海洋工程数字孪生开发与应用

海洋中富含丰富的油气、矿产、风能、生物等资源，对于社会民生及国家战略具有重要地位。海洋工程作为开发、利用、保护与恢复海洋资源的重要学科，为实现海洋强国提供重要的助力。但海洋工程技术装备长期存在作业环境极端，数字化、智能化水平低，监测与管理水平不完善等问题，影响作业过程效率及安全性。因此亟需提升海洋工程数字化水平。

数字孪生融合物理实体、高精度、多尺度数字化模型、物理空间与数字空间状态信息，通过数字化手段实现对物理实体动态行为的实时映射。可对海洋工程生产作业过程进行状态监测、装备管理、作业方案物理仿真验证等功能。为实现海洋工程数字化、可视化、智能化提供了解决方案。针对深海采矿系统及水下作业车作业面临系统结构复杂、装备操作难度大、作业环境复杂多变、作业过程无法可视化监测等问题，提出建立深海采矿及水下作业车数字孪生系统，对实现深海采矿与水下作业过程可视化监测、技术装备管理、安全高效作业具有重要意义。

本文在深海采矿及水下作业车数字孪生系统理论研究基础上，设计系统开发流程、应用框架、运行流程；使用建模软件与脚本编写融合建模的方法建立技术装备数字化模型与场景显示特效；通过脚本编写实现数字化模型运动功能，并结合物理仿真分析软件与机器学习算法预测技术装备状态信息；设计并开发基于OPC UA的数据传输框架，建立物理空间与数字空间之间的数据连接，实现数字化模型与物理实体之间的实时映射以及交互控制；针对技术装备操作过程复杂、操作难度大等问题，利用物理模拟仿真验证的方法，通过操作控制台对数字化模型的运动控制，实现作业方案及操作指令可视化模拟验证，将控制策略由经验为主导转为使用经验证的指令控制技术装备运行的方式。经过现场测试与应用验证，本文开发的深海采矿及水下作业车数字孪生系统可实现对作业过程的可视化监测与管理以及作业方案物理仿真模拟验证，提升了作业效率与安全性。因此，数字孪生被证明是促进海洋工程数字化、可视化、智能化发展的有效手段，为实现故障诊断、智慧运维以及无人化、少人化作业奠定了研究基础。

[1] 李浩, 张侃, 李晓军, 等. 论海洋油气开采环境保护的重要性[J]. 天津科技, 2016, 43(06): 85-86+90. DOI: 10.14099/j.cnki.tjkj.2016.06.026.
[2] 闫文璐. 西方海洋精神的历史回顾与当下审视[D]. 大连海事大学, 2015.
[3] 赵扩. 二维波浪进动共振的数值模拟研究[D]. 大连理工大学, 2018.
[4] 周济. 智能制造——"中国制造2025"的主攻方向[J]. 中国机械工程, 2015, 26(17):12.
[5] 唐堂, 滕琳, 吴杰, 陈明. 全面实现数字化是通向智能制造的必由之路——解读《智能制造之路:数字化工厂》[J]. 中国机械工程, 2018, 29(03): 366-377.
[6] 禹鑫燚, 唐权瑞, 施甜峰, 等. 基于OPC UA协议的工业网关系统设计与实现[J].高技术通讯, 2021, 31(09): 962-968.
[7] SNIDERMAN B, MAHTO M, COTTELEER M J. Industry 4.0 and manufacturing ecosystems: Exploring the world of connected enterprises[J]. Deloitte Consulting, 2016, 1: 3-14.
[8] 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. DOI: 10.13196/j.cims.2019.10.001.
[9] AGARWAL P, MCNEILL S. Real-Time Cleaning of Time-Series Data for a Floating System Digital Twin[C]//Offshore Technology Conference. 2019.
[10] SAJJAD S, JENAIBI E A, HAKKI P. Integrated Thermodynamic Digital Twin for Energy Performance Monitoring of Large Compression Units[C]//Abu Dhabi International Petroleum Exhibition & Conference. 2020.
[11] BREWER T, KNIGHT D, NOIRAY G, et al. Digital twin technology in the field reclaims offshore resources[C]//Offshore Technology Conference. OnePetro, 2019.
[12] ADEY R, PERATTA C, BAYNHAM J. Corrosion data management using 3D visualisation and a digital twin[C]// CORROSION 2020. OnePetro, 2020.
[13] BHOWMIK S. Digital twin of subsea pipelines: conceptual design integrating IoT, machine learning and data analytics[C]//Offshore Technology Conference. OnePetro, 2019.
[14] LAKSHMANAN C, MURALIDHARA S, KARAJAGI N, et al. Artificial Intelligence Based Optimization of Gathering System[C]//Abu Dhabi International Petroleum Exhibition & Conference. OnePetro, 2020.
[15] REPALLE N, THETHI R, VIANA P, et al. Application of Machine Learning for Fatigue Prediction of Flexible Risers-Digital Twin Approach[C]//SPE Asia Pacific Oil & Gas Conference and Exhibition. OnePetro, 2020.
[16] RENZI D, MANIAR D, MCNEILL S, et al. Developing a digital twin for floating production systems integrity management[C]//OTC Brasil. OnePetro, 2017.
[17] HOLBERG G I, GRENNBERG V, MARTENS J. Using Digital Twins for Condition Monitoring of Subsea Mechanical Equipment[C]//SPE Asia Pacific Oil & Gas Conference and Exhibition. OnePetro, 2020.
[18] PEDERSEN E B, JØRGENSEN D, RIBER H J, et al. True fatigue life calculation using digital twin concept and operational modal analysis[C]//The 29th International Ocean and Polar Engineering Conference. OnePetro, 2019.
[19] 蒋爱国, 王金江, 谷明, 等. 数字孪生驱动半潜式钻井平台智能技术应用[J]. 船海工程, 2019, 48(05): 49-52+55.
[20] 李凯, 钱浩, 龚梦瑶, 等. 基于数字孪生技术的数字化舰船及其应用探索[J]. 船舶, 2018, 29(6): 101-108.
[21] 王铭基. 海洋平台冰振危害监测与分析方法研究[D]. 大连理工大学, 2021. DOI: 10.26991/d.cnki.gdllu.2021.002689.
[22] 祁东明. 海洋石油平台注水泵在线监测与故障智能诊断技术应用[J]. 石油工业技术监督, 2021, 37(03): 9-13.
[23] 姜春起, 金玉臣, 高连烨, 等. 海洋平台作业状态监测系统应用[J]. 船海工程, 2021, 50(03): 141-146.
[24] 黄锐彬, 蔡春波, 程琍斌. 大型装备海洋运输过程中的振动及倾角监测方法研究[J]. 中国水运, 2021(01): 87-89. DOI: 10.13646/j.cnki.42-1395/u.2021.01.032.
[25] 邢国芬. 工业机器人传感器技术综述[J]. 中国设备工程, 2021(22): 25-26.
[26] 胡自飞, 文国军, 王玉丹, 等. 基于Unity3D的岩心钻机虚拟实训系统设计[J]. 地质科技通报, 2020, 39(03): 222-226. DOI: 10.19509/j.cnki.dzkq.2020.0325.
[27] 余真珠, 刘金胜, 王晓明. 石油平台关节吊机虚拟培训系统[J]. 机械设计与制造工程, 2017, 46(09): 97-100.
[28] 安葳鹏, 孟卫娟, 屈星龙. 基于虚拟现实的煤矿大型设备培训系统研究[J]. 测控技术, 2016, 35(10): 105-108. DOI: 10.19708/j.ckjs.2016.10.026.
[29] 刘家元. 基于虚拟现实的水轮机调速器检修培训平台设计与实现[D]. 华中科技大学.
[30] 任福深, 孙雅琪, 胡庆, 等. 基于Unity3D的水下机器人半实物仿真系统[J]. 系统仿真学报, 2020, 32(08): 1546-1555. DOI: 10.16182/j.issn1004731x.joss.18-0845.
[31] FERRARA P, RICCI M G, POLONI R, et al. Virtual Reality: New Concepts for Virtual Drilling Environment and Well Digital Twin[C]//International Petroleum Technology Conference. OnePetro, 2020.
[32] GRIEVES M, VICKERS J. Digital twin: Mitigating unpredictable, undesirable emergent behavior in complex systems[M]//Transdisciplinary perspectives on complex systems. Springer, Cham, 2017: 85-113.
[33] GRIEVES M W. Product lifecycle management: the new paradigm for enterprises[J]. International Journal of Product Development, 2005, 2(1-2): 71-84.
[34] 张杰. 船用柴油机关键件数字孪生车间平台关键技术研究[D]. 江苏科技大学, 2020. DOI: 10.27171/d.cnki.ghdcc.2020.000766.
[35] 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: 1818.
[36] TUEGEL E J, INGRAFFEA A R, EASON T G, et al. Reengineering aircraft structural life prediction using a digital twin[J]. International Journal of Aerospace Engineering, 2011.
[37] 孙萌萌. 飞机总装配生产线数字孪生系统若干关键技术研究[D]. 浙江大学, 2019.
[38] GRIEVES M. Virtually perfect: driving innovative and lean products through product lifecycle management[M]. Space Coast Press, 2011.
[39] TAO F, CHENG J, QI Q, et al. Digital twin-driven product design, manufacturing and service with big data[J]. The International Journal of Advanced Manufacturing Technology, 2018, 94(9): 3563-3576.
[40] 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: 1818.
[41] 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. DOI: 10.13196/j.cims.2018.01.001.
[42] 陈傲寒. 数字孪生技术助力企业数字化转型发展[J]. 中国金融电脑, 2021(S1): 88-91.
[43] 卢阳光. 面向智能制造的数字孪生工厂构建方法与应用[D]. 大连理工大学, 2020. DOI: 10.26991/d.cnki.gdllu.2020.001699.
[44] 白雪梅. 数字孪生技术在船舶海工领域的应用前景[J]. 中国船检, 2020(05): 49-53.
[45] 李小龙. 基于数字孪生的机床加工过程虚拟监控系统研究与实现[D]. 电子科技大学, 2020. DOI: 10.27005/d.cnki.gdzku.2020.000542.
[46] 王宏伟, 宋嘉祺, 汤建伟. 一种基于数字孪生技术的断层结构滑动失稳的反向控制方法和系统: 中国， 112214816A[P]. 2021.
[47] 骆伟超. 基于Digital Twin的数控机床预测性维护关键技术研究[D]. 山东大学, 2020. DOI: 10.27272/d.cnki.gshdu.2020.003938.
[48] 潘利达. 数控机床数字孪生系统的设计与实现[D]. 中国科学院大学(中国科学院沈阳计算技术研究所), 2021. DOI: 10.27587/d.cnki.gksjs.2021.000024.
[49] 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. DOI: 10.13196/j.cims.2019.01.001.
[50] 杜向杰. 机器人制造系统制造能力数字孪生建模研究[D]. 武汉理工大学, 2019. DOI: 10.27381/d.cnki.gwlgu.2019.000359.
[51] 彭俊江. 基于Unity3D的轨道车辆虚拟设计系统研究[D]. 华东交通大学, 2020. DOI: 10.27147/d.cnki.ghdju.2020.000435.
[52] 常汉. 水心病苹果水心程度与可溶性固形物含量在线无损检测方法与分级装备研究[D]. 浙江大学, 2021. DOI: 10.27461/d.cnki.gzjdx.2021.001219.
[53] 于佳民, 刘玉庆, 周伯河. PhysX物理引擎在航天员虚拟现实训练系统中的应用[J]. 计算机应用, 2011, 31(S1): 155-158+162.
[54] 董小斐. 基于物理引擎和增强现实技术的虚拟机器人系统设计与实现[D]. 电子科技大学.
[55] 王树军. 三维游戏引擎中物理引擎关键技术的研究[D]. 天津大学, 2007.
[56] 孙小鱼.一种对话机器人开发技术综述与系统架构实现[J]. 软件工程, 2021, 24(02): 45-48+29. DOI: 10.19644/j.cnki.issn2096-1472.2021.02.009.
[57] C.J.Date, 达特, 张大华, 等. 你不可不知的关系数据库理论[M]. 人民邮电出版社, 2015.
[58] 张宪民, 薛栋栋, 郑家和, 等. 智能制造中基于OPC UA的多源异构数据传输与解析技术[J]. 机电工程技术, 2021, 50(01): 1-7.
[59] 汪松松, 彭来湖, 胡旭东. OPC统一架构框架下的针织装备信息模型[J]. 纺织学报, 2020, 41(05): 167-175. DOI: 10.13475/j.fzxb.20181104809.
[60] 龚勋, 王淑营. 基于C#的OPC客户端设计[J]. 计算机系统应用, 2020,29(05): 239-244. DOI: 10.15888/j.cnki.csa.007373.
[61] 胡凡成. 基于Unity 3D的实时数据驱动数字化车间研究[D]. 湖南大学, 2018.
[62] DENG X, TANG Z A. Moving Surface Spline Interpolation Based on Green's Function[J]. Mathematical Geosciences, 2011, 43(6): 663-680.
[63] 黄传华, 万晓明, 吴魁. 一种区域降水量网格算法[J]. 人民长江, 2007, 038(002): 49-50.
[64] 吴亚峰, 于复兴. Unity 3D游戏开发技术详解与典型案例[M]. 人民邮电出版社, 2012.
[65] XU L, LIU Q. Real-time inextensible surgical thread simulation[J]. International Journal of Computer Assisted Radiology and Surgery, 2018, 13(7): 1019-1035.
[66] PHILLIPS J, LADD A, KAVRAKI L E. Simulated knot tying[C]//Proceedings 2002 IEEE International Conference on Robotics and Automation (Cat. No. 02CH37292). IEEE, 2002, 1: 841-846.
[67] KUBIAK B, PIETRONI N, GANOVELLI F, et al. A robust method for real-time thread simulation[C]//Proceedings of the 2007 ACM symposium on Virtual reality software and technology. 2007: 85-88.
[68] MÜller M, HEIDELBERGER B, HENNIX M, et al. Position based dynamics[J]. Journal of Visual Communication and Image Representation, 2007, 18(2): 109-118.
[69] MACKLIN M, MÜLLER M, CHENTANEZ N. XPBD: position-based simulation of compliant constrained dynamics[C]//Proceedings of the 9th International Conference on Motion in Games. 2016: 49-54.
[70] HAN D, HARADA T. Tridiagonal matrix formulation for inextensible hair strand simulation[J]. 2013.
[71] KUGELSTADT T, SCHÖMER E. Position and orientation based Cosserat rods[C]//Symposium on Computer Animation. 2016: 169-178.
[72] 肖伯祥, 郭新宇, 吴升. 基于位置动力学的植物动态虚拟仿真方法[J]. 中国农业科技导报, 2017, 19(3):7.
[73] 张禹, 李佳, 罗丹, 等. 基于位置动力学的软组织建模研究[J]. 北京生物医学工程, 2020, 39(04): 344-349.
[74] 蓝磊. 基于位置约束的布料动态模拟研究[D]. 厦门大学, 2014.
[75] 马域人. 基于Unity3D的变形履带移动机器人仿真平台搭建与研究[D]. 中国矿业大学(江苏).
[76] 罗盛誉. Unity 5.x游戏开发指南[M]. 人民邮电出版社, 2015.
[77] 徐明亮, 卢红星, 王琬. OpenGL游戏编程[M]. 机械工业出版社, 2008.
[78] 郭启全. 计算机图形学教程[M]. 机械工业出版社, 2003.
[79] 李志华, 徐静, 张庆顺, 等. 利用OpenGL实现屏幕坐标与世界坐标的相互变换[J]. 河北建筑科技学院学报, 2005, 022(003): 83-86.
[80] 翁伟, 黄翠兰, 蔡建立. openGL几何变换与Windows屏幕坐标转换的研究[J]. 电脑知识与技术, 2008, 4(34): 1749-1751.
[81] 靳海亮, 刘慧杰, 苗保亮. 大规模地形实时绘制中的地平线遮挡剔除算法[J]. 测绘科学, 2010, 35(06): 84-86. DOI: 10.16251/j.cnki.1009-2307.2010.06.065.
[82] 冉光灿, 谢晓尧, 景凤宣. 复杂3D地形的遮挡剔除算法研究[J]. 福建电脑, 2012, 28(08): 4-7.
[83] 达来, 曾亮, 李思昆. 基于GPU的地形遮挡剔除算法[J]. 系统仿真学报, 2006(11): 3165-3167+3171.
[84] 张叶廷, 朱庆. 基于部件可视锥的复杂目标遮挡剔除方法[J]. 武汉大学学报(信息科学版), 2010, 35(10): 1245-1249.
[85] 王钦佳. 基于Unity的预计算遮挡剔除系统设计与实现[D]. 华中科技大学, 2020. DOI: 10.27157/d.cnki.ghzku.2020.000683.
[86] 王淑君. 密集建筑场景下可见性剔除算法的应用研究[D]. 浙江大学, 2021. DOI: 10.27461/d.cnki.gzjdx.2021.002553.
[87] 季国红, 方寿海, 马尧海. 三维游戏场景中动态物体的遮挡剔除算法[J]. 微计算机信息, 2006(19): 189-191.
[88] 高宇, 邓宝松, 吴玲达, 等. 一种复杂场景遮挡剔除的优化算法[J]. 计算机辅助设计与图形学学报, 2007(05): 583-588.
[89] 吴香太. 基于GPU的大规模复杂场景渲染的优化算法研究与实现[D]. 华南理工大学, 2013.
[90] 黄碧宇. 水下机器人作业仿真训练系统关键技术的研究[D]. 哈尔滨工程大学, 2015.
[91] EITZ M, GU L. Hierarchical Spatial Hashing for Real-time Collision Detection[C]// IEEE International Conference on Shape Modeling & Applications. IEEE, 2007.
[92] MACKLIN M, MÜLLER M, CHENTANEZ N, et al. Unified particle physics for real-time applications[J]. ACM Transactions on Graphics (TOG), 2014, 33(4): 1-12.
[93] 段化鹏. 虚拟现实中物理引擎关键技术的研究与应用[D]. 山东科技大学, 2010.
[94] 张绍江. 基于Unity虚拟校园漫游系统的设计与开发[J]. 天津中德职业技术学院学报, 2014(02): 65-67. DOI: 10.16350/j.cnki.cn12-1442/g4.2014.02.054.
[95] 潘福全, 柴树山, 张丽霞, 等. 基于物理引擎的汽车碰撞事故仿真系统[J]. 科学技术与工程, 2018, 18(14): 269-274.
[96] 于凯. 层次包围盒碰撞检测算法的优化及其并行化[D]. 江苏科技大学, 2016.
[97] 刘宇轩. 工业机器人虚拟仿真中混合层次包围盒碰撞检测技术的研究与应用[D]. 广东工业大学, 2017.
[98] 黄可. 层次包围盒的碰撞检测算法研究[J]. 中国科技信息, 2010(17): 97-98.
[99] 胡咏梅. 基于层次包围盒的混合碰撞检测算法[J]. 计算机工程与科学, 2012, 34(6): 127-130.
[100] 于瑞云, 赵金龙, 余龙, 等. 结合轴对齐包围盒和空间划分的碰撞检测算法[J]. 中国图象图形学报, 2018,23(12): 1925-1937.
[101] 孙晓光, 王明强. 碰撞检测中的层次包围盒算法研究[J]. 现代制造工程, 2009(04): 87-91. DOI: 10.16731/j.cnki.1671-3133.2009.04.028.
[102] 宋伟. 虚拟战场环境下基于层次包围盒的碰撞检测算法[J]. 南昌航空大学学报(自然科学版), 2010, 24(01): 40-45.
[103] 曹晶. 基于混合层次包围盒的碰撞检测算法的研究[D]. 西安科技大学, 2014.
[104] 刘文聪, 李作清, 李世其. 面向遥操作机器人的混合层次包围盒碰撞检测[J]. 机械制造与自动化, 2014, 43(06): 169-171+183. DOI: 10.19344/j.cnki.issn1671-5276.2014.06.048.
[105] 赵吉. 一种混合层次包围盒的刚体碰撞检测算法设计与实现[D]. 湖南科技大学, 2015.
[106] 廖伟东, 李俊渊, 黄昕. 机器人仿真系统碰撞检测技术研究[J]. 机床与液压, 2021, 49(09): 67-70.
[107] 马晓萌, 孙红岩, 孙晓鹏. 层次八叉的三维模型并行碰撞检测[J]. 计算机工程与设计, 2019, 40(04): 1077-1084. DOI: 10.16208/j.issn1000-7024.2019.04.029.
[108] 谢嘉成, 杨兆建, 王学文, 等. 虚拟现实环境下液压支架部件无缝联动方法研究[J]. 工程设计学报, 2017, 24(04): 373-379.
[109] 王妙云, 张旭辉, 马宏伟, 等. 远程控制综采设备碰撞检测与预警方法[J]. 煤炭科学技术, 2021, 49(09): 110-116. DOI: 10.13199/j.cnki.cst.2021.09.016.
[110] 陈智昊, 吕海宁, 吴琪. 深海采矿系统长距离垂直输运管道力学性能研究[J]. 海洋工程, 2021, 39(01): 72-82. DOI: 10.16483/j.issn.1005-9865.2021.01.008.
[111] 郐艳荣, 魏明珠, 王旭, 等. 深海采矿系统悬链线立管动力响应分析[J]. 力学与实践, 2020, 42(05): 565-570.
[112] 安万博, 郭海燕, 刘震. 内波流场中悬链线立管涡激振动数值研究[J]. 中国海洋大学学报(自然科学版), 2021,51(08): 72-78+87.
[113] 张美林, 孔友南, 王金城. 悬链浮筒式多点系泊锚链受力计算[J]. 水运工程, 2021(01): 97-103. DOI: 10.16233/j.cnki.issn1002-4972.20201228.032.
[114] 项婷婷, 王国栋. 基于悬链线理论的系泊系统的应用[J]. 合肥学院学报(综合版), 2021, 38(02): 5-10.
[115] 娄敏, 庄肃然, 时晨. 海沟模型及钢悬链线立管疲劳寿命预测研究[J]. 石油机械, 2021, 49(07): 101-107. DOI: 10.16082/j.cnki.issn.1001-4578.2021.07.014.
[116] 钱莹, 方秀男. 多元线性回归模型及实例应用[J]. 中国科技信息, 2022(04): 73-74.
[117] 韩雪, 朱文谨, 潘锡山, 王娜, 时珉. 近岸悬沙垂线分布多元线性回归分析[J]. 海洋通报, 2021, 40(02): 182-188.
[118] 冯玉婷, 黄雨欣, 郭玉堂, 等. 基于多元线性回归模型的网络安全漏洞预测研究[J]. 长春师范大学学报, 2021, 40(12): 16-23.
[119] LIU Q, QIU Y. Development of OPC server in a remote industrial control system[C]//2015 12th IEEE International Conference on Electronic Measurement & Instruments (ICEMI). IEEE, 2015.
[120] 吴晗, 成卫青. OPC技术在智能仓储系统中的应用[J]. 计算机技术与发展, 2021, 31(07): 158-163+170.
[121] 熊伟杰. 基于OPC UA的数字孪生车间数据集成研究[D]. 南京航空航天大学, 2020. DOI: 10.27239/d.cnki.gnhhu.2020.000129.
[122] 李轲. 基于OPC UA架构的智能制造车间数据通信及应用研究[D]. 湖北工业大学, 2020. DOI: 10.27131/d.cnki.ghugc.2020.000286.
[123] 胡飞, 胥云, 廖映华, 等. 基于OPC UA的数控机床信息建模与通信研究[J]. 机床与液压, 2021, 49(20): 6.
[124] 李小龙. 基于数字孪生的机床加工过程虚拟监控系统研究与实现[D]. 电子科技大学, 2020. DOI: 10.27005/d.cnki.gdzku.2020.000542.
[125] 程涛. 基于OPC UA的工业机器人预测性维护研究与实现[D]. 重庆邮电大学, 2021. DOI: 10.27675/d.cnki.gcydx.2021.000491.
[126] 王洲, 牛鹏飞, 王钧. 基于OPC UA的制造资源虚拟映射模型实现技术研究[J]. 中国仪器仪表, 2021(10): 81-84.