CN112904805A - 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 - Google Patents
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 Download PDFInfo
- Publication number
- CN112904805A CN112904805A CN202110059639.7A CN202110059639A CN112904805A CN 112904805 A CN112904805 A CN 112904805A CN 202110059639 A CN202110059639 A CN 202110059639A CN 112904805 A CN112904805 A CN 112904805A
- Authority
- CN
- China
- Prior art keywords
- layer
- model
- virtual
- feeding system
- digital 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.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 75
- 230000008878 coupling Effects 0.000 claims abstract description 53
- 238000010168 coupling process Methods 0.000 claims abstract description 53
- 238000005859 coupling reaction Methods 0.000 claims abstract description 53
- 230000007246 mechanism Effects 0.000 claims abstract description 48
- 230000008859 change Effects 0.000 claims abstract description 31
- 230000006870 function Effects 0.000 claims abstract description 28
- 238000012546 transfer Methods 0.000 claims abstract description 28
- 238000006073 displacement reaction Methods 0.000 claims abstract description 14
- 238000010801 machine learning Methods 0.000 claims abstract description 11
- 230000001133 acceleration Effects 0.000 claims abstract description 8
- 230000006399 behavior Effects 0.000 claims description 43
- 239000011159 matrix material Substances 0.000 claims description 19
- 230000008569 process Effects 0.000 claims description 19
- 230000009471 action Effects 0.000 claims description 18
- 238000004891 communication Methods 0.000 claims description 13
- 230000004044 response Effects 0.000 claims description 13
- 230000001360 synchronised effect Effects 0.000 claims description 12
- 230000008054 signal transmission Effects 0.000 claims description 11
- 230000003068 static effect Effects 0.000 claims description 10
- 230000002457 bidirectional effect Effects 0.000 claims description 9
- 238000011217 control strategy Methods 0.000 claims description 8
- 230000009193 crawling Effects 0.000 claims description 8
- 238000007405 data analysis Methods 0.000 claims description 7
- 238000002474 experimental method Methods 0.000 claims description 7
- 238000012512 characterization method Methods 0.000 claims description 5
- 238000013016 damping Methods 0.000 claims description 5
- 230000008447 perception Effects 0.000 claims description 5
- 238000012937 correction Methods 0.000 claims description 4
- 238000013135 deep learning Methods 0.000 claims description 4
- 229920001971 elastomer Polymers 0.000 claims description 4
- 239000000806 elastomer Substances 0.000 claims description 4
- 230000009347 mechanical transmission Effects 0.000 claims description 4
- 230000009466 transformation Effects 0.000 claims description 4
- 238000013507 mapping Methods 0.000 description 5
- 230000000694 effects Effects 0.000 description 4
- 238000013499 data model Methods 0.000 description 3
- 230000003993 interaction Effects 0.000 description 3
- 230000003542 behavioural effect Effects 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 2
- 230000000295 complement effect Effects 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 238000005070 sampling Methods 0.000 description 2
- 239000007787 solid Substances 0.000 description 2
- 230000004888 barrier function Effects 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000036461 convulsion Effects 0.000 description 1
- 230000001186 cumulative effect Effects 0.000 description 1
- 230000009977 dual effect Effects 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 238000012417 linear regression Methods 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 230000035772 mutation Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 238000012549 training Methods 0.000 description 1
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
- G05B19/00—Programme-control systems
- G05B19/02—Programme-control systems electric
- G05B19/18—Numerical control [NC], i.e. automatically operating machines, in particular machine tools, e.g. in a manufacturing environment, so as to execute positioning, movement or co-ordinated operations by means of programme data in numerical form
- G05B19/414—Structure of the control system, e.g. common controller or multiprocessor systems, interface to servo, programmable interface controller
- G05B19/4142—Structure of the control system, e.g. common controller or multiprocessor systems, interface to servo, programmable interface controller characterised by the use of a microprocessor
-
- 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
- G05B2219/00—Program-control systems
- G05B2219/30—Nc systems
- G05B2219/34—Director, elements to supervisory
- G05B2219/34013—Servocontroller
Landscapes
- Engineering & Computer Science (AREA)
- Computer Hardware Design (AREA)
- Microelectronics & Electronic Packaging (AREA)
- Human Computer Interaction (AREA)
- Manufacturing & Machinery (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Feedback Control In General (AREA)
- Numerical Control (AREA)
Abstract
本发明涉及数控机床技术领域，具体为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，包括如下步骤：S1，建立多轴进给系统的时变耦合机理模型，首先获取多轴进给系统的结构属性，得到进给系统的多自由度刚柔耦合传递函数模型；S2，建立数据驱动模型，在几何层，针对进给系统反向间隙的跃变性，借助伺服驱动器采集得到各轴的位移、速度、加速度数据，采用机器学习方法，表征反向间隙对多轴进给系统位姿变化的影响关系；S3，建立信号接口模型；S4，数字孪生体集成；S5，虚实同步。本发明意在提供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，以解决在复杂情况下，模型描述不全面的问题。
Description
技术领域
本发明涉及数控机床技术领域，具体为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。
背景技术
目前有关数控机床的建模方法多局限于某一方面的建模方法，例如中国专利文献CN104483900A公开了一种半闭环控制数控机床滚珠丝杠进给系统定位误差建模方法，该方法主要解决了因环境温度与丝杠工作温度的变化导致进给系统定位误差预测的问题，其关键之处在于考虑了丝杠不同的安装支承方式对进给系统热误差的影响，通过多元线性回归理论建立了数控机床滚珠丝杠进给系统定位误差预测模型。再比如中国专利文献CN102478786A公开了一种五轴数控机床建模和装配方法，该方法对单个零件进行三维建模步骤，即按照五轴数控机床的零件的实际尺寸，画出三维图形；装配步骤，即在对五轴数控机床的所有零件进行三维建模后，利用UG三维平台进行虚拟装配，在装配图的环境下，分别调入需要装配的环境以及需要装配的零部件，通过约束条件对各零件进行位置方向约束，然后再对五轴数控机床的各部件进行虚拟装配，最后对机床总体进行装配。
在上述基础上，中国专利文献CN108107841B公开了一种针对多领域、面向对象的、基于组件的机床数字模型建模方法，具体为一种数控机床数字孪生建模方法，包括物理空间、数字孪生数字空间和数字孪生映射模型，数字孪生数字空间通过数字孪生映射模型与物理空间进行连接；数据传感器安装在数控机床上，数据传感器通过不同的数据接口与数控系统连接，数控系统通过数字孪生映射模型进行相关数据的采集与协议的解析；数字孪生数字空间包括数字孪生描述模型、数字孪生智能化模型，数字孪生智能化模型通过数据分析与决策，实现数控机床数字孪生的智能化服务。该建模方法采用多领域统一建模语言Modelica，使得所建立的数字孪生描述模型具有多领域统一建模、数学方程化、面向对象的特点，可以更加真实的反映复杂机电系统的本质关系。
上述数据模型包括物理接口层、协议驱动抽象层、数据解析层和信息模型映射层；物理接口层实现不同传感器数据接口的兼容，协议驱动抽象层事项不同协议的传感器的驱动，数据解析层对各个传感器的数据进行解析与处理，信息模型映射层实现统一的数据模型。但是在实际应用过程中，上述数据模型存在未充分考虑其他相关因素对数据模型的影响，尤其是相关非线性干扰会改变系统的动态响应，未充分的考虑系统输入的时变和动态的特点。即上述建模方法存在未充分的考虑系统输入的时变和动态的特点，导致在复杂情况下，模型描述不全面的问题。
发明内容
本发明意在提供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，以解决在复杂情况下，模型描述不全面的问题。
本申请提供如下技术方案：
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，包括如下步骤：
S1，建立多轴进给系统的时变耦合机理模型，首先获取多轴进给系统的结构属性，包括形位尺寸、装配关系和相对运动关系，在几何层对其进行表达；然后获取多轴进给系统的力学属性，包括静力学和动力学，在物理层对其进行表达，采用达朗贝尔定理与拉普拉斯变换，得到进给系统的多自由度刚柔耦合传递函数模型，然后通过辨识实验，得到进给系统的时变刚柔耦合传递函数矩阵，物理层是在几何层的基础上进行的深一层次的表达；然后获取多轴进给系统的控制属性，用于各轴的运动与定位控制，采用基于全局任务坐标系的多参数增益调度控制策略，在行为层对其进行表达，得到多轴进给系统的时变耦合机理模型，行为层是基于物理层的时变耦合传递函数矩阵，集成增益调度控制策略的进一步深层表达；然后通过实验获取多轴进给系统的结构参数、动力学参数、控制器参数的变化规律，拟合后在规则层对其进行表达；
S2，建立数据驱动模型，在几何层，针对进给系统反向间隙的跃变性，借助伺服驱动器采集得到各轴的位移、速度、加速度数据，采用机器学习方法，表征反向间隙对多轴进给系统位姿变化的影响关系；在物理层，针对惯性力、切削力的不确定性，借助伺服驱动器和外置传感器采集位置和力数据，采用机器学习方法，表征惯性力和切削力作用下多轴进给系统的动态响应；在行为层，针对反向间隙和摩擦力的跃变性，采集位移、速度、力矩数据，采用高斯过程回归法，表征多轴进给系统运行过程中的跃变现象，包括死区和爬行；在规则层，通过对采集得到的多种数据进行大数据分析，采用深度学习方法，表征非线性外干扰作用下多轴进给系统位姿、动态响应、跃变及其相互间的影响关系；
S3，建立信号接口模型，针对多轴进给系统控制系统、伺服驱动、机械传动、传感器间的信号传递过程，在几何层建立指令信号与位置参数的关系接口，在物理层建立传感器信号与动态特性参数间的关系接口，在行为层建立物理空间-数字空间信号传输的协议接口，在规则层建立虚-实之间、虚-虚之间、实-实之间的信号传递格式、译码规则；
S4，数字孪生体集成，基于通用语义表征方法，采用统一建模语言，将时变耦合机理模型、数据驱动模型、信号接口模型，从几何层、物理层、行为层、规则层分别进行集成表达，得到多轴进给系统的高保真数字孪生体；
S5，虚实同步，通过具备强兼容性的通讯协议，建立数字孪生体与物理实体间的双向感知关系，通过构建慢时间尺度下数字孪生体重构模型，实现虚实同步。
进一步，在S5中，是采用Modbus、OPC-UA、MTConnect或NCLink的通讯协议，建立数字孪生体与物理实体间的双向感知关系。
进一步，在S1中，所述多自由度刚柔耦合传递函数模型用下式表示：
其中，Grigid表示刚体传递函数矩阵，Gflex，k表示第k阶弹性体传递函数矩阵。
进一步，在S1中，所述时变刚柔耦合传递函数矩阵用下式表示：
其中，
分别表示位移、速度和负载质量，均为时变变量。
进一步，在S1中，所述时变耦合机理模型，用状态空间模型表示如下：
进一步，在S5中，通过构建慢时间尺度下数字孪生体重构模型的具体方式如下：在标准时间t的基础上引入慢时间T，令t≤T≤3t，考虑物理实体动态特性、控制器参数、性能状态动态演变的特点，分别针对物理层、行为层和规则层的同步需求，基于所建数字孪生体提取关键表征参数，构建慢时间尺度下数字孪生体重构模型。
进一步，在S5中，通过构建慢时间尺度下数字孪生体重构模型的具体方式如下：在物理层，提取应力、应变、固有频率、阻尼比作为关键参数，物理实体同步外置传感器将时域信号和转化后的频域信号传输至时频域信号接口，驱动物理层慢时间尺度下的孪生模型重构以及关键参数的动态更新，从而实现静、动力学特性的虚实同步。
进一步，在S5中，通过构建慢时间尺度下数字孪生体重构模型的具体方式如下：在行为层，提取控制器参数、摩擦力、爬行作为关键参数，物理实体通过伺服驱动器将电流、转矩等传输至相应的信号接口，驱动行为层慢时间尺度下的孪生模型重构以及关键参数的实时更新，从而实现控制性能和跃变现象的虚实同步。
进一步，在S5中，通过构建慢时间尺度下数字孪生体重构模型的具体方式如下：在规则层，提取位姿、动态特性、性能状态作为关键参数，融合物理实体的各类实时数据、历史数据等，采用在线学习对规则层孪生体重构模型进行模型修正，驱动关键参数的动态更新，从而实现演变规则的虚实同步。
本发明的原理及优势：与现有技术相比，本发明充分考虑多轴进给系统在进行数字孪生体建模时，系统输入具有时变和动态的特点，从几何层、物理层、行为层以及规则层进行充分的采集和表达，充分考虑每种输入的特点并且进行针对性的补偿和优化，使得虚拟模型在各种情况下均与实体模型一致，减少了输入问题导致的虚拟模型(数字孪生体)和实体模型(物理实体)不一致的情况。
本发明，同时兼顾机理和数据的双重驱动，保证数字孪生体的高保真度，从几何层、物理层、行为层以及规则层等多个维度对时变耦合机理模型进行建模。从几何、物理、行为、规则等4个维度对时变耦合机理模型进行建模与描述，即多维度建模。几何层主要表征形位尺寸、装配关系和相对运动关系等结构属性，物理层主要表征静力学、动力学等力学属性，行为层主要表征控制算法等控制属性，规则层主要表征多轴进给系统各种参数的变化规律，这属于内在机理。采用本方法得到的时变耦合机理模型考虑了多轴进给系统运行过程中由于位姿、速度、加速度的变化导致的时变动态特性、轴间不匹配性等，可以由表及里地表征多轴进给系统的各种属性及内在演变机理。
此外，时变耦合机理模型只能表征多轴进给系统机理方面的特性，无法表征由非线性外干扰引起的各种不确定性，因此需要建立多轴进给系统的数据驱动模型。同样地，从几何、物理、行为、规则等多个维度对其进行表达。采用本方法得到的数据驱动模型同样由表及里地，对多轴进给系统运行过程中的各种干扰因素及其引起的不确定性进行表征。此外，数据驱动模型可以跟时变耦合机理模型从各个维度上形成相辅相成的效果。
最后，通过慢时间尺度下，实现深层次的虚实同步，既能够保证准确性，又能保证一定的实时性(兼顾硬件成本的前提下)。
即，本发明通过多维度的建模方式以及慢时间尺度下的虚实同步方式，实现了复杂情况下，对数字孪生体进行准确描述的效果。
附图说明
图1为本申请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实施例一中的建模的逻辑图；
图2为本申请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实施例二中的虚实精确同步的逻辑图。
具体实施方式
下面通过具体实施方式对本申请技术方案进行进一步详细说明：
实施例一
如图1所示，本实施例公开的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，包括如下步骤：
S1，建立多轴进给系统的时变耦合机理模型，首先获取多轴进给系统的结构属性，包括形位尺寸、装配关系和相对运动关系，在几何层对其进行表达；然后获取多轴进给系统的力学属性，包括静力学和动力学，在物理层对其进行表达，采用达朗贝尔定理与拉普拉斯变换，得到进给系统的多自由度刚柔耦合传递函数模型，然后通过辨识实验，得到进给系统的时变刚柔耦合传递函数矩阵，物理层是在几何层的基础上进行的深一层次的表达；然后获取多轴进给系统的控制属性，用于各轴的运动与定位控制，采用基于全局任务坐标系的多参数增益调度控制策略，在行为层对其进行表达，得到多轴进给系统的时变耦合机理模型，行为层是基于物理层的时变耦合传递函数矩阵，集成增益调度控制策略的进一步深层表达；然后通过实验获取多轴进给系统的结构参数、动力学参数、控制器参数的变化规律，拟合后在规则层对其进行表达；
S2，建立数据驱动模型，在几何层，针对进给系统反向间隙的跃变性，借助伺服驱动器采集得到各轴的位移、速度、加速度数据，采用机器学习方法，表征反向间隙对多轴进给系统位姿变化的影响关系；在物理层，针对惯性力、切削力的不确定性，借助伺服驱动器和外置传感器采集位置和力数据，采用机器学习方法，表征惯性力和切削力作用下多轴进给系统的动态响应；在行为层，针对反向间隙和摩擦力的跃变性，采集位移、速度、力矩数据，采用高斯过程回归法，表征多轴进给系统运行过程中的跃变现象，包括死区和爬行；在规则层，通过对采集得到的多种数据进行大数据分析，采用深度学习方法，表征非线性外干扰作用下多轴进给系统位姿、动态响应、跃变及其相互间的影响关系；
S3，建立信号接口模型，针对多轴进给系统控制系统、伺服驱动、机械传动、传感器间的信号传递过程，在几何层建立指令信号与位置参数的关系接口，在物理层建立传感器信号与动态特性参数间的关系接口，在行为层建立物理空间-数字空间信号传输的协议接口，在规则层建立虚-实之间、虚-虚之间、实-实之间的信号传递格式、译码规则；
S4，数字孪生体集成，基于通用语义表征方法，采用统一建模语言，将时变耦合机理模型、数据驱动模型、信号接口模型，从几何层、物理层、行为层、规则层分别进行集成表达，得到多轴进给系统的高保真数字孪生体；
S5，虚实同步，通过具备强兼容性的通讯协议，建立数字孪生体与物理实体间的双向感知关系，通过构建慢时间尺度下数字孪生体重构模型，实现虚实同步。
具体使用时，在S1中，上述多自由度刚柔耦合传递函数模型用下式表示：
其中，Grigid表示刚体传递函数矩阵，Gflex，k表示第k阶弹性体传递函数矩阵。
上述时变刚柔耦合传递函数矩阵用下式表示：
其中，
分别表示位移、速度和负载质量，均为时变变量。
上述时变耦合机理模型，用状态空间模型表示如下：
在S5中，是采用Modbus、OPC-UA、MTConnect或NCLink的通讯协议，建立数字孪生体与物理实体间的双向感知关系。
在S5中，通过构建慢时间尺度下数字孪生体重构模型的具体方式如下：在标准时间t的基础上引入慢时间T，令t≤T≤3t，考虑物理实体动态特性、控制器参数、性能状态动态演变的特点，分别针对物理层、行为层和规则层的同步需求，基于所建数字孪生体提取关键表征参数，构建慢时间尺度下数字孪生体重构模型。
在S5中，通过构建慢时间尺度下数字孪生体重构模型的具体方式如下：在物理层，提取应力、应变、固有频率、阻尼比作为关键参数，物理实体同步外置传感器将时域信号和转化后的频域信号传输至时频域信号接口，驱动物理层慢时间尺度下的孪生模型重构以及关键参数的动态更新，从而实现静、动力学特性的虚实同步。在行为层，提取控制器参数、摩擦力、爬行作为关键参数，物理实体通过伺服驱动器将电流、转矩等传输至相应的信号接口，驱动行为层慢时间尺度下的孪生模型重构以及关键参数的实时更新，从而实现控制性能和跃变现象的虚实同步。在规则层，提取位姿、动态特性、性能状态作为关键参数，融合物理实体的各类实时数据、历史数据等，采用在线学习对规则层孪生体重构模型进行模型修正，驱动关键参数的动态更新，从而实现演变规则的虚实同步。
实施例二
本实施例，主要是对实施例一的进一步的描述。
(1)时变耦合机理模型
时变耦合机理模型是数字孪生体的核心基础，为了保证数字孪生体的高保真度，从几何层、物理层、行为层以及规则层等多个维度对时变耦合机理模型进行建模。
在几何层：多轴进给系统的结构属性主要包括形位尺寸、装配关系和相对运动关系等，在几何层对其进行表达。
在物理层：多轴进给系统的力学属性主要包括静力学、动力学等，在物理层对其进行表达。针对多轴进给系统动态特性的时变性，考虑刚柔耦合振动与机电耦合刚度的影响，采用达朗贝尔定理与拉普拉斯变换，即可得到进给系统的多自由度刚柔耦合传递函数模型，用下式统一表示
其中，Grigid表示刚体传递函数矩阵，Gflex，k表示第k阶弹性体传递函数矩阵。通过辨识实验，采用最小二乘法、正交多项式曲线拟合法等，估计得到进给系统的时变刚柔耦合传递函数矩阵，用下式统一表示
其中，
分别表示位移、速度和负载质量，均为时变变量。对于时变耦合机理模型，物理层是在几何层的基础上进行的深一层次的表达。
在行为层：多轴进给系统的控制属性用于各轴的运动与定位控制，常用的控制算法包括PID控制、滑模控制、鲁棒控制等，为了体现动态特性的时变性和轴间不匹配性，采用基于全局任务坐标系的多参数增益调度控制策略，在行为层对其进行表达，得到多轴进给系统的时变耦合机理模型，用状态空间模型统一表示
同样的，行为层是基于物理层的时变耦合传递函数矩阵，集成增益调度控制策略的进一步深层表达。
在规则层：为了表征多轴进给系统的内在规律，需要从规则层对其进行表达，反映多轴进给系统的结构参数、动力学参数、控制器参数等的变化规律。
从几何、物理、行为、规则等4个维度对时变耦合机理模型进行建模与描述，即多维度建模。几何层主要表征形位尺寸、装配关系和相对运动关系等结构属性，物理层主要表征静力学、动力学等力学属性，行为层主要表征控制算法等控制属性，规则层主要表征多轴进给系统各种参数的变化规律，这属于内在机理。采用本方法得到的时变耦合机理模型考虑了多轴进给系统运行过程中由于位姿、速度、加速度的变化导致的时变动态特性、轴间不匹配性等，可以由表及里地表征多轴进给系统的各种属性及内在演变机理。
(2)数据驱动模型
多轴进给系统运行过程中存在着反向间隙、摩擦力、惯性力和切削力等非线性影响因素，这些因素属于随机、不确定性干扰因素，当这些因素发生作用时，时变耦合机理模型将不足以准确表达多轴进给系统的内在机制和性能状态等。因此，需要借助信号测试与机器学习等方法，建立多轴进给系统的数据驱动模型，同样的，从几何、物理、行为、规则等多个维度对其进行表达。
在几何层：针对进给系统反向间隙的跃变性，借助伺服驱动器采集得到各轴的位移、速度、加速度等数据，采用机器学习方法，表征反向间隙对多轴进给系统位姿变化的影响关系。
在物理层，针对惯性力、切削力的不确定性，借助伺服驱动器和外置传感器采集位置和力数据，采用机器学习方法，表征惯性力和切削力作用下多轴进给系统的动态响应。
在行为层，针对反向间隙和摩擦力的跃变性，采集位移、速度、力矩等数据，采用高斯过程回归法，表征多轴进给系统运行过程中死区、爬行等跃变现象。
在规则层，通过对采集得到的多种数据进行大数据分析，采用深度学习方法，表征非线性外干扰作用下多轴进给系统位姿、动态响应、跃变及其相互间的影响关系。
在数据驱动模型中，从几何层到规则层同样遵循层层深入的逻辑方式。
时变耦合机理模型只能表征多轴进给系统机理方面的特性，无法表征由非线性外干扰引起的各种不确定性，因此需要建立多轴进给系统的数据驱动模型。同样地，从几何、物理、行为、规则等多个维度对其进行表达。采用本方法得到的数据驱动模型同样由表及里地，对多轴进给系统运行过程中的各种干扰因素及其引起的不确定性进行表征。此外，数据驱动模型可以跟时变耦合机理模型从各个维度上形成相辅相成的效果。
(3)信号接口模型
为了保证数字孪生体与物理实体间以及数字孪生体各部件间的数据交互，需要建立信号接口模型。针对多轴进给系统控制系统、伺服驱动、机械传动、传感器间的信号传递过程，在几何层着重建立指令信号与位置参数的关系接口，在物理层着重建立传感器信号与动态特性参数间的关系接口，在行为层着重建立物理空间-数字空间信号传输的协议接口，在规则层着重建立虚-实之间、虚-虚之间、实-实之间的信号传递格式、译码规则等。
从各个维度上对信号接口模型进行建模可以得到类似的效果，为后续虚实同步阶段的通讯奠定基础，保证虚实之间的通讯也是从各个维度上进行，便于数据交互与分类。
(4)数字孪生体集成
考虑到时变耦合机理模型、数据驱动模型和信号接口模型分别从不同学科领域对多轴进给系统进行了表达，基于通用语义表征方法，采用统一建模语言，将时变耦合机理模型、数据驱动模型、信号接口模型，从几何层、物理层、行为层、规则层等分别进行集成表达，得到多轴进给系统的高保真数字孪生体，以忠实映射物理实体的性能状态及其内在影响因素。
集成得到的数字孪生体具有几何、物理、行为、规则等4个维度，数字孪生体也是由表及里，层层深入，这样才能实现数字孪生体这种复杂模型的建立，也能保证数字孪生体从各个维度上跟物理实体的同步。
集成得到的数字孪生体具备数据-机理混合驱动的特性，当多轴进给系统发生变化时，可以从机理方面对数字孪生体进行更新同步，还可以从不确定性方面进行更新同步，这样可以保证数字孪生体以多种方式实现跟物理实体的同步。
物理实体与数字孪生体间的数据交互是实现多轴进给系统虚实同步的前提保障。多轴进给系统的数据信息主要通过数控系统、伺服驱动器、外置传感器等进行传输，这些数据信息的采样频率、量级、类型等各不相同，故将其称之为多粒度信息。此外，多轴进给系统的多粒度信息传输具有跨协议、跨接口的特点。因此，基于总线、网口、串口传输机制，采用Modbus、OPC-UA、MTConnect、NCLink等具备强兼容性的通讯协议，建立数字孪生体与物理实体间的双向感知关系，如图2双向感知部分所示。数字孪生体通过信号接口感知物理实体的多粒度信息，将各类数据信息分别传输至时变耦合机理模型和数据驱动模型，为其提供同步更新的数据基础，进而实现物理空间和数字空间多粒度信息的精细化感知。
双向感知关系的建立是后续虚实同步的通讯基础，采用本方法可以实现不同采样频率、不同量级、不同类型的数据的通讯，还可以实现不同通讯协议的兼容。
多轴进给系统的虚实同步不但需要位姿的同步，而且需要特征、性能的同步，甚至是逻辑、规律的同步，因此，基于所建数字孪生体的构成特点，分别从几何、物理、行为、规则等多个维度建立物理实体与数字孪生体间的同步机制，进而实现多轴进给系统的虚实精确同步。如图2虚实同步机制部分所示。
在几何层：物体实体通过数控系统将NC代码等指令数据传输至指令信号接口，驱动数字孪生体完成位移、速度、加速度以及跃度的实时改变，与此同时，数字孪生体将改变后的位姿数据反馈给伺服驱动器，从而实现位姿的虚实同步。
为了准确表征物理层、行为层以及规则层的虚实同步，在标准时间t的基础上引入慢时间T，令t≤T≤3t。考虑物理实体动态特性、控制器参数、性能状态动态演变的特点，分别针对物理层、行为层和规则层的同步需求，基于所建数字孪生体提取关键表征参数，构建慢时间尺度下数字孪生体重构模型，融合物理数据驱动数字孪生体在物理层、行为层和规则层实现同物理实体慢时间尺度下的同步。
在物理层：提取应力、应变、固有频率、阻尼比等作为关键参数，物理实体同步外置传感器将力、振动等时域信号和转化后的频域信号传输至时频域信号接口，驱动物理层慢时间尺度下的孪生模型重构以及关键参数的动态更新，从而实现静、动力学特性的虚实同步，通常取T＝2～3t。
在行为层：提取控制器参数、摩擦力、爬行等作为关键参数，物理实体通过伺服驱动器将电流、转矩等传输至相应的信号接口，驱动行为层慢时间尺度下的孪生模型重构以及关键参数的实时更新，从而实现控制性能和跃变现象的虚实同步，通常取T＝1～2t。
在规则层：提取位姿、动态特性、性能状态等作为关键参数，融合物理实体的各类实时数据、历史数据等，采用在线学习对规则层孪生体重构模型进行模型修正，驱动关键参数的动态更新，从而实现演变规则的虚实同步，通常取T＝1～2t。
本实施例所提的虚实同步也是由表及里的同步，几何层的同步即表面上的同步，比如外观、结构、动作上的同步，较容易实现，对数据采集频率、量级以及数字孪生体的演变等方面的要求均较低。而物理层、行为层、规则层的同步，难以实现。一方面，需要海量的、不同类型的数据的通讯作为数据基础，另一方面，数字孪生体跟传统的虚拟模型类似，一旦建立再需要更新或修改就很难，尤其是物理、行为、规则等深层次的更新更难，可以想象一下，一个有限元模型的更改需要花费很长时间，还很依赖电脑的配置，一种智能算法的训练依然需要几个小时甚至更长的时间。因此，为了准确表征物理层、行为层以及规则层的虚实同步，在标准时间t的基础上引入慢时间T，令t≤T≤3t。考虑物理实体动态特性、控制器参数、性能状态动态演变的特点，分别针对物理层、行为层和规则层的同步需求，基于所建数字孪生体提取关键表征参数，构建慢时间尺度下数字孪生体重构模型，融合物理数据驱动数字孪生体在物理层、行为层和规则层实现同物理实体慢时间尺度下的同步。这样以来，既可以实现深层次的虚实同步，又能保证一定的实时性。
基于数字-物理空间的双向感知关系以及不同维度的虚实同步机制，从数字孪生体的几何层、物理层、行为层和规则层等多个维度，采用Apriori、c4.5、KNN等机器学习算法对物理空间和数字空间的多粒度信息进行关联与分类处理，进而采用多元回归法、逐步回归法等对具体关联或同类数据进行挖掘与融合处理，得到各个维度上的有效数据。在此基础上，根据性能状态参数的理论计算公式，对多轴进给系统的动态特性(刚度、阻尼、固有频率)、跟随误差、轮廓误差等参数进行量化与赋值，最终实现数据驱动下数字孪生体与物理实体的虚实精确同步。
将虚实同步后的内在机理或性能状态进行量化表征，达到精确虚实同步的效果，而不是定性或趋势上的虚实同步。
本实施例从建模到虚实同步始终都是从几何、物理、行为、规则等多个维度进行的，这样才能实现数字孪生体与物理实体由浅及深的同步；采用数据-机理混合驱动也是为了虚实同步奠定基础的，这样以来，由机理引起的变化就通过机理驱动来实现虚实同步，由不确定性引起的变化，尤其是突变，就通过数据驱动来实现虚实同步；提出并采用慢时间尺度下数字孪生体重构模型，是为了实现深层次的同步，并保证同步的实时性。
实施例三
与实施例一相比，不同之处仅在于，在S5中，通过构建慢时间尺度下数字孪生体重构模型后，以T为周期分别对数字孪生体和物理实体进行扫描，当数字孪生体在一个周期内受控发生变化时，由虚向实进行同步；当物理实体受控在一个周期内发生受控变化后，在该周期由实向虚进行同步；当物理实体受控在一个周期内发生不受控变化后，在该周期暂停由实向虚同步，在该周期重复对物理实体进行扫描，并进行不受控变化标识，然后在下一周期对数字孪生体进行扫描前，最后再由实向虚同步。
这样的方式，是因为在现有的操作逻辑中，数字孪生体的变化主要是人为在进行相关的操作，相关的变化都是受控的。但是物理实体本质上包括了现实的产品的结构特点和运动特点等相关参数。在可接受范围内，通过相应的传感器采集相关的参数，并以此为依据进行相关的建模。但是现实中的产品在实际使用中，容易受外界环境的影响，产生一些不受控的变化。这些不受控的变化如果累计不进行同步，那么会导致虚实并不同步。但是如果随时都进行同步，那么会导致虚实同步的机制出现问题，即当二者不一致时，应当以谁作为校准对象。本实施例，通过将物理实体的变化，区分为受控和不受控，受控的变化，在扫描周期内进行同步。不受控的变化(类似累计误差等)，在相关传感器检测到后，进行相关的标识，然后在下一周期对数字孪生体扫描前，对数字孪生体进行同步，这样的方式能够避免二者不一致的情况。同时与直接均与物理实体作为校准对象的现有技术相比，本实施例能够通过在本周期以及下一周期进行区分的方式，一方面方便进行有效的标识，另一方面能够保证及时性。甚至与直接在同一周期进行由实向虚的方式相比，本实施例能够避免二者出现冲突导致同步失败的情况。
以上的仅是本发明的实施例，该发明不限于此实施案例涉及的领域，方案中公知的具体结构及特性等常识在此未作过多描述，所属领域普通技术人员知晓申请日或者优先权日之前发明所属技术领域所有的普通技术知识，能够获知该领域中所有的现有技术，并且具有应用该日期之前常规实验手段的能力，所属领域普通技术人员可以在本申请给出的启示下，结合自身能力完善并实施本方案，一些典型的公知结构或者公知方法不应当成为所属领域普通技术人员实施本申请的障碍。应当指出，对于本领域的技术人员来说，在不脱离本发明结构的前提下，还可以作出若干变形和改进，这些也应该视为本发明的保护范围，这些都不会影响本发明实施的效果和专利的实用性。本申请要求的保护范围应当以其权利要求的内容为准，说明书中的具体实施方式等记载可以用于解释权利要求的内容。
Claims (9)
1.一种用于多轴数控机床的数字孪生体建模与虚实同步方法，其特征在于：包括如下步骤：
S1，建立多轴进给系统的时变耦合机理模型，首先获取多轴进给系统的结构属性，包括形位尺寸、装配关系和相对运动关系，在几何层对其进行表达；然后获取多轴进给系统的力学属性，包括静力学和动力学，在物理层对其进行表达，采用达朗贝尔定理与拉普拉斯变换，得到进给系统的多自由度刚柔耦合传递函数模型，然后通过辨识实验，得到进给系统的时变刚柔耦合传递函数矩阵，物理层是在几何层的基础上进行的深一层次的表达；然后获取多轴进给系统的控制属性，用于各轴的运动与定位控制，采用基于全局任务坐标系的多参数增益调度控制策略，在行为层对其进行表达，得到多轴进给系统的时变耦合机理模型，行为层是基于物理层的时变耦合传递函数矩阵，集成增益调度控制策略的进一步深层表达；然后通过实验获取多轴进给系统的结构参数、动力学参数、控制器参数的变化规律，拟合后在规则层对其进行表达；
S2，建立数据驱动模型，在几何层，针对进给系统反向间隙的跃变性，借助伺服驱动器采集得到各轴的位移、速度、加速度数据，采用机器学习方法，表征反向间隙对多轴进给系统位姿变化的影响关系；在物理层，针对惯性力、切削力的不确定性，借助伺服驱动器和外置传感器采集位置和力数据，采用机器学习方法，表征惯性力和切削力作用下多轴进给系统的动态响应；在行为层，针对反向间隙和摩擦力的跃变性，采集位移、速度、力矩数据，采用高斯过程回归法，表征多轴进给系统运行过程中的跃变现象，包括死区和爬行；在规则层，通过对采集得到的多种数据进行大数据分析，采用深度学习方法，表征非线性外干扰作用下多轴进给系统位姿、动态响应、跃变及其相互间的影响关系；
S3，建立信号接口模型，针对多轴进给系统控制系统、伺服驱动、机械传动、传感器间的信号传递过程，在几何层建立指令信号与位置参数的关系接口，在物理层建立传感器信号与动态特性参数间的关系接口，在行为层建立物理空间-数字空间信号传输的协议接口，在规则层建立虚-实之间、虚-虚之间、实-实之间的信号传递格式、译码规则；
S4，数字孪生体集成，基于通用语义表征方法，采用统一建模语言，将时变耦合机理模型、数据驱动模型、信号接口模型，从几何层、物理层、行为层、规则层分别进行集成表达，得到多轴进给系统的高保真数字孪生体；
S5，虚实同步，通过具备强兼容性的通讯协议，建立数字孪生体与物理实体间的双向感知关系，通过构建慢时间尺度下数字孪生体重构模型，实现虚实同步。
2.根据权利要求1所述的用于多轴数控机床的数字孪生体建模与虚实同步方法，其特征在于：在S5中，是采用Modbus、OPC-UA、MTConnect或NCLink的通讯协议，建立数字孪生体与物理实体间的双向感知关系。
3.根据权利要求1所述的用于多轴数控机床的数字孪生体建模与虚实同步方法，其特征在于：在S1中，所述多自由度刚柔耦合传递函数模型用下式表示：
其中，Grigid表示刚体传递函数矩阵，Gflex，k表示第k阶弹性体传递函数矩阵。
4.根据权利要求1所述的用于多轴数控机床的数字孪生体建模与虚实同步方法，其特征在于：在S1中，所述时变刚柔耦合传递函数矩阵用下式表示：
其中，分别表示位移、速度和负载质量，均为时变变量。
5.根据权利要求1所述的用于多轴数控机床的数字孪生体建模与虚实同步方法，其特征在于：在S1中，所述时变耦合机理模型，用状态空间模型表示如下：
6.根据权利要求1所述的用于多轴数控机床的数字孪生体建模与虚实同步方法，其特征在于：在S5中，通过构建慢时间尺度下数字孪生体重构模型的具体方式如下：在标准时间t的基础上引入慢时间T，令t≤T≤3t，考虑物理实体动态特性、控制器参数、性能状态动态演变的特点，分别针对物理层、行为层和规则层的同步需求，基于所建数字孪生体提取关键表征参数，构建慢时间尺度下数字孪生体重构模型。
7.根据权利要求1所述的用于多轴数控机床的数字孪生体建模与虚实同步方法，其特征在于：在S5中，通过构建慢时间尺度下数字孪生体重构模型的具体方式如下：在物理层，提取应力、应变、固有频率、阻尼比作为关键参数，物理实体同步外置传感器将时域信号和转化后的频域信号传输至时频域信号接口，驱动物理层慢时间尺度下的孪生模型重构以及关键参数的动态更新，从而实现静、动力学特性的虚实同步。
8.根据权利要求1所述的用于多轴数控机床的数字孪生体建模与虚实同步方法，其特征在于：在S5中，通过构建慢时间尺度下数字孪生体重构模型的具体方式如下：在行为层，提取控制器参数、摩擦力、爬行作为关键参数，物理实体通过伺服驱动器将电流、转矩等传输至相应的信号接口，驱动行为层慢时间尺度下的孪生模型重构以及关键参数的实时更新，从而实现控制性能和跃变现象的虚实同步。
9.根据权利要求1所述的用于多轴数控机床的数字孪生体建模与虚实同步方法，其特征在于：在S5中，通过构建慢时间尺度下数字孪生体重构模型的具体方式如下：在规则层，提取位姿、动态特性、性能状态作为关键参数，融合物理实体的各类实时数据、历史数据等，采用在线学习对规则层孪生体重构模型进行模型修正，驱动关键参数的动态更新，从而实现演变规则的虚实同步。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110059639.7A CN112904805B (zh) | 2021-01-15 | 2021-01-15 | 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 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110059639.7A CN112904805B (zh) | 2021-01-15 | 2021-01-15 | 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 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN112904805A true CN112904805A (zh) | 2021-06-04 |
| CN112904805B CN112904805B (zh) | 2022-07-01 |
Family
ID=76114172
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110059639.7A Active CN112904805B (zh) | 2021-01-15 | 2021-01-15 | 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 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112904805B (zh) |
Cited By (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113901724A (zh) * | 2021-10-13 | 2022-01-07 | 中国电子技术标准化研究院 | 一种数字孪生设备校正方法和系统 |
| CN114035425A (zh) * | 2021-11-05 | 2022-02-11 | 广东工业大学 | 一种无人机数字孪生系统的虚实状态同步方法和系统 |
| CN114609917A (zh) * | 2022-05-11 | 2022-06-10 | 曜石机器人(上海)有限公司 | 一种基于数字孪生技术的伺服驱动器及伺服系统 |
| CN114719962A (zh) * | 2022-04-12 | 2022-07-08 | 重庆大学 | 基于机器学习的机械振动数字孪生模型构建方法 |
| CN115967599A (zh) * | 2022-07-13 | 2023-04-14 | 安世亚太科技股份有限公司 | 一种基于数字孪生体的时变频率信号处理系统及方法 |
| CN117454986A (zh) * | 2023-12-19 | 2024-01-26 | 中国电子科技集团公司第十研究所 | 一种可交互学习的业务专家思维数字化及动态演进系统 |
Citations (12)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US9811074B1 (en) * | 2016-06-21 | 2017-11-07 | TruPhysics GmbH | Optimization of robot control programs in physics-based simulated environment |
| CN108107841A (zh) * | 2017-12-26 | 2018-06-01 | 山东大学 | 一种数控机床数字孪生建模方法 |
| 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 |
| WO2018151734A1 (en) * | 2017-02-20 | 2018-08-23 | Siemens Aktiengesellschaft | Programming in simulation for process industry |
| 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 |
| WO2019076233A1 (zh) * | 2017-10-17 | 2019-04-25 | 广东工业大学 | 一种智能车间快速定制设计方法及系统 |
| CN110865607A (zh) * | 2019-11-07 | 2020-03-06 | 天津大学 | 一种基于数字孪生的五轴数控机床控制方法 |
| CN111046597A (zh) * | 2020-01-20 | 2020-04-21 | 兰州理工大学 | 基于数字孪生三维模型3d打印机建模方法及模型系统 |
| CN111538294A (zh) * | 2019-11-15 | 2020-08-14 | 武汉理工大学 | 基于数字孪生的工业机器人制造系统可重构系统与方法 |
| US20200326692A1 (en) * | 2019-04-10 | 2020-10-15 | Guangdong University Of Technology | Parallel control method based on multi-period differential sampling and digital twinning technologies |
| CN111964575A (zh) * | 2020-07-06 | 2020-11-20 | 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 |
| CN112162519A (zh) * | 2020-10-21 | 2021-01-01 | 桂林电子科技大学 | 一种复合型机床数字孪生监控系统 |
-
2021
- 2021-01-15 CN CN202110059639.7A patent/CN112904805B/zh active Active
Patent Citations (12)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US9811074B1 (en) * | 2016-06-21 | 2017-11-07 | TruPhysics GmbH | Optimization of robot control programs in physics-based simulated environment |
| WO2018151734A1 (en) * | 2017-02-20 | 2018-08-23 | Siemens Aktiengesellschaft | Programming in simulation for process industry |
| WO2019076233A1 (zh) * | 2017-10-17 | 2019-04-25 | 广东工业大学 | 一种智能车间快速定制设计方法及系统 |
| CN108107841A (zh) * | 2017-12-26 | 2018-06-01 | 山东大学 | 一种数控机床数字孪生建模方法 |
| 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 |
| 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 |
| US20200326692A1 (en) * | 2019-04-10 | 2020-10-15 | Guangdong University Of Technology | Parallel control method based on multi-period differential sampling and digital twinning technologies |
| CN110865607A (zh) * | 2019-11-07 | 2020-03-06 | 天津大学 | 一种基于数字孪生的五轴数控机床控制方法 |
| CN111538294A (zh) * | 2019-11-15 | 2020-08-14 | 武汉理工大学 | 基于数字孪生的工业机器人制造系统可重构系统与方法 |
| CN111046597A (zh) * | 2020-01-20 | 2020-04-21 | 兰州理工大学 | 基于数字孪生三维模型3d打印机建模方法及模型系统 |
| CN111964575A (zh) * | 2020-07-06 | 2020-11-20 | 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 |
| CN112162519A (zh) * | 2020-10-21 | 2021-01-01 | 桂林电子科技大学 | 一种复合型机床数字孪生监控系统 |
Non-Patent Citations (1)
| Title |
|---|
| 袁胜华等: "数字孪生技术在航天制造领域中的应用", 《强度与环境》 * |
Cited By (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113901724A (zh) * | 2021-10-13 | 2022-01-07 | 中国电子技术标准化研究院 | 一种数字孪生设备校正方法和系统 |
| CN113901724B (zh) * | 2021-10-13 | 2024-09-24 | 中国电子技术标准化研究院 | 一种数字孪生设备校正方法和系统 |
| CN114035425A (zh) * | 2021-11-05 | 2022-02-11 | 广东工业大学 | 一种无人机数字孪生系统的虚实状态同步方法和系统 |
| CN114035425B (zh) * | 2021-11-05 | 2022-07-26 | 广东工业大学 | 一种无人机数字孪生系统的虚实状态同步方法和系统 |
| CN114719962A (zh) * | 2022-04-12 | 2022-07-08 | 重庆大学 | 基于机器学习的机械振动数字孪生模型构建方法 |
| CN114719962B (zh) * | 2022-04-12 | 2023-09-01 | 重庆大学 | 基于机器学习的机械振动数字孪生模型构建方法 |
| CN114609917A (zh) * | 2022-05-11 | 2022-06-10 | 曜石机器人(上海)有限公司 | 一种基于数字孪生技术的伺服驱动器及伺服系统 |
| CN115967599A (zh) * | 2022-07-13 | 2023-04-14 | 安世亚太科技股份有限公司 | 一种基于数字孪生体的时变频率信号处理系统及方法 |
| CN117454986A (zh) * | 2023-12-19 | 2024-01-26 | 中国电子科技集团公司第十研究所 | 一种可交互学习的业务专家思维数字化及动态演进系统 |
| CN117454986B (zh) * | 2023-12-19 | 2024-03-19 | 中国电子科技集团公司第十研究所 | 一种可交互学习的业务专家思维数字化及动态演进系统 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN112904805B (zh) | 2022-07-01 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN112904805B (zh) | 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 | |
| CN112859739B (zh) | 一种数字孪生驱动的多轴数控机床轮廓误差抑制方法 | |
| Tong et al. | Real-time machining data application and service based on IMT digital twin | |
| CN108107841B (zh) | 一种数控机床数字孪生建模方法 | |
| Abdulshahed et al. | Thermal error modelling of a gantry-type 5-axis machine tool using a grey neural network model | |
| Guerra et al. | Digital twin-based optimization for ultraprecision motion systems with backlash and friction | |
| CN110045608B (zh) | 基于数字孪生的机械设备零部件结构参数动态优化方法 | |
| CN111159793B (zh) | 基于数字孪生五维模型3d打印机建模方法及模型系统 | |
| CN107530879B (zh) | 多轴机械装置仿真器、运转指令装置的设计辅助装置、电动机控制装置的设计辅助装置以及电动机的容量选定装置 | |
| Zhu et al. | A cyber-physical production system framework of smart CNC machining monitoring system | |
| CN111046597B (zh) | 基于数字孪生三维模型3d打印机建模方法及模型系统 | |
| CN107073708A (zh) | 用于时基并行机器人操作的系统和方法 | |
| CN114611313A (zh) | 一种基于模型融合的复杂产品数字孪生构建与应用方法 | |
| CN113910218B (zh) | 一种基于运动学与深度神经网络融合的机器人标定方法和装置 | |
| Dupree et al. | Adaptive Lyapunov-based control of a robot and mass–spring system undergoing an impact collision | |
| Abut et al. | Real-time control of bilateral teleoperation system with adaptive computed torque method | |
| Zimmermann et al. | Dynamic modeling of robotic manipulators for accuracy evaluation | |
| de Souza et al. | Development of a mobile application for monitoring and controlling a CNC machine using Industry 4.0 concepts | |
| da Silva et al. | Computer-aided integrated design for machines with varying dynamics | |
| CN112000026A (zh) | 一种基于信息物理融合的火星车gnc系统物理模型构建方法 | |
| CN111103846A (zh) | 一种基于时间序列的数控机床状态预测方法 | |
| CN117150425B (zh) | 基于机理数据融合的管片拼装机运动状态预测方法 | |
| Bicakci et al. | Optimizing Karnopp friction model parameters of a pendulum using RSM | |
| Bos et al. | Efficient geometric linearization of moving-base rigid robot dynamics | |
| CN116141314A (zh) | 基于射影几何代数的机器人动力学参数辨识方法及系统 |
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 |