CN113752264A

CN113752264A - 基于数字孪生的机械臂智能装备控制方法及系统

Info

Publication number: CN113752264A
Application number: CN202111161215.8A
Authority: CN
Inventors: 段建国; 龚向荣; 张青雷; 周莹; 刘震
Original assignee: Shanghai Maritime University
Current assignee: Shanghai Maritime University
Priority date: 2021-09-30
Filing date: 2021-09-30
Publication date: 2021-12-07

Abstract

本发明涉及一种基于数字孪生的机械臂智能装备控制方法及系统。该方法包括：创建孪生空间；采集机械臂各关节运行位姿数据；建立数据库，并绘制路径曲线图；获取机械臂各关节最优运动姿态；将规划路径经孪生空间模拟运行后反馈给物理空间。上述基于数字孪生的机械臂智能装备控制方法及系统，通过孪生世界来映射物理真实世界，完美的诠释了数字孪生的核心理念，根据对机械臂运行数据的分析处理以及路径曲线获取结果，避免潜在的碰撞，提高装备过程的工作效率，更提高了装配结果的灵活性和精确性。

Description

基于数字孪生的机械臂智能装备控制方法及系统

技术领域

本发明涉及机械智能制造技术领域，特别是涉及一种基于数字孪生的机械臂智能装备控制方法及系统。

背景技术

数字孪生是一种利用物理模型、传感器设备等数据，集成多学科、多概率及多尺度的仿真过程，数字孪生技术结合三维建模、通信连接及大数据分析等信息技术将物理世界中实体的行为、状态及性能映射至虚拟世界，通过监控、预测虚拟世界中的对象来对物理世界进行控制，由物理世界与虚拟世界的交互融合来实现协调统一。

传统的对机械臂装备进行控制研究的过程中，机械臂是按照固定的轨迹路线进行移动。而由于在此过程中机械臂生成轨迹的算法单一，因此对机械臂运动灵活度会产生很大的影响。

发明内容

基于此，有必要针对传统机械臂运动灵活度差的问题，提供一种机械臂控制灵活的基于数字孪生的机械臂智能装备控制方法及系统。

一种基于数字孪生的机械臂智能装备控制方法，所述方法包括：

创建孪生空间；

采集机械臂各关节运行位姿数据；

建立数据库，并绘制路径曲线图；

获取机械臂各关节最优运动姿态；

将规划路径经孪生空间模拟运行后反馈给物理空间。

进一步的，所述孪生空间与物理空间中的物理实体相对应。

进一步的，所述采集机械臂各关节运行位姿数据为在机械臂运动过程中，按时间周期性进行提取数据。

进一步的，所述建立数据库包括：

建立实时数据库和历史数据库；

从历史数据库中获取路径规划算法库。

进一步的，所述获取机械臂各关节最优运动姿态包括：

对所述历史数据库的数据进行计算；

将结果进行横向比较，选取较优算法结果。

一种基于数字孪生的机械臂智能装备控制系统，包括物理层、虚拟层和数据层；

所述物理层采集机械臂关节位姿数据；

所述虚拟层实时映射物理层的真实工作过程；

所述数据层处理虚拟层的信息反馈，并控制机械臂的运行。

进一步的，所述物理层包括夹取区域、配送区域和装配区域；

所述夹取区域为机械臂夹取零部件放置处的区域；

所述配送区域为夹取零件的运动区域；

所述装配区域为零部件送达后进行最后装配操作的区域。

进一步的，所述虚拟层包括虚拟场景、三维模型和逻辑模型；

所述虚拟场景由真实工作环境搭建而成；

所述三维模型为实体设备物理特征的真实写照；

所述逻辑模型是对设备之间运行逻辑的认知能力。

进一步的，还包括应用层，所述应用层包括功能性应用和服务性应用；

所述功能性应用建立在虚拟层的基础上，是对物理空间的真实映射；

所述服务性应用用于为用户提供服务。

进一步的，所述数据层获取所述物理层空间数据、虚拟层空间数据和应用层层面数据。

上述基于数字孪生的机械臂智能装备控制方法，通过孪生世界来映射物理真实世界，完美的诠释了数字孪生的核心理念，根据对机械臂运行数据的分析处理以及路径曲线获取结果，避免潜在的碰撞，提高装备过程的工作效率，更提高了装配结果的灵活性和精确性。

附图说明

图1为基于数字孪生的机械臂智能装备控制方法的流程示意图；

图2为基于数字孪生的机械臂智能装备控制系统的结构示意图；

图3为操作示意图。

具体实施方式

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、完整地说明，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。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所示，在一个实施例中，一种基于数字孪生的机械臂智能装备控制方法，包括以下步骤：

步骤S110、创建孪生空间。

步骤S120、采集机械臂各关节运行位姿数据。

步骤S130、建立数据库，并绘制路径曲线图。

步骤S140、获取机械臂各关节最优运动姿态。

步骤S150、将规划路径经孪生空间模拟运行后反馈给物理空间。

在本实施例中，孪生空间与物理空间中的物理实体相对应。孪生空间通过三维建模软件及仿真软件建立。

在本实施例中，采集机械臂各关节运行位姿数据为在机械臂运动过程中，按时间周期性进行提取数据。由上位机与机械臂控制柜进行网线连接，并在示教器上配置静态IP网络地址，上位机显示配置网络成功后，就可以开始采集机械臂各个关节的位置姿态坐标数据。

在本实施例中，建立数据库包括：

建立实时数据库和历史数据库；

从历史数据库中获取路径规划算法库。

上述建立数据库，通过建立历史数据库可以为计算机械臂各关节最优运行姿态提供大量的数据，每一次计算出的结果都可以纵向比较分析；建立实时数据库可以为用户端界面可视化提供机械臂实时数据。两个数据库联合调用，为仿真过程奠定了重要的基础。

上述建立路径规划算法库以及绘制路径曲线图，通过几种不同的算法对历史数据库的数据进行计算，将结果进行横向比较，选取较优的算法结果。路径曲线图则让我们更为直观的比较各种算法结果，也可以将其呈现在用户端界面。

在本实施例中，获取机械臂各关节最优运动姿态包括：

对历史数据库的数据进行计算；

将结果进行横向比较，选取较优算法结果。

在对上述历史库的数据进行计算所使用的算法中RRT算法具有较好的优势。RRT算法(快速扩展随机树，rapidly exploring random tree)是一种随机性算法，它可以直接应用于非完整约束系统的规划，不需进行路径转换，所以它的算法复杂度较小，尤为适用于高维多自由度的系统。算法思想是快速扩张一群像树一样的路径以探索(填充)空间的大部分区域，伺机找到可行的路径。在机械臂装备过程中，环境是在三维六自由度的系统下进行，故能取得一个较好的计算结果。

上述孪生空间模拟的装备过程工艺仿真，通过ROS机器人开发平台、Matlab(Matrix Laboratory)Simulink等平台进行孪生空间的机械臂装备工艺过程。ROS机器人开发平台具有新型稳定、自由且开源的特点。机械臂可以通过其中的Moveit！功能包进行运动规划、碰撞检测等功能，装备过程可以在Rviz可视化工具中来显示，机器视觉识别也可通过OpenCV(开源计算机视觉)来应用其中，故ROS机器人开发平台是一个较好的仿真平台。

如图2所示，在上述方法的基础上，本实施例还提出了一种基于数字孪生的机械臂智能装备控制系统，包括物理层100、虚拟层200和数据层300；

物理层100采集机械臂关节位姿数据；

虚拟层200实时映射物理层100的真实工作过程；

数据层300处理虚拟层200的信息反馈，并控制机械臂的运行。

其中物理层100中所采集到的机械臂关节位姿数据将实时发送至数据层300。而数据层300数据中心是整个系统的核心，是驱动虚拟层200，虚拟空间虚拟层200运行的关键。

在本实施例中，的物理层100，物理空间是构成整个系统的基础，物理层100包括夹取区域、配送区域和装配区域；

夹取区域为机械臂夹取零部件放置处的区域；如：叶片、螺丝、轴承等，夹取区域是整个装备过程的开始区域。

配送区域为夹取零件的运动区域；如：试验台到设备区的空间区域。

装配区域为零部件送达后进行最后装配操作的区域。

物理空间数据主要包含两大部分，一部分是来自物理空间的底层静态数据，如：设备信息、结构形态及环境因素等；另一部分是设备运行时的动态数据，通过传感器、接口及其他技术进行数据采集。

在本实施例中，虚拟层200包括虚拟场景、三维模型和逻辑模型；

虚拟场景由真实工作环境搭建而成；

三维模型为实体设备物理特征的真实写照；

逻辑模型是对设备之间运行逻辑的认知能力。

其中设备历史运行数据也将存储于数据中心，便于功能实现的使用。虚拟层200，虚拟空间在空间布局及设备摆放位置都与物理空间一致，通过添加灯光、材质使得虚拟空间更具有真实感，增强体验感。

在本实施例中，还包括应用层400，应用层400包括功能性应用和服务性应用；

功能性应用建立在虚拟层200的基础上，是对物理空间的真实映射；功能面向用户不仅能满足在物理空间不可实现的操作，更是可以通过部分功能对物理空间进行有效的反馈。开发人员可结合自我需求增添相应功能来满足相关服务。

服务性应用用于为用户提供服务。如：为用户提供了在线监控、人机交互及设备监测等综合性服务。为系统的稳定运行提供保障。

上述数据层300是整个体系架构的核心，不仅是来自物理层100数据的载体，更是应用层400可执行的必然要素。上述应用层400面数据主要包括在功能实现方面所相关的数据，主要包括数学模型、常用算法及数据库等，对后期的系统运维起到一定作用。

在本实施例中，数据层300获取物理层100空间数据、虚拟层200空间数据和应用层400层面数据。

如图3所示，在本实施例中，上述系统还包括用户层500，包括客户端、移动端以及网页端；

的客户端通过开发软件发布可执行文件，用户点击该文件即可进入系统并对其进行浏览。

的移动端用户可在手机等移动设备上对系统进行查看展示，增强系统一定的可移动空间。

的网页端是实现虚拟空间与Web端的交互控制，在有局域网的范围内就可输入网址对系统进行登录查看。

需要说明的是，在物理层100需要机械臂设备接口类型和数据类型，然后通过以太网与虚拟层200相连接。数据层300主要承担对从物理空间采收集运行数据进行预处理，并通过虚拟层200构建好的算法进行计算，通过将方案先作用于孪生空间，利用装备工艺仿真、控制算法等手段，选取较优的路径方案。应用层400将方案再及时应用到物理层100，以达到物理层100与虚拟层200交互映射的良好效果。用户层500则通过Web Socket进行连接，网页实现前端界面实时展示后台应用的画面以及数据，还可以进行一些控制功能。此系统首先对大量数据进行了预处理，减小了虚拟层200数据处理压力；通过前端界面更为直观的感受物理空间和孪生空间，并且可以直接控制物理空间的机械臂；使整个机械臂装备过程变得极其智能易控制。

以上所述实施例仅表达了本发明的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对本发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干变形和改进，这些都属于本发明的保护范围。因此，本发明专利的保护范围应以所附权利要求为准。

Claims

1.一种基于数字孪生的机械臂智能装备控制方法，其特征在于，所述方法包括：

创建孪生空间；

采集机械臂各关节运行位姿数据；

建立数据库，并绘制路径曲线图；

获取机械臂各关节最优运动姿态；

将规划路径经孪生空间模拟运行后反馈给物理空间。

2.根据权利要求1所述的基于数字孪生的机械臂智能装备控制方法，其特征在于，所述孪生空间与物理空间中的物理实体相对应。

3.根据权利要求1所述的基于数字孪生的机械臂智能装备控制方法，其特征在于，所述采集机械臂各关节运行位姿数据为在机械臂运动过程中，按时间周期性进行提取数据。

4.根据权利要求1所述的基于数字孪生的机械臂智能装备控制方法，其特征在于，所述建立数据库，包括：

建立实时数据库和历史数据库；

从历史数据库中获取路径规划算法库。

5.根据权利要求4所述的基于数字孪生的机械臂智能装备控制方法，其特征在于，所述获取机械臂各关节最优运动姿态，包括：

对所述历史数据库的数据进行计算；

将结果进行横向比较，选取较优算法结果。

6.一种基于数字孪生的机械臂智能装备控制系统，其特征在于，所述系统包括物理层、虚拟层和数据层；

所述物理层采集机械臂关节位姿数据；

所述虚拟层实时映射物理层的真实工作过程；

所述数据层处理虚拟层的信息反馈，并控制机械臂的运行。

7.根据权利要求6所述的基于数字孪生的机械臂智能装备控制系统，其特征在于，所述物理层包括夹取区域、配送区域和装配区域；

所述夹取区域为机械臂夹取零部件放置处的区域；

所述配送区域为夹取零件的运动区域；

所述装配区域为零部件送达后进行最后装配操作的区域。

8.根据权利要求6所述的基于数字孪生的机械臂智能装备控制系统，其特征在于，所述虚拟层包括虚拟场景、三维模型和逻辑模型；

所述虚拟场景由真实工作环境搭建而成；

所述三维模型为实体设备物理特征的真实写照；

所述逻辑模型是对设备之间运行逻辑的认知能力。

9.根据权利要求6所述的基于数字孪生的机械臂智能装备控制系统，其特征在于，还包括应用层，所述应用层包括功能性应用和服务性应用；

所述服务性应用用于为用户提供服务。

10.根据权利要求6-9任一所述的基于数字孪生的机械臂智能装备控制系统，其特征在于，所述数据层获取所述物理层空间数据、虚拟层空间数据和应用层层面数据。