CN114818305B - 一种通用的刚体部件传动仿真方法 - Google Patents

一种通用的刚体部件传动仿真方法 Download PDF

Info

Publication number
CN114818305B
CN114818305B CN202210413860.2A CN202210413860A CN114818305B CN 114818305 B CN114818305 B CN 114818305B CN 202210413860 A CN202210413860 A CN 202210413860A CN 114818305 B CN114818305 B CN 114818305B
Authority
CN
China
Prior art keywords
rigid body
rigid
motion
connecting rod
tree
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
Application number
CN202210413860.2A
Other languages
English (en)
Other versions
CN114818305A (zh
Inventor
龚彬
殷俊
周大滨
俞翔
石红杰
李玉杰
张艳杰
江和和
徐亚静
沈伟
陈鹏
吴俊杰
陈天伟
周新阳
胡子重
陈翔
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Nantong Power Supply Co Of State Grid Jiangsu Electric Power Co
Original Assignee
Nantong Power Supply Co Of State Grid Jiangsu Electric Power Co
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Nantong Power Supply Co Of State Grid Jiangsu Electric Power Co filed Critical Nantong Power Supply Co Of State Grid Jiangsu Electric Power Co
Priority to CN202210413860.2A priority Critical patent/CN114818305B/zh
Publication of CN114818305A publication Critical patent/CN114818305A/zh
Application granted granted Critical
Publication of CN114818305B publication Critical patent/CN114818305B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00Computer-aided design [CAD]
    • G06F30/20Design optimisation, verification or simulation
    • YGENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02EREDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
    • Y02E60/00Enabling technologies; Technologies with a potential or indirect contribution to GHG emissions mitigation

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Hardware Design (AREA)
  • Evolutionary Computation (AREA)
  • Geometry (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明公开了一种通用的刚体部件传动仿真方法,包括以下步骤:1)从仿真目标中,建立所有的运动关联树状数据;2)对应用户不同的指令,找到对应的树结构,进行运算逻辑;3)每次指令引起刚体运动,逻辑运算会根据刚体本身的性质,同时记录树形结构中刚体之间连接杆的不同状态,得到每个刚体能做的运动范围量;4)在运动范围量内,采样运动产生的离散数据;5)动态计算刚体两端的实时位置信息;6)整体逻辑方法采用本发明的树形结构。本发明能逼真的实现类似GW4—126D型隔离开关中电控/手控操作引起的系统部件运动,能精确、可控的模拟现实中的任何情况。

Description

一种通用的刚体部件传动仿真方法
技术领域
本发明涉及电力系统仿真领域,特别涉及一种树形联动机构的运动仿真模拟。
背景技术
设计和制作GW4—126D型隔离开关仿真的过程中,发现隔离开关传动部件存在互相制动关联驱动的运动逻辑。紧密之处在于,每个部件现实中的运动或转动或者移动,在仿真中连接器完全作用的情况下,都会驱动其他一个或者多个部件的运动。特别是,由于仿真中可以由固定的电机驱动,也可以通过手动驱动。在第一种情况(固定电机驱动)下,运动的传导(顺序、特征)可以看作是固定的。但由于手动驱动情况的加入,运动传导的始作俑者就会变化。导致仿真要考虑的变量突然激增,如果不找到对应的策略,那么就会出现整体系统不停的运算,停不下来的异常情况。
另外一个问题是,现在的商业3D引擎(常见的如Unity3d、UnrealEngine4)集成的通用物理引擎带有的物理方案通常会提供刚体、铰链这样的组件,来模拟绳索、链条的物理效果。但是在类似GW4—126D型隔离开关仿真刚体运动控制研究中,这些物理引擎因为本身是面向游戏效果的原因,在计算这种互相关联呈树状结构、但又需要保持运动真实的控制系统上,实践下来往往会在莫名其妙的地方表现出奇怪的物理模拟,整个过程完全不可控、出现失控情况。所以,现成的物理引擎并不能完成要求,甚至说完全不可用。
现有的使用物理引擎模拟的3D(2D)刚体连接问题,因为目标不同,导致不适用于类似GW4-126D这种刚体连接、互相传动的机构。而使用一般的计算方式,对于这种机构,是一个N维的机制(对于GW4-126D,至少是6维),计算方式异常复杂甚至很难推算。
发明内容
本发明的目的在于提供一种在一定的刚体部件连接系统、整体做仿真运动时,任何状态下系统不会出现失控状况的通用的刚体部件传动仿真方法。
本发明的技术解决方案是:
一种通用的刚体部件传动仿真方法,其特征是:具体步骤如下:
(1)从仿真目标中,建立所有的运动关联树状数据;其中,每个树结构记录了每个可能的运动产生时该运行的发起者、从动者、关联者;
(2)建立了树状数据库后,在仿真过程中,用户每个会引起系统运动的操作,都能找到一个作用的点,通过该点,能找到库中对应的一个树结构,这里的点就对应到该树的根;
(3)利用找到的树结构,得到根对应的刚体连接到的其他刚体,而这里的其他刚体在树状结构中的数据,又能解析到它影响的其他刚体,这样就建立了一次运动和运动引起的传动模型;
(4)每次用户操作引起刚体运动,在系统中,是固定的转动起始;有了前面的传动模型,根据刚体本身的性质和刚体与刚体间连接杆的不同状态,得到每个刚体能做的运动范围;
[-180, 180] = { x ∈ R, -180 ≤ x ≤ 180 }
一个节点的每次转动,在一个瞬间,必然在一个小的区间之内,而由此引起的它的直接关联者(直接子节点)的转动,同样如此;这个区间可以通过预先定义成:
[-Fraction,Fraction]
而根据传动节点的转向只有顺时针和逆时针两种可能,结合上面的区间,可以把目标区间分割成两个部分:
[-Fraction, 0)
(0, Fraction]
(5)在这个范围之内,利用尽可能多的离散采样数据,在刚体、连杆行程的约束范围之内,快速寻找因传动根运动而引起本身需要运动到达的位置;
采样数据集合:
[P0, P1, P2, ...Pn]
其中
Pn = Pn-1 + F/C ;F = Fraction, C = Count of samples;
在所有的采样点中,根据连杆的长度和驱动点的位置,得到最符合要求的一个采样点,该采样点符合:
Min [Len(Psource, P0),Len(Psource, P1),...,Len(P, Pn)];
(6)在同一根连杆(也是刚体)两头的刚体都计算出最新的位置信息后,通过系统初始的信息,计算出连杆的应该的朝向信息和位置信息;
连杆长度:
L = Len(P1, P2)
连杆方向:
D = Normalize(P1 - P2);
(7)因为整体系统采用树状结构,上面的所有步骤在整个树上,只要从根部开始,一层层往下传递,那么系统中所有的刚体,就能在不使用任何物理公式和物理引擎的方式下,实际计算出正确的位置和转向信息。
步骤(4)所述刚体本身的性质,指刚体是转臂还是连杆,同样记录于树状结构。
本发明适用于系统中各个部件互相连接、互相影响的方法的需要,该方法(或者方法集)能解决现有物理系统不能够做到的地方;由刚体组成的整体,在一定的刚体部件连接系统、整体做仿真运动时,任何状态下系统不能够出现失控的状况。
附图说明
下面结合附图和实施例对本发明作进一步说明。
图1是本发明一个实施例的树状系统示意图。
图2-图8是不同节点树状数据库示意图。
具体实施方式
一种通用的刚体部件传动仿真方法,具体步骤如下:
(1)从仿真目标中,建立所有的运动关联树状数据;其中,每个树结构记录了每个可能的运动产生时该运行的发起者、从动者、关联者;
(2)建立了树状数据库后,在仿真过程中,用户每个会引起系统运动的操作,都能找到一个作用的点,通过该点,能找到库中对应的一个树结构,这里的点就对应到该树的根;
(3)利用找到的树结构,得到根对应的刚体连接到的其他刚体,而这里的其他刚体在树状结构中的数据,又能解析到它影响的其他刚体,这样就建立了一次运动和运动引起的传动模型;
(4)每次用户操作引起刚体运动,在系统中,是固定的转动起始;有了前面的传动模型,根据刚体本身的性质和刚体与刚体间连接杆的不同状态,得到每个刚体能做的运动范围;
[-180, 180] = { x ∈ R, -180 ≤ x ≤ 180 }
一个节点的每次转动,在一个瞬间,必然在一个小的区间之内,而由此引起的它的直接关联者(直接子节点)的转动,同样如此;这个区间可以通过预先定义成:
[-Fraction,Fraction]
而根据传动节点的转向只有顺时针和逆时针两种可能,结合上面的区间,可以把目标区间分割成两个部分:
[-Fraction, 0)
(0, Fraction]
(5)在这个范围之内,利用尽可能多的离散采样数据,在刚体、连杆行程的约束范围之内,快速寻找因传动根运动而引起本身需要运动到达的位置;
采样数据集合:
[P0, P1, P2, ...Pn]
其中
Pn = Pn-1 + F/C ;F = Fraction, C = Count of samples;
在所有的采样点中,根据连杆的长度和驱动点的位置,得到最符合要求的一个采样点,该采样点符合:
Min [Len(Psource, P0),Len(Psource, P1),...,Len(P, Pn)];
(6)在同一根连杆(也是刚体)两头的刚体都计算出最新的位置信息后,通过系统初始的信息,计算出连杆的应该的朝向信息和位置信息;
连杆长度:
L = Len(P1, P2)
连杆方向:
D = Normalize(P1 - P2);
(7)因为整体系统采用树状结构,上面的所有步骤在整个树上,只要从根部开始,一层层往下传递,那么系统中所有的刚体,就能在不使用任何物理公式和物理引擎的方式下,实际计算出正确的位置和转向信息。
步骤(4)所述刚体本身的性质,指刚体是转臂还是连杆,同样记录于树状结构。
具体实施步骤:
1-1) 建立树状数据库。以一个抽象的GW4-126D系统(图1)示例:
图1所示的系统,P是电动系统,An、Bn、Cn (n = [1..2]),都是系统中可围绕一个轴做正反旋转的节点,连接的线可视作节点间的连杆。并且,An、Bn、Cn都可以被手控操作,而不是只有通过P作用到A1上后进行的传动引起系统运动。
为这样的系统,需要建立树状数据库如下(图2到图8):
图2中,由P节点作为根节点,驱动它下层的节点(这里是唯一一个)A1运动。A1节点再驱动下层的A2、B1运动。B1节点再驱动下层的B2和C1运动。最后是C1节点驱动C2节点运动。这就是由P点带动系统后所有的运动传导机制。
由A1节点做根节点的运动(GW4-126D中,会由操作者直接手动操作A1节点行程),树状图为图3。
由A2节点带动的树状图为图4。
由B1带动的树状图为图5。
由B2带动的树状图为图6。
由C1带动的树状图为图7。
由C2带动的树状图为图8。
图2到图8,形成整个运动传导机制库。这个库根据不同的系统特点,预先在程序运行的时候编制完成,然后由程序在处理事务中,随时根据需要查询。
2-1) 根据仿真系统操作者的输入,实时查询到合适的树状结构,而后从树的最上层开始,一次以上层节点的位置或者方向为依据,配合连杆的长度,计算下层节点的位置或者方向。
以操作A1节点为例:
判断到A1节点被手动操控,那么从库中提取以A1节点为根的树。
A1节点下层由两个节点,A2和B1。其中,B1可以视为一棵子树,更新它的下层节点只要把B1视作是根节点,往下传递信息即可,下面不赘述。这里只以更新A2节点的信息为例,相应算法:
由于A1节点的转动,导致A1角度变化。而A2因为使用刚体连杆和A1连接,并且只能由转动适应A1节点的变化,因此要能够在既有条件下寻找A2节点的最终转动角度。根据A2节点的自由度,它能转动的范围:
[-180, 180] = { x ∈ R, -180 ≤ x ≤ 180 }
由于现在的计算机算力有限,在这个连续区间内存在无数个可能。因此必须简化该计算。
2-2) A1的每次转动,在一个瞬间,必然在一个小的区间之内,而由此引起的A2的转动,同样如此。这个区间可以通过预先定义成:
[-Fraction,Fraction]
而根据A1的转向只有顺时针和逆时针两种可能,结合上面的区间,可以把目标区间分割成两个部分:
[-Fraction, 0)
(0, Fraction]
根据A1和A2的连杆,即可以确定一次A1的驱动导致A2转向必定属于上面两个区间中的一个。
2-3) 确定某个区间后,结果依然是连续的。为了满足计算的需要,必须进行离散数据的采样,以当前的位置为P0,每个采样点根据上面的区间和可配置的采样数量C,采样数据集合:
[P0, P1, P2, ...Pn]
其中
Pn = Pn-1 + F/C
这里,F是上面提到的某个区间的范围长度。
3-1) 在所有的采样点中,根据连杆的长度和驱动点的位置,得到最符合要求的一个采样点
该采样点符合:
Min [Len(Psource, P0),Len(Psource, P1),...,Len(Psource, Pn)]
4-1) 有了两个点后,相应的连杆更新数据就有了。
连杆长度:
L = Len(P1, P2)
连杆方向:
D = Normalize(P1 - P2)
5-1) 遍历树状图中每个没有计算过的节点,所有更新过后,系统则变成最新的状态。

Claims (2)

1.一种通用的刚体部件传动仿真方法,其特征是:具体步骤如下:
(1)从仿真目标中,建立所有的运动关联树状数据;其中,每个树结构记录了每个可能的运动产生时该运动的发起者、从动者、关联者;
(2)建立了树状数据库后,在仿真过程中,用户每个会引起系统运动的操作,都能找到一个作用的点,通过该点,能找到库中对应的一个树结构,这里的点就对应到该树的根;
(3)利用找到的树结构,得到根对应的刚体连接到的其他刚体,而这里的其他刚体在树状结构中的数据,又能解析到它影响的其他刚体,这样就建立了一次运动和运动引起的传动模型;
(4)每次用户操作引起刚体运动,在系统中,是固定的转动起始;有了前面的传动模型,根据刚体本身的性质和刚体与刚体间连接杆的不同状态,得到每个刚体能做的运动范围;
一个节点的每次转动,在一个瞬间,必然在一个小的区间之内,而由此引起的它的直接关联者的转动,同样如此;这个区间可以通过预先定义成:
[-Fraction,Fraction] ;
而根据传动节点的转向只有顺时针和逆时针两种可能,结合上面的区间,把目标区间分割成两个部分:
[-Fraction, 0) 和(0, Fraction]
(5)在这个范围之内,利用尽可能多的离散采样数据,在刚体、连杆行程的约束范围之内,快速寻找因传动根运动而引起本身需要运动到达的位置;
采样数据集合:[P0, P1, P2, ...,Pn]
其中Pn = Pn-1 + F/C ;F = Fraction, C 为采样量;
在所有的采样点中,根据连杆的长度和驱动点的位置,得到最符合要求的一个采样点,该最符合要求的一个采样点符合以下条件:
Min [Len(Psource, P0),Len(Psource, P1),...,Len(P, Pn)];
(6)在同一根连杆两头的刚体都计算出最新的位置信息后,通过系统初始的信息,计算出连杆的应该的朝向信息和位置信息;
连杆长度:L = Len(P1, P2)
连杆方向:D = Normalize(P1 - P2);
(7)因为整体系统采用树状结构,上面的所有步骤在整个树上,只要从根部开始,一层层往下传递,那么系统中所有的刚体,就能在不使用任何物理公式和物理引擎的方式下,实际计算出正确的位置和转向信息。
2.根据权利要求1所述的通用的刚体部件传动仿真方法,其特征是:步骤(4)所述刚体本身的性质,指刚体是转臂或刚体是连杆,刚体本身的性质同样记录于树状结构。
CN202210413860.2A 2022-04-20 2022-04-20 一种通用的刚体部件传动仿真方法 Active CN114818305B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210413860.2A CN114818305B (zh) 2022-04-20 2022-04-20 一种通用的刚体部件传动仿真方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210413860.2A CN114818305B (zh) 2022-04-20 2022-04-20 一种通用的刚体部件传动仿真方法

Publications (2)

Publication Number Publication Date
CN114818305A CN114818305A (zh) 2022-07-29
CN114818305B true CN114818305B (zh) 2023-06-16

Family

ID=82505594

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210413860.2A Active CN114818305B (zh) 2022-04-20 2022-04-20 一种通用的刚体部件传动仿真方法

Country Status (1)

Country Link
CN (1) CN114818305B (zh)

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2000017545A1 (de) * 1998-09-18 2000-03-30 Bernd Reimann Getriebe mit zwei über ein koppelglied koppelbaren getriebegliedern und verfahren zum koppeln zweier getriebeglieder
CN111090952A (zh) * 2019-11-21 2020-05-01 中汽研汽车检验中心(天津)有限公司 一种汽车驱动桥振动仿真分析方法

Family Cites Families (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2003058907A (ja) * 2001-08-09 2003-02-28 Univ Tokyo 木構造リンク系のポーズ及び動作を生成する方法
US7333994B2 (en) * 2003-12-18 2008-02-19 Microsoft Corporation System and method for database having relational node structure
US20130317797A1 (en) * 2012-05-22 2013-11-28 Siemens Product Lifecycle Management Software Inc. Direct attachments to proxy bodies
CN111506552B (zh) * 2019-01-30 2023-10-31 宁波创元信息科技有限公司 一种树状结构的动态数据库设计方法及系统

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2000017545A1 (de) * 1998-09-18 2000-03-30 Bernd Reimann Getriebe mit zwei über ein koppelglied koppelbaren getriebegliedern und verfahren zum koppeln zweier getriebeglieder
CN111090952A (zh) * 2019-11-21 2020-05-01 中汽研汽车检验中心(天津)有限公司 一种汽车驱动桥振动仿真分析方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
大行程5-DOF微纳传动平台的设计及特性分析;林超;俞松松;程凯;刘刚;余红华;;中国机械工程(第22期);2679-2684 *

Also Published As

Publication number Publication date
CN114818305A (zh) 2022-07-29

Similar Documents

Publication Publication Date Title
Jiang et al. Ditto: Building digital twins of articulated objects from interaction
Collins et al. Quantifying the reality gap in robotic manipulation tasks
CN112440281A (zh) 一种基于数字孪生的机器人轨迹规划方法
JP3940665B2 (ja) ハイブリッドシミュレーション装置およびプログラム
Taïx et al. Human interaction with motion planning algorithm
Monajjemi et al. grsim–robocup small size robot soccer simulator
CN114102590B (zh) 一种工业机器人仿真方法、系统及应用
CN107529630A (zh) 一种空间机器人建立动力学模型的方法
CN114818305B (zh) 一种通用的刚体部件传动仿真方法
CN112936287B (zh) 一种基于动力学迭代学习的柔性机器人控制方法及装置
Li et al. Manipulation skill acquisition for robotic assembly based on multi-modal information description
CN106346480A (zh) 一种基于ug和matlab的多自由度注塑机械臂建模方法
CN114474106A (zh) 用于控制机器人装置的方法和机器人控制装置
Wang et al. Hybrid trajectory and force learning of complex assembly tasks: A combined learning framework
Chen et al. Towards generalization and data efficient learning of deep robotic grasping
Zhang et al. Towards scale consistent monocular visual odometry by learning from the virtual world
Chang et al. Learning deep parameterized skills from demonstration for re-targetable visuomotor control
CN115990891B (zh) 一种基于视觉示教和虚实迁移的机器人强化学习装配的方法
Desai et al. Automatic design of task-specific robotic arms
Sun et al. Robotdrlsim: A real time robot simulation platform for reinforcement learning and human interactive demonstration learning
Hu et al. Reboot: Reuse data for bootstrapping efficient real-world dexterous manipulation
CN106898034A (zh) 一种目标运动轨迹模拟方法和装置
Ansari et al. Simulation of steering a self-driving car using 1) PID controller 2) neural network
Messom et al. Evolving cooperative robotic behaviour using distributed genetic programming
Thies et al. Learning Kinematic Machine Models from Videos

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