摘要
随着以人工智能、大数据、物联网为代表的新一代信息技术突破创新、交叉融合，制造业正朝着智能制造方向发展。车间不仅是制造活动的核心场所，更是技术创新、质量管控和资源整合的关键环节。在传统的车间调度中，车间往往被动响应扰动事件，难以避免对生产的影响。数字孪生作为一种新兴技术，通过虚实交互反馈、数据融合分析和决策迭代优化等手段提升了决策能力，为车间实现动态预测、智能决策提供了有力支持。因此，基于车间实时数据，运用深度学习、数字孪生等技术，发现数据中蕴藏的潜在信息，揭示扰动产生的规律，对扰动主动响应成为必然趋势。本文在数字孪生车间的背景下，以实时数据为基础，对车间扰动预测，从而对车间资源进行调度优化，主要研究内容如下: 首先，针对数字孪生车间数据全面感知的需求，对车间数据进行分类，提出一种面向数字孪生车间的数据感知方案;针对数字孪生车间中数据冗余的问题，提出了多级数据融合机制，完成对车间对象的统一描述;针对数字孪生车间数据交互实时性的需求，提出了基于OPCUA的数字孪生车间数据交互方法，并进行节点优化和数据压缩，提高了数据交互的效率。 其次，针对数字孪生车间的潜在扰动，提出了面向数字孪生车间的扰动预测方法框架。针对车间扰动事件，对扰动进行分类并构建了扰动特征库，针对车间状态信息，设计了车间生产数据与数字孪生模型的特征提取方法，提出了融合注意力机制的卷积-门控循环单元(ConvolutionalNeuralNetwork-GatedRecurrentUnitsintegratedAttentionmechanism,CNN-GRU-Attention)的车间扰动预测算法，实现了对车间潜在扰动的预测，并通过铣削实验验证了所提算法的有效性。 然后，针对扰动预测下的车间调度问题，提出了基于数字孪生的车间动态调度机制，实现了对潜在扰动的主动响应和决策优化。针对数字孪生车间中问题求解高效的需求，将DFJSP转换成马尔可夫决策过程，建立了适用于柔性作业车间的调度环境，设计了智能体的动作空间、状态空间和奖励机制，在此基础上设计了基于多智能体PPO算法的调度模型。通过某汽车控制器机加工车间对基于数字孪生的动态调度机制与算法进行了验证。 最后，针对前文的研究内容开发了数字孪生车间的管理系统，设计了系统总体框架和功能模块，并且展示了系统主要功能界面。
NETL