CN110879583B - 基于数字孪生的智能装配车间质量预测与控制系统及方法 - Google Patents

Abstract

本发明属于数字孪生技术领域，具体公开了基于数字孪生的智能装配车间质量预测与控制系统及方法，包括平台模型建立模块、实时数据采集模块、数据处理中心、装配动态仿真模块和装配异常检测模块；所述异常检测模块包括装配质量检测单元、连接缝隙检测单元、离心晃动检测单元、异常点标记单元和异常原因巡查单元；本发明科学合理，使用安全方便，利用异常检测模块对装配之后的成品进行多项的质量检测，可以有效的保证装配之后的成品的质量，同时，利用异常点标记单元对异常点进行标记，减少了工作人员对异常点排查所花费的时间，利用异常原因巡查单元对装配设备出现异常的原因进行显示，同样减少了工作人员对装配设备故障排查所花费的时间。

Description

基于数字孪生的智能装配车间质量预测与控制系统及方法

技术领域

本发明涉及数字孪生技术领域，具体是基于数字孪生的智能装配车间质量预测与控制系统及方法。

背景技术

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。

在装配车间中，利用装配设备对制造完成之后的零件进行装配，在装配设备完成之后需要对装配之后的成品进行质检，通常的质检采用的方式是对成品进行抽检，但是，不管对成品利用哪种质检方式，当装配设备出现异常时，会导致后期所有的成品出现质量问题，需要对装配之后的成品进行全部返工重新装配，会浪费大量的人力物力和财力，并且，还需要对装配设备进行人工异常排查，会浪费大量的时间，影响零件装配的效率，对每一个装配之后的成品都进行质检对于现代工厂生产来说，是不现实的，所以，人们急需一种基于数字孪生的智能装配车间质量预测与控制系统及方法来对零件的装配进行质量的预测和控制，及时的对制止异常的发生，及时的对异常情况做出应对，减少人力物力和财力的浪费。

发明内容

本发明的目的在于提供基于数字孪生的智能装配车间质量预测与控制系统及方法，以解决现有技术中提出的问题。

为实现上述目的，本发明提供如下技术方案：基于数字孪生的智能装配车间质量预测与控制系统，该质量预测与控制系统包括平台模型建立模块、实时数据采集模块、数据处理中心、装配动态仿真模块和装配异常检测模块；

所述实时数据采集模块的输出端电性连接数据处理中心的输入端，所述数据处理中心的输出端电性连接平台模型建立模块的输入端；

所述平台模型建立模块用于建立装配设备和零件的静态模型，所述实时数据采集模块用于装配设备对零件进行装配过程中的实时数据进行采集，所述数据处理中心用于对装配过程中产生的数据进行集中处理，所述装配动态仿真模块用于对零件装配的整个过程进行实时模型仿真，所述装配异常检测模块用于对零件装配而成的产品进行异常检测。

作为优选技术方案，所述平台模型建立模块包括装配设备扫描单元、设备参数输入单元、坐标系建立单元、零件扫描单元和零件位置确认单元；

所述装配设备扫描单元用于对装配设备整体数据进行扫描，包括外形尺寸数据、夹具尺寸数据等，所述坐标系建立单元用于对整个装配机床所在位置建立立体坐标系，用于对装配设备的每一个零件位置进行确定，所述设备参数输入单元用于将装配设备的参数输入装配设备扫描单元扫描之后的模型中，包括装配设备移栽参数、装配设备各部件坐标参数等，所述零件扫描单元用于对即将进行装配的零件外形进行扫描，获取零件的外形尺寸数据，所述零件位置确认单元用于对零件在坐标系中的坐标位置进行确认，输入建立之后的平台模型中。

所述平台模型建立模块在建立模型时，将装配参数输入建模计算机，所述建模计算机根据装配参数建立装配平台模型，所述坐标系建立单元在所述装配平台模型上建立坐标系。

通过平台模型建立模块可以有效的对装配设备进行三维模型的建立，使得可以将整个装配设备的装配过程数字化，使得可以更加清楚完成的了解整个装配过程。

作为优选技术方案，所述实时数据采集模块包括零件参数采集、零件坐标数据采集、装配夹具数据采集、设备移栽数据采集和设备环境数据采集；

所述数据处理中心包括可编程控制器、数据分类单元和存储数据库；

所述零件参数采集是指装配设备在对零件进行装配的过程中，对零件的移动和角度变化数据进行实时采集，所述零件坐标数据采集是指装配设备在对零件进行装配的过程中，对零件的初始坐标位置、终止坐标位置以及在坐标系中的移动轨迹进行采集，所述装配夹具数据采集是指对装配夹具的夹持力度数据、坐标位置数据进行采集，所述设备移栽数据采集是指对装配设备移栽部件的起始坐标位置、终止坐标位置、移动轨迹以及移动距离数据进行采集，所述设备环境数据采集是指对装配设备装配时的温度数据、湿度数据、气压数据和扬尘数据进行采集；

所述可编程控制器用于对整个系统进行智能化控制，还用于对实时数据采集模块所采集的各项数据进行处理，所述数据分类单元用于对实时数据采集模块所采集的各项数据进行归一化处理并进行分类，所述存储数据库用于对数据分类单元分类处理之后的数据进行存储。

通过实时数据采集模块，可以对装配设备装配过程的实时数据进行采集，使得可以将实时数据应用至平台模型，利用平台模型和实时数据进行零件装配的动态仿真，使得可以有效的观察整个装配过程。

作为优选技术方案，所述装配动态仿真模块包括移栽数据接收单元、移栽数据导入单元、设备模型驱动单元、零件夹取判断单元和零件坐标检测单元；

所述移栽数据接收单元用于对装配设备和零件移栽的坐标位置数据、角度变化数据、移栽距离数据进行接收，所述移栽数据导入单元是指将接收的装配设备和零件移栽的坐标位置数据、角度变化数据、移栽距离数据导入平台模型中，所述设备模型驱动单元用于根据导入的移栽数据驱动平台模型执行移栽操作，实现对装配设备装配的实时动态仿真，所述零件夹取判断单元用于根据夹具与零件之间的相对坐标位置关系判断夹具是否对零件进行了夹取，还根据夹具与零件移动的相对坐标位置关系进行判断，用于平台模型实现对零件的夹取和移载，所述零件坐标检测单元用于对零件的最终坐标位置进行检测，用于确定零件的装配位置是否正确，计算零件的装配精度；

所述移栽数据接收单元对移栽数据进行接收，所述移栽数据导入单元将移栽数据导入平台模型，所述零件夹取判断单元对零件是否被夹取进行判断，当零件判断被夹具夹取时，所述设备模型驱动单元根据移栽数据驱动平台模型移动，对零件进行夹取和装配，所述零件坐标检测单元对零件的最终坐标位置进行检测。

作为优选技术方案，所述装配异常检测模块包括装配质量检测单元、连接缝隙检测单元、离心晃动检测单元、异常点标记单元和异常原因巡查单元；

所述装配质量检测单元用于对零件装配之后的产品总重量进行检测，以此来判断所装配的产品是否缺少零件，以及零件的生产是否符合标准，所述连接缝隙检测单元用于对零件连接处的缝隙进行检测，以此来判断零件之间的装配是否符合装配标准，所述离心晃动检测单元用于在装配设备上对装配之后的产品进行离心检测，通过离心检测来判断零件的安装是否牢固，所述异常点标记单元用于对异常检测过程中出现的异常点所在坐标点进行标记，便于工作人员对异常点进行巡查，所述异常原因巡查单元用于根据异常点的坐标位置以及该零件的装配轨迹对其异常原因进行展示，进一步缩短了工作人员对异常进行排查所花费的时间。

通过装配异常检测模块，可以对装配之后的成品进行异常检测，可以有效的保证装配之后的成品的质量，同时，利用异常点标记单元对异常点进行标记，减少了工作人员对异常点排查所花费的时间。

基于数字孪生的智能装配车间质量预测与控制方法，该方法包括以下步骤：

S1、利用装配设备参数实现对装配平台模型的建立；

S2、对零件装配过程中的实时数据进行采集；

S3、根据装配平台和装配时采集的实时数据建立数字孪生模型；

S4、根据数字孪生模型对装配的过程进行实时映射；

S5、根据大数据对装配设备装配零件的精确度进行预测；

S6、利用装配异常检测模块对装配完成的产品进行异常检测；

S7、对装配异常点进行标记并显示可能异常原因。

作为优选技术方案，所述步骤S1中，利用所述装配设备扫描单元对装配设备进行三维立体扫描，所述装配设备扫描单元可以为三维扫描仪，所述装配设备扫描单元将扫描数据输入建模计算机，所述建模计算机根据装配设备三维扫描数据建立装配平台静态模型，利用所述设备参数输入单元输入装配设备的参数信息，参数信息包括移栽速度、移栽角度范围、电机转速和功率等信息，利用所述坐标系建立单元在建立的装配平台静态模型上建立三维坐标系(X，Y，Z)，作为装配设备移栽数据和零件移栽数据的定位标准，所述零件扫描单元对即将装配的零件进行三维立体扫描，获取零件的三维立体数据，将零件的三维立体数据导入建模计算机，根据所述零件位置确认单元确认零件在装配平台静态模型中的三维坐标位置，实现对整个装配平台模型的建立。

作为优选技术方案，所述步骤S2-S4中，利用传感器和扫描摄像仪对零件装配过程中的零件参数信息、零件坐标数据信息、装配夹具数据信息、设备移栽数据信息和设备环境数据信息进行实时采集；

根据建立的装配平台模型和采集的零件装配过程的实时数据，建立零件装配过程的数字孪生模型，对零件装配的过程进行实时动态仿真。

作为优选技术方案，所述步骤S5中，从存储数据中调取上一批次装配零件最终坐标系集合P，P＝{P₁，P₂，P₃，…P_n}，其中，P_i＝(X_i，Y_i，Z_i)，零件的装配速度为T(s/个)；

根据公式：

其中，

表示相邻两个产品装配的零件X轴的坐标差值，

表示相邻两个产品装配的零件Y轴的坐标差值，

表示相邻两个产品装配的零件Z轴的坐标差值；

根据公式：

当

中的一个或多个值大于设定阈值A时，表明零件的装配位置发生偏差较大，此时，确认i值；

根据公式：

T_总＝T*i；

其中，T_总表示装配设备在运行T_总s之后精确度会超出设定阈值，T表示零件的装配速度，i表示零件开始装配之后第i个零件的装配；

当装配第i个成品时，零件的装配的精确度会发生较大的变化，导致精确度变差，对装配设备和装配平台模型进行更正。

作为优选技术方案，所述步骤S6-S7中，利用装配质量检测单元对装配之后的成品的总质量进行检测，利用连接缝隙检测单元对装配之后的成品的连接处的缝隙大小进行检测，利用离心晃动检测单元对装配之后的成品进行离心运动，停止离心运动之后，对装配之后的成品的各个零件的坐标位置进行重新确认，判断零件是否发生偏移，确定每一个零件离心晃动前的装配坐标Q₁＝(X_k，Y_k，Z_k)，确定每一个零件离心晃动后的装配坐标Q₂＝(X_m，Y_m，Z_m)；

根据公式：

其中，

分别表示离心晃动前后同一个零件相同坐标轴的差值；

当

中的一个或者多个不等于0时，表示零件发生了松动，利用异常点标记单元对离心晃动后的装配坐标Q₂＝(X_m，Y_m，Z_m)点进行标记；

并根据装配该零件的装配设备的移栽部件进行标记，对装配异常的可能原因进行展示。

与现有技术相比，本发明的有益效果是：

1、设置有装配异常检测模块，可以对装配之后的成品进行异常检测，可以有效的保证装配之后的成品的质量，同时，利用异常点标记单元对异常点进行标记，减少了工作人员对异常点排查所花费的时间，利用异常原因巡查单元对装配设备出现异常的原因进行显示，同样减少了工作人员对装配设备故障排查所花费的时间。

2、设置有坐标系，可以对装配设备和零件的位置进行数字化，可以有效的得知整个产品的装配过程进行模拟，可以有效的对零件装配的精确度进行有效的预测，减小了因装配设备故障导致的零件装配错位的现象，提高了装配的成品率，通过坐标数据的检测，判断装配过程中的精度问题，当坐标值偏差大于设定阈值之后，进行报警提醒，及时对装配设备数据修正。

附图说明

图1为本发明基于数字孪生的智能装配车间质量预测与控制系统的模块组成示意图；

图2为本发明基于数字孪生的智能装配车间质量预测与控制系统的模块连接示意图；

图3为本发明基于数字孪生的智能装配车间质量预测与控制方法的步骤实施示意图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

如图1-2所示，基于数字孪生的智能装配车间质量预测与控制系统，该质量预测与控制系统包括平台模型建立模块、实时数据采集模块、数据处理中心、装配动态仿真模块和装配异常检测模块；

所述实时数据采集模块的输出端电性连接数据处理中心的输入端，所述数据处理中心的输出端电性连接平台模型建立模块的输入端；

所述平台模型建立模块用于建立装配设备和零件的静态模型，所述实时数据采集模块用于装配设备对零件进行装配过程中的实时数据进行采集，所述数据处理中心用于对装配过程中产生的数据进行集中处理，所述装配动态仿真模块用于对零件装配的整个过程进行实时模型仿真，所述装配异常检测模块用于对零件装配而成的产品进行异常检测。

所述平台模型建立模块包括装配设备扫描单元、设备参数输入单元、坐标系建立单元、零件扫描单元和零件位置确认单元；

所述装配设备扫描单元用于对装配设备整体数据进行扫描，包括外形尺寸数据、夹具尺寸数据等，所述坐标系建立单元用于对整个装配机床所在位置建立立体坐标系，用于对装配设备的每一个零件位置进行确定，所述设备参数输入单元用于将装配设备的参数输入装配设备扫描单元扫描之后的模型中，包括装配设备移栽参数、装配设备各部件坐标参数等，所述零件扫描单元用于对即将进行装配的零件外形进行扫描，获取零件的外形尺寸数据，所述零件位置确认单元用于对零件在坐标系中的坐标位置进行确认，输入建立之后的平台模型中。

所述平台模型建立模块在建立模型时，将装配参数输入建模计算机，所述建模计算机根据装配参数建立装配平台模型，所述坐标系建立单元在所述装配平台模型上建立坐标系。

所述实时数据采集模块包括零件参数采集、零件坐标数据采集、装配夹具数据采集、设备移栽数据采集和设备环境数据采集；

所述数据处理中心包括可编程控制器、数据分类单元和存储数据库；

所述零件参数采集是指装配设备在对零件进行装配的过程中，对零件的移动和角度变化数据进行实时采集，所述零件坐标数据采集是指装配设备在对零件进行装配的过程中，对零件的初始坐标位置、终止坐标位置以及在坐标系中的移动轨迹进行采集，所述装配夹具数据采集是指对装配夹具的夹持力度数据、坐标位置数据进行采集，所述设备移栽数据采集是指对装配设备移栽部件的起始坐标位置、终止坐标位置、移动轨迹以及移动距离数据进行采集，所述设备环境数据采集是指对装配设备装配时的温度数据、湿度数据、气压数据和扬尘数据进行采集；

所述可编程控制器用于对整个系统进行智能化控制，还用于对实时数据采集模块所采集的各项数据进行处理，所述数据分类单元用于对实时数据采集模块所采集的各项数据进行归一化处理并进行分类，所述存储数据库用于对数据分类单元分类处理之后的数据进行存储。

所述装配动态仿真模块包括移栽数据接收单元、移栽数据导入单元、设备模型驱动单元、零件夹取判断单元和零件坐标检测单元；

所述移栽数据接收单元用于对装配设备和零件移栽的坐标位置数据、角度变化数据、移栽距离数据进行接收，所述移栽数据导入单元是指将接收的装配设备和零件移栽的坐标位置数据、角度变化数据、移栽距离数据导入平台模型中，所述设备模型驱动单元用于根据导入的移栽数据驱动平台模型执行移栽操作，实现对装配设备装配的实时动态仿真，所述零件夹取判断单元用于根据夹具与零件之间的相对坐标位置关系判断夹具是否对零件进行了夹取，还根据夹具与零件移动的相对坐标位置关系进行判断，用于平台模型实现对零件的夹取和移载，所述零件坐标检测单元用于对零件的最终坐标位置进行检测，用于确定零件的装配位置是否正确，计算零件的装配精度；

所述移栽数据接收单元对移栽数据进行接收，所述移栽数据导入单元将移栽数据导入平台模型，所述零件夹取判断单元对零件是否被夹取进行判断，当零件判断被夹具夹取时，所述设备模型驱动单元根据移栽数据驱动平台模型移动，对零件进行夹取和装配，所述零件坐标检测单元对零件的最终坐标位置进行检测。

所述装配异常检测模块包括装配质量检测单元、连接缝隙检测单元、离心晃动检测单元、异常点标记单元和异常原因巡查单元；

所述装配质量检测单元用于对零件装配之后的产品总重量进行检测，以此来判断所装配的产品是否缺少零件，以及零件的生产是否符合标准，所述连接缝隙检测单元用于对零件连接处的缝隙进行检测，以此来判断零件之间的装配是否符合装配标准，所述离心晃动检测单元用于在装配设备上对装配之后的产品进行离心检测，通过离心检测来判断零件的安装是否牢固，所述异常点标记单元用于对异常检测过程中出现的异常点所在坐标点进行标记，便于工作人员对异常点进行巡查，所述异常原因巡查单元用于根据异常点的坐标位置以及该零件的装配轨迹对其异常原因进行展示，进一步缩短了工作人员对异常进行排查所花费的时间。

如图3所示，基于数字孪生的智能装配车间质量预测与控制方法，该方法包括以下步骤：

S1、利用装配设备参数实现对装配平台模型的建立；

S2、对零件装配过程中的实时数据进行采集；

S3、根据装配平台和装配时采集的实时数据建立数字孪生模型；

S4、根据数字孪生模型对装配的过程进行实时映射；

S5、根据大数据对装配设备装配零件的精确度进行预测；

S6、利用装配异常检测模块对装配完成的产品进行异常检测；

S7、对装配异常点进行标记并显示可能异常原因。

所述步骤S1中，利用所述装配设备扫描单元对装配设备进行三维立体扫描，所述装配设备扫描单元可以为三维扫描仪，所述装配设备扫描单元将扫描数据输入建模计算机，所述建模计算机根据装配设备三维扫描数据建立装配平台静态模型，利用所述设备参数输入单元输入装配设备的参数信息，参数信息包括移栽速度、移栽角度范围、电机转速和功率等信息，利用所述坐标系建立单元在建立的装配平台静态模型上建立三维坐标系(X,Y,Z)，作为装配设备移栽数据和零件移栽数据的定位标准，所述零件扫描单元对即将装配的零件进行三维立体扫描，获取零件的三维立体数据，将零件的三维立体数据导入建模计算机，根据所述零件位置确认单元确认零件在装配平台静态模型中的三维坐标位置，实现对整个装配平台模型的建立。

所述步骤S2-S4中，利用传感器和扫描摄像仪对零件装配过程中的零件参数信息、零件坐标数据信息、装配夹具数据信息、设备移栽数据信息和设备环境数据信息进行实时采集；

根据建立的装配平台模型和采集的零件装配过程的实时数据，建立零件装配过程的数字孪生模型，对零件装配的过程进行实时动态仿真。

所述步骤S5中，从存储数据中调取上一批次装配零件最终坐标系集合P，P＝{P₁,P₂,P₃,…P_n},其中，P_i＝(X_i,Y_i,Z_i)，零件的装配速度为T(s/个)；

根据公式：

其中，

表示相邻两个产品装配的零件X轴的坐标差值，

表示相邻两个产品装配的零件Y轴的坐标差值，

表示相邻两个产品装配的零件Z轴的坐标差值；

根据公式：

当

中的一个或多个值大于设定阈值A时，表明零件的装配位置发生偏差较大，此时，确认i值；

根据公式：

T_总＝T*i；

其中，T_总表示装配设备在运行T_总s之后精确度会超出设定阈值，T表示零件的装配速度，i表示零件开始装配之后第i个零件的装配；

当装配第i个成品时，零件的装配的精确度会发生较大的变化，导致精确度变差，对装配设备和装配平台模型进行更正。

所述步骤S6-S7中，利用装配质量检测单元对装配之后的成品的总质量进行检测，利用连接缝隙检测单元对装配之后的成品的连接处的缝隙大小进行检测，利用离心晃动检测单元对装配之后的成品进行离心运动，停止离心运动之后，对装配之后的成品的各个零件的坐标位置进行重新确认，判断零件是否发生偏移，确定每一个零件离心晃动前的装配坐标Q₁＝(X_k，Y_k，Z_k)，确定每一个零件离心晃动后的装配坐标Q₂＝(X_m，Y_m，Z_m)；

根据公式：

其中，

分别表示离心晃动前后同一个零件相同坐标轴的差值；

当

中的一个或者多个不等于0时，表示零件发生了松动，利用异常点标记单元对离心晃动后的装配坐标Q₂＝(X_m，Y_m，Z_m)点进行标记；

并根据装配该零件的装配设备的移栽部件进行标记，对装配异常的可能原因进行展示。

实施例一：

利用所述装配设备扫描单元对装配设备进行三维立体扫描，所述装配设备扫描单元可以为三维扫描仪，所述装配设备扫描单元将扫描数据输入建模计算机，所述建模计算机根据装配设备三维扫描数据建立装配平台静态模型，利用所述设备参数输入单元输入装配设备的参数信息，参数信息包括移栽速度、移栽角度范围、电机转速和功率等信息，利用所述坐标系建立单元在建立的装配平台静态模型上建立三维坐标系(X，Y，Z)，作为装配设备移栽数据和零件移栽数据的定位标准，所述零件扫描单元对即将装配的零件进行三维立体扫描，获取零件的三维立体数据，将零件的三维立体数据导入建模计算机，根据所述零件位置确认单元确认零件在装配平台静态模型中的三维坐标位置，实现对整个装配平台模型的建立。

所述步骤S2-S4中，利用传感器和扫描摄像仪对零件装配过程中的零件参数信息、零件坐标数据信息、装配夹具数据信息、设备移栽数据信息和设备环境数据信息进行实时采集；

根据建立的装配平台模型和采集的零件装配过程的实时数据，建立零件装配过程的数字孪生模型，对零件装配的过程进行实时动态仿真。

所述步骤S5中，从存储数据中调取上一批次装配零件最终坐标系集合P，P＝{P₁，P₂，P₃，…P_n}，其中，P_i＝(X_i，Y_i，Z_i)，零件的装配速度为30(s/个)；

根据公式：

其中，

表示相邻两个产品装配的零件X轴的坐标差值，

表示相邻两个产品装配的零件Y轴的坐标差值，

表示相邻两个产品装配的零件Z轴的坐标差值；

根据公式：

当

中的一个或多个值大于设定阈值20mm时，表明零件的装配位置发生偏差较大，此时，确认i＝462；

根据公式：

T_总＝T*i＝30*462＝3.85h；

T_总表示装配设备在运行3.85h之后精确度会超出设定阈值；

当装配第462个成品时，零件的装配的精确度会发生较大的变化，导致精确度变差，对装配设备和装配平台模型进行更正。

所述步骤S6-S7中，利用装配质量检测单元对装配之后的成品的总质量进行检测，利用连接缝隙检测单元对装配之后的成品的连接处的缝隙大小进行检测，利用离心晃动检测单元对装配之后的成品进行离心运动，停止离心运动之后，对装配之后的成品的各个零件的坐标位置进行重新确认，判断零件是否发生偏移，确定每一个零件离心晃动前的装配坐标Q₁＝(X_k，Y_k，Z_k)，确定每一个零件离心晃动后的装配坐标Q₂＝(X_m，Y_m，Z_m)；

根据公式：

其中，

分别表示离心晃动前后同一个零件相同坐标轴的差值；

当

中的一个或者多个不等于0时，表示零件发生了松动，利用异常点标记单元对离心晃动后的装配坐标Q₂＝(X_m，Y_m，Z_m)点进行标记；

由于Y轴坐标发生偏移量较多，此时，对装配设备装配过程中与Y轴有关的装配部件进行显示，对装配异常的原因进行展示。

对于本领域技术人员而言，显然本发明不限于上述示范性实施例的细节，而且在不背离本发明的精神或基本特征的情况下，能够以其他的具体形式实现本发明。因此，无论从哪一点来看，均应将实施例看作是示范性的，而且是非限制性的，本发明的范围由所附权利要求而不是上述说明限定，因此旨在将落在权利要求的等同要件的含义和范围内的所有变化囊括在本发明内。不应将权利要求中的任何附图标记视为限制所涉及的权利要求。

Claims (3)

1.基于数字孪生的智能装配车间质量预测与控制系统，其特征在于：该质量预测与控制系统包括平台模型建立模块、实时数据采集模块、数据处理中心、装配动态仿真模块和装配异常检测模块；

所述实时数据采集模块的输出端电性连接数据处理中心的输入端，所述数据处理中心的输出端电性连接平台模型建立模块的输入端；

所述平台模型建立模块用于建立装配设备和零件的静态模型，所述实时数据采集模块用于装配设备对零件进行装配过程中的实时数据进行采集，所述数据处理中心用于对装配过程中产生的数据进行集中处理，所述装配动态仿真模块用于对零件装配的整个过程进行实时模型仿真，所述装配异常检测模块用于对零件装配而成的产品进行异常检测；

所述平台模型建立模块包括装配设备扫描单元、设备参数输入单元、坐标系建立单元、零件扫描单元和零件位置确认单元；

所述装配设备扫描单元用于对装配设备整体数据进行扫描，所述坐标系建立单元用于对整个装配机床所在位置建立立体坐标系，用于对装配设备的每一个零件位置进行确定，所述设备参数输入单元用于将装配设备的参数输入装配设备扫描单元扫描之后的模型中，所述零件扫描单元用于对即将进行装配的零件外形进行扫描，获取零件的外形尺寸数据，所述零件位置确认单元用于对零件在坐标系中的坐标位置进行确认，输入建立之后的平台模型中；

所述实时数据采集模块包括零件参数采集、零件坐标数据采集、装配夹具数据采集、设备移栽数据采集和设备环境数据采集；

所述数据处理中心包括可编程控制器、数据分类单元和存储数据库；

所述零件参数采集是指装配设备在对零件进行装配的过程中，对零件的移动和角度变化数据进行实时采集，所述零件坐标数据采集是指装配设备在对零件进行装配的过程中，对零件的初始坐标位置、终止坐标位置以及在坐标系中的移动轨迹进行采集，所述装配夹具数据采集是指对装配夹具的夹持力度数据、坐标位置数据进行采集，所述设备移栽数据采集是指对装配设备移栽部件的起始坐标位置、终止坐标位置、移动轨迹以及移动距离数据进行采集，所述设备环境数据采集是指对装配设备装配时的温度数据、湿度数据、气压数据和扬尘数据进行采集；

所述可编程控制器用于对整个系统进行智能化控制，还用于对实时数据采集模块所采集的各项数据进行处理，所述数据分类单元用于对实时数据采集模块所采集的各项数据进行归一化处理并进行分类，所述存储数据库用于对数据分类单元分类处理之后的数据进行存储；

所述装配动态仿真模块包括移栽数据接收单元、移栽数据导入单元、设备模型驱动单元、零件夹取判断单元和零件坐标检测单元；

所述移栽数据接收单元用于对装配设备和零件移栽的坐标位置数据、角度变化数据、移栽距离数据进行接收，所述移栽数据导入单元是指将接收的装配设备和零件移栽的坐标位置数据、角度变化数据、移栽距离数据导入平台模型中，所述设备模型驱动单元用于根据导入的移栽数据驱动平台模型执行移栽操作，所述零件夹取判断单元用于根据夹具与零件之间的相对坐标位置关系判断夹具是否对零件进行了夹取，还根据夹具与零件移动的相对坐标位置关系进行判断，用于平台模型实现对零件的夹取和移载，所述零件坐标检测单元用于对零件的最终坐标位置进行检测，用于确定零件的装配位置是否正确，计算零件的装配精度；

所述移栽数据接收单元对移栽数据进行接收，所述移栽数据导入单元将移栽数据导入平台模型，所述零件夹取判断单元对零件是否被夹取进行判断，当零件判断被夹具夹取时，所述设备模型驱动单元根据移栽数据驱动平台模型移动，对零件进行夹取和装配，所述零件坐标检测单元对零件的最终坐标位置进行检测；

所述装配异常检测模块包括装配质量检测单元、连接缝隙检测单元、离心晃动检测单元、异常点标记单元和异常原因巡查单元；

所述装配质量检测单元用于对零件装配之后的产品总重量进行检测，所述连接缝隙检测单元用于对零件连接处的缝隙进行检测，以此来判断零件之间的装配是否符合装配标准，所述离心晃动检测单元用于在装配设备上对装配之后的产品进行离心检测，通过离心检测来判断零件的安装是否牢固，所述异常点标记单元用于对异常检测过程中出现的异常点所在坐标点进行标记，所述异常原因巡查单元用于根据异常点的坐标位置以及该零件的装配轨迹对其异常原因进行展示。

2.基于数字孪生的智能装配车间质量预测与控制方法，其特征在于：该方法包括以下步骤：

S1、利用装配设备参数实现对装配平台模型的建立；

S2、对零件装配过程中的实时数据进行采集；

S3、根据装配平台和装配时采集的实时数据建立数字孪生模型；

S4、根据数字孪生模型对装配的过程进行实时映射；

S5、根据大数据对装配设备装配零件的精确度进行预测；

S6、利用装配异常检测模块对装配完成的产品进行异常检测；

S7、对装配异常点进行标记并显示可能异常原因；

所述步骤S1中，利用装配设备扫描单元对装配设备进行三维立体扫描，所述装配设备扫描单元将扫描数据输入建模计算机，所述建模计算机根据装配设备三维扫描数据建立装配平台静态模型，利用设备参数输入单元输入装配设备的参数信息，利用坐标系建立单元在建立的装配平台静态模型上建立三维坐标系(X,Y,Z)，作为装配设备移栽数据和零件移栽数据的定位标准，零件扫描单元对即将装配的零件进行三维立体扫描，获取零件的三维立体数据，将零件的三维立体数据导入建模计算机，根据零件位置确认单元确认零件在装配平台静态模型中的三维坐标位置，实现对整个装配平台模型的建立；

所述步骤S2-S4中，利用传感器和扫描摄像仪对零件装配过程中的零件参数信息、零件坐标数据信息、装配夹具数据信息、设备移栽数据信息和设备环境数据信息进行实时采集；

根据建立的装配平台模型和采集的零件装配过程的实时数据，建立零件装配过程的数字孪生模型，对零件装配的过程进行实时动态仿真；

所述步骤S5中，从存储数据中调取上一批次装配零件最终坐标系集合P，P＝{P₁,P₂,P₃,…P_n},其中，P_i＝(X_i,Y_i,Z_i)，零件的装配速度为T(s/个)；

根据公式：

其中，

表示相邻两个产品装配的零件X轴的坐标差值，

表示相邻两个产品装配的零件Y轴的坐标差值，

表示相邻两个产品装配的零件Z轴的坐标差值；

根据公式：

当

中的一个或多个值大于设定阈值A时，表明零件的装配位置发生偏差较大，此时，确认i值；

根据公式：

T_总＝T*i；

其中，T_总表示装配设备在运行T_总s之后精确度会超出设定阈值，T表示零件的装配速度，i表示零件开始装配之后第i个零件的装配；

当装配第i个成品时，零件的装配的精确度会发生较大的变化，导致精确度变差，对装配设备和装配平台模型进行更正。

3.根据权利要求2所述的基于数字孪生的智能装配车间质量预测与控制方法，其特征在于：所述步骤S6-S7中，利用装配质量检测单元对装配之后的成品的总质量进行检测，利用连接缝隙检测单元对装配之后的成品的连接处的缝隙大小进行检测，利用离心晃动检测单元对装配之后的成品进行离心运动，停止离心运动之后，对装配之后的成品的各个零件的坐标位置进行重新确认，判断零件是否发生偏移，确定每一个零件离心晃动前的装配坐标Q₁＝(X_k,Y_k,Z_k)，确定每一个零件离心晃动后的装配坐标Q₂＝(X_m,Y_m,Z_m)；

根据公式：

其中，

分别表示离心晃动前后同一个零件相同坐标轴的差值；

当

中的一个或者多个不等于0时，表示零件发生了松动，利用异常点标记单元对离心晃动后的装配坐标Q₂＝(X_m,Y_m,Z_m)点进行标记；

并根据装配该零件的装配设备的移栽部件进行标记，对装配异常的可能原因进行展示。

Images