智能制造技術在機載武器制造中的應用

晉嚴尊 王中一 湯輝 朱小勇

摘 要：為提升機載武器企業生產效率和產品質量， 對機載武器智能制造技術進行了應用研究。 本文首先對國外先進機載武器企業智能制造發展現狀進行了分析， 然后根據機載武器生產特點， 結合其對智能制造的要求， 提出了機載武器智能制造的整體架構， 并對架構中智能管控、 智能裝備、 智能倉儲物流等關鍵技術進行了研究。 智能制造技術的應用， 可推動機載武器生產企業的轉型升級和創新發展。

關鍵詞：???? 航空裝備; 機載武器; 智能制造; 數字孿生; 智能管控; 智能裝備; 智能倉儲物流

中圖分類號：TJ760; V260.6? 文獻標識碼：??? A? 文章編號：???? 1673-5048（2021）06-0001-06

0 引? 言

機載武器是指從飛機上投射用于攻擊戰術目標的武器裝備[1]。 作為最直接的空中打擊力量， 機載武器對于掌控空中優勢和實現防空壓制都具有十分重要的作用[2]。

機載武器雖然外形尺寸較小， 但功能強大、 結構復雜。 由于其內部空間狹小， 裝調難度大， 傳統的機載武器生產多以手工操作為主， 效率低、 質量一致性差。 近年來， 隨著智能制造技術的蓬勃發展， 機載武器行業也相繼開展了先進制造技術的研究和應用， 已初步形成數字樣機、 異地協同、 數字化制造的產業發展模式， 一些重點企業通過技術改造配備了大量的高、 精、 尖設備及軟件系統， 使得研制手段、 單道工序和單臺設備的效能得到了一定提升， 但是現有的“重節點、 輕過程”的粗放式生產組織模式和以人工管控為主的運行管控手段， 無法從根本上解決裝備制造產能優化、 產業鏈協同的問題， 不能充分發揮先進生產設備及軟件工具的綜合優勢[3]， 嚴重制約了機載武器裝備的研制生產能力， 難以滿足快速響應、 高質量交付的發展需求。

國外領先的機載武器生產廠商雷神、 歐洲導彈集團（MBDA）等公司已通過流程再造、 模式創新， 開啟了數字化轉型之旅， 數字化、 智能化轉型已經成為先進機載武器企業的共性戰略， 并已付諸實施。 面對新的內、 外部環境形勢， 在機載武器領域大力開展智能制造技術研究和應用， 在傳統制造技術基礎上發展先進制造技術， 打造支撐現代制造業的骨架和核心， 將成為提高設計、 制造和管理水平， 保障型號研制[4]， 促進機載武器行業跨越式發展的必然選擇。

1 機載武器智能制造發展現狀

智能制造是基于物聯網、 大數據、 云計算等新一代信息技術， 貫穿于設計、 生產、 管理、 服務等制造活動的各個環節， 具有信息深度感知、 智慧優化自決策、 精準控制自執行等功能的先進制造過程、 系統與模式的總稱[5]。

在新一輪科技革命和產業變革的大背景下， 以數字化、 網絡化、 智能化為特點的智能制造已成為未來發展趨勢[6]。 “中國制造2025”、 “德國工業4.0”、 “美國工業互聯網”等制造業國家戰略， 均旨在構建自身的智能制造體系， 特別是新一代信息技術與制造業的深度融合， 將促進制造模式、 生產組織方式和產業形態的深刻變革[7]， 改變全球制造業的發展格局。

智能制造作為企業轉型升級的重要抓手， 已經引起機載武器企業的高度重視。 以雷神公司為例， 其采用敏捷制造模式改進生產過程， 大幅提高了生產效率。 雷神公司將虛擬現實技術融入研發設計和制造過程中， 建立了沉浸式設計中心， 在沉浸式虛擬現實顯示系統（CAVE）的三維仿真中完成產品設計、 虛擬裝配及工廠布局規劃等工作，? 實現了產品從設計向制造的無縫過渡。? 依靠強大的視覺體驗， 生產人員可協助完成產品設計優化， 在實際試制和生產中可以一次成功完成零件和產品的加工制造。

為提升裝配效率， 降低誤差， 雷神公司開發了能夠滿足導引頭生產要求的工業機器人加工系統， 如圖1所示。 該系統采用六軸機器人， 實現高精度重復裝配工作。 機器人的末端執行器還配備視頻檢測系統， 能夠在導引頭安裝中不斷校準誤差， 保障產品的精細化裝配效果。

雷神公司的紅石兵工廠是基于“物聯網”的智能化總裝廠， 大量使用工業機器人和人工智能技術， 通過物聯網和生產數據管理， 實現導彈艙段的自動化轉運、 托舉、 對接等， 如圖2所示， 大幅提高了生產效率， 縮短制造和測試周期。

雷神公司采用MBSE（基于模型的系統工程）技術開發了一個全新的小型空間產品制造車間， 并用于一個 6U CubeSat的制造。 航天器和車間同步設計的復雜性， 使得基于文檔的系統工程方法效率低下、 不具實用性。 采用 MBSE 技術能夠快速進行權衡分析， 使車間改造/產品設計優化更具成本效益。 工作過程中， 所有相關人員（如利益方、 設計方、 實踐方、 驗收方等）都能夠著眼于達成共識的系統模型， 在系統工程活動全階段（需求分析、 結構分析、 功能分析、 性能分析、 仿真驗證）都能不斷利用該模型來指導工程， 也不斷通過工程實踐的反饋， 來維護更新模型， 使模型與工程并行前進。

此外， 歐洲導彈集團（MBDA）也將智能制造技術運用于導彈數字化總裝生產中， MM40“飛魚”3反艦導彈及“紫苑”15艦空導彈裝配工作站均實現了數字化， TRIGAT_LR對地導彈采用機器人代替低速轉臺進行自動測試。

2 機載武器智能制造技術應用

國內機載武器企業智能制造尚處于起步階段， 相比于國外先進企業， 仍有較大差距。 “十三五”開始， 國內機載武器企業積極響應國家智能制造要求， 大力推進智能制造技術探索與應用， 促進了企業轉型升級和創新發展。

2.1 智能制造整體架構

根據機載武器生產特點， 結合其對智能制造的要求， 初步形成了具有機載武器特色的智能制造架構模型， 如圖3所示。 該架構模型提出了面向企業管理、 執行、 控制等層面建立具有“動態感知、 實時分析、 自主決策、 精準執行”特征的智能制造系統， 打通產品研制生產的設計、 制造、 試驗和管理的智能處理流程， 形成全局推進和協同發展的制造新模式[8]。

機載武器智能制造整體架構共分五個層級， 管理層是整個架構的中樞神經[9]， 通過統一的運營管控平臺對執行層的各個管理系統進行調度; 執行層接收管理層的指令， 并向管理層反饋當前的狀態， 利用大數據平臺提供的經過整理和分析的數據進行計劃、 任務、 供應鏈、 質量等過程管理; 控制層主要通過傳感器、 視覺、 總線等技術， 采集和控制機床、 機器人、 檢測設備、 試驗設施等的狀態或數據， 實現制造過程中硬件控制和各類數據的實時自動采集、 匯聚形成制造大數據， 為構建信息物理系統奠定基礎; 設備層是智能制造的核心， 通過數控加工、 自動裝配、 測試、 檢驗、 倉儲、 物流等設備執行具體的控制指令和操作動作， 完成相應的制造任務; 網絡層是基礎架構， 是連接設備與設備、 設備層與控制層的橋梁， 通過網絡基礎建設構建智能制造的基礎硬件條件。

按照智能制造整體架構開展智能制造的推進及建設。 在管理層和執行層， 重點建設智能管控條件， 利用所有制造資源和流程全面實現數字化， 應用智能制造以及供應鏈協同等平臺， 保證在有限能力條件下提高生產效率; 構建統一的運營管控平臺， 探索自執行、 自適應、 自決策等智能制造技術在基于統一數字化制造模式條件下的應用。 在設備層， 重點建設智能裝備和智能倉儲物流條件， 應用先進制造技術構建自動化工位和產線， 實現人機協同， 最大限度發揮生產能力。 在網絡層和控制層， 重點建設工控網， 通過基礎網絡和采集條件建設， 實現產線、 工裝、 物料、 人員等制造要素數據的全面集成。

2.2 智能管控

管理層和執行層主要聚焦在智能管控條件建設方面。 圍繞機載武器生產線和精益生產體系的設計、 運行和持續改進需求， 采用精益生產和數字化轉型方法， 建設基于工業互聯網技術架構的數字化精益生產協同管理平臺， 通過變革以“職能”為主的生產組織架構和以“局域協同”為主的生產管理模式， 形成以數字化產線為標志的精益生產組織架構和以“全域協同”為特征的生產管理體系， 滿足機載武器的生產需求。

2.2.1 數字化精益協同

在管理層構建產品統一數據中心與業務協同平臺、 數字化組織協同平臺， 為產線經營者提供產品/產線/流程等產線模型和經營畫像、 產線關鍵指標信息和產線異常及風險預警信息， 實現對產線經營情況的實時、 準確管控和異常情況的快速處置; 同時， 數據共享并強化其在業務流轉時的一致性、 準確性， 消除信息孤島及業務孤島， 使生產業務活動相關數據標準化， 并極大共享化。

在供應鏈協同方面， 主要為企業外部供應商的選擇、 準入、 監督與控制、 評價與培養以及與外部供應商之間的業務數據傳遞與問題協調， 提供統一的信息化管理環境， 以實現對外部供應商的規范化、 精細化管理， 進而為生產任務提供合格的外部供應商資源， 提升企業與供應商之間的業務協同效率。

2.2.2 產線運行管控

在產線運行監控方面， 構建生產能力全景建模與運行監控系統。 一方面針對產線開展各類生產資源的模型化定義， 并在此基礎上對產線生產能力及外協/外購單位配套能力進行統一的模型化、 標準化定義， 形成企業生產能力全景視圖， 進而為精準的生產排產提供基礎數據支撐; 另一方面通過與各產線運行管控平臺等進行集成， 獲取各產線的實時運行數據， 構建層次化、 多維化呈現的虛擬產線， 進而實現以實時數據為驅動， 對產線的運行狀態進行全景式、 全時域的呈現， 以及全要素、 全流程、 全業務的動態監控， 最終實現制造過程的閉環控制和實時優化調整[10]。

在計劃管理方面， 面向產線提供高級計劃排產與資源配置運算服務， 以推動數字化產線的均衡化、 高飽和運行， 縮短生產周期， 實現多訂單和多型號共線生產目標。 計劃管理系統可以配合任務管理系統， 開展全要素、 多約束條件下的生產計劃制定、 精準作業排程及動態調整優化， 以保障企業從生產交付計劃到車間級工序計劃制定的科學化、 精細化及執行過程的高效化和協同化。

2.2.3 大數據分析與挖掘

通過數據分析和挖掘， 構建機載武器全生命周期智能質量追溯系統。 設計模型和三維工藝、 試驗數據以及各種質量信息， 通過數據挖掘提供的分析功能最終鏈接到生產管理系統中， 由生產管理系統進行統一管理和調度。 通過生產管理系統以樹型結構查詢到單發產品全壽命周期的質量信息， 包括配套的每一個元件、 使用的工藝版本、 裝配順序、 裝配人員、 日期、 試驗數據、 關鍵過程的監控信息等， 通過系統提供的工具， 還可以對該產品某一項指標在整批產品中的分布， 對某一個元器件在一定時間范圍內發生過的質量問題進行分類統計和大數據分析， 實現產品壽命周期內的全過程智能質量追溯。

通過大數據構建機載武器智能故障診斷系統。 依據設計要求建立全套故障模型和判別標準， 設計智能診斷程序， 利用診斷系統對產品的每個測試過程和結果進行智能管控。 一旦發現測試問題， 診斷系統及時給出診斷意見， 控制測試系統進行補充測試判別或向安燈系統發送報警信息， 提醒技術人員及時到場進行故障處理。 智能故障診斷系統可以大幅提高產品故障診斷的效率， 提高產品測試自動化程度。

2.3 智能裝備

智能裝備是先進制造技術應用的主要載體， 圍繞機載武器裝調、 試驗、 檢測過程， 采用機器人、 傳感器、 機器視覺、 大數據等先進技術， 構建具有自動裝配、 集約測試、 實時檢測、 自主診斷等典型特征的智能裝備。 主要建設的智能裝備有： 基于自適應調整技術的彈體自動對接平臺、 基于多線程并行測試技術的集中溫控單元、 基于模式識別技術的裝配檢測平臺等。

2.3.1 基于自適應調整技術的彈體自動對接平臺

基于自適應調整技術的彈體自動對接平臺由三坐標測量儀+Stewart六自由度浮動平臺組成， 如圖4所示。 Stewart 平臺作為典型的并聯機構， 能夠實現空間六自由度的運動， 并且承載能力強、 精度高（無累積誤差） [11]， 非常適用于大載荷、 高精度、 小工作空間的調姿運動[12]。 三坐標測量儀測量出所有特征點的坐標后， 將特征點的坐標信息傳給數據管理系統， 計算出Stewart六自由度浮動平臺的初始位姿和目標位姿， 并通過位姿反解算法（由動平臺位姿反求出各驅動桿的長度） ， 將位姿信息轉化為控制信息傳遞給控制系統， 再由控制系統驅動平臺到達預定位姿， 包括俯仰、 偏航方向位姿調整，各艙段軸線重合后， 同軸度偏差不大于0.02 mm。

彈體各部分通過定位銷與定位槽的配合實現徑向位置限位， 完成各艙段軸線位姿調整， 此外， 還需要完成定位銷與定位槽的對準， 定位槽外露于彈體表面， 但定位銷位置因彈體漆層覆蓋， 彈體表面不可見。 對接平臺通過視覺裝置采集定位銷及定位槽圖像， 其中定位槽的位置通過安裝視覺輔助塊間接采集， 圖像采集完成后， 利用HAICON圖像處理軟件計算出定位銷及定位槽之間的角度偏差。 平臺各段卡環在驅動裝置作用下對各艙段進行A軸（彈體軸線所在軸）調整， 保證對接端面的定位銷和定位槽位置誤差不超過±0.02 mm。

對接平臺還安裝有大量傳感器， 可以實時采集機器人抓取力、 浮動平臺運動軌跡、 對接力等關鍵參數， 同步構建數字孿生模型， 實現裝配風險預測和預警。

2.3.2 基于多線程并行測試技術的集中溫控單元

突破傳統的設備架構， 采用模塊成組和多通道并行測試技術構建分布式測試系統， 分時或同時完成多發產品的測試和試驗， 大幅提升單臺設備測試效率。 設備關鍵模塊復用， 配合多套多通道板卡、 開關矩陣單元， 電控射頻開關等接口模塊， 滿足多套產品串行或并行測試的需求， 大幅減少產線中專用測試設備的數量， 提高產線投資收益比。

多臺設備組成的測試單元中， 突破傳統一人一機或多人一機測試模式， 采用多線程并行控制和KVM（Kernel-Based Virtual Machine）技術構建集中溫控單元， 實現多臺設備的集中控制和少人值守， 如圖5所示。 如利用工控網實現多臺溫箱和多臺專用測試設備的互聯互通， 通過管控系統實時采集溫箱和設備狀態， 根據溫箱狀態遠程控制專用測試設備開機、 關機和自動測試， 利用遠程操控系統可以實現測試資源的集中調度和控制， 并可以通過虛擬廠房以所見即所得的方式直觀展示集中管控的場景， 測試中的故障可以自動進行預警。 另外， 對海量的設備運行、 任務數據進行深入挖掘， 可以獲取反映設備以及產線運行態勢的信息， 從不同角度展示設備任務執行、 運行維護的關鍵性量化指標（KPI）， 指導管理人員工作決策， 實現從被動管理向主動管理的轉變[13]。

2.3.3 基于模式識別技術的裝配檢測平臺

裝配檢測平臺主要由圖像處理服務器、 高性能圖像采集設備、 圖像采集工作臺等組成， 如圖6所示。

裝配檢測平臺采用基于模式識別的視覺檢測技術對裝配過程中的裝配對象進行智能檢查。 檢測時一般利用輕量化的圖像目標檢測工具， 針對關鍵檢查步驟， 將現場待檢產品實物狀態與預先定義的模型進行比對， 校驗工藝要求， 給予操作者結果提示， 并實時追蹤目標位置。

利用基于模式識別的視覺檢測技術對部組件關鍵裝配過程和外觀瑕疵進行實時在線檢測， 檢查內容包括缺漏提醒、 匹配檢驗及外觀缺陷檢查等。 通過視覺檢測可以大幅減少人工評判的主觀性差異， 更加客觀、 可靠、 高效、 智能地評價產品質量， 同時提高生產效率和自動化程度， 降低人工成本[14]。

2.4 智能倉儲物流

數字倉儲系統是借助計算機技術、 物聯網技術、 傳感通信技術、 自動控制技術、 大數據技術、 人工智能技術和相應設備等， 對物品的進出庫、 存儲、 調撥、 分揀、 盤點、 包裝、 配送等倉庫作業， 進行高效操作和精確管理的數字化系統[15]， 具備可視化、 可追溯、 可集成、 智能化決策等特征[16]。

采用數字倉儲、 自動配送、 大數據AI調度等技術， 建立滿足產能需求的高效、 精準、 自動倉儲物流系統， 有效提高物流周轉效率、 大幅降低人工成本， 實現物料的自動化存儲和裝配件/工具配送、 數字化管理、 全過程智能動態調度， 使得整個物流全過程高效協同脈動， 適應動態、 復雜、 多樣化業務場景。

倉儲及物流設計基于混合整數規劃模型對多行設備布局進行建模， 以物流運輸量最小為目標， 通過決策變量判斷設備的位置和設定相關約束條件。 在求解模型的過程中， 采用輕量化技術將模型導入仿真軟件， 基于交互法設計求解流程， 得到每個站位搬運次數占比。 物流采用區段式流動拓撲SFT（Segment Flow Topology）的AGV（Automated Guided Vehicle）設計， 改善了傳統設計中多輛AGV在狹小空間內擁擠、 堵塞的缺陷， 并具備最短路徑、 雙向模式、 系統穩定等特點。 采用智能算法實現AGV小車路徑最短、 轉向次數最少的仿真設計， 對AGV路徑規劃問題得到的Pareto解集按價值流優中取優。

3 機載武器智能制造發展趨勢

隨著工業機器人、 大數據和人工智能等智能制造技術的快速發展， 機載武器制造將向著高度柔性化、 智能化和網絡化方向飛速邁進。

產線設計將更加柔性化。 為適應攻擊模式的多樣性， 未來機載武器生產多品種、 小批量的特點將更加凸顯。 采用工業機器人、 邊緣計算等技術借助軟件對硬件功能進行靈活定義， 可以推動產線各功能模塊標準化可互換、 模塊化可重構， 實現產線的高度柔性化。

制造過程將更加智能化。 通過傳感器對生產過程工裝、 設備、 物料、 人員、 產品等生產狀態信息進行全面采集和整理， 構建孿生模型， 結合行業知識圖譜利用云計算、 大數據分析等技術， 對采集的多源異構數據進行深度挖掘和分析， 構建可視化管控中心， 利用智能算法自動形成產線運行過程狀態的快速求解和系統健康狀態的多維度評價指標體系， 再通過在線或離線分析對工藝指令進行迭代優化， 指導工藝裝備生產狀態調整、 保證產線平穩連續運行， 實現產品制造過程中異常事件的自主響應和制造績效偏離的快速修復， 推動機載武器企業制造過程的智能化飛躍。

制造協同將更加網絡化。 隨著產品功能需求的不斷攀升， 機載武器制造跨地域協同、 跨廠所協同將成為常態， 供應鏈向多領域延伸、 配套廠商不斷增多， 將大幅增加供應鏈管理和制造協同的難度。 利用混合云、 區塊鏈、 工業互聯網等技術構建任務進度、 資源使用和擾動時間的動態模型， 對各個供應商完成生產計劃趨勢進行預測， 實現自主調度， 支撐全價值鏈的數字主線鏈接及數據流動， 建立新型協同模式， 將實現跨地域、 跨廠所、 多層次網絡化協同制造。

4 結 束 語

按照機載武器智能制造整體架構， 應用智能管控、 智能裝備、 智能倉儲物流等關鍵技術， 某機載武器企業構建了具有一定柔性、 較高效率的數字化產線， 有效壓降了人員需求， 提高了產品質量。

該企業智能制造的發展情況也代表了國內機載武器企業智能制造的發展水平， 相比國外先進企業， 仍有較大差距。 國內機載武器企業必須客觀分析當前面臨的機遇和挑戰， 結合自身發展需求， 積極開展加密無線通訊、 數字孿生、 邊緣計算等智能制造新技術研究， 推動國內機載武器企業智能制造轉型升級和跨越式發展。

參考文獻：

[1]? 《空軍裝備系列叢書》編審委員會. 機載武器[M]. 北京： 航空工業出版社， 2008.

Editorial Board of Air Force Equipment Series. Airborne Weapon[M]. Beijing： Aviation Industry Press， 2008.（in Chinese）

[2] 范晉祥， 陳晶華. 美軍機載武器的新發展[J]. 航空兵器， 2020， 27（5）： 13-22.

Fan Jinxiang， Chen Jinghua. New Development of American Airborne Weapons[J]. Aero Weaponry， 2020， 27（5）： 13-22.（in Chinese）

[3] 單繼東， 曹增義， 王昭陽. 航空發動機制造企業智能工廠建設[J]. 航空制造技術， 2018， 61（15）： 70-77.

Shan Jidong， Cao Zengyi， Wang Zhaoyang. Smart Factory Construction Research of Aero-Engine Manufacturing Enterprises[J]. Aeronautical Manufacturing Technology， 2018， 61（15）： 70-77.（in Chinese）

[4] 孟震威， 秦新冰. 智能制造在航空發動機企業的探索與實踐[J]. 智能制造， 2017（7）： 29-34.

Meng Zhenwei， Qin Xinbing. Exploration & Practice of Intelligent Manufacturing in Aero Engine Enterprises[J]. Intelligent Manufacturing， 2017（7）： 29-34.（in Chinese）

[5] 韋莎. 智能制造系統架構研究[J]. 信息技術與標準化， 2016（4）： 50-54.

Wei Sha. Research on Intelligent Manufacturing System Architecture[J]. Information Technology & Standardization， 2016（4）： 50-54.（in Chinese）

[6] 劉世磊. 三一重工： 打造中國本土工業物聯網開放平臺[J]. 中國工業評論， 2016（8）： 84-88.

Liu Shilei. SANY Heavy Industry： Build the Open Platform of Domestic Industrial Internet of Things in China[J]. China Industry Review， 2016（8）： 84-88.（in Chinese）

[7] 牟海望， 李晉. 基于互聯網+的新型工業生態體系構建策略研究[J]. 電信工程技術與標準化， 2017， 30（6）： 8-11.

Mou Haiwang， Li Jin. The Construction Strategy Study of New Industrial Eco System Based on Internet+[J]. Telecom Engineering Technics and Standardization， 2017， 30（6）： 8-11.（in Chinese）

[8] 向恒. 淺析智能制造在航空航天制造業的應用[J]. 智能制造， 2018（6）： 40-42.

Xiang Heng. Analysis of Intelligent Manufacturing Application on Aerospace Manufacturing[J]. Intelligent Manufacturing， 2018（6）： 40-42.（in Chinese）

[9] 岳兆娟， 秦智超， 李俊， 等. 面向天地一體化信息網絡的在軌信息處理機制設計[J]. 中國電子科學研究院學報， 2020， 15（6）： 580-585.

Yue Zhaojuan， Qin Zhichao， Li Jun， et al. Design of In-Orbit Processing Mechanism for Space-Earth Integrated Information Network[J]. Journal of China Academy of Electronics and Information Technology， 2020， 15（6）： 580- 585. （in Chinese）

[10] 隋少春， 許艾明， 黎小華， 等. 面向航空智能制造的DT與AI融合應用[J]. 航空學報， 2020， 41（7）： 624173.

Sui Shaochun， Xu Aiming， Li Xiaohua， et al. Fusion Application of DT and AI for Aviation Intelligent Manufacturing[J]. Acta Aeronautica et Astronautica Sinica， 2020， 41（7）： 624173.（in Chinese）

[11] Park H E， Kim Y R. Relative Navigation for Autonomous Formation Flying Satellites Using the State-Dependent Riccati Equation Filter[J]. Advances in Space Research， 2016， 57（1）： 166-182.

[12] 溫晶晶， 劉承騖， 吳斌， 等. 基于Stewart平臺的導彈艙段自動對接方法研究[J]. 彈箭與制導學報， 2017， 37（5）： 47-51.

Wen Jingjing， Liu Chengwu， Wu Bin， et al. Study on Auto-Docking Method of Missile Cabins Based on Stewart Platform[J]. Journal of Projectiles， Rockets， Missiles and Guidance， 2017， 37（5）： 47-51.（in Chinese）

[13] 鄭建軍， 鄧劍鋒， 孫攀， 等. 航天地面設備集中管控技術研究[C]∥第十一屆中國衛星導航年會論文集， 2020： 22-27.

Zheng Jianjun， Deng Jianfeng， Sun Pan， et al. Research On Centralized Control Technologies for Space Ground Station Equipment[C]∥The 11th China Satellite Navigation Conference Proceedings， 2020： 22-27. （in Chinese）

[14] 朱云， 凌志剛， 張雨強. 機器視覺技術研究進展及展望[J]. 圖學學報， 2020， 41（6）： 871-890.

Zhu Yun， Ling Zhigang， Zhang Yuqiang. Research Progress and Prospect of Machine Vision Technology[J]. Journal of Graphics， 2020， 41（6）： 871-890.（in Chinese）

[15] 劉軍， 趙東杰， 徐燕. 基于物聯網的倉儲管控一體化系統實現路徑[J]. 中國流通經濟， 2018， 32（7）： 20-26.

Liu Jun， Zhao Dongjie， Xu Yan. The Research on the Realization Path of Integrating Control and Management for Warehouse Based on IOT[J]. China Business and Market， 2018， 32（7）： 20-26.（in Chinese）

[16] 姜大立， 林萍， 胡瑞鶴. 面向智能制造的數字倉儲系統設計[J]. 包裝工程， 2021， 42（5）： 255-260.

Jiang Dali， Lin Ping， Hu Ruihe. Design of Digital Warehousing System for Intelligent Manufacturing[J]. Packaging Engineering， 2021， 42（5）： 255-260.（in Chinese）

Application of Intelligent Manufacturing on

Airborne Weapon Production

Jin Yanzun*， Wang Zhongyi， Tang Hui， Zhu Xiaoyong

（China Airborne Missile Academy， Luoyang 471009， China）

Abstract： In order to promote the production efficiency and quality of the product in airborne weapon manu-facturer， the application of the airborne weapon intelligent manufacturing is studied. Firstly， the development of foreign advanced airborne weapon manufacturers on intelligent manufacturing is analyzed in this paper， and then through the analysis on both the characteristics of airborne weapon production and its requirements on intelligent manufacturing， the overall structure of intelligent manufacturing on airborne weapon is advanced， furthermore， key technologies such as intelligent control， intelligent equipment， intelligent storage and logistics are studied as well. These technologies have already been applied in an airborne weapon company on production， which upgrades the company and improves its capability on innovation.

Key words：? aviation equipment; airborne weapon; intelligent manufacturing; digital twin; intelligent control; intelligent equipment; intelligent storage and logistics