自动化集装箱码头数字孪生数据建模及评价方法研究

为充分利用自动化集装箱码头海量作业数据，实现数字孪生驱动的码头数字化、智能化转型，提出一种自动化集装箱码头数字孪生数据建模及效果验证评价的方法。研究了基于数字孪生的自动化集装箱码头的应用框架及其运行机制；结合数字孪生框架的数据处理逻辑，提出了基于数字孪生的码头作业过程演化及动态数据建模方法；为验证数字孪生数据能否满足码头数字孪生的有效运行，给出了码头数字孪生数据验证评价的量化计算方法。为实现基于数字孪生的自动化集装箱码头的智能作业管控和作业数据管理提供方法支撑。     

面向数字孪生的动态数据驱动建模与仿真方法

信息物理系统(cyber-physical system, CPS)是支撑信息化和工业化深度融合的综合技术体系,传统的建模与仿真方法难以满足其应用需求。因此,提出面向数字孪生的动态数据驱动建模与仿真方法,通过随机有限集对CPS中的物理实体和传感器进行数据驱动建模,并使用基于贝叶斯推理的预测与校正过程支持数据驱动的仿真模型运行。该方法能够很好地实现数字孪生机制下虚实结合的仿真运行,并实现数据驱动的CPS仿真模型解算,通过以实利虚的方式有效提高了仿真结果的准确性和可信性。最后,通过水面舰艇作战应用案例,验证了该方法的可行性和有效性。     

面向数字孪生的动态数据驱动建模与仿真方法

信息物理系统(cyber-physical system, CPS)是支撑信息化和工业化深度融合的综合技术体系,传统的建模与仿真方法难以满足其应用需求。因此,提出面向数字孪生的动态数据驱动建模与仿真方法,通过随机有限集对CPS中的物理实体和传感器进行数据驱动建模,并使用基于贝叶斯推理的预测与校正过程支持数据驱动的仿真模型运行。该方法能够很好地实现数字孪生机制下虚实结合的仿真运行,并实现数据驱动的CPS仿真模型解算,通过以实利虚的方式有效提高了仿真结果的准确性和可信性。最后,通过水面舰艇作战应用案例,验证了该方法的可行性和有效性。     

风电机组运行动态数字孪生建模及半物理仿真

面向数字孪生技术所提出的精准映射与实时仿真需求,针对大型风电机组复杂非线性运行特性,提出了一种多输入-多输出(multi-input multi-output, MIMO)有限差分域-混合半机理(finite difference domain-hybrid semi-mechanical, FDD-HSM)数字孪生建模方法,建立了含物理控制器的风电机组数字孪生半物理仿真系统。推导机组集成动态MIMO-FDD-HSM模型结构;定义可表征机组运行工况的有限差分回归向量,完成全工况下有限差分空间紧致凸划分、参数模型辨识以及非参数模型训练;联合物理控制器搭建风电机组数字孪生仿真系统,开展硬件在环实时仿真。结果表明：该仿真系统具有高精度、实时逼近能力。     

基于数字孪生的铁路客运站技术作业实时调度方法

为提高铁路客运站作业调度水平,降低列车延误影响,采用数字孪生技术构建铁路客运站技术作业模型,通过实时数据采集,基于随机森林的作业时间预测,作业模拟以及智能决策,提出基于数字孪生的铁路客运站技术作业实时调度方法。将此调度方法应用于某实际铁路客运站中,实验结果表明：该方法能对实际作业进行高精度预测及模拟;使用三种数字孪生决策规则能有效降低列车作业延误。研究论证了该数字孪生模型能应用于实际车站管理,提高作业实时调度水平。     

数字孪生模型在轴承套圈磨削加工中的应用

数字孪生模型能够有效地促进实际产品与产品模型间的虚实交互。针对调心滚子轴承套圈磨削过程中的磨削力，通过对磨削工作区各构件进行动力学与接触算法建模以及刚柔耦合处理，构建了轴承套圈沟道磨削加工数字孪生模型，完成了轴承套圈磨削工作区域在数字空间中的虚拟映射。并使用该模型对砂轮线速度、工件转速等工艺参数进行了分析与试验，证明了所构建数字孪生模型具有一定的有效性。该模型具有高保真性，可用于理解、预测和优化真实系统。     

交通场景数字孪生构建与虚实融合应用研究

数字孪生连接物理世界和信息世界,为复杂交通问题的分析与解决提供了新的思路.在梳理数字孪生基础概念、发展历程和关键技术的基础上,对交通场景数字孪生的研究与应用现状进行综述;结合交通运行的要素特征,从"人—车—路—环境"4个方面对交通场景数字孪生构建亟待突破的关键技术进行分析;对数字孪生在运载工具研制、重要基础设施智能运维...     

数字孪生的技术特点及在飞行试验中的应用展望

针对数字孪生在飞行试验中的应用问题,对数字孪生的内涵和特点进行研究分析,利用试飞对象行为和性能的映射,完成飞行试验需求开发与总体规划、试飞任务设计、一体化测试改装、试飞组织实施、快速维修保障、试飞工程师培训6个试飞数字孪生典型应用场景设计,实现了试飞过程中数字模型和物理实体间的同步更新、并行验证和螺旋演进,构建了"预测...     

关于武器系统数字孪生的若干思考

回顾了数字孪生技术的主要发展过程,提出了武器系统数字孪生研究和实践的必要性,给出了武器系统数字孪生的定义和组成,分析了数字孪生应用架构和数字主线构建、双向协同仿真与控制、智能自主演进和基于容器仿真云的数字孪生运行支撑等关键技术,阐述了若干关键技术的初步研究与实践,进行了总结和展望。     

基于孪生网络的仿真模型智能排序评估方法

针对动态输出多样本条件下的多备选仿真模型择优问题，提出了一种基于孪生卷积神经网络(siamese convolutional neural network, SCNN)的仿真模型智能排序评估方法。首先，将仿真数据和参考数据的一致性度量问题转化为二者特征一致性度量问题。其次，在分析评估数据特点和对比试验结果的基础上，确定采用SCNN实现评估数据的特征提取。接下来，给出基于SCNN的仿真模型排序评估方法，包括网络结构初步设计、网络参数训练调优和仿真模型排序评估三部分。最后，通过实例应用，验证了该方法在评估数据特征提取和仿真模型排序评估方面的有效性。     

基于事件驱动的Job Shop仿真调度系统

解析模型通常难以适用于ＦＭＳ调度中，本文提出了一种事件驱动的仿真模型，并结合滚动调度策略介绍了这种模型的仿真原理。在此仿真模型的基础上，研究了工件连续到达，且在加工过程中有机器件损坏和修复及工件到期时间可改变这样的动态环境下的ＪｏｐＳｈｏｐ调度问题。最后给出了仿真结果。     

基于仿真的双目标并行机开放车间自适应动态调度

针对工件到达时间与加工时间不确定，且存在紧急工件的并行机开放车间调度问题，以TWC(total weighted completion time)与TWT(total weighted tardiness)为优化目标，设计了一种集成FlexSim仿真模型与NSGA-Ⅱ算法的自适应动态调度方法。该方法以FlexSim模型仿真工件的生成和加工为基础，根据车间实时负荷确定动态调度周期，对紧急工件进行右移重调度，利用NSGA-Ⅱ算法生成双目标优化的调度方案。某晶粒拣选车间生产数据的实验结果表明，相较于利用规则的实时动态调度与固定周期重调度，提出的方法能够在最小化调度偏离度的同时获得满意解。     

炼钢-连铸生产优化重调度方法

炼钢-连铸生产过程中存在扰动,致使很多时候生产不能按原调度计划进行,需要进行重调度.重调度时存在正在生产的炉次计划,因此重调度问题比静态调度问题更具有复杂性.将具有相同精炼重数的炼钢-连铸生产重调度问题归结为一个复杂的混合Flow Shop调度问题,考实际生产约束,以最小化最大完成时间为目标建立了重调度模型,采用了启发式规则和遗传算法相结合的优化方法求解.利用实际生产数据对重调度方法进行了验证和分析,结果显示了重调度方法的有效性.     

柔性作业车间动态调度问题研究

为了有效求解柔性作业车间动态调度问题,提出了一个基于多目标免疫遗传算法(MOIGA)的动态调度优化算法。首先定义了柔性作业车间动态调度问题,然后采用事件驱动和周期驱动相结合的调度策略,提出了基于MOIGA的动态调度优化模型,接着设计了面向交货期性能最优的柔性作业车间调度算法,并讨论了影响算法复杂度的因素,最后通过一个实例仿真,表明了算法的可行性和优越性。     

求解混合流水车间调度的改进贪婪遗传算法

针对最小化最大完工时间的带有不相关并行机的混合流水车间调度问题,提出了改进贪婪遗传算法。首先,该算法染色体编码采用基于工件加工顺序的编码,解码提出了两种设备分配方案,并考虑到不同阶段加工设备配置不同对算法的影响,采用了正序解码和逆序解码加再调度并用的解码策略。其次,提出贪婪交叉算子和贪婪变异算子,这些算子不仅承担改进种群,增加种群多样性的功能,同时还具有较强的局部搜索能力。最后通过正交实验确定算法的参数设置,与已有算法对已知案例的求解结果进行了比较,说明了该算法的有效性。同时实验表明了正序和逆序解码策略的必要性以及正序或逆序解码的时机。     

基于Petri网和GASA的JSP动态分类调度研究

针对车间作业的加工受到机床、操作工人等双资源制约条件下出现多种扰动的JSP调度问题,提出了基于受控Petri网和GASA对不同扰动进行分类处理的新方法。首先通过构建带有控制器的Petri网模型使系统的运行满足期望的目标,然后基于该模型把遗传算法和模拟退火算法相结合,以最小化最大完工时间为目标,基于机床故障修复时间、工人离岗时间及取消订单包含任务的多少进行分类调度,然后根据扰动恢复后剩余任务的多少决定是否进行再次调度,避免大范围调整造成的生产不稳定状态,最大限度的维持车间的生产能力。最后通过实例验证了算法的有效性和可行性。     

行驶受扰延迟下配送车辆调度的干扰管理决策模型

针对行驶受扰延迟下配送车辆的调度问题,提出了基于多相量子粒子群算法的两阶段干扰管理决策方法.首先以最小化用户时间窗偏离度和最小化配送成本为目标,建立了问题的数学模型;然后对车辆配送发生干扰事件可能采取的干扰管理模式进行了归纳和分类,并在选定模式基础上提出了用多相量子粒子群算法进行路线选择的方法;最后在Solomon算例的基础上通过实验仿真,对所提出方法的性能进行测试,并与全局重调度方法进行对比分析,验证了本文方法不仅达到了优化目标的目的,还满足了干扰管理的实用性要求.