智能装配产线数字孪生系统典型问题研究

作     者：李颖 

作者单位：天津职业技术师范大学 

学位级别：硕士

导师姓名：邴志刚;黄兴博

授予年度：2024年

学科分类：12[管理学] 1201[管理学-管理科学与工程(可授管理学、工学学位)] 08[工学] 0802[工学-机械工程] 080201[工学-机械制造及其自动化] 

主      题：数字孪生 故障诊断 剩余寿命预测 智能装配产线 神经网络 

摘      要：智能生产线正朝着高度数字化和集成化的方向发展,生产过程变得越来越复杂,在生产线的连续运行过程中,系统发生故障情况也随之增加。目前产线设备出现故障主要是以停机和报警为主,缺乏有效的运行维护监测系统,本文利用数字孪生(Digital Twin,DT)技术对智能装配产线进行虚拟建模设计孪生系统。以产线中机械臂的滚动轴承为研究对象,结合故障诊断和RUL预测的相关理论,设计数字孪生与深度学习数据驱动算法融合的方法。通过孪生系统数据层的信号交换在虚拟空间中进行可视化展示,分析机械臂轴承的健康状态从而提高产线的使用寿命和车间工作效率。本文的主要创新点和工作内容如下:(1)智能装配产线数字孪生系统总体设计。针对智能装配产线数智化生产需求,设计数字孪生智能装配产线五维系统框架。基于物理实体构建U盘产线的数字孪生虚拟模型,通过OPC UA协议的实时通讯感知模块实现数字孪生的数据实时传输,实现产线数字孪生的数据驱动和产线虚实同步。(2)基于改进一维卷积神经网络的机械臂轴承故障诊断方法研究。针对产线出现故障后难以及时诊断的问题,对产线机械臂滚动轴承进行故障分析和研究。设计一种WDCNN端到端神经网络故障诊断模型,能更好地处理非平稳信号,通过增加前两个卷积层卷积核的大小对轴承进行识别和分类,捕捉数据特征。在CWRU轴承数据集上验证其有效性,实现了高诊断准确率。(3)基于循环神经网络的机械臂轴承剩余寿命预测方法研究。针对机械臂轴承剩余寿命预测及产线预维护问题,采用了基于Adam算法优化GRU神经网络的RUL预测模型,加入指数衰减学习率策略训练网络,提高模型的稳定性和泛化能力,适应不同的数据,避免了模型梯度爆炸和消失的问题。在PHM2012数据集上验证其预测精度,实现实时监测数据驱动下的轴承剩余寿命预测,实现装配产线的健康状态管理。(4)数字孪生系统实现与可视化验证。设计搭建智能装配产线数字孪生软件系统并构建数据库,开发实现智能装配产线运维系统和可视化界面,用于实时显示U盘产线运行状态和设备信息,通过数据驱动算法与数字孪生融合技术对设备的健康状态进行监测并对故障及时维护。开发完成了产线基于数字孪生的故障诊断和RUL预测,验证了系统的可实施性。