.png){kind=icon}
返回
Digital twin-based assembly process framework utilizing STEP and knowledge graph
.png){kind=icon}
PRE
AI
DOI：10.1016/j.aei.2025.103502.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
有效的信息组织与数据分析是实现装配过程数字孪生的基础。然而，装配数字孪生技术的发展面临着显著挑战，这是由于装配过程中涉及的多源异构数据之间因数据交换不充分而产生的“信息孤岛”所致。本研究提出了一种基于数字孪生的装配过程框架（DT-APF），旨在系统性地组织和管理多阶段制造数据。通过对象实例化，该框架建立了一个基于数字孪生的装配过程信息模型（DT-APIM），以实现异构数据的标准化转换。通过将DT-APIM的实例转换为基于图的结构，该框架生成一个基于数字孪生的装配过程知识图谱（DT-APKG），从而实现多源数据深度融合。此外，通过整合自回归结构化预测（ASP）算法构建了知识推理引擎，建立了一个覆盖整个装配生命周期的全面数据组织与知识推理系统。实验验证采用了一个航空发动机机匣装配案例。结果表明，基于ASP的推理机制在识别装配性能相关性方面验证了其有效性，而DT-APF框架相较于传统知识图谱构建方法，提高了31.6%的数据集成效率。本研究为克服复杂产品装配中的信息壁垒提供了一种系统化解决方案，并增强了数字孪生技术在工业应用中的实施。
期刊
IF:
9.9
论文数:
4.4K
被引数:
1.7W
机构
暂无机构信息
引用论文
Artificial-Intelligence-Driven Customized Manufacturing Factory: Key Technologies, Applications, and Challenges人工智能驱动的定制制造工厂: 关键技术、应用与挑战.png)
PROCEEDINGS OF THE IEEE
OAAI
PROCEEDINGS OF THE IEEEIF25.9
OAAI分享收藏Digital twin-driven multi-dimensional assembly error modeling and control for complex assembly process in Industry 4.0面向工业4.0复杂装配过程的数字孪生驱动多维装配误差建模与控制
PREAI
分享收藏Smart manufacturing process and system automation - A critical review of the standards and envisioned scenarios智能制造流程和系统自动化-对标准和设想方案的严格审查
PREAI
分享收藏Towards Self-X cognitive manufacturing network: An industrial knowledge graph-based multi-agent reinforcement learning approach面向self-x认知制造网络: 基于工业知识图谱的多agent强化学习方法OAAI
OAAI分享收藏A digital thread-driven distributed collaboration mechanism between digital twin manufacturing units数字线程驱动的数字孪生制造单元间分布式协作机制
PREAI
分享收藏
查看更多内容