CN115712962A - 一种基于数字孪生的工业机器人状态监测方法及系统 - Google Patents
一种基于数字孪生的工业机器人状态监测方法及系统 Download PDFInfo
- Publication number
- CN115712962A CN115712962A CN202211465351.0A CN202211465351A CN115712962A CN 115712962 A CN115712962 A CN 115712962A CN 202211465351 A CN202211465351 A CN 202211465351A CN 115712962 A CN115712962 A CN 115712962A
- Authority
- CN
- China
- Prior art keywords
- data
- industrial robot
- dynamic
- cross arm
- arm
- 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.)
- Pending
Links
Images
Classifications
-
- Y—GENERAL 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
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/02—Total factory control, e.g. smart factories, flexible manufacturing systems [FMS] or integrated manufacturing systems [IMS]
Landscapes
- Manipulator (AREA)
Abstract
本发明公开了一种基于数字孪生的工业机器人状态监测方法及系统,包括根据获取到的工业机器人的仿真数据进行仿真,得到所述工业机器人的实时动态虚拟模型;采集所述工业机器人的当前状态数据;将所述当前状态数据输入所述实时动态虚拟模型,以驱动所述实时动态虚拟模型仿真运行得到多个动态仿真数据;获取各个动态仿真数据对应的动态标准数据;其中,一个动态仿真数据对应一个动态标准数据;将所述动态仿真数据与所述动态标准数据进行对比,得到所述工业机器人的状态监测结果。本发明能够基于数字孪生技术对工业机器人进行仿真,得到工业机器人的实时动态虚拟模型,从而实时的对工业机器人的运行状态进行监测,降低了工业机器人出现损伤的概率。
Description
技术领域
本发明涉及数字孪生技术领域,具体而言,涉及一种基于数字孪生的工业机器人状态监测方法及系统。
背景技术
随着工业机器人的广泛应用,所涉及的作业任务也复杂多样,工业机器人的运行状态直接关系到可靠生产,因此对工业机器人的运行状态进行监测变得尤为重要。
目前,通常是通过人工的方式对工业机器人的运行状态进行监测,如果工业机器人在运行过程中出现问题,很可能对检查人员的人身安全造成威胁,同时工业机器人也会出现损伤。
针对上述的问题,目前尚未提出有效的解决方案。
发明内容
本发明实施例提供了一种基于数字孪生的工业机器人状态监测方法及系统,能够基于数字孪生技术对工业机器人进行仿真,得到工业机器人的实时动态虚拟模型,从而实时的对工业机器人的运行状态进行监测,降低了工业机器人出现损伤的概率。
根据本发明实施例的一个方面,提供了一种基于数字孪生的工业机器人状态监测方法,包括:
根据获取到的工业机器人的仿真数据进行仿真,得到所述工业机器人的实时动态虚拟模型;
采集所述工业机器人的当前状态数据;
将所述当前状态数据输入所述实时动态虚拟模型,以驱动所述实时动态虚拟模型仿真运行,得到多个动态仿真数据;
获取各个动态仿真数据对应的动态标准数据;其中,一个动态仿真数据对应一个动态标准数据;
将所述动态仿真数据与所述动态标准数据进行对比,得到所述工业机器人的状态监测结果。
作为一种可选的实施方式,所述根据获取到的工业机器人的仿真数据进行仿真,得到所述工业机器人的实时动态虚拟模型,包括:
获取工业机器人的仿真数据;其中,所述仿真数据中至少包括构件名称、构件尺寸、构件材料、相连的两个构件之间的连接方式以及构件运动幅度;
根据所述构件名称、所述构件尺寸以及所述相连的两个构件之间的连接方式,构建所述工业机器人的虚拟模型;其中,所述虚拟模型由多个虚拟构件组成,所述虚拟构件的虚拟构件名称与所述工业机器人的构件名称一一对应,所述虚拟构件的虚拟构件尺寸与所述工业机器人的构件尺寸一一对应,相连的两个虚拟构件之间的连接方式与所述相连的两个虚拟构件对应的两个构建之间的连接方式一一对应;
根据所述构件材料以及所述构件运动幅度,确定所述虚拟模型中各个虚拟构件的构件参数;
根据所述各个虚拟构件的构件参数对所述虚拟模型进行仿真,得到所述工业机器人的实时动态虚拟模型。
作为一种可选的实施方式,所述将所述当前状态数据输入所述实时动态虚拟模型,以驱动所述实时动态虚拟模型仿真运行,得到多个动态仿真数据,包括:
获取所述工业机器人中的待监测构件;
从所述当前状态数据中确定与所述待监测构件对应的目标状态数据;
将所述目标状态数据输入所述实时动态虚拟模型中,以驱动所述实时动态虚拟模型仿真运行,得到与所述待监测构件对应的动态仿真数据。
作为一种可选的实施方式,所述待监测构件为横臂构件和立臂构件,所述从所述当前状态数据中确定与所述待监测构件对应的目标状态数据,包括:
从所述当前状态数据中确定与所述横臂构件对应的横臂状态数据;其中,所述横臂状态数据至少包括横臂位姿数据、横臂转动角度、横臂速度以及横臂加速度;
从所述当前状态数据中确定与所述立臂构件对应的立臂状态数据;其中,所述立臂状态数据至少包括立臂位姿数据、立臂转动角度、立臂速度以及立臂加速度;
以及,所述将所述目标状态数据输入所述实时动态虚拟模型中,以驱动所述实时动态虚拟模型仿真运行,得到与所述待监测构件对应的动态仿真数据,包括:
将所述横臂状态数据和所述立臂状态数据输入所述实时动态虚拟模型中,以驱动所述实时动态虚拟模型仿真运行,得到与所述横臂构件对应的横臂动态仿真数据以及与所述立臂构件对应的立臂动态仿真数据;其中,所述横臂动态仿真数据至少包括横臂力矩、横臂稳定度以及横臂运动准确率;所述立臂动态仿真数据至少包括立臂力矩、立臂稳定度以及立臂运动准确率。
作为一种可选的实施方式,所述将所述动态仿真数据与所述动态标准数据进行对比,得到所述工业机器人的状态监测结果,包括:
获取横臂动态标准数据、立臂动态标准数据、横臂数据权重以及立臂数据权重;其中,所述横臂数据权重至少包括横臂力矩的横臂第一权重、横臂稳定度的横臂第二权重以及横臂运动准确率的横臂第三权重;所述立臂数据权重至少包括立臂力矩的立臂第一权重、立臂稳定度的立臂第二权重以及立臂运动准确率的立臂第三权重;
将所述横臂动态仿真数据与所述横臂动态标椎数据进行对比,得到横臂对比结果;
将所述立臂动态仿真数据与所述立臂动态标椎数据进行对比,得到立臂对比结果;
根据所述横臂对比结果和所述横臂数据权重,确定所述横臂构件的横臂状态标准度;
根据所述立臂对比结果和所述立臂数据权重,确定所述立臂构件的立臂状态标准度;
根据所述横臂状态标准度和所述立臂状态标准度,确定所述工业机器人的状态监测结果。
作为一种可选的实施方式,所述得到所述工业机器人的实时动态虚拟模型之后,所述方法还包括:
对所述实时动态虚拟模型进行仿真,得到所述工业机器人的多种位姿;
确定在每种位姿下的每个虚拟构件的最大构件负载;
根据所述每个虚拟构件的最大构件负载,确定所述工业机器人在每种位姿下的最大标准负载。
作为一种可选的实施方式,所述采集所述工业机器人的当前状态数据之后,所述方法还包括:
从所述当前状态数据中获所述工业机器人的当前负载和当前位姿;
将所述当前负载与所述当前位姿对应的最大标准负载进行对比,得到负载对比结果;
若所述负载对比结果表示所述当前负载大于所述当前位姿对应的最大标准负载,则输出负载超重提示信息。
根据本发明实施例的另一方面,还提供了一种基于数字孪生的工业机器人状态监测系统,包括:
仿真模块,用于根据获取到的工业机器人的仿真数据进行仿真,得到所述工业机器人的实时动态虚拟模型;
采集模块,用于采集所述工业机器人的当前状态数据;
输入模块,用于将所述当前状态数据输入所述实时动态虚拟模型,以驱动所述实时动态虚拟模型仿真运行,得到多个动态仿真数据;
获取单元,用于获取各个动态仿真数据对应的动态标准数据;其中,一个动态仿真数据对应一个动态标准数据;
对比单元,用于将所述动态仿真数据与所述动态标准数据进行对比,得到所述工业机器人的状态监测结果。
根据本发明实施例的又一方面,还提供了一种计算设备,所述计算设备包括:至少一个处理器、存储器和输入输出单元;其中,所述存储器用于存储计算机程序,所述处理器用于调用所述存储器中存储的计算机程序来执行上述基于数字孪生的工业机器人状态监测方法。
根据本发明实施例的又一方面,还提供了一种计算机可读存储介质,其包括指令,当其在计算机上运行时,使得计算机执行上述基于数字孪生的工业机器人状态监测方法。
在本发明实施例中,能够基于数字孪生技术对工业机器人进行仿真,得到工业机器人的实时动态虚拟模型,从而实时的对工业机器人的运行状态进行监测,降低了工业机器人出现损伤的概率。
附图说明
此处所说明的附图用来提供对本发明的进一步理解,构成本申请的一部分,本发明的示意性实施例及其说明用于解释本发明,并不构成对本发明的不当限定。在附图中:
图1是根据本发明实施例的一种可选的基于数字孪生的工业机器人状态监测方法的流程示意图;
图2示意性地示出了本发明实施例的工业机器人的实施动态虚拟模型的示意图;
图3是根据本发明实施例的一种可选的基于数字孪生的工业机器人状态监测系统的结构示意图;
图4示意性地示出了本发明实施例的一种介质的结构示意图;
图5示意性地示出了本发明实施例的一种计算设备的结构示意图。
具体实施方式
为了使本技术领域的人员更好地理解本发明方案,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,所描述的实施例仅仅是本发明一部分的实施例,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,都应当属于本发明保护的范围。
需要说明的是,本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象,而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换,以便这里描述的本发明的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外,术语“包括”和“具有”以及他们的任何变形,意图在于覆盖不排他的包含,例如,包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元,而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
下面参考图1,图1为本发明一实施例提供的基于数字孪生的工业机器人状态监测方法的流程示意图。需要注意的是,本发明的实施方式可以应用于适用的任何场景。
图1所示的本发明一实施例提供的基于数字孪生的工业机器人状态监测方法的流程,包括:
步骤S101,根据获取到的工业机器人的仿真数据进行仿真,得到所述工业机器人的实时动态虚拟模型。
本发明实施例中,工业机器人可以是六轴工业机器人。可以基于OPC UA获取工业机器人的仿真数据;得到的实施动态虚拟模型还可以进行轻量化处理,以提升实时动态虚拟模型的运算速度。实时动态虚拟模型可以基于协程机制和JSON格式加速数据传输与驱动。获取到的仿真数据可以通过机械系统动力学自动分析(Automatic Dynamic Analysisof Mechanical Systems,ADAMS)进行运动学和动力学的仿真分析,以完成仿真数据的仿真,得到工业机器人的实时动态虚拟模型。工业机器人的实时动态虚拟模型的状态以及数据还可以反映在三维动画引擎上,可以更直观的对工业机器人的实时动态虚拟模型进行观察。
作为一种可选的实施方式,步骤S101根据获取到的工业机器人的仿真数据进行仿真,得到所述工业机器人的实时动态虚拟模型的方式具体为:
获取工业机器人的仿真数据;其中,所述仿真数据中至少包括构件名称、构件尺寸、构件材料、相连的两个构件之间的连接方式以及构件运动幅度;
根据所述构件名称、所述构件尺寸以及所述相连的两个构件之间的连接方式,构建所述工业机器人的虚拟模型;其中,所述虚拟模型由多个虚拟构件组成,所述虚拟构件的虚拟构件名称与所述工业机器人的构件名称一一对应,所述虚拟构件的虚拟构件尺寸与所述工业机器人的构件尺寸一一对应,相连的两个虚拟构件之间的连接方式与所述相连的两个虚拟构件对应的两个构建之间的连接方式一一对应;
根据所述构件材料以及所述构件运动幅度,确定所述虚拟模型中各个虚拟构件的构件参数;
根据所述各个虚拟构件的构件参数对所述虚拟模型进行仿真,得到所述工业机器人的实时动态虚拟模型。
其中,实施这种实施方式,可以根据工业机器人的构件的相关数据构建工业机器人的虚拟模型,进而可以根据构件材料以及构件运动幅度确定出虚拟模型的各个构件的构件参数,基于构件参数可以对虚拟模型进行仿真,得到实时动态虚拟模型,提升了实时动态虚拟模型的准确度。
本发明实施例中,运动幅度可以为相连的两个构件之间的旋转角度等信息。
作为一种可选的实施方式,得到所述工业机器人的实时动态虚拟模型之后,还可以执行以下步骤:
对所述实时动态虚拟模型进行仿真,得到所述工业机器人的多种位姿;
确定在每种位姿下的每个虚拟构件的最大构件负载;
根据所述每个虚拟构件的最大构件负载,确定所述工业机器人在每种位姿下的最大标准负载。
其中,实施这种实施方式,可以对实时动态虚拟模型进行仿真得到工业机器人的多种位姿,并且可以确定出每种位姿下每个虚拟构件的最大构件负载,进而可以基于最大构件负载确定出每种位姿下工业机器人能够承受的最大标准负载,提升了最大标准负载计算的准确性。
本发明实施例中,虚拟构件的最大构件负载可以为虚拟构件对应的真实构件在正常工作状态下能承受的外力,进而基于工业机器人的每个构件能够承受的最大构件负载,可以确定出在每种位姿下,该工业机器人整体能够承受的最大负载,即工业机器人在每种位姿下的最大标准负载。
作为一种可选的实施方式,采集所述工业机器人的当前状态数据之后,还可以执行以下步骤:
从所述当前状态数据中获所述工业机器人的当前负载和当前位姿;
将所述当前负载与所述当前位姿对应的最大标准负载进行对比,得到负载对比结果;
若所述负载对比结果表示所述当前负载大于所述当前位姿对应的最大标准负载,则输出负载超重提示信息。
其中,实施这种实施方式,可以将工业机器人的当前负载与工业机器人当前位姿下的最大标准负载进行对比,在确定当前负载大于最大标准负载之后输出负载超重提示信息,从而保证了工业机器人安全运行。
请一并参阅图2,图2示意性地示出了本发明实施例的工业机器人的实施动态虚拟模型的示意图。
步骤S102,采集所述工业机器人的当前状态数据。
步骤S103,将所述当前状态数据输入所述实时动态虚拟模型,以驱动所述实时动态虚拟模型仿真运行,得到多个动态仿真数据。
作为一种可选的实施方式,步骤S103将所述当前状态数据输入所述实时动态虚拟模型,以驱动所述实时动态虚拟模型仿真运行,得到多个动态仿真数据的方式具体为:
获取所述工业机器人中的待监测构件;
从所述当前状态数据中确定与所述待监测构件对应的目标状态数据;
将所述目标状态数据输入所述实时动态虚拟模型中,以驱动所述实时动态虚拟模型仿真运行,得到与所述待监测构件对应的动态仿真数据。
其中,实施这种实施方式,可以获取与待监测构件对应的目标状态数据,并且使实时动态虚拟模型基于目标状态数据仿真运行,以使得到的动态仿真数据与待监测构件更加匹配。
作为一种可选的实施方式,所述待监测构件为横臂构件和立臂构件,从所述当前状态数据中确定与所述待监测构件对应的目标状态数据的方式具体为:
从所述当前状态数据中确定与所述横臂构件对应的横臂状态数据;其中,所述横臂状态数据至少包括横臂位姿数据、横臂转动角度、横臂速度以及横臂加速度;
从所述当前状态数据中确定与所述立臂构件对应的立臂状态数据;其中,所述立臂状态数据至少包括立臂位姿数据、立臂转动角度、立臂速度以及立臂加速度;
以及,所述将所述目标状态数据输入所述实时动态虚拟模型中,以驱动所述实时动态虚拟模型仿真运行,得到与所述待监测构件对应的动态仿真数据,包括:
将所述横臂状态数据和所述立臂状态数据输入所述实时动态虚拟模型中,以驱动所述实时动态虚拟模型仿真运行,得到与所述横臂构件对应的横臂动态仿真数据以及与所述立臂构件对应的立臂动态仿真数据;其中,所述横臂动态仿真数据至少包括横臂力矩、横臂稳定度以及横臂运动准确率;所述立臂动态仿真数据至少包括立臂力矩、立臂稳定度以及立臂运动准确率。
其中,实施这种实施方式,可以确定出待监测构件为横臂构件和立臂构件,进而获取到与横臂构件和立臂构件分别对应的横臂动态仿真数据和立臂动态仿真数据,提升了动态仿真数据的精确性。
步骤S104,获取各个动态仿真数据对应的动态标准数据。
本发明实施例中,一个动态仿真数据对应一个动态标准数据;
步骤S105,将所述动态仿真数据与所述动态标准数据进行对比,得到所述工业机器人的状态监测结果。
作为一种可选的实施方式,步骤S105将所述动态仿真数据与所述动态标准数据进行对比,得到所述工业机器人的状态监测结果的方式具体为:
获取横臂动态标准数据、立臂动态标准数据、横臂数据权重以及立臂数据权重;其中,所述横臂数据权重至少包括横臂力矩的横臂第一权重、横臂稳定度的横臂第二权重以及横臂运动准确率的横臂第三权重;所述立臂数据权重至少包括立臂力矩的立臂第一权重、立臂稳定度的立臂第二权重以及立臂运动准确率的立臂第三权重;
将所述横臂动态仿真数据与所述横臂动态标椎数据进行对比,得到横臂对比结果;
将所述立臂动态仿真数据与所述立臂动态标椎数据进行对比,得到立臂对比结果;
根据所述横臂对比结果和所述横臂数据权重,确定所述横臂构件的横臂状态标准度;
根据所述立臂对比结果和所述立臂数据权重,确定所述立臂构件的立臂状态标准度;
根据所述横臂状态标准度和所述立臂状态标准度,确定所述工业机器人的状态监测结果。
其中,实施这种实施方式,可以根据横臂动态仿真数据与横臂动态标椎数据的对比结果、立臂动态仿真数据与立臂动态标椎数据的对比结果、以及横臂数据权重和立臂数据权重共同确定出工业机器人的状态监测结果,提升了工业机器人的状态监测结果的准确性。
本发明实施例中,对比结果可以表示动态仿真数据与动态标准数据之间的差距,横臂状态标准度/立臂状态标准度可以表示工业机器人的横臂/立臂在工作中的状态与标准状态之间的差距,该差距越小,表示工业机器人的横臂/立臂在工作中的状态越标准。
本发明能够基于数字孪生技术对工业机器人进行仿真,得到工业机器人的实时动态虚拟模型,从而实时的对工业机器人的运行状态进行监测,降低了工业机器人出现损伤的概率。此外,本发明还可以提升实时动态虚拟模型的准确度。此外,本发明还可以提升最大标准负载计算的准确性。此外,本发明还可以保证工业机器人安全运行。此外,本发明还可以使得到的动态仿真数据与待监测构件更加匹配。此外,本发明还可以提升动态仿真数据的精确性。此外,本发明还可以提升工业机器人的状态监测结果的准确性。
在介绍了本发明示例性实施方式的方法之后,接下来,参考图3对本发明示例性实施方式的一种基于数字孪生的工业机器人状态监测系统进行说明,该系统包括:
仿真模块301,用于根据获取到的工业机器人的仿真数据进行仿真,得到所述工业机器人的实时动态虚拟模型;
采集模块302,用于采集所述工业机器人的当前状态数据;
输入模块303,用于将采集模块302采集的所述当前状态数据输入仿真模块301得到的所述实时动态虚拟模型,以驱动所述实时动态虚拟模型仿真运行,得到多个动态仿真数据;
获取单元304,用于获取输入模块303得到的各个动态仿真数据对应的动态标准数据;其中,一个动态仿真数据对应一个动态标准数据;
对比单元305,用于将输入模块303得到的所述动态仿真数据与获取单元304获取的所述动态标准数据进行对比,得到所述工业机器人的状态监测结果。
作为一种可选的实施方式,仿真模块301根据获取到的工业机器人的仿真数据进行仿真,得到所述工业机器人的实时动态虚拟模型的方式具体为:
获取工业机器人的仿真数据;其中,所述仿真数据中至少包括构件名称、构件尺寸、构件材料、相连的两个构件之间的连接方式以及构件运动幅度;
根据所述构件名称、所述构件尺寸以及所述相连的两个构件之间的连接方式,构建所述工业机器人的虚拟模型;其中,所述虚拟模型由多个虚拟构件组成,所述虚拟构件的虚拟构件名称与所述工业机器人的构件名称一一对应,所述虚拟构件的虚拟构件尺寸与所述工业机器人的构件尺寸一一对应,相连的两个虚拟构件之间的连接方式与所述相连的两个虚拟构件对应的两个构建之间的连接方式一一对应;
根据所述构件材料以及所述构件运动幅度,确定所述虚拟模型中各个虚拟构件的构件参数;
根据所述各个虚拟构件的构件参数对所述虚拟模型进行仿真,得到所述工业机器人的实时动态虚拟模型。
其中,实施这种实施方式,可以根据工业机器人的构件的相关数据构建工业机器人的虚拟模型,进而可以根据构件材料以及构件运动幅度确定出虚拟模型的各个构件的构件参数,基于构件参数可以对虚拟模型进行仿真,得到实时动态虚拟模型,提升了实时动态虚拟模型的准确度。
作为一种可选的实施方式,输入模块303将所述当前状态数据输入所述实时动态虚拟模型,以驱动所述实时动态虚拟模型仿真运行,得到多个动态仿真数据的方式具体为:
获取所述工业机器人中的待监测构件;
从所述当前状态数据中确定与所述待监测构件对应的目标状态数据;
将所述目标状态数据输入所述实时动态虚拟模型中,以驱动所述实时动态虚拟模型仿真运行,得到与所述待监测构件对应的动态仿真数据。
其中,实施这种实施方式,可以获取与待监测构件对应的目标状态数据,并且使实时动态虚拟模型基于目标状态数据仿真运行,以使得到的动态仿真数据与待监测构件更加匹配。
作为一种可选的实施方式,所述待监测构件为横臂构件和立臂构件,输入模块303从所述当前状态数据中确定与所述待监测构件对应的目标状态数据的方式具体为:
从所述当前状态数据中确定与所述横臂构件对应的横臂状态数据;其中,所述横臂状态数据至少包括横臂位姿数据、横臂转动角度、横臂速度以及横臂加速度;
从所述当前状态数据中确定与所述立臂构件对应的立臂状态数据;其中,所述立臂状态数据至少包括立臂位姿数据、立臂转动角度、立臂速度以及立臂加速度;
以及,所述将所述目标状态数据输入所述实时动态虚拟模型中,以驱动所述实时动态虚拟模型仿真运行,得到与所述待监测构件对应的动态仿真数据,包括:
将所述横臂状态数据和所述立臂状态数据输入所述实时动态虚拟模型中,以驱动所述实时动态虚拟模型仿真运行,得到与所述横臂构件对应的横臂动态仿真数据以及与所述立臂构件对应的立臂动态仿真数据;其中,所述横臂动态仿真数据至少包括横臂力矩、横臂稳定度以及横臂运动准确率;所述立臂动态仿真数据至少包括立臂力矩、立臂稳定度以及立臂运动准确率。
其中,实施这种实施方式,可以确定出待监测构件为横臂构件和立臂构件,进而获取到与横臂构件和立臂构件分别对应的横臂动态仿真数据和立臂动态仿真数据,提升了动态仿真数据的精确性。
作为一种可选的实施方式,输入模块303将所述动态仿真数据与所述动态标准数据进行对比,得到所述工业机器人的状态监测结果的方式具体为:
获取横臂动态标准数据、立臂动态标准数据、横臂数据权重以及立臂数据权重;其中,所述横臂数据权重至少包括横臂力矩的横臂第一权重、横臂稳定度的横臂第二权重以及横臂运动准确率的横臂第三权重;所述立臂数据权重至少包括立臂力矩的立臂第一权重、立臂稳定度的立臂第二权重以及立臂运动准确率的立臂第三权重;
将所述横臂动态仿真数据与所述横臂动态标椎数据进行对比,得到横臂对比结果;
将所述立臂动态仿真数据与所述立臂动态标椎数据进行对比,得到立臂对比结果;
根据所述横臂对比结果和所述横臂数据权重,确定所述横臂构件的横臂状态标准度;
根据所述立臂对比结果和所述立臂数据权重,确定所述立臂构件的立臂状态标准度;
根据所述横臂状态标准度和所述立臂状态标准度,确定所述工业机器人的状态监测结果。
其中,实施这种实施方式,可以根据横臂动态仿真数据与横臂动态标椎数据的对比结果、立臂动态仿真数据与立臂动态标椎数据的对比结果、以及横臂数据权重和立臂数据权重共同确定出工业机器人的状态监测结果,提升了工业机器人的状态监测结果的准确性。
作为一种可选的实施方式,仿真模块301还用于:
在得到所述工业机器人的实时动态虚拟模型之后,对所述实时动态虚拟模型进行仿真,得到所述工业机器人的多种位姿;
确定在每种位姿下的每个虚拟构件的最大构件负载;
根据所述每个虚拟构件的最大构件负载,确定所述工业机器人在每种位姿下的最大标准负载。
其中,实施这种实施方式,可以对实时动态虚拟模型进行仿真得到工业机器人的多种位姿,并且可以确定出每种位姿下每个虚拟构件的最大构件负载,进而可以基于最大构件负载确定出每种位姿下工业机器人能够承受的最大标准负载,提升了最大标准负载计算的准确性。
作为一种可选的实施方式,仿真模块301还用于:
在采集所述工业机器人的当前状态数据之后,从所述当前状态数据中获所述工业机器人的当前负载和当前位姿;
将所述当前负载与所述当前位姿对应的最大标准负载进行对比,得到负载对比结果;
若所述负载对比结果表示所述当前负载大于所述当前位姿对应的最大标准负载,则输出负载超重提示信息。
其中,实施这种实施方式,可以将工业机器人的当前负载与工业机器人当前位姿下的最大标准负载进行对比,在确定当前负载大于最大标准负载之后输出负载超重提示信息,从而保证了工业机器人安全运行。
在介绍了本发明示例性实施方式的方法和系统之后,接下来,参考图4对本发明示例性实施方式的计算机可读存储介质进行说明,请参考图4,其示出的计算机可读存储介质为光盘40,其上存储有计算机程序(即程序产品),所述计算机程序在被处理器运行时,会实现上述方法实施方式中所记载的各步骤,例如,根据获取到的工业机器人的仿真数据进行仿真,得到所述工业机器人的实时动态虚拟模型;采集所述工业机器人的当前状态数据;将所述当前状态数据输入所述实时动态虚拟模型,以驱动所述实时动态虚拟模型仿真运行得到多个动态仿真数据;获取各个动态仿真数据对应的动态标准数据;其中,一个动态仿真数据对应一个动态标准数据;将所述动态仿真数据与所述动态标准数据进行对比,得到所述工业机器人的状态监测结果;各步骤的具体实现方式在此不再重复说明。
需要说明的是,所述计算机可读存储介质的例子还可以包括,但不限于相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他光学、磁性存储介质,在此不再一一赘述。
在介绍了本发明示例性实施方式的方法、系统和介质之后,接下来,参考图5对本发明示例性实施方式的用于基于数字孪生的工业机器人状态监测的计算设备。
图5示出了适于用来实现本发明实施方式的示例性计算设备50的框图,该计算设备50可以是计算机系统或服务器。图5显示的计算设备50仅仅是一个示例,不应对本发明实施例的功能和使用范围带来任何限制。
如图5所示,计算设备50的组件可以包括但不限于:一个或者多个处理器或者处理单元501,系统存储器502,连接不同系统组件(包括系统存储器502和处理单元501)的总线503。
计算设备50典型地包括多种计算机系统可读介质。这些介质可以是任何能够被计算设备50访问的可用介质,包括易失性和非易失性介质,可移动的和不可移动的介质。
系统存储器502可以包括易失性存储器形式的计算机系统可读介质,例如随机存取存储器(RAM)5021和/或高速缓存存储器5022。计算设备50可以进一步包括其它可移动/不可移动的、易失性/非易失性计算机系统存储介质。仅作为举例,ROM5023可以用于读写不可移动的、非易失性磁介质(图5中未显示,通常称为“硬盘驱动器”)。尽管未在图5中示出,可以提供用于对可移动非易失性磁盘(例如“软盘”)读写的磁盘驱动器,以及对可移动非易失性光盘(例如CD-ROM,DVD-ROM或者其它光介质)读写的光盘驱动器。在这些情况下,每个驱动器可以通过一个或者多个数据介质接口与总线503相连。系统存储器502中可以包括至少一个程序产品,该程序产品具有一组(例如至少一个)程序模块,这些程序模块被配置以执行本发明各实施例的功能。
具有一组(至少一个)程序模块5024的程序/实用工具5025,可以存储在例如系统存储器502中,且这样的程序模块5024包括但不限于:操作系统、一个或者多个应用程序、其它程序模块以及程序数据,这些示例中的每一个或某种组合中可能包括网络环境的实现。程序模块5024通常执行本发明所描述的实施例中的功能和/或方法。
计算设备50也可以与一个或多个外部设备504(如键盘、指向设备、显示器等)通信。这种通信可以通过输入/输出(I/O)接口505进行。并且,计算设备50还可以通过网络适配器506与一个或者多个网络(例如局域网(LAN),广域网(WAN)和/或公共网络,例如因特网)通信。如图5所示,网络适配器506通过总线503与计算设备50的其它模块(如处理单元501等)通信。应当明白,尽管图5中未示出,可以结合计算设备50使用其它硬件和/或软件模块。
处理单元501通过运行存储在系统存储器502中的程序,从而执行各种功能应用以及数据处理,例如,根据获取到的工业机器人的仿真数据进行仿真,得到所述工业机器人的实时动态虚拟模型;采集所述工业机器人的当前状态数据;将所述当前状态数据输入所述实时动态虚拟模型,以驱动所述实时动态虚拟模型仿真运行得到多个动态仿真数据;获取各个动态仿真数据对应的动态标准数据;其中,一个动态仿真数据对应一个动态标准数据;将所述动态仿真数据与所述动态标准数据进行对比,得到所述工业机器人的状态监测结果。各步骤的具体实现方式在此不再重复说明。应当注意,尽管在上文详细描述中提及了基于数字孪生的工业机器人状态监测系统的若干单元/模块或子单元/子模块,但是这种划分仅仅是示例性的并非强制性的。实际上,根据本发明的实施方式,上文描述的两个或更多单元/模块的特征和功能可以在一个单元/模块中具体化。反之,上文描述的一个单元/模块的特征和功能可以进一步划分为由多个单元/模块来具体化。
在本发明的描述中,需要说明的是,术语“第一”、“第二”、“第三”仅用于描述目的,而不能理解为指示或暗示相对重要性。
所属领域的技术人员可以清楚地了解到,为描述的方便和简洁,上述描述的系统、装置和单元的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
在本发明所提供的几个实施例中,应该理解到,所揭露的系统、装置和方法,可以通过其它的方式实现。以上所描述的装置实施例仅仅是示意性的,例如,所述单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,又例如,多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些通信接口,装置或单元的间接耦合或通信连接,可以是电性,机械或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外,在本发明各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。
所述功能如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个处理器可执行的非易失的计算机可读取存储介质中。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
最后应说明的是:以上所述实施例,仅为本发明的具体实施方式,用以说明本发明的技术方案,而非对其限制,本发明的保护范围并不局限于此,尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,其依然可以对前述实施例所记载的技术方案进行修改或可轻易想到变化,或者对其中部分技术特征进行等同替换;而这些修改、变化或者替换,并不使相应技术方案的本质脱离本发明实施例技术方案的精神和范围,都应涵盖在本发明的保护范围之内。因此,本发明的保护范围应所述以权利要求的保护范围为准。
此外,尽管在附图中以特定顺序描述了本发明方法的操作,但是,这并非要求或者暗示必须按照该特定顺序来执行这些操作,或是必须执行全部所示的操作才能实现期望的结果。附加地或备选地,可以省略某些步骤,将多个步骤合并为一个步骤执行,和/或将一个步骤分解为多个步骤执行。
Claims (10)
1.一种基于数字孪生的工业机器人状态监测方法,包括:
根据获取到的工业机器人的仿真数据进行仿真,得到所述工业机器人的实时动态虚拟模型;
采集所述工业机器人的当前状态数据;
将所述当前状态数据输入所述实时动态虚拟模型,以驱动所述实时动态虚拟模型仿真运行,得到多个动态仿真数据;
获取各个动态仿真数据对应的动态标准数据;其中,一个动态仿真数据对应一个动态标准数据;
将所述动态仿真数据与所述动态标准数据进行对比,得到所述工业机器人的状态监测结果。
2.根据权利要求1所述的基于数字孪生的工业机器人状态监测方法,所述根据获取到的工业机器人的仿真数据进行仿真,得到所述工业机器人的实时动态虚拟模型,包括:
获取工业机器人的仿真数据;其中,所述仿真数据中至少包括构件名称、构件尺寸、构件材料、相连的两个构件之间的连接方式以及构件运动幅度;
根据所述构件名称、所述构件尺寸以及所述相连的两个构件之间的连接方式,构建所述工业机器人的虚拟模型;其中,所述虚拟模型由多个虚拟构件组成,所述虚拟构件的虚拟构件名称与所述工业机器人的构件名称一一对应,所述虚拟构件的虚拟构件尺寸与所述工业机器人的构件尺寸一一对应,相连的两个虚拟构件之间的连接方式与所述相连的两个虚拟构件对应的两个构建之间的连接方式一一对应;
根据所述构件材料以及所述构件运动幅度,确定所述虚拟模型中各个虚拟构件的构件参数;
根据所述各个虚拟构件的构件参数对所述虚拟模型进行仿真,得到所述工业机器人的实时动态虚拟模型。
3.根据权利要求1或2所述的基于数字孪生的工业机器人状态监测方法,所述将所述当前状态数据输入所述实时动态虚拟模型,以驱动所述实时动态虚拟模型仿真运行,得到多个动态仿真数据,包括:
获取所述工业机器人中的待监测构件;
从所述当前状态数据中确定与所述待监测构件对应的目标状态数据;
将所述目标状态数据输入所述实时动态虚拟模型中,以驱动所述实时动态虚拟模型仿真运行,得到与所述待监测构件对应的动态仿真数据。
4.根据权利要求3所述的基于数字孪生的工业机器人状态监测方法,所述待监测构件为横臂构件和立臂构件,所述从所述当前状态数据中确定与所述待监测构件对应的目标状态数据,包括:
从所述当前状态数据中确定与所述横臂构件对应的横臂状态数据;其中,所述横臂状态数据至少包括横臂位姿数据、横臂转动角度、横臂速度以及横臂加速度;
从所述当前状态数据中确定与所述立臂构件对应的立臂状态数据;其中,所述立臂状态数据至少包括立臂位姿数据、立臂转动角度、立臂速度以及立臂加速度;
以及,所述将所述目标状态数据输入所述实时动态虚拟模型中,以驱动所述实时动态虚拟模型仿真运行,得到与所述待监测构件对应的动态仿真数据,包括:
将所述横臂状态数据和所述立臂状态数据输入所述实时动态虚拟模型中,以驱动所述实时动态虚拟模型仿真运行,得到与所述横臂构件对应的横臂动态仿真数据以及与所述立臂构件对应的立臂动态仿真数据;其中,所述横臂动态仿真数据至少包括横臂力矩、横臂稳定度以及横臂运动准确率;所述立臂动态仿真数据至少包括立臂力矩、立臂稳定度以及立臂运动准确率。
5.根据权利要求4所述的基于数字孪生的工业机器人状态监测方法,所述将所述动态仿真数据与所述动态标准数据进行对比,得到所述工业机器人的状态监测结果,包括:
获取横臂动态标准数据、立臂动态标准数据、横臂数据权重以及立臂数据权重;其中,所述横臂数据权重至少包括横臂力矩的横臂第一权重、横臂稳定度的横臂第二权重以及横臂运动准确率的横臂第三权重;所述立臂数据权重至少包括立臂力矩的立臂第一权重、立臂稳定度的立臂第二权重以及立臂运动准确率的立臂第三权重;
将所述横臂动态仿真数据与所述横臂动态标椎数据进行对比,得到横臂对比结果;
将所述立臂动态仿真数据与所述立臂动态标椎数据进行对比,得到立臂对比结果;
根据所述横臂对比结果和所述横臂数据权重,确定所述横臂构件的横臂状态标准度;
根据所述立臂对比结果和所述立臂数据权重,确定所述立臂构件的立臂状态标准度;
根据所述横臂状态标准度和所述立臂状态标准度,确定所述工业机器人的状态监测结果。
6.根据权利要求2所述的基于数字孪生的工业机器人状态监测方法,所述得到所述工业机器人的实时动态虚拟模型之后,所述方法还包括:
对所述实时动态虚拟模型进行仿真,得到所述工业机器人的多种位姿;
确定在每种位姿下的每个虚拟构件的最大构件负载;
根据所述每个虚拟构件的最大构件负载,确定所述工业机器人在每种位姿下的最大标准负载。
7.根据权利要求6所述的基于数字孪生的工业机器人状态监测方法,所述采集所述工业机器人的当前状态数据之后,所述方法还包括:
从所述当前状态数据中获所述工业机器人的当前负载和当前位姿;
将所述当前负载与所述当前位姿对应的最大标准负载进行对比,得到负载对比结果;
若所述负载对比结果表示所述当前负载大于所述当前位姿对应的最大标准负载,则输出负载超重提示信息。
8.一种基于数字孪生的工业机器人状态监测系统,包括:
仿真模块,用于根据获取到的工业机器人的仿真数据进行仿真,得到所述工业机器人的实时动态虚拟模型;
采集模块,用于采集所述工业机器人的当前状态数据;
输入模块,用于将所述当前状态数据输入所述实时动态虚拟模型,以驱动所述实时动态虚拟模型仿真运行,得到多个动态仿真数据;
获取单元,用于获取各个动态仿真数据对应的动态标准数据;其中,一个动态仿真数据对应一个动态标准数据;
对比单元,用于将所述动态仿真数据与所述动态标准数据进行对比,得到所述工业机器人的状态监测结果。
9.一种计算设备,所述计算设备包括:
至少一个处理器、存储器和输入输出单元;
其中,所述存储器用于存储计算机程序,所述处理器用于调用所述存储器中存储的计算机程序来执行如权利要求1~7中任一项所述的方法。
10.一种计算机可读存储介质,其包括指令,当其在计算机上运行时,使得计算机执行如权利要求1~7中的任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211465351.0A CN115712962A (zh) | 2022-11-22 | 2022-11-22 | 一种基于数字孪生的工业机器人状态监测方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211465351.0A CN115712962A (zh) | 2022-11-22 | 2022-11-22 | 一种基于数字孪生的工业机器人状态监测方法及系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115712962A true CN115712962A (zh) | 2023-02-24 |
Family
ID=85234153
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211465351.0A Pending CN115712962A (zh) | 2022-11-22 | 2022-11-22 | 一种基于数字孪生的工业机器人状态监测方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115712962A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117621090A (zh) * | 2024-01-25 | 2024-03-01 | 青岛创新奇智科技集团股份有限公司 | 一种工业机器人的控制方法、系统及工业机器人 |
-
2022
- 2022-11-22 CN CN202211465351.0A patent/CN115712962A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117621090A (zh) * | 2024-01-25 | 2024-03-01 | 青岛创新奇智科技集团股份有限公司 | 一种工业机器人的控制方法、系统及工业机器人 |
CN117621090B (zh) * | 2024-01-25 | 2024-05-14 | 青岛创新奇智科技集团股份有限公司 | 一种工业机器人的控制方法、系统及工业机器人 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US9811074B1 (en) | Optimization of robot control programs in physics-based simulated environment | |
US9671777B1 (en) | Training robots to execute actions in physics-based virtual environment | |
US8046386B2 (en) | Partitioning for model-based design | |
CN110262279A (zh) | 控制系统以及控制方法 | |
CN115712962A (zh) | 一种基于数字孪生的工业机器人状态监测方法及系统 | |
EP2500791A1 (en) | System and method of simulating input/output modules in a control system | |
CN112966438A (zh) | 机器学习算法选择方法、分布式计算系统 | |
Dahmen et al. | Simulation-based verification with experimentable digital twins in virtual testbeds | |
DE112020007421T5 (de) | Industriesystem, störungserfassungssystem und störungserfassungsverfahren | |
CN114330043A (zh) | 一种多自由度多功能高负载液压机械臂刚柔耦合分析方法 | |
US10394969B2 (en) | Dynamics calculation method, program and recording medium | |
Romankevich et al. | Fault-tolerant multiprocessor systems reliability estimation using statistical experiments with GL-models | |
CN110110803A (zh) | 一种机器人故障诊断方法、装置及设备 | |
CN113894792A (zh) | 一种机器人负载辨识方法、控制柜及系统 | |
CN113360397A (zh) | 系统功能的回归测试方法、装置、设备及存储介质 | |
CN114329938A (zh) | 系统可靠性分析方法、装置、计算机设备和存储介质 | |
Gunderson et al. | E ects of uncertainty on variable autonomy in maintenance robots | |
Stadler et al. | ROMoSu: Flexible Runtime Monitoring Support for ROS-based Applications | |
CN114619484B (zh) | 机器人作业寿命的确定方法、装置、服务器和存储介质 | |
Nattermann et al. | Simulation Data Management Approach for Developing Adaptronic Systems–The W-Model Methodology | |
Heikkinen et al. | Added value from virtual sensors | |
CN113204222A (zh) | 工业机器人的性能参数获取方法及装置 | |
CN112247989B (zh) | 机器人的仿真处理方法及装置 | |
Riahi et al. | A faulty IoT network: simulating sensors and perturbations | |
JP6088445B2 (ja) | ソフトウェア規模演算装置およびプログラム |
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 |