【技术实现步骤摘要】
本专利技术属于电池生产，具体涉及一种基于数字孪生的高端电池生产线智能工厂设计方法。
技术介绍
1、数字孪生智能工厂通过三维数字孪生技术，在云端再造工厂、车间、设备的全视角实时场景，配合各类生产计划、产品质量、产量进度、设备状态等管理数据，实时呈现出工厂实际运行状态，从而让车间生产状态透明化，方便管理者更加及时、有效的做出正确决策。
2、比如，公开号为cn116578890a的专利技术申请公开了中基于数字孪生的智能工厂数据优化采集方法，该方法包括：获取用于数字孪生的目标工厂设备对应的历史监测数据集合、当前监测数据和历史聚类簇集合；对历史聚类簇集合中的每个历史聚类簇进行离散分析处理；确定当前监测数据和每个历史聚类簇之间的从属相似指标；确定组成监测数据的每种参数对应的参考价值；确定当前监测数据和历史聚类簇之间的目标隶属度；对当前监测数据和历史聚类簇集合进行分类，得到目标聚类簇集合，以实现数据采集的优化。
3、数字孪生为高端电池生产线数字化转型提供了实施途径。高端电池生产线的数字孪生可以做到对数据的可视、可管、可控，对厂房的产线能力在线预测及生产设备的实时监控，因此基于数字孪生的高端电池生产线智能工厂对企业有效提高生产效率和生产品质具有现实的意义。
4、比如，公开号为cn116911792a的专利技术申请公开了基于数字孪生技术的车载氢燃料电池生产管理方法及系统，包括燃料电池生产线平台、车载燃料电池发动机平台、大数据网上云平台，包括：基于车载燃料电池发动机平台实时获取车载氢燃料电池的历史参数数据和当前时
5、然而，高端电池生产线建模及高端电池制造工艺存在复杂性问题，如何对电池生产进行高效排程，充分利用生产线的制造能力有待解决。
技术实现思路
1、本专利技术针对现有技术中存在的上述不足，提供了一种基于数字孪生的高端电池生产线智能工厂设计方法，以解决高端电池生产过程中如何对电池生产进行高效排程，充分利用生产线的制造能力的问题。
2、一种基于数字孪生的高端电池生产线智能工厂设计方法，包括以下步骤：
3、(1)对高端电池生产线的物理车间中的各物理实体进行建模生成虚拟的孪生体模型，获得虚拟车间；
4、(2)对孪生体模型进行分解，根据物体实体模型的状态分为静态孪生体和动态孪生体，其中，动态孪生体进一步分解为静态模型、驱动组件和数据解析；
5、(3)建立物理车间与对应的孪生体模型之间的数据通道，实现数据交互；
6、(4)将电池生产排程问题转成数据模型求解问题，通过粒子群寻优算法得出最优排程结果。
7、(5)利用历史数据确定最优权重得到预测值，再结合新的历史数据进行二次修正，得到电池制造能力在线预测数据；
8、(6)根据定制化订单及生成设备情况，对关键工序的核心参数进行分析，得到每道工序的综合评价分数和各项核心参数的工艺能力指数；
9、(7)对关键工序数据进行分析，利用电池质量分析及电池质量异常溯源来实现电池质量追踪任务。
10、优选的，步骤(1)中，建模生成虚拟的孪生体模型时，通过设备和仪器，对物理场景中的建筑结构，设备结构，空间尺寸信息，颜色信息，材质信息，光照信息进行采集和存储，为在虚拟场景中真实还原物理场景中的物体提供原始数据，建立三维模型，完成车间的虚实映射。
11、优选的，步骤(2)中，静态孪生体为始终处于静止状态的静态内容，动态孪生体为可以产生运动的动态内容。
12、优选的，步骤(2)中，动态孪生体分解后的静态模型为动态孪生体中可以产生运动的动态内容的三维模型；
13、动态孪生体分解后的驱动组件为根据物理实体的运行情况，抽象出的用于控制动态孪生体运动逻辑的组件；
14、动态孪生体分解后的数据解析为将采集到的实体相关数据转化为动态孪生体的驱动组件能够接收的内容。
15、优选的，步骤(3)中，建立物理车间与对应的孪生体模型之间的数据通道时，对多源异构数据进行处理，处理方法包括以下步骤：
16、(3.1)设计一个通用的数据模型，用于处理各种数据类型和格式，使得数据能够以统一的方式进行处理和存储；
17、(3.2)使用数据集成工具，将数据从不同数据源中提取、转换和加载到目标数据库中；
18、(3.3)对数据进行转换，以便于不同格式之间的互操作性；
19、(3.4)对数据进行清洗和标准化，以消除数据中的错误、重负和冗余。
20、优选的，步骤(4)中，通过虚拟车间对不同工艺方案进行模拟仿真，得到不同方案下的电池产品的质量波动数据，从而得到最优排程结果。
21、优选的，步骤(5)中，使用自回归移动平均模型进行建模和预测。
22、优选的，步骤(6)中，通过对匀浆、涂布、卷绕、化成四个关键工序中采集到的核心参数应用综合评价算法进行分析，输出每道工序的综合评价分数和各项核心参数的工艺能力指数。
23、优选的，步骤(7)中，电池质量分析使用电池质量分析模块，电池质量异常溯源使用电池质量异常溯源模块，
24、电池质量分析模块包括特征提取、特征选择、分类模型训练和模型评估与优化，特征提取用于对所收集到的数据进行特征提取；特征选择用于从提取出的特征中选取最相关的几个特征来进行建模；分类模型训练用于针对所选定的特征，使用监督学习算法来训练分类模型，模型将输入的工序数据与已经标记过的对应电池质量进行关联；模型评估与优化使用交叉验证或其他评估方法对分类模型进行评估，并根据评估的结果调整模型参数，以提高模型效果，
25、电池质量异常溯源模块包括数据聚类、异常检测和异常溯源，数据聚类用于对所收集到的数据进行聚类分析，将相近或同类别的数据点归到一起；异常检测使用异常检测算法来找到潜在的异常点；异常溯源用于对发现的异常点，结合历史数据和操作记录进行溯源分析，找出导致异常的原因。
26、本方法的有益之处在于：
27、通过本方法设计的基于数字孪生的高端电池生产线智能工厂，可以给实际物理工厂带来如下好处：
28、1、实时监测设备运转，及时发现和应对生产过程中的各种异常和不稳定性。
29、2、通过对电池制造能力的在线预测，对电池生产进行高效排程，充分利用生产线的制造能力，可以有效提高生产效率，减少生产成本。
30、3、通过对设备工艺能力的分析，可以缩短产品验证周期，较明显的提升高端电池在定制化条件下的工艺能力，对新能源电池高品质制造、定制化条件下的生产质量分析和产线优化，具有显著的工程意义。
本文档来自技高网...【技术保护点】
1.一种基于数字孪生的高端电池生产线智能工厂设计方法，其特征在于，包括以下步骤：
2.根据权利要求1所述基于数字孪生的高端电池生产线智能工厂设计方法，其特征在于，步骤(1)中，建模生成虚拟的孪生体模型时，通过设备和仪器，对物理场景中的建筑结构，设备结构，空间尺寸信息，颜色信息，材质信息，光照信息进行采集和存储，为在虚拟场景中真实还原物理场景中的物体提供原始数据，建立三维模型，完成车间的虚实映射。
3.根据权利要求1所述基于数字孪生的高端电池生产线智能工厂设计方法，其特征在于，步骤(2)中，静态孪生体为始终处于静止状态的静态内容，动态孪生体为可以产生运动的动态内容。
4.根据权利要求1所述基于数字孪生的高端电池生产线智能工厂设计方法，其特征在于，步骤(2)中，动态孪生体分解后的静态模型为动态孪生体中可以产生运动的动态内容的三维模型；
5.根据权利要求1所述基于数字孪生的高端电池生产线智能工厂设计方法，其特征在于，步骤(3)中，建立物理车间与对应的孪生体模型之间的数据通道时，对多源异构数据进行处理，处理方法包括以下步骤：
6
7.根据权利要求1所述基于数字孪生的高端电池生产线智能工厂设计方法，其特征在于，步骤(5)中，使用自回归移动平均模型进行建模和预测。
8.根据权利要求1所述基于数字孪生的高端电池生产线智能工厂设计方法，其特征在于，步骤(6)中，通过对匀浆、涂布、卷绕、化成四个关键工序中采集到的核心参数应用综合评价算法进行分析，输出每道工序的综合评价分数和各项核心参数的工艺能力指数。
9.根据权利要求1所述基于数字孪生的高端电池生产线智能工厂设计方法，其特征在于，步骤(7)中，电池质量分析使用电池质量分析模块，电池质量异常溯源使用电池质量异常溯源模块，
...【技术特征摘要】
1.一种基于数字孪生的高端电池生产线智能工厂设计方法，其特征在于，包括以下步骤：
2.根据权利要求1所述基于数字孪生的高端电池生产线智能工厂设计方法，其特征在于，步骤(1)中，建模生成虚拟的孪生体模型时，通过设备和仪器，对物理场景中的建筑结构，设备结构，空间尺寸信息，颜色信息，材质信息，光照信息进行采集和存储，为在虚拟场景中真实还原物理场景中的物体提供原始数据，建立三维模型，完成车间的虚实映射。
3.根据权利要求1所述基于数字孪生的高端电池生产线智能工厂设计方法，其特征在于，步骤(2)中，静态孪生体为始终处于静止状态的静态内容，动态孪生体为可以产生运动的动态内容。
4.根据权利要求1所述基于数字孪生的高端电池生产线智能工厂设计方法，其特征在于，步骤(2)中，动态孪生体分解后的静态模型为动态孪生体中可以产生运动的动态内容的三维模型；
5.根据权利要求1所述基于数字孪生的高端电池生产线智能工厂设计方法，其特征在于，步骤(3)中，...
【专利技术属性】
技术研发人员：丁少华，余顺伟，张昊，谭勇文，周振邦，朱文光，宋文龙，杨书恒，朱晓娟，王子杨，徐得胜，
申请(专利权)人：天能电池集团股份有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。