CN111722539B - 一种基于时间自动机的数字孪生制造单元行为建模方法 - Google Patents
一种基于时间自动机的数字孪生制造单元行为建模方法 Download PDFInfo
- Publication number
- CN111722539B CN111722539B CN202010496128.7A CN202010496128A CN111722539B CN 111722539 B CN111722539 B CN 111722539B CN 202010496128 A CN202010496128 A CN 202010496128A CN 111722539 B CN111722539 B CN 111722539B
- Authority
- CN
- China
- Prior art keywords
- time
- manufacturing unit
- robot
- behavior
- 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.)
- Active
Links
Images
Classifications
-
- 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
- G05B17/00—Systems involving the use of models or simulators of said systems
- G05B17/02—Systems involving the use of models or simulators of said systems electric
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Automation & Control Theory (AREA)
- General Factory Administration (AREA)
Abstract
本发明公开了一种基于时间自动机的数字孪生制造单元行为建模方法,对制造单元的物理实体组成与加工需求进行考察,获取行为特征与对应的时间参数,针对具体加工任务,基于启发式智能算法生成包含在制品唯一标识号,工序号,加工设备标识号和加工时间的制造单元加工设备运行序列;构建加工设备、转运设备以及缓冲区与仓储的时间自动机模型;以在制品流转为核心构建时间自动机网络,生成制造单元的行为模型;根据加工设备的运行序列,生成包括设备运行序列与在制品状态追踪序列的制造单元整体行为序列,用于制造单元孪生体的执行分析。本发明有效准确描述制造单元行为逻辑,提升制造单元的自组织、自适应、自决策能力。
Description
技术领域
本发明属于制造系统自动化技术领域,具体涉及一种基于时间自动机的基于时间自动机的数字孪生制造单元行为建模方法。
背景技术
制造是国民经济的支柱产业。以云计算、物联网就、边缘计算、大数据分析和人工智能为代表的新一代的信息技术与制造业的集成与发展成为信息化时代制造业的主要特征与发展方向。数字孪生能够建立物理世界与虚拟世界的双向动态连接,是实现制造信息物理融合、推进智能制造落地应用的关键使能技术。数字孪生需要实现多学科、多领域需求下的模型构建,从而完成物理系统全生命周期的系统级仿真,进而实现自组织、自适应、自决策的智能制造功能要求。同时,数字孪生可以精准地反映物理系统的功能、实时状态以及演变趋势。
制造单元是离散型制造车间的基本实现单元,是多种软硬件结合,包括加工设备、转运设备、物料等多种制造要素。其运行过程需要科学决策和精细化管理,从而实现生产过程的自组织、自适应和智能化。制造单元的数字孪生模型是一个集成了多物理、多尺度性、概率性的复杂产品仿真模型,在制造单元的不同领域与不同方面均有不同的表现。
数字孪生行为建模是对制造单元内部的组成部分之间的交互与运行逻辑的模型化表征。这些行为逻辑是实际运行生产的基础,是生产运行实施的必要条件。同样对于数字孪生体而言,合理的行为描述表征是虚拟模型运行与同步映射反馈的必要条件。以叶轮加工为例,其间涉及的多道工序,在智能车间体系下,工序之间的交互由机器人与搬运仓储系统完成,信号流、控制流、工件流之间的交互高度耦合复杂。各类交互行为的存在对于车间总控系统PLC或程序的编写与以及整体运行控制而言,变得十分复杂。另一方面,现有制造单元数字孪生系统的建模,多数研究集中于单体设备、加工具体环节或生产管理阶段,对于车间设备级别的行为逻辑运行建模缺乏一种较为可靠准确建模方法。
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,提供一种基于时间自动机的基于时间自动机的数字孪生制造单元行为建模方法,在制造单元的设计阶段满足制造系统生产运行的基本功能,实现生产系统设计的正确性与实时性;在运行阶段,用于物理实体与虚拟模型相结合的制造单元数字孪生体执行分析。
本发明采用以下技术方案:
一种基于时间自动机的数字孪生制造单元行为建模方法,包括以下步骤:
S1、对制造单元的物理实体组成与加工需求进行考察,获取行为特征与对应的时间参数,针对具体加工任务,基于启发式智能算法生成包含在制品唯一标识号wp_id,工序号proc,加工设备标识号mech_id和加工时间time的制造单元加工设备运行序列;
S2、根据制造单元的实际组成对制造单元内部的系统进行划分,构建加工设备、转运设备以及缓冲区与仓储的时间自动机模型;
S3、以生产过程中物料的流转过程为核心,构建制造单元的时间自动机网络,生成制造单元的行为模型;
S4、使用UPPAAL对模型进行正确性与可达性验证,如果不符合,返回步骤S3进行修改;
S5、基于UPPAAL推理引擎,根据加工设备的运行序列,生成包括设备运行序列<equ_type,equ_id,transfer,time>与在制品状态追踪序列<wp_id,wp_transfer,time>的制造单元整体行为序列,用于制造单元孪生体的执行分析。
具体的,步骤S2中,构建加工设备的时间自动机模型具体为:
加工设备时间自动机Mechine(mc_id,mc_t)包括2个参数与10个状态,设备序号mc_id,为设备时钟值mc_t,初始状态表示机床待机或者停机状态Init;机床与总控系统建立连接的过程CretaSub;机床接受到了总控加工命令准备开始进行加工GetCommand;机床的气动推拉门运动到合适的位置开始OpenDoor、OpenDoorInit;机床处于加工之前的等待阶段idelBefore;机床关闭气动推拉门的过程CloseDoor;机床根据指令G代码进行的切削加工的过程Mechining;紧急状态MechiningFinsh,机床的加工完成urgent state;机床在加工结束以后的等待阶段idelAfter。
具体的,步骤S2中,构建转运设备的时间自动机模型具体为:
转运机器人时间自动机Robot(rb_id,rb_t)包括2个参数与11个状态,设备序号rb_id,代表设备时钟值rb_t;机器人待机或者停机状态Init;机器人与总控建立连接的过程CreatSub;等待状态Idel;机器人接受到总控的命令准备开始进行移动GetGoal;机器人控制器根据总控的目标命令进行运动学求解或运动轨迹的读取Planning;紧急状态表示机器人的运动规划完成GetPlanSub;机器人运动到初始点Move2Start,机器人移动到终止点Move2End,机器人夹具的松紧FixAction1、FixAction2;机器人完成一组指令以后返回初始状态的过程Back2Init;
构建AGV时间自动机Agv(agv_t),设备时钟值agv_t,AGV待机或者停机状态Init;AGV机器人与总控建立连接的过程CreatSub;等待状态Idel;AGV机器人接受到总控的命令准备开始进行移动GetGoal;机器人运动到初始点Move2Start,机器人移动到终止点Move2End。
具体的,步骤S2中,构建缓冲区与仓储的时间自动机模型具体为:
缓冲区与仓储自动机ProdBuffer(pb_id,pd_t,capacity)包括缓冲区序号pb_id,缓冲区时钟值pd_t,当前缓冲区内在制品数量capacity,Used为缓冲区仓储处于使用的状态。
具体的,步骤S3具体为:
S301、利用物理车间的布局,建立车间资源设备邻接矩阵;
S302、建立与加工设备资源关联的物料处理过程的时间自动机WorkPiece(wp_id,wp_t,mc_in_use,robot_in_use),wp_id表示物料序号,wp_t表示物料时钟值,mc_in_use表示当前正在处理的机床,robot_in_use表示当前正在使用的机器人;
S303、构建以通道信号为主的同步通信和全局变量为主的异步通讯,辅助静态参数,建立资源竞争约束;
S304、由于加工过程属于多在制品共同作用的,建立在制品状态循环更新的时间自动机CtrlSys。
进一步的,步骤S301中,制造单元制造资源设备邻接矩阵为:
其中,MC为加工设备集合,RB为转运机器人集合,PB为缓冲区与仓储集合,AGV为AGV机器人集合。
进一步的,步骤S303中,通道信号分别为:
door_close[mc_id]\door_open[mc_id]\door_open[mc_id]表示序号为mc_id的加工设备气动推拉门的开启与关闭信号;process_start[mc_id]\process_fin[mc_id]表示mc_id的加工设备的加工过程的启动与完成信号;machine_ready[mc_id]表示序号为mc_id的加工设备的可以进行加工;buffer_get[pb_id]\buffer_put[pb_id]表示序号为pb_id的缓冲区设备交接在制品;trans_start[rb_id]\trans_fin[rb_id]表示序号为rb_id的转运设备的转运启动与停止信号;agv_trans_start\agv_trans_fin表示AGV转运的启停。
具体的,步骤S5具体为:
S501、通过建立客户端向推理机服务器发送请求与之建立连接,与推理机引擎Engine建立链接;
S502、通过Document模块解析时间自动机网络的.xml文件,Engine模块调用UPPAAL推理引擎建立推理机引擎Engine需要的System,Symbolic模块调用内部推理机实现符号的推理功能,给出迁移发生的序列与符号条件;
S503、Concrete模块基于随机算法依据限定给出具体迁移发生时,时间自动机网络内各自动机的时钟变量的准确值;
S504、生成的结果通过Output模块解析成json文件的格式并输出,用于制造单元数字孪生体执行分析;发送给物理实体中总控系统实现制造过程执行,发送虚拟模型配合实现仿真分析。
进一步的,步骤S504中,得到不考虑时钟同步情况下的制造单元设备的执行序列四元组:
<equ_type,equ_id,transfer,time>
其中,equ_type是设备类型与equ_id是状态序列号;transfer为发生的迁移,time为当前设备时钟赋值;
得到在制品状态追踪更新序列如下:
<wp_id,wp_transfer,time>
其中,不同于设备执行序列,wp_transfer包含各个状态下设备信息。
与现有技术相比,本发明至少具有以下有益效果:
本发明一种基于时间自动机的数字孪生制造单元行为建模方法,基于设备级别,针对具体加工任务,建立了数字孪生制造单元的运行行为逻辑模型,通过精细化的建模,可以实现对于制造单元的运行逻辑与执行时间准确有效关联,不需要对系统行为规则进行抽象的数学公式描述,同时可以同时实现对于单元内生产设备与在制品时序分析决策,有助于提升制造单元柔性、自治能力与动态响应能力。
进一步的,依据制造单元设备粒度建立的加工设备、转运设备与缓冲区与仓储设备的时间自动机模型,可以将制造单元内部组成设备进行合理的表征,同时关注于设备外部交互与行为逻辑表现,不需要了解设备的内部的运行机理,有助于制造单元管理人员与操作人员对设备状态进行合理把握认知。
进一步的,以在制品流传过程为核心建立的时间自动机网络,可以实现制造单元加工任务、设备运行逻辑之间的映射,同时可以有效处理制造单元内部的非加工类设备的资源竞争问题,以工件流的形式协调规划制造单元内部的信号流、控制流,优化车间总控处理过程。
进一步的,基于的UPPAAL时间自动机推理引擎的行为执行序列生成机制,可以将制造单元行为模型运行生成设备执行时间序列,方便指导数字孪生体虚拟模型与物理实体的运行交互。
综上所述,本发明基于时间自动机的数字孪生制造单元行为建模,可以有效准确描述制造单元行为逻辑,从而提升制造单元的自组织、自适应、自决策能力。
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为本发明的总体流程图。
图2为本发明的总体结构示意图。
图3为本发明提供的数字孪生制造单元实物图;
图4为本发明提供的订单甘特图;
图5为本发明提供的加工设备的时间自动机模型;
图6为本发明提供的转运设备的时间自动机模型;
图7为本发明提供的AGV设备的时间自动机模型;
图8为本发明提供的缓冲区的时间自动机模型;
图9为本发明提供的制造单元车间布局示意图;
图10为本发明提供的物料及在制品的时间自动机模型;
图11为本发明提供的在制品状态循环更新的时间自动机模型。
图12为本发明提供的时间自动机网络仿真;
图13为本发明提供的时间自动机网络仿真序列示意图;
图14为本发明提供的时间自动机网络解析得到制造单元整体运行部分序列节选。
具体实施方式
请参阅图3,本发明基于时间自动机的数字孪生制造单元来自于西安交通大学智能制造单元平台,包括三台加工设备、两类设备转运设备、若干的缓冲区与仓储设备;以及配套的物料追踪与仓储管理系统;三台加工设备分别为:数控车床、数控铣床、五轴加工中心,每台机床均设有保护的气动推拉门以及气动夹具;两类设备转运设备包括两台六轴机器人与导轨式AGV,每台机器人均装有气动夹具;若干的缓冲区与仓储设备;以及配套的物料追踪与仓储管理系统等。下面以该数字孪生制造单元为例,结合说明书附图,对本发明提供的基于时间自动机的制造单元行为建模方法进行描述。
时间自动机(Timed Automata,TA)是一种典型的用于实时系统建模与验证的形式化建模方法。时间自动机在有限自动机(Finite Automata,FA)的基础上,增加了用以描述系统时变过程的时钟变量(Clock Variable),使其具备了时间表达的能力。
时间自动机TA是一个六元组<S,S0,∑,X,I,E>,其中:S是系统状态的有限集合,S={s0,s1,s2,…,sn};S0∈S是时间自动机的初始位置;∑表示事件的集合,∑={σ0,σ1,σ2,…σn}X是时钟变量的集合.X={x0,x1,x2,…,xn};I是一个映射,表示系统状态集合S中任意元素具有时钟不变量条件;E表示时间自动机状态转移集合,其中对于任意一个状态转移e=<s,σ,φ,λ,s'>,代表从当前的状态s在事件σ转移到目标状态s’需要满足的条件为当前条件下的时钟赋值λ满足φ(x)。
时间自动机TA的形式化语义由转换系统SA定义。SA的任意状态(s,ν)由两部分组成,其中s是TA的一个状态s∈S,ν是时钟变量X一个时间函数。当s为初始位置,而且ν(x)=0时,状态(s,ν)即为一个初始状态。SA存在两类转换分别为:时间流逝即时间增加δ而未发生状态的改变位置改变即时间增加δ便随着状态转移e=<s,σ,φ,λ,s'>。
时间自动机的主要建模工具UPPAAL是由瑞典Uppsala大学的信息技术学院与丹麦Aalborg大学的计算机学院联合开发的时间自动机的验证工具。结合时间自动机的理论与时态逻辑,UPPAAL可以完成对时间自动机的系统建模、仿真与验证。UPPAAL使用了限制技术与快速验证技术对时间自动机的模型进行空间搜索,验证约束与可达性。使用通道与位置的概念,用户可以实现时间自动机群的同步通信。对于任意通道chan a,在时间自动机的变迁过程中使用a?与a!实现通道信号的收发。除此以外,系统支持紧急通道(urgentchannel)与广播通道(broadcast channel)的设定,用以丰富同步关系。紧急通道支持无时间响应,广播通道支持一对多通信。在推理机的设定方面,UPPAAL对其进行封装并开放了相应的接口,方便技术人员的进一步开发。
请参阅图1和图2,本发明一种基于时间自动机的数字孪生制造单元行为建模方法,具体包括基于时间自动机网络对数字孪生制造系统整体的建立的行为模型、对系统内单个设备建立的独立时间自动机行为模型以及时间自动机网络在不同的加工任务下做出的状态迁移;具体步骤如下:
S1、针对具体加工任务,基于遗传算法等启发式智能算法,生成制造单元加工设备运行序列;
步骤S1处理前,先对制造单元的物理实体组成与加工需求进行考察,获取其物理组成的基本信息与参数,主要包括行为特征与对应的时间参数。
步骤S1为车间调度的问题,分析设计涉及的参数并建立数学模型,工件数n=4,加工设备数m=3,每个工件的工序数为4,工件加工机床不限制;遗传算法的演算步骤非本发明的重点,在此不再赘述。
根据遗传算法基本步骤,数学模型未涉及相关加工辅助过程的时间,且输出的结果加工运行的甘特图,如图4所示。
对生产的甘特图进行解析,得到在制品加工的工序队列四元组为:
<wp_id,proc,mech_id,time>
其中,wp_id为在制品唯一标识号,proc为工序号,mech_id为得到生产排程计划得到的加工设备标识号,time为加工时间。
遗传算法与甘特图的解析过程使用Python完成,工序的加工序列的四元组的载体为.json文件,解析使用python的json库实现。
S2、根据制造单元的实际组成对制造单元内部的系统进行划分,并对每一类设备构建一个时间自动机模型;
根据制造单元的物理组成,可以将物理实体按类别进行建模,并将固定的时钟赋值添加到模型中。
S201、构建加工设备的时间自动机模型;
加工设备时间自动机Mechine(mc_id,mc_t)包括2个参数与10个状态,具体为:
请参阅图5,mc_id代表设备序号,mc_t代表设备时钟值,Init为初始状态表示机床待机或者停机状态;CretaSub为机床与总控系统建立连接的过程;GetCommand表示机床接受到了总控加工命令准备开始进行加工;OpenDoor、OpenDoorInit表示机床的气动推拉门运动到合适的位置,方便六轴机器人机床联动;idelBefore表示机床处于加工之前的等待阶段,直到机器人与气动夹具交互完成;CloseDoor表示机床关闭气动推拉门的过程;Mechining表示机床根据指令G代码进行的切削加工的过程;MechiningFinsh为紧急状态,urgent state表示机床的加工完成;idelAfter表示机床在加工结束以后的等待阶段。
S202、构建转运设备的时间自动机模型;
转运机器人时间自动机Robot(rb_id,rb_t)包括2个参数与11个状态,具体为:
请参阅图6,rb_id代表设备序号,rb_t代表设备时钟值,Init为初始状态表示机器人待机或者停机状态;CreatSub为机器人与总控建立连接的过程;Idel为等待状态,表示系统等待总控的进一步命令;GetGoal表示机器人接受到总控的命令准备开始进行移动;Planning表示机器人控制器根据总控的目标命令进行运动学求解或运动轨迹的读取;GetPlanSub为紧急状态表示机器人的运动规划完成;机器人的运动状态进一步可以分解为:Move2Start表示机器人运动到初始点,Move2End表示机器人移动到终止点,FixAction1、FixAction2分别表示机器人夹具的松紧;Back2Init表示机器人完成一组指令以后返回初始状态的过程。
请参阅图7,构建AGV时间自动机Agv(agv_t),由于本制造单元内部只有一个转运AGV故构建的时间自动机模型,其中,agv_t代表设备时钟值,状态:Init为初始状态表示AGV待机或者停机状态;CreatSub为AGV机器人与总控建立连接的过程;Idel为等待状态,表示系统等待总控的进一步命令;GetGoal表示AGV机器人接受到总控的命令准备开始进行移动;移动状态包括Move2Start表示机器人运动到初始点,Move2End表示机器人移动到终止点。
S203、构建缓冲区与仓储的时间自动机模型。
缓冲区与仓储自动机ProdBuffer(pb_id,pd_t,capacity)包括3个参数与1个状态,具体为:
pb_id代表缓冲区序号,pd_t代表缓冲区时钟值,capacity表示当前缓冲区内在制品数量,状态如图8所示,Used表示缓冲区仓储处于使用的状态。
S3、以生产过程中物料的流转过程为核心,构建制造单元的时间自动机网络,生成制造单元的行为模型;
时间自动机网络是的时间自动机组合而成(TA1,TA2,…,TAn),每个TAn代表一个时间自动机的进程,进程通讯采用的共享全局变量以及通道进行组合。其中共享全局变量的方式称为异步通讯,通道的形式称为同步通讯。参考时间自动机网络交互过程,对数字孪生制造单元内部设备交互进行形式化表征,构建以物料状态流转过程为核心的时间自动机网络。具体过程为:
由于制造单元的加工是一个并行的过程,在制品在加工的过程中在各类制造资源之间流转,会涉及到资源的约束与竞争,如果处理不当,会出现加工过程资源无法使用供应进而死锁。因此,以在制品流转为核心的时间自动机网络对于订单-资源进行匹配使之符合加工的实际要求。具体方法为:
S301、利用物理车间的布局,建立车间资源设备邻接矩阵;
请参阅图9,转运设备、缓冲区与加工设备之间的制约关系为:加工设备序号mc_id与的加工缓冲区序号pb_id一一对应;转运设备中序号为rb_id=0工业机器人与序号mc_id=0的机床相互关联,序号为rb_id=1工业机器人与序号mc_id=1,2的机床相互关联,机器人负责在制品在缓冲区与机床之间的转运,缓冲区之间的转运由AGV负责。
同时,由于制造单元内部组成可以得到各类设备集合:
加工设备MC={mc0,mc1,mc2};
转运机器人RB={rb0,rb1};
缓冲区与仓储设备PB={pb0,pb1};
AGV机器人AGV=agv;
其中,MC为加工设备集合,RB为转运机器人集合,PB为缓冲区与仓储集合,AGV为AGV机器人集合。
进一步得到制造单元制造资源设备邻接矩阵为:
在制品工序之间的设备需要转运时,调用设备需要严格遵守设备邻接矩阵要求。
S302、建立与加工设备资源关联的物料处理过程的时间自动机WorkPiece(wp_id,wp_t,mc_in_use,robot_in_use),wp_id代表物料序号,wp_t代表物料时钟值,mc_in_use表示当前正在处理的机床,robot_in_use表示当前正在使用的机器人,辅助参数isProc表示机床是否处在的加工状态,isAGVTrans表示是否处在转运状态;
主要的状态包括:Init表示物料处于原材料的位置,尚未进行加工;idelBuffer表示在制品在当前的缓冲区内,Trans表示在制品在机器人搬运中,AGVTrans表示处在AGV转运中,idelMechine表示在机床上尚未进行加工;Maching表示正在切削加工中;Check表示检验阶段,Finish表示完成加工。其余状态均为同步通讯、异步通讯以及资源占用监测的辅助状态。如图10所示。
S303、构建以通道信号为主的同步通信和全局变量为主的异步通讯,辅助静态参数,建立资源竞争约束;
针对整个系统,分析得到参与制造单元实体的交互的同步通讯应当与设备的启停密切关联,因此建立设备的同步通信组,通道信号分别为:
door_close[mc_id]\door_open[mc_id]\door_open[mc_id]表示序号为mc_id的加工设备气动推拉门的开启与关闭信号;
process_start[mc_id]\process_fin[mc_id]表示mc_id的加工设备的加工过程的启动与完成信号;
machine_ready[mc_id]表示序号为mc_id的加工设备的可以进行加工;
buffer_get[pb_id]\buffer_put[pb_id]表示序号为pb_id的缓冲区设备交接在制品;
trans_start[rb_id]\trans_fin[rb_id]表示序号为rb_id的转运设备的转运启动与停止信号;
agv_trans_start\agv_trans_fin表示AGV转运的启停。
针对整个系统,分析得到参与制造单元实体的交互的异步通讯应当与系统状态密切相关,且加工过程中,由于所有在制品共用的加工资源存在竞争关系,因此需要的对所有设备建立当前的状态的全局变量包括:主要设备的占用情况machie_busy[mc_id]、robot_busy[rb_id]、agv_busy;除此以外,由于加工设备的气动门是机器人与加工设备交互的重要的部分,也应当建立状态的全局变量door[mc_id],以上变量均为布尔值。针对在制品,需要全局变量表征其当前加工工序值,因此current_wp_proc[wp_id]表示序号为wp_id的在制品当前工序号。
需要制造单元实体的相应参数作为静态全局变量,主要各类状态的时间阈值,在系统中以各个状态的时钟约束存在。
步骤S301中产生的工序队列四元组<wp,proc,mech,time>做完加工设备的静态全局变量参与行为模型的构建。
S304、由于加工过程属于多在制品共同作用的,建立在制品状态循环更新的时间自动机CtrlSys。
请参阅图11,自动机所有状态均为紧急状态,不含时钟约束,当某在制品满足工序更新条件时,通过通道信号run触发更新,因此可以做到对在制品工序的实时更新。
根据制造单元实际数量组成调用生成时间自动机网络,模型以.xml文件形式进行存储。
S4、使用UPPAAL对模型进行正确性与可达性验证,如果不符合对其进行修改;
时间自动机的语法解析:
UPPAAL软件对于时间自动机的语法要求严格,通过调用verifty模块对其的进行语法解析,如果不满足需要对其进行修改。
可达性分析与死锁要求:
基于订单的数字孪生的形式化的建模,在订单完成时会发生死锁,其余过程则可以有效的完成相应的加工过程的演化推理。因此对于时间自动机的可达性分析验证,应当判断时间自动机网络能否完成订单的加工。将所构建的时间自动机网络模型实例化生成相应的进程,然后对所生成的进程进行仿真和验证,以避免出现程序逻辑错误。
请参阅图12,wp0的在制品通过rb0的机器人正在转运到mc0的机床进行加工,机床门已经开启,机器人的动作序列正在执行。由于机床与机器人的同时被占用,其余的工件正在等待资源释放。
S5、基于UPPAAL推理引擎,根据加工设备的运行序列,生成制造单元整体行为序列。
制造单元整体行为序列包括设备运行序列与在制品状态追踪序列,设备执行序列四元组为<equ_type,equ_id,transfer,time>,制品状态追踪更新序列为<wp_id,wp_transfer,time>。
UPPAAL-SMC软件不支持内部直接改写,但是提供了对于推理引擎的调用机制。即两种外部方法Symbolic与Concrete。其中,Symbolic是基于符号推理的,Concrete实现实例准确输出。
时间自动机行为序列的生成步骤为:
S501、通过建立客户端向推理机服务器发送请求与之建立连接,从而与推理机引擎Engine建立链接;
S502、通过Document模块解析时间自动机网络的.xml文件,Engine模块调用UPPAAL推理引擎建立推理机引擎Engine需要的System,Symbolic模块调用内部推理机实现符号的推理功能,给出的迁移发生的序列与符号条件;
S503、Concrete模块基于随机算法依据限定给出具体迁移发生时,时间自动机网络内各自动机的时钟变量的准确值。
S504、生成的结果通过Output模块解析成json文件的格式并输出,用于制造单元数字孪生体执行分析;发送给物理实体中总控系统实现制造过程执行,发送虚拟模型配合实现仿真分析。
参考时间自动机的定义,得到不考虑时钟同步情况下的制造单元设备的执行序列四元组:
<equ_type,equ_id,transfer,time>
其中,equ_type是设备类型与equ_id是状态序列号;两者可以唯一发生状态迁移的设备;transfer为发生的迁移,time为当前设备时钟赋值。
同理得到在制品状态追踪更新序列如下:
<wp_id,wp_transfer,time>
其中,不同于设备执行序列,wp_transfer包含各个状态下设备信息。
为使本发明实施例的目的、技术方案和优点更加清楚,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,所描述的实施例是本发明一部分实施例,而不是全部的实施例。通常在此处附图中的描述和所示的本发明实施例的组件可以通过各种不同的配置来布置和设计。因此,以下对在附图中提供的本发明的实施例的详细描述并非旨在限制要求保护的本发明的范围,而是仅仅表示本发明的选定实施例。基于本发明中的实施例,本领域普通技术人员在没有作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。
请参阅图13和图14,得到实施例的具体结果节选如图所示,包括某时刻部分设备的状态更新、设备与物料交互状态的更新。
图13中的具体流程为在制品wp0触发trans_start[rb_1]信号,进入Trans状态,此时机器人rb1开始转运,依次执行Move2Start、FixAction1、Move2End、FixAction2、Back2Init流程。
与之同时在制品wp2占用加工设备mc2与机器人rb0交互,执行的内容为机床气动门打开将工件的放入。其余在制品由于机器人资源占用处于等待状态。图14为相应的执行序列四元组节选。
设备的执行序列,配合制造单元总控系统,可以用于制造单元的生产执行分析;配合车间模型,可以实现生产过程的仿真分析,在制品追踪更新序列可以用于仓储管理系统的仿真分析。
本发明一种基于时间自动机的数字孪生制造单元行为建模方法,针对制造单元建立设备层级的时间自动机模型,并通过在制品与制造任务耦合为时间自动机网络,利用推理引擎将模型仿真过程转化为时间行为序列,从而实现制造单元分析决策,有助于实现提升制造单元的组织决策能力。
以上内容仅为说明本发明的技术思想,不能以此限定本发明的保护范围,凡是按照本发明提出的技术思想,在技术方案基础上所做的任何改动,均落入本发明权利要求书的保护范围之内。
Claims (8)
1.一种基于时间自动机的数字孪生制造单元行为建模方法,其特征在于,包括以下步骤:
S1、对制造单元的物理实体组成与加工需求进行考察,获取行为特征与对应的时间参数,针对具体加工任务,基于启发式智能算法生成包含在制品唯一标识号wp_id,工序号proc,加工设备标识号mech_id和加工时间time的制造单元加工设备运行序列;
S2、根据制造单元的实际组成对制造单元内部的系统进行划分,构建加工设备、转运设备以及缓冲区与仓储的时间自动机模型;
S3、以生产过程中物料的流转过程为核心,构建制造单元的时间自动机网络,生成制造单元的行为模型;
S4、使用UPPAAL对模型进行正确性与可达性验证,如果不符合,返回步骤S3进行修改;
S5、基于UPPAAL推理引擎,根据加工设备的运行序列,生成包括设备运行序列<equ_type,equ_id,transfer,time>与在制品状态追踪序列<wp_id,wp_transfer,time>的制造单元整体行为序列,用于制造单元孪生体的执行分析,具体为:
S501、通过建立客户端向推理机服务器发送请求与之建立连接,与推理机引擎Engine建立链接;
S502、通过Document模块解析时间自动机网络的.xml文件,Engine模块调用UPPAAL推理引擎建立推理机引擎Engine需要的System,Symbolic模块调用内部推理机实现符号的推理功能,给出迁移发生的序列与符号条件;
S503、Concrete模块基于随机算法依据限定给出具体迁移发生时,时间自动机网络内各自动机的时钟变量的准确值;
S504、生成的结果通过Output模块解析成json文件的格式并输出,用于制造单元数字孪生体执行分析;发送给物理实体中总控系统实现制造过程执行,发送虚拟模型配合实现仿真分析。
2.根据权利要求1所述的基于时间自动机的数字孪生制造单元行为建模方法,其特征在于,步骤S2中,构建加工设备的时间自动机模型具体为:
加工设备时间自动机Mechine(mc_id,mc_t)包括2个参数与10个状态,设备序号mc_id,为设备时钟值mc_t,初始状态表示机床待机或者停机状态Init;机床与总控系统建立连接的过程CretaSub;机床接受到了总控加工命令准备开始进行加工GetCommand;机床的气动推拉门运动到合适的位置开始OpenDoor、OpenDoorInit;机床处于加工之前的等待阶段idelBefore;机床关闭气动推拉门的过程CloseDoor;机床根据指令G代码进行的切削加工的过程Mechining;紧急状态MechiningFinsh,机床的加工完成urgent state;机床在加工结束以后的等待阶段idelAfter。
3.根据权利要求1所述的基于时间自动机的数字孪生制造单元行为建模方法,其特征在于,步骤S2中,构建转运设备的时间自动机模型具体为:
转运机器人时间自动机Robot(rb_id,rb_t)包括2个参数与11个状态,设备序号rb_id,代表设备时钟值rb_t;机器人待机或者停机状态Init;机器人与总控建立连接的过程CreatSub;等待状态Idel;机器人接受到总控的命令准备开始进行移动GetGoal;机器人控制器根据总控的目标命令进行运动学求解或运动轨迹的读取Planning;紧急状态表示机器人的运动规划完成GetPlanSub;机器人运动到初始点Move2Start,机器人移动到终止点Move2End,机器人夹具的松紧FixAction1、FixAction2;机器人完成一组指令以后返回初始状态的过程Back2Init;
构建AGV时间自动机Agv(agv_t),设备时钟值agv_t,AGV待机或者停机状态Init;AGV机器人与总控建立连接的过程CreatSub;等待状态Idel;AGV机器人接受到总控的命令准备开始进行移动GetGoal;机器人运动到初始点Move2Start,机器人移动到终止点Move2End。
4.根据权利要求1所述的基于时间自动机的数字孪生制造单元行为建模方法,其特征在于,步骤S2中,构建缓冲区与仓储的时间自动机模型具体为:
缓冲区与仓储自动机ProdBuffer(pb_id,pd_t,capacity)包括缓冲区序号pb_id,缓冲区时钟值pd_t,当前缓冲区内在制品数量capacity,Used为缓冲区仓储处于使用的状态。
5.根据权利要求1所述的基于时间自动机的数字孪生制造单元行为建模方法,其特征在于,步骤S3具体为:
S301、利用物理车间的布局,建立车间资源设备邻接矩阵;
S302、建立与加工设备资源关联的物料处理过程的时间自动机WorkPiece(wp_id,wp_t,mc_in_use,robot_in_use),wp_id表示物料序号,wp_t表示物料时钟值,mc_in_use表示当前正在处理的机床,robot_in_use表示当前正在使用的机器人;
S303、构建以通道信号为主的同步通信和全局变量为主的异步通讯,辅助静态参数,建立资源竞争约束;
S304、由于加工过程属于多在制品共同作用的,建立在制品状态循环更新的时间自动机CtrlSys。
7.根据权利要求5所述的基于时间自动机的数字孪生制造单元行为建模方法,其特征在于,步骤S303中,通道信号分别为:
door_open[mc_id]\door_close[mc_id]表示序号为mc_id的加工设备气动推拉门的开启与关闭信号;process_start[mc_id]\process_fin[mc_id]表示mc_id的加工设备的加工过程的启动与完成信号;machine_ready[mc_id]表示序号为mc_id的加工设备的可以进行加工;buffer_get[pb_id]\buffer_put[pb_id]表示序号为pb_id的缓冲区设备交接在制品;trans_start[rb_id]\trans_fin[rb_id]表示序号为rb_id的转运设备的转运启动与停止信号;agv_trans_start\agv_trans_fin表示AGV转运的启停。
8.根据权利要求1所述的基于时间自动机的数字孪生制造单元行为建模方法,其特征在于,步骤S504中,得到不考虑时钟同步情况下的制造单元设备的执行序列四元组:
<equ_type,equ_id,transfer,time>
其中,equ_type是设备类型与equ_id是状态序列号;transfer为发生的迁移,time为当前设备时钟赋值;
得到在制品状态追踪更新序列如下:
<wp_id,wp_transfer,time>
其中,不同于设备执行序列,wp_transfer包含各个状态下设备信息。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010496128.7A CN111722539B (zh) | 2020-06-03 | 2020-06-03 | 一种基于时间自动机的数字孪生制造单元行为建模方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010496128.7A CN111722539B (zh) | 2020-06-03 | 2020-06-03 | 一种基于时间自动机的数字孪生制造单元行为建模方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111722539A CN111722539A (zh) | 2020-09-29 |
CN111722539B true CN111722539B (zh) | 2021-05-28 |
Family
ID=72565912
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010496128.7A Active CN111722539B (zh) | 2020-06-03 | 2020-06-03 | 一种基于时间自动机的数字孪生制造单元行为建模方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111722539B (zh) |
Families Citing this family (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112365167B (zh) * | 2020-11-13 | 2023-04-18 | 广西电网有限责任公司南宁供电局 | 基于动态本体模型的电网设备数字孪生体构建方法及装置 |
CN112572529A (zh) * | 2020-12-28 | 2021-03-30 | 唐山百川智能机器股份有限公司 | 智能架落车方法及装置 |
CN113126583B (zh) * | 2021-04-23 | 2022-02-11 | 北自所(北京)科技发展股份有限公司 | 一种数字孪生纺织成套装备实时交互控制方法及系统 |
CN116700094B (zh) * | 2023-06-21 | 2024-03-01 | 哈尔滨博尼智能技术有限公司 | 一种数据驱动控制系统 |
CN117644431B (zh) * | 2024-01-29 | 2024-04-02 | 南京航空航天大学 | 基于数字孪生模型的cnc机床加工质量分析方法及系统 |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102567163A (zh) * | 2011-12-16 | 2012-07-11 | 华东师范大学 | 基于uppaal的实时嵌入式系统构件间协同行为的验证方法 |
CN105446881A (zh) * | 2015-11-26 | 2016-03-30 | 福建工程学院 | 一种程序不可达路径的自动检测方法 |
CN108427390A (zh) * | 2018-04-16 | 2018-08-21 | 长安大学 | 一种基于数字孪生的车间级智能制造系统及其配置方法 |
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 |
CN108919765A (zh) * | 2018-07-20 | 2018-11-30 | 王德权 | 一种基于数字孪生的智能制造工厂虚拟调试和虚拟监控方法及方法 |
CN109445305A (zh) * | 2018-10-26 | 2019-03-08 | 中国电子科技集团公司第三十八研究所 | 一种基于数字孪生的装配精度仿真分析方法与系统 |
CN109768952A (zh) * | 2018-10-29 | 2019-05-17 | 四川大学 | 一种基于可信模型的工控网络异常行为检测方法 |
CN109976712A (zh) * | 2019-03-12 | 2019-07-05 | 中山大学 | 一种基于uppaal-smc对网络物理系统需求做形式化验证方法 |
CN110196575A (zh) * | 2019-03-08 | 2019-09-03 | 上海大学 | 一种基于数字孪生与机器学习技术的智能车间生产加工系统及方法 |
CN111061232A (zh) * | 2019-12-09 | 2020-04-24 | 中国科学院沈阳自动化研究所 | 基于数字孪生的生产线设计与优化方法 |
-
2020
- 2020-06-03 CN CN202010496128.7A patent/CN111722539B/zh active Active
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102567163A (zh) * | 2011-12-16 | 2012-07-11 | 华东师范大学 | 基于uppaal的实时嵌入式系统构件间协同行为的验证方法 |
CN105446881A (zh) * | 2015-11-26 | 2016-03-30 | 福建工程学院 | 一种程序不可达路径的自动检测方法 |
CN108427390A (zh) * | 2018-04-16 | 2018-08-21 | 长安大学 | 一种基于数字孪生的车间级智能制造系统及其配置方法 |
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 |
CN108919765A (zh) * | 2018-07-20 | 2018-11-30 | 王德权 | 一种基于数字孪生的智能制造工厂虚拟调试和虚拟监控方法及方法 |
CN109445305A (zh) * | 2018-10-26 | 2019-03-08 | 中国电子科技集团公司第三十八研究所 | 一种基于数字孪生的装配精度仿真分析方法与系统 |
CN109768952A (zh) * | 2018-10-29 | 2019-05-17 | 四川大学 | 一种基于可信模型的工控网络异常行为检测方法 |
CN110196575A (zh) * | 2019-03-08 | 2019-09-03 | 上海大学 | 一种基于数字孪生与机器学习技术的智能车间生产加工系统及方法 |
CN109976712A (zh) * | 2019-03-12 | 2019-07-05 | 中山大学 | 一种基于uppaal-smc对网络物理系统需求做形式化验证方法 |
CN111061232A (zh) * | 2019-12-09 | 2020-04-24 | 中国科学院沈阳自动化研究所 | 基于数字孪生的生产线设计与优化方法 |
Non-Patent Citations (4)
Title |
---|
Deep learning-enabled intelligent process planning for digital twin manufacturing cell;Chao Zhang等;《Knowledge-Based Systems》;20200305;第191卷;第1-13页 * |
Defining a Digital Twin-based Cyber-Physical Production System for autonomous manufacturing in smart shop floors;Kai Ding等;《International Journal of Production Research》;20191018;第57卷(第20期);第6315-6334页 * |
基于云—边协同的智能工厂工业物联网架构与自治生产管控技术;丁凯等;《计算机集成制造系统》;20191231;第25卷(第12期);第3127-3138页 * |
基于数字孪生的多维多尺度智能制造空间及其建模方法;丁凯等;《计算机集成制造系统》;20190630;第25卷(第6期);第1491-1504页 * |
Also Published As
Publication number | Publication date |
---|---|
CN111722539A (zh) | 2020-09-29 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111722539B (zh) | 一种基于时间自动机的数字孪生制造单元行为建模方法 | |
Xu et al. | Digital twin-based industrial cloud robotics: Framework, control approach and implementation | |
Martinez et al. | Modeling, validation and software implementation of production systems using high level Petri nets | |
Zimmermann et al. | Modelling and evaluation of manufacturing systems using dedicated Petri nets | |
Qian et al. | An assembly timing planning method based on knowledge and mixed integer linear programming | |
Ojstersek et al. | Use of simulation software environments for the purpose of production optimization | |
Chen et al. | Knowledge-based support for simulation analysis of manufacturing cells | |
Chen et al. | Intelligent computer-aided process planning of multi-axis CNC tapping machine | |
Xia et al. | Virtual comissioning of manufacturing system intelligent control | |
Qiu et al. | A structured adaptive supervisory control methodology for modeling the control of a discrete event manufacturing system | |
Chen et al. | Knowledge sharing enabled multirobot collaboration for preventive maintenance in mixed model assembly | |
Lennartson et al. | Modeling and optimization of hybrid systems for the tweeting factory | |
Foit et al. | The comparison of the use of holonic and agent-based methods in modelling of manufacturing systems | |
Chu et al. | Collaborative manufacturing of aircraft structural parts based on machining features and software agents | |
CN116009419A (zh) | 复杂装备制造过程虚拟重构与仿真运行方法及系统 | |
Priggemeyer et al. | Simulation-based control of reconfigurable robotic workcells: interactive planning and execution of processes in cyber-physical systems | |
Chaar | A methodology for developing real-time control software for efficient and dependable manufacturing systems | |
Wagner et al. | Interaction between FeasibilityCheck, PreconditionCheck and SkillExecution in skill-based machining | |
Kim et al. | A supervisory control approach for execution control of an FMC | |
Krenczyk | Deep Reinforcement Learning and Discrete Simulation-Based Digital Twin for Cyber–Physical Production Systems | |
Liao et al. | Learning to schedule job-shop problems via hierarchical reinforcement learning | |
Bocewicz et al. | Petri Net Approach to Automated Modelling and Performance Evaluation for Robotic Assembly Systems | |
Zha et al. | A knowledge Petri net model for flexible manufacturing systems and its application for design and verification of FMS controllers | |
Jacak et al. | CAST tools for intelligent control in manufacturing automation | |
Li et al. | Research on collaborative control method of manufacturing process based on distributed multi-agent cooperation |
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 |