本书以“数字孪生技术”为主题，围绕智能制造过程中数字建模、流程优化及故障诊断涉及的智能算法展开研究，针对典型工艺流程优化及故障诊断遇到的难题，给读者提供相应的应对策略和技术思考。
本书重点阐述智能制造过程中的数字孪生技术，介绍了智能制造系统中的数字孪生建模技术、典型优化问题、有约束优化调度、非线性优化调度、故障冲突诊断、智能制造系统数字孪生系统平台搭建等内容，突出智能制造数字孪生技术在建模、优化和故障诊断过程中的有效性，并配以相应的实例，确保读者能直观和准确地理解各算法的精髓。
本书适合生产企业和智能制造管理部门的技术与管理人员，高等院校、科研单位计算机科学与技术、智能制造、机械电子工程等相关专业的师生阅读，为他们解决工作、学习和研究中遇到的问题提供参考。
罗智勇
哈尔滨理工大学计算机科学与技术学院教授、硕士生导师，智能计算与调度系统研究所副所长，工学博士。参与完成国家自然科学基金项目2项，主持参与完成省级科研及教改项目6项，横向进款累计超过300万元；发表 SCI、EI期刊论文30余篇；编写教材3部；曾获省级科学技术进步奖二等奖、教学成果二等奖；授权发明、实用新型等专利20余项。
第1章 智能制造与数字孪生概述 001～024
1.1 智能制造概述 002
1.1.1 制造业的发展历程 002
1.1.2 智能制造的研究现状 010
1.2 数字孪生概述 013
1.2.1 数字孪生的发展历程 014
1.2.2 数字孪生的研究现状 015
1.2.3 数字孪生的本质及意义 017
1.3 数字孪生在智能制造中的应用现状 018
1.3.1 数字孪生在智能模型生命周期中的应用 019
1.3.2 数字孪生在企业制造中的应用 020
1.4 智能制造和数字孪生的未来 021
1.4.1 未来的智能制造 021
1.4.2 未来的数字孪生 022
本章小结 023
第2章 智能制造与数字孪生的基础知识 025～058
2.1 智能制造的基础知识 026
2.1.1 智能制造的基本概念及组成 026
2.1.2 智能制造的技术体系 029
2.1.3 智能制造的支撑平台 035
2.2 数字孪生的基础知识 037
2.2.1 数字孪生的基本概念、特征及常用模型 037
2.2.2 数字孪生的应用原则及技术体系 042
2.2.3 数字孪生的支撑工具 044
2.3 建模技术理论 046
2.3.1 建模技术的基本概念 047
2.3.2 建模技术常用的方法 049
2.3.3 建模技术常用的工具 051
2.4 优化调度理论 051
2.4.1 优化调度的基本概念 052
2.4.2 优化调度常用的方法 053
2.4.3 优化调度常用的工具 056
本章小结 057
第3章 智能制造系统的数字孪生建模技术 059～100
3.1 模型设计的规则 060
3.1.1 目标函数设计 060
3.1.2 模型约束设计 062
3.2 模型的评估 064
3.2.1 模型误差分析 064
3.2.2 模型训练和评估方法 066
3.2.3 模型性能分析 069
3.3 线性模型 072
3.3.1 模型的定义 072
3.3.2 模型的求解 073
3.4 决策树模型 075
3.4.1 决策树模型的定义 075
3.4.2 决策树模型的划分选择 077
3.4.3 决策树模型的剪枝分析 078
3.5 工作流模型 080
3.5.1 Petri网方法的定义 080
3.5.2 Petri网模型过渡节点识别规则分析 082
3.5.3 Petri网方法的特点及性质分析 083
3.5.4 工作流模型的定义、分类及基本结构 085
3.5.5 工作流模型分析 088
3.5.6 工作流模型生成算法WMSA 090
3.6 概率图模型 093
3.6.1 半马尔科夫模型的定义 093
3.6.2 半马尔科夫模型分析 096
本章小结 098
第4章 智能制造系统数字孪生的典型优化问题 101～124
4.1 3D可视化智能制造数字孪生体的构建问题 102
4.1.1 数字孪生模型组建的一般步骤 102
4.1.2 某数字孪生模型相关平台的搭建 102
4.1.3 3D可视化数字孪生体场景搭建 104
4.2 数字孪生优化模型描述的相关问题 110
4.2.1 离散事件动态系统的问题 110
4.2.2 常见的描述方法 113
4.2.3 描述方法确定的原则 117
4.3 数字孪生优化模型可能存在的问题 120
4.3.1 连续与离散问题 120
4.3.2 随机与确定问题 121
4.3.3 有约束与无约束问题 121
4.3.4 线性与非线性问题 121
4.3.5 局部与全局问题 122
4.3.6 凸与非凸问题 123
本章小结 123
第5章 智能制造系统的数字孪生有约束优化调度 125～174
5.1 智能制造供应链数字孪生体优化的流程描述 126
5.1.1 汽车制造供应链结构分析 126
5.1.2 汽车制造供应链特点分析 127
5.1.3 汽车制造供应链复杂性分析 128
5.1.4 汽车制造政策描述 129
5.1.5 汽车制造供应链描述 131
5.1.6 汽车制造供应链问题分析 134
5.1.7 汽车制造工艺描述 135
5.2 线性工作流优化调度算法 143
5.2.1 约束条件及目标函数设定 143
5.2.2 优化调度算法描述 144
5.2.3 算法验证分析 145
5.3 决策树虚拟工作流优化调度算法 154
5.3.1 决策树虚拟工作流相关定义 155
5.3.2 剪枝策略 156
5.3.3 剪枝算法描述 157
5.3.4 虚拟分层算法描述 158
5.3.5 虚拟分层工作流剪枝算法DVSP描述 159
5.3.6 算法DVSP验证 161
5.3.7 算法DVSP分析 167
本章小结 172
第6章 智能制造系统的数字孪生非线性优化调度 175～202
6.1 非线性优化数字孪生体描述 176
6.1.1 汽车制造质量控制流程 176
6.1.2 汽车制造质量控制特点分析 178
6.2 非线性工作流优化算法 179
6.2.1 虚拟优化技术 179
6.2.2 非线性虚拟工作流相关定义 179
6.2.3 非线性虚拟工作流约束划分、识别规则及目标函数设定 181
6.2.4 非线性虚拟工作流建模算法 184
6.2.5 非线性虚拟工作流优化调度算法 187
6.3 汽车制造过程质量控制非线性工作流虚拟技术模型验证 190
6.4 过程质量控制非线性工作流虚拟技术优化实例分析 191
6.4.1 汽车制造过程质量控制优化调度过程分析 192
6.4.2 不同优化调度算法比较分析 198
6.4.3 优化调度算法性能分析 199
本章小结 201
第7章 智能制造系统的数字孪生故障冲突诊断 203～240
7.1 智能制造数字孪生体故障冲突概述 204
7.1.1 数字孪生体故障冲突类型 206
7.1.2 数字孪生体诊断模型常用的量化方法 207
7.1.3 故障冲突诊断方法 208
7.2 智能制造故障冲突诊断数字孪生体描述 209
7.2.1 计划与销售过程分析 209
7.2.2 订单混合生产过程分析 210
7.2.3 订单交付过程分析 212
7.2.4 汽车制造协同过程分析 214
7.3 数字孪生模型半马尔科夫故障冲突诊断算法 217
7.3.1 诊断模型的相关定义及建立 217
7.3.2 数字孪生体工作流诊断模型的量化约束 219
7.3.3 数字孪生体工作流冲突诊断模型的量化及求解 219
7.4 智能制造系统数字孪生故障冲突诊断过程 220
7.4.1 模型故障冲突诊断的相关定义 220
7.4.2 模型故障冲突诊断操作规则 222
7.4.3 模型故障冲突诊断过程 225
7.5 典型案例应用 226
7.5.1 模型算法执行性能验证 226
7.5.2 模型冲突诊断过程验证 232
本章小结 238
第8章 智能制造的数字孪生系统平台 241～259
8.1 系统平台概述 242
8.1.1 制造企业现状分析 242
8.1.2 需求及目标设计 243
8.2 系统平台的总体设计 246
8.2.1 总体原则 246
8.2.2 智能制造资源描述及分类 247
8.2.3 智能制造资源协控共享 248
8.2.4 系统平台体系结构 249
8.3 系统平台的实现 252
8.3.1 系统平台的运行环境 252
8.3.2 系统平台核心功能展示 252
8.4 系统平台的性能分析 256
8.4.1 不同优先级制造流程业务能力分析 256
8.4.2 系统平台稳定性分析 258
本章小结 258
参考文献 260
书单推荐
