CN116501005A - 一种数字孪生联动的工厂运行管理方法及系统 - Google Patents
一种数字孪生联动的工厂运行管理方法及系统 Download PDFInfo
- Publication number
- CN116501005A CN116501005A CN202310792168.XA CN202310792168A CN116501005A CN 116501005 A CN116501005 A CN 116501005A CN 202310792168 A CN202310792168 A CN 202310792168A CN 116501005 A CN116501005 A CN 116501005A
- Authority
- CN
- China
- Prior art keywords
- track
- twin
- flexible
- similarity
- equipment
- 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
- 238000007726 management method Methods 0.000 title claims abstract description 30
- 238000004458 analytical method Methods 0.000 claims abstract description 50
- 238000000034 method Methods 0.000 claims abstract description 37
- 238000004088 simulation Methods 0.000 claims abstract description 23
- 238000012544 monitoring process Methods 0.000 claims abstract description 18
- 239000011159 matrix material Substances 0.000 claims description 62
- 239000004973 liquid crystal related substance Substances 0.000 claims description 24
- 239000013598 vector Substances 0.000 claims description 20
- 238000005070 sampling Methods 0.000 claims description 17
- 238000012545 processing Methods 0.000 claims description 16
- 238000011156 evaluation Methods 0.000 claims description 13
- 238000009826 distribution Methods 0.000 claims description 11
- 230000005856 abnormality Effects 0.000 claims description 9
- 230000002159 abnormal effect Effects 0.000 claims description 8
- 238000012423 maintenance Methods 0.000 claims description 7
- 238000012512 characterization method Methods 0.000 claims description 3
- 238000004519 manufacturing process Methods 0.000 abstract description 22
- 230000006870 function Effects 0.000 description 11
- 230000008569 process Effects 0.000 description 6
- 230000000694 effects Effects 0.000 description 5
- 238000010586 diagram Methods 0.000 description 4
- 230000017105 transposition Effects 0.000 description 4
- 238000010276 construction Methods 0.000 description 2
- 230000004927 fusion Effects 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000036544 posture Effects 0.000 description 2
- 230000015572 biosynthetic process Effects 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000000691 measurement method Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000008439 repair process Effects 0.000 description 1
- 238000003860 storage Methods 0.000 description 1
- 230000001360 synchronised effect Effects 0.000 description 1
- 238000003786 synthesis reaction Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- 238000013519 translation Methods 0.000 description 1
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
- G05B19/418—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS], computer integrated manufacturing [CIM]
- G05B19/41865—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS], computer integrated manufacturing [CIM] characterised by job scheduling, process planning, material flow
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/16—Matrix or vector computation, e.g. matrix-matrix or matrix-vector multiplication, matrix factorization
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/22—Matching criteria, e.g. proximity measures
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/243—Classification techniques relating to the number of classes
- G06F18/2433—Single-class perspective, e.g. one-against-all classification; Novelty detection; Outlier detection
-
- 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
- G05B2219/32—Operator till task planning
- G05B2219/32252—Scheduling production, machining, job shop
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- General Engineering & Computer Science (AREA)
- Mathematical Physics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Computational Mathematics (AREA)
- Pure & Applied Mathematics (AREA)
- Evolutionary Computation (AREA)
- Evolutionary Biology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Bioinformatics & Computational Biology (AREA)
- Artificial Intelligence (AREA)
- Manufacturing & Machinery (AREA)
- Quality & Reliability (AREA)
- Computing Systems (AREA)
- Software Systems (AREA)
- Databases & Information Systems (AREA)
- Automation & Control Theory (AREA)
- Algebra (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- General Factory Administration (AREA)
Abstract
本发明提供了一种数字孪生联动的工厂运行管理方法及系统,涉及数字孪生技术领域,获取工厂多自由度设备基础信息,包括设备位号信息和设备型号信息,获取多个柔性定位点进行轨迹监测,获取第一实体轨迹和第一控制参数,获取数字孪生样机的仿真轨迹,获取第一孪生轨迹,进行相似性分析获取轨迹相似系数,当小于轨迹相似系数阈值,进行采样获取孪生轨迹样本集,进行异常分析,获取异常分析结果进行工厂运行管理。本发明解决了当下数字孪生仿真应用场景中存在无法准确有效地通过虚拟模型反馈实体的多方面状态,且工厂业务数据普遍缺乏时序、位置属性,使得生产计划和资源调度的精度差,进而导致生产效率和质量较低的技术问题。
Description
技术领域
本发明涉及数字孪生技术领域,具体涉及一种数字孪生联动的工厂运行管理方法及系统。
背景技术
工厂运行管理的目标包括提高产能利用率、降低生产成本、优化生产计划与排程、改善产品质量和确保操作安全等,为了实现这些目标,工厂运行管理需要采取一系列管理策略、技术工具和方法,如采用数字孪生实时联动,通过有效的工厂运行管理,企业可以提高生产效率和盈利能力,增强竞争力,并满足日益变化的市场需求。
然而现今常用的数字孪生联动的工厂运行管理方法还存在着一定的弊端,当下数字孪生仿真应用场景中几何模型缺乏语义化描述,即实体对象的数字孪生体并没有全属性要素构建,无法准确有效的通过虚拟模型反馈实体的多方面状态,且工厂业务数据普遍缺乏时序、位置属性,使得生产计划和资源调度的精度差,进而导致生产效率和质量较低,因此,对于数字孪生联动的工厂运行管理还存在着一定的可提升空间。
发明内容
本申请提供了一种数字孪生联动的工厂运行管理方法及系统,用于针对解决现有技术中当下数字孪生仿真应用场景中存在无法准确有效地通过虚拟模型反馈实体的多方面状态,且工厂业务数据普遍缺乏时序、位置属性,使得生产计划和资源调度的精度差,进而导致生产效率和质量较低的技术问题。
鉴于上述问题,本申请提供了一种数字孪生联动的工厂运行管理方法及系统。
第一方面,本申请提供了一种数字孪生联动的工厂运行管理方法,所述方法包括:获取工厂多自由度设备基础信息,其中,所述工厂多自由度设备基础信息包括设备位号信息和设备型号信息;根据所述设备位号信息,获取多个柔性定位点,其中,所述多个柔性定位点表征自由度关节点;根据所述多个柔性定位点,对工厂多自由度设备进行轨迹监测,获取第一实体轨迹和第一控制参数;获取所述工厂多自由度设备的数字孪生样机的仿真轨迹,获取第一孪生轨迹,其中,所述第一孪生轨迹为联合孪生轨迹;对所述第一实体轨迹和所述第一孪生轨迹进行相似性分析,获取轨迹相似系数;当所述轨迹相似系数小于轨迹相似系数阈值,根据所述设备型号信息和所述第一控制参数进行采样,获取孪生轨迹样本集;根据所述孪生轨迹样本集对所述第一实体轨迹进行异常分析,获取异常分析结果进行工厂运行管理。
第二方面,本申请提供了一种数字孪生联动的工厂运行管理系统,所述系统包括:基础信息获取模块,所述基础信息获取模块用于获取工厂多自由度设备基础信息,其中,所述工厂多自由度设备基础信息包括设备位号信息和设备型号信息;柔性定位点获取模块,所述柔性定位点获取模块用于根据所述设备位号信息,获取多个柔性定位点,其中,所述多个柔性定位点表征自由度关节点;轨迹监测模块,所述轨迹监测模块用于根据所述多个柔性定位点,对工厂多自由度设备进行轨迹监测,获取第一实体轨迹和第一控制参数;孪生轨迹获取模块,所述孪生轨迹获取模块用于获取所述工厂多自由度设备的数字孪生样机的仿真轨迹,获取第一孪生轨迹,其中,所述第一孪生轨迹为联合孪生轨迹;相似性分析模块,所述相似性分析模块用于对所述第一实体轨迹和所述第一孪生轨迹进行相似性分析,获取轨迹相似系数;孪生轨迹采样模块,所述孪生轨迹采样模块用于当所述轨迹相似系数小于轨迹相似系数阈值,根据所述设备型号信息和所述第一控制参数进行采样,获取孪生轨迹样本集;异常分析模块,所述异常分析模块用于根据所述孪生轨迹样本集对所述第一实体轨迹进行异常分析,获取异常分析结果进行工厂运行管理。
本申请中提供的一个或多个技术方案,至少具有如下技术效果或优点:
获取工厂多自由度设备基础信息,包括设备位号信息和设备型号信息,获取多个柔性定位点,表征自由度关节点,进行轨迹监测,获取第一实体轨迹和第一控制参数,获取数字孪生样机的仿真轨迹,获取第一孪生轨迹,进行相似性分析获取轨迹相似系数,当小于轨迹相似系数阈值,进行采样获取孪生轨迹样本集,进行异常分析,获取异常分析结果进行工厂运行管理。解决了当下数字孪生仿真应用场景中存在无法准确有效的通过虚拟模型反馈实体的多方面状态,且工厂业务数据普遍缺乏时序、位置属性,使得生产计划和资源调度的精度差,进而导致生产效率和质量较低的技术问题,实现了对多自由度设备的自由度关节点的精准掌握,从而准确有效的通过虚拟模型反馈实体的多方面状态,并且结合时序进行轨迹监测,提升生产计划和资源调度的精度,进而达到提升生产效率和质量的技术效果。
上述说明仅是本申请技术方案的概述,为了能够更清楚了解本申请的技术手段,而可依照说明书的内容予以实施,并且为了让本申请的上述和其它目的、特征和优点能够更明显易懂,以下特举本申请的具体实施方式。
附图说明
图1为本申请实施例提供了一种数字孪生联动的工厂运行管理方法流程示意图;
图2为本申请实施例提供了一种数字孪生联动的工厂运行管理方法中获取第一孪生轨迹流程示意图;
图3为本申请实施例提供了一种数字孪生联动的工厂运行管理方法中获取异常分析结果进行工厂运行管理流程示意图;
图4为本申请实施例提供了一种数字孪生联动的工厂运行管理系统结构示意图。
附图标记说明:基础信息获取模块10,柔性定位点获取模块20,轨迹监测模块30,孪生轨迹获取模块40,相似性分析模块50,孪生轨迹采样模块60,异常分析模块70。
具体实施方式
本申请实施例通过提供一种数字孪生联动的工厂运行管理方法,用于针对解决当下数字孪生仿真应用场景中存在无法准确有效的通过虚拟模型反馈实体的多方面状态,且工厂业务数据普遍缺乏时序、位置属性,使得生产计划和资源调度的精度差,进而导致生产效率和质量较低的技术问题,实现了对多自由度设备的自由度关节点的精准掌握,从而准确有效的通过虚拟模型反馈实体的多方面状态,并且结合时序进行轨迹监测,提升生产计划和资源调度的精度,进而达到提升生产效率和质量的技术效果。
实施例一
如图1所示,本申请实施例提供了一种数字孪生联动的工厂运行管理方法,所述方法包括:
步骤S100:获取工厂多自由度设备基础信息,其中,所述工厂多自由度设备基础信息包括设备位号信息和设备型号信息;
具体而言,多自由度设备是指具有多个独立运动维度或自由度的机械装置或系统,这些设备可以在多个方向上进行灵活的运动和定位,以执行各种复杂的任务和操作。例如,工业机器人属于多自由度设备,工业机器人通常具有多个关节和轴,每个关节和轴都代表了一个自由度,这些自由度允许机器人在空间中进行灵活的姿态变换和运动,以满足不同的生产需求,其具有三个独立的运动维度,即X轴、Y轴和Z轴,分别用于控制设备在三个方向上的移动。
首先,识别工厂中所有多自由度设备的设备位号信息,设备位号是唯一的标识符,用于识别每个设备,这些位号根据工厂的实际情况进行编码,并按照一定的规则进行分配。然后,收集每个设备的设备型号信息,设备型号是指设备的具体型号或型号类别,用于描述设备的特征和性能参数,这些信息可以从设备规格表、制造商提供的文档或数据库中获取。将获取的设备位号信息和设备型号信息整合,获取多自由度设备基础信息。
步骤S200:根据所述设备位号信息,获取多个柔性定位点,其中,所述多个柔性定位点表征自由度关节点;
具体而言,自由度关节点是指在运动过程中具有约束或限制的关键点或部位,它们代表了物体的自由度变化的位置,通常与物体的特定部分或连接处相关联,每个关节都可以被认为是一个自由度关节点。
根据设备位号信息,确认需要定位的设备的位置以及其相应的自由度关节点,根据所述设备的特性和要求,确定所需的柔性定位点的数量,这些柔性定位点将用于标识设备的不同自由度关节。根据设备的几何形状和运动范围,在设备表面或周围选择合适的位置来放置柔性定位点,这些定位点能够准确地反映设备自由度关节的位置和姿态。根据所需的精度、可靠性和成本等因素,选择适合的柔性定位点类型。常见的柔性定位点类型包括机械式触点、电容式触点、光学传感器等,将选定的柔性定位点安装到设备的相应位置上,这些定位点将能够表征设备的自由度关节点,并提供有关设备位置和姿态的详细信息。
步骤S300:根据所述多个柔性定位点,对工厂多自由度设备进行轨迹监测,获取第一实体轨迹和第一控制参数;
具体而言,根据设备运动的预期路径或特定运动任务的要求,确定需要监测的工厂多自由度设备的目标轨迹,通过传感器或其他跟踪技术,光学传感器、惯性测量单元或机器视觉系统等,实时采集柔性定位点提供的位置和姿态数据,对工厂多自由度设备进行监测,根据采集到的数据,提取工厂多自由度设备的第一实体轨迹,这是根据监测到的定位点数据生成的设备运动轨迹。
基于第一实体轨迹,计算出相应的控制参数,这些参数是与设备手动操作或自动化控制相关的变量,用于调整设备的姿态、速度或其他运动属性。
进一步而言,本申请步骤S300还包括:
步骤S310:构建柔性点定位函数:
其中, 表征带有控制力向量的第i时刻的多个柔性定位点的定位信息,/>表征多个柔性定位点第i时刻的定位信息的转置矩阵,/> 直到/> 表征n个柔性定位点第i时刻的定位信息,x表征柔性定位点水平位置,y表征柔性定位点垂直位置,/>表征多个柔性定位点第i时刻的控制力向量的转置矩阵,/>直到/>表征n个柔性定位点第i时刻的控制力向量,/>表征柔性定位点水平力,/>表征柔性定位点垂直力,n表征柔性定位点的总数,n≥自由度;
步骤S320:根据所述柔性点定位函数,采集所述工厂多自由度设备的 值序列,设为所述第一实体轨迹;
步骤S330:根据所述柔性点定位函数,采集所述工厂多自由度设备的 值序列,设为所述第一控制参数。
具体而言,在所述柔性点定位函数中,a表征多个柔性定位点第i时刻的定位信息,A表征多个柔性定位点第i时刻的控制力向量,f()表征将多个柔性定位点第i时刻的定位信息和控制力向量进行对应整合,即带有控制力向量的第i时刻的多个柔性定位点的定位信息。
对于n个柔性定位点第i时刻的定位信息,可以用一个矩阵标识,假设每个柔性定位点的定位信息包括x轴和y轴的坐标,那么这个矩阵就是一个的矩阵,设第i时刻第j个柔性定位点的x轴坐标为/>,y轴坐标为/>,那么该矩阵可以表示为: ,转置矩阵表示将行变为列、列变为行的操作,因此,对定位信息矩阵进行转置操作后得到的结果是一个/> 的矩阵: ,在转置矩阵中,每一行代表了一个柔性定位点在第i时刻的定位信息,包括其x轴和y轴坐标。因此,多个柔性定位点在第i时刻的定位信息的转置矩阵,实际上是将原始定位信息矩阵转置得到的结果,转置后的矩阵重新排列了数据,使每一行代表一个定位点的定位信息,而不是每列代表一个定位点。
对于n个柔性定位点在第i时刻的控制力,可以表示为x轴和y轴的合力,即 ,这个控制力向量用于描述对设备的施加力或扭矩,它可以作为控制算法的输入,用于实现所需的运动、姿态调整或力/扭矩反馈控制等任务。以上述同样的方法对控制力进行转置操作,获取控制力向量的转置矩阵。
进一步而言,根据所述柔性点定位函数,对于每个柔性定位点,获取其在第i时刻的定位信息,包括x轴和y轴坐标,将每个柔性定位点的定位信息整理成一个长度为2的行向量,例如,对于第j个柔性定位点,j为小于等于柔性定位点总数量的正整数,表示柔性定位点中的任意一个,例如j取10,则表示取第10个柔性定位点进行分析,定位信息向量可以表示为 ,将所有柔性定位点的定位信息向量按列排列,生成一个大小为2×n的矩阵,即/>,将该矩阵进行转置操作,得到一个大小为n×2的转置矩阵,其中每行代表一个柔性定位点在第i时刻的转置定位信息。通过以上步骤,采集工厂多自由度设备的多个柔性定位点在第i时刻的定位信息,并将其表示为转置矩阵,对于得到的转置矩阵,其中每行代表柔性定位点在第i时刻的定位信息,即x和y坐标,可以将其视为第一实体轨迹,第一实体轨迹用于描述工厂多自由度设备在运动过程中的路径或位置,由于转置矩阵的每一行对应一个柔性定位点的定位信息,可以将它们解释为多个柔性定位点在第i时刻的位置。
以上述同样的方法获取多个柔性定位点第i时刻的控制力向量的转置矩阵,结合多个柔性定位点第i时刻的定位信息的转置矩阵和多个柔性定位点第i时刻的控制力向量的转置矩阵,计算得到带有控制力向量的第i时刻的多个柔性定位点的定位信息。
步骤S400:获取所述工厂多自由度设备的数字孪生样机的仿真轨迹,获取第一孪生轨迹,其中,所述第一孪生轨迹为联合孪生轨迹;
具体而言,建立一个与实际工厂多自由度设备相对应的数字孪生模型,这个数字孪生模型是一个虚拟的、基于计算机的模型,可以准确地模拟和描述设备的结构、动力学特性和运动行为等属性。确定仿真轨迹模拟的起始条件,包括设备的初始位置、速度、姿态等状态,并根据需要设置其他相关变量或参数。运行数字孪生模型的仿真程序,根据设定的初始条件和模型参数,通过数值求解等方法模拟工厂多自由度设备在时间上的运动过程,在仿真过程中,记录每个时刻设备的运动状态,包括位置、速度、姿态等信息,根据仿真结果和所需的轨迹类型,提取第一孪生轨迹。
进一步而言,如图2所示,本申请步骤S400包括:
步骤S410:根据所述设备型号信息和所述第一控制参数进行正样本采集,获取2个同族孪生轨迹,其中,所述2个同族孪生轨迹为时间间隔最近的加工质量最高的正样本;
步骤S420:将所述2个同族孪生轨迹和设备独立孪生轨迹进行融合,获取所述第一孪生轨迹。
具体而言,在所述数字孪生模型中,利用所述设备型号信息和第一控制参数,对工厂多自由度设备进行正样本采集,即采集加工质量较高的样本,以获取2个同族孪生轨迹,同族孪生轨迹指具有相似背景和运动特性的孪生轨迹,即在相同工作条件下采集到的连续加工样本,这两个孪生轨迹是加工过程中时间间隔最接近的且加工质量最高的样本。
设备独立孪生轨迹是从与设备相关但不同于同族孪生轨迹的来源获取的样本数据或模拟结果,设备独立孪生轨迹与特定设备的工作条件和参数无关,可能来自其他相似设备的数据、模拟或实验结果,或者通过数据合成或机器学习等方法生成。通过合并2个同族孪生轨迹和设备独立孪生轨迹,根据需求和方法,在时间和特征上进行数据融合,示例性地,对每个定位求均值,每个力向量求均值,得到第一孪生轨迹,其中汇集了不同来源的信息。
步骤S500:对所述第一实体轨迹和所述第一孪生轨迹进行相似性分析,获取轨迹相似系数;
进一步而言,本申请步骤S500包括:
步骤S510:对所述第一实体轨迹和所述第一孪生轨迹进行比对,获得轨迹偏差矩阵:
,
其中, 表征轨迹偏差矩阵,/>到/> 表征第一时刻到第j时刻的任意一个柔性点的轨迹偏差,j表征记录的时刻总数,n表征柔性点总数,同一列表征相同柔性点不同时刻的轨迹偏差,同一行表征不同轨迹点相同时刻的轨迹偏差;
步骤S520:设定独立偏差阈值矩阵:
,
其中, 表征轨迹偏差阈值矩阵,/> 到/> 征第一时刻到第j时刻的任意一个柔性点的任意时刻的独立偏差阈值;
步骤S530:当所述轨迹偏差矩阵的任意一个柔性轨迹偏差都小于或等于所述独立偏差阈值矩阵的独立偏差阈值,对所述第一实体轨迹和所述第一孪生轨迹进行相似性分析,获取所述轨迹相似系数。
具体而言,通过对齐操作,将两条轨迹在时间和空间上同步,例如起始点对齐、终点对齐或基于参考点的对齐,将第一实体轨迹和第一孪生轨迹在同一时间点和同一柔性点进行对比,计算它们之间的偏差,常用的方法包括欧氏距离、曼哈顿距离等,依次对每个时刻和每个柔性点进行比较,得到相应的偏差值。创建一个矩阵来表示轨迹偏差关系,矩阵的行数和列数对应第一实体轨迹和第一孪生轨迹的点数,矩阵中的每个元素表示两个轨迹点之间的偏差值,同一列表示相同柔性点在不同时刻的轨迹偏差,而同一行则表示不同轨迹点在相同时刻的轨迹偏差,获得轨迹偏差矩阵。
对于每一个时间点t,t为第一时刻到第j时刻之间的一个时间点,选择一个合适的独立偏差阈值,该阈值用于判断柔性点在该时刻的轨迹偏差是否符合相似条件,创建一个独立偏差阈值矩阵,该矩阵的行数和列数分别对应第一实体轨迹和第一孪生轨迹的点数,而每个点位则表示第一时刻到第j时刻的任意一个柔性点在任意时刻的独立偏差阈值。
进一步而言,本申请步骤S530包括:
步骤S531:根据所述第一控制参数匹配第一加工任务,对所述多个柔性定位点进行权重分布,获取柔性点权重分布结果;
步骤S532:构建轨迹相似性评估函数:
,
其中,表征轨迹相似系数,/> 表征第l个柔性点的权重,/>表征第k行第l列的独立偏差阈值,/> 表征第k行第l列的轨迹偏差,1≤k≤j,1≤l≤n;
步骤S533:根据所述柔性点权重分布结果,结合所述轨迹偏差矩阵和所述独立偏差阈值矩阵,通过所述轨迹相似性评估函数进行相似性分析,获取所述轨迹相似系数。
具体而言,根据第一控制参数,确定第一加工任务的要求和约束条件。这些参数可以包括目标精度、加工时间、安全性等,对于每个柔性定位点,基于其定位精度、定位稳定性、可靠性等,评估其对加工任务的贡献和影响,根据加工任务的要求,为每个柔性定位点分配相应的权重,这些权重可以表示柔性定位点在达成加工目标中的重要性或适应性。
根据所述轨迹偏差矩阵,获取第k行第l列的轨迹偏差,k表示轨迹偏差矩阵的任意一行,为小于等于j的正整数,例如k取5,则表示选取轨迹偏差矩阵中的第5行进行分析,根据所述独立偏差阈值矩阵,获取第k行第l列的独立偏差阈值,根据所述柔性点权重分布结果,获取第l个柔性点的权重,将得到的值代入所述轨迹相似性评估函数,进行相似性分析,获取到第一实体轨迹和第一孪生轨迹的轨迹相似系数,该系数用于度量两个轨迹之间的相似程度,进一步理解和应用这些轨迹数据。
步骤S600:当所述轨迹相似系数小于轨迹相似系数阈值,根据所述设备型号信息和所述第一控制参数进行采样,获取孪生轨迹样本集;
具体而言,确定轨迹相似系数阈值,用来界定是否需要进行采样操作,对比计算得到的轨迹相似系数是否小于轨迹相似系数阈值,如果小于,即相似系数低于设定阈值,根据设备型号信息和第一控制参数,确定采样的方式和规则,这包括选择合适的采样频率、时间段或空间区域等,以生成与第一实体轨迹相似的孪生轨迹样本,执行采样操作,根据所选的采样规则和采样频率,获取孪生轨迹样本集,其中,每个样本包含与第一实体轨迹类似的数据,并且具有与第一控制参数匹配的加工任务要求。
步骤S700:根据所述孪生轨迹样本集对所述第一实体轨迹进行异常分析,获取异常分析结果进行工厂运行管理。
进一步而言,如图3所示,本申请步骤S700包括:
步骤S710:所述孪生轨迹样本集包括孪生轨迹正样本集和孪生轨迹负样本集;
步骤S720:遍历所述孪生轨迹正样本集,对所述第一实体轨迹进行相似性评估,获取大于第二轨迹相似系数阈值的正向相似系数集;
步骤S730:遍历所述孪生轨迹负样本集对所述第一实体轨迹进行相似性评估,获取大于所述第二轨迹相似系数阈值的负向相似系数集;
步骤S740:对所述正向相似系数集的第一数量与所述负向相似系数集的第二数量求比,获取设备异常系数;
步骤S750:当所述设备异常系数小于或等于异常系数阈值,对工厂多自由度设备标识维保信号。
具体而言,孪生轨迹正样本集包含与第一实体轨迹相似的样本数据,孪生轨迹负样本集包含与第一实体轨迹不相似的样本数据,示例性地,根据设备型号信息和第一控制参数,选择与第一实体轨迹类似的孪生轨迹,这些孪生轨迹可以是历史记录中的实际轨迹数据,也可以通过仿真或模拟产生,作为孪生轨迹正样本集;通过收集其他设备的轨迹数据或者非正常工况下的轨迹数据来构成负样本集,这些轨迹数据可以来自设备型号相似但工作状态不同的设备,或者在异常工况下模拟得到的轨迹数据。
遍历孪生轨迹正样本集中的每个孪生轨迹,对于每个孪生轨迹,使用相似性度量方法,如距离、相似度等,来评估其与第一实体轨迹之间的相似性,将与第一实体轨迹相似程度高于第二轨迹相似系数阈值的相似系数记录下来,形成正向相似系数集,这些相似系数表示孪生轨迹与第一实体轨迹之间的相似程度较高。继续遍历孪生轨迹正样本集中的其他轨迹,重复上述步骤,直到遍历完整个正样本集。
采用同样的方法获取相似性大于所述第二轨迹相似系数阈值的负向相似系数集。
统计正向相似系数集中的样本数量,记为N1,统计负向相似系数集中的样本数量,记为N2,将N1除以N2得到比率,获取设备异常系数。所述设备异常系数表示了正向相似系数集样本数量与负向相似系数集样本数量之间的比值,用来判断设备异常的程度,如果设备异常系数较高,意味着正向相似样本较多,这说明第一实体轨迹与孪生轨迹正样本集之间的相似度较高,符合预期。
由于每次加工的轨迹,基于相同的任务具有一致性,因此融合后的孪生轨迹如果和实体轨迹有偏差,说明此次的设备独立孪生轨迹存在问题。根据具体应用场景和需求事先设定异常系数阈值,用于判断设备是否处于异常状态。比较设备异常系数与异常系数阈值,当设备异常系数小于或等于设定的异常系数阈值时,标识工厂中多自由度设备的维保信号,这意味着在异常系数低于或等于阈值的情况下,需要进行维修或保养以确保设备正常运行。
进一步而言,本申请步骤S700还包括:
步骤S760:当所述设备异常系数大于所述异常系数阈值,基于所述第一实体轨迹对所述数字孪生样机进行轨迹补偿。
具体而言,当设备异常系数大于所设定的异常系数阈值时,则正常数量大于异常数量,设备可能无故障,那么就是孪生机存储问题,需要基于第一实体轨迹对数字孪生样机进行轨迹补偿,以通过对数字孪生样机的轨迹进行调整,使其更接近第一实体轨迹,从而减小或纠正设备异常引起的轨迹差异。具体地,根据第一实体轨迹的特征和孪生样机的结构、控制参数等信息,分析轨迹差异的原因和影响,确定需要进行的轨迹补偿类型和方法。基于轨迹补偿的目标和策略,以第一实体轨迹作为参考,对数字孪生样机的轨迹进行调整,常见的轨迹补偿方法包括平移、旋转、缩放等操作,用以修正孪生样机轨迹与第一实体轨迹之间的差异。
完成轨迹补偿后,再次评估第一实体轨迹与数字孪生样机轨迹之间的相似性,确保通过轨迹补偿后,孪生样机的轨迹更接近于第一实体轨迹,这有助于提高数字孪生样机的精度和准确性,使其更好地模拟和匹配设备的实际运行情况。
综上所述,本申请实施例所提供的一种数字孪生联动的工厂运行管理方法及系统具有如下技术效果:
获取工厂多自由度设备基础信息,包括设备位号信息和设备型号信息,获取多个柔性定位点,表征自由度关节点,进行轨迹监测,获取第一实体轨迹和第一控制参数,获取数字孪生样机的仿真轨迹,获取第一孪生轨迹,进行相似性分析获取轨迹相似系数,当小于轨迹相似系数阈值,进行采样获取孪生轨迹样本集,进行异常分析,获取异常分析结果进行工厂运行管理。
解决了当下数字孪生仿真应用场景中存在无法准确有效的通过虚拟模型反馈实体的多方面状态,且工厂业务数据普遍缺乏时序、位置属性,使得生产计划和资源调度的精度差,进而导致生产效率和质量较低的技术问题,实现了对多自由度设备的自由度关节点的精准掌握,从而准确有效的通过虚拟模型反馈实体的多方面状态,并且结合时序进行轨迹监测,提升生产计划和资源调度的精度,进而达到提升生产效率和质量的技术效果。
实施例二
基于与前述实施例中一种数字孪生联动的工厂运行管理方法相同的发明构思,如图4所示,本申请提供了一种数字孪生联动的工厂运行管理系统,所述系统包括:
基础信息获取模块10,所述基础信息获取模块10用于获取工厂多自由度设备基础信息,其中,所述工厂多自由度设备基础信息包括设备位号信息和设备型号信息;
柔性定位点获取模块20,所述柔性定位点获取模块20用于根据所述设备位号信息,获取多个柔性定位点,其中,所述多个柔性定位点表征自由度关节点;
轨迹监测模块30,所述轨迹监测模块30用于根据所述多个柔性定位点,对工厂多自由度设备进行轨迹监测,获取第一实体轨迹和第一控制参数;
孪生轨迹获取模块40,所述孪生轨迹获取模块40用于获取所述工厂多自由度设备的数字孪生样机的仿真轨迹,获取第一孪生轨迹,其中,所述第一孪生轨迹为联合孪生轨迹;
相似性分析模块50,所述相似性分析模块50用于对所述第一实体轨迹和所述第一孪生轨迹进行相似性分析,获取轨迹相似系数;
孪生轨迹采样模块60,所述孪生轨迹采样模块60用于当所述轨迹相似系数小于轨迹相似系数阈值,根据所述设备型号信息和所述第一控制参数进行采样,获取孪生轨迹样本集;
异常分析模块70,所述异常分析模块70用于根据所述孪生轨迹样本集对所述第一实体轨迹进行异常分析,获取异常分析结果进行工厂运行管理。
进一步而言,所述系统还包括:
定位函数构建模块,用于构建柔性点定位函数:
,
,
,
其中,表征带有控制力向量的第i时刻的多个柔性定位点的定位信息,/>表征多个柔性定位点第i时刻的定位信息的转置矩阵,/> 直到/> 表征n个柔性定位点第i时刻的定位信息,x表征柔性定位点水平位置,y表征柔性定位点垂直位置,/> 表征多个柔性定位点第i时刻的控制力向量的转置矩阵,/>直到/>表征n个柔性定位点第i时刻的控制力向量,/>表征柔性定位点水平力,/> 表征柔性定位点垂直力,n表征柔性定位点的总数,n≥自由度;
实体轨迹获取模块,用于根据所述柔性点定位函数,采集所述工厂多自由度设备的 值序列,设为所述第一实体轨迹;
控制参数获取模块,用于根据所述柔性点定位函数,采集所述工厂多自由度设备的 值序列,设为所述第一控制参数。
进一步而言,所述系统还包括:
轨迹比对模块,用于对所述第一实体轨迹和所述第一孪生轨迹进行比对,获得轨迹偏差矩阵:
,
其中, 表征轨迹偏差矩阵,/> 到/>表征第一时刻到第j时刻的任意一个柔性点的轨迹偏差,j表征记录的时刻总数,n表征柔性点总数,同一列表征相同柔性点不同时刻的轨迹偏差,同一行表征不同轨迹点相同时刻的轨迹偏差;
阈值矩阵设定模块,用于设定独立偏差阈值矩阵:
,
其中, 表征轨迹偏差阈值矩阵,/> 到/>征第一时刻到第j时刻的任意一个柔性点的任意时刻的独立偏差阈值;
轨迹相似性分析模块,用于当所述轨迹偏差矩阵的任意一个柔性轨迹偏差都小于或等于所述独立偏差阈值矩阵的独立偏差阈值,对所述第一实体轨迹和所述第一孪生轨迹进行相似性分析,获取所述轨迹相似系数。
进一步而言,所述系统还包括:
权重分布模块,用于根据所述第一控制参数匹配第一加工任务,对所述多个柔性定位点进行权重分布,获取柔性点权重分布结果;
评估函数构建模块,用于构建轨迹相似性评估函数:
,
其中,表征轨迹相似系数,/>表征第l个柔性点的权重,/>表征第k行第l列的独立偏差阈值,/> 表征第k行第l列的轨迹偏差,1≤k≤j,1≤l≤n;
相似系数获取模块,用于根据所述柔性点权重分布结果,结合所述轨迹偏差矩阵和所述独立偏差阈值矩阵,通过所述轨迹相似性评估函数进行相似性分析,获取所述轨迹相似系数。
进一步而言,所述系统还包括:
正样本采集模块,用于根据所述设备型号信息和所述第一控制参数进行正样本采集,获取2个同族孪生轨迹,其中,所述2个同族孪生轨迹为时间间隔最近的加工质量最高的正样本;
融合模块,用于将所述2个同族孪生轨迹和设备独立孪生轨迹进行融合,获取所述第一孪生轨迹。
进一步而言,所述系统还包括:
轨迹样本说明模块,用于所述孪生轨迹样本集包括孪生轨迹正样本集和孪生轨迹负样本集;
正向相似系数获取模块,用于遍历所述孪生轨迹正样本集,对所述第一实体轨迹进行相似性评估,获取大于第二轨迹相似系数阈值的正向相似系数集;
负向相似系数获取模块,用于遍历所述孪生轨迹负样本集对所述第一实体轨迹进行相似性评估,获取大于所述第二轨迹相似系数阈值的负向相似系数集;
求比模块,用于对所述正向相似系数集的第一数量与所述负向相似系数集的第二数量求比,获取设备异常系数;
维保信号标识模块,用于当所述设备异常系数小于或等于异常系数阈值,对工厂多自由度设备标识维保信号。
进一步而言,所述系统还包括:
轨迹补偿模块,用于当所述设备异常系数大于所述异常系数阈值,基于所述第一实体轨迹对所述数字孪生样机进行轨迹补偿。
本说明书通过前述对一种数字孪生联动的工厂运行管理方法的详细描述,本领域技术人员可以清楚地知道本实施例中一种数字孪生联动的工厂运行管理方法及系统,对于实施例公开的装置而言,由于其与实施例公开的方法相对应,所以描述的比较简单,相关之处参见方法部分说明即可。
对所公开的实施例的上述说明,使本领域专业技术人员能够实现或使用本申请。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的,本文中所定义的一般原理可以在不脱离本申请的精神或范围的情况下,在其他实施例中实现。因此,本申请将不会被限制于本文所示的这些实施例,而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。
Claims (8)
1.一种数字孪生联动的工厂运行管理方法,其特征在于,所述方法包括:
获取工厂多自由度设备基础信息,其中,所述工厂多自由度设备基础信息包括设备位号信息和设备型号信息;
根据所述设备位号信息,获取多个柔性定位点,其中,所述多个柔性定位点表征自由度关节点;
根据所述多个柔性定位点,对工厂多自由度设备进行轨迹监测,获取第一实体轨迹和第一控制参数;
获取所述工厂多自由度设备的数字孪生样机的仿真轨迹,获取第一孪生轨迹,其中,所述第一孪生轨迹为联合孪生轨迹;
对所述第一实体轨迹和所述第一孪生轨迹进行相似性分析,获取轨迹相似系数;
当所述轨迹相似系数小于轨迹相似系数阈值,根据所述设备型号信息和所述第一控制参数进行采样,获取孪生轨迹样本集;
根据所述孪生轨迹样本集对所述第一实体轨迹进行异常分析,获取异常分析结果进行工厂运行管理。
2.如权利要求1所述的方法,其特征在于,根据所述多个柔性定位点,对工厂多自由度设备进行轨迹监测,获取第一实体轨迹和第一控制参数,包括:
构建柔性点定位函数:
,
,
,
其中,表征带有控制力向量的第i时刻的多个柔性定位点的定位信息,/>表征多个柔性定位点第i时刻的定位信息的转置矩阵,/>直到/>表征n个柔性定位点第i时刻的定位信息,x表征柔性定位点水平位置,y表征柔性定位点垂直位置,/>表征多个柔性定位点第i时刻的控制力向量的转置矩阵,/>直到/>表征n个柔性定位点第i时刻的控制力向量,/>表征柔性定位点水平力,/>表征柔性定位点垂直力,n表征柔性定位点的总数,n≥自由度;
根据所述柔性点定位函数,采集所述工厂多自由度设备的值序列,设为所述第一实体轨迹;
根据所述柔性点定位函数,采集所述工厂多自由度设备的值序列,设为所述第一控制参数。
3.如权利要求2所述的方法,其特征在于,对所述第一实体轨迹和所述第一孪生轨迹进行相似性分析,获取轨迹相似系数,包括:
对所述第一实体轨迹和所述第一孪生轨迹进行比对,获得轨迹偏差矩阵:
,
其中,表征轨迹偏差矩阵,/>到/>表征第一时刻到第j时刻的任意一个柔性点的轨迹偏差,j表征记录的时刻总数,n表征柔性点总数,同一列表征相同柔性点不同时刻的轨迹偏差,同一行表征不同轨迹点相同时刻的轨迹偏差;
设定独立偏差阈值矩阵:
,
其中,表征轨迹偏差阈值矩阵,/>到/>征第一时刻到第j时刻的任意一个柔性点的任意时刻的独立偏差阈值;
当所述轨迹偏差矩阵的任意一个柔性轨迹偏差都小于或等于所述独立偏差阈值矩阵的独立偏差阈值,对所述第一实体轨迹和所述第一孪生轨迹进行相似性分析,获取所述轨迹相似系数。
4.如权利要求3所述的方法,其特征在于,当所述轨迹偏差矩阵的任意一个柔性轨迹偏差都小于或等于独立偏差阈值,对所述第一实体轨迹和所述第一孪生轨迹进行相似性分析,获取所述轨迹相似系数,包括:
根据所述第一控制参数匹配第一加工任务,对所述多个柔性定位点进行权重分布,获取柔性点权重分布结果;
构建轨迹相似性评估函数:
,
其中,表征轨迹相似系数,/>表征第l个柔性点的权重,/>表征第k行第l列的独立偏差阈值,/>表征第k行第l列的轨迹偏差,1≤k≤j,1≤l≤n;
根据所述柔性点权重分布结果,结合所述轨迹偏差矩阵和所述独立偏差阈值矩阵,通过所述轨迹相似性评估函数进行相似性分析,获取所述轨迹相似系数。
5.如权利要求1所述的方法,其特征在于,获取所述工厂多自由度设备的数字孪生样机的仿真轨迹,获取第一孪生轨迹,其中,所述第一孪生轨迹为联合孪生轨迹,包括:
根据所述设备型号信息和所述第一控制参数进行正样本采集,获取2个同族孪生轨迹,其中,所述2个同族孪生轨迹为时间间隔最近的加工质量最高的正样本;
将所述2个同族孪生轨迹和设备独立孪生轨迹进行融合,获取所述第一孪生轨迹。
6.如权利要求1所述的方法,其特征在于,根据所述孪生轨迹样本集对所述第一实体轨迹进行异常分析,获取异常分析结果进行工厂运行管理,包括:
所述孪生轨迹样本集包括孪生轨迹正样本集和孪生轨迹负样本集;
遍历所述孪生轨迹正样本集,对所述第一实体轨迹进行相似性评估,获取大于第二轨迹相似系数阈值的正向相似系数集;
遍历所述孪生轨迹负样本集对所述第一实体轨迹进行相似性评估,获取大于所述第二轨迹相似系数阈值的负向相似系数集;
对所述正向相似系数集的第一数量与所述负向相似系数集的第二数量求比,获取设备异常系数;
当所述设备异常系数小于或等于异常系数阈值,对工厂多自由度设备标识维保信号。
7.如权利要求6所述的方法,其特征在于,还包括:
当所述设备异常系数大于所述异常系数阈值,基于所述第一实体轨迹对所述数字孪生样机进行轨迹补偿。
8.一种数字孪生联动的工厂运行管理系统,其特征在于,用于实施权利要求1-7任一项所述的一种数字孪生联动的工厂运行管理方法,包括:
基础信息获取模块,所述基础信息获取模块用于获取工厂多自由度设备基础信息,其中,所述工厂多自由度设备基础信息包括设备位号信息和设备型号信息;
柔性定位点获取模块,所述柔性定位点获取模块用于根据所述设备位号信息,获取多个柔性定位点,其中,所述多个柔性定位点表征自由度关节点;
轨迹监测模块,所述轨迹监测模块用于根据所述多个柔性定位点,对工厂多自由度设备进行轨迹监测,获取第一实体轨迹和第一控制参数;
孪生轨迹获取模块,所述孪生轨迹获取模块用于获取所述工厂多自由度设备的数字孪生样机的仿真轨迹,获取第一孪生轨迹,其中,所述第一孪生轨迹为联合孪生轨迹;
相似性分析模块,所述相似性分析模块用于对所述第一实体轨迹和所述第一孪生轨迹进行相似性分析,获取轨迹相似系数;
孪生轨迹采样模块,所述孪生轨迹采样模块用于当所述轨迹相似系数小于轨迹相似系数阈值,根据所述设备型号信息和所述第一控制参数进行采样,获取孪生轨迹样本集;
异常分析模块,所述异常分析模块用于根据所述孪生轨迹样本集对所述第一实体轨迹进行异常分析,获取异常分析结果进行工厂运行管理。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310792168.XA CN116501005B (zh) | 2023-06-30 | 2023-06-30 | 一种数字孪生联动的工厂运行管理方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310792168.XA CN116501005B (zh) | 2023-06-30 | 2023-06-30 | 一种数字孪生联动的工厂运行管理方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116501005A true CN116501005A (zh) | 2023-07-28 |
CN116501005B CN116501005B (zh) | 2023-08-18 |
Family
ID=87323534
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310792168.XA Active CN116501005B (zh) | 2023-06-30 | 2023-06-30 | 一种数字孪生联动的工厂运行管理方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116501005B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116861204A (zh) * | 2023-09-05 | 2023-10-10 | 山东山森数控技术有限公司 | 基于数字孪生的智能制造设备数据管理系统 |
CN117092977A (zh) * | 2023-10-19 | 2023-11-21 | 山东汇颐信息技术有限公司 | 工业数字孪生的数据空间构建方法、系统、设备及介质 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CA2300639A1 (en) * | 1999-03-15 | 2000-09-15 | Whitehead Institute For Biomedical Research | Methods and apparatus for analyzing gene expression data |
WO2020147949A1 (en) * | 2019-01-16 | 2020-07-23 | Telefonaktiebolaget Lm Ericsson (Publ) | System for emulating remote control of a physical robot |
CN112417742A (zh) * | 2021-01-22 | 2021-02-26 | 浙江中自庆安新能源技术有限公司 | 一种基于数字孪生模型的齿轮箱寿命动态评估方法及系统 |
CN113777918A (zh) * | 2021-07-28 | 2021-12-10 | 张金宁 | 一种数字孪生架构的汽车智能线控底盘控制方法 |
US20220375621A1 (en) * | 2021-05-23 | 2022-11-24 | Innovision LLC | Digital twin |
CN115527409A (zh) * | 2022-09-02 | 2022-12-27 | 湖南汽车工程职业学院 | 一种应用于数字孪生工业机器人的实训执行终端 |
-
2023
- 2023-06-30 CN CN202310792168.XA patent/CN116501005B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CA2300639A1 (en) * | 1999-03-15 | 2000-09-15 | Whitehead Institute For Biomedical Research | Methods and apparatus for analyzing gene expression data |
WO2020147949A1 (en) * | 2019-01-16 | 2020-07-23 | Telefonaktiebolaget Lm Ericsson (Publ) | System for emulating remote control of a physical robot |
CN112417742A (zh) * | 2021-01-22 | 2021-02-26 | 浙江中自庆安新能源技术有限公司 | 一种基于数字孪生模型的齿轮箱寿命动态评估方法及系统 |
US20220375621A1 (en) * | 2021-05-23 | 2022-11-24 | Innovision LLC | Digital twin |
CN113777918A (zh) * | 2021-07-28 | 2021-12-10 | 张金宁 | 一种数字孪生架构的汽车智能线控底盘控制方法 |
CN115527409A (zh) * | 2022-09-02 | 2022-12-27 | 湖南汽车工程职业学院 | 一种应用于数字孪生工业机器人的实训执行终端 |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116861204A (zh) * | 2023-09-05 | 2023-10-10 | 山东山森数控技术有限公司 | 基于数字孪生的智能制造设备数据管理系统 |
CN116861204B (zh) * | 2023-09-05 | 2023-12-08 | 山东山森数控技术有限公司 | 基于数字孪生的智能制造设备数据管理系统 |
CN117092977A (zh) * | 2023-10-19 | 2023-11-21 | 山东汇颐信息技术有限公司 | 工业数字孪生的数据空间构建方法、系统、设备及介质 |
CN117092977B (zh) * | 2023-10-19 | 2024-01-30 | 山东汇颐信息技术有限公司 | 工业数字孪生的数据空间构建方法、系统、设备及介质 |
Also Published As
Publication number | Publication date |
---|---|
CN116501005B (zh) | 2023-08-18 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN116501005B (zh) | 一种数字孪生联动的工厂运行管理方法及系统 | |
CN111590581B (zh) | 机器人的定位补偿方法及装置 | |
Imkamp et al. | Challenges and trends in manufacturing measurement technology–the “Industrie 4.0” concept | |
Dowllng et al. | Statistical issues in geometric feature inspection using coordinate measuring machines | |
Assawaarayakul et al. | Integrate digital twin to exist production system for industry 4.0 | |
Li et al. | A flexible manufacturing assembly system with deep reinforcement learning | |
Qiao et al. | Advancing measurement science to assess monitoring, diagnostics, and prognostics for manufacturing robotics | |
Landgraf et al. | A hybrid neural network approach for increasing the absolute accuracy of industrial robots | |
CN114355953B (zh) | 一种基于机器视觉的多轴伺服系统的高精度控制方法及系统 | |
CN115576267B (zh) | 一种基于数字孪生的轮毂机加工尺寸误差修正方法 | |
Xiao et al. | An automatic calibration algorithm for laser vision sensor in robotic autonomous welding system | |
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 | |
Maric et al. | Unsupervised optimization approach to in situ calibration of collaborative human-robot interaction tools | |
Kato et al. | Predicting positioning error and finding features for large industrial robots based on Deep Learning | |
TW202302301A (zh) | 機械手臂與輪廓感測器座標系相對關係之自動校正方法與系統 | |
Zhou et al. | Adaptive hierarchical positioning error compensation for long-term service of industrial robots based on incremental learning with fixed-length memory window and incremental model reconstruction | |
Andres et al. | Calibration and control of a redundant robotic workcell for milling tasks | |
Solvang et al. | Robot programming in machining operations | |
CN114880930A (zh) | 一种基于在线学习的实体设备数字孪生建模仿真预测方法 | |
Hu et al. | The architecture, methodology and implementation of step-nc compliant closed-loop robot machining system | |
Cheng et al. | “Adult” robot enabled learning process in high precision assembly automation | |
Ostrowska et al. | Correction of the measuring system composed of the contact probe head mounted on the industrial robot | |
Zhao | An integrated process planning system for machining and inspection | |
CN114619438B (zh) | 基于视觉快速定位的柔性自适应装配方法 | |
CN117078681B (zh) | 一种点胶轨迹的三维仿真模拟方法及系统 |
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 |