(19)国家知识产权局 (12)发明 专利 (10)授权公告 号 (45)授权公告日 (21)申请 号 202211135094.4 (22)申请日 2022.09.19 (65)同一申请的已公布的文献号 申请公布号 CN 115203865 A (43)申请公布日 2022.10.18 (73)专利权人 南京理工大 学 地址 210094 江苏省南京市玄武区孝陵卫 200号 (72)发明人 柳林燕　黄镜宏　童一飞　汪惠芬　 (74)专利代理 机构 南京苏创专利代理事务所 (普通合伙) 32273 专利代理师 张学彪 (51)Int.Cl. G06F 30/17(2020.01) G06F 30/23(2020.01)G06F 111/10(2020.01) (56)对比文件 CN 112380616 A,2021.02.19 CN 113344505 A,2021.09.0 3 CN 111158314 A,2020.0 5.15 柳林燕等.车间生产过程数字 孪生系统构建 及应用. 《计算机集成制造系统》 .2019, 审查员 俞姝颖 (54)发明名称 一种基于数字孪生的产品装配过程机械性 能在线预测方法 (57)摘要 本发明涉及一种基于数字孪生的产品装配 过程机械性能在线预测方法， 该方法在数字空间 充分融合了有限元、 网格模型简化、 代理模型， 通 过有限元分析和网格模型简化实现装配过程中 不同装配工艺参数下的机械性能指标分析和有 限元网格模 型的简化， 在此基础上通过建立基于 高斯过程回归的代理模型实现不同装配工艺参 数下的实时机械性能预测， 进而完成产品机械性 能分析的数字孪生模型构建并实现装配过程中 产品机械性能的快速预测。 本发 明利用网格模型 简化算法对产品装配零部件有 限元网格模型进 行处理， 支持机械性能快速分析计算和对有限元 模型的实时分析 结果的快速渲染。 权利要求书2页 说明书10页 附图2页 CN 115203865 B 2022.12.06 CN 115203865 B 1.一种基于数字孪生的产品装配过程机械性能在线预测方法， 其特征在于， 包括以下 步骤： 步骤S1： 通过有限元分析软件， 实现产品实际装配过程中关键机械性能的仿真分析， 并 获得产品装配零部件 对应的有限元网格模型和有限元网格结点分析 结果数值； 步骤S2： 通过有限元网格模型简化算法处理， 实现产品装配零部件的有限元网格模型 的简化， 并对有限元网格结点分析 结果数值进行 更新； 步骤S3： 基于高斯过程回归构建机械性能预测分析的代理模型， 并通过模型训练对代 理模型的超参数进行迭代优化， 确保代理模型 预测分析的计算精度， 具体包括： 步骤S31： 针对产品机械性能预测的多输入多输出回归问题， 基于高斯过程回归进行代 理模型的构建， 包括均值矩阵和协方差矩阵中均值 函数和协方差函数 形式的选择； 步骤S32： 利用步骤S2简化的训练样本数据集对高斯过程回归 模型进行训练； 步骤S33： 根据更新后的训练样本数据集对均值函数和协方差函数中的超参数进行迭 代优化， 其中， 超参数优化采用最大似然估计的方法进行； 步骤S34： 以更新后的训练样本数据集计算代 理模型的均值矩阵和协方差矩阵， 并确定 样本点预测值表达式； 步骤S4： 通过模型压缩方法实现代理模型的降阶， 将高维度的代理模型转化为低维模 型， 确保产品机 械性能预测分析 数字孪生模型达 到快速响应的要求。 2.根据权利要求1所述的基于数字孪生的产品装配过程机械性能在线预测方法， 其特 征在于： 所述 步骤S1具体包括： 步骤S11： 对产品装配零部件 模型进行有限元网格划分； 步骤S12： 以多组装配工艺参数作为外部载荷输入和边界条件进行有限元分析， 获得装 配零部件的有限元网格模型以及不同工艺参数条件下机械性能指标有限元分析数值， 将装 配工艺参数与分析后获得 的机械性能指标分析数值整理成步骤S3中代理模型 的训练样本 数据集。 3.根据权利要求1所述的基于数字孪生的产品装配过程机械性能在线预测方法， 其特 征在于： 所述 步骤S2具体包括： 步骤S21： 采用非流形网格转 化方法， 将有限元网格模型非流形网格转 化为流形网格； 步骤S22： 采用边折叠算法进行有限元网格模型简化， 所述边折叠算法包括以边曲率、 狭长边判断因子、 有限元结点数值作为折叠边选择策略中的折叠误差因子， 筛选出最优先 折叠边； 步骤S23： 通过二次误差度量的方式， 进行图元信 息更新与有限元网格结点分析结果数 值的更新， 获得简化后的有限元网格模型和更新后的训练样本数据集。 4.根据权利要求1所述的基于数字孪生的产品装配过程机械性能在线预测方法， 其特 征在于： 所述 步骤S4中模型压缩方法为奇异值分解。 5.根据权利要求3所述的基于数字孪生的产品装配过程机械性能在线预测方法， 其特 征在于： 所述 步骤S22中， 所述 边曲率折叠误差因子 CurE用以下公式近似表示： 权　利　要　求　书 1/2 页 2 CN 115203865 B 2其中， m、 n分别为折叠边两个顶点邻接面片数， nv1、 nv2分别为两个顶点的单位法向量， nvi、 nvj分别为两个顶点邻接面片的单位法向量； 所述狭长边判断因子NE E计算方式如下： NEE＝(1+l)Q 其中， l为折叠边长， 由折叠边两个顶点坐标分量xi、 yi求出， l1、 l2为同一个三角面片另 外两边长度， S为半边对 应三角面片面积， HE1、 HE2为折叠边两条 半边， Q为通过三角形正则度 评价折叠边相邻三角面片的面片质量情况； 所述有限元 结点数值 折叠误差因子ValE计算方式如下： 其中， val1i、 val2i为对应端点的结点数据向量分量。 6.根据权利要求3所述的基于数字孪生的产品装配过程机械性能在线预测方法， 其特 征在于： 所述步骤S23中， 所述二次误差度量包括新顶点的位置v和对应结点有限元分析数 值val， 计算方法分别如下： 其中， 式中i、 j分别为折叠边两个顶点关联面片数， v1、 v2分别为两个顶点的空间坐标， val1、 val2分别为边折叠前顶点的结果数值。权　利　要　求　书 2/2 页 3 CN 115203865 B 3