CN117103281B - 一种机器人全融合仿真系统及方法 - Google Patents

一种机器人全融合仿真系统及方法 Download PDF

Info

Publication number
CN117103281B
CN117103281B CN202311363075.1A CN202311363075A CN117103281B CN 117103281 B CN117103281 B CN 117103281B CN 202311363075 A CN202311363075 A CN 202311363075A CN 117103281 B CN117103281 B CN 117103281B
Authority
CN
China
Prior art keywords
simulation
robot
scheduling
determining
host
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
CN202311363075.1A
Other languages
English (en)
Other versions
CN117103281A (zh
Inventor
姚忠辉
杨一鸣
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.)
Shenzhen Mo Ying Technology Co ltd
Original Assignee
Shenzhen Mo Ying Technology Co ltd
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 Shenzhen Mo Ying Technology Co ltd filed Critical Shenzhen Mo Ying Technology Co ltd
Priority to CN202311363075.1A priority Critical patent/CN117103281B/zh
Publication of CN117103281A publication Critical patent/CN117103281A/zh
Application granted granted Critical
Publication of CN117103281B publication Critical patent/CN117103281B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B25—HAND TOOLS; PORTABLE POWER-DRIVEN TOOLS; MANIPULATORS
    • B25J—MANIPULATORS; CHAMBERS PROVIDED WITH MANIPULATION DEVICES
    • B25J9/00—Programme-controlled manipulators
    • B25J9/16—Programme controls
    • B25J9/1602—Programme controls characterised by the control system, structure, architecture
    • B25J9/161—Hardware, e.g. neural networks, fuzzy logic, interfaces, processor
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B25—HAND TOOLS; PORTABLE POWER-DRIVEN TOOLS; MANIPULATORS
    • B25J—MANIPULATORS; CHAMBERS PROVIDED WITH MANIPULATION DEVICES
    • B25J9/00—Programme-controlled manipulators
    • B25J9/16—Programme controls
    • B25J9/1656—Programme controls characterised by programming, planning systems for manipulators
    • B25J9/1661—Programme controls characterised by programming, planning systems for manipulators characterised by task planning, object-oriented languages
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/20—Design optimisation, verification or simulation
    • 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

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Robotics (AREA)
  • Mechanical Engineering (AREA)
  • Evolutionary Computation (AREA)
  • Theoretical Computer Science (AREA)
  • Automation & Control Theory (AREA)
  • Mathematical Physics (AREA)
  • Artificial Intelligence (AREA)
  • Software Systems (AREA)
  • Computer Hardware Design (AREA)
  • Geometry (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Fuzzy Systems (AREA)
  • Manipulator (AREA)
  • Numerical Control (AREA)

Abstract

本发明提供了一种机器人全融合仿真系统及方法，包括：通过设计第一ROS网络代理节点和第二ROS网络代理节点实现主机与仿真机，仿真机和仿真机之间的通讯，为实现对机器人模块化的测试和分析提供通讯基础，通过基于机器人及其工作环境，创建仿真机器人环境，实现仿真人类、仿真加工设备等和仿真机器人在仿真世界的融合，为实现对机器人的仿真融合提供环境基础，通过基于主机调度信息，确定仿真主机中仿真机器人的调度等级和参与调度的机器人调度节点，基于调度等级和第二ROS网络代理节点，对仿真主机进行仿真运行，得到仿真结果，实现帮助客户选择合适的机器人配置需求。

Description

一种机器人全融合仿真系统及方法
技术领域
本发明涉及机器人仿真技术领域，特别涉及一种机器人全融合仿真系统及方法。
背景技术
机器人仿真技术是作业前对机器人的测试和验证的重要手段，如何基于含物理引擎的三维仿真软件设计模拟现实复杂作业任务和尽可能还原出现实场景的仿真测试平台是机器人仿真技术的研究要点。由于直接在实物机器人上进行算法的训练时间成本大，训练过程复杂，硬件损耗大。目前的研究是利用各优秀的物理仿真平台，建立模拟现实的仿真环境和机器人系统模型，在仿真环境进行训练，测试通过后在迁移到实物机器人上。通过机器人仿真系统，可以无消耗、安全的测试视觉算法和机器人的运动控制。
通常的机器人仿真技术一般为一个机器人对应一个仿真机器的模式来进行，不能实现对机器人模块化的测试和分析，也不能根据配置的不同进行多次不同的测试，不能满足客户丰富多样的仿真需求，从而不能帮助客户选择合适的机器人配置需求。
发明内容
本发明提供一种机器人全融合仿真系统及方法，用以解决背景技术中提出的问题。
一种机器人全融合仿真系统，包括：
创建模块，用于基于机器人及其工作环境，创建仿真机器人环境，并确定机器人主机内第一ROS网络代理节点和仿真世界所在仿真主机内第二ROS网络代理节点之间的通讯；
调度模块，用于基于客户的业务需求，确定对仿真主机的主机调度信息，并基于主机调度信息，确定仿真主机中仿真机器人的调度等级和参与调度的机器人调度节点；
指令确定模块，用于基于调度等级和第二ROS网络代理节点，确定对相关ROS网络代理节点的控制指令；
运行模块，用于按照控制指令，对仿真主机进行仿真运行，得到仿真结果。
优选的，还包括，配置筛选模块，用于基于仿真结果，根据客户要求的指标值范围筛选得到最优机器人配置；
配置筛选模块，包括：
筛选单元，用于计算每次仿真完成的仿真结果的质量效率指标，并从质量效率指标筛选出满足客户需求的目标质量效率指标；
参数确定单元，用于获取目标质量效率指标对应的目标仿真结果，并确定目标仿真结果对应的仿真主机的配置参数，将配置参数提供给客户。
优选的，创建模块，包括：
环境创建单元，用于将机器人的结构输入三维构建模型中，得到仿真机器人，将工作人员和加工设备的结构特征入三维构建模型中，得到仿真NPC，基于仿真机器人和仿真NPC，创建得到仿真机器人环境；
节点创建单元，用于基于真实的机器人的操作系统，确定机器人主机内操作节点，基于操作节点的操作信息，将所有操作节点进行汇聚得到第一ROS网络代理节点；
节点创建单元，还用于创建与仿真机器人环境进行通信的第二ROS网络代理节点，通过第一ROS网络代理节点和第二ROS网络代理节点实现机器人主机和仿真主机的通讯。
优选的，调度模块，包括：
业务分析单元，用于对客户的业务需求进行分析，确定业务需求对应的机器人参数配置，基于机器人配置参数对应的实现功能，将机器人配置参数划分为多组参数配置组；
配置划分单元，用于获取每组参数配置组的测试次数，将参数配置组按照测试次数进行再次划分，得到目标参数配置组；
匹配单元，用于基于目标参数配置组的配置特征，匹配在仿真世界中的目标仿真机器人和目标仿真机器人环境，并基于目标参数配置组的实现功能，确定目标仿真机器人的配置结构和对目标仿真机器人的环境位置；
第一确定单元，用于基于客户的业务需求，确定业务流程，并基于业务流程确定对目标参数配置组的仿真顺序，基于仿真顺序，确定对目标仿真机器人和目标仿真机器人环境的第一调度特征；
第二确定单元，用于基于目标仿真机器人的配置结构和对目标仿真机器人的环境位置，确定对目标仿真机器人和目标仿真机器人环境的第二调度特征，基于第一调度特征和第二调度特征，确定对目标仿真机器人和目标仿真机器人环境的总体调度特征；
调度确定单元，用于基于总体调度特征确定对仿真主机的主机调度信息。
优选的，调度确定单元，包括：
特征分析单元，用于基于总体调度特征，确定对目标仿真机器人和目标仿真机器人环境的顺序调度和功能调度；
信息确定单元，用于基于功能调度确定仿真主机对目标仿真机器人和目标仿真机器人的调度指令，基于顺序调度确定对调度指令的指令顺序，基于调度指令和指令顺序确定主机调度信息。
优选的，调度模块，还包括：
类型确定单元，用于基于主机调度信息，确定参与调度的目标仿真机器人，并基于调度指令，确定目标仿真机器人之间的执行关联，基于执行关联确定与只与机器人主机有执行关联的第一类型仿真机器人，获取与机器人主机和其他仿真机器人有执行关联的第二类型仿真机器人；
等级确定单元，用于对第一类型仿真机器人进行向下遍历，将与第一类型仿真机器人有执行关联的其他仿真机器人作为第二类型仿真机器人，对第二类型仿真机器人进行向下遍历，将与第二类型仿真机器人有执行关联的其他仿真机器人作为第三类型仿真机器人，按照上述方式，直到对目标仿真机器人完成遍历，确定目标仿真机器人的类型，并基于目标仿真机器人的类型，确定目标仿真机器人的调度等级；
确定单元，用于基于目标仿真机器人的调度等级，确定用于调度的机器人调度节点类型，基于调度指令，确定目标仿真机器人的调度结构特征，结合机器人调度节点类型，获取与调度结构特征匹配的机器人调度节点；
顺序确定单元，用于主机调度信息的调度顺序，确定最终的相关ROS网络代理节点之间的节点启动顺序，并将机器人调度节点的节点信息按照节点启动顺序进行汇聚得到汇聚节点，将汇聚节点传输至第二ROS网络代理节点。
优选的，指令确定模块，包括：
特征确定单元，用于基于汇聚节点，确定第二ROS网络代理节点的通讯传递特征和节点执行特征；
指令生成单元，用于基于通讯传递特征，确定对第二ROS网络代理节点的通讯指令，基于节点执行特征确定对第二ROS网络代理节点的执行指令，基于通讯指令和执行指令生成对第二ROS网络代理节点的控制指令。
优选的，运行模块，包括：
数据记录单元，用于按照控制指令启动仿真主机，对目标仿真机器人进行运行，记录运行过程中的运行数据和运行完成的结果数据；
结果确定单元，用于基于运行数据和结果数据，得到仿真结果。
优选的，运行模块，还包括：
监测单元，用于对仿真机器人运行过程进行监测，获取监测数据，将监测数据与预设标准运行数据进行比较，根据比较结果判断是否出现运行异常；
若是，停止对目标仿真机器人的运行，并进行预警提醒；
否则，确定运行正常，并继续进行新的监测。
一种机器人全融合仿真方法，包括：
S1：基于机器人及其工作环境，创建仿真机器人环境，并确定机器人主机内第一ROS网络代理节点和仿真世界所在仿真主机内第二ROS网络代理节点之间的通讯；
S2：基于客户的业务需求，确定对仿真主机的主机调度信息，并基于主机调度信息，确定仿真主机中仿真机器人的调度等级和参与调度的机器人调度节点；
S3：基于调度等级和第二ROS网络代理节点，确定对相关ROS网络代理节点的控制指令；
S4：按照控制指令，对仿真主机进行仿真运行，得到仿真结果。
与现有技术相比，本发明取得了一下有益效果：
通过设计第一ROS网络代理节点和第二ROS网络代理节点实现主机与仿真机，仿真机和仿真机之间的通讯，为实现对机器人模块化的测试和分析提供通讯基础，通过基于机器人及其工作环境，创建仿真机器人环境，实现仿真人类、仿真加工设备等和仿真机器人在仿真世界的融合，为实现对机器人的仿真融合提供环境基础，通过基于客户的业务需求，确定对仿真主机的主机调度信息，并基于主机调度信息，确定仿真主机中仿真机器人的调度等级和参与调度的机器人调度节点，基于调度等级和第二ROS网络代理节点，确定对相关ROS网络代理节点的控制指令，按照控制指令，对仿真主机进行仿真运行，得到仿真结果，实现帮助客户选择合适的机器人配置需求。
本发明的其它特征和优点将在随后的说明书中阐述，并且，部分地从说明书中变得显而易见，或者通过实施本发明而了解。本发明的目的和其他优点可通过在所写的说明书、权利要求书、以及附图中所特别指出的结构来实现和获得。
下面通过附图和实施例，对本发明的技术方案做进一步的详细描述。
附图说明
附图用来提供对本发明的进一步理解，并且构成说明书的一部分，与本发明的实施例一起用于解释本发明，并不构成对本发明的限制。在附图中：
图1为本发明实施例中一种机器人全融合仿真系统的结构图；
图2为本发明实施例中调度模块的结构图；
图3为本发明实施例中一种机器人全融合仿真方法的流程图。
具体实施方式
以下结合附图对本发明的优选实施例进行说明，应当理解，此处所描述的优选实施例仅用于说明和解释本发明，并不用于限定本发明。
实施例1：
本发明实施例提供一种机器人全融合仿真系统，如图1所示，包括：
创建模块，用于基于机器人及其工作环境，创建仿真机器人环境，并确定机器人主机内第一ROS网络代理节点和仿真世界所在仿真主机内第二ROS网络代理节点之间的通讯；
调度模块，用于基于客户的业务需求，确定对仿真主机的主机调度信息，并基于主机调度信息，确定仿真主机中仿真机器人的通讯等级和参与通讯的相关ROS网络代理节点；
指令确定模块，用于基于通讯等级和相关ROS网络代理节点，确定对相关ROS网络代理节点的控制指令；
运行模块，用于按照控制指令，对仿真主机进行仿真运行，得到仿真结果。
在该实施例中，仿真世界所在仿真主机中包含一个或多个仿真机器人，可用于不同配置的仿真。
在该实施例中，第一ROS网络代理节点和第二ROS网络代理节点之间的通讯实现真机与仿真机在仿真世界的融合，实现仿真机与仿真机在仿真世界的融合。
在该实施例中，机器人调度节点用于实现对对应仿真机器人的操作控制。
在该实施例中，一台仿真主机可以控制多个仿真机器人。
在该实施例中，对仿真主机进行仿真运行具体为多台仿真机器人进行运行，得到多个仿真结果。
在该实施例中，ROS的中文名称为机器人操作系统。
在该实施例中，仿真主机中包含的多个仿真机器人在同一个仿真世界中。
在该实施例中，仿真主机内支持不同仿真度的仿真机器人，实现方法是用网络连接的方式将仿真机器人所在计算机和仿真世界所在计算机连接起来。
上述设计方案的有益效果是：通过设计第一ROS网络代理节点和第二ROS网络代理节点实现主机与仿真机，仿真机和仿真机之间的通讯，为实现对机器人模块化的测试和分析提供通讯基础，通过基于机器人及其工作环境，创建仿真机器人环境，实现仿真人类、仿真加工设备等和仿真机器人在仿真世界的融合，为实现对机器人的仿真融合提供环境基础，通过基于客户的业务需求，确定对仿真主机的主机调度信息，并基于主机调度信息，确定仿真主机中仿真机器人的调度等级和参与调度的机器人调度节点，基于调度等级和第二ROS网络代理节点，确定对相关ROS网络代理节点的控制指令，按照控制指令，对仿真主机进行仿真运行，得到仿真结果，实现帮助客户选择合适的机器人配置需求。
实施例2：
基于实施例1的基础上，本发明实施例提供一种机器人全融合仿真系统，还包括，配置筛选模块，用于基于仿真结果，根据客户要求的指标值范围筛选得到最优机器人配置；
配置筛选模块，包括：
筛选单元，用于计算每次仿真完成的仿真结果的质量效率指标，并从质量效率指标筛选出满足客户需求的目标质量效率指标；
参数确定单元，用于获取目标质量效率指标对应的目标仿真结果，并确定目标仿真结果对应的仿真主机的配置参数，将配置参数提供给客户。
上述设计方案的有益效果是：可实现业务仿真，依次对工厂各配置在仿真环境中跑N次，求得每个配置的各种效率质量指标，根据客户要求筛选出符合要求的配置参数，帮助售前和客户确定部署方案，实现多机仿真与业务仿真融合。
实施例3：
基于实施例1的基础上，本发明实施例提供一种机器人全融合仿真系统，创建模块，包括：
环境创建单元，用于将机器人的结构输入三维构建模型中，得到仿真机器人，将工作人员和加工设备的结构特征入三维构建模型中，得到仿真NPC，基于仿真机器人和仿真NPC，创建得到仿真机器人环境；
节点创建单元，用于基于真实的机器人的操作系统，确定机器人主机内操作节点，基于操作节点的操作信息，将所有操作节点进行汇聚得到第一ROS网络代理节点；
节点创建单元，还用于创建与仿真机器人环境进行通信的第二ROS网络代理节点，通过第一ROS网络代理节点和第二ROS网络代理节点实现机器人主机和仿真主机的通讯。
在该实施例中，用于基于真实的机器人的操作系统，确定机器人主机内第一ROS网络代理节点，将真实的机器人工作环境与仿真机器人环境进行匹配，根据匹配结果，确定与第一ROS网络代理节点对应的仿真世界所在仿真主机内第二ROS网络代理节点中的网络代理节点为对机器人的控制节点。
上述设计方案的有益效果是：通过基于机器人及其工作环境，创建仿真机器人环境，实现仿真人类、仿真加工设备等和仿真机器人在仿真世界的融合，为实现对机器人的仿真融合提供环境基础。
实施例4：
基于实施例1的基础上，本发明实施例提供一种机器人全融合仿真系统，调度模块，包括：
业务分析单元，用于对客户的业务需求进行分析，确定业务需求对应的机器人参数配置，基于机器人配置参数对应的实现功能，将机器人配置参数划分为多组参数配置组；
配置划分单元，用于获取每组参数配置组的测试次数，将参数配置组按照测试次数进行再次划分，得到目标参数配置组；
匹配单元，用于基于目标参数配置组的配置特征，匹配在仿真世界中的目标仿真机器人和目标仿真机器人环境，并基于目标参数配置组的实现功能，确定目标仿真机器人的配置结构和对目标仿真机器人的环境位置；
第一确定单元，用于基于客户的业务需求，确定业务流程，并基于业务流程确定对目标参数配置组的仿真顺序，基于仿真顺序，确定对目标仿真机器人和目标仿真机器人环境的第一调度特征；
第二确定单元，用于基于目标仿真机器人的配置结构和对目标仿真机器人的环境位置，确定对目标仿真机器人和目标仿真机器人环境的第二调度特征，基于第一调度特征和第二调度特征，确定对目标仿真机器人和目标仿真机器人环境的总体调度特征；
调度确定单元，用于基于总体调度特征确定对仿真主机的主机调度信息。
在该实施例中，基于机器人配置参数对应的实现功能和测试次数进行配置参数划分，保证得到的目标参数配置组能够更好地满足业务需求。
在该实施例中，第一调度特征为调度顺序特征，第二调度特征为功能结构调度特征。
上述设计方案的有益效果是：通过根据业务需求对应的参数配置进行分析和划分，确定满足于参数配置的总体调度特征，基于总体调度特征确定对仿真主机的主机调度信息，保证得到的主机调度信息的最优性，为机器人全融合仿真提供调度基础。
实施例5：
基于实施例4的基础上，本发明实施例提供一种机器人全融合仿真系统，调度确定单元，包括：
特征分析单元，用于基于总体调度特征，确定对目标仿真机器人和目标仿真机器人环境的顺序调度和功能调度；
信息确定单元，用于基于功能调度确定仿真主机对目标仿真机器人和目标仿真机器人的调度指令，基于顺序调度确定对调度指令的指令顺序，基于调度指令和指令顺序确定主机调度信息。
上述设计方案的有益效果是：保证得到的主机调度信息考虑功能和顺序两方面，为机器人全融合仿真提供调度基础。
实施例6：
基于实施例1的基础上，本发明实施例提供一种机器人全融合仿真系统，如图2所示，调度模块，还包括：
类型确定单元，用于基于主机调度信息，确定参与调度的目标仿真机器人，并基于调度指令，确定目标仿真机器人之间的执行关联，基于执行关联确定与只与机器人主机有执行关联的第一类型仿真机器人，获取与机器人主机和其他仿真机器人有执行关联的第二类型仿真机器人；
等级确定单元，用于对第一类型仿真机器人进行向下遍历，将与第一类型仿真机器人有执行关联的其他仿真机器人作为第二类型仿真机器人，对第二类型仿真机器人进行向下遍历，将与第二类型仿真机器人有执行关联的其他仿真机器人作为第三类型仿真机器人，按照上述方式，直到对目标仿真机器人完成遍历，确定目标仿真机器人的类型，并基于目标仿真机器人的类型，确定目标仿真机器人的调度等级；
确定单元，用于基于目标仿真机器人的调度等级，确定用于调度的机器人调度节点类型，基于调度指令，确定目标仿真机器人的调度结构特征，结合机器人调度节点类型，获取与调度结构特征匹配的机器人调度节点；
顺序确定单元，用于主机调度信息的调度顺序，确定最终的相关ROS网络代理节点之间的节点启动顺序，并将机器人调度节点的节点信息按照节点启动顺序进行汇聚得到汇聚节点，将汇聚节点传输至第二ROS网络代理节点。
在该实施例中，目标仿真机器人为第几类型对应的目标仿真机器人的调度等级即为第几等级，等级数越高，对应的调度在业务运行中的进程越靠后。
在该实施例中，调度等级低的仿真机器人在运行时受到调度等级高的仿真机器人的影响，例如需要为调度等级高的仿真机器人进行避障等。
上述设计方案的有益效果是：基于主机调度信息，确定仿真主机中仿真机器人的调度等级，并确定用于调度的机器人调度节点类型，基于调度指令，确定目标仿真机器人的调度结构特征，结合机器人调度节点类型，获取与调度结构特征匹配的机器人调度节点，满足客户丰富多样的仿真需求，实现帮助客户选择合适的机器人调度需求。
实施例7：
基于实施例1的基础上，本发明实施例提供一种机器人全融合仿真系统，指令确定模块，包括：
特征确定单元，用于基于汇聚节点，确定第二ROS网络代理节点的通讯传递特征和节点执行特征；
指令生成单元，用于基于通讯传递特征，确定对第二ROS网络代理节点的通讯指令，基于节点执行特征确定对第二ROS网络代理节点的执行指令，基于通讯指令和执行指令生成对第二ROS网络代理节点的控制指令。
上述设计方案的有益效果是：基于通讯指令和执行指令生成对第二ROS网络代理节点的控制指令，保证得到的控制指令可以满足客户丰富多样的仿真需求，实现帮助客户选择合适的机器人配置需求。
实施例8：
基于实施例1的基础上，本发明实施例提供一种机器人全融合仿真系统，运行模块，包括：
数据记录单元，用于按照控制指令启动仿真主机，对目标仿真机器人进行运行，记录运行过程中的运行数据和运行完成的结果数据；
结果确定单元，用于基于运行数据和结果数据，得到仿真结果。
上述设计方案的有益效果是：按照控制指令，对仿真主机进行仿真运行，得到仿真结果，实现帮助客户选择合适的机器人配置需求。
实施例9：
基于实施例8的基础上，本发明实施例提供一种机器人全融合仿真系统，运行模块，还包括：
监测单元，用于对仿真机器人运行过程进行监测，获取监测数据，将监测数据与预设标准运行数据进行比较，根据比较结果判断是否出现运行异常；
若是，停止对目标仿真机器人的运行，并进行预警提醒；
否则，确定运行正常，并继续进行新的监测。
上述设计方案的有益效果是：通过对仿真机器人运行过程进行监测，获取监测数据，将监测数据与预设标准运行数据进行比较，根据比较结果判断是否出现运行异常；若是，停止对目标仿真机器人的运行，并进行预警提醒；否则，确定运行正常，并继续进行新的监测，保证机器人全融合仿真的顺利运行，提供最优的运行环境，从而保证仿真结果的真实性，满足客户丰富多样的仿真需求。
实施例10：
本发明提供一种机器人全融合仿真方法，如图3所示，包括：
S1：基于机器人及其工作环境，创建仿真机器人环境，并确定机器人主机内第一ROS网络代理节点和仿真世界所在仿真主机内第二ROS网络代理节点之间的通讯；
S2：基于客户的业务需求，确定对仿真主机的主机调度信息，并基于主机调度信息，确定仿真主机中仿真机器人的通讯等级和参与通讯的相关ROS网络代理节点；
S3：基于通讯等级和相关ROS网络代理节点，确定对相关ROS网络代理节点的控制指令；
S4：按照控制指令，对仿真主机进行仿真运行，得到仿真结果。
在该实施例中，仿真世界所在仿真主机中包含一个或多个仿真机器人，可用于不同配置的仿真。
在该实施例中，仿真世界所在仿真主机中包含一个或多个仿真机器人，可用于不同配置的仿真。
在该实施例中，第一ROS网络代理节点和第二ROS网络代理节点之间的通讯实现真机与仿真机在仿真世界的融合，实现仿真机与仿真机在仿真世界的融合。
在该实施例中，机器人调度节点用于实现对对应仿真机器人的操作控制。
在该实施例中，一台仿真主机可以控制多个仿真机器人。
在该实施例中，对仿真主机进行仿真运行具体为多台仿真机器人进行运行，得到多个仿真结果。
在该实施例中，ROS的中文名称为机器人操作系统。
在该实施例中，仿真主机中包含的多个仿真机器人在同一个仿真世界中。
在该实施例中，仿真主机内支持不同仿真度的仿真机器人，实现方法是用网络连接的方式将仿真机器人所在计算机和仿真世界所在计算机连接起来。
上述设计方案的有益效果是：通过设计第一ROS网络代理节点和第二ROS网络代理节点实现主机与仿真机，仿真机和仿真机之间的通讯，为实现对机器人模块化的测试和分析提供通讯基础，通过基于机器人及其工作环境，创建仿真机器人环境，实现仿真人类、仿真加工设备等和仿真机器人在仿真世界的融合，为实现对机器人的仿真融合提供环境基础，通过基于客户的业务需求，确定对仿真主机的主机调度信息，并基于主机调度信息，确定仿真主机中仿真机器人的调度等级和参与调度的机器人调度节点，基于调度等级和第二ROS网络代理节点，确定对相关ROS网络代理节点的控制指令，按照控制指令，对仿真主机进行仿真运行，得到仿真结果，实现帮助客户选择合适的机器人配置需求。
显然，本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样，倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内，则本发明也意图包含这些改动和变型在内。

Claims (10)

1.一种机器人全融合仿真系统，其特征在于，包括：
创建模块，用于基于机器人及其工作环境，创建仿真机器人环境，并确定机器人主机内第一ROS网络代理节点和仿真世界所在仿真主机内第二ROS网络代理节点之间的通讯；
调度模块，用于基于客户的业务需求，确定对仿真主机的主机调度信息，并基于主机调度信息，确定仿真主机中仿真机器人的调度等级和参与调度的机器人调度节点；
指令确定模块，用于基于调度等级和第二ROS网络代理节点，确定对第二ROS网络代理节点的控制指令；
运行模块，用于按照控制指令，对仿真主机进行仿真运行，得到仿真结果。
2.根据权利要求1所述的一种机器人全融合仿真系统，其特征在于，还包括，配置筛选模块，用于基于仿真结果，根据客户要求的指标值范围筛选得到最优机器人配置；
所述配置筛选模块，包括：
筛选单元，用于计算每次仿真完成的仿真结果的质量效率指标，并从质量效率指标筛选出满足客户需求的目标质量效率指标；
参数确定单元，用于获取目标质量效率指标对应的目标仿真结果，并确定目标仿真结果对应的仿真主机的配置参数，将配置参数提供给客户。
3.根据权利要求1所述的一种机器人全融合仿真系统，其特征在于，所述创建模块，包括：
环境创建单元，用于将机器人的结构输入三维构建模型中，得到仿真机器人，将工作人员和加工设备的结构特征入三维构建模型中，得到仿真NPC，基于仿真机器人和仿真NPC，创建得到仿真机器人环境；
节点创建单元，用于基于真实的机器人的操作系统，确定机器人主机内操作节点，基于操作节点的操作信息，将所有操作节点进行汇聚得到第一ROS网络代理节点；
节点创建单元，还用于创建与仿真机器人环境进行通信的第二ROS网络代理节点，通过第一ROS网络代理节点和第二ROS网络代理节点实现机器人主机和仿真主机的通讯。
4.根据权利要求1所述的一种机器人全融合仿真系统，其特征在于，所述调度模块，包括：
业务分析单元，用于对客户的业务需求进行分析，确定业务需求对应的机器人参数配置，基于机器人配置参数对应的实现功能，将机器人配置参数划分为多组参数配置组；
配置划分单元，用于获取每组参数配置组的测试次数，将参数配置组按照测试次数进行再次划分，得到目标参数配置组；
匹配单元，用于基于目标参数配置组的配置特征，匹配在仿真世界中的目标仿真机器人和目标仿真机器人环境，并基于目标参数配置组的实现功能，确定目标仿真机器人的配置结构和对目标仿真机器人的环境位置；
第一确定单元，用于基于客户的业务需求，确定业务流程，并基于业务流程确定对目标参数配置组的仿真顺序，基于仿真顺序，确定对目标仿真机器人和目标仿真机器人环境的第一调度特征；
第二确定单元，用于基于目标仿真机器人的配置结构和对目标仿真机器人的环境位置，确定对目标仿真机器人和目标仿真机器人环境的第二调度特征，基于第一调度特征和第二调度特征，确定对目标仿真机器人和目标仿真机器人环境的总体调度特征；
调度确定单元，用于基于总体调度特征确定对仿真主机的主机调度信息。
5.根据权利要求4所述的一种机器人全融合仿真系统，其特征在于，调度确定单元，包括：
特征分析单元，用于基于总体调度特征，确定对目标仿真机器人和目标仿真机器人环境的顺序调度和功能调度；
信息确定单元，用于基于功能调度确定仿真主机对目标仿真机器人的调度指令，基于顺序调度确定对调度指令的指令顺序，基于调度指令和指令顺序确定主机调度信息。
6.根据权利要求1所述的一种机器人全融合仿真系统，其特征在于，调度模块，还包括：
类型确定单元，用于基于主机调度信息，确定参与调度的目标仿真机器人，并基于调度指令，确定目标仿真机器人之间的执行关联，基于执行关联确定只与机器人主机有执行关联的第一类型仿真机器人，获取与机器人主机和其他仿真机器人有执行关联的第二类型仿真机器人；
等级确定单元，用于对第一类型仿真机器人进行向下遍历，将与第一类型仿真机器人有执行关联的其他仿真机器人作为第二类型仿真机器人，对第二类型仿真机器人进行向下遍历，将与第二类型仿真机器人有执行关联的其他仿真机器人作为第三类型仿真机器人，按照上述方式，直到对目标仿真机器人完成遍历，确定目标仿真机器人的类型，并基于目标仿真机器人的类型，确定目标仿真机器人的调度等级；
确定单元，用于基于目标仿真机器人的调度等级，确定用于调度的机器人调度节点类型，基于调度指令，确定目标仿真机器人的调度结构特征，结合机器人调度节点类型，获取与调度结构特征匹配的机器人调度节点；
顺序确定单元，用于确定主机调度信息的调度顺序，以确定最终的相关ROS网络代理节点之间的节点启动顺序，并将机器人调度节点的节点信息按照节点启动顺序进行汇聚得到汇聚节点，将汇聚节点传输至第二ROS网络代理节点。
7.根据权利要求6所述的一种机器人全融合仿真系统，其特征在于，指令确定模块，包括：
特征确定单元，用于基于汇聚节点，确定第二ROS网络代理节点的通讯传递特征和节点执行特征；
指令生成单元，用于基于通讯传递特征，确定对第二ROS网络代理节点的通讯指令，基于节点执行特征确定对第二ROS网络代理节点的执行指令，基于通讯指令和执行指令生成对第二ROS网络代理节点的控制指令。
8.根据权利要求1所述的一种机器人全融合仿真系统，其特征在于，运行模块，包括：
数据记录单元，用于按照控制指令启动仿真主机，对目标仿真机器人进行运行，记录运行过程中的运行数据和运行完成的结果数据；
结果确定单元，用于基于运行数据和结果数据，得到仿真结果。
9.根据权利要求8所述的一种机器人全融合仿真系统，其特征在于，运行模块，还包括：
监测单元，用于对仿真机器人运行过程进行监测，获取监测数据，将监测数据与预设标准运行数据进行比较，根据比较结果判断是否出现运行异常；
若是，停止对目标仿真机器人的运行，并进行预警提醒；
否则，确定运行正常，并继续进行新的监测。
10.一种机器人全融合仿真方法，其特征在于，包括：
S1：基于机器人及其工作环境，创建仿真机器人环境，并确定机器人主机内第一ROS网络代理节点和仿真世界所在仿真主机内第二ROS网络代理节点之间的通讯；
S2：基于客户的业务需求，确定对仿真主机的主机调度信息，并基于主机调度信息，确定仿真主机中仿真机器人的调度等级和参与调度的机器人调度节点；
S3：基于调度等级和第二ROS网络代理节点，确定对第二ROS网络代理节点的控制指令；
S4：按照控制指令，对仿真主机进行仿真运行，得到仿真结果。
CN202311363075.1A 2023-10-20 2023-10-20 一种机器人全融合仿真系统及方法 Active CN117103281B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202311363075.1A CN117103281B (zh) 2023-10-20 2023-10-20 一种机器人全融合仿真系统及方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202311363075.1A CN117103281B (zh) 2023-10-20 2023-10-20 一种机器人全融合仿真系统及方法

Publications (2)

Publication Number Publication Date
CN117103281A CN117103281A (zh) 2023-11-24
CN117103281B true CN117103281B (zh) 2024-01-26

Family

ID=88798595

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202311363075.1A Active CN117103281B (zh) 2023-10-20 2023-10-20 一种机器人全融合仿真系统及方法

Country Status (1)

Country Link
CN (1) CN117103281B (zh)

Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106503320A (zh) * 2016-10-17 2017-03-15 北京理工大学 一种分布式仿真系统的顺序模型调度方法
CN110781576A (zh) * 2019-09-09 2020-02-11 腾讯科技（深圳）有限公司 一种仿真节点调度方法、装置及设备
CN111897300A (zh) * 2020-07-31 2020-11-06 上海交通大学 一种基于opc-ua的软/硬件联合仿真系统及其自适应协同方法
CN112069072A (zh) * 2020-09-07 2020-12-11 上海高仙自动化科技发展有限公司 一种机器人仿真控制系统、方法、服务器及存储介质
CN112091394A (zh) * 2020-09-17 2020-12-18 青岛职业技术学院 一种工业机器人点焊实训系统
CN112906245A (zh) * 2021-03-19 2021-06-04 上海高仙自动化科技发展有限公司 一种多机器人仿真方法、系统、仿真服务器和终端
CN113189983A (zh) * 2021-04-13 2021-07-30 中国人民解放军国防科技大学 一种面向开放场景的多机器人协同多目标采样方法
CN113343412A (zh) * 2021-04-22 2021-09-03 国网浙江省电力有限公司嘉兴供电公司 一种机械臂末端精准定位虚拟仿真方法
CN114663580A (zh) * 2022-02-28 2022-06-24 浙江工业大学 一种工业机器人生产线的虚拟仿真方法
CN116562054A (zh) * 2023-07-06 2023-08-08 西安羚控电子科技有限公司 一种多实体协同实时仿真系统的构建方法及装置

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US11318616B2 (en) * 2019-11-11 2022-05-03 Rockwell Automation Technologies, Inc. Robotic digital twin control with industrial context simulation

Patent Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106503320A (zh) * 2016-10-17 2017-03-15 北京理工大学 一种分布式仿真系统的顺序模型调度方法
CN110781576A (zh) * 2019-09-09 2020-02-11 腾讯科技（深圳）有限公司 一种仿真节点调度方法、装置及设备
CN111897300A (zh) * 2020-07-31 2020-11-06 上海交通大学 一种基于opc-ua的软/硬件联合仿真系统及其自适应协同方法
CN112069072A (zh) * 2020-09-07 2020-12-11 上海高仙自动化科技发展有限公司 一种机器人仿真控制系统、方法、服务器及存储介质
CN112091394A (zh) * 2020-09-17 2020-12-18 青岛职业技术学院 一种工业机器人点焊实训系统
CN112906245A (zh) * 2021-03-19 2021-06-04 上海高仙自动化科技发展有限公司 一种多机器人仿真方法、系统、仿真服务器和终端
CN113189983A (zh) * 2021-04-13 2021-07-30 中国人民解放军国防科技大学 一种面向开放场景的多机器人协同多目标采样方法
CN113343412A (zh) * 2021-04-22 2021-09-03 国网浙江省电力有限公司嘉兴供电公司 一种机械臂末端精准定位虚拟仿真方法
CN114663580A (zh) * 2022-02-28 2022-06-24 浙江工业大学 一种工业机器人生产线的虚拟仿真方法
CN116562054A (zh) * 2023-07-06 2023-08-08 西安羚控电子科技有限公司 一种多实体协同实时仿真系统的构建方法及装置

Also Published As

Publication number Publication date
CN117103281A (zh) 2023-11-24

Similar Documents

Publication Publication Date Title
CN112153010B (zh) 一种网络安全靶场系统及其运行方法
CN106780116A (zh) 电力应急演练方法、装置及其情景模型的构建方法、装置
CN114338418B (zh) 一种虚实结合的信息网络验证平台
Čertický et al. Agent-based simulation testbed for on-demand mobility services
CN108052444A (zh) 一种用于移动应用的性能测试的方法与装置
Lane et al. Synthesizing SoS concepts for use in cost modeling
CN110414692A (zh) 一种基于建筑信息模型的设备运维管理方法及装置
Ficco et al. Optimized task allocation on private cloud for hybrid simulation of large-scale critical systems
CN113837908A (zh) 一种基于课程的网络培训系统与方法
Gadmer et al. Human-Automation-Railway remote control: how to define shared information and functions?
Santos et al. Industrial IoT integrated with simulation-A digital twin approach to support real-time decision making
CN117103281B (zh) 一种机器人全融合仿真系统及方法
CN113741511A (zh) 一种无人机集群推演及故障诊断方法、系统
Juang et al. Real-time image recognition and path tracking of a wheeled mobile robot for taking an elevator
Singh et al. Towards fine grained human behaviour simulation models
CN109949647A (zh) Thds故障排查培训系统、培训方法及装置
Seibt et al. 3D modeling of selected assets, security zones and conduits
Tan et al. A digital twin based design of the semi-physical marine engine room simulator for remote maintenance assistance
Rădac et al. Experiment-based performance improvement of state feedback control systems for single input processes
CN114399804A (zh) 一种基于3d模拟虚拟实验室教学实现方法、系统、介质及设备
Hitchcock et al. The role of hybrid systems theory in virtual manufacturing
CN110335515B (zh) 一种沉浸式协同交互虚拟仿真教学系统
KR20220030760A (ko) 가상현실(vr)/증강현실(ar) 환경에서 협업 딥러닝을 활용한 개인 맞춤형 항공 조종사 훈련시스템 및 그 방법
CN113254440A (zh) 自定义编辑课程虚拟仿真系统实现方法
Ibarra-Martínez et al. Optimizing urban traffic control using a rational agent

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