浏览全部资源
扫码关注微信
Received：05 January 2023，
Published：20 February 2023
移动端阅览
数字孪生技术是充分利用物理模型、传感器信息、运行历史等数据，集成多学科、多物理量、多尺度、多概率的仿真过程。该技术与增材制造相结合，是实现制造物理世界和信息世界智能互联与交互融合、减少工艺参数试错实验、控制增材制造打印件组织性能和节省打印成本的潜在手段。因此讨论了数字孪生驱动增材制造的背景与意义；介绍了建立增材制造数字孪生系统的关键要素；阐述了增材制造的模型优化设计、分层切片、路径规划、机理模型、传感与控制、统计模型、大数据和机器学习等方面的发展现状以及目前存在的一些挑战；提出了数字孪生驱动增材制造的未来发展方向和研究重点。
Digital twin technology is a simulation process integrated by multi-discipline
multi-physical quantity
multi-scale and multi-probability through comprehensively using of physical model
sensor information and operation history data. Combined with additive manufacturing to realize the intelligent interconnection of the physical world and the information world
it becomes a potential approach to reduce trial-and-error experiments of process parameters
control the mechanical performance of additively manufactured components
and save the costs of the process. The background and significance of digital twin driving additive manufacturing is discussed
the key elements of building a digital twin system for additive manufacturing is introduced
and the developments and challenges of 3D model design
slicing and path planning
mechanism model
sensing and control
statistical model
big data and machine learning of additive manufacturing are clarified. Finally
the future research trends and focus of digital twin driven additive manufacturing is revealed.
Tofail S ， Koumoulos E ， Bandyopadhyay A ， et al . Additive manufacturing：Scientific and technological challenges， market uptake and opportunities ［J］. Material Today ， 2018 ， 21 （ 1 ）： 22 - 37 .
Liu Y ， Yang Y ， Mai S ， et al . Investigation into spatter behavior during selective laser melting of AISI 316L stainless steel powder ［J］. Materials and Design ， 2015 ， 87 （ 15 ）： 797 - 806 .
Ataee A ， Li Y ， Song G ， et al . Metal scaffolds processed by electron beam melting for biomedical applications ［J］. Metallic Foam Bone ， 2017 ： 83 - 110 .
Martin J ， Yahata B ， Hundley J ， et al . 3D printing of high-strength aluminium alloys ［J］. Nature ， 2017 ， 549 ： 365 - 368 .
Mandolla C ， Petruzzelli A ， Percoco G ， et al . Building a digital twin for additive manufacturing through the exploitation of blockchain： A case analysis of the aircraft industry ［J］. Computers in Industry ， 2019 ， 109 ： 134 - 152 .
GRIEVES M . Digital twin：manufacturing excellence through virtual factory replication ［EB/OL］. ［ 2015-04-20 ］.
GRIEVES M ， VICKERS J . Digital twin：mitigating unpredictable，undesirable emergent behavior in complex systems ［M］. Transdisciplinary Perspectives on Complex Systems ， 2017 ： 85 - 113 .
Rosen R ， Wichert G ， Lo G ， et al . About The Importance of Autonomy and Digital Twins for the Future of Manufacturing ［J］. IFAC-PapersOnLine ， 2015 ， 48 （ 3 ）： 567 - 572 .
Reifsnider K ， Majumdar P . Multiphysics Stimulated Simulation Digital Twin Methods for Fleet Management ［C］. Structures，Structural Dynamics，and Materials and Co-located Conferences ， 2013 ： 1 - 11 .
Napoleone A ， Macchi M ， Pozzetti A . A review on the characteristics of cyber-physical systems for the future smart factories ［J］. Journal of Manufacturing Systems ， 2020 ， 54 ： 305 - 335 .
Negri E ， Berardi S ， Fumagalli L ， et al . MES-integrated digital twin frameworks ［J］. Journal of Manufacturing Systems ， 2020 ， 56 ： 58 - 71 .
Alam K ， Saddik A . C2PS：A Digital Twin Architecture Reference Model for the Cloud-based Cyber-Physical Systems ［J］. Journal of Latex Class Files ， 2015 ， 14 （ 8 ）： 2050 - 2062 .
Dilberoglu U ， Gharehpapagh B ， Yaman U ， et al . The role of additive manufacturing in the era of Industry 4.0 ［J］. Procedia Manufacturing ， 2017 ， 11 ： 545 - 554 .
Zhuang C ， Liu J ， Xiong H . Digital twin-based smart production management and control framework for the complex product assembly shop-floor ［J］. The International Journal of Advanced Manufacturing Technology ， 2018 .
Kritzinger W ， Karner M ， Traar G ， et al . Digital Twin in manufacturing：A categorical literature review and classification ［J］. IFAC-PapersOnLine ， 2018 ， 51 （ 11 ）： 1016 - 1022 .
陶飞 ， 刘蔚然 ， 刘检华 ， 等 . 数字孪生及其应用探索 ［J］. 计算机集成制造系统 ， 2018 ， 24 （ 01 ）： 1 - 18 .
TAO F ， LIU W R ， LIU J H ， et al . Digital Twin and Its Potential Application Exploration ［J］. Computer Integrated Manufacturing Systems ， 2018 ， 24 （ 01 ）： 1 - 18 .
陶飞 ， 刘蔚然 ， 张萌 ， 等 . 数字孪生五维模型及十大领域应用 ［J］. 计算机集成制造系统 ， 2019 ， 25 （ 01 ）： 1 - 18 .
TAO F ， LIU W R ， ZHANG M ， et al . Five-dimension digital twin model and its ten applications ［J］. Computer Integrated Manufacturing Systems ， 2019 ， 25 （ 01 ）： 1 - 18 .
陶飞 ， 马昕 ， 胡天亮 ， 等 . 数字孪生标准体系 ［J］. 计算机集成制造系统 ， 2019 ， 25 （ 10 ）： 2405 - 2418 .
TAO F ， MA X ， HU T ， et al . Architecture of Digital Twin Standards ［J］. Computer Integrated Manufacturing Systems ， 2019 ， 25 （ 10 ）： 2405 - 2418 .
Rasheed A ， San O ， Kvamsdal T . Digital Twin：Values， Challenges and Enablers from a Modeling Perspective ［J］. IEEE Access ， 2020 （ 8 ）： 21980 - 22012 .
Lu Y Q ， Liu C ， Wang I K ， et al . Digital Twin-driven smart manufacturing：Connotation，reference model， applications and research issues ［J］. Robotics and Computer Integrated Manufacturing ， 2020 ， 61 （ 2 ）： 101837 .
Wagner C ， Grothoff J ， Epple U ， et al . The role of the Industry 4.0 Asset Administration Shell and the Digital Twin during the life cycle of a plant ［J］. IEEE Int C Emerg ， 2017 .
Glaessgen E ， Stargel D . The digital twin paradigm for future NASA and US Air Force vehicles ［C］. 53rd AIAA/ASME/ASCE/AHS/ASC Structures，Structural Dynamics and Materials Conference 20th AIAA/ASME/AHS Adaptive Structures Conference 14th AIAA ， 2012 ： 18 18 - 1829 .
工业互联网产业联盟 ， 工业数字孪生白皮书 ［R/OL］.［ 2021-12-06 ］. http：//aii-alliance.org/uploads/1/20211 206/0abb4304b8de47a3c04ce803a5ac5dc8.pdf http://aii-alliance.org/uploads/1/20211206/0abb4304b8de47a3c04ce803a5ac5dc8.pdf .
Gaikwad A ， Yavari R ， Montazeri M ， et al . Toward the Digital Twin of Additive Manufacturing-Integrating Th-
ermal Simulations，Sensing，and Analytics to Detect Process Faults ［J］. IISE Transactions ， 2019 ， 51 ： 1204 - 1217 .
Xin L ， Kza B ， Jyhf C ， et al . Metal-based additive manufacturing condition monitoring methods：From measurement to control ［J］. ISA Transactions ， 2021 .
Li Z ， Xiaoqi C ， Wei Z ， et al . Digital Twins for Additive Manufacturing：A State-of-the-Art Review ［J］. App-lied Sciences ， 2020 ， 10 ： 8350 - 8360 .
DebRoy T ， Zhang W ， Turner J ， et al . Building digital twins of 3D printing machines ［J］. Scripta Materialia ， 2017 ， 135 ： 119 - 124 .
Xiaoyong T ， Lingling W ， Dongdong G ， et al . Roadmap for additive manufacturing： toward intellectualization and industrialization ［J］. Chinese Journal of Mechanical Engineering：Additive Manufacturing Frontiers ，20 22， 1 ： 1 - 21 .
Donghong D ， Zengxi P ， Dominic C ， et al . Wire-feed additive manufacturing of metal components：technologies，developments and future interests ［J］. International Journal of Advanced Manufacturing Technology ， 2015 ， 81 ： 465 - 481 .
Donghong D ， Chen S ， Zengxi P ， et al . Towards an automated robotic arc-weldig-based additive manufacturing system from CAD to finished part ［J］. Computer-Aided Design ， 2016 ， 73 ： 66 - 75 .
Mukherjee T ， DebRoy T . A digital twin for rapid qualification of 3D printed metallic components ［J］. Applied Materials Today ， 2019 ， 14 ： 59 - 65 .
Mishra S ， DebRoy T . Tailoring gas tungsten arc weld geometry using a genetic algorithm and a neural network trained with convective heat flow calculations ［J］. Materials Science and Engineering ， 2007 ， 454 ： 477 - 486 .
Lu Q ， Wong C . Additive manufacturing process monitoring and control by non-destructive testing techniques：challenges and in-process monitoring ［J］. Virtual and Physical Prototyping ， 201 ， 13 ： 39 - 48 .
Qi Q ， Tao . Digital twin and big data towards smart manufacturing and industry 4.0：360 degree comparison ［J］. IEEE Access 2018 ， 6 ： 3585 - 3593 .
DebRoy T ， Wei H ， Zuback J ， et al . Additive manufacturing of metallic components-process，structure and properties ［J］. Progress in Materials Science ， 2018 ， 92 ： 112 - 224 .
Mukherjee T ， DebRoy T . Mitigation of lack of fusion defects in powder bed fusion additive manufacturing ［J］. Journal of Manufacturing Processes ， 2018 ， 36 ： 442 - 449 .
Tao F ， Cheng J ， Qi Q ， et al . Digital twin-driven product design， manufacturing and service with big data ［J］. Advanced Manufacturing Technology ， 2018 ， 94 ： 3563 - 3576 .
Lee J ， Lapira E ， Bagheri B ， et al . Recent advances and trends in predictive manufacturing systems in big data environment ［J］. Manufacturing Letters ， 2013 ， 1 ： 38 - 41 .
Segonds F . Design by additive manufacturing：an application in aeronautics and defence ［J］. Virtual and Physical Prototyping ， 2018 ， 13 ： 237 - 245 .
LeCun Y ， Bengio Y ， Hinton G . Deep learning ［J］. Nature ， 2015 ， 521 ： 436 - 444 .
Bhadeshia H . Neural networks in materials science ［J］. ISIJ International ， 1999 ， 39 ： 966 - 979 .
DebRoy T ， Mukherjee T ， Wei H ， et al . Metallurgy，me-chanistic models and machine learning in metal printing ［J］. Nature Reviews Materials ， 2021 ， 6 ： 48 - 68 .
Donghong D ， Zengxi P ， Dominic C ， et al . Bead modelling and implementation of adaptive MAT path in wire and arc additive manufacturing ［J］. Robotics and Com-puter-Integrated Manufacturing ， 2016 ， 39 ： 32 - 42 .
Donghong D ， Fengyang H ， Lei Y ， et al . The first step towards intelligent wire arc additive manufacturing：An automatic bead modelling system using machine learning through industrial information integration ［J］. Journal of Industrial Information Integration ， 2021 ， 23 ： 10 0218 .
Knapp G ， Mukherjee T ， Zuback J ， et al . Building blocks for a digital twin of additive manufacturing ［J］. Acta Materialia ， 2017 ， 135 （ 15 ）： 390 - 399 .
Yi C ， Yi W ， Morice B . Using augmented reality to build digital twin for reconfigurable additive manufacturing system ［J］. Journal of Manufacturing Systems ， 2020 ， 56 ： 598 - 604 .
Jinsong Y ， Yue S ， Diyin T ， et al . A Digital Twin approach based on nonparametric Bayesian network for complex system health monitoring ［J］. Journal of Man-ufacturing Systems ， 2021 ， 58 ： 293 - 304 .
Evangeline P ， Anandhakumar . Digital twin technology for “smart manufacturing” ［J］. Advances in Computers . 2020 ， 117 （ 1 ）： 35 - 49 .
Vitorino J ， Ribeiro E ， Silva R ， et al . Industry 4.0-Digital Twin Applied to Direct Digital Manufacturing ［J］. Applied Mechanics and Materials ， 2019 ， 890 ： 54 - 60 .
Xinbo Qi ， Guofeng Chen ， Yong Li ， et al . Applying Neural-Network-Based Machine Learning to Additive Manufacturing：Current Applications，Challenges，and Future Perspectives ［J］. Engineering ， 2019 ， 5 （ 4 ）： 721 - 729 .
魏一雄 ， 郭磊 ， 陈亮希 ， 等 . 基于实时数据驱动的数字孪生车间研究及实现 ［J］. 计算机集成制造系统 ， 2021 ， 27 （ 2 ）： 352 - 263 .
WEI Y X ， GUO L ， CHEN L X ， et al . Research and Implementation of Digital Twin Workshop Based on Real-time Data Drive ［J］. Computer Integrated Manufacturing System ， 2021 ， 27 （ 2 ）： 352 - 263 .
Ran Z ， Xuan L ， Qian C ， et al . A Digital Twin Approach to Study Additive Manufacturing Processing Using Embedded Optical Fiber Sensors and Numerical Modeling ［J］. Journal of Lightwave Technology ， 2020 ： 0733 - 0743 .
张海军 ， 闫琼 ， 张国辉 ， 等 . 基于数字孪生的制造资源动态优选决策 ［J］. 计算机集成制造系统 ， 2021 ， 27 （ 2 ）： 521 - 535 .
ZHANG H J ， YAN Q ， ZHANG G H ， et al . Dynamic optimization of manufacturing resources based on digital twins ［J］. Computer Integrated Manufacturing System ， 2021 ， 27 （ 2 ）： 521 - 535 .
刘理想 . 电弧增材制造堆积形貌研究及堆积过程数字孪生模拟 ［D］. 湖南 ： 南华大学 ， 2020 .
LIU L X . Research on stacking morphology of arc additive manufacturing and digital twin simulation of stacking process ［D］. Hunan ： University of Nanhua ， 2020 .
Lei J ， Changsheng W ， Huadong F ， et al . Discovery of aluminium alloys with ultra-strength and high-tough-ness via a property-oriented design strategy ［J］. Journal of Material Science & Technology ， 2022 ， 98 ： 33 - 43 .
Ren K ， Chew Y X ， Zhang Y F ， et al . Thermal field prediction for laser scanning paths in laser aided additive manufacturing by physics-based machine learning ［J］. Computer Methods in Applied Mechanics and Engineering ， 2020 ， 362 ： 2734 - 2747 .
Shevchik S ， Kenel C ， Leinenbach C ， et al . Acoustic emission for in situ quality monitoring in additive manufacturing using spectral convolutional neural networks ［J］. Additive Manufacturing ， 2018 ， 21 ： 598 - 604 .
Wasmer K ， Le-Quang T ， Shevchik S ， et al . In situ quality monitoring in AM using acoustic emission：a machine learning approach ［J］. Mater Eng Perform ， 2019 ， 28 （ 2 ）： 66 - 72 .
Hui H ， Ninshu M ， Jian C ， et al . Toward large-scale simulation of residual stress and distortion in wire and arc additive manufacturing ［J］. Additive Manufacturing ， 2020 ， 34 ： 1248 - 1273 .
Qiyue W ， Wenhua J ， Yuming Z . Deep learning-emp- owered digital twin for visualized weld joint growth monitoring and penetration control ［J］. Journal of Man-ufacturing Systems ， 2020 ， 57 ： 429 - 439 .
Zengya Z ， Sibao W ， Zehua W ， et al . Surface roughness stabilization method based on digital twin-driven machining parameters self-adaption adjustment：a case study in five-axis machining ［J］. Journal of Intelligent Manufacturing ， 2020 ， 673 .
Söderberg R ， Wrmefjord K ， Carlson J ， et al . Toward a Digital Twin for real-time geometry assurance in individualized production ［J］. CIRP Annals ， 2017 ， 6 （ 1 ）： 137 - 140 .
Sieber I ， Thelen R ， Gengenbach U . Enhancement of High-Resolution 3D Inkjet-Printing of Optical Freeform Surfaces Using Digital Twins ［J］. Micromachines ， 2021 ， 12 （ 1 ）： 35 - 46 .
Chhetri S ， Faezi S ， Faruque M . Technical Report on Digital Twin Project ［R］. Digital Twin of Manufacturing Systems ， 2017 .
Yavari M ， Cole K ， Rao P . Thermal Modeling in Metal Additive Manufacturing Using Graph Theory ［J］. Journal of Manufacturing Science and Engineering ， 2019 ， 141 ： 1 - 20 .
Tuegel E ， Ingraffe A ， Eason T ， et al . Reengineering Aircraft Structural Life Prediction Using a Digital Twin ［J］. International Journal of Aerospace Engineering ， 2011 ： 1 - 14 .
Song J ， Chew Y X ， Bi G J ， et al . Numerical and experimental study of laser aided additive manufacturing for melt-pool profile and grain orientation analysis ［J］. Materials & Design ， 2018 ， 137 ： 286 - 297 .
Huang Y Z ， Khamesee M ， Toyserkani E . A comprehensive analytical model for laser powder-fed additive manufacturing ［J］. Additive Manufacturing ， 2016 ， 12 ： 90 - 99 .
Prabhakar P ， Sames W ， Dehoff R ， et al . Computational modeling of residual stress formation during the electron beam melting process for Inconel 718 ［J］. Additive Manufacturing ， 2015 ， 7 ： 83 - 91 .
Mukherjee T ， Wei H ， De A ， et al . Heat and fluid flow in additive manufacturing-Part I：Modeling of powder bed fusion ［J］. Computational Materials Science ， 2018 ， 150 ： 304 - 313 .
He X ， Mazumder J . Transport phenomena during direct metal deposition ［J］. Journal of Applied Physics ， 2007 ， 101 ： 3113 - 3123 .
Khairallah S ， Anderson A ， Rubenchik A ， et al . Laser powder-bed fusion additive manufacturing：physics of complex melt flow and formation mechanisms of pores，spatter，and denudation zones ［J］. Acta Materialia ， 2016 ， 108 ： 36 - 45 .
相关文章
相关作者
相关机构
公网安备11010802024621
