列为十个创新技术突破点之一,数字孪生技术受到广泛关注,也获得了更大的应用和发展空间。

数字孪生技术通过使用真实数据不断训练模型来进行模型迭代,可以提供智能分析、仿真模拟预测等应用服务,以解决智能网联、自动驾驶测试、智慧交通发展中的效率和安全等痛点问题。数字孪生综合运用感知、计算、建模等信息技术,通过软件定义,对物理空间进行描述、诊断、预测、决策,进而实现物理空间与赛博空间的交互映射。数据是基础,模型是核心,服务是重点,对G端用户、B端用户、C端用户来说,能够感知的主要是服务层面,包括智能分析、仿真模拟预测、以及比较常见的应用服务等。

在智慧交通应用中,数字孪生技术同样以数据为基础,模型为核心,把数据和模型注入到一体化的城市交通网的内部,同时进行中观和微观的仿真模拟,构建数字孪生的交通引擎,可以应用于城市静态的辅助规划,城市动态的路况推演,或者是特定场景的交通预案的评价等。

智能管控方面,可以通过高精地图、三维重建技术和游戏引擎技术做虚实数据互通的仿真推演,可以实现基于全域实时感知的交通仿真、指挥控制,三维模型台账管理,以及信控方案评估等;商业运营方面,通过IOT设备,结合大量B端、C端数据,根据不同地方运营模式,可以构建与出行消费者有更多连接触点的示范应用,如出行中的服务区、加油站等场景案例;车道级别预测导航,基于全域实时交通模拟、云渲染、数字孪生技术,不但可以基于交通预测进行路径推荐,也可以对周围重点车辆,包括救护、危化等车辆实时显示,实现紧急车道和公交车道的动态复用等。

在交通数字孪生感知、云端计算和可视化的全链路中,可以在关键的感知环节,使用雷视融合强孪生的感知方案、采用长焦的摄像机、鱼眼相机和毫米波雷达等,可以进行跨传感器的时空融合,覆盖来回双向的车道,进行多种类型的机动车和非机动车检测,同时依托云端大规模并行加速的能力进行交通仿真和预测,并运用游戏渲染技术让交通流数据可视化呈现。

在高速场景应用中,数字孪生技术可以更好地还原高速系统,包括高速的静态场景,隧道内部的静态场景,隧道内部动态的数据等,在传感器看不到的盲区部分,也可以通过预测算法进行弥补。

5、数字孪生在汽车领域有哪些应用场景,如何帮助汽车行业实现数字化转型?

强哥之神上汽云计算中心架构师&技术经理:

这里举两个目前主流的应用场景。

数字孪生助力新能源装备制造智能化升级

应用背景:随着新能源汽车的爆发,锂电池需求量不断攀升,但生产工艺复杂且工序繁多同时对成本和性能要求也在不断提升。而锂电生产线的自动化、智能化程度将直接决定锂电企业在未来的竞争力。近年来国内一些企业在锂电装备自动化、信息化和智能化研发上不断开拓创新。因此企业数字化转型大势所趋这背景下,新能源装备行业面临着如何加强数字化转型,加强生产过程的集成式管理,提升装备生产制造智能水平问题。

方案简介:通过单机设备进行数字孪生智能化改造,通过对生产现场“人机料法环”各类数据的全面采集和深度分析,多维度全方位管控锂电池从原辅料、参数、过程、工艺、质量、批次、在线、离线、人员、状态等信息,应用数字孪生技术实现锂电池生产线电池生产全过程实时动态跟踪与回溯的双向真实映射。项目通实现了人-产品-设备-数据之间互联互通和全方位集成与贯通,支撑企业全面建立以数据为驱动的数字孪生运营与管理模式,提速新能源锂电装备的智能化升级。

应用成效:目前经过项目实施已实现了新能源锂电池生产装备的智能化升级,缩短生产周期35%,降低或消除数据输入时间36%,降低或消除交接班记录67%,缩短生产提前期22%,有效提高产品质量。

2345截图20211028093243.png

2345截图20211028093243.png

数字孪生助力汽车制造全流程数字化管理

应用背景:在汽车制造四大工艺中,焊接和总装的生产现场非常复杂,工艺设计与生产执行缺乏合适的同步仿真与检测手段;产品的质量信息采集手段,由于自动化程度不高,往往滞后,无法有效指导质量改进。通过数字孪生在焊接与总装引入数字孪生,以数字化、可视化方式在虚拟空间呈现物理对象,破除瓶颈工位及时掌握生产信息,助力汽车智能制造,推动产业转型升级。

方案简介:打通汽车制造焊接和总装车间中物料、产品、设备、产线等每一个环节的信息瓶颈,将汽车车间中的数据在信息空间进行全要素重建,从生产管理、品质管理、计划管理、物料管理等维度对工厂-车间-线体-设备进行信息模型驱动,构建物理实体信息虚体生产线融合映射交互制造,实现远程现场巡检。同时对焊接和总装生产线所有工位的工序的生产产品质量进行实时监控,针对不同的加工工序与工艺,不同类型加工质量,数据检测等等,建立不同的模型数据库,通过在虚拟车间仿真计算,以对产品加工质量进行分析和预测。

应用成效:通过数字孪生进行生产线可视化工艺仿真,能够对关键设备的健康状况进行管理,对车间能耗进行多维分析与优化,对车间动态生产进行调度,对车间生产过程进行实时监控,解决了车间生产管控和资源调配不及时的难题,提高了生产效率,降低了运行成本。

2345截图20211028093243.png

2345截图20211028093243.png

四、总结

随着经济社会数字化转型的持续推进,数字孪生逐渐成为产业各界关注的热点技术。数字孪生起源航天军工领域,近年来持续向智能制造、自动驾驶、智慧城市等垂直行业拓展,实现机理描述、异常诊断、风险预测、决策辅助等应用价值,已成为助力企业数字化转型、促进数字经济发展的重要抓手。本次线上主题讨论聚焦数字孪生关键技术和行业应用发展,介绍了数字孪生概念与技术架构体系深入智能制造,汽车领域进行相关应用场景介绍与技术分析,旨在为相关业界在规划实施数字孪生相关应用时提供参考借鉴,助力数字孪生技术演进与产业发展。

THEEND

最新评论(评论仅代表用户观点)

更多
暂无评论