可靠性数字孪生体模型构建方法、装置和计算机设备与流程

1.本技术涉及可靠性技术领域，特别是涉及一种可靠性数字孪生体模型构建方法、装置、计算机设备、存储介质和计算机程序产品。


背景技术：

2.随着物联网与人工智能技术的快速发展，产品生产呈现体系化、无人化、全域化、智能化、精确化以及集群化的发展趋势。在对产品生产要求越来越高的同时，对应的研发周期却越来越短，这就使得产品的研制模式向数字化、模型化、自动化和智能化发展。在上述发展趋势和工程需求推动下，模型和数据双驱动的数字化设计模式应运而生，而数字孪生为装备寿命周期模型与数据融合实时驱动的研发模式提供了理想的解决方案。
3.数字孪生可以连接现实世界的对象，通过构建物理实体所对应的数字孪生模型，并对数字孪生模型进行可视化、调试、体验、分析与优化，从而提升物理实体性能和运行绩效的综合性技术策略。
4.然而，在现有的产品数字孪生体模型构建方法中，以基于数字孪生的产品功能模型构建方法最为成熟，主要思路为根据产品物理实体模块、虚拟实体模块和交互通道模块的特性，提出各模块功能模型的构建方法，并通过模块间的交互关系构建整体功能模型。这样构建出来的数字孪生体模型只表征了产品功能与功能之间的作用关系，不能对产品的可靠性进行分析和评估，无法满足产品正向设计工作需求。


技术实现要素：

5.基于此，有必要针对上述技术问题，提供一种能够以产品故障为牵引的数字孪生体模型构建方法、装置、计算机设备、计算机可读存储介质和计算机程序产品。
6.第一方面，本技术提供了一种可靠性数字孪生体模型构建方法，所述方法包括：
7.获取产品的初始数字样机模型；
8.确定所述初始数字样机模型中的各组件的故障模式，基于所述故障模式确定所述各组件的组件可靠性模型，并将各所述组件可靠性模型与初始数字样机模型中对应的组件关联，获得包含了各所述组件可靠性模型的初始可靠性数字孪生体模型；
9.获取对所述产品进行实测获得的实际测量数据；
10.使用所述初始可靠性数字孪生体模型，对所述初始可靠性数字孪生体模型中的模型输入参数对应的实际测量数据，进行故障分析，获得模型故障分析结果；
11.结合所述模型故障分析结果以及所述实测获得的实测故障分析结果对所述初始可靠性数字孪生体模型进行更新，获得可靠性数字孪生体模型。
12.在其中一个实施例中，所述组件可靠性模型包括故障物理模型；
13.所述基于所述故障模式确定各所述组件的组件可靠性模型，包括：
14.确定各所述组件的故障机理，基于各所述故障机理获取各所述故障机理对应的初始故障机理模型；
15.根据各所述组件的历史运行数据以及与各所述组件的故障机理对应的初始故障机理模型，确定各所述组件的故障物理模型。
16.在其中一个实施例中，所述组件可靠性模型包括故障传递模型；
17.所述基于所述故障模式确定各所述组件的组件可靠性模型，包括：
18.对各所述组件的内部部件在故障时出现的失效行为进行分类，确定所述失效行为的失效类型，其中，所述失效类型包括组件输入失效、组件自身失效以及组件输出失效；
19.通过逻辑门将各所述组件的内部部件的失效类型进行逻辑组合，生成各所述组件的故障传递模型。
20.在其中一个实施例中，所述组件可靠性模型包括失效状态行为模型；
21.所述基于所述故障模式确定各所述组件的组件可靠性模型，包括：
22.对各所述组件进行故障分析，得到各所述组件对应的故障产生原因；
23.根据所述故障产生原因确定各所述组件对应的故障消减控制措施；
24.基于所述故障产生原因以及所述故障消减控制措施生成各所述组件的失效状态行为模型。
25.在其中一个实施例中，所述组件可靠性模型包括维修保障策略模型；
26.所述基于所述故障模式确定各所述组件的组件可靠性模型，包括：
27.获取所述各组件出现故障时对应的维修信息；
28.基于所述维修信息生成各所述组件的维修保障策略模型。
29.在其中一个实施例中，结合所述模型故障分析结果以及所述实测获得的实测故障分析结果对所述初始可靠性数字孪生体模型进行更新，获得可靠性数字孪生体模型，包括：
30.将所述模型故障分析结果与所述实测故障分析结果进行比对；
31.根据比对结果，确定所述初始可靠性数字孪生体模型中的相关参数的偏离情况；
32.基于所述相关参数的偏离情况，对所述初始可靠性数字孪生体模型进行更新，获得可靠性数字孪生体模型。
33.在其中一个实施例中，所述方法还包括：
34.获取所述产品下一阶段的产品细化信息以及产品特征信息；
35.根据所述产品细化信息以及产品特征信息对当前阶段的可靠性数字孪生体模型进行更新，得到下一阶段可靠性数字孪生体模型。
36.第二方面，本技术提供了一种可靠性数字孪生体模型构建装置，所述装置包括：
37.初始数字样机模型获取模块，用于获取产品的初始数字样机模型；
38.初始可靠性数字孪生体模型构建模块，用于确定所述初始数字样机模型中的各组件的故障模式，基于所述故障模式确定所述各组件的组件可靠性模型，并将各所述组件可靠性模型与初始数字样机模型中对应的组件关联，获得包含了各所述组件可靠性模型的初始可靠性数字孪生体模型；
39.产品实测数据获取模块，用于获取对所述产品进行实测获得的实际测量数据；
40.模型故障分析结果生成模块，用于使用所述初始可靠性数字孪生体模型，对所述初始可靠性数字孪生体模型中的模型输入参数对应的实际测量数据，进行故障分析，获得模型故障分析结果；
41.可靠性数字孪生体模型构建模块，用于结合所述模型故障分析结果以及所述实测
获得的实测故障分析结果对所述初始可靠性数字孪生体模型进行更新，获得可靠性数字孪生体模型。
42.第三方面，本技术提供了一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现上述的方法的步骤。
43.第四方面，本技术提供了一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现上述的方法的步骤。
44.上述可靠性数字孪生体模型构建方法、装置、计算机设备、存储介质和计算机程序产品，首先以产品的初始数字样机模型中的各组件为基础单元，确定各组件的故障模式，基于故障模式确定各组件的组件可靠性模型，并将各组件的组件可靠性模型关联到产品的初始数字样机模型中，从而获得包含了各组件组件可靠性模型的初始可靠性数字孪生体模型，随后根据产品实测产生的实测数据对初始可靠性数字孪生体模型进行更新，得到可靠性数字孪生体模型。由于初始可靠性数字孪生体模型在构建时是以产品各组件的组件可靠性模型为基础构建的，因此其更新得到的可靠性数字孪生体模型在使用过程中，可以以故障为中心，对产品全要素进行精准映射，真实反映产品可靠性特征、行为和故障的形成过程，对产品的可靠性进行评估，满足产品的正向设计工作需求。
附图说明
45.图1为一个实施例中可靠性数字孪生体模型构建方法的流程示意图；
46.图2为一个实施例中基于故障模式确定各组件的组件可靠性模型步骤的流程示意图；
47.图3为另一个实施例中基于故障模式确定各组件的组件可靠性模型步骤的流程示意图；
48.图4为另一个实施例中基于故障模式确定各组件的组件可靠性模型步骤的流程示意图；
49.图5为另一个实施例中基于故障模式确定各组件的组件可靠性模型步骤的流程示意图；
50.图6为另一个实施例中可靠性数字孪生体模型构建方法的流程示意图；
51.图7为一个实施例中可靠性数字孪生体模型构建装置的结构框图；
52.图8为一个实施例中计算机设备的内部结构图。
具体实施方式
53.为了使本技术的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本技术进行进一步详细说明。应当理解，此处描述的具体实施例仅仅用以解释本技术，并不用于限定本技术。
54.在一个实施例中，如图1所示，提供了一种可靠性数字孪生体模型构建方法，以该方法应用于终端进行举例说明，可以理解的是，该方法也可应用于服务器，还可以应用于包括终端和服务器的系统，并通过终端和服务器的交互实现。本实施例中，该方法包括以下步骤：
55.步骤102，获取产品的初始数字样机模型。
56.其中，产品的初始数字样机模型是可以反映产品几何特征、物理特性以及产品中各组件逻辑连接关系的数字模型。具体地，研究人员根据当前研制阶段产品的功能、逻辑或物理特征，利用相应的软件工具，按照一定的步骤构建产品对应的数字样机模型，并将数字样机模型预先存储在数据库中。在需要构建产品的可靠性数字孪生体模型时，直接从数据库中获取该产品对应的数字样机模型，将其作为产品的初始数字样机模型。
57.在其中一个实施例中，初始数字样机模型的构建方式包括：
58.根据产品的三维几何参数构建产品的几何特征模型。
59.具体地，产品几何特征模型主要描述产品的三维几何参数、装配关系以及结构关系等，其中，产品的三维几何参数包括但不限于产品的外形形状、尺寸、位置等。区别于逻辑架构模型，产品的几何特征模型从视觉上更接近物理实体，更加详细的描述产品的实际组成及连接关系。可以理解的，产品几何特征模型可以通过采用catia、solidworks等三维建模软件进行建模获得。
60.根据产品的物理特性构建产品的物理特性模型。
61.具体地，产品物理特性模型是指覆盖多学科、多领域的专业特性模型。例如机械领域的机械结构、工程材料、运动学规律、结构强度、刚度、疲劳、损伤、气动、流体等特征；电子电器领域的电磁、散热、电应力、控制等特征，以及多学科、跨领域的热固耦合、热流耦合、流固耦合等特征。可以理解的，产品物理特性模型可以通过采用abaqus、ansys、hypermesh等有限元分析软件进行建模获得。
62.基于产品的几何特征模型与产品的物理特性模型生成产品的初始数字样机模型。
63.步骤104，确定初始数字样机模型中的各组件的故障模式，基于故障模式确定各组件的组件可靠性模型，并将各组件可靠性模型与初始数字样机模型中对应的组件关联，获得包含了各组件可靠性模型的初始可靠性数字孪生体模型。
64.其中，初始数字样机模型中的各个组件为对产品进行故障分析时需要分析到的最小单元。例如，对手机产品进行故障分析时，基础单元可以是显示屏、信息处理模块、供电模块等。而如果以手机中的信息处理模块为产品进行故障分析，则其基础单元可以是信号接收单元、信号处理单元以及信号发送单元等。可以理解的，每个组件都有其对应的组件名称与id编码，用来为后期将各组件的组件可靠性模型关联到初始数字样机模型中提供识别定位作用。
65.其中，故障模式是各组件出现故障时的基本表现形式。故障模式包括硬件故障和功能故障。具体地，对于层次比较低的组件。而对于高层次的组件，则同时可以存在硬件故障和功能故障。例如，信号处理模块的组件即信号接收单元、信号处理单元以及信号发送单元，容易存在的故障模式多为硬件故障。而手机产品的组件即显示屏、信号处理模块、供电模块等，则可能同时存在硬件故障和功能故障。可以理解的，由低层次单元输出不稳定导致高层次单元功能无法实现的故障模式，可以认为是功能故障模式。所以当确定组件的故障模式为功能故障时，只需要表征各层次单元硬件故障之间的逻辑关系即可。
66.其中，组件可靠性模型为可以对各组件故障的发生原因以及发生故障后引起的一系列活动进行表征的数字模型。可以理解的，发生故障后可能引起的活动包括但不限于故障传递、故障检测、故障维修与保证、系统状态变化等。
67.具体地，以初始数字样机模型中的各组件为基础单元，确定各组件的故障模式，基
于各组件对应的故障模式对各组件进行故障分析，根据故障分析结果确定各组件的组件可靠性模型。将各组件的组件可靠性模型根据各组件的名称和id编码，关联到产品初始数字样机模型中，获得初始可靠性数字孪生体模型。
68.在其中一个实施例中，各组件与故障模式间的关联关系预先存储在数据库中，根据各组件的名称与id编码即可以从数据库中获取对应的故障模式。
69.在其中一个实施例中，若组件在数据库中没有预先存储的与故障模式间的关联关系，则根据组件的工作原理进行分析，确定组件的故障模式。
70.步骤106，获取对产品进行实测获得的实际测量数据。
71.具体地，利用传感器与数据采集系统收集产品实物系统运行过程中相关环境参数、产品状态以及行为数据，得到产品的实际测量数据，获取产品的实际测量数据。
72.在其中一个实施例中，利用传感器与数据采集系统收集产品实物系统运行过程中的产品实际测量数据后，还需要对采集到的数据进行预处理。具体地，通过数据清洗、数据变换、数据规约等预处理方法，对直接采集的数据进行异常数据清除、错误数据纠正、重复数据清除、数据平滑、数据规范化以及有用数据特征寻找等。
73.步骤108，使用初始可靠性数字孪生体模型，对初始可靠性数字孪生体模型中的模型输入参数对应的实际测量数据，进行故障分析，获得模型故障分析结果。
74.具体地，使用产品实物，基于初始可靠性数字孪生体模型的可靠性系统工程软件平台、相关传感器以及数据采集处理系统搭建相应的测试运行环境，建立产品实际测量数据与初始可靠性数字孪生体模型相关输入参数之间的映射关系。将初始可靠性数字孪生体模型中模型输入参数对应的实际测量数据输入到初始可靠性数字孪生体模型中，进行故障分析，将虚拟仿真分析得到的故障分析结果确定为模型故障分析结果。可以理解的，输入参数可以是产品的任务时间、各时间段内产品或组件的测试点位置、维修保障站点数量、产品的可靠性参数等。
75.在其中一个实施例中，可靠性系统工程软件平台包含有与mbse软件、产品设计系统、仿真系统、项目管理系统等的接口。
76.步骤110，结合模型故障分析结果以及实测获得的实测故障分析结果对初始可靠性数字孪生体模型进行更新，获得可靠性数字孪生体模型。
77.其中，实测故障分析结果是产品实物在搭建的测试运行环境中进行运行测试得到的，代表了产品实物的真实故障分析结果。
78.具体地，将模型故障分析记过和实测故障分析结果进行对比，根据对比的结果对初始可靠性数字孪生体模型进行更新，得到可靠性数字孪生体模型。
79.上述可靠性数字孪生体模型构建方法中，首先以产品的初始数字样机模型中的各组件为基础单元，确定各组件的故障模式，基于故障模式确定各组件的组件可靠性模型，并将各组件的组件可靠性模型关联到产品的初始数字样机模型中，从而获得包含了各组件组件可靠性模型的初始可靠性数字孪生体模型，随后根据产品实测产生的实测数据对初始可靠性数字孪生体模型进行更新，得到可靠性数字孪生体模型。由于初始可靠性数字孪生体模型在构建时是以产品各组件的组件可靠性模型为基础构建的，因此其更新得到的可靠性数字孪生体模型在使用过程中，可以以故障为中心，对产品全要素进行精准映射，真实反映产品可靠性特征、行为和故障的形成过程，对产品的可靠性进行评估，满足产品的正向设计
工作需求。
80.在一个实施例中，如图2所示，组件可靠性模型包括故障物理模型；基于故障模式确定各组件的组件可靠性模型，包括以下步骤：
81.步骤202，确定各组件的故障机理，基于各故障机理获取各故障机理对应的初始故障机理模型。
82.其中，组件的故障机理是指组件在运行失效时引起失效的故障物理过程。每一种故障机理都有其对应的故障机理模型。可以理解的，本实施例中，各故障机理与去对应的故障机理模型都以关联的形式被预先存储在数据库中，在确定了组件的故障机理后，可以直接从数据库中获取该故障机理对应的故障机理模型作为初始故障机理模型。
83.具体地，根据各组件的运行过程分析确定各组件对应的故障机理，根据各组件对应的故障机理从数据库中获取预先存储的故障机理模型，将该故障机理模型作为初始故障机理模型。其中，常见的故障机理模型有互连热疲劳寿命、低周疲劳模型、高周疲劳模型、裂纹扩展模型、扩散模型、阿伦尼乌斯(arrhenius)模型和艾林(eyring)模型等。
84.步骤204，根据各组件的历史数据以及与各组件的故障机理对应的初始故障机理模型，确定各组件的故障物理模型。
85.其中，各组件的历史数据为各组件的历史运行数据。具体地，每个故障机理模型都有其对应的模型参数，模型参数的具体取值与对应的组件以及组件的运行数据相关，因此在得到初始故障机理模型后，需要根据各组件的历史数据来确定对应的初始故障机理模型的模型参数，最终得到各组件的故障物理模型。
86.在其中一个实施例中，若某一组件的故障机理并不存在对应的故障机理模型，则根据该组件的大量历史失效数据，使用建模语言构建对应故障机理模型，将该故障机理模型确定为该组件的故障物理模型。
87.本实施例中，通过分析确定各组件的故障机理，并基于各故障机理获取对应的初始故障机理模型，同时根据各组件的历史运行数据对初始故障机理模型进行更新，得到各组件对应的故障物理模型。由于故障物理模型是基于各组件的故障机理进行构建的，因此故障物理模型可以对各组件在机械、电子、热、化学等物理过程作用下的失效行为规律机芯准确的描述，在实际使用时，可以为产品材料、元件的改良、分类、使用以及产品的可靠性评估、设计优化、维修等提供依据。
88.在一个实施例中，如图3所示，组件可靠性模型包括故障传递模型；基于故障模式确定各组件的组件可靠性模型，包括以下步骤：
89.步骤302，对各组件的内部部件在故障时出现的失效行为进行分类，确定失效行为的失效类型，其中，失效类型包括组件输入失效、组件自身失效以及组件输出失效。
90.其中，各组件可以由至少一个内部部件构成，各组件在发生故障时，其内部部件出现失效行为的失效类型是不一样的，失效类型包括组件输入失效、组件自身失效以及组件输出失效。组件输入失效是指外部的东西无法输入到组件内部的失效行为；组件自身失效是指组件自身内部部件损坏，无法进行工作出现的失效行为；组件输出失效是指组件无法将内部的东西传输至外部的失效欣慰。
91.以组件为电脑的主机箱为例，主机箱内部包含了多个部件，如电源接口、与显示屏的接口、usb接口、网口、处理器与存储器等，则组件输入失效指的是电源输入不正常、键盘
输入或是网络传输数据无法传输至usb接口或网口等；组件自身失效指的是存储器失效、处理器失效、电源输入接口失效等；组件输出失效指的是梳理后的信息由于主机箱自身原因无法传输到显示屏或无法通过网口发出去等。
92.具体地，分析各组件出现故障时，其内部部件的失效行为，对失效行为进行分类，确定失效行为的失效类型，其中，失效类型包括组件输入失效、组件自身失效以及组件输出失效。
93.步骤304，通过逻辑门将各组件的内部部件的失效类别进行逻辑组合，生成各组件的故障传递模型。
94.具体地，将各组件的内部部件的失效类别采用逻辑门表征的图形化建模方法，通过逻辑门进行逻辑组合，生成各组件对应的故障传递模型。
95.在其中一个实施例中，逻辑门包括与、或、非、选择、表决的逻辑。
96.在上述实施例中，通过对各组件内部部件的失效类别进行分类，并通过逻辑门进行逻辑组合，得到各组件的故障传递模型。因此故障传递模型可以在某一部件发送故障时，对该故障可能产生的整体影响进行有效评估，满足产品正向设计工作需求。
97.在一个实施例中，如图4所示，组件可靠性模型包括失效状态行为模型；基于故障模式确定各组件的组件可靠性模型，包括以下步骤：
98.步骤402，对各组件进行故障分析，得到各组件对应的故障产生原因。
99.具体地，各组件产生故障时，都有其对应的故障产生原因，对各组件可能产生的故障进行故障分析，得到各组件可能产生故障的原因。例如，对手机的显示屏可能产生的故障有显示屏无法显示页面、显示屏显示页面色彩失真等，对显示屏可能产生的故障进行故障分析，则其可能产生故障的原因有显示屏接口故障、显示屏显示元件故障、显示屏老化等。
100.步骤404，根据故障产生原因确定各组件对应的故障消减控制措施。
101.其中，故障消减控制措施为消除组件故障的过程中所需要使用的措施，包括但不限于失效检测、维修保证活动、功能重构等措施。可以理解的故障消减控制措施与故障原因对应，每个故障原因都有其对应的故障消减控制措施。如当显示屏的故障原因为显示屏接口故障时，其对应的故障消减控制措施包括但不限于检测显示屏接口、确定显示屏接口的失效行为类型，维修显示屏接口的具体维修措施等。具体地，根据各组件故障产生原因确定各组件对应的故障消减控制措施。
102.步骤406，基于故障产生原因以及故障消减控制措施生成各组件的失效状态行为模型。
103.具体地，根据各组件可能产生的故障对应的故障产生原因以及该故障产生原因对应的故障消减控制措施进行建模，生成各组件的失效状态行为模型。
104.在其中一个实施例中，采用状态机图到的方法，根据各组件可能产生的故障对应的故障产生原因以及该故障产生原因对应的故障消减控制措施进行建模，生成各组件的失效状态行为模型。
105.在上述实施例中，以故障产生原因以及故障消减控制措施为输入，建立各组件的失效状态行为模型。因此失效状态行为模型可以对产品组件由于各种原因导致组件失效、失效检测、维修保障活动或是功能重构，最终组件恢复正常状态的完整状态转换过程进行表征，包括组件状态、状态检测关系、失效传递关系、维修保障活动等进行表征。在产品发送
故障时，失效状态行为模型可以给出产品从故障到恢复正常的完整处理方案，在对产品进行可靠性评估时可以更加全面，进一步满足产品的正向设计工作需求。
106.在一个实施例中，如图5所示，组件可靠性模型包括维修保障策略模型；基于故障模式确定各组件的组件可靠性模型，包括以下步骤：
107.步骤502，获取各组件出现故障时对应的维修信息。
108.其中，维修信息是将各组件出现故障时的维修保障工作分解成为各个字工作或工序所生成的信息，预先存储在数据库中。
109.具体地，研发过程中，考虑失效机理以及实时运行状态相对应的使用于维修保证策略是借助产品可靠性数字孪生技术，形成与产品保障相匹配的保障方案，将使用于维修保障工作分解成为各个子工作或子工序，确定出每个子工作或子工序所对应的维修、测试以及保障资源需求作为维修信息。获取各组件出现故障时对应的维修信息。
110.步骤504，基于维修信息生成各组件的维修保障策略模型。
111.具体地，将维修信息作为输入信息，构建各组件的维修保障策略模型。
112.在其中一个实施例中，各组件的维修保障策略模型采用sysml规范建模语言进行构建。
113.在其中一个实施例中，维修保障策略模型包括维修测试保障活动模型以及保障组织模型。
114.具体地，维修测试保障活动模型描述了功能失效发生后的故障检测、故障维修和资源调配等活动过程。其中，检测活动多采用bit(built-in test)设计，可直接在功能模型的活动行为模型中进行扩展，故障维修保障活动等均需由系统外部参与人员执行，需在外部参与者的活动行为模型中进行扩展。保障组织模型包括维修站点、维修人员及保障资源模型，属于装备系统的外部交互系统组成部分，主要采取sysml模型中的“参与者”(元模型类型actor)来进行建模，其中维修站点由维修人员和保障资源组成，维修站点具有维修级别、人员数量、备件类型及备件数量等属性，具体维修组织与产品的维修保障支撑关系在维修保障活动模型中体现。
115.在上述实施例中，根据各组件产生故障时对应维修信息生成维修保障策略模型，可以对产品产生功能失效后的维修测试保障活动以及保障组织活动进行表征，在产品发送故障时，可以给出产品如何进行维修保障处理的完整处理方案，在对产品进行可靠性评估时可以更加全面，进一步满足产品的正向设计工作需求。
116.在一个实施例中，结合模型故障分析结果以及实测获得的实测故障分析结果对初始可靠性数字孪生体模型进行更新，获得可靠性数字孪生体模型，包括：
117.将模型故障分析结果与实测故障分析结果进行比对；根据比对结果，确定初始可靠性数字孪生体模型中的相关参数的偏离情况；基于相关参数的偏离情况，对初始可靠性数字孪生体模型进行更新，获得可靠性数字孪生体模型。
118.其中，相关参数为构建初始可靠性数字孪生体模型时的设计参数，如设计的各组件的测试点、维修的站点等等。
119.具体地，模型故障分析结果为将产品实测数据输入到构建的初始可靠性数字孪生体模型中所获得的故障分析结构；实测故障分析结果为产品实物在搭建的运行环境中实际产生的故障并对故障进行分析之后得到的产品的真实故障分析结果。将二者进行比对，得
到初始可靠性数字孪生体模型相关参数的偏离情况。根据参数偏离情况，对初始可靠性数字孪生体模型中的相关参数的取值进行调整，更新初始可靠性数字孪生体模型，得到产品的可靠性数字孪生体模型。
120.在其中一个实施例中，在产品设计阶段，可以根据模型故障分析结果与实测故障分析记过进行对比，判断是否存在设计薄弱环节，若存在，即根据对比结果对产品设计方案进行优化。
121.在上述实施例中，通过将实测故障分析结果与模型故障分析结果进行比对，根据实体产品的故障分析结果，更新初始可靠性数字孪生体模型。可以保证最终生成的可靠性数字孪生体模型能够对产品全要素进行精确映射，真实反映产品可靠性特征、行为和故障的形成过程，满足产品正向设计工作需求。
122.在一个实施例中，可靠性数字孪生体模型构建方法还包括：获取产品下一阶段的产品细化信息以及产品特征信息；根据产品细化信息以及产品特征信息对当前阶段的可靠性数字孪生体模型进行更新，得到下一阶段可靠性数字孪生体模型。
123.具体地，在实际生产过程中，随着产品研制进度的深入，产品的实际更新速度是非常迅速的。在当前阶段产品的可靠性数字孪生体模型已经构建好的基础上，若下一阶段的产品是在当前阶段产品的基础上进行产品细化得到的，在构建下一阶段产品的可靠性数字孪生体模型时，首先获取下一阶段的产品细化信息以及产品特征信息，根据产品细化信息以及产品特征信息对当前阶段的可靠性数字孪生体模型进行细化和修正，更新当前阶段的可靠性数字孪生体模型，得到下一阶段可靠性数字孪生体模型。可以理解的，下一阶段可靠性数字孪生体模型中相关建模过程与方法与上述实施例中的建模过程与方法类似，此处不再赘述。
124.使用本实施例中的方法，在下一阶段的产品是在前一阶段产品的基础上进行产品细化得到的情况下，基于下一阶段的产品细化信息以及产品特征信息对当前阶段的可靠性数字孪生体模型进行细化和修正，可以快速得到下一阶段可靠性数字孪生体模型。极大的加快了下一阶段可靠性数字孪生体模型的构建速度，降低了研发人员的工作量，节省了产品研发过程中的研发成本。
125.在一个实施例中，如图6所示，提供了一中可靠性数字孪生体模型构建方法，该方法应用于终端设备，设备上设置有数据库，数据库中预先存储有需要使用的初始模型以及构建可靠性数字孪生体模型需要使用的相关数据。设备上安装有catia、solidworks、abaqus、ansys、hypermesh等相关软件。
126.首先，建立产品的初始数字样机模型，其中，产品的初始数字样机模型是可以反映产品几何特征、物理特性以及产品中各组件逻辑连接关系的数字模型。具体地，研究人员根据当前研制阶段产品的三维几何参数采用catia、solidworks等三维建模软件建立产品几何特征模型；根据产品的物理特征采用abaqus、ansys、hypermesh等有限元分析软件建立产品物理特征模型。基于产品几何特征模型与产品物理特征模型建立产品的初始样机数字模型。
127.随后，以初始样机数字模型中各组件为基础单元，以故障为中心分析并表征产品可靠性特征与行为规律，从各个方面分析产品故障的发生及故障发生后引起的一系列活动，包括故障传递、故障检测、故障维修与保障、系统状态变化等，根据分析结果，建立各组
件对应的各组件可靠性模型，其中，组件可靠性模型包括故障物理子模型、故障传递子模型、失效状态行为子模型以及维修保障策略子模型。将各组件可靠性模型与初始数字样机模型中对应组件进行关联。具体地，借助信息化平台，打通构建故障子模型所采用的软件，如catia、abaqus、ansys、rhapsody等软件的系统接口，使用系统工程建模语言或形式化建模语言，将各组件可靠性模型融入到初始数字样机模型中，建立融合可靠性要素的产品初始可靠性数字孪生体模型。可以理解的，本技术的方法建立的故障物理模型、故障传递模型、状态行为模型、维修保障策略模型都是嵌入到相应阶段的产品功能、逻辑架构或物理特征模型中的，所以，在表面形式上只能看到产品的初始数字样机模型。
128.获取产品进行实测获得的实际测量数据，使用初始可靠性数字孪生体模型，对初始可靠性数字孪生体模型中的模型输入参数对应的实际测量数据，进行故障分析，获得模型故障分析结果；结合模型故障分析结果以及实测获得的实测故障分析结果对初始可靠性数字孪生体模型进行更新，获得可靠性数字孪生体模型。
129.最后，根据下一阶段产品细化信息及特征信息更新当前阶段的可靠性数字孪生体模型，得到下一阶段可靠性数字孪生体模型。
130.应该理解的是，虽然如上所述的各实施例所涉及的流程图中的各个步骤按照箭头的指示依次显示，但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明，这些步骤的执行并没有严格的顺序限制，这些步骤可以以其它的顺序执行。而且，如上所述的各实施例所涉及的流程图中的至少一部分步骤可以包括多个步骤或者多个阶段，这些步骤或者阶段并不必然是在同一时刻执行完成，而是可以在不同的时刻执行，这些步骤或者阶段的执行顺序也不必然是依次进行，而是可以与其它步骤或者其它步骤中的步骤或者阶段的至少一部分轮流或者交替地执行。
131.基于同样的发明构思，本技术实施例还提供了一种用于实现上述所涉及的可靠性数字孪生体模型构建方法的可靠性数字孪生体模型构建装置。该装置所提供的解决问题的实现方案与上述方法中所记载的实现方案相似，故下面所提供的一个或多个可靠性数字孪生体模型构建装置实施例中的具体限定可以参见上文中对于可靠性数字孪生体模型构建方法的限定，在此不再赘述。
132.在一个实施例中，如图7所示，提供了一种可靠性数字孪生体模型构建装置700，包括：初始数字样机模型获取模块701、初始可靠性数字孪生体模型构建模块702、产品实测数据获取模块703、模型故障分析结果生成模块704和可靠性数字孪生体模型构建模块705，其中：
133.初始数字样机模型获取模块701，用于获取产品的初始数字样机模型。
134.初始可靠性数字孪生体模型构建模块702，用于确定初始数字样机模型中的各组件的故障模式，基于故障模式确定各组件的组件可靠性模型，并将各组件可靠性模型与初始数字样机模型中对应的组件关联，获得包含了各组件可靠性模型的初始可靠性数字孪生体模型。
135.产品实测数据获取模块703，用于获取对产品进行实测获得的实际测量数据。
136.模型故障分析结果生成模块704，用于使用初始可靠性数字孪生体模型，对初始可靠性数字孪生体模型中的模型输入参数对应的实际测量数据，进行故障分析，获得模型故障分析结果。
137.可靠性数字孪生体模型构建模块705，用于结合模型故障分析结果以及实测获得的实测故障分析结果对数字孪生体模型进行更新，获得可靠性数字孪生体模型。
138.上述可靠性数字孪生体模型构建装置，首先以产品的初始数字样机模型中的各组件为基础单元，确定各组件的故障模式，基于故障模式确定各组件的组件可靠性模型，并将各组件的组件可靠性模型关联到产品的初始数字样机模型中，从而获得包含了各组件组件可靠性模型的初始可靠性数字孪生体模型，随后根据产品实测产生的实测数据对初始可靠性数字孪生体模型进行更新，得到可靠性数字孪生体模型。由于数字孪生体模型在构建时是以产品各组件的组件可靠性模型为基础构建的，因此其更新得到的可靠性数字孪生体模型在使用过程中，可以以故障为中心，对产品全要素进行精准映射，真实反映产品可靠性特征、行为和故障的形成过程，对产品的可靠性进行评估，满足产品的正向设计工作需求。
139.在一个实施例中，组件可靠性模型包括故障物理模型；初始可靠性数字孪生体模型构建模块702还包括：确定各组件的故障机理，基于各故障机理获取各故障机理对应的初始故障机理模型；
140.根据各组件的历史运行数据以及与各组件的故障机理对应的初始故障机理模型，确定各组件的故障物理模型。
141.在一个实施例中，组件可靠性模型包括故障传递模型；初始可靠性数字孪生体模型构建模块702还包括：对各组件的内部部件在故障时出现的失效行为进行分类，确定失效行为的失效类型，其中，失效类型包括组件输入失效、组件自身失效以及组件输出失效；
142.通过逻辑门将各组件的内部部件的失效类型进行逻辑组合，生成各组件的故障传递模型。
143.在一个实施例中，组件可靠性模型包括失效状态行为模型；初始可靠性数字孪生体模型构建702模块还包括：对各组件进行故障分析，得到各组件对应的故障产生原因；
144.根据故障产生原因确定各组件对应的故障消减控制措施；
145.基于故障产生原因以及故障消减控制措施生成各组件的失效状态行为模型。
146.在一个实施例中，组件可靠性模型包括维修保障策略模型；初始可靠性数字孪生体模型构建702模块还包括：获取各组件出现故障时对应的维修信息；基于维修信息生成各组件的维修保障策略模型。
147.在一个实施例中，可靠性数字孪生体模型构建模块705还包括：将模型故障分析结果与实测故障分析结果进行比对；
148.根据比对结果，确定初始可靠性数字孪生体模型中的相关参数的偏离情况；
149.基于相关参数的偏离情况，对初始可靠性数字孪生体模型进行更新，获得可靠性数字孪生体模型。
150.在一个实施例中，可靠性数字孪生体模型构建装置还包括：下一阶段可靠性数字孪生体模型构建模块，用于获取产品下一阶段的产品细化信息以及产品特征信息；
151.根据产品细化信息以及产品特征信息对当前阶段的可靠性数字孪生体模型进行更新，得到下一阶段可靠性数字孪生体模型。
152.上述可靠性数字孪生体模型构建装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中，也可以以软件形式存储于计算机设备中的存储器中，以便于处理器调用执行以上各个模块对
应的操作。
153.在一个实施例中，提供了一种计算机设备，该计算机设备可以是本技术中的终端设备，其内部结构图可以如图8所示。该计算机设备包括通过系统总线连接的处理器、存储器、通信接口、显示屏和输入装置。其中，该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统和计算机程序。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的通信接口用于与外部的终端进行有线或无线方式的通信，无线方式可通过wifi、移动蜂窝网络、nfc(近场通信)或其他技术实现。该计算机程序被处理器执行时以实现一种可靠性数字孪生体模型构建方法。该计算机设备的显示屏可以是液晶显示屏或者电子墨水显示屏，该计算机设备的输入装置可以是显示屏上覆盖的触摸层，也可以是计算机设备外壳上设置的按键、轨迹球或触控板，还可以是外接的键盘、触控板或鼠标等。
154.本领域技术人员可以理解，图8中示出的结构，仅仅是与本技术方案相关的部分结构的框图，并不构成对本技术方案所应用于其上的计算机设备的限定，具体的计算机设备可以包括比图中所示更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。
155.在一个实施例中，提供了一种计算机设备，包括存储器和处理器，存储器中存储有计算机程序，该处理器执行计算机程序时实现以下步骤：
156.获取产品的初始数字样机模型；
157.确定初始数字样机模型中的各组件的故障模式，基于故障模式确定各组件的组件可靠性模型，并将各组件可靠性模型与初始数字样机模型中对应的组件关联，获得包含了各组件可靠性模型的数字孪生体模型；
158.获取对产品进行实测获得的实际测量数据；
159.使用初始可靠性数字孪生体模型，对初始可靠性数字孪生体模型中的模型输入参数对应的实际测量数据，进行故障分析，获得模型故障分析结果；
160.结合模型故障分析结果以及实测获得的实测故障分析结果对初始可靠性数字孪生体模型进行更新，获得可靠性数字孪生体模型。
161.在一个实施例中，处理器执行计算机程序时还实现以下步骤：
162.组件可靠性模型包括故障物理模型；基于故障模式确定各组件的组件可靠性模型，包括：
163.确定各组件的故障机理，基于各故障机理获取各故障机理对应的初始故障机理模型；
164.根据各组件的历史运行数据以及与各组件的故障机理对应的初始故障机理模型，确定各组件的故障物理模型。
165.在一个实施例中，处理器执行计算机程序时还实现以下步骤：
166.组件可靠性模型包括故障传递模型；基于故障模式确定各组件的组件可靠性模型，包括：
167.对各组件的内部部件在故障时出现的失效行为进行分类，确定失效行为的失效类型，其中，失效类型包括组件输入失效、组件自身失效以及组件输出失效；
168.通过逻辑门将各组件的内部部件的失效类型进行逻辑组合，生成各组件的故障传
递模型。
169.在一个实施例中，处理器执行计算机程序时还实现以下步骤：
170.组件可靠性模型包括失效状态行为模型；基于故障模式确定各组件的组件可靠性模型，包括：
171.对各组件进行故障分析，得到各组件对应的故障产生原因；
172.根据故障产生原因确定各组件对应的故障消减控制措施；
173.基于故障产生原因以及故障消减控制措施生成各组件的失效状态行为模型。
174.在一个实施例中，处理器执行计算机程序时还实现以下步骤：
175.组件可靠性模型包括维修保障策略模型；基于故障模式确定各组件的组件可靠性模型，包括：
176.获取各组件出现故障时对应的维修信息；
177.基于维修信息生成各组件的维修保障策略模型。
178.在一个实施例中，处理器执行计算机程序时还实现以下步骤：
179.将模型故障分析结果与实测故障分析结果进行比对；
180.根据比对结果，确定初始可靠性数字孪生体模型中的相关参数的偏离情况；
181.基于相关参数的偏离情况，对初始可靠性数字孪生体模型进行更新，获得可靠性数字孪生体模型。
182.在一个实施例中，处理器执行计算机程序时还实现以下步骤：
183.获取产品下一阶段的产品细化信息以及产品特征信息；
184.根据产品细化信息以及产品特征信息对当前阶段的可靠性数字孪生体模型进行更新，得到下一阶段可靠性数字孪生体模型。
185.在一个实施例中，提供了一种计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现以下步骤：
186.获取产品的初始数字样机模型；
187.确定初始数字样机模型中的各组件的故障模式，基于故障模式确定各组件的组件可靠性模型，并将各组件可靠性模型与初始数字样机模型中对应的组件关联，获得包含了各组件可靠性模型的初始可靠性数字孪生体模型；
188.获取对产品进行实测获得的实际测量数据；
189.使用初始可靠性数字孪生体模型，对初始可靠性数字孪生体模型中的模型输入参数对应的实际测量数据，进行故障分析，获得模型故障分析结果；
190.结合模型故障分析结果以及实测获得的实测故障分析结果对初始可靠性数字孪生体模型进行更新，获得可靠性数字孪生体模型。
191.在一个实施例中，计算机程序被处理器执行时还实现以下步骤：
192.组件可靠性模型包括故障物理模型；基于故障模式确定各组件的组件可靠性模型，包括：
193.确定各组件的故障机理，基于各故障机理获取各故障机理对应的初始故障机理模型；
194.根据各组件的历史运行数据以及与各组件的故障机理对应的初始故障机理模型，确定各组件的故障物理模型。
195.在一个实施例中，计算机程序被处理器执行时还实现以下步骤：
196.组件可靠性模型包括故障传递模型；基于故障模式确定各组件的组件可靠性模型，包括：
197.对各组件的内部部件在故障时出现的失效行为进行分类，确定失效行为的失效类型，其中，失效类型包括组件输入失效、组件自身失效以及组件输出失效；
198.通过逻辑门将各组件的内部部件的失效类型进行逻辑组合，生成各组件的故障传递模型。
199.在一个实施例中，计算机程序被处理器执行时还实现以下步骤：
200.组件可靠性模型包括失效状态行为模型；基于故障模式确定各组件的组件可靠性模型，包括：
201.对各组件进行故障分析，得到各组件对应的故障产生原因；
202.根据故障产生原因确定各组件对应的故障消减控制措施；
203.基于故障产生原因以及故障消减控制措施生成各组件的失效状态行为模型。
204.在一个实施例中，计算机程序被处理器执行时还实现以下步骤：
205.组件可靠性模型包括维修保障策略模型；基于故障模式确定各组件的组件可靠性模型，包括：
206.获取各组件出现故障时对应的维修信息；
207.基于维修信息生成各组件的维修保障策略模型。
208.在一个实施例中，计算机程序被处理器执行时还实现以下步骤：
209.将模型故障分析结果与实测故障分析结果进行比对；
210.根据比对结果，确定初始可靠性数字孪生体模型中的相关参数的偏离情况；
211.基于相关参数的偏离情况，对初始可靠性数字孪生体模型进行更新，获得可靠性数字孪生体模型。
212.在一个实施例中，计算机程序被处理器执行时还实现以下步骤：
213.获取产品下一阶段的产品细化信息以及产品特征信息；
214.根据产品细化信息以及产品特征信息对当前阶段的可靠性数字孪生体模型进行更新，得到下一阶段可靠性数字孪生体模型。
215.在一个实施例中，提供了一种计算机程序产品，包括计算机程序，该计算机程序被处理器执行时实现以下步骤：
216.获取产品的初始数字样机模型；
217.确定初始数字样机模型中的各组件的故障模式，基于故障模式确定各组件的组件可靠性模型，并将各组件可靠性模型与初始数字样机模型中对应的组件关联，获得包含了各组件可靠性模型的数字孪生体模型；
218.获取对产品进行实测获得的实际测量数据；
219.使用初始可靠性数字孪生体模型，对初始可靠性数字孪生体模型中的模型输入参数对应的实际测量数据，进行故障分析，获得模型故障分析结果；
220.结合模型故障分析结果以及实测获得的实测故障分析结果对初始可靠性数字孪生体模型进行更新，获得可靠性数字孪生体模型。
221.在一个实施例中，计算机程序被处理器执行时还实现以下步骤：
222.组件可靠性模型包括故障物理模型；基于故障模式确定各组件的组件可靠性模型，包括：
223.确定各组件的故障机理，基于各故障机理获取各故障机理对应的初始故障机理模型；
224.根据各组件的历史运行数据以及与各组件的故障机理对应的初始故障机理模型，确定各组件的故障物理模型。
225.在一个实施例中，计算机程序被处理器执行时还实现以下步骤：
226.组件可靠性模型包括故障传递模型；基于故障模式确定各组件的组件可靠性模型，包括：
227.对各组件的内部部件在故障时出现的失效行为进行分类，确定失效行为的失效类型，其中，失效类型包括组件输入失效、组件自身失效以及组件输出失效；
228.通过逻辑门将各组件的内部部件的失效类型进行逻辑组合，生成各组件的故障传递模型。
229.在一个实施例中，计算机程序被处理器执行时还实现以下步骤：
230.组件可靠性模型包括失效状态行为模型；基于故障模式确定各组件的组件可靠性模型，包括：
231.对各组件进行故障分析，得到各组件对应的故障产生原因；
232.根据故障产生原因确定各组件对应的故障消减控制措施；
233.基于故障产生原因以及故障消减控制措施生成各组件的失效状态行为模型。
234.在一个实施例中，计算机程序被处理器执行时还实现以下步骤：
235.组件可靠性模型包括维修保障策略模型；基于故障模式确定各组件的组件可靠性模型，包括：
236.获取各组件出现故障时对应的维修信息；
237.基于维修信息生成各组件的维修保障策略模型。
238.在一个实施例中，计算机程序被处理器执行时还实现以下步骤：
239.将模型故障分析结果与实测故障分析结果进行比对；
240.根据比对结果，确定初始可靠性数字孪生体模型中的相关参数的偏离情况；
241.基于相关参数的偏离情况，对初始可靠性数字孪生体模型进行更新，获得可靠性数字孪生体模型。
242.在一个实施例中，计算机程序被处理器执行时还实现以下步骤：
243.获取产品下一阶段的产品细化信息以及产品特征信息；
244.根据产品细化信息以及产品特征信息对当前阶段的可靠性数字孪生体模型进行更新，得到下一阶段可靠性数字孪生体模型。
245.需要说明的是，本技术所涉及的用户信息(包括但不限于用户设备信息、用户个人信息等)和数据(包括但不限于用于分析的数据、存储的数据、展示的数据等)，均为经用户授权或者经过各方充分授权的信息和数据。
246.本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一非易失性计算机可读取存储介质中，该计算机程序在执行时，可包括如上述各方法的实施例的流程。其中，
本技术所提供的各实施例中所使用的对存储器、数据库或其它介质的任何引用，均可包括非易失性和易失性存储器中的至少一种。非易失性存储器可包括只读存储器(read-only memory，rom)、磁带、软盘、闪存、光存储器、高密度嵌入式非易失性存储器、阻变存储器(reram)、磁变存储器(magnetoresistive random access memory，mram)、铁电存储器(ferroelectric random access memory，fram)、相变存储器(phase change memory，pcm)、石墨烯存储器等。易失性存储器可包括随机存取存储器(random access memory，ram)或外部高速缓冲存储器等。作为说明而非局限，ram可以是多种形式，比如静态随机存取存储器(static random access memory，sram)或动态随机存取存储器(dynamic random access memory，dram)等。本技术所提供的各实施例中所涉及的数据库可包括关系型数据库和非关系型数据库中至少一种。非关系型数据库可包括基于区块链的分布式数据库等，不限于此。本技术所提供的各实施例中所涉及的处理器可为通用处理器、中央处理器、图形处理器、数字信号处理器、可编程逻辑器、基于量子计算的数据处理逻辑器等，不限于此。
247.以上实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。
248.以上所述实施例仅表达了本技术的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对本技术专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本技术构思的前提下，还可以做出若干变形和改进，这些都属于本技术的保护范围。因此，本技术的保护范围应以所附权利要求为准。