CN110532718A - 大型复杂装备层次关联最优割集虚拟拆装序列规划方法 - Google Patents
大型复杂装备层次关联最优割集虚拟拆装序列规划方法 Download PDFInfo
- Publication number
- CN110532718A CN110532718A CN201910832596.4A CN201910832596A CN110532718A CN 110532718 A CN110532718 A CN 110532718A CN 201910832596 A CN201910832596 A CN 201910832596A CN 110532718 A CN110532718 A CN 110532718A
- Authority
- CN
- China
- Prior art keywords
- vector
- assembly
- frame
- dismounting
- sequence
- 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.)
- Granted
Links
Abstract
本发明公开了一种大型复杂装备层次关联最优割集虚拟拆装序列规划方法,包括步骤:一、构建大型复杂装备拆装对象的多层次关系拆装树模型;二、建立拆装对象的关联关系拆装网络模型;三、生成拆卸割集;四、获取机械可行性拆卸初定规划序列;五、机械可行性拆卸初定规划序列的验证;六、获取机械可行性装配最终规划序列。本发明考虑被拆解对象的层次关系,又融入描述拆解对象零件节点和组件节点之间相互关联关系规划拆装序列,既较好地体现了拆装对象的结构,减少了各层元件的数量,降低了拆装对象分析复杂度,利用时空相关跟踪策略的碰撞实时检测方法对机械可行性拆卸初定规划序列进行验证,有利于规划各零件节点和组件节点之间的最终拆装顺序。
Description
技术领域
本发明属于虚拟拆装序列规划技术领域,具体涉及一种大型复杂装备层次关联最优割集虚拟拆装序列规划方法。
背景技术
在工业、建筑、航天、军事等领域,虚拟现实系统是一种理想的训练和实践系统,操作人员在实际操作装备前,可在虚拟环境中进行操作训练,以便熟练掌握装备和操作技术。作战人员可在虚拟战场环境或虚拟战斗中,培养作战指挥能力,或对所制定的作战策略和战术进行仿真评估。维修人员可在虚拟维修环境中开展维修技能训练。由于工业、建筑、航天、军事等领域存在着大量复杂装备,这些装备维修复杂、造价高、使用寿命有限。因此基于虚拟现实技术,通过构造逼真的虚拟复杂装备维修平台和虚拟维修环境,并在其中进行仿真训练,对于减少维修训练开支,提高维修保障效能具有重要的现实意义。
目前,为了将维修操作对象、维修操作者和维修过程三个元素进行有机地统一,突破空间、时间的限制,实现装备虚拟分解与装配功能,如何进行大型复杂装备虚拟拆装序列优化规划是一个难题。为使虚拟拆装顺序更接近实际的维修拆装操作,一般在大型复杂装备虚拟维修中,受训人员在维修操作过程中,将按照预先设定好的拆装序列进行维修过程操作,而现有拆装序列生成方法基本上都是基于专家知识的,存在数据量大、知识库匹配能力不足、智能化程度低、依赖专家经验、通用性差、难以移植至其他系统等问题,而其他基于智能优化算法的拆装序列生成方法又存在优化计算速度慢、容易陷入局部最优、不收敛等不足。
发明内容
本发明所要解决的技术问题在于针对上述现有技术中的不足,提供一种大型复杂装备层次关联最优割集虚拟拆装序列规划方法,考虑被拆解对象的层次关系,又融入描述拆解对象零件节点和组件节点之间相互关联关系规划拆装序列,既较好地体现了拆装对象的结构,减少了各层元件的数量,降低了拆装对象分析复杂度,利用基于时空相关跟踪策略的碰撞实时检测方法对机械可行性拆卸初定规划序列进行验证,有利于规划各零件节点和组件节点之间合理的最终拆装顺序,通用性强,便于推广使用。
为解决上述技术问题,本发明采用的技术方案是:大型复杂装备层次关联最优割集虚拟拆装序列规划方法,其特征在于,该方法包括以下步骤:
步骤一、构建大型复杂装备拆装对象的多层次关系拆装树模型:将大型复杂装备的拆装对象分层拆装,使大型复杂装备的拆装对象为多层次结构的拆装对象,所述多层次结构的拆装对象由多层次关系拆装树模型表示,以拆装对象为树的根节点构建大型复杂装备拆装对象的多层次关系拆装树模型,其中,多层次关系拆装树模型的叶节点为不可分解的零件节点,多层次关系拆装树模型的中间节点为可再分解的组件节点;
步骤二、建立拆装对象的关联关系拆装网络模型:对多层次关系拆装树模型中各个零件节点、各个组件节点、以及各个零件节点和各个组件节点之间的关联关系建立拆装对象的关联关系拆装网络模型,即D={P,R},其中,D为拆装对象,P为关联关系拆装网络模型中节点集合且P={P1,...,Pη,...,PΔ},Δ为关联关系拆装网络模型中节点总数,η为关联关系拆装网络模型中节点编号且η=1,2,...,Δ,Pη为关联关系拆装网络模型中第η个节点,R为关联关系拆装网络模型中节点之间的关联关系集合;
步骤三、生成拆卸割集:以关联关系拆装网络模型为输入,利用关联割集生成算法对关联关系拆装网络模型进行处理,生成拆卸割集cutset={Pε,Pκ,Rεκ},其中,Pε和Pκ为两个有关联关系的节点,Rεκ为Pε和Pκ之间的关联关系;
步骤四、获取机械可行性拆卸初定规划序列:对拆卸割集进行机械可行性推理,获取机械可行性拆卸初定规划序列;
步骤五、机械可行性拆卸初定规划序列的验证:利用基于时空相关跟踪策略的碰撞实时检测方法对机械可行性拆卸初定规划序列进行验证,过程如下:
步骤501、在虚拟拆卸场景中,对无装配关系的节点间进行包围盒的碰撞检测;
步骤502、在虚拟拆卸场景中,对有装配关系的两个节点建立装配物体M与基准物体N之间的装配关系,确定装配物体M与基准物体N发生干涉的区域的起始位置a和最终位置b;
以基准物体N的局部坐标系为基准坐标系,在基准坐标系中确定起始位置a的坐标为(ax,ay,az),起始位置a的方位角为(aα,aβ,aγ),aα为ax和基准坐标系原点之间的连线与基准坐标系x轴之间的夹角,aβ为ay和基准坐标系原点之间的连线与基准坐标系y轴之间的夹角,aγ为az和基准坐标系原点之间的连线与基准坐标系z轴之间的夹角,则起始位置a的位姿向量最终位置b的坐标为(bx,by,bz),最终位置b的方位角为(bα,bβ,bγ),bα为bx和基准坐标系原点之间的连线与基准坐标系x轴之间的夹角,bβ为by和基准坐标系原点之间的连线与基准坐标系y轴之间的夹角,bγ为bz和基准坐标系原点之间的连线与基准坐标系z轴之间的夹角,则最终位置b的位姿向量
基准物体N的坐标为(nx,ny,nz),方位角为(nα,nβ,nγ),nα为nx和基准坐标系原点之间的连线与基准坐标系x轴之间的夹角,nβ为ny和基准坐标系原点之间的连线与基准坐标系y轴之间的夹角,nγ为nz和基准坐标系原点之间的连线与基准坐标系z轴之间的夹角,则基准物体N的位姿向量装配物体M在基准坐标系中的坐标为(cx,cy,cz),方位角为(cα,cβ,cγ),cα为cx和基准坐标系原点之间的连线与基准坐标系x轴之间的夹角,cβ为cy和基准坐标系原点之间的连线与基准坐标系y轴之间的夹角,cγ为cz和基准坐标系原点之间的连线与基准坐标系z轴之间的夹角,则装配物体M的位姿向量
步骤503、根据公式计算装配物体M在装配过程中的非约束项变化向量其中,为中间向量且 为取反运算,为装配物体M在装配过程中的运动约束向量且 为装配物体M在最终位置b处的位置约束向量且·|·为去卷积运算;
步骤504、根据公式计算装配物体M在装配过程中的装配方向向量且其中,为位姿变化向量的单位化向量且*为卷积运算符合;
步骤505、根据公式计算装配物体M在装配过程中相对于的约束项变化向量其中,为装配物体M在装配过程中的装配方向向量的单位化向量;
步骤506、判断装配物体M的位姿向量和起始位置a的位姿向量的约束项的接近程度:根据公式计算装配物体M的位姿向量和起始位置a的位姿向量的向量差其中,根据公式计算装配物体M的位姿向量和起始位置a的位姿向量的约束项的接近向量其中,为装配物体M在起始位置a处的位置约束向量且即
根据公式计算装配物体M的位姿向量和起始位置a的位姿向量的约束项的接近向量的均值f1,当f1的值小于预设的第一均值阈值时,装配物体M的位置就是装配干涉的初始位置,执行步骤507;否则,装配物体M停止移动;
步骤507、确定装配物体M的装配运动量:根据公式计算装配物体M在装配过程中的非约束项单位变化向量其中,为装配物体M的运动步长向量且即
根据公式计算装配物体M在装配过程中的约束项单位变化向量其中,
在方向上投影长度为j且则为装配物体M在装配过程中的约束项实际变化量,则装配物体M的装配运动量为
步骤508、更新装配物体M的位姿向量:利用装配物体M的装配运动量对装配物体M的位姿向量进行更新,获得装配物体M的更新位姿向量
步骤509、判断在方向上投影长度是否非负:当步骤507中的j≥0时,执行步骤5010;当步骤六中的j<0时,循环步骤503,其中,每次循环中步骤506中的装配物体M的位姿向量均采用装配物体M的更新位姿向量
步骤5010、判断装配物体M的位姿向量和最终位置b的位姿向量的约束项的接近程度:根据公式计算装配物体M的位姿向量和最终位置b的位姿向量的向量差其中,根据公式计算装配物体M的位姿向量和最终位置b的位姿向量的约束项的接近向量即
根据公式计算装配物体M的位姿向量和最终位置b的位姿向量的约束项的接近向量的均值f2,当f2的值小于预设的第二均值阈值时,则干涉剔除,装配过程结束;否则,循环步骤503;
步骤5011、剔除干涉,修改机械可行性拆卸初定规划序列,重复步骤501,直至机械可行性拆卸初定规划序列中所有节点验证完毕,得到机械可行性拆卸最终规划序列;
步骤六、获取机械可行性装配最终规划序列:利用反演理论对机械可行性拆卸最终规划序列进行反演,得到机械可行性装配最终规划序列。
上述的大型复杂装备层次关联最优割集虚拟拆装序列规划方法,其特征在于:步骤五中非约束项变化向量中各参数值取0或1,非约束项变化向量中值为1的项为非约束项。
上述的大型复杂装备层次关联最优割集虚拟拆装序列规划方法,其特征在于:步骤五中装配物体M在最终位置b处的位置约束向量中各参数值取0或1,装配物体M在最终位置b处的位置约束向量中值为1的项为约束项;步骤五中装配物体M在起始位置a处的位置约束向量为中各参数值取0或1,装配物体M在起始位置a处的位置约束向量中值为1的项为约束项。
本发明与现有技术相比具有以下优点:
1、本发明考虑被拆解对象的层次关系,又融入描述拆解对象零件节点和组件节点之间相互关联关系规划拆装序列,既较好地体现了拆装对象的结构,减少了各层元件的数量,降低了拆装对象分析复杂度,适合在航空、航天、工业、建筑、军事的大型复杂装备的虚拟维修拆装训练系统中进行拆装序列规划应用。
2、本发明建立装配物体M相对于起始位置a的装配物体M在起始位置a处的位置约束向量同时建立装配物体M相对于最终位置b的装配物体M在最终位置b处的位置约束向量以及装配物体M在装配过程中的运动约束向量利用装配物体M的当前位置与初始装配位置进行比较,若装配物体M的当前位置和起始位置a的位姿向量的约束项的接近向量的均值在允许的第一均值阈值内,则装配物体M和基准物体N之间采用基于相对位置的干涉剔除,装配物体M在最终位置b处的位置约束向量中各参数值取0或1,装配物体M在最终位置b处的位置约束向量中值为1的项为约束项,装配物体M在起始位置a处的位置约束向量为中各参数值取0或1,装配物体M在起始位置a处的位置约束向量中值为1的项为约束项,在装配过程中,由关键项来控制装配过程,装配物体M在装配过程中的非约束项变化向量中各参数值取0或1,非约束项变化向量中值为1的项为非约束项,在装配过程中可任意变化;由装配物体M的当前位置、装配物体M的运动方向和相对位置的约束关系来约束装配物体M的位置变化,实现装配或拆卸过程,通过跟踪上一时间点活动对象位置,进行下一时刻碰撞位置实时检测和干涉剔除,以提高算法的效率,极大提高了系统交互的实时性,减小了模型运算量,碰撞检测的实时性和稳定性强,使用效果好。
3、本发明方法步骤简单,通过提取拆卸对象层次关系拆装模型、生成拆卸割集、碰撞检测、干涉剔除和修改拆卸初定顺序,有利于规划各零件节点和组件节点之间合理的最终拆装顺序,便于推广使用。
综上所述,本发明考虑被拆解对象的层次关系,又融入描述拆解对象零件节点和组件节点之间相互关联关系规划拆装序列,既较好地体现了拆装对象的结构,减少了各层元件的数量,降低了拆装对象分析复杂度,利用基于时空相关跟踪策略的碰撞实时检测方法对机械可行性拆卸初定规划序列进行验证,有利于规划各零件节点和组件节点之间合理的最终拆装顺序,便于推广使用。
下面通过附图和实施例,对本发明的技术方案做进一步的详细描述。
附图说明
图1为本发明拆装对象的多层次关系拆装树模型示意图。
图2为本发明拆装对象的关联关系拆装网络模型示意图。
图3为本实施例中车轮总成多层次关系拆装树模型示意图。
图4为本实施例中车轮总成第一层节点关联关系拆装网络模型示意图。
图5为本实施例中车轮总成第二层节点关联关系拆装网络模型示意图。
图6为本实施例中车轮总成第三层节点关联关系拆装网络模型示意图。
图7为本实施例中车轮总成第四层节点关联关系拆装网络模型示意图。
图8为本发明方法的方法流程框图。
具体实施方式
如图1、图2和图8所示,本发明的大型复杂装备层次关联最优割集虚拟拆装序列规划方法,包括以下步骤:
步骤一、构建大型复杂装备拆装对象的多层次关系拆装树模型:将大型复杂装备的拆装对象分层拆装,使大型复杂装备的拆装对象为多层次结构的拆装对象,所述多层次结构的拆装对象由多层次关系拆装树模型表示,以拆装对象为树的根节点构建大型复杂装备拆装对象的多层次关系拆装树模型,其中,多层次关系拆装树模型的叶节点为不可分解的零件节点,多层次关系拆装树模型的中间节点为可再分解的组件节点;
需要说明的是,拆装对象考虑被拆解对象的层次关系,层次关系体现了组件、零件之间的父子从属关系,可较好的体现拆装对象结构,降低拆装对象分析复杂度。
步骤二、建立拆装对象的关联关系拆装网络模型:对多层次关系拆装树模型中各个零件节点、各个组件节点、以及各个零件节点和各个组件节点之间的关联关系建立拆装对象的关联关系拆装网络模型,即D={P,R},其中,D为拆装对象,P为关联关系拆装网络模型中节点集合且P={P1,...,Pη,...,PΔ},Δ为关联关系拆装网络模型中节点总数,η为关联关系拆装网络模型中节点编号且η=1,2,...,Δ,Pη为关联关系拆装网络模型中第η个节点,R为关联关系拆装网络模型中节点之间的关联关系集合;
需要说明的是,拆装对象的关联关系拆装网络模型可较好地对各零件之间的拆装关系进行直观描述,有利于初步规划各零部件之间合理的拆装顺序。
步骤三、生成拆卸割集:以关联关系拆装网络模型为输入,利用关联割集生成算法对关联关系拆装网络模型进行处理,生成拆卸割集cutset={Pε,Pκ,Rεκ},其中,Pε和Pκ为两个有关联关系的节点,Rεκ为Pε和Pκ之间的关联关系;
需要说明的是,拆装对象考虑被拆解对象的层次关系,又融入描述拆解对象零件节点和组件节点之间相互关联关系规划拆装序列,既较好地体现了拆装对象的结构,减少了各层元件的数量,降低了拆装对象分析复杂度,适合在航空、航天、工业、建筑、军事的大型复杂装备的虚拟维修拆装训练系统中进行拆装序列规划应用。
步骤四、获取机械可行性拆卸初定规划序列:对拆卸割集进行机械可行性推理,获取机械可行性拆卸初定规划序列;
步骤五、机械可行性拆卸初定规划序列的验证:利用基于时空相关跟踪策略的碰撞实时检测方法对机械可行性拆卸初定规划序列进行验证,过程如下:
步骤501、在虚拟拆卸场景中,对无装配关系的节点间进行包围盒的碰撞检测;
步骤502、在虚拟拆卸场景中,对有装配关系的两个节点建立装配物体M与基准物体N之间的装配关系,确定装配物体M与基准物体N发生干涉的区域的起始位置a和最终位置b;
以基准物体N的局部坐标系为基准坐标系,在基准坐标系中确定起始位置a的坐标为(ax,ay,az),起始位置a的方位角为(aα,aβ,aγ),aα为ax和基准坐标系原点之间的连线与基准坐标系x轴之间的夹角,aβ为ay和基准坐标系原点之间的连线与基准坐标系y轴之间的夹角,aγ为az和基准坐标系原点之间的连线与基准坐标系z轴之间的夹角,则起始位置a的位姿向量最终位置b的坐标为(bx,by,bz),最终位置b的方位角为(bα,bβ,bγ),bα为bx和基准坐标系原点之间的连线与基准坐标系x轴之间的夹角,bβ为by和基准坐标系原点之间的连线与基准坐标系y轴之间的夹角,bγ为bz和基准坐标系原点之间的连线与基准坐标系z轴之间的夹角,则最终位置b的位姿向量
基准物体N的坐标为(nx,ny,nz),方位角为(nα,nβ,nγ),nα为nx和基准坐标系原点之间的连线与基准坐标系x轴之间的夹角,nβ为ny和基准坐标系原点之间的连线与基准坐标系y轴之间的夹角,nγ为nz和基准坐标系原点之间的连线与基准坐标系z轴之间的夹角,则基准物体N的位姿向量装配物体M在基准坐标系中的坐标为(cx,cy,cz),方位角为(cα,cβ,cγ),cα为cx和基准坐标系原点之间的连线与基准坐标系x轴之间的夹角,cβ为cy和基准坐标系原点之间的连线与基准坐标系y轴之间的夹角,cγ为cz和基准坐标系原点之间的连线与基准坐标系z轴之间的夹角,则装配物体M的位姿向量
步骤503、根据公式计算装配物体M在装配过程中的非约束项变化向量其中,为中间向量且 为取反运算,为装配物体M在装配过程中的运动约束向量且 为装配物体M在最终位置b处的位置约束向量且·|·为去卷积运算;
步骤504、根据公式计算装配物体M在装配过程中的装配方向向量且其中,为位姿变化向量的单位化向量且*为卷积运算符合;
步骤505、根据公式计算装配物体M在装配过程中相对于的约束项变化向量其中,为装配物体M在装配过程中的装配方向向量的单位化向量;
步骤506、判断装配物体M的位姿向量和起始位置a的位姿向量的约束项的接近程度:根据公式计算装配物体M的位姿向量和起始位置a的位姿向量的向量差其中,根据公式计算装配物体M的位姿向量和起始位置a的位姿向量的约束项的接近向量其中,为装配物体M在起始位置a处的位置约束向量且即
根据公式计算装配物体M的位姿向量和起始位置a的位姿向量的约束项的接近向量的均值f1,当f1的值小于预设的第一均值阈值时,装配物体M的位置就是装配干涉的初始位置,执行步骤507;否则,装配物体M停止移动;
步骤507、确定装配物体M的装配运动量:根据公式计算装配物体M在装配过程中的非约束项单位变化向量其中,为装配物体M的运动步长向量且即
根据公式计算装配物体M在装配过程中的约束项单位变化向量其中,
在方向上投影长度为j且则为装配物体M在装配过程中的约束项实际变化量,则装配物体M的装配运动量为
步骤508、更新装配物体M的位姿向量:利用装配物体M的装配运动量对装配物体M的位姿向量进行更新,获得装配物体M的更新位姿向量
步骤509、判断在方向上投影长度是否非负:当步骤507中的j≥0时,执行步骤5010;当步骤六中的j<0时,循环步骤503,其中,每次循环中步骤506中的装配物体M的位姿向量均采用装配物体M的更新位姿向量
步骤5010、判断装配物体M的位姿向量和最终位置b的位姿向量的约束项的接近程度:根据公式计算装配物体M的位姿向量和最终位置b的位姿向量的向量差其中,根据公式计算装配物体M的位姿向量和最终位置b的位姿向量的约束项的接近向量即
根据公式计算装配物体M的位姿向量和最终位置b的位姿向量的约束项的接近向量的均值f2,当f2的值小于预设的第二均值阈值时,则干涉剔除,装配过程结束;否则,循环步骤503;
步骤5011、剔除干涉,修改机械可行性拆卸初定规划序列,重复步骤501,直至机械可行性拆卸初定规划序列中所有节点验证完毕,得到机械可行性拆卸最终规划序列;
本实施例中,步骤五中非约束项变化向量中各参数值取0或1,非约束项变化向量中值为1的项为非约束项。
本实施例中,步骤五中装配物体M在最终位置b处的位置约束向量中各参数值取0或1,装配物体M在最终位置b处的位置约束向量中值为1的项为约束项;步骤五中装配物体M在起始位置a处的位置约束向量为中各参数值取0或1,装配物体M在起始位置a处的位置约束向量中值为1的项为约束项。
需要说明的是,利用装配物体M的当前位置与初始装配位置进行比较,若装配物体M的当前位置和起始位置a的位姿向量的约束项的接近向量的均值在允许的第一均值阈值内,则装配物体M和基准物体N之间采用基于相对位置的干涉剔除,再由装配物体M的当前位置、装配物体M的运动方向和相对位置的约束关系来约束装配物体M的位置变化,实现装配或拆卸过程,通过跟踪上一时间点活动对象位置,进行下一时刻碰撞位置实时检测和干涉剔除,以提高算法的效率,极大提高了系统交互的实时性,减小了模型运算量,碰撞检测的实时性和稳定性强。
步骤六、获取机械可行性装配最终规划序列:利用反演理论对机械可行性拆卸最终规划序列进行反演,得到机械可行性装配最终规划序列。
如图3至图7所示,本实施例中对车轮总成进行层次关联最优割集虚拟拆装序列规划,其中P1表示车轮闭锁阀与轮胎连接管,P2表示连接螺母,P3表示轮毂总成,P4表示轮胎与轮辋组件,P5表示螺帽组件,P6表示行星齿轮外支架端盖组件,P7表示开口销,P8表示锁紧螺母,P9表示轴承,P10表示主动车轮拆装组件,P11表示螺栓组件,P12表示行星齿轮外支架垫片组件,P13表示行星齿轮外支架盖,P14表示行星齿轮外支架盖密封圈,P15表示行星齿轮外支架与齿轮总成,P16表示太阳轮,P17表示外螺母,P18表示止动垫圈,P19表示锁紧垫圈,P20表示调整螺母,P21表示齿圈支架,P22表示从动车轮拆装组件,P23表示制动毂与轴承组件,P24表示回位弹簧,P25表示限位板,P26表示制动蹄支销,P27表示挡板螺钉,P28表示挡板,P29表示制动蹄片,P30表示轮毂其他拆装组件;
R1表示螺栓连接,R2表示螺栓连接,R3表示螺纹连接,R4表示插入关系,R5表示插入关系,根据图4中车轮总成第一层节点关联关系拆装网络模型生成的拆卸割集:{P1,P4,R1},{P1,P3,R2},{P3,P4,R3},{P4,P2,R4},{P2,P3,R5};
R6表示螺纹连接,R7表示螺纹连接,R8覆盖关系,R9表示螺栓连接,R10表示插入关系,R11表示贴合关系,R12表示插入关系,R13表示销连接,R14表示螺纹连接,R15表示插入关系,R16表示覆盖关系,根据图5中车轮总成第二层节点关联关系拆装网络模型生成的拆卸割集:{P5,P10,R6},{P5,P6,R7},{P6,P10,R8},{P10,P11,R9},{P11,P12,R10},{P12,P10,R11},{P10,P7,R12},{P7,P8,R13},{P8,P10,R14},{P9,P10,R15},{P8,P9,R16};
R17表示贴合关系,R18表示齿轮传动,R19表示齿啮合关系,R20表示螺纹连接,R21表示覆盖关系,R22表示覆盖关系,R23表示插入关系,R24表示插入关系,R25表示覆盖关系,R26表示螺纹连接,R27表示覆盖关系,R28表示插入关系,R29表示贴合关系,R30表示插入关系,根据图6中车轮总成第三层节点关联关系拆装网络模型生成的拆卸割集:{P15,P23,R17},{P15,P16,R18},{P16,P22,R19},{P17,P22,R20},{P17,P18,R21},{P18,P19,R22},{P18,P22,R23},{P19,P22,R24},{P19,P20,R25},{P20,P22,R26},{P20,P21,R27},{P21,P22,R28},{P21,P23,R29},{P22,P23,R30};
R31表示啮合关系,R32表示螺钉连接,R33表示插入关系,R34表示插入关系,R35表示螺母连接,R36表示啮合关系,R37表示插入关系,R38表示销连接,R39表示插入关系,R40表示联接关系,根据图7中车轮总成第一层节点关联关系拆装网络模型生成的拆卸割集:{P28,P29,R31},{P28,P30,R32},{P28,P27,R33},{P27,P30,R34},{P25,P30,R35},{P25,P26,R36},{P26,P30,R37},{P29,P30,R38},{P26,P29,R39},{P29,P24,R40}。
根据零部件及维修工具尺寸,对拆卸割集进行交互推理,生成机械可行性拆卸初定规划序列{P1,P2,P4,P5,P6,P7,P8,P10,P11,P12,P16,P15,P17,P18,P19,P20,P21,P23,P24,P27,P28,P25,P26,P29};利用基于时空相关跟踪策略的碰撞实时检测方法对机械可行性拆卸初定规划序列进行验证,验证每一步拆卸过程是否发生干涉,检验发现太阳轮的拆卸过程中存在干涉,调整P16和P15的顺序,再次检验,干涉剔除,针对拆装对象得到机械可行性装配最终规划序列:{P1,P2,P4,P5,P6,P7,P8,P10,P11,P12,P15,P16,P17,P18,P19,P20,P21,P23,P24,P27,P28,P25,P26,P29};利用反演理论对机械可行性拆卸最终规划序列进行反演,再得到机械可行性装配最终规划序列,考虑被拆解对象的层次关系,又融入描述拆解对象零件节点和组件节点之间相互关联关系规划拆装序列,既较好地体现了拆装对象的结构,减少了各层元件的数量,降低了拆装对象分析复杂度,利用基于时空相关跟踪策略的碰撞实时检测方法对机械可行性拆卸初定规划序列进行验证,有利于规划各零件节点和组件节点之间合理的最终拆装顺序,规划效果好。
以上所述,仅是本发明的较佳实施例,并非对本发明作任何限制,凡是根据本发明技术实质对以上实施例所作的任何简单修改、变更以及等效结构变化,均仍属于本发明技术方案的保护范围内。
Claims (3)
1.大型复杂装备层次关联最优割集虚拟拆装序列规划方法,其特征在于,该方法包括以下步骤:
步骤一、构建大型复杂装备拆装对象的多层次关系拆装树模型:将大型复杂装备的拆装对象分层拆装,使大型复杂装备的拆装对象为多层次结构的拆装对象,所述多层次结构的拆装对象由多层次关系拆装树模型表示,以拆装对象为树的根节点构建大型复杂装备拆装对象的多层次关系拆装树模型,其中,多层次关系拆装树模型的叶节点为不可分解的零件节点,多层次关系拆装树模型的中间节点为可再分解的组件节点;
步骤二、建立拆装对象的关联关系拆装网络模型:对多层次关系拆装树模型中各个零件节点、各个组件节点、以及各个零件节点和各个组件节点之间的关联关系建立拆装对象的关联关系拆装网络模型,即D={P,R},其中,D为拆装对象,P为关联关系拆装网络模型中节点集合且P={P1,...,Pη,...,PΔ},Δ为关联关系拆装网络模型中节点总数,η为关联关系拆装网络模型中节点编号且η=1,2,...,Δ,Pη为关联关系拆装网络模型中第η个节点,R为关联关系拆装网络模型中节点之间的关联关系集合;
步骤三、生成拆卸割集:以关联关系拆装网络模型为输入,利用关联割集生成算法对关联关系拆装网络模型进行处理,生成拆卸割集cutset={Pε,Pκ,Rεκ},其中,Pε和Pκ为两个有关联关系的节点,Rεκ为Pε和Pκ之间的关联关系;
步骤四、获取机械可行性拆卸初定规划序列:对拆卸割集进行机械可行性推理,获取机械可行性拆卸初定规划序列;
步骤五、机械可行性拆卸初定规划序列的验证:利用基于时空相关跟踪策略的碰撞实时检测方法对机械可行性拆卸初定规划序列进行验证,过程如下:
步骤501、在虚拟拆卸场景中,对无装配关系的节点间进行包围盒的碰撞检测;
步骤502、在虚拟拆卸场景中,对有装配关系的两个节点建立装配物体M与基准物体N之间的装配关系,确定装配物体M与基准物体N发生干涉的区域的起始位置a和最终位置b;
以基准物体N的局部坐标系为基准坐标系,在基准坐标系中确定起始位置a的坐标为(ax,ay,az),起始位置a的方位角为(aα,aβ,aγ),aα为ax和基准坐标系原点之间的连线与基准坐标系x轴之间的夹角,aβ为ay和基准坐标系原点之间的连线与基准坐标系y轴之间的夹角,aγ为az和基准坐标系原点之间的连线与基准坐标系z轴之间的夹角,则起始位置a的位姿向量最终位置b的坐标为(bx,by,bz),最终位置b的方位角为(bα,bβ,bγ),bα为bx和基准坐标系原点之间的连线与基准坐标系x轴之间的夹角,bβ为by和基准坐标系原点之间的连线与基准坐标系y轴之间的夹角,bγ为bz和基准坐标系原点之间的连线与基准坐标系z轴之间的夹角,则最终位置b的位姿向量
基准物体N的坐标为(nx,ny,nz),方位角为(nα,nβ,nγ),nα为nx和基准坐标系原点之间的连线与基准坐标系x轴之间的夹角,nβ为ny和基准坐标系原点之间的连线与基准坐标系y轴之间的夹角,nγ为nz和基准坐标系原点之间的连线与基准坐标系z轴之间的夹角,则基准物体N的位姿向量装配物体M在基准坐标系中的坐标为(cx,cy,cz),方位角为(cα,cβ,cγ),cα为cx和基准坐标系原点之间的连线与基准坐标系x轴之间的夹角,cβ为cy和基准坐标系原点之间的连线与基准坐标系y轴之间的夹角,cγ为cz和基准坐标系原点之间的连线与基准坐标系z轴之间的夹角,则装配物体M的位姿向量
步骤503、根据公式计算装配物体M在装配过程中的非约束项变化向量其中,为中间向量且 为取反运算,为装配物体M在装配过程中的运动约束向量且 为装配物体M在最终位置b处的位置约束向量且·|·为去卷积运算;
步骤504、根据公式计算装配物体M在装配过程中的装配方向向量且其中,为位姿变化向量的单位化向量且*为卷积运算符合;
步骤505、根据公式计算装配物体M在装配过程中相对于的约束项变化向量其中,为装配物体M在装配过程中的装配方向向量的单位化向量;
步骤506、判断装配物体M的位姿向量和起始位置a的位姿向量的约束项的接近程度:根据公式计算装配物体M的位姿向量和起始位置a的位姿向量的向量差其中,根据公式计算装配物体M的位姿向量和起始位置a的位姿向量的约束项的接近向量其中,为装配物体M在起始位置a处的位置约束向量且即
根据公式计算装配物体M的位姿向量和起始位置a的位姿向量的约束项的接近向量的均值f1,当f1的值小于预设的第一均值阈值时,装配物体M的位置就是装配干涉的初始位置,执行步骤507;否则,装配物体M停止移动;
步骤507、确定装配物体M的装配运动量:根据公式计算装配物体M在装配过程中的非约束项单位变化向量其中,为装配物体M的运动步长向量且即
根据公式计算装配物体M在装配过程中的约束项单位变化向量其中,
在方向上投影长度为j且则为装配物体M在装配过程中的约束项实际变化量,则装配物体M的装配运动量为
步骤508、更新装配物体M的位姿向量:利用装配物体M的装配运动量对装配物体M的位姿向量进行更新,获得装配物体M的更新位姿向量
步骤509、判断在方向上投影长度是否非负:当步骤507中的j≥0时,执行步骤5010;当步骤六中的j<0时,循环步骤503,其中,每次循环中步骤506中的装配物体M的位姿向量均采用装配物体M的更新位姿向量
步骤5010、判断装配物体M的位姿向量和最终位置b的位姿向量的约束项的接近程度:根据公式计算装配物体M的位姿向量和最终位置b的位姿向量的向量差其中,根据公式计算装配物体M的位姿向量和最终位置b的位姿向量的约束项的接近向量即
根据公式计算装配物体M的位姿向量和最终位置b的位姿向量的约束项的接近向量的均值f2,当f2的值小于预设的第二均值阈值时,则干涉剔除,装配过程结束;否则,循环步骤503;
步骤5011、剔除干涉,修改机械可行性拆卸初定规划序列,重复步骤501,直至机械可行性拆卸初定规划序列中所有节点验证完毕,得到机械可行性拆卸最终规划序列;
步骤六、获取机械可行性装配最终规划序列:利用反演理论对机械可行性拆卸最终规划序列进行反演,得到机械可行性装配最终规划序列。
2.按照权利要求1所述的大型复杂装备层次关联最优割集虚拟拆装序列规划方法,其特征在于:步骤五中非约束项变化向量中各参数值取0或1,非约束项变化向量中值为1的项为非约束项。
3.按照权利要求1所述的大型复杂装备层次关联最优割集虚拟拆装序列规划方法,其特征在于:步骤五中装配物体M在最终位置b处的位置约束向量中各参数值取0或1,装配物体M在最终位置b处的位置约束向量中值为1的项为约束项;步骤五中装配物体M在起始位置a处的位置约束向量为中各参数值取0或1,装配物体M在起始位置a处的位置约束向量中值为1的项为约束项。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910832596.4A CN110532718B (zh) | 2019-09-04 | 2019-09-04 | 大型复杂装备层次关联最优割集虚拟拆装序列规划方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910832596.4A CN110532718B (zh) | 2019-09-04 | 2019-09-04 | 大型复杂装备层次关联最优割集虚拟拆装序列规划方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110532718A true CN110532718A (zh) | 2019-12-03 |
CN110532718B CN110532718B (zh) | 2020-04-17 |
Family
ID=68666770
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910832596.4A Active CN110532718B (zh) | 2019-09-04 | 2019-09-04 | 大型复杂装备层次关联最优割集虚拟拆装序列规划方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110532718B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114872044A (zh) * | 2022-05-12 | 2022-08-09 | 四川大学 | 一种基于图模型的机器人自主装配顺序规划方法 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8785829B2 (en) * | 2009-12-16 | 2014-07-22 | Saful Consulting | Systems, circuits, and methods for reconfiguring solar cells of an adaptive solar power system |
CN104484523A (zh) * | 2014-12-12 | 2015-04-01 | 西安交通大学 | 一种增强现实诱导维修系统的实现设备与方法 |
CN105160139A (zh) * | 2015-10-16 | 2015-12-16 | 中国电子科技集团公司第三十八研究所 | 一种虚拟人维修动作混合驱动方法 |
CN206764133U (zh) * | 2016-10-21 | 2017-12-19 | 华中科技大学 | 一种激光加工头及其构成的激光精密制造装备 |
CN108646926A (zh) * | 2018-08-29 | 2018-10-12 | 常州天眼星图光电科技有限公司 | 机械制造模具虚拟装配培训系统及培训方法 |
-
2019
- 2019-09-04 CN CN201910832596.4A patent/CN110532718B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8785829B2 (en) * | 2009-12-16 | 2014-07-22 | Saful Consulting | Systems, circuits, and methods for reconfiguring solar cells of an adaptive solar power system |
CN104484523A (zh) * | 2014-12-12 | 2015-04-01 | 西安交通大学 | 一种增强现实诱导维修系统的实现设备与方法 |
CN105160139A (zh) * | 2015-10-16 | 2015-12-16 | 中国电子科技集团公司第三十八研究所 | 一种虚拟人维修动作混合驱动方法 |
CN206764133U (zh) * | 2016-10-21 | 2017-12-19 | 华中科技大学 | 一种激光加工头及其构成的激光精密制造装备 |
CN108646926A (zh) * | 2018-08-29 | 2018-10-12 | 常州天眼星图光电科技有限公司 | 机械制造模具虚拟装配培训系统及培训方法 |
Non-Patent Citations (1)
Title |
---|
李会茹: "基于维修任务的拆装过程仿真方法研究", 《中国优秀硕士学位论文全文数据库 工程科技II辑》 * |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114872044A (zh) * | 2022-05-12 | 2022-08-09 | 四川大学 | 一种基于图模型的机器人自主装配顺序规划方法 |
Also Published As
Publication number | Publication date |
---|---|
CN110532718B (zh) | 2020-04-17 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107214701B (zh) | 一种基于运动基元库的带电作业机械臂自主避障路径规划方法 | |
CN110428688B (zh) | 一种基于虚拟场景的轨道交通车辆检修仿真实训系统 | |
CN105160139B (zh) | 一种虚拟人维修动作混合驱动方法 | |
Augenbroe | Integrated building performance evaluation in the early design stages | |
Giesing et al. | A summary of industry MDO applications and needs | |
CN112731887A (zh) | 石化无人值守装卸线数字孪生智能监控系统及方法 | |
CN107193639A (zh) | 一种支持联合作战的多核并行仿真引擎系统 | |
CN113656879A (zh) | 基于bim的幕墙工程精细化施工方法、系统、终端、介质 | |
CN105976080A (zh) | 一种作战指挥控制流程建模方法 | |
CN102768703A (zh) | 基于树图模型的水轮发电机组虚拟装配建模方法和系统 | |
CN110502868A (zh) | 一种复杂装备车辆多层次虚拟维修训练系统的建立方法 | |
Wenna et al. | A digital twin for 3D path planning of large-span curved-arm gantry robot | |
CN110532718A (zh) | 大型复杂装备层次关联最优割集虚拟拆装序列规划方法 | |
CN102880808A (zh) | 一种雷达结构维修性综合评价方法 | |
Ruifeng et al. | Research progress and application of behavior tree technology | |
Zhu et al. | Deep reinforcement learning for real-time assembly planning in robot-based prefabricated construction | |
CN108549734A (zh) | 基于系统功能结构的tfm三维信息流建模方法 | |
König et al. | Levels of automation in urban design through arti ficial intelligence: A framework to characterize automation approaches | |
Zhang et al. | Digital twin-based process optimization system research for micro-assembly products | |
Li et al. | An intelligent interactive approach for assembly process planning based on hierarchical classification of parts | |
CN110489907A (zh) | 一种轨道交通车辆车体数字样机的优化设计方法 | |
CN109766568A (zh) | 一种多因素耦合的航天人因可靠性不确定性分析方法 | |
Hu et al. | Real-time evaluation algorithm of human body movement in football training robot | |
Yeung et al. | The role of simulation in digital twin construction | |
Yin et al. | Process simulation and optimization of ammunition filling robot based on DELMIA |
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 |