基于數字孿生技術的民爆自動化生產線機電一體化控制方法

摘 要：受到生產過程中物料性質的特殊性及工藝流程的復雜性影響，民爆生產線難以實現精準高效實時控制。為提高生產線的智能化控制水平，提出了基于數字孿生技術的民爆自動化生產線機電一體化控制方法。結合數字孿生技術，從生產設備幾何屬性、生產要素物理屬性、制造設備生產能力屬性、生產行為屬性各不同維度進行生產線建模。將民爆自動化生產線的機電一體化控制問題轉化為強化學習問題，通過定義狀態空間以及動作空間等，對生產線控制問題進行描述。利用DQN算法對民爆自動化生產線的機電一體化控制問題進行求解，實現高效的自動化生產和優化控制。在實驗中，對提出的方法進行了控制效果的檢驗。最終的測試結果表明，采用提出的方法對生產線進行機電一體化控制后，設備利用率較高，具備較為理想的控制效果。

關鍵詞：數字孿生；民爆；生產線；機電一體化；控制方法

中圖分類號：TH16文獻標識碼：A

Electromechanical Integration Control Method for Civil

Explosives Automated Production Line Based on Digital Twin Technology

HE Jing

（Yunnan Ruida Civil Explosive Co.， Ltd.，Qujing ， Yunnan 655000，China）

Abstract：Affected by the special nature of the materials in the production process and the complexity of the process， it is difficult to realize accurate and efficient real time control of the civil explosion production line. In order to improve the intelligent control level of the production line， the electromechanical integration control method for civil explosives automated production line based on digital twin technology is proposed. Combined with digital twin technology， the production line is modeled from the different dimensions of production equipment geometric attributes， physical attributes of production factors， manufacturing equipment production capacity attributes， production behavior attributes hood. The electromechanical integration control problem of the automated production line of civil explosives is transformed into a reinforcement learning problem， and the production line control problem is described by defining the state space and action space. The DQN algorithm is used to solve the mechatronics control problem of the civil explosion automated production line to achieve efficient automated production and optimal control. In the experiment， the control effect of the proposed method is tested. The final test results show that after the proposed method is used for the electromechanical integration control of the production line， the utilization rate of the equipment is high， and it has a more ideal control effect.

Key words：digital twin; civil explosion; production line; mechatronics; control method

生產線作為工業自動化體系中的核心組成部分，其高效、靈活與智能化運行直接關系到企業的生產效率和經濟效益。然而，民爆（民用爆炸物）生產因其特殊性和高風險性，對生產線的安全性、穩定性和智能化水平提出了更為嚴苛的要求[1]。因此，探索并實踐基于數字孿生技術的民爆自動化生產線機電一體化控制方法，成為當前工業界與學術界關注的熱點。

目前已經有較多學者針對工業生產線一體化控制方法進行了研究。例如，文獻[2]通過構建數字孿生模型，實時映射物理生產線的運行狀態，實現了生產流程的精確模擬與預測。然而，盡管數字孿生技術顯著提升了生產線的可視化與可預測性，但實際應用中，模型復雜性與實時數據同步的局限性導致在高速動態變化的生產環境中，控制精度難以持續保持在理想水平。文獻[3]通過為生產線的每個關鍵組件分配獨立的Agent，實現了局部決策與全局協調的有機結合。但此方法在追求高度靈活性的同時，也暴露出了控制精度方面的不足。各Agent間信息交互的延遲與不一致性以及復雜任務分配與沖突解決中的計算復雜度，導致整體控制策略在實時性和準確性上難以達到最優，特別是在高精度要求的微組裝過程中，這種局限性尤為明顯。文獻[4]利用Petri網模型對機床座類柔性生產線的調度進行了建模與優化。該方法有效解決了生產過程中的資源沖突與路徑規劃問題，提高了生產線的整體效率。但模型在面對實際生產中的微小擾動與不確定因素時，其靜態分析與優化能力有限，難以實時調整控制策略以應對這些變化，從而影響了最終產品的加工精度與一致性。文獻[5]通過集成物理生產線與虛擬模型的雙向反饋機制，顯著提高了生產調度的智能化水平。盡管數字孿生技術為生產調度提供了強大的數據支持與仿真驗證能力，但在實際執行過程中，由于物理設備性能差異、環境參數波動以及人為操作失誤等多種因素的影響，導致控制指令的精確執行面臨挑戰。

本文通過結合數字孿生技術，對生產線整體動態操作流程進行描述，并結合建模結果，將控制問題轉化為強化學習問題，實現民爆自動化生產線機電一體化控制。

1 方法設計

1.1 基于數字孿生技術的民爆自動化生產線建模

由于民爆產品的特殊性質，生產過程中的精度要求極高，任何微小的偏差都可能導致產品質量問題或安全隱患。因此為實現一體化控制，本文首先結合數字孿生技術，對生產線進行建模處理。

考慮到民爆自動化生產線涉及多個工藝環節和復雜的設備系統，包括原料處理、混合、壓制、裝藥、封裝等多個步驟，通過構建一個多維度的智能體，來對生產線的可重構性質進行描述[6]。智能體維度包括生產設備幾何屬性、生產要素物理屬性、制造設備生產能力屬性、生產行為屬性等。

首先采集民爆自動化生產線的幾何數據、物理參數、生產能力指標、生產流程信息等。在設備幾何屬性方面，混合機、壓藥機等設備的尺寸和部件尺寸GS、各設備之間的相對位置關系GP等均可以作為幾何參數參與建模[7]。其幾何模型GM描述表達式如下所示。

GM={GS，GP，GSA，…} （1）

式中，GSA代表生產設備的內部結構幾何形狀。物理屬性可以按照可變以及不可變特性進行劃分與建模，其具體物理模型PM描述表達式如下所示。

PM={IPP，VPP，AE，…} （2）

式中，AE代表生產線關聯的生產設備，IPP代表包括設備質量、設備密度以及設備材料屬性在內的不可變物理屬性，VPP代表包括溫度以及速度在內的可變物理屬性[8]。能力屬性CM涵蓋車間設備的額定制造能力以及動態制造能力，具體屬性描述表達式如下所示。

CM={MC，RMC，MMC，CU，…} （3）

式中，MC代表車站設備額定制造能力，CU代表車間生產能力循環率，RMC代表設備在正常工作條件下長期運行所能承受的最大功率，MMC代表設備在短時間內能夠輸出的最大功率[9]。生產行為BM涵蓋設備的當前加工狀態PDS以及產品生產的上下游信息。具體表達式如下所示。

BM={PDS，APM，SNM，…} （4）

式中，APM和SNM分別代表上一個設備的產品生產信息以及當前設備向下一臺設備發送的產品生產信息。為對生產線整體過程進行動態描述，基于上述的屬性建模結果，本文引入協商模型NM對其進行協調，具體表達式如下所示。

NM={RC，SS，FS，SA，…}（5）

式中，RC代表民爆車間系統的重構條件，SS代表車間系統的總運行狀態，FS代表各個生產單元下的運行狀態，該運行狀態涵蓋了上述四個建模屬性，SA代表重構函數。

通過上述方式，可以將孿生模型下不同屬性進行耦合調整，從而實現生產線建模。

1.2 民爆自動化生產線控制問題轉化

本文將民爆自動化生產線的機電一體化控制問題轉化為強化學習問題，通過定義狀態空間以及動作空間等，對生產線控制問題進行描述。

首先明確民爆自動化生產線的控制目標為提高生產效率，在此基礎上對狀態空間進行定義。狀態空間應包含能夠全面反映生產線當前運行狀況的信息[10]。在機電一體化控制中，這可能包括設備的運行狀態（如開/關、速度、溫度等）、在制品的位置和數量、原材料庫存、產品質量指標以及安全狀態等[11]。其狀態向量為s=［s1，s2，…，sn］，其中si代表第i個維度的狀態信息。

控制策略π是從狀態空間到動作空間A的映射，在民爆自動化生產線中，調度動作包括任務分配、安排設備維度、調整設備工作參數以及優先處理緊急訂單[12]。由此可以將動作空間定義為A={a1，a2，…，am}，其中aj代表第j個控制指令。

基于上述定義，本文將提高生產效率這一目標具體量化為最大化機器利用率，其具體計算公式如下所示。

U=1M·∑Mm=1∑ni=1∑mj=1TijmCmax =1M·TCmax （6）

式中，M代表車間機器數量，Tijm代表機器完成某工序所需要的加工時間，Cmax 代表給定一系列加工作業中，最后一個任務的完工時間，即最大完工時間，n和m分別代表狀態向量總數以及動作向量總數，T代表設備完成某個產品的總加工時長[13]。將這一指標作為獎勵函數R，由此可以得到函數表達式如下所示。

R=1M·TCmax （7）

上述構建出的獎勵函數可以反映生產線機電一體化控制目標的達成程度，從而評估控制策略的實際性能表現。

1.3 民爆自動化生產線機電一體化調度與控制

本文利用DQN算法對民爆自動化生產線的機電一體化控制問題進行求解，實現高效的自動化生產和優化控制。

DQN網絡結構中的神經網絡擬合Q函數Q（s，a;θ）用于預測在給定狀態下采取某一動作后能夠獲得的未來累積獎勵，從而幫助生產線找到最優的控制策略，其中θ代表網絡參數[14]。對此，首先將生產線重置到初始狀態s0，然后以ε概率隨機選擇一個控制動作at，并執行該動作，觀察即時獎勵rt以及新狀態t+1，并將狀態轉移st，at，rt，st+1存儲到經驗池D中。在民爆自動化生產線的控制過程中，每一次的調度決策和隨后的結果（如生產效率、能耗、安全狀況等）都會被記錄并存儲在經驗池D中。如果D的規模足夠大，則可以從D中隨機采樣一個批量st，at，rt，st+1Mi=1。對于采樣結果中的每個樣本，計算其目標Q值yi，具體公式如下所示。

yi=ri+γmax Qsi+1，a';θ－（8）

式中，θ－代表目標網絡的參數，γ代表折扣因子，a′代表在給定當前狀態下通過目標網絡預測出的最優動作。DQN的訓練目標是使Q網絡的輸出接近目標Q值。對此，本文所選用的損失函數表達式如下所示。

L（θ）=∑Iyi－Qsi，ai;θ2 （9）

式中，Qsi，ai;θ代表Q網絡的預測輸出。沒經過一定數量的訓練周期，將Q網絡的參數θ復制到目標網絡θ－，以此可以對狀態進行更新[14]。通過不斷重復上述步驟進行訓練，DQN能夠學習到一種策略，該策略能夠根據當前生產線的狀態選擇最優或接近最優的動作，以實現一體化控制的優化目標。將本節內容與上述提到的生產線建模以及控制問題轉化等相關內容進行結合，至此，基于數字孿生技術的民爆自動化生產線機電一體化控制方法設計完成。

2 實驗論證

設計了一套遵循嚴格對比測試原理的實驗方案。該方案強調對實驗條件的精細調控與嚴格管理，旨在消除外部變量對實驗結果的潛在干擾，從而確保所得評估結果不僅具備高度的客觀性，而且能夠精準反映所提出控制方法在實際應用場景下的效能表現。

2.1 實驗說明

為了確保對本文提出的生產線機電一體化控制方法效能的評估既全面又具備高度的客觀性，本文挑選了兩種在領域內具有廣泛認可度的基準技術——即基于多Agent系統（MAS）的生產線控制策略與基于Petri網模型的生產線調控方法，作為本次實驗中的關鍵對比對象。通過對比分析，本研究力圖清晰揭示在相同或相似實驗條件下，不同控制算法之間的性能差異與各自的優勢與劣勢。

2.2 實驗對象

本次實驗聚焦于某中型規模的民爆自動化生產線，該生產線專門用于生產多種類型的民用爆炸物，以滿足建筑、采礦、地質勘探等領域的需求。生產線全長約120 m，寬30 m，高度根據設備布局有所不同，最高處可達10 m。整條生產線采用高度集成化的設計理念，集成了原料預處理、混合攪拌、壓制成型、干燥固化、質量檢測及包裝入庫等多個工序。

實驗采用Plant Simulation軟件，根據實際生產線布局與設備特性進行高度逼真的環境構建。確保仿真平臺能夠支持多Agent系統與Petri網模型的集成與運行。具體建模參數如表1所示。

在上述生產線建模過程中突發故障模擬與不穩定供應模擬等參數，旨在模擬實際生產中的復雜多變情況，評估控制系統在實際應用中的適應性與魯棒性。并對供應速度進行調整，從而模擬生產線在供應鏈中斷或原料短缺情況下的真實生產情況。結合Plant Simulation軟件，本次實驗所模擬的民爆自動化生產線網絡拓撲結構如圖1所示。

圖1展示了一條模擬的民爆自動化生產線的網絡拓撲結構，該生產線集成了原料預處理、混合攪拌、壓制成型、干燥固化、質量檢測及包裝入庫等多個工序，實現了高度的自動化與集成化。圖1中：

①主控中心是整個自動化生產線的核心，負責監控整個生產線的運行狀態，接收來自各個生產環節的數據，并進行處理與分析，可以實現數據采集與監控、生產調度、數據分析與優化、故障診斷與維護等功能。

②自動輸送控制系統是連接各生產工序的關鍵，負責原材料、半成品和成品的輸送。

③原料庫存儲生產所需的原材料，保證生產線的連續供料。

④混合工序設備負責將原材料按照一定比例混合均勻，裝藥設備負責將混合好的炸藥裝入指定的容器中，而包裝設備則負責將成品進行包裝和標記，確保產品的可追溯性。

⑤抽樣檢測設備在生產過程中隨機抽取樣品進行檢測，以確保產品質量符合標準。

⑥上位機是生產線的控制中樞，負責接收來自主控中心和其他傳感器的數據，實現生產線的自動化控制和智能化管理，提高生產效率和產品質量。

⑦PLC是生產線中的關鍵控制設備，負責執行上位機發出的指令，控制各生產設備的運行。通過精確的控制和邏輯判斷，確保各生產設備按照預定的程序和步驟運行，實現生產線的自動化和高效化。

基于上述模擬的自動化生產線，實驗結合實際生產需求，對生產任務進行了設定，以供不同算法對其進行機電一體化控制與調度。具體任務分配情況如表2所示。

在上述任務分配結果中，任務T006為并行任務，意味著它與其他任務（如T001）在時間上部分重疊，用于測試控制系統在并行處理多任務時的能力。同時，優先級分為高、中、低三檔，用于指導生產任務的調度順序。在資源有限的情況下，高優先級任務將優先獲得資源與執行權。

針對模擬出的生產任務，分別采用不同方法對生產線進行機電一體化控制，從而完成全部的生產任務。在控制過程中，利用仿真軟件的數據記錄功能，實時采集實驗過程中的關鍵數據，如生產效率、能耗、故障率、響應時間等。

2.3 控制效果對比

本文方法下，民爆自動化生產線機電一體化控制結果如表3所示。

從表格中可以看出，所有生產任務（T001至T006）均按照計劃完成了指定數量的產品生產，且完成數量與計劃數量完全一致，偏差率為0%。這表明無論是面對單一任務還是并行任務，控制系統都能夠保持穩定的運行狀態，確保生產任務的順利進行。為提高實驗結果的可靠性，實驗以不同控制方法下生產線的設備利用率為對比指標，對實際控制效果進行衡量。具體實驗結果如圖2所示。

從上述實驗結果可以看出，本文方法的平均設備利用率達到了87.5%，而常規方法的平均設備利用率為75.0%。這表明本文方法通過優化生產流程、減少設備空閑時間和提高設備協同作業能力，有效提升了生產線的整體效率，其控制效果明顯優于兩種常規的控制方法。

3 結 論

深入探討了基于數字孿生技術的民爆自動化生產線機電一體化控制方法，這一研究不僅是對傳統民爆生產模式的一次革新性嘗試，更是智能制造與工業安全深度融合的重要體現。通過構建精準映射物理生產線的數字孿生模型，本文實現了對生產線運行狀態的實時感知、動態仿真與智能控制，極大地提升了生產線的安全性、穩定性和效率。

參考文獻

［１］ 張麗杰. 工業大數據建模方法及生產線運行狀態監控技術研究 [J]. 無線互聯科技， 2024， 21 （12）： 115-117+124.

［2］ 馬桂潮. 基于數字孿生技術的小型自動化生產線機電一體化概念設計與控制仿真 [J]. 機電信息， 2024（12）： 52-55.

［3］ 秦麗娜. 基于多Agent技術的混合微組裝生產線協同控制方法 [J]. 制造業自動化， 2022， 44 （3）： 176-179.

［4］ 賈云富，張凱. 基于Petri網的機床座類柔性生產線調度模型 [J]. 機電工程， 2022， 39 （10）： 1470-1476.

［5］ WANG Y， WU Z. Digital twin based production scheduling system for heavy truck frame shop[J]. Proceedings of the Institution of Mechanical Engineers， Part C： Journal of Mechanical Engineering Science， 2022， 236（4）： 1931-1942.

［6］ 楊洋. 基于人工智能的預制梁場環形生產線智能加工管控方法 [J]. 智能制造， 2023， （6）： 98-102.

［7］ 鄧文順，劉強，趙榮麗. 基于數字孿生的生產線分布式近物理集成調試方法 [J]. 工業工程， 2023， 26 （5）： 124-130.

［8］ 曹榮祥. 基于數字孿生的船舶管件加工生產線柔性管控系統 [J]. 造船技術， 2023， 51 （4）： 88-92.

［9］ 曹錦江，黃家才，陳道慶. 面向機械加工的智能制造生產線控制設計與實現 [J]. 制造業自動化， 2023， 45 （7）： 70-74.

［10］徐磊，林曉青，劉金山，等. 基于數字孿生的衛星結構生產線管控實踐 [J]. 軍民兩用技術與產品， 2023， （4）： 11-15.

［11］唐健鈞，金筑云，石芹芹，等. 基于數字孿生的飛機總裝生產線管控模式探索與實踐 [J]. 航空制造技術， 2023， 66 （6）： 34-41+65.

［12］耿蒙，曹良方，張立新. 基于部件裝配專業化生產線的成本管控模式優化研究 [J]. 航空財會， 2023， 5 （1）： 37-41.

［13］張曉萍，竇金生，宋天麟，等. 基于數字孿生的生產線監控系統研究 [J]. 包裝與食品機械， 2022， 40 （4）： 73-78.

［14］龐博，楊輝，于榮榮，等. 基于數字孿生技術的航天器機構生產線平衡研究 [J]. 圖學學報， 2024， 45 （2）： 332-338.

［15］趙霖，于成龍，王崑聲，等. 基于手動/半自動裝配線智能管控方法研究 [J]. 航空制造技術， 2022， 65 （7）： 64-69.