数字孪生体的建模和与物理实体间的交互都以数据映射的方式实现,为日益复杂的制造系统健康状态分析提供了新思路。针对产品质量、机床性能和任务执行状态,构建数据交互融合的数字孪生车间健康状态评估和预测框架;建立综合考虑设备性能退化和产品质量对故障率影响的机床故障期望函数,并提出了任务可靠性与产品质量相关联的Copula制造系统健康表达。以某柴油机缸盖制造系统为例,结果表明所提方法能动态高效地判断制造系统健康状态,有效识别不同因素对制造系统健康状态的影响。

针对柔性作业车间调度问题,提出了改进的人工蜂群算法。算法采用基于混沌序列思想、SPT启发式规则和随机方式三种方式共同产生初始种群以保证初始解的质量。针对算法的搜索过程,引入相似度概念将种群分为先进和后进两个群,并针对两个群特点分别采用搜索范围不同的搜索策略以加强寻优性能;采用锦标赛选择策略代替原算法的轮盘赌选择方式以改善过早收敛现象;根据局部解特点,改变原来的未变个体的替换方式,采用按一定比例替换具有相同最优值的个体,保留当前最优的同时,又具有跳出局部最优解的能力。最后通过标准实例求解并与其它论文结果对比,证明了该改进算法的有效性。