CN109991918B - 基于多周期差分采样和数字孪生技术的平行控制方法 - Google Patents
基于多周期差分采样和数字孪生技术的平行控制方法 Download PDFInfo
- Publication number
- CN109991918B CN109991918B CN201910285327.0A CN201910285327A CN109991918B CN 109991918 B CN109991918 B CN 109991918B CN 201910285327 A CN201910285327 A CN 201910285327A CN 109991918 B CN109991918 B CN 109991918B
- Authority
- CN
- China
- Prior art keywords
- model
- hit
- machine
- machine equipment
- twin
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 71
- 238000005070 sampling Methods 0.000 title claims abstract description 40
- 238000005516 engineering process Methods 0.000 title claims abstract description 19
- 238000004088 simulation Methods 0.000 claims abstract description 40
- 238000001514 detection method Methods 0.000 claims abstract description 36
- 230000008569 process Effects 0.000 claims abstract description 24
- 238000003754 machining Methods 0.000 claims abstract description 14
- 239000000463 material Substances 0.000 claims abstract description 11
- 238000012545 processing Methods 0.000 claims description 61
- 238000013461 design Methods 0.000 claims description 25
- 230000033001 locomotion Effects 0.000 claims description 25
- 230000001360 synchronised effect Effects 0.000 claims description 11
- 238000012360 testing method Methods 0.000 claims description 10
- 239000002994 raw material Substances 0.000 claims description 9
- 238000012544 monitoring process Methods 0.000 claims description 8
- 230000000737 periodic effect Effects 0.000 claims description 8
- 230000010355 oscillation Effects 0.000 claims description 7
- 230000009471 action Effects 0.000 claims description 6
- 238000004080 punching Methods 0.000 claims description 5
- 238000011161 development Methods 0.000 claims description 4
- 230000006870 function Effects 0.000 claims description 4
- 238000005094 computer simulation Methods 0.000 claims description 3
- 230000008676 import Effects 0.000 claims description 3
- 230000010354 integration Effects 0.000 claims description 3
- 238000012797 qualification Methods 0.000 claims description 3
- 230000009467 reduction Effects 0.000 claims description 3
- 230000004044 response Effects 0.000 claims description 3
- 230000002123 temporal effect Effects 0.000 claims description 3
- 238000011897 real-time detection Methods 0.000 abstract description 3
- 238000004519 manufacturing process Methods 0.000 description 8
- 230000000386 athletic effect Effects 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- 238000004458 analytical method Methods 0.000 description 3
- 239000000919 ceramic Substances 0.000 description 3
- 238000005457 optimization Methods 0.000 description 3
- 238000010191 image analysis Methods 0.000 description 2
- 238000007689 inspection Methods 0.000 description 2
- 238000013507 mapping Methods 0.000 description 2
- 238000012800 visualization Methods 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 1
- 238000005282 brightening Methods 0.000 description 1
- 238000009792 diffusion process Methods 0.000 description 1
- 238000006073 displacement reaction Methods 0.000 description 1
- 238000005553 drilling Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 238000005286 illumination Methods 0.000 description 1
- 238000013178 mathematical model Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000003032 molecular docking Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000011112 process operation Methods 0.000 description 1
- 238000003908 quality control method Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01D—MEASURING NOT SPECIALLY ADAPTED FOR A SPECIFIC VARIABLE; ARRANGEMENTS FOR MEASURING TWO OR MORE VARIABLES NOT COVERED IN A SINGLE OTHER SUBCLASS; TARIFF METERING APPARATUS; MEASURING OR TESTING NOT OTHERWISE PROVIDED FOR
- G01D21/00—Measuring or testing not otherwise provided for
- G01D21/02—Measuring two or more variables by means not covered by a single other subclass
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B19/00—Programme-control systems
- G05B19/02—Programme-control systems electric
- G05B19/04—Programme control other than numerical control, i.e. in sequence controllers or logic controllers
- G05B19/05—Programmable logic controllers, e.g. simulating logic interconnections of signals according to ladder diagrams or function charts
- G05B19/054—Input/output
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/10—Geometric CAD
- G06F30/17—Mechanical parametric or variational design
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
Landscapes
- Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Geometry (AREA)
- Theoretical Computer Science (AREA)
- Computer Hardware Design (AREA)
- General Engineering & Computer Science (AREA)
- Evolutionary Computation (AREA)
- Automation & Control Theory (AREA)
- Pure & Applied Mathematics (AREA)
- Mathematical Optimization (AREA)
- Mathematical Analysis (AREA)
- Computational Mathematics (AREA)
- General Factory Administration (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明涉及智能加工领域,特别是一种基于多周期差分采样和数字孪生技术的平行控制方法,其包括如下步骤:a.利用多周期差分采样技术检测撞点机设备加工情况步骤;b.建立数字孪生控制模型;C.根据检测判断结果控制撞点机设备的仿真模型,进而平行控制撞点机设备。本发明提出基于多周期差分采样和数字孪生模型的平行控制方法,所述平行控制方法针对撞点机设备的数字孪生模型,利用虚实同步技术建立撞点机设备的仿真模型和检测模型;仿真撞点机设备与实物撞点机设备同步运行,实现对撞点机设备撞点工艺中实时检测及对应的精准平行控制;让操作人员可以对撞点机设备进行远程控制,一对多快速控制,控制操作更加方便精准。
Description
技术领域
本发明涉及智能加工领域,特别是一种基于多周期差分采样和数字孪生技术的平行控制方法。
背景技术
随着手机行业的发展,手机生产行业之间的竞争越来越激烈,如何提高生产效率和质量成为各个生产企业提高自身竞争力的主要研发方向之一。智能手机的背光模组主要由LED、导光板、反射片、扩散片、增光片等组成,LED发出光照,通过背光模组中各层结构对光线重新整合,使手机屏幕显示内容。导光板的主要作用是指引光线的方向,增强面板的光亮强度和决定光线的均匀性,它是决定背光模组厚度和光学亮度均匀性的关键组件。导光板的加工是利用导光板模具复印加工的,而导光板的模具中导光板模芯是用高速点运动的撞点机进行加工的,导光板模具微结构阵列的加工精度决定导光板质量,一块智能手机导光板上有上百万个微结构密集阵列网点,为使导光板均匀发光,必须保证微结构阵列微点的加工质量和尺寸精度。导光板模芯的微结构阵列加工除了和精密加工工艺相关,还和高精密的检测技术密切相关。
现有技术中利用对撞点机设备在原材料上加工微结构阵列时,都是需要人工实时观察加工情况,然后人工调整控制撞点机设备的加工操作和参数以保证加工的顺利进行。这样就需要撞点机设备周边时刻配有操作人员,撞点机设备的操作完全由人工在其周边进行操作,无法实现远程平行控制;由于上述原因现有技术中必须每个撞点机配备对应操作人员,操作人员无法远程同时对多个撞点机设备进行快速平行控制,因此导致现有技术中利用撞点机设备在原材料上加工微结构阵列时,操作复杂,甚至出现频繁停机加工周期过长,人力投入多导致了加工成本高的问题,无法实现平行控制,产品加工质量无法得到保证,操作人员必须实时处于加工车间内,由于撞点机设备时高速运动的加工设备,操作人员在现场实时对撞点机设备进行操作很危险,人身安全无法得到保证。
发明内容
针对上述缺陷,本发明的目的在于提出一种基于多周期差分采样和数字孪生技术的平行控制方法,其能实现远程对撞点机设备的平行控制,让操作人员对撞点机设备的控制更加方便精准,保证了产品质量的同时也保证了操作人员的人身安全。
为达此目的,本发明采用以下技术方案:
基于多周期差分采样和数字孪生技术的平行控制方法,其应用于撞点机设备的加工过程,其包括如下步骤:
a.检测步骤:a1.将制作模具的加工原料装夹至撞点机设备上,并将拍摄装置按照拍摄要求设置;a2.启动撞点机设备和拍摄装置,拍摄装置将经过多个加工周期后得到的加工原料进行拍照,得到多个周期采样;a3.整合处理模块将多个周期采样,利用跨往复周期的差分采样技术整合为一个周期的样本图像,建立检测模型;a4.图像处理模块对样本图像进行处理,得到检测图像;
b.建立控制模型:b1.撞点机设备仿真建模,完成撞点机设备的仿真模型设计,得到撞点机模型;b2.撞点机设备动态实现,根据既定设计方案,给撞点机模型设置加工参数,完成单机设备的动作实现,完成在制品物流与运动实现,编制运动与动作控制脚本,并进行离线模拟运行;b3.撞点机模型与撞点机设备集成,利用虚实同步技术借助仿真平台,实现撞点机模型与撞点机设备同步运动;b4.系统集成设计,搭建虚拟控制网络,即实现车间物联,运用数字孪生技术,构建虚实同步的实物仿真平台,使得单机实物可以与单机数字化模型实现动作同步化;将上层MES系统与数字孪生模型进行集成,实现数字孪生模型在生成MES指令下运行,同时也将数字孪生模型执行情况反馈回MES,实现对撞点机设备在线监测和模拟运行;
c.平行控制:根据检测图形控制撞点机模型,完成对撞点机设备的平行控制。
更优的,所述步骤a中,利用跨往复周期的差分采样技术整合为一个周期的样本图像的具体步骤如下:把加工路径上相同处理单元处理周期用T(ms)表示,把工业相机的采样周期设置为其中n表示该工业相机相对于加工周期的响应速度,m是根据数字孪生同步的精度要求对一个处理单元周期进行均分的数字;所述n为相机时间与加工周期的比值并向上取整得到的整数。
更优的,m的设置取决于数字孪生同步精度的要求,对一个加工周期进行划分,确定一个加工周期由m个时间点图像来间接表征加工设备状态及其加工质量,对相似的多个周期分别进行图像数据采集,每个周期采集一个时间点的图像,第一个周期内采集第一个时间点图像,第二个周期内采集第二个时间点图像,依次类推,最后一个周期内采集第m个时间点图像,最终把一个加工过程中采集到的m个实时状态按时间序列进行合并为一个周期的采样状态。
更优的,所述步骤a4中图像处理模块对样本图像进行处理的步骤为:将样本图像转化为灰阶图像,再进行降噪、调节对比度处理。
更优的,所述步骤b4后还有判断步骤b5,检测识别模块对检测图像进行识别和分析得到检测数据,判断装置将检测数据和加工设定数据进行对比;当检测数据超出加工设定数据设定的阈值时,判断结果为不合格,操作人员根据判断结果控制撞点机模型,完成对撞点机设备的平行控制;当检测数据未超出加工设定数据设定的阈值时,判断结果为合格,结束在位检测操作,操作人员无需控制撞点机模型进行任何操作。
更优的,所述步骤b1中完成撞点机设备的仿真模型设计的具体操作步骤为:首先利用机械三维建模平台完成仿真模型设计,再将得到仿真模型设计导入仿真平台进行模型二次处理,对仿真模型中设备的大小、布局进行修改以及区分动件与不动件。
更优的,所述步骤b2中进行离线模拟运行的具体操作为:利用仿真平台提供的二次开发功能,利用Jscript脚本语言实现撞点机工艺动作,同时在平台上进行离线模拟加工参数进行打孔测试;所述步骤b中给撞点机模型设置的加工参数包括:电压、速度和压力。
具体的,所述仿真平台为Demo3D仿真平台。
更优的,所述步骤b3中,所述虚实同步技术为:首先确保撞点机模型与撞点机设备的设计参数的一致性;以撞点机模型作为主动模型,撞点机设备作为从动部分;通过撞点机模型与撞点机设备同时连接同一PLC控制系统实现撞点机模型与撞点机设备的信号的同步;所述步骤b3中,将撞点机模型与撞点机设备同时连接同一PLC控制系统的具体方式为:将Demo3D里面的I/O点与PLC中的I/O点地址进行绑定,PLC控制系统中的I/O点控制实物的运动参数;而撞点机模型主要是通过工件触发传感器,通过PLC控制系统的I/O点以及内部逻辑驱动撞点机设备进行同步运动。
更优的,所述设计参数包括:撞点机模型的尺寸、布局和控制逻辑;所述运动参数包括:撞点机设备的运动方向、运动速度、行程、启动和停止;数字孪生模型执行情况包括:工单完成信息和随机故障。
本发明提出基于多周期差分采样和数字孪生模型的平行控制方法,所述平行控制方法针对撞点机设备的数字孪生模型,利用虚实同步技术建立撞点机设备的仿真模型和检测模型;仿真撞点机设备与实物撞点机设备同步运行,实现撞点机设备撞点工艺中实时检测及对应的精准平行控制;让操作人员可以对撞点机设备进行远程控制,一对多快速控制,控制操作更加方便精准。
附图说明
图1是本发明的一个实施例中所述基于多周期差分采样和数字孪生模型技术的监测方法的流程示意图;
图2本发明的一个实施例中撞点机撞点工艺过程中,建立检测模型用于检测撞点加工结果时的示意图;
图3发明的一个实施例中撞点机模型、PLC控制系统和撞点机设备关联同步方式的示意图。
图4发明的一个实施例中所述建立控制模型步骤的流程示意图。
具体实施方式
下面结合附图并通过具体实施方式来进一步说明本发明的技术方案。
数字孪生:是充分利用物理模型、传感器更新、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,在虚拟空间中完成映射,从而反映相对应的实体装备的全生命周期过程,又称“数字镜像”,“数字双胞胎”或“数字化映射”。
数字孪生模型主要涉及仿真模型与物理设备,两者的对接是实现数字孪生模型的关键,低速加工设备模型对接常采用以太网中PLC点位的绑定,云路由器数据的传输以驱动仿真模型与物理设备进行协同运动。针对高速点位运动装备,采用多周期差分采样技术完成对物理运动装备状态的实时采样,利用从多个周期内均匀布置采样点位得到的加工设备位置与加工精度数据来间接表征加工装备状态及其加工质量,即把物理设备的工作状态实时映射到虚拟仿真模型上去,高速点位运动装备的性能即可以通过虚拟模型的分析并反馈给物理系统。这样就建立起了针对高速点位运动装备的数字孪生模型。在此数字孪生模型基础上,可以进行生产线的快速定制,高逼真的半实物仿真,透明化监控,根据现场信息实时反馈到模型与系统,实现整线与其数字孪生模型作业同步全视角、跨粒度的实时监控。智能化运维,模拟投放与生产过程,采集过程数据,对制造过程中设备稼动率、生产平衡率、瓶颈工序等进行统计和分析,对制造周期与制造成本进行预测。
如图1至4示,基于多周期差分采样和数字孪生技术的平行控制方法,其应用于撞点机设备的加工过程,其包括如下步骤:
a.检测步骤:a1.将制作模具的加工原料装夹至撞点机设备上,并将拍摄装置按照拍摄要求设置;a2.启动撞点机设备和拍摄装置,拍摄装置将经过多个加工周期后得到的加工原料进行拍照,得到多个周期采样;a3.整合处理模块将多个周期采样,利用跨往复周期的差分采样技术整合为一个周期的样本图像,建立检测模型;a4.图像处理模块对样本图像进行处理,得到检测图像;
b.建立控制模型:b1.撞点机设备仿真建模,完成撞点机设备的仿真模型设计,得到撞点机模型;b2.撞点机设备动态实现,根据既定设计方案,给撞点机模型设置加工参数,完成单机设备的动作实现,完成在制品物流与运动实现,编制运动与动作控制脚本,并进行离线模拟运行;b3.撞点机模型与撞点机设备集成,利用虚实同步技术借助仿真平台,实现撞点机模型与撞点机设备同步运动;b4.系统集成设计,搭建虚拟控制网络,即实现车间物联,运用数字孪生技术,构建虚实同步的实物仿真平台,使得单机实物可以与单机数字化模型实现动作同步化;将上层MES系统与数字孪生模型进行集成,实现数字孪生模型在生成MES指令下运行,同时也将数字孪生模型执行情况反馈回MES,实现对撞点机设备在线监测和模拟运行;
c.平行控制:根据检测图形控制撞点机模型,完成对撞点机设备的平行控制。
更优的,所述步骤a中,利用跨往复周期的差分采样技术整合为一个周期的样本图像的具体步骤如下:把加工路径上相同处理单元处理周期用T(ms)表示,把工业相机的采样周期设置为其中n表示该工业相机相对于加工周期的响应速度,m是根据数字孪生同步的精度要求对一个处理单元周期进行均分的数字;所述n为相机时间与加工周期的比值并向上取整得到的整数。
更优的,m的设置取决于数字孪生同步精度的要求,对一个加工周期进行划分,确定一个加工周期由m个时间点图像来间接表征加工设备状态及其加工质量,对相似的多个周期分别进行图像数据采集,每个周期采集一个时间点的图像,第一个周期内采集第一个时间点图像,第二个周期内采集第二个时间点图像,依次类推,最后一个周期内采集第m个时间点图像,最终把一个加工过程中采集到的m个实时状态按时间序列进行合并为一个周期的采样状态。
更优的,所述步骤a4中图像处理模块对样本图像进行处理的步骤为:将样本图像转化为灰阶图像,再进行降噪、调节对比度处理。
更优的,所述步骤b4后还有判断步骤b5,检测识别模块对检测图像进行识别和分析得到检测数据,判断装置将检测数据和加工设定数据进行对比;当检测数据超出加工设定数据设定的阈值时,判断结果为不合格,操作人员根据判断结果控制撞点机模型,完成对撞点机设备的平行控制;当检测数据未超出加工设定数据设定的阈值时,判断结果为合格,结束在位检测操作,操作人员无需控制撞点机模型进行任何操作。
更优的,所述步骤b1中完成撞点机设备的仿真模型设计的具体操作步骤为:首先利用机械三维建模平台完成仿真模型设计,再将得到仿真模型设计导入仿真平台进行模型二次处理,对仿真模型中设备的大小、布局进行修改以及区分动件与不动件。
更优的,所述步骤b2中进行离线模拟运行的具体操作为:利用仿真平台提供的二次开发功能,利用Jscript脚本语言实现撞点机工艺动作,同时在平台上进行离线模拟加工参数进行打孔测试;所述步骤b中给撞点机模型设置的加工参数包括:电压、速度和压力。
具体的,所述仿真平台为Demo3D仿真平台。
更优的,所述步骤b3中,所述虚实同步技术为:首先确保撞点机模型与撞点机设备的设计参数的一致性;以撞点机模型作为主动模型,撞点机设备作为从动部分;通过撞点机模型与撞点机设备同时连接同一PLC控制系统实现撞点机模型与撞点机设备的信号的同步;所述步骤b3中,将撞点机模型与撞点机设备同时连接同一PLC控制系统的具体方式为:将Demo3D里面的I/O点与PLC中的I/O点地址进行绑定,PLC控制系统中的I/O点控制实物的运动参数;而撞点机模型主要是通过工件触发传感器,通过PLC控制系统的I/O点以及内部逻辑驱动撞点机设备进行同步运动。
更优的,所述设计参数包括:撞点机模型的尺寸、布局和控制逻辑;所述运动参数包括:撞点机设备的运动方向、运动速度、行程、启动和停止;数字孪生模型执行情况包括:工单完成信息和随机故障。
应用了如上所述的基于多周期差分采样和数字孪生技术的平行控制方法的撞点机设备,其包括:撞点机、拍摄装置、整合处理模块、图像处理模块、械三维建模平台、Demo3D仿真平台、PLC控制系统和SCADA系统;
所述撞点机,用于在加工原料上打孔,并进一步加工得到导光板;所述拍摄装置,具体为工业相机,用于对多个加工周期后得到的加工原料进行拍照,得到多个周期采样;所述整合处理模块,用于将多个周期采样,利用跨往复周期的差分采样技术整合为一个周期的样本图像;所述图像处理模块,用于对样板图像进行处理,得到检测图像;机械三维建模平台,用于根据撞点机设备整体机械参数建立仿真模型设计;Demo3D仿真平台,用于对仿真模型设计进行优化处理,同时实现与PLC控制系统的联接;PLC控制系统,用于实现撞点机模型与撞点机设备同步运动,并控制撞点机模型与撞点机设备的运动;SCADA系统,可实时采集撞点机模型或撞点机设备的加工情况,对撞点机设备的加工状态起到实时检测的目的。
在平行指控方法中采用差分采样技术,提出的数字孪生模型直接在撞点机设备的数字模型中进行执行逻辑验证和控制,快速定位故障原因,主动检查系统是否能满足质量控制要求。因此,在实现数字孪生后,初始撞点机床的定位精度从4.0m提高到2.0m。冲压速度从20-25点秒提高到20-65点秒,也优于主流机床的20-40点秒。加工实验结果与实际要求相吻合,说明所研制的数字孪生系统适用于超精密机床的微点加工。网点检测传统的补偿策略通过模拟输入直接决定压电陶瓷的位移输出。然而,在所提出的数字孪生工艺补偿中,压电陶瓷的非线性通过压电陶瓷的在线优化输入值进行补偿,采用数字孪生模型有助于撞点机做出更智能的控制决策。数字孪生系统平台可以优化动态执行机制。整个撞点机的性能可以虚拟分析并反馈给物理系统。一旦性能不足,就可以调整和迭代操作,直到获得最佳状态。形成设备级的上下文感知解决方案,并使用上下文分析方法对机器的所有控制决策进行评估和制定,支持在线优化性能指标。所提出的撞点机模型是相对灵活的,通过使每个撞点机的在线设置具有不同的个性化加工参数和质量要求,这提供了一个大的选项变体,以满足个性化的需求。
所述平行控制方法应用于所述撞点机设备的方式:
基于数字孪生模型的监测方法在导光板加工工艺中模拟运行:在撞点机模型建立步骤的步骤a和步骤b基础即可进行模拟运行。在Demo3D平台,模拟设置撞点机的电压值、速度以及力等加工参数,观察导光板打孔质量反复调整撞点机的电压值,寻找合适电压值。
基于数字孪生模型的监测方法在导光板加工工艺监控与同步测试及同步优化:通过建立撞点机的数字孪生模型,即可实现撞点机设备与撞点机模型的指令、动作以及信息同步。通过SCADA系统采集的数字孪生模型的反馈,即可监控撞点机设备的运行状态和信息,比如撞点机运行的电压、打孔速度等参数。如果导光板加工的网孔质量不合格,可以及时的调剂撞点机的电压值,保证加工质量,起到撞点机加工工艺同步测试与优化的效果。
本发明利用多周期差分采样和数字孪生技术,搭建一个撞点机设备的检测模型和仿真模型;仿真模型集成实物和仿真的同步运行、同步测试以及同步优化的实时平行控制,检测模型用于实时检测撞点机加工情况。利用虚实同步技术,实现实物撞点机设备与仿真撞点机设备同步运行,对设备运行信息与状态进行跟踪与三维可视化呈现,同时融合实时指令数据与统计数据进行可视化呈现,将实物设备执行过程进行实时三维可视化展示以及相关执行性能数据动态显示。通过将加工现场检测到的信息实时反馈到检测模型进而显示到撞点机设备的仿真模型,操作人员根据检测判断结果,对撞点机设备的仿真模型进行控制,从而实现撞点机设备与仿真模型的作业和控制同步平行控制。
以上结合具体实施例描述了本发明的技术原理。这些描述只是为了解释本发明的原理,而不能以任何方式解释为对本发明保护范围的限制。基于此处的解释,本领域的技术人员不需要付出创造性的劳动即可联想到本发明的其它具体实施方式,这些方式都将落入本发明的保护范围之内。
Claims (6)
1.基于多周期差分采样和数字孪生技术的平行控制方法,其应用于撞点机设备的加工过程,其特征在于,包括如下步骤:
a.检测步骤:a1.将制作模具的加工原料装夹至撞点机设备上,并将拍摄装置按照拍摄要求设置;a2.启动撞点机设备和拍摄装置,拍摄装置将经过多个加工周期后得到的加工原料进行拍照,得到多个周期采样;a3.整合处理模块将多个周期采样,利用跨往复周期的差分采样技术整合为一个周期的样本图像,建立检测模型;a4.图像处理模块对样本图像进行处理,得到检测图像;
b.建立控制模型:b1.撞点机设备仿真建模,完成撞点机设备的仿真模型设计,得到撞点机模型;b2.撞点机设备动态实现,根据既定设计方案,给撞点机模型设置加工参数,完成单机设备的动作实现,完成在制品物流与运动实现,编制运动与动作控制脚本,并进行离线模拟运行;b3.撞点机模型与撞点机设备集成,利用虚实同步技术借助仿真平台,实现撞点机模型与撞点机设备同步运动;b4.系统集成设计,搭建虚拟控制网络,即实现车间物联,运用数字孪生技术,构建虚实同步的实物仿真平台,使得单机实物可以与单机数字化模型实现动作同步化;将上层MES系统与数字孪生模型进行集成,实现数字孪生模型在生成MES指令下运行,同时也将数字孪生模型执行情况反馈回MES,实现对撞点机设备在线监测和模拟运行;
c.平行控制:根据检测图形控制撞点机模型,完成对撞点机设备的平行控制;
所述步骤a中,利用跨往复周期的差分采样技术整合为一个周期的样本图像的具体步骤如下:
把加工路径上相同处理单元处理周期用T(ms)表示,把工业相机的采样周期设置为其中n表示该工业相机相对于加工周期的响应速度,m是根据数字孪生同步的精度要求对一个处理单元周期进行均分的数字;所述n为相机时间与加工周期的比值并向上取整得到的整数;
m的设置取决于数字孪生同步精度的要求,对一个加工周期进行划分,确定一个加工周期由m个时间点图像来间接表征加工设备状态及其加工质量,对相似的多个周期分别进行图像数据采集,每个周期采集一个时间点的图像,第一个周期内采集第一个时间点图像,第二个周期内采集第二个时间点图像,依次类推,最后一个周期内采集第m个时间点图像,最终把一个加工过程中采集到的m个实时状态按时间序列进行合并为一个周期的采样状态;
所述步骤a4中图像处理模块对样本图像进行处理的步骤为:将样本图像转化为灰阶图像,再进行降噪、调节对比度处理;
所述步骤b4后还有判断步骤b5,检测识别模块对检测图像进行识别和分析得到检测数据,判断装置将检测数据和加工设定数据进行对比;
当检测数据超出加工设定数据设定的阈值时,判断结果为不合格,操作人员根据判断结果控制撞点机模型,完成对撞点机设备的平行控制;
当检测数据未超出加工设定数据设定的阈值时,判断结果为合格,结束在位检测操作,操作人员无需控制撞点机模型进行任何操作。
2.根据权利要求1所述的基于多周期差分采样和数字孪生技术的平行控制方法,其特征在于,所述步骤b1中完成撞点机设备的仿真模型设计的具体操作步骤为:首先利用机械三维建模平台完成仿真模型设计,再将得到仿真模型设计导入仿真平台进行模型二次处理,对仿真模型中设备的大小、布局进行修改以及区分动件与不动件。
3.根据权利要求1所述的基于多周期差分采样和数字孪生技术的平行控制方法,其特征在于,所述步骤b2中进行离线模拟运行的具体操作为:利用仿真平台提供的二次开发功能,利用Jscript脚本语言实现撞点机工艺动作,同时在平台上进行离线模拟加工参数进行打孔测试;所述步骤b中给撞点机模型设置的加工参数包括:电压、速度和压力。
4.根据权利要求1或2或3所述的基于多周期差分采样和数字孪生技术的平行控制方法,其特征在于,所述仿真平台为Demo3D仿真平台。
5.根据权利要求4所述的基于多周期差分采样和数字孪生技术的平行控制方法,其特征在于,所述步骤b3中,所述虚实同步技术为:首先确保撞点机模型与撞点机设备的设计参数的一致性;以撞点机模型作为主动模型,撞点机设备作为从动部分;通过撞点机模型与撞点机设备同时连接同一PLC控制系统实现撞点机模型与撞点机设备的信号的同步;
所述步骤b3中,将撞点机模型与撞点机设备同时连接同一PLC控制系统的具体方式为:将Demo3D里面的I/O点与PLC中的I/O点地址进行绑定,PLC控制系统中的I/O点控制实物的运动参数;而撞点机模型主要是通过工件触发传感器,通过PLC控制系统的I/O点以及内部逻辑驱动撞点机设备进行同步运动。
6.根据权利要求5所述的基于多周期差分采样和数字孪生技术的平行控制方法,其特征在于,所述设计参数包括:撞点机模型的尺寸、布局和控制逻辑;所述运动参数包括:撞点机设备的运动方向、运动速度、行程、启动和停止;数字孪生模型执行情况包括:工单完成信息和随机故障。
Priority Applications (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910285327.0A CN109991918B (zh) | 2019-04-10 | 2019-04-10 | 基于多周期差分采样和数字孪生技术的平行控制方法 |
PCT/CN2020/079739 WO2020207209A1 (zh) | 2019-04-10 | 2020-03-17 | 基于多周期差分采样和数字孪生技术的平行控制方法 |
US16/826,205 US10921794B2 (en) | 2019-04-10 | 2020-03-21 | Parallel control method based on multi-period differential sampling and digital twinning technologies |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910285327.0A CN109991918B (zh) | 2019-04-10 | 2019-04-10 | 基于多周期差分采样和数字孪生技术的平行控制方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109991918A CN109991918A (zh) | 2019-07-09 |
CN109991918B true CN109991918B (zh) | 2019-11-12 |
Family
ID=67132760
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910285327.0A Active CN109991918B (zh) | 2019-04-10 | 2019-04-10 | 基于多周期差分采样和数字孪生技术的平行控制方法 |
Country Status (2)
Country | Link |
---|---|
CN (1) | CN109991918B (zh) |
WO (1) | WO2020207209A1 (zh) |
Families Citing this family (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109991918B (zh) * | 2019-04-10 | 2019-11-12 | 广东工业大学 | 基于多周期差分采样和数字孪生技术的平行控制方法 |
IT201900015953A1 (it) | 2019-09-10 | 2021-03-10 | Gd Spa | Procedimento per la risoluzione di un malfunzionamento ignoto di almeno una parte di una macchina automatica per la produzione o l’impacchettamento di prodotti di consumo |
CN111399462B (zh) * | 2020-04-01 | 2021-03-09 | 浙江大学 | 离散连续混合的产品作业控制逻辑数字孪生虚实同步方法 |
CN111442998B (zh) * | 2020-05-06 | 2024-06-04 | 吉林大学 | 一种基于数字孪生的茎秆弯折动态过程多参数测试平台 |
CN112859789B (zh) * | 2021-01-29 | 2024-02-06 | 重庆邮电大学 | 一种基于cfd构建数据中心数字孪生体的方法及系统 |
CN113538993A (zh) * | 2021-06-02 | 2021-10-22 | 上海贽匠智能科技有限公司 | 一种基于数字孪生技术的实训一体机 |
CN115859700B (zh) * | 2023-03-02 | 2023-05-05 | 国网湖北省电力有限公司电力科学研究院 | 一种基于数字孪生技术的电网建模方法 |
CN116823233B (zh) * | 2023-08-30 | 2023-11-07 | 青岛巨商汇网络科技有限公司 | 一种基于全周期运维的用户数据处理方法及系统 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107861478A (zh) * | 2017-10-17 | 2018-03-30 | 广东工业大学 | 一种智能车间平行控制方法及系统 |
CN108919760A (zh) * | 2018-07-05 | 2018-11-30 | 长安大学 | 一种基于数字孪生的智能车间自治生产过程动态联动控制方法 |
CN109571476A (zh) * | 2018-12-14 | 2019-04-05 | 南京理工大学 | 工业机器人数字孪生实时作业控制、监控与精度补偿方法 |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2009145769A (ja) * | 2007-12-17 | 2009-07-02 | Toshiba Matsushita Display Technology Co Ltd | 平面表示装置 |
CN108983729A (zh) * | 2018-08-15 | 2018-12-11 | 广州易行信息技术有限公司 | 一种工业生产线数字孪生方法及系统 |
CN109359507B (zh) * | 2018-08-24 | 2021-10-08 | 南京理工大学 | 一种车间人员数字孪生体模型快速构建方法 |
CN109991918B (zh) * | 2019-04-10 | 2019-11-12 | 广东工业大学 | 基于多周期差分采样和数字孪生技术的平行控制方法 |
-
2019
- 2019-04-10 CN CN201910285327.0A patent/CN109991918B/zh active Active
-
2020
- 2020-03-17 WO PCT/CN2020/079739 patent/WO2020207209A1/zh active Application Filing
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107861478A (zh) * | 2017-10-17 | 2018-03-30 | 广东工业大学 | 一种智能车间平行控制方法及系统 |
CN108919760A (zh) * | 2018-07-05 | 2018-11-30 | 长安大学 | 一种基于数字孪生的智能车间自治生产过程动态联动控制方法 |
CN109571476A (zh) * | 2018-12-14 | 2019-04-05 | 南京理工大学 | 工业机器人数字孪生实时作业控制、监控与精度补偿方法 |
Non-Patent Citations (2)
Title |
---|
Exploring the potential of Operator 4.0 interface and monitoring;Margherita Peruzzini;《Computers & Industrial Engineering》;20181231;第1-19页 * |
基于数字孪生的航空发动机低压涡轮单元体对接技术研究;王岭;《计算机测量与控制》;20181231;第26卷(第10期);第286-290、303页 * |
Also Published As
Publication number | Publication date |
---|---|
CN109991918A (zh) | 2019-07-09 |
WO2020207209A1 (zh) | 2020-10-15 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109991918B (zh) | 基于多周期差分采样和数字孪生技术的平行控制方法 | |
US10921794B2 (en) | Parallel control method based on multi-period differential sampling and digital twinning technologies | |
CN111929309B (zh) | 一种基于机器视觉的铸造件外观缺陷检测方法及系统 | |
CN110008605A (zh) | 基于数字孪生模型的监测方法及应用其的撞点机设备 | |
CN205067206U (zh) | 一种维氏硬度计 | |
CN112884768B (zh) | 基于神经网络的3d打印在线质量监测方法、系统、装置 | |
GB2584608A (en) | Robot motion optimization system and method | |
CN107991795A (zh) | 一种液晶模组自动光学检测系统 | |
US20230029806A1 (en) | In-situ monitoring system assisted material and parameter development for additive manufacturing | |
CN113909996A (zh) | 一种基于数字孪生的高端装备加工状态监测方法及系统 | |
Szajna et al. | The production quality control process, enhanced with augmented reality glasses and the new generation computing support system | |
CN110335239A (zh) | 基于深度学习的缺陷检测训练机器及其使用方法 | |
Leco et al. | A two-step machining and active learning approach for right-first-time robotic countersinking through in-process error compensation and prediction of depth of cuts | |
CN103913653B (zh) | 一种光电鼠标自动画线测试系统 | |
CN116297531B (zh) | 机器视觉检测方法、系统、介质及设备 | |
CN206075118U (zh) | 一种用于汽车零部件加工的控制系统 | |
CN110006630B (zh) | 基于多周期差分采样的在位检测方法及高速点运动设备 | |
KR101096065B1 (ko) | 고속 통신 인터페이스를 이용한 로봇 비젼 검사시스템 및 방법 | |
CN107931828A (zh) | 激光加工中的一键定位方法、激光加工方法及系统 | |
KR102434442B1 (ko) | 검사 대상의 결함 검사를 고속으로 수행하는 방법 및 이를 수행하는 장치들 | |
US20200338680A1 (en) | Testbed device for use in predictive modelling of manufacturing processes | |
KR20200103585A (ko) | 딥러닝을 기반으로 한 압흔 검사시스템 및 압흔 검사시스템의 제어 방법 | |
De Argandoña et al. | Forming processes control by means of artificial intelligence techniques | |
CN110077622A (zh) | 一种数字化智能无损检测系统及其检测方法 | |
CN116331763B (zh) | 建筑幕墙型材处理装置及方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
TR01 | Transfer of patent right |
Effective date of registration: 20231107 Address after: Room 218, Building 3, No. 318, Outer Ring West Road, University City, Xiaoguwei Street, Panyu District, Guangzhou City, Guangdong Province, 511400 Patentee after: GUANGZHOU BINGYOU INFORMATION TECHNOLOGY CO.,LTD. Address before: 510006 No. 100 West Ring Road, University of Guangdong, Guangzhou Patentee before: GUANGDONG University OF TECHNOLOGY Patentee before: GUANGZHOU BINGYOU INFORMATION TECHNOLOGY CO.,LTD. |
|
TR01 | Transfer of patent right |