任务5.4 面向数字孪生的智能虚拟生产线的实验验证
1.任务引入
面向数字孪生的智能虚拟生产线的实验验证过程主要分为以下几个步骤。首先，使用面向数字孪生的多维建模技术对智能虚拟生产线进行建模；其次，使用设计的通信框架让虚拟调试系统和智能虚拟生产线进行通信；最后，对智能虚拟生产线进行快速搭建，使用Petri网对智能虚拟生产线进行建模并求解，使用虚拟调试系统对智能虚拟生产线进行调试，直至智能虚拟生产线能够正常运行。
2.任务目标
1）知识目标
了解再向数字孪生的智能虚拟生产线的实验验证方法。
2）技能目标
能够进行面向数字孪生的智能虚拟生产线的实验验证。
3）素养目标
3.任务分析
本任务是面向数字孪生的智能虚拟生产线的快速设计搭建。
在设计智能虚拟生产线之前，首先要进行需求分析，按照要求进行概念设计。智能虚拟生产线的布置由概念设计决定。该智能虚拟生产线的整体拓扑总共由10个加工单元、8台AGV以及其他周边设备构成，其中一个加工单元由一台机械手和一台数控机床组成。各零件的加工工艺与对应机床所需时间中，OP1～OPn表示加工的工序，M1～M10分别表示10台机床，智能虚拟生产线同时生产8种不同的零件，表示为Job1～Job8。物料在智能虚拟生产线上通过8台AGV运输，分别表示为AGV1～AGV8。根据概念设计中选用的数控机床、机械手、AGV，使用六维建模技术建立相应的数字孪生模型并导入数字模型库，设计人员从数字模型库中选择模型进行智能虚拟生产线的快速设计。
4.相关知识
1）面向数字孪生的智能虚拟生产线的优化
智能虚拟生产线工作流程模型主要是为了完成实际智能生产线任务过程而抽象出来的产物，通过一种计算机能够处理的形式进行表示。对于智能虚拟生产线工作流程调度算法的研究，需要对智能虚拟生产线工作流程进行建模，目前大部分建模主要采用图形或文本语言的方法。这里研究智能生产线的排产调度过程，通过对各种建模方法的研究、比较，采用Petri网对智能虚拟生产线进行排产流程建模。
Petri网是一种对离散事件进行建模和分析的方法，它可以用一种严谨的数学形式或直观的图表来描述整个系统的动态行为。在离散动态系统中，Petri网可以实现系统运行过程的流程图或网络图，并用Petri网的Token流动模拟离散动态系统的工作过程，如并发、顺序、冲突、同步等动态过程。Petri网建模方法具有严格的数学理论，对系统进行规范性建模后，可以通过多种工具进行校验。Petri网已经广泛应用于工作流程管理、数据分析以及智能制造等领域。
传统Petri网是由“库所”和“变革”两种节点组成的简单系统过程模型。如下式所
其中
根据上述定义，P代表库所集{P1，P2，…，PN}，而T代表变化整体{T1，T2，…，6 Tm}，F代表与Petri网N的弧关系。利用上述公中的联立关系可以总结出，在Petri网中至少存在一次库所P和变革T，而库所P与变革T相互之间并不会产生交叉关系；有向边流的F只可以存在于库所P与变革T或者是变革T与库所P中间，而不会存在于库所P与库所P或者变革T与变革T中间；在Petri网N中，不可以存在一次孤立的库所P或者变革。
智能虚拟生产线的动态变化可以通过在传统Petri网中引入令牌实现，智能虚拟生产线中的机床或者待加工零件都可以通过令牌表示，令牌从一个库所转移到另一个库所的过程表示智能虚拟生产线的动态变化。库所可以同时含有多个不同的令牌。Petri网中如果有变革前的库所中令牌，则此变革能够运行，当变革能够运行时，该变革前的库所将耗费相应的中令牌，而变革后的库所则会得到相对应的中令牌。传统Petri网在处理复杂问题时存在不足，为了更好地展示Petri网的应用性，人们根据实践扩展了传统Petri网，为Petri网拓展了时间特征，为不同属性的对象、变迁添加颜色属性。除此之外，为了降低对复杂智能制造系统的描述，将整个Petri网分解成几个简单的Petri子网，然后细化Petri子网。
在传统Petri网中加入颜色和时间等元素并进行分层处理，就得到分层赋时着色Petri网（HTCPN），用数学定义分层赋时着色Petri网，如下式所示。
HTCPN={M,DP,PT,O}
上述公式中各个符号分别表示的含义如下。
M是赋时着色Petri网中的模块化Petri子网的集合，可以使用TCPNi表示。
M={TCPNi|i=1,2,…,n}
DP代表模块化Petri子网等价代替的库所的集合，即
DP={dpi|i=1,2,…,n}
PT代表分层赋时着色Petri网中代替库所集合之间相互联系的变迁集合；O代表分层赋时着色Petri网中的有向弧集合。
同时，分层赋时着色Petri网还应符合以下特点。
2）智能虚拟生产线排产调度模型与求解
（1）智能虚拟生产线排产调度模型。
智能虚拟生产线排产调度是一种优化组合问题。该问题通常以加工时间、机床使用率等为优化目标，使用智能排产调度方法，建立符合实际生产的调度数学模型。Pe tri网能容易地描述智能虚拟生产线排产调度的复杂问题，比如加工机床、待加工工件的搬运、加工先后顺序等。在Petri网的排产调度模型中，库所表示加工机床及其所对应的缓存位置，变革表示工件加工起止时间，库所与变革之间的相互关系表示待加工工件间的搬运问题，令牌表示库所中代加工的不同工件及其对应状态。智能虚拟生产线排产调度主要是从初始令牌开始经过最优变革顺序到达目标令牌的过程，该变革顺序即待加工工件的加工工序。初始令牌表示智能虚拟生产线的初始状态，主要包含库所正在被占用、工件正在被加工的状态，目标令牌表示待加工工件结束时的智能虚拟生产线状态。智能虚拟生产线的整个生产流程可以通过可达图表示，可以在图中枚举所有加工顺序，通过比较对应目标函数，确定智能虚拟生产线最优加工序列，最终完成智能虚拟生产线排产调度优化。
智能虚拟生产线排产调度问题虽然比一般的生产线调度问题复杂，但更加贴切调度的真实情况。对智能虚拟生产线排产调度问题进行数学建模如下。n个工件{P1，P2，…，Pn}在m台机床{M1，M2，…，Mm}上加工，其中每个工件Pi需要多道工序{O PPi，1，O PPi，2，…，OPPi，n}，其中每一台机床在某个时间只有加工某一工件的一个工序，而某一工序只要进行加工就一定加工完毕，不会发生停顿；任何机床都可以在零时刻进行工作，所有工件都可以在零时刻加工，每一种工件的前后工序都是恒定的，而且各个工件间也没有前后顺序的差异；各种工件的各个工位都可在对应的机床上加工，不过加工时间Wt不一定相等，在调度过程中会合理安排各个工件的不同加工工序给合适的机床，以使一项或多项评价指标最优。本书为了动态调度的实时性，将总加工时间Wt最短作为动态调度目标，如下式所示。
min Wt=min(max(Wtt)),0＜t＜m
智能虚拟生产线在实际生产过程中存在不确定性，可能出现加急单或者机床故障的情况，一旦发生这种情况原先的调度方案就不能适应，需要按照实际情况进行重新调度或者动态调度。为了检验动态调度的可行性，建立动态调度数学模型。
智能虚拟生产线机床约束模型如下式所示。
SM=(MG,MS,ML)
其中，MG表示该机床能够加工的工艺；MS表示该机床是否出现故障；ML表示该机床现在是否空闲。
智能虚拟生产线生产计划模型如下式所示。
SP=(SH,SD)
其中，SH表示该加工任务是否为加急单；SD表示此工件是否被加工过。
智能虚拟生产线的每一个工件的加工需要多道不同的工序，每道工序需要不同的机床进行加工。用DP表示工件初始加工状态，经过若干不同机床及对应工序进行加工最终生成需要的产品。(https://www.daowen.com)
在上述智能虚拟生产线的赋时着色Petri网中，每一个替代库所DP都能够展开成为一个赋时着色Petri子网。
（2）智能虚拟生产线调度过程描述。
在使用虚拟调试系统进行调试后智能虚拟生产线能够完成生产的情况下，使用智能虚拟生产线进行多零件生产。物料通过AGV在机床之间运输，即可实现多零件的智能生产。
5.任务准备
下面进行智能虚拟生产线的调试仿真。
1）各设备控制程序的编写
这里通过PLC梯形图、工业机器人脚本编程语言、数控管理系统G代码、Python脚本编程语言，共同完成对智能虚拟生产线的控制。其中PLC是智能虚拟生产线的中央控制器，并通过梯形图对整个控制系统实现逻辑控制；工业机器人脚本由PLC触发后进行相应的上料动作；数控系统G代码用来实现加工任务。
工业机器人脚本在工业机器人自带的程序编辑器中编写，其总体功能是接收PLC的控制信息，进行上、下料，发出信号启动数控机床进行加工和接收设备反馈的信号等。
2）设备的信号设定
在实际的生产过程中，以德国西门子PLC为主控，其他设备通过EtherCAT、ModbusTCP等通信协议互相通信，接收来自各个工业机器人、数控机床、AGV、加工库位和其他外围设备发来的信号。在本仿真系统中，各个设备的I/O信号端口通过OPC UA标准连接至虚拟控制器，离线编写各个设备的程序，用于实现智能虚拟生产线的运行。
3）智能虚拟生产线的数据交互架构
采用OPC UA架构的智能虚拟生产线系统数据通信的总体设计思路为：先对各种复杂的设备，比如工业机器人、传感器、PLC、数控机床等所形成的数据进行收集，再通过OPC UA支持的统一数据格式对所收集的数据进行封装与传送，以实现统一生产管控设备的目的；然后通过OPC UA统一架构存放在数据库系统中，从上层应用系统调取数据库中的数据，实现对底层设备的监视与扩展使用。
（1）对各种不同的底层设备所要求传输的信息内容分别构建信息模型架构，以确定所需要的信息内容和信号的层级架构。
（2）根据所需要的底层设备信息，在数据中心建立数据库。
（3）通过Python调用OPC UA API，根据各种类型的底层设备创建相应的OPC UA服务器。
（4）在OPC UA服务器的节点中加载所要传送的设备信息，利用OPC UA通信栈将设备信息包装后发送。
（5）在信息管理层建立OPC UA客户端后，对所获取的设备信息进行分析，然后将其存入数据库。
（6）通过上层的应用系统从数据库中读取数据，实现对底层设备的监测与控制。
6.任务实施
1）智能虚拟生产线调试
通过编写控制程序对搭建完成的智能虚拟生产线进行控制，根据工件的加工过程，编写PLC控制程序。PLC梯形图在虚拟调试系统的PLC控制模块中编写。某个工件的生产流程如下。虚拟调试系统通过OPC UA通信框架和智能虚拟生产线、数控系统进行连接，连接成功后，智能虚拟生产线进行加工。在初始状态下，数控机床开始进行加工，加工完成后，数控机床打开安全门，数控机床加工完成信号传入机械手，机械手夹取工件放入缓存库，缓存库光电传感器被触发，AGV实时接收到缓存库有工件的信号后过来取工件并放置于另一个缓存库，机械手夹取6工件并放置在另一台数控机床进行加工，工件依次经过两道工序后被调度机器人送至仓库储存。观察智能虚拟生产线是否按照预期运行，若没有，对它进行修改直至它按预期运行。
通过虚拟调试系统对智能虚拟生产线进行调试，首先将虚拟调试系统、智能虚拟生产线、数控系统连接起来，然后在虚拟调试系统内进行上述工作流程，为设备配备相应的PLC信号，编写PLC控制程序；将编辑完成的PLC控制程序转化成OPC UA支持的XML格式；将程序转换完成后，在进行调试之前，需要将虚拟调试系统内的信号与智能虚拟产线中的信号一一对应。
除此之外，还能通过虚拟调试系统对智能虚拟生产线进行监控。
2）智能虚拟生产线生产调试结果分析
使用虚拟调试系统对智能虚拟生产线调试完成后，使用Petri网建模方法对智能虚拟生产线进行Petri网建模，通过启发算法对模型进行求解。
在初始状态，设备都正常运行，智能虚拟生产线的加工时间为375 s；经优化后，智能虚拟生产线的仿真时间为364 s，节约时间为11 s，但各工序的加工机床并未发生改变。各工件的加工工序对应的加工机床如下。
工件1按照加工流程对应的加工机床为M1-M4-M7-M9。
工件2按照加工流程对应的加工机床为M2-M5-M6-M9。
工件3按照加工流程对应的加工机床为M1-M5-M7-M8。
工件4按照加工流程对应的加工机床为M3-M5-M6-M10。
工件5按照加工流程对应的加工机床为M3-M4-M7-M8。
工件6按照加工流程对应的加工机床为M2-M5-M6-M10。
工件7按照加工流程对应的加工机床为M2-M4-M7-M9。
工件8按照加工流程对应的加工机床为M1-M4-M7-M10。
在进行调试前对智能虚拟生产线进行Petri网建模并求解，找出加工时间最短的路径，再为各设备配备相应的信号，在工业机器人控制器、数控系统中编写相应的加工程序，最后使用虚拟调试系统对智能虚拟生产线进行调试、监测等。实验结果表明，该智能虚拟生产线能够完成生产任务，为实际生产提供了指导。
针对传统生产线的现场调试成本较高、周期较长、技术风险较大等问题，本书提供了一个面向数字孪生的智能虚拟生产线设计、搭建以及控制的方法，使用该方法可在网络空间中快速设计、搭建、调试智能虚拟生产线。在以六维建模技术搭建数字孪生模型和智能虚拟生产线后，结合本书设计的虚拟调试系统，使用基于OPC UA的通信框架，对三维仿真软件中的面向数字孪生的智能虚拟生产线进行调试，调试完成后，对该智能虚拟生产线进行优化。得出结论如下。
（1）针对调试过程中虚拟模型不能反映设备特性的问题，本书通过几何、信息、运动、控制、通信以及物理6个维度对设备进行数字孪生建模，使数字模型映射物理设备，保证了调试的有效性，为接下来的现场调试奠定了基础。
（2）为了实现对智能虚拟生产线的调试以及监控，本书设计了一个虚拟调试系统。该系统集成了人机交互、集成通信、监测、PLC控制模块。通过虚拟调试系统的人机交互模块实现对智能虚拟生产线的调试。根据智能虚拟生产线配备的信号在虚拟调试系统中配置相应的信号，并编写PLC控制程序。该虚拟调试系统能够实现对智能虚拟生产线的控制以及监测。
（3）使用基于OPC UA的通信框架，解决了平台不同导致的各设备之间信息共享、统一管理困难的问题。对设备进行了OPC UA信息化建模，实现了不同设备之间的信息共享。
（4）采用面向数字孪生的智能虚拟生产线的设计方法，在仿真软件中快速地搭建智能制造场景。通过虚拟调试系统的PLC控制模块编写控制程序，协同数控程序、工业机器人编程实现对智能虚拟生产线的调试。完成调试后，通过对智能虚拟生产线进行Petri网建模和求解，完成对智能虚拟生产线的优化。
7.任务评价
任务评价见表5-4。
表5-4 任务评价
