CN111964575B - 一种面向移动机器人铣削加工的数字孪生建模方法 - Google Patents
一种面向移动机器人铣削加工的数字孪生建模方法 Download PDFInfo
- Publication number
- CN111964575B CN111964575B CN202010642150.8A CN202010642150A CN111964575B CN 111964575 B CN111964575 B CN 111964575B CN 202010642150 A CN202010642150 A CN 202010642150A CN 111964575 B CN111964575 B CN 111964575B
- Authority
- CN
- China
- Prior art keywords
- unit
- pose
- mobile robot
- key
- milling
- 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
- G01—MEASURING; TESTING
- G01B—MEASURING LENGTH, THICKNESS OR SIMILAR LINEAR DIMENSIONS; MEASURING ANGLES; MEASURING AREAS; MEASURING IRREGULARITIES OF SURFACES OR CONTOURS
- G01B11/00—Measuring arrangements characterised by the use of optical techniques
- G01B11/002—Measuring arrangements characterised by the use of optical techniques for measuring two or more coordinates
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B25—HAND TOOLS; PORTABLE POWER-DRIVEN TOOLS; MANIPULATORS
- B25J—MANIPULATORS; CHAMBERS PROVIDED WITH MANIPULATION DEVICES
- B25J11/00—Manipulators not otherwise provided for
- B25J11/005—Manipulators for mechanical processing tasks
- B25J11/0055—Cutting
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B25—HAND TOOLS; PORTABLE POWER-DRIVEN TOOLS; MANIPULATORS
- B25J—MANIPULATORS; CHAMBERS PROVIDED WITH MANIPULATION DEVICES
- B25J9/00—Programme-controlled manipulators
- B25J9/08—Programme-controlled manipulators characterised by modular constructions
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B25—HAND TOOLS; PORTABLE POWER-DRIVEN TOOLS; MANIPULATORS
- B25J—MANIPULATORS; CHAMBERS PROVIDED WITH MANIPULATION DEVICES
- B25J9/00—Programme-controlled manipulators
- B25J9/16—Programme controls
- B25J9/1602—Programme controls characterised by the control system, structure, architecture
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01B—MEASURING LENGTH, THICKNESS OR SIMILAR LINEAR DIMENSIONS; MEASURING ANGLES; MEASURING AREAS; MEASURING IRREGULARITIES OF SURFACES OR CONTOURS
- G01B11/00—Measuring arrangements characterised by the use of optical techniques
- G01B11/16—Measuring arrangements characterised by the use of optical techniques for measuring the deformation in a solid, e.g. optical strain gauge
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T17/00—Three dimensional [3D] modelling, e.g. data description of 3D objects
- G06T17/20—Finite element generation, e.g. wire-frame surface description, tesselation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2200/00—Indexing scheme for image data processing or generation, in general
- G06T2200/04—Indexing scheme for image data processing or generation, in general involving 3D image data
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Robotics (AREA)
- Mechanical Engineering (AREA)
- Automation & Control Theory (AREA)
- Computer Graphics (AREA)
- Geometry (AREA)
- Software Systems (AREA)
- Theoretical Computer Science (AREA)
- Manipulator (AREA)
- Numerical Control (AREA)
Abstract
本发明涉及一种面向移动机器人铣削加工的数字孪生建模方法,包括如下步骤:(1)对移动机器人铣削加工系统进行单元划分;(2)面向数字孪生建模的移动机器人加工过程多层次划分;(3)基于多层次划分的关键特征提取;(4)基于物理实体的测量数据获取;(5)数据的降噪与归一化处理;(6)多层次的逆向建模方法;(7)数字孪生模型动态重构与匹配。本发明提高了数字孪生体模型构建的准确性,实时更新,保证了虚拟环境与物理环境的有效融合,为后续的孪生数据驱动的移动机器人加工过程预测、调控、优化等过程奠定基础。
Description
技术领域
本发明涉及一种面向移动机器人铣削加工的数字孪生建模方法,属于移动机器人应用与数字孪生技术领域。
背景技术
移动机器人铣削加工是解决大型复杂构件高效高精制造难题的有效途径。大型复杂构件,如航天器舱体、大型风电叶片、高铁车体结构件等,呈现出尺寸大、结构复杂、刚性弱、加工精度要求高等特点,此类构件制造已超出现有机床的加工能力。基于专利文献计量分析视角,工业机器人研发热点已逐步向移动机器人、多机器人系统过渡。航空制造网已将移动机器人精密加工列入了2019国外国防制造技术二十大动向。例如,德国弗劳恩霍夫协会研制的移动机器人用于飞机机翼铣边加工。现有研究表明,移动加工机器人具有重要的研究意义和广泛的应用前景。
随着模型轻量化、MBD、基于物理的建模等模型数字化表达技术逐渐成熟,大数据、物联网、云计算等新一代信息与通信技术的快速普及与应用,以及机器学习、深度学习等智能优化算法的不断涌现,使得数字孪生的形态和概念不断丰富。数字孪生已被许多国际著名企业,如西门子、达索、通用、NASA、波音等,应用在产品设计、制造和服务等方面,以保证产品的最终质量。特别是制造模式与数字孪生的结合,既能够解决具体制造闭环优化决策及产品研制模式的改变,又保证了数字孪生的落地应用。如郭飞燕等基于制造过程中的全数字量协调传递方式,通过“虚实融合、以虚控实”的手段,对数字孪生模型驱动的航空产品装配工艺优化-反馈-改进环机制进行了研究。数字孪生技术非常适合在大型复杂构件移动机器人铣削加工领域应用,一方面数字孪生根据感知数据进行建模、仿真、优化手段来分析系统的可制造性;另一方面通过统计、分析与处理对系统进行实时监测与控制,从系统层面实现了孪生数据驱动的系统优化和改进。将数字孪生技术与移动机器人加工技术有效结合,实现数字孪生“虚实融合、以虚控实”的首要前提是对移动机器人铣削加工进行数字孪生建模。
发明内容
本发明的技术解决问题是:克服现有技术的不足,提供一种面向移动机器人加工的数字孪生建模方法。
本发明的技术解决方案是:
一种面向移动机器人加工的数字孪生建模方法,步骤如下:
(1)对移动机器人铣削加工系统进行单元划分;
将移动机器人铣削加工系统进行单元划分,具体划分为:激光跟踪仪测量单元、移动机器人单元、铣削执行器单元、视觉测量单元、大型复杂构件单元;
(2)基于步骤(1)划分的单元,对移动机器人铣削加工系统进行多层次关系划分;
(3)基于步骤(2)划分的多层次关系,确定要提取关键特征;
(4)对步骤(3)确定要提取的关键特征进行物理实体测量;
(5)对步骤(4)实体测量得到的数据进行降噪与归一化处理;
(6)根据步骤(5)处理后的数据,进行关键特征的逆向建模;
(7)进行数字孪生体模型动态重构,完成面向移动机器人加工的数字孪生建模。
进一步的,所述激光跟踪仪测量单元用于构建不同坐标系,采用激光跟踪仪实现;
视觉测量单元用于测量铣削平面及靶标点;
铣削执行器单元用于铣削加工的执行,视觉测量单元安装在铣削执行器单元上面;
移动机器人单元:包括全向移动平台以及该移动平台上安装的机器人,铣削执行器单元安装在所述移动机器人上,移动机器人对铣削执行器单元的空间位姿进行调整;
大型复杂构件单元:是指舱体类构件,舱体外围安装支架,支架上表面即为待铣削加工区域。
进一步的,对移动机器人铣削加工系统进行多层次关系划分,是指将单元之间存在的关系划分为几何匹配层、位姿约束层及变形补偿层;
几何匹配层:几何匹配层用于将各单元实际精度信息赋予虚拟模型,使得虚拟模型与物理实体在几何层面一一映射;实际精度信息包括公差类型、公差值、精度等级以及表面粗糙度;
位姿约束层:实际各个单元自身及单元间存在相对位置关系,且随着移动机器人铣削加工,相对位置关系实时变化,位姿约束层是基于各单元所建立的坐标系,将单元自身及单元间存在的相对位置关系用位姿进行描述,使得虚拟模型与物理实体在位姿层面一一映射;
变形补偿层:各单元在加工过程中由于重力及产生的切削力发生变形,变形补偿层是将物理变形量赋予虚拟模型,使得虚拟模型与物理实体在变形补偿层一一映射。
进一步的,所述步骤(3)确定要提取关键特征,具体为:
在几何匹配层,针对待铣削加工区域,通过视觉测量单元对大型复杂构件单元的支架上表面进行测量,获取数据拟合的平面作为关键特征;
在位姿约束层,针对各单元相互位置关系,在各单元坐标系下选定≥3个数量的关键测量点,获取数据拟合的位姿作为关键特征;
各单元坐标系包括激光跟踪仪单元设计坐标系、视觉测量单元设计坐标系、铣削执行器单元设计坐标系、移动机器人单元设计坐标系,大型复杂构件单元设计坐标系;
在变形补偿层,移动机器人铣削支架上表面,将变形量转换到对关键测量点补偿,获取数据拟合的位姿作为关键特征;同时将通过铣削执行器单元与大型复杂构件单元之间的接触力计算获取的移动机器人单元位姿作为关键特征。
进一步的,所述步骤(4)对确定要提取的关键特征进行物理实体测量,具体为:
在几何匹配层,通过视觉测量单元对大型复杂构件单元支架上表面进行测量,获得表面实测数据,表面实测数据为离散点云数据;
在位姿约束层,通过激光跟踪仪单元测量各个单元坐标系下选定的≥3个的关键测量点,获取关键测量点的实测数据;
在变形补偿层,通过力学计算或有限元方法计算关键测量点偏移权重,通过激光跟踪仪单元测量上述关键测量点,获取实测数据;通过六维测力传感器测量移动机器人单元上安装的铣削执行器单元的受力,获取接触力实测数据。
进一步的,所述步骤(6)进行关键特征的逆向建模,包括几何匹配层关键特征逆向建模、位姿约束层关键特征逆向建模、变形补偿层关键特征逆向建模;
进行几何匹配层关键特征逆向建模,具体为:基于归一化处理后的数据,采用误差曲线描述支架上表面的形貌,支架上表面z=0的误差表现为z方向上的波动,该波动描述为误差曲线沿y方向的延伸,采用最小二乘法对误差曲线离散数据进行多项式拟合,从而重构接近实际零件表面形状的连续曲线函数,实现支架上表面的逆向建模,即几何匹配层关键特征逆向建模。
进一步的,进行位姿约束层关键特征逆向建模,具体为:基于各单元的坐标系,通过激光跟踪仪单元测量关键测量点,获取激光跟踪仪坐标系下的实测数据,结合关键测量点所在不同坐标系下的理论数据,求解出各单元在激光跟踪仪坐标系下的位姿,进而确定各单元之间的相互位置,实现位姿的逆向建模。
进一步的,求解出各单元在激光跟踪仪坐标系下的位姿,具体包括如下步骤:
①给定关键测量点集坐标的理论数据和测量数据;
②采用三点法对点集进行粗配准,得到初始变换矩阵T0;
③建立目标函数,以初始变换矩阵T0为初值,采用LM算法进行迭代优化,获得变换矩阵Tk;LM算法是指Levenberg-Marquardt算法;
④基于LM算法得到的变换矩阵Tk对点集坐标的理论数据进行变换,得到新的坐标理论数据;
⑤采用奇异值分解法对测量数据和新的坐标理论数据进行配准得到精确配准的变换矩阵TSVD;
⑥计算关键测量点集坐标理论数据与测量数据间的转换矩阵Tc=TSVD·Tk,Tc即为所求位姿。
进一步的,进行变形补偿层关键特征逆向建模,包括加权位姿逆向建模和接触力引起的位姿逆向建模;
进行加权位姿逆向建模,具体包括:
①通过有限元分析导入的被测量的舱体支架的三维模型,依据实际铣削环境进行相关参数设置,对舱体支架进行受力和变形分析,得到各关键测量点的偏移矢量;
②根据各关键测量点的偏移矢量计算其偏移后的位置与原位置间的距离,进而根据该距离对各关键测量点进行权重分配,得到其权重因子;
③将所述目标函数中引入权重因子,采用改进的目标函数进行位姿迭代求解,进而实现变形补偿引起的加权位姿逆向建模;
进行接触力引起的位姿逆向建模,具体包括:
①确定移动机器人单元上安装的铣削执行器单元受到的接触力与机器人位姿之间的映射关系为F=K·X;其中,F为六维力传感器测量所得的6维广义力矢量;X为机器人位姿的6维广义变形矢量;K为6×6的笛卡尔刚度矩阵,且有:
K=J-TKqJ-1
其中,J为机器人雅克比矩阵,Kq为关节刚度矩阵,
②进而得到机器人位姿的6维广义变形矢量X为:
X=J-1KqJ-TF
通过X修正机器人位姿,进而实现接触力引起的位姿逆向建模。
进一步的,进行数字孪生体模型动态重构,具体为:
①结合各单元划分,导入各单元的虚拟模型;
②根据基于关键特征的逆向建模结果,对虚拟模型从几何匹配层、位姿约束层、变形补偿层进行信息修正,得到数字孪生体模型;
③随着移动机器人单元铣削加工过程的动态变化,数字孪生体模型不断更新,进而实现数字孪生体模型的动态重构。
本发明与现有技术相比的有益效果是:
(1)本发明提高了数字孪生体模型构建的准确性,实时更新,保证了虚拟环境与物理环境的有效融合,为后续的孪生数据驱动的移动机器人加工过程预测、调控、优化等过程奠定基础。
(2)本发明结合移动机器人铣削加工实际过程,基于现有的加工分析理论方法,以数字化的方式建立物理实体的多维、多时空尺度、多物理量的动态虚拟模型来仿真和刻画物理实体在真实环境中的属性、行为等,不仅为优化决策奠定基础,也保证了数字孪生技术的应用落地。
附图说明
图1为本发明方法流程图;
图2为本发明误差曲线示意图;
图3为本发明移动机器人加工系统示意图。
具体实施方式
本发明涉及一种面向移动机器人加工的数字孪生建模方法,包括如下步骤:(1)移动机器人铣削加工系统进行单元划分;(2)面向数字孪生建模的移动机器人加工过程多层次划分;(3)基于多层次划分的关键特征提取;(4)基于物理实体的测量数据获取;(5)数据的降噪与归一化处理;(6)多层次的逆向建模方法;(7)数字孪生模型动态重构与匹配。本发明提高了数字孪生体模型构建的准确性,实时更新,保证了虚拟环境与物理环境的有效融合,为后续的孪生数据驱动的移动机器人加工过程预测、调控、优化等过程奠定基础。
具体的,如图1所示,本发明提出一种面向移动机器人加工的数字孪生建模方法,步骤如下:
(1)对移动机器人铣削加工系统进行单元划分,如图3所示;
激光跟踪仪测量单元:包括激光跟踪仪本体、测量数据处理软件及配套辅助等,用于构建不同坐标系;
视觉测量单元:包括相机、镜头、光源等硬件、数据处理软件及配套辅助等,用于测量铣削平面及靶标点;
铣削执行器单元:包括主轴、刀具、传感器及配套辅助等,用于铣削加工执行,视觉测量单元安装其上;
移动机器人单元:包括全向移动平台、机器人(安装在移动平台上)、控制柜等硬件、数控软件系统及配套辅助等,用于安装与固定铣削执行器单元,移动机器人并对铣削执行器单元的空间位姿进行调整;
大型复杂构件单元:包括铝合金材质的大型舱体类构件,其舱体外围安装支架,支架上表面即为待铣削加工区域。
(2)基于步骤(1)划分的单元,对移动机器人铣削加工系统进行多层次关系划分;面向数字孪生建模,对移动机器人铣削加工系统进行多层次关系划分,是指将单元自身及单元与单元之间存在的关系划分为几何匹配层、位姿约束层及变形补偿层;
因为每个单元之间都存在位姿关系,移动机器人单元自身还存在位姿关系;每个单元自身都有几何尺寸;变形有大型复杂构件单元变形、移动机器人单元变形、铣削执行单元。只是在后续建模中进行了关键特征提取,忽略了一些位姿关系、几何尺寸、变形等,简化了建模过程。
几何匹配层:在虚拟环境下各单元的设计模型为理论模型,而实际单元制造过程中存在几何误差,其精度信息由公差类型、公差值、精度等级、表面粗糙度等参数决定。几何匹配层用于将各单元实际精度信息赋予虚拟模型,使得虚拟模型与物理实体在几何层面一一映射;实际精度信息包括公差类型、公差值、精度等级以及表面粗糙度;
位姿约束层:实际各个单元自身及单元间存在相对位置关系,且随着移动机器人铣削加工,相对位置关系实时变化,位姿约束层是基于各单元所建立的坐标系,将单元自身及单元间存在的相对位置关系用位姿进行描述,使得虚拟模型与物理实体在位姿层面一一映射;
变形补偿层:各单元的材料特性由材料属性、力学性能以及热处理方式等项目组成。各单元在加工过程中由于重力及产生的切削力发生变形,变形补偿层是将物理变形量赋予虚拟模型,使得虚拟模型与物理实体在变形补偿层一一映射。
(3)基于步骤(2)划分的多层次关系,确定要提取关键特征;
考虑虚拟环境下模型的轻量化,减少资源占用及运算时间,基于设计模型局部修正关键特征信息,实现虚拟模型与物理实体的映射。
具体为:
在几何匹配层,针对待铣削加工区域,通过视觉测量单元对大型复杂构件单元的支架上表面进行测量,获取数据拟合的平面作为关键特征;
在位姿约束层,针对各单元相互位置关系,在各单元坐标系下选定≥3个数量的关键测量点,测量点理论坐标已知,且具有高刚度、可测性特点,获取数据拟合的位姿作为关键特征;各单元坐标系包括激光跟踪仪单元设计坐标系、视觉测量单元设计坐标系、铣削执行器单元设计坐标系、移动机器人单元设计坐标系,大型复杂构件单元设计坐标系;
在变形补偿层,移动机器人铣削支架上表面,考虑铝合金舱体支架发生变形、导致关键测量点偏移,将变形量转换到对关键测量点补偿,获取数据拟合的位姿作为关键特征;同时考虑机器人末端受力,导致弱刚性机器人结构变形,将通过铣削执行器单元与大型复杂构件单元之间的接触力计算获取的移动机器人单元位姿作为关键特征。
(4)对步骤(3)确定要提取的关键特征进行物理实体测量;具体为:
在几何匹配层,通过视觉测量单元对大型复杂构件单元支架上表面进行测量,获得表面实测数据,表面实测数据为离散点云数据;
在位姿约束层,通过激光跟踪仪单元测量各个单元坐标系下选定的≥3个的关键测量点,获取关键测量点的实测数据;
在变形补偿层,通过力学计算或有限元方法计算关键测量点偏移权重,通过激光跟踪仪单元测量上述关键测量点,获取实测数据;通过六维测力传感器测量移动机器人单元上安装的铣削执行器单元的受力,获取接触力实测数据。
(5)对步骤(4)实体测量得到的数据进行降噪与归一化处理;
通过不同测量设备获取不同精度、不同量级的测量数据,为方便计算且统一精度,对测量数据进行降噪与归一化处理,处理步骤包括:点云对齐、误差点剔除、滤波、精简等,修正关键特征实测精度信息。
(6)根据步骤(5)处理后的数据,进行关键特征的逆向建模;
进行关键特征的逆向建模,包括几何匹配层关键特征逆向建模、位姿约束层关键特征逆向建模、变形补偿层关键特征逆向建模;
进行几何匹配层关键特征逆向建模,具体为:基于归一化处理后的数据,采用误差曲线描述支架上表面的形貌,支架上表面z=0的误差表现为z方向上的波动,该波动描述为误差曲线沿y方向的延伸,如图2所示,采用最小二乘法对误差曲线离散数据进行多项式拟合,从而重构接近实际零件表面形状的连续曲线函数,实现支架上表面的逆向建模,即几何匹配层关键特征逆向建模。
记离散点云数据集合为{Qi(xi,zi)},其中i=1,2,...,n,用拟合连续函数f(x)与所有离散点差值的二范数e2来评价拟合程度好坏,如下:
若f(x)为多项式,即f(x)=a0+a1x+…+amxm,当e2取最小值时,称f(x)为离散点云的最小二乘拟合多项式。将拟合曲线与离散点的二范数平方值记为e,即
由于e是多项式系数{a0,a1,…,am}的多元函数,求e2最小值可以通过对ak求偏导,即
k取0到m中正整数,上式可用矩阵形式表达,根据关键特征设计需求设置多项式阶数m,可以计算出多项式系数组合的唯一解,继而得到最接近真实线特征的几何形状。
进行位姿约束层关键特征逆向建模,具体为:基于各单元的坐标系,通过激光跟踪仪单元测量关键测量点,获取激光跟踪仪坐标系下的实测数据,结合关键测量点所在不同坐标系下的理论数据,求解出各单元在激光跟踪仪坐标系下的位姿,进而确定各单元之间的相互位置,实现位姿的逆向建模。
求解出各单元在激光跟踪仪坐标系下的位姿,具体包括如下步骤:
①给定关键测量点集坐标的理论数据和测量数据;
②采用三点法对点集进行粗配准,得到初始变换矩阵T0;
③建立目标函数,以初始变换矩阵T0为初值,采用LM算法进行迭代优化,获得变换矩阵Tk;LM算法是指Levenberg-Marquardt算法;
④基于LM算法得到的变换矩阵Tk对点集坐标的理论数据进行变换,得到新的坐标理论数据;
⑤采用奇异值分解法对测量数据和新的坐标理论数据进行配准得到精确配准的变换矩阵TSVD;
⑥计算关键测量点集坐标理论数据与测量数据间的转换矩阵Tc=TSVD·Tk,Tc即为所求位姿。
进行变形补偿层关键特征逆向建模,包括加权位姿逆向建模和接触力引起的位姿逆向建模;
考虑铝合金舱体支架发生变形、导致关键测量点偏移,借助有限元分析方法对铝合金舱体支架模型进行变形分析,在此基础上,对各关键测量点理论坐标引入偏移矢量权重因子,结合激光跟踪仪实测数据,采用加权位姿拟合算法进行位姿求解。进行加权位姿逆向建模,其步骤如下:
①通过有限元分析软件中导入的被测量的舱体支架的三维模型,依据实际铣削环境进行相关参数设置,对舱体支架进行受力和变形分析,得到各关键测量点的偏移矢量;
②根据各关键测量点的偏移矢量计算其偏移后的位置与原位置间的距离,进而根据该距离对各关键测量点进行权重分配,得到其权重因子;
③将所述目标函数中引入权重因子,采用改进的目标函数进行位姿迭代求解,进而实现变形补偿引起的加权位姿逆向建模;
进行接触力引起的位姿逆向建模,具体包括:
考虑机器人末人结构变形,通过六维力/力矩传感器测量机器人末端受力,获取接触力实测数据。将机器人受力和机器人变形导致位姿变化量,在铣削执行器单元坐标系下,满足如下胡克定律:
F=K·X
其中,F为六维力/力矩传感器测量所得的6维广义力矢量;X为6维广变形矢量;K为6×6的笛卡尔刚度矩阵。由于末端刚度矩阵K与关节刚度矩阵Kq之间的映射关系为
K=J-TKqJ-1
其中,J为机器人雅克比矩阵,且关节刚度矩阵Kq标定后已知。因此,可将满足的胡克定律改为:
X=J-1KqJ-TF
即可求解6维广变形矢量X,进而修正机器人位姿,进而实现变形补偿引起的位姿逆向建模。
(7)进行数字孪生体模型动态重构,完成面向移动机器人加工的数字孪生建模。在虚拟环境下,动态重构数字孪生体模型,以支撑移动机器人铣削加工过程高真实度仿真预测、系统优化、决策调控等功能,其步骤如下:
①结合各单元划分,导入各单元的虚拟模型;
②根据基于关键特征的逆向建模结果,对虚拟模型从几何匹配层、位姿约束层、变形补偿层进行信息修正,得到数字孪生体模型;
③随着移动机器人单元铣削加工过程的动态变化,数字孪生体模型不断更新,进而实现数字孪生体模型的动态重构。
本发明在考虑模型轻量化,减少资源占用及运算时间基础上,以数字化的方式建立物理实体的多维、多时空尺度、多物理量的动态虚拟模型来仿真和刻画物理实体在真实环境中的属性、行为等,为孪生数据驱动的移动机器人铣削加工过程预测、调控、优化、决策等奠定基础。
Claims (8)
1.一种面向移动机器人加工的数字孪生建模方法,其特征在于步骤如下:
(1)对移动机器人铣削加工系统进行单元划分;
将移动机器人铣削加工系统进行单元划分,具体划分为:激光跟踪仪测量单元、移动机器人单元、铣削执行器单元、视觉测量单元、大型复杂构件单元;
(2)基于步骤(1)划分的单元,对移动机器人铣削加工系统进行多层次关系划分;
(3)基于步骤(2)划分的多层次关系,确定要提取关键特征;
(4)对步骤(3)确定要提取的关键特征进行物理实体测量;
(5)对步骤(4)实体测量得到的数据进行降噪与归一化处理;
(6)根据步骤(5)处理后的数据,进行关键特征的逆向建模;
(7)进行数字孪生体模型动态重构,完成面向移动机器人加工的数字孪生建模;
所述激光跟踪仪测量单元用于构建不同坐标系,采用激光跟踪仪实现;
视觉测量单元用于测量铣削平面及靶标点;
铣削执行器单元用于铣削加工的执行,视觉测量单元安装在铣削执行器单元上面;
移动机器人单元:包括全向移动平台以及该移动平台上安装的移动机器人,铣削执行器单元安装在所述移动机器人上,移动机器人对铣削执行器单元的空间位姿进行调整;
大型复杂构件单元:是指舱体类构件,舱体外围安装支架,支架上表面即为待铣削加工区域;
对移动机器人铣削加工系统进行多层次关系划分,是指将单元之间存在的关系划分为几何匹配层、位姿约束层及变形补偿层;
几何匹配层:几何匹配层用于将各单元实际精度信息赋予虚拟模型,使得虚拟模型与物理实体在几何层面一一映射;实际精度信息包括公差类型、公差值、精度等级以及表面粗糙度;
位姿约束层:实际各个单元自身及单元间存在相对位置关系,且随着移动机器人铣削加工,相对位置关系发生变化,位姿约束层是基于各单元所建立的坐标系,将单元自身及单元间存在的相对位置关系用位姿进行描述,使得虚拟模型与物理实体在位姿层面一一映射;
变形补偿层:各单元在加工过程中由于自重及产生的切削力发生变形,变形补偿层是将物理变形量赋予虚拟模型,使得虚拟模型与物理实体在变形补偿层一一映射。
2.根据权利要求1所述的一种面向移动机器人加工的数字孪生建模方法,其特征在于:所述步骤(3)确定要提取关键特征,具体为:
在几何匹配层,针对待铣削加工区域,通过视觉测量单元对大型复杂构件单元的支架上表面进行测量,获取数据拟合的平面作为关键特征;
在位姿约束层,针对各单元相互位置关系,在各单元坐标系下选定≥3个数量的关键测量点,获取数据拟合的位姿作为关键特征;
各单元坐标系包括激光跟踪仪单元设计坐标系、视觉测量单元设计坐标系、铣削执行器单元设计坐标系、移动机器人单元设计坐标系,大型复杂构件单元设计坐标系;
在变形补偿层,移动机器人铣削支架上表面,将变形量转换到对关键测量点补偿,获取数据拟合的位姿作为关键特征;同时将通过铣削执行器单元与大型复杂构件单元之间的接触力计算获取的移动机器人单元位姿作为关键特征。
3.根据权利要求1所述的一种面向移动机器人加工的数字孪生建模方法,其特征在于:所述步骤(4)对确定要提取的关键特征进行物理实体测量,具体为:
在几何匹配层,通过视觉测量单元对大型复杂构件单元支架上表面进行测量,获得表面实测数据,表面实测数据为离散点云数据;
在位姿约束层,通过激光跟踪仪单元测量各个单元坐标系下选定的≥3个的关键测量点,获取关键测量点的实测数据;
在变形补偿层,通过力学计算或有限元方法计算关键测量点偏移权重,通过激光跟踪仪单元测量上述关键测量点,获取实测数据;通过六维测力传感器测量移动机器人单元上安装的铣削执行器单元的受力,获取接触力实测数据。
4.根据权利要求1所述的一种面向移动机器人加工的数字孪生建模方法,其特征在于:所述步骤(6)进行关键特征的逆向建模,包括几何匹配层关键特征逆向建模、位姿约束层关键特征逆向建模、变形补偿层关键特征逆向建模;
进行几何匹配层关键特征逆向建模,具体为:基于归一化处理后的数据,采用误差曲线描述支架上表面的形貌,支架上表面z=0的误差表现为z方向上的波动,该波动描述为误差曲线沿y方向的延伸,采用最小二乘法对误差曲线离散数据进行多项式拟合,从而重构接近实际零件表面形状的连续曲线函数,实现支架上表面的逆向建模,即几何匹配层关键特征逆向建模。
5.根据权利要求4所述的一种面向移动机器人加工的数字孪生建模方法,其特征在于:进行位姿约束层关键特征逆向建模,具体为:基于各单元的坐标系,通过激光跟踪仪单元测量关键测量点,获取激光跟踪仪坐标系下的实测数据,结合关键测量点所在不同坐标系下的理论数据,求解出各单元在激光跟踪仪坐标系下的位姿,进而确定各单元之间的相互位置,实现位姿的逆向建模。
6.根据权利要求5所述的一种面向移动机器人加工的数字孪生建模方法,其特征在于:求解出各单元在激光跟踪仪坐标系下的位姿,具体包括如下步骤:
①给定关键测量点集坐标的理论数据和测量数据;
②采用三点法对点集进行粗配准,得到初始变换矩阵T0;
③建立目标函数,以初始变换矩阵T0为初值,采用LM算法进行迭代优化,获得变换矩阵Tk;
④基于LM算法得到的变换矩阵Tk对点集坐标的理论数据进行变换,得到新的坐标理论数据;
⑤采用奇异值分解法对测量数据和新的坐标理论数据进行配准得到精确配准的变换矩阵TSVD;
⑥计算关键测量点集坐标理论数据与测量数据间的转换矩阵Tc=TSVD·Tk,Tc即为所求位姿。
7.根据权利要求6所述的一种面向移动机器人加工的数字孪生建模方法,其特征在于:进行变形补偿层关键特征逆向建模,包括加权位姿逆向建模和接触力引起的位姿逆向建模;
进行加权位姿逆向建模,具体包括:
①通过有限元分析导入的被测量的舱体支架的三维模型,依据实际铣削环境进行相关参数设置,对舱体支架进行受力和变形分析,得到各关键测量点的偏移矢量;
②根据各关键测量点的偏移矢量计算其偏移后的位置与原位置间的距离,进而根据该距离对各关键测量点进行权重分配,得到其权重因子;
③将所述目标函数中引入权重因子,采用改进的目标函数进行位姿迭代求解,进而实现变形补偿引起的加权位姿逆向建模;
进行接触力引起的位姿逆向建模,具体包括:
①确定移动机器人单元上安装的铣削执行器单元受到的接触力与机器人位姿之间的映射关系为F=K·X;其中,F为六维力传感器测量所得的6维广义力矢量;X为机器人位姿的6维广义变形矢量;K为6×6的笛卡尔刚度矩阵,且有:
K=J-TKqJ-1
其中,J为机器人雅克比矩阵,Kq为关节刚度矩阵,
②进而得到机器人位姿的6维广义变形矢量X为:
X=J-1KqJ-TF
通过X修正机器人位姿,进而实现接触力引起的位姿逆向建模。
8.据权利要求1所述的一种面向移动机器人加工的数字孪生建模方法,其特征在于:进行数字孪生体模型动态重构,具体为:
①结合各单元划分,导入各单元的虚拟模型;
②根据关键特征的逆向建模结果,对虚拟模型从几何匹配层、位姿约束层、变形补偿层进行信息修正,得到数字孪生体模型;
③随着移动机器人单元铣削加工过程的动态变化,数字孪生体模型不断更新,进而实现数字孪生体模型的动态重构。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010642150.8A CN111964575B (zh) | 2020-07-06 | 2020-07-06 | 一种面向移动机器人铣削加工的数字孪生建模方法 |
PCT/CN2021/104562 WO2022007753A1 (zh) | 2020-07-06 | 2021-07-05 | 一种面向移动机器人铣削加工的数字孪生建模方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010642150.8A CN111964575B (zh) | 2020-07-06 | 2020-07-06 | 一种面向移动机器人铣削加工的数字孪生建模方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111964575A CN111964575A (zh) | 2020-11-20 |
CN111964575B true CN111964575B (zh) | 2022-02-01 |
Family
ID=73361455
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010642150.8A Active CN111964575B (zh) | 2020-07-06 | 2020-07-06 | 一种面向移动机器人铣削加工的数字孪生建模方法 |
Country Status (2)
Country | Link |
---|---|
CN (1) | CN111964575B (zh) |
WO (1) | WO2022007753A1 (zh) |
Families Citing this family (38)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111964575B (zh) * | 2020-07-06 | 2022-02-01 | 北京卫星制造厂有限公司 | 一种面向移动机器人铣削加工的数字孪生建模方法 |
CN112380726B (zh) * | 2020-11-26 | 2023-06-30 | 华中科技大学无锡研究院 | 基于模态耦合颤振的机器人铣削临界稳定切深预测方法 |
CN112859739B (zh) * | 2021-01-15 | 2022-07-01 | 天津商业大学 | 一种数字孪生驱动的多轴数控机床轮廓误差抑制方法 |
CN112904805B (zh) * | 2021-01-15 | 2022-07-01 | 天津商业大学 | 一种用于多轴数控机床的数字孪生体建模与虚实同步方法 |
CN112507573A (zh) * | 2021-02-09 | 2021-03-16 | 东北大学 | 一种基于数字孪生的热连轧轧制过程监控预警方法 |
CN113128561A (zh) * | 2021-03-22 | 2021-07-16 | 南京航空航天大学 | 一种机床轴承故障诊断方法 |
CN113276112B (zh) * | 2021-04-30 | 2022-12-13 | 北京卫星制造厂有限公司 | 一种基于移动式双机器人的弱刚性构件加工工艺规划方法 |
CN113513978B (zh) * | 2021-06-02 | 2023-04-14 | 北京卫星制造厂有限公司 | 高低温环境下的端面位姿相对变化高精度测量方法和系统 |
CN113362456B (zh) * | 2021-06-21 | 2024-04-12 | 浙江理工大学 | 一种基于数字孪生技术的测量仪器构建方法及系统 |
CN113534741A (zh) * | 2021-07-13 | 2021-10-22 | 哈尔滨理工大学 | 一种铣削加工薄壁件的控制方法及系统 |
CN113504768B (zh) * | 2021-08-05 | 2022-06-03 | 东华大学 | 面向装配质量预测的高精密产品数字孪生可计算性方法 |
CN113984416A (zh) * | 2021-09-09 | 2022-01-28 | 中车青岛四方机车车辆股份有限公司 | 转向架的检测数据处理方法、装置、设备及可读存储介质 |
CN113848806B (zh) * | 2021-10-12 | 2023-05-23 | 中国石油大学(华东) | 数字孪生驱动的高效放电脉冲电弧铣削加工故障诊断方法及系统 |
CN114036643B (zh) * | 2021-11-10 | 2024-05-14 | 中国科学院沈阳自动化研究所 | 一种变形舱段数字孪生体建模方法 |
CN114396944B (zh) * | 2022-01-18 | 2024-03-22 | 西安塔力科技有限公司 | 一种基于数字孪生的自主定位误差矫正方法 |
CN114474004B (zh) * | 2022-03-18 | 2023-10-03 | 河北工业大学 | 一种多因素耦合车载建筑机器人误差补偿规划控制策略 |
CN114611362B (zh) * | 2022-03-22 | 2023-08-15 | 中国工程物理研究院流体物理研究所 | 一种大型器械工作面的安装调试方法、电子装置及介质 |
CN114663060B (zh) * | 2022-03-25 | 2022-11-18 | 北京清大宏源环保科技有限公司 | 一种基于数字孪生技术的产品制造生产线协同智能管理系统 |
CN114708393B (zh) * | 2022-03-28 | 2023-04-25 | 中国矿业大学 | 全时空采掘过程的矿山应力场孪生建模同化系统及方法 |
CN115017754A (zh) * | 2022-05-09 | 2022-09-06 | 南京航空航天大学 | 一种考虑制造误差的有限元模型修正方法 |
CN114700954B (zh) * | 2022-05-12 | 2023-12-22 | 中国计量大学 | 一种六自由度工业机器人制孔刚度优化方法 |
CN114969976B (zh) * | 2022-06-01 | 2024-04-16 | 沈阳飞机工业(集团)有限公司 | 基于数字化实测数据的一体化结构虚拟装配方法 |
CN115112082B (zh) * | 2022-06-30 | 2023-05-30 | 哈尔滨工业大学 | 一种基于数字孪生技术的同轴度测量装置及校准方法 |
CN115218804A (zh) * | 2022-07-13 | 2022-10-21 | 长春理工大学中山研究院 | 一种大型构件多源系统融合测量方法 |
CN115319727A (zh) * | 2022-08-15 | 2022-11-11 | 中国科学院宁波材料技术与工程研究所 | 一种基于位姿约束和力感知的机器人标定方法 |
CN115229796B (zh) * | 2022-08-15 | 2024-05-14 | 华中科技大学 | 一种面向航空大构件铣削的机器人末端位姿跟踪补偿方法 |
CN115480574B (zh) * | 2022-09-23 | 2023-07-14 | 天津大学 | 一种移动机器人的单元级数字孪生协同控制方法及控制系统 |
CN115333867A (zh) * | 2022-10-14 | 2022-11-11 | 北京六方云信息技术有限公司 | 威胁检测方法、装置、终端设备以及存储介质 |
CN116108722B (zh) * | 2023-02-28 | 2024-05-07 | 南京理工大学 | 基于数字孪生的大型结构件面形调控方法 |
CN116062198B (zh) * | 2023-04-06 | 2023-07-14 | 中山大学 | 面向超大型航天结构的虚实融合地面试验系统及方法 |
CN116543134B (zh) * | 2023-07-06 | 2023-09-15 | 金锐同创(北京)科技股份有限公司 | 数字孪生模型的构建方法、装置、计算机设备和介质 |
CN116720415B (zh) * | 2023-08-09 | 2023-12-05 | 中国人民解放军火箭军工程大学 | 一种基于数字孪生的目标红外特性建模方法 |
CN117021118B (zh) * | 2023-10-08 | 2023-12-15 | 中北大学 | 一种并联机器人数字孪生轨迹误差动态补偿方法 |
CN117340897B (zh) * | 2023-12-05 | 2024-03-12 | 山东建筑大学 | 面向动态响应预测的机器人数字孪生模型建模方法及系统 |
CN117421940B (zh) * | 2023-12-19 | 2024-03-19 | 山东交通学院 | 数字孪生轻量化模型与物理实体之间全局映射方法及装置 |
CN117574691B (zh) * | 2024-01-17 | 2024-05-14 | 湘江实验室 | 虚拟实体数据系统构建方法及相关设备 |
CN117647952A (zh) * | 2024-01-30 | 2024-03-05 | 南京航空航天大学 | 面向工业机器人的数字建模位置精度补偿方法及系统 |
CN117911662B (zh) * | 2024-03-20 | 2024-05-14 | 南京航空航天大学 | 基于深度霍夫投票的数字孪生场景语义分割方法及系统 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108724190A (zh) * | 2018-06-27 | 2018-11-02 | 西安交通大学 | 一种工业机器人数字孪生系统仿真方法及装置 |
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 |
KR101988776B1 (ko) * | 2017-12-28 | 2019-06-12 | 주식회사 현대미포조선 | 3차원 모델링 기반의 디지털 트윈쉽 시스템 |
CN110605709A (zh) * | 2019-09-25 | 2019-12-24 | 西南交通大学 | 数字孪生与精密滤波驱动机器人集成系统及其使用方法 |
CN110738739A (zh) * | 2019-10-22 | 2020-01-31 | 同济大学 | 一种面向机器人装配的数字孪生系统的构建系统 |
CN110967992A (zh) * | 2018-09-28 | 2020-04-07 | 西门子股份公司 | 用于机器人的控制系统及方法 |
CN111230887A (zh) * | 2020-03-10 | 2020-06-05 | 合肥学院 | 一种基于数字孪生技术的工业涂胶机器人运行状态监测方法 |
CN111300381A (zh) * | 2020-01-20 | 2020-06-19 | 兰州理工大学 | 基于数字孪生三维模型的软体机器人或驱动器系统及其建模方法 |
Family Cites Families (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE112019004517T5 (de) * | 2018-09-10 | 2021-06-02 | Fanuc America Corporation | Roboterkalibrierung für ar (augmented reality) und digitaler zwilling |
CN110456635B (zh) * | 2019-07-02 | 2021-02-19 | 北京航空航天大学 | 基于数字孪生技术的电动汽车动力系统的控制方法 |
CN110532625B (zh) * | 2019-07-31 | 2021-02-02 | 西安交通大学 | 航空发动机涡轮盘-转子-支承系统数字孪生建模方法 |
CN110900307B (zh) * | 2019-11-22 | 2020-12-15 | 北京航空航天大学 | 一种数字孪生驱动的数控机床刀具监控系统 |
CN111145236B (zh) * | 2019-12-04 | 2022-10-18 | 东南大学 | 一种基于数字孪生的产品拟实物装配模型生成方法及实现框架 |
CN111964575B (zh) * | 2020-07-06 | 2022-02-01 | 北京卫星制造厂有限公司 | 一种面向移动机器人铣削加工的数字孪生建模方法 |
-
2020
- 2020-07-06 CN CN202010642150.8A patent/CN111964575B/zh active Active
-
2021
- 2021-07-05 WO PCT/CN2021/104562 patent/WO2022007753A1/zh active Application Filing
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR101988776B1 (ko) * | 2017-12-28 | 2019-06-12 | 주식회사 현대미포조선 | 3차원 모델링 기반의 디지털 트윈쉽 시스템 |
CN108724190A (zh) * | 2018-06-27 | 2018-11-02 | 西安交通大学 | 一种工业机器人数字孪生系统仿真方法及装置 |
CN110967992A (zh) * | 2018-09-28 | 2020-04-07 | 西门子股份公司 | 用于机器人的控制系统及方法 |
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 |
CN110605709A (zh) * | 2019-09-25 | 2019-12-24 | 西南交通大学 | 数字孪生与精密滤波驱动机器人集成系统及其使用方法 |
CN110738739A (zh) * | 2019-10-22 | 2020-01-31 | 同济大学 | 一种面向机器人装配的数字孪生系统的构建系统 |
CN111300381A (zh) * | 2020-01-20 | 2020-06-19 | 兰州理工大学 | 基于数字孪生三维模型的软体机器人或驱动器系统及其建模方法 |
CN111230887A (zh) * | 2020-03-10 | 2020-06-05 | 合肥学院 | 一种基于数字孪生技术的工业涂胶机器人运行状态监测方法 |
Non-Patent Citations (1)
Title |
---|
A-采用Automation_ML对工程工具数字孪生建模的方法;陈曦 等;《信息与电脑》;20190731(第7期);第23-25页 * |
Also Published As
Publication number | Publication date |
---|---|
WO2022007753A1 (zh) | 2022-01-13 |
CN111964575A (zh) | 2020-11-20 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111964575B (zh) | 一种面向移动机器人铣削加工的数字孪生建模方法 | |
CN111590581B (zh) | 机器人的定位补偿方法及装置 | |
CN108908327B (zh) | 一种机器人定位误差分级补偿方法 | |
CN102183205A (zh) | 一种大型零部件最佳装配位姿匹配的方法 | |
Peng et al. | Total differential methods based universal post processing algorithm considering geometric error for multi-axis NC machine tool | |
CN109163675B (zh) | 一种基于激光跟踪仪检测角摆轴位置精度的方法 | |
Joubair et al. | Calibration efficiency analysis based on five observability indices and two calibration models for a six-axis industrial robot | |
CN107457785B (zh) | 一种基于关节反馈的机器人位置补偿方法 | |
CN115229796B (zh) | 一种面向航空大构件铣削的机器人末端位姿跟踪补偿方法 | |
CN111754464B (zh) | 一种类pd算法结合icp算法的零件精确找正方法 | |
Wu et al. | Review of industrial robot stiffness identification and modelling | |
Wang et al. | A novel selected force controlling method for improving robotic grinding accuracy of complex curved blade | |
CN114611362B (zh) | 一种大型器械工作面的安装调试方法、电子装置及介质 | |
Guo et al. | A robotic deburring methodology for tool path planning and process parameter control of a five-degree-of-freedom robot manipulator | |
Jiang et al. | A Novel Dual-robot Accurate Calibration Method Using Convex Optimization and Lie Derivative | |
Guo et al. | Analysis on quantifiable and controllable assembly technology for aeronautical thin-walled structures | |
Tao et al. | A review of digital twin intelligent assembly technology and application for complex mechanical products | |
CN113799137A (zh) | 一种基于神经网络的移动加工机器人快速视觉定位方法 | |
Qi et al. | Accuracy improvement calibrations for the double-position 4-PPPS aircraft docking system | |
CN112157654A (zh) | 一种机器人加工系统定位误差的优化方法 | |
CN116245944A (zh) | 一种基于实测数据的舱段自动化对接方法及系统 | |
Zhang et al. | CME-EPC: A coarse-mechanism embedded error prediction and compensation framework for robot multi-condition tasks | |
Li et al. | Establishing an Improved Kane Dynamic Model for the 7‐DOF Reconfigurable Modular Robot | |
Li et al. | An optimal singularity-free motion planning method for a 6-DOF parallel manipulator | |
Dai et al. | Research on constant force grinding control of aero-engine blades based on extended state observer |
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 |