CN111538294B - 基于数字孪生的工业机器人制造***可重构***与方法 - Google Patents
基于数字孪生的工业机器人制造***可重构***与方法 Download PDFInfo
- Publication number
- CN111538294B CN111538294B CN201911120960.0A CN201911120960A CN111538294B CN 111538294 B CN111538294 B CN 111538294B CN 201911120960 A CN201911120960 A CN 201911120960A CN 111538294 B CN111538294 B CN 111538294B
- Authority
- CN
- China
- Prior art keywords
- reconstruction
- manufacturing system
- digital twin
- twin
- industrial robot
- 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
Links
- 238000004519 manufacturing process Methods 0.000 title claims abstract description 222
- 238000000034 method Methods 0.000 title claims abstract description 46
- 238000004088 simulation Methods 0.000 claims abstract description 50
- 230000000007 visual effect Effects 0.000 claims abstract description 17
- 230000000694 effects Effects 0.000 claims abstract description 11
- 238000013507 mapping Methods 0.000 claims description 22
- 239000000463 material Substances 0.000 claims description 21
- 238000004891 communication Methods 0.000 claims description 18
- 238000012163 sequencing technique Methods 0.000 claims description 14
- 238000005520 cutting process Methods 0.000 claims description 12
- 230000006870 function Effects 0.000 claims description 12
- 230000009471 action Effects 0.000 claims description 10
- 238000004364 calculation method Methods 0.000 claims description 9
- 230000001133 acceleration Effects 0.000 claims description 8
- 230000003993 interaction Effects 0.000 claims description 8
- 238000005215 recombination Methods 0.000 claims description 7
- 230000006798 recombination Effects 0.000 claims description 7
- 230000008859 change Effects 0.000 claims description 6
- 230000003068 static effect Effects 0.000 claims description 6
- 238000013461 design Methods 0.000 abstract description 5
- 238000012795 verification Methods 0.000 abstract description 4
- 238000005457 optimization Methods 0.000 abstract description 3
- 230000002452 interceptive effect Effects 0.000 abstract 1
- 239000000047 product Substances 0.000 description 19
- 238000012544 monitoring process Methods 0.000 description 7
- 238000005516 engineering process Methods 0.000 description 4
- 239000000284 extract Substances 0.000 description 4
- 238000010276 construction Methods 0.000 description 3
- 238000012217 deletion Methods 0.000 description 3
- 230000037430 deletion Effects 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 238000006073 displacement reaction Methods 0.000 description 3
- 230000014509 gene expression Effects 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 230000001419 dependent effect Effects 0.000 description 2
- 238000012423 maintenance Methods 0.000 description 2
- 238000007726 management method Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000003466 welding Methods 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 238000007667 floating Methods 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 239000000178 monomer Substances 0.000 description 1
- -1 parts and the like) Substances 0.000 description 1
- 230000000704 physical effect Effects 0.000 description 1
- 238000004886 process control Methods 0.000 description 1
- 239000002994 raw material Substances 0.000 description 1
- 230000008521 reorganization Effects 0.000 description 1
- 239000011265 semifinished product Substances 0.000 description 1
- 238000003860 storage Methods 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
- 230000001960 triggered effect Effects 0.000 description 1
Images
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] or computer integrated manufacturing [CIM]
- G05B19/41885—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] or computer integrated manufacturing [CIM] characterised by modeling, simulation of the manufacturing system
-
- 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)
- Manufacturing & Machinery (AREA)
- General Engineering & Computer Science (AREA)
- Quality & Reliability (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- General Factory Administration (AREA)
- Numerical Control (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Feedback Control In General (AREA)
Abstract
本发明公开了一种基于数字孪生的工业机器人制造***可重构***与方法，该***包括：数据采集单元、五维数字孪生模型单元、孪生体依赖树、重构策略单元和虚拟可视化仿真平台；所述数据采集单元，用于采集工业机器人制造***的信息数据；所述五维数字孪生模型单元，用于构建制造***中建模对象的五维数字孪生模型，并获得五维数字孪生模型的参数；所述孪生体依赖树，用于为重构策略提供***结构知识基础，支持重构排序的实现；所述重构策略单元，用于获得工业机器人制造***的重构方案；所述虚拟可视化仿真平台，用于验证重构方案的效果。本发明在不妨碍制造***正常的生产任务的同时实现重构设计、验证与优化，极大减少重构成本。
Description
技术领域
本发明涉及虚拟仿真和制造***可重构技术，尤其涉及一种基于数字孪生的工业机器人制造***可重构***与方法。
背景技术
基于数字孪生的工业机器人制造***具备数字孪生技术和工业机器人技术两方面的巨大优势，为工业机器人的发展提供有力技术支持。
其中，数字孪生技术使得制造***的管控、运维更加方便与智能化，同时基于数字孪生体的产品设计、***设计、流程优化、结果预测等功能使得企业在产前的时间成本和经济成本大幅降低。工业机器人作为一种先进的智能装备广泛应用于制造领域，具有效率高、精度高、安全性高、功能多样等优点，极大地提高了企业的生产效率。
目前针对基于数字孪生的工业机器人制造***的可重构建模方法还很不成熟，相关的中国专利文献CN109657354A公开了一种基于数字孪生的混流装配车间快速重构方法及***，该方法主要提升了装配车间的重构效率，其关键之处在于使用了仿真模型来求解混流装配线设计与平衡问题以及最佳配料区储位物料分配问题，进而通过仿真模拟验证与人工检验调整得到最佳重构方案。
发明内容
本发明要解决的技术问题在于针对现有技术中的缺陷，提供一种基于数字孪生的工业机器人制造***可重构***与方法。
本发明解决其技术问题所采用的技术方案是：一种基于数字孪生的工业机器人制造***可重构***，包括：
数据采集单元、五维数字孪生模型单元、孪生体依赖树、工业机器人制造***的重构策略单元和虚拟可视化仿真平台；
所述数据采集单元，用于采集工业机器人制造***的运行参数和获取物理制造***中制造装备、工具、通信设备、产品、物料的说明书和使用手册；
所述五维数字孪生模型单元，用于根据数据采集单元采集和获取的数据构建(或更新)制造***中建模对象的五维数字孪生模型，并获得五维数字孪生模型的参数；
所述孪生体依赖树，用于为重构策略提供***结构知识基础，支持重构排序的实现；所述孪生体依赖树通过推理五维模型获得，并根据五维模型的更新而更新；
所述工业机器人制造***的重构策略单元，用于根据需求选择工业机器人制造***的重构策略，获得工业机器人制造***的重构方案；所述重构策略包括面向物理***重组的映射重构策略和面向制造新需求的仿真重构策略两种，前者用于解决当物理制造***结构或功能变更时如何重构数字孪生体使之再次与物理制造***匹配的问题，后者用于解决当有新的制造需求时如何在虚拟环境中重构制造***使之达到预期需求的问题；
所述虚拟可视化仿真平台，用于验证重构完成的虚拟制造***的效果。
按上述方案，所述五维数字孪生模型是基于本体语言、利用面向对象的方式构建，其模型参数保存在本体或各类型数据库中，并随制造***运行参数的变化而实时更新。
按上述方案，所述孪生体依赖树包括了***内所有的数字孪生体的实例、实例之间的依赖关系以及每个实例所拥有的各种类型的接口，依赖树的参数存储在本体或各类型数据库中。
按上述方案，所述孪生体依赖树通过推理五维模型获得孪生体依赖树，具体步骤如下：
首先，定义基于模式的依赖树生成规则，该模式基于五维数字孪生模型实例(对应于物理制造***中的各个制造装备、工具、通信设备、产品、物料等)各种参数的数据类型和标识符提取有效的信息，然后，把从环境对象“地板”开始依次读取的每个实体已经使用的能力接口存入多维数组中，最后，基于数组解析规则推理得到孪生体依赖树，另外，设置循环程序用于监听五维数字孪生模型参数的更新以实现依赖树的实时自动更新。
按上述方案，所述根据需求选择工业机器人制造***的重构策略，获得工业机器人制造***的重构方案；
具体如下：
对于面向物理***重组的映射重构策略，当***监听到存储物理制造***相关信息的数据库表的内容发生了变化，遍历物理制造***中的物理实体的名称以及关联状态信息，获得需要重构的单元的名称和编号，在虚拟制造***和组件库中选取相应的数字孪生体，根据其在依赖树中相对位置进行重构排序，依据排序结果依次进行上述数字孪生体的增量重构、裁剪重构、替换重构和调整重构，最后进行整个虚拟制造***的初始化，使虚拟制造装备、工具、通信设备、产品、物料等的状态与当前物理制造***中的对应单元的状态相同；对于面向制造新需求的仿真重构策略，当***监听到来自人机交互界面的仿真重构请求，基于规则计算得到当前制造***的制造能力与期望值之间的量化差距，在组件库和虚拟***中选取能够减少该差距的数字孪生体，根据其在依赖树中相对位置进行重构排序，依据排序结果依次进行上述数字孪生体的增量重构、裁剪重构、替换重构和调整重构，每执行完一个完整的重构环节就将虚拟制造***初始化依次并重新计算制造能力量化差异，然后根据最新的差异值再次执行重构操作直至差异值为0。
一种基于数字孪生的工业机器人制造***可重构方法，包括以下步骤：
1)采集工业机器人制造***的运行参数，所述运行参数包括：各个自由度驱动电机的实时状态(对于旋转关节指实时角度值，对于平移关节指实时位移量)、当前执行动作的速度(可细分为TCP速度和关节速度)、当前执行动作的加速度(可细分为TCP加速度和关节加速度)、使能信号值、运行模式变量值、急停信号值、自定义状态值等；
2)收集并汇聚物理制造***中制造装备、工具、通信设备、产品、物料的说明书和使用手册，创建或更新这些建模对象的五维数字孪生模型，创建或更新上述物理制造***中建模对象相应的规则属性、行为属性和能力属性，形成初步的五维数字孪生模型；所述五维数字孪生模型包括：几何模型、物理模型、能力模型、行为模型和规则模型五个维度；
3)根据制造***的运行参数获得五维数字孪生模型的参数；
所述五维数字孪生模型的参数包括静态参数、运行参数和动态参数；
4)通过推理五维模型获得孪生体依赖树，并根据五维模型的更新而更新，为重构提供***结构知识基础，支持重构排序的实现；
所述孪生体依赖树包括了***内所有的数字孪生体的实例、实例之间的依赖关系以及每个实例所拥有的各种类型的接口，依赖树的参数存储在本体或各类型数据库中；
5)根据需求选择工业机器人制造***的重构策略，获得工业机器人制造***的重构方案，根据当前依赖树的参数，对待重构单元进行重构排序，获得重构的制造***；
所述工业机器人制造***的重构策略包括面向物理***重组的映射重构策略和面向制造新需求的仿真重构策略，前者用于解决当物理制造***结构或功能变更时如何重构数字孪生体使之再次与物理制造***匹配的问题，后者用于解决当有新的制造需求时如何在虚拟环境中重构制造***使之达到预期需求的问题；
6)将重构完成虚拟制造***在虚拟可视化仿真平台中可视化并验证重构的效果，若效果不满足需求，则依据制造能力差异值和重构策略再次生成方案直至完成重构任务。
按上述方案，所述步骤3)中五维数字孪生模型的参数保存在本体或各类型数据库中，并随制造***运行参数的变化而实时更新。
按上述方案，所述步骤4)中通过推理五维模型获得孪生体依赖树，具体步骤如下：
首先，定义基于模式的依赖树生成规则，该模式可基于五维数字孪生模型实例(对应于物理制造***中的各个制造装备、工具、通信设备、产品、物料等)各种参数的数据类型和标识符提取有效的信息，然后，把从环境对象“地板”开始依次读取的每个实体已经使用的能力接口存入多维数组中，最后，基于数组解析规则推理得到孪生体依赖树，另外，设置循环程序用于监听五维数字孪生模型参数的更新以实现依赖树的实时自动更新。
按上述方案，所述步骤5)根据需求选择工业机器人制造***的重构策略，获得工业机器人制造***的重构方案；
具体如下：
对于面向物理***重组的映射重构策略，当***监听到存储物理制造***相关信息的数据库表的内容发生了变化，遍历物理制造***中的物理实体的名称以及关联状态信息，获得需要重构的单元的名称和编号，在虚拟制造***和组件库中选取相应的数字孪生体，根据其在依赖树中相对位置进行重构排序，依据排序结果依次进行上述数字孪生体的增量重构、裁剪重构、替换重构和调整重构，最后进行整个虚拟制造***的初始化，使虚拟制造装备、工具、通信设备、产品、物料等的状态与当前物理制造***中的对应单元的状态相同；对于面向制造新需求的仿真重构策略，当***监听到来自人机交互界面的仿真重构请求，基于规则计算得到当前制造***的制造能力与期望值之间的量化差距，在组件库和虚拟***中选取能够减少该差距的数字孪生体，根据其在依赖树中相对位置进行重构排序，依据排序结果依次进行上述数字孪生体的增量重构、裁剪重构、替换重构和调整重构，每执行完一个完整的重构环节就将虚拟制造***初始化依次并重新计算制造能力量化差异，然后根据最新的差异值再次执行重构操作直至差异值为0。
本发明产生的有益效果是：
本发明的建模方法，其中工业机器人制造***五维数字孪生模型方便使用、更新、拓展和重构，且能真实反映复杂的工业机器人制造***中不同要素的属性和它们之间的关联关系；孪生体依赖树通过推理五维数字孪生模型数据得到，以简洁且有效的形式为重构策略提供***结构知识，支持重构排序的实现，提高了重构决策的合理性；根据需求选择工业机器人制造***的重构策略并利用制造***的数字孪生体进行验证，在不妨碍制造***正常的生产任务的同时实现重构设计、验证与优化，极大减少重构成本；虚拟可视化仿真平台提供强大的人机交互功能，可实现远程监测、调度、控制、软件故障排除、历史数据查询等功能，实现车间内无人化管理，提高制造***运行维护的效率和安全性。
附图说明
下面将结合附图及实施例对本发明作进一步说明，附图中：
图1本发明实施例的总体结构示意图；
图2本发明实施例的五维数字孪生模型的结构示意图；
图3本发明实施例的孪生体依赖树的结构示意图；
图4本发明实施例的面向物理***重组的映射重构策略的流程图；
图5本发明实施例的面向制造新需求的仿真重构策略的流程图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白，以下结合实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅用以解释本发明，并不用于限定本发明。
如图1所示，一种基于数字孪生的工业机器人制造***可重构***，包括：
数据采集单元、五维数字孪生模型单元、孪生体依赖树、工业机器人制造***的重构策略和虚拟可视化仿真平台；
所述数据采集单元，用于采集工业机器人制造***的运行参数和获取物理制造***中制造装备、工具、通信设备、产品、物料的说明书和使用手册；
所述五维数字孪生模型单元，用于根据数据采集单元采集和获取的数据构建(或更新)制造***中建模对象的五维数字孪生模型，并获得五维数字孪生模型的参数；
五维数字孪生模型是基于本体语言、利用面向对象的方式构建，其模型参数保存在本体或各类型数据库中，并随制造***运行参数的变化而实时更新；
所述孪生体依赖树，用于为重构策略提供***结构知识基础，支持重构排序的实现；所述孪生体依赖树通过推理五维模型获得，并根据五维模型的更新而更新；
孪生体依赖树包括了***内所有的数字孪生体的实例、实例之间的依赖关系以及每个实例所拥有的各种类型的接口，依赖树的参数存储在本体或各类型数据库中；
孪生体依赖树通过推理五维模型获得孪生体依赖树，具体步骤如下：
首先，定义基于模式的依赖树生成规则，该模式基于五维数字孪生模型实例(对应于物理制造***中的各个制造装备、工具、通信设备、产品、物料等)各种参数的数据类型和标识符提取有效的信息，然后，把从环境对象“地板”开始依次读取的每个实体已经使用的能力接口存入多维数组中，最后，基于数组解析规则推理得到孪生体依赖树，另外，设置循环程序用于监听五维数字孪生模型参数的更新以实现依赖树的实时自动更新；
所述工业机器人制造***的重构策略，包括面向物理***重组的映射重构策略和面向制造新需求的仿真重构策略两种，前者用于解决当物理制造***结构或功能变更时如何重构数字孪生体使之再次与物理制造***匹配的问题，后者用于解决当有新的制造需求时如何在虚拟环境中重构制造***使之达到预期需求的问题；根据需求选择工业机器人制造***的重构策略，获得工业机器人制造***的重构方案；
具体如下：
对于面向物理***重组的映射重构策略，当***监听到存储物理制造***相关信息的数据库表的内容发生了变化，遍历物理制造***中的物理实体的名称以及关联状态信息，获得需要重构的单元的名称和编号，在虚拟制造***和组件库中选取相应的数字孪生体，根据其在依赖树中相对位置进行重构排序，依据排序结果依次进行上述数字孪生体的增量重构、裁剪重构、替换重构和调整重构，最后进行整个虚拟制造***的初始化，使虚拟制造装备、工具、通信设备、产品、物料等的状态与当前物理制造***中的对应单元的状态相同；对于面向制造新需求的仿真重构策略，当***监听到来自人机交互界面的仿真重构请求，基于规则计算得到当前制造***的制造能力与期望值之间的量化差距，在组件库和虚拟***中选取能够减少该差距的数字孪生体，根据其在依赖树中相对位置进行重构排序，依据排序结果依次进行上述数字孪生体的增量重构、裁剪重构、替换重构和调整重构，每执行完一个完整的重构环节就将虚拟制造***初始化依次并重新计算制造能力量化差异，然后根据最新的差异值再次执行重构操作直至差异值为0；
所述虚拟可视化仿真平台，用于验证重构完成的虚拟制造***的效果。
本发明还提供一种基于数字孪生的工业机器人制造***可重构方法，包括以下步骤：
1)采集工业机器人制造***的运行参数，所述运行参数包括：各个自由度驱动电机的实时状态(对于旋转关节指实时角度值，对于平移关节指实时位移量)、当前执行动作的速度(可细分为TCP速度和关节速度)、当前执行动作的加速度(可细分为TCP加速度和关节加速度)、使能信号值、运行模式变量值、急停信号值、自定义状态值等；
2)收集并汇聚物理制造***中制造装备、工具、通信设备、产品、物料的说明书和使用手册，创建或更新这些建模对象的五维数字孪生模型，创建或更新上述物理制造***中建模对象相应的规则属性、行为属性和能力属性，形成初步的五维数字孪生模型；所述五维数字孪生模型包括：几何模型、物理模型、能力模型、行为模型和规则模型五个维度；
几何模型的建立方法分为两类，方法一如下：在数据库中新建表格，创建和几何模型有关的列名，包括建模对象的类型、外观形状、尺寸、颜色、默认包络形状、默认包络尺寸等，将对象类型设置为主键，将对象类型和默认包络形状和默认包络尺寸设置为不可缺省，将对象类型、外观形状、颜色、默认包络形状等的数据类型设定为字符串类型，将尺寸和默认包络尺寸等设定为浮点数类型，保存设计好的表格，并将不同对象的相关参数保存在数据库表中，实现各种对象的几何模型构建。方法二如下：分析各种建模对象的类型，并在Protégé软件中创建相应的类和类的从属、并列关系，将方法一中相应的列名同样创建为不同的类，并声明建模对象类具有某些几何属性类的类间关系，将不同建模对象作为类的实例创建，并将其几何属性作为几何属性类的实例创建，关联建模对象实例和其几何属性实例，完成各种对象的几何模型构建。
物理模型的建立方法如下：对应几何模型选用方法，创建与物理属性相关的数据库表列名或本体类，其中物理属性包括质量、材质、表面摩擦系数、速度、加速度等，对于机器人等特殊对象还应包括各旋转关节的旋转角度或平移关节的相对位移量，同时，物理属性的数学公式可基于Python、Java、C++等语言实现，并将其封装为方法，将唯一方法名存储在上述数据库表中或创建为上述本体类的实例。其中物理属性的数学公式包括静态摩擦力模型、相对滑动时的动态摩擦力模型、机器人的运动学模型、机器人的动力学模型等。
能力模型的建立方法如下：基于建模对象的使用手册和专家知识，分析其功能和用途，以及使其正常运行所必需的依赖对象，例如工业机器人KR6-R700可安装各种型号的气动夹爪以搬运托盘和产品，但需要被安装固定在机器人底座上并供应稳定的电源，将上述功能和依赖信息中的名词作为本体类的实例构建并添加实例间的关系，其中实例间的关系分为两种，分别为可用接口关系和已用接口关系，两种关系可依据制造***构建的实际情况进行互相转换，体现建模对象能力的动态性。
行为模型的建立方法如下：基于建模对象的常见运行模式和专家经验，构建状态-动作键值对，其中动作值可以表征一个简单的布尔型动作，也可表征由一段控制指令组成的复杂动作序列，例如搬运机器人的常见状态-动作键值对可表达为传送带上的传感器感知到托盘被运送至机器人处的状态-机器人将托盘运送至下一个指定的位置的一系列连续动作，传送带的常见状态-动作键值对可表达为传送带起始点有待传送货物的状态-传送带电机正向启动的动作，将状态-动作键值对存储在数据库表中实现行为模型的构建。
规则模型的建立方法如下：基于建模对象的使用手册和专家知识，分析和制定相应的规则，例如机器人关节角度的约束规则、制造设备单体制造能力与制造车间总体制造能力的计算规则、机器人工具和机器人之间的关联规则等，各种规则的表达形式包括正则表达式、阈值判断、神经网络、多项式，将这些表达形式基于Python、Java、C++等语言实现并封装为方法，将唯一方法名存储在数据库表中或作为本体类的实例生成，并与对应的建模对象进行关联以实现规则模型的建立。
在分别建立了几何模型、物理模型、能力模型、行为模型和规则模型以后，将不同形式的模型通过唯一建模对象类型名进行关联，同时利用Python、Java、C++等语言进行模型的不断更新，若建模方法选用了本体建模，可使用Jena插件实现本体数据的读取和更新，若选用了数据库进行建模，可使用数据库的增删改查语句进行模型数据的读取和更新。
3)根据制造***的运行参数获得五维数字孪生模型的参数；
所述五维数字孪生模型的参数包括静态参数、运行参数和动态参数；
步骤3)中五维数字孪生模型的参数保存在本体或各类型数据库中，并随制造***运行参数的变化而实时更新。
4)通过推理五维模型获得孪生体依赖树，并根据五维模型的更新而更新，为重构提供***结构知识基础，支持重构排序的实现；
所述孪生体依赖树包括了***内所有的数字孪生体的实例、实例之间的依赖关系以及每个实例所拥有的各种类型的接口，依赖树的参数存储在本体或各类型数据库中；
通过推理五维模型获得孪生体依赖树，具体步骤如下：
首先，定义基于模式的依赖树生成规则，该模式可基于五维数字孪生模型实例(对应于物理制造***中的各个制造装备、工具、通信设备、产品、物料等)各种参数的数据类型和标识符提取有效的信息，然后，把从环境对象“地板”开始依次读取的每个实体已经使用的能力接口存入多维数组中，最后，基于数组解析规则推理得到孪生体依赖树，另外，设置循环程序用于监听五维数字孪生模型参数的更新以实现依赖树的实时自动更新。
5)根据需求选择工业机器人制造***的重构策略，获得工业机器人制造***的重构方案，根据当前依赖树的参数，对待重构单元进行重构排序，获得重构的制造***；
所述工业机器人制造***的重构策略包括面向物理***重组的映射重构策略和面向制造新需求的仿真重构策略，前者用于解决当物理制造***结构或功能变更时如何重构数字孪生体使之再次与物理制造***匹配的问题，后者用于解决当有新的制造需求时如何在虚拟环境中重构制造***使之达到预期需求的问题；
根据需求选择工业机器人制造***的重构策略，获得工业机器人制造***的重构方案；
具体如下：
对于面向物理***重组的映射重构策略，当***监听到存储物理制造***相关信息的数据库表的内容发生了变化，遍历物理制造***中的物理实体的名称以及关联状态信息，获得需要重构的单元的名称和编号，在虚拟制造***和组件库中选取相应的数字孪生体，根据其在依赖树中相对位置进行重构排序，依据排序结果依次进行上述数字孪生体的增量重构、裁剪重构、替换重构和调整重构，最后进行整个虚拟制造***的初始化，使虚拟制造装备、工具、通信设备、产品、物料等的状态与当前物理制造***中的对应单元的状态相同；对于面向制造新需求的仿真重构策略，当***监听到来自人机交互界面的仿真重构请求，基于规则计算得到当前制造***的制造能力与期望值之间的量化差距，在组件库和虚拟***中选取能够减少该差距的数字孪生体，根据其在依赖树中相对位置进行重构排序，依据排序结果依次进行上述数字孪生体的增量重构、裁剪重构、替换重构和调整重构，每执行完一个完整的重构环节就将虚拟制造***初始化依次并重新计算制造能力量化差异，然后根据最新的差异值再次执行重构操作直至差异值为0；
6)将重构完成虚拟制造***在虚拟可视化仿真平台中可视化并验证重构的效果，若效果不满足需求，则依据当前制造***的生产能力与期望值的差距值和重构策略再次生成方案直至完成重构任务。
实施例1：
如图1至图5所示，实施例1提供一种基于数字孪生的工业机器人制造***可重构***，包括五维数字孪生模型、孪生体依赖树、工业机器人制造***的重构策略和虚拟可视化仿真平台，孪生体依赖树通过推理五维数字孪生模型的参数生成并更新，用于支持工业机器人制造***的重构策略，虚拟可视化仿真平台用于实现制造***的运维、监控和重构。
如图2所示，五维数字孪生模型是由几何模型、物理模型、能力模型、行为模型和规则模型组成的，五种模型分别对应描述了工业机器人制造***中各种物理实体的几何属性、物理属性、能力范围、行为集合和相关规则，其中物理实体指的是制造***中的制造装备(如机器人、数控机床等)、工具(如焊枪、刀具等)、物料(如原材料、零件等)、产品(如半成品、成品等)、通信设备(如路由器、网线等)以及其它设备和物品(如PLC硬件、工作台、货架等)。
五维数字孪生模型保存为本体，其参数以本体实例的形式保存在本体中或以数据的形式保存在数据库(如SQL Server)中，其中物理实体的静态参数(如重量、材质、用途等)来自产品使用手册、实验结果和专家定义，动态参数(如机器人关节角度、传送带速度、仓库库存等)来自各类传感器的感知数据，并通过PLC、OPC UA、TCP/IP、jena、数据库等实现感知数据与模型数据的交互。
如图3所示，孪生体依赖树由制造***内每个物理实体的数字孪生体、它们之间的依赖关系以及每个孪生体的能力接口组成，其中能力接口如果被使用则自动转换成依赖关系，反之，如果依赖关系被解除则自动在原本相互依赖的两个孪生体上各生成一个对应的能力接口。此外，数字孪生体所在孪生体依赖树中的位置确定了其对制造***结构的影响程度，越靠近树根则对***结构的影响越大，在排序过程中，遵循对***结构影响越大就越先进行增量重构的思想，反之，对***结构影响越小就越先进行删减重构。
如图4所示，面向物理***重组的映射重构策略通过遍历数据库中物理制造***内所有实体的名称以及它们之间的关联关系，比较得到被重构部分，在虚拟可视化仿真平台中选取对应的数字孪生体，并基于孪生体依赖树进行重构顺序计算，通过添加、替换、删除和调整4种操作实现制造***的数字孪生体的重构，其中替换重构和调整重构可视为删减重构和增量重构的结合，通过初始化使新得到的制造***的数字孪生体的状态与物理制造***一致，同时，更新五维数字孪生模型参数并更新孪生体依赖树参数。
如图5所示，面向制造新需求的仿真重构策略通过获取新的制造需求，计算得到当前制造***的生产能力与期望值的差距，其中，差距包括生产效率、生产精度、产品种类、生产成本等，通过选取一定数量的制造装备或其它装备来弥补上述差距，并基于孪生体依赖树进行重构顺序计算，通过添加、替换、删除和调整4种操作将被选出的制造装备或其它装备合理地融入制造***，其中替换重构和调整重构可视为删减重构和增量重构的结合，初始化使新得到的制造***的数字孪生体的状态与物理制造***一致，同时，更新五维数字孪生模型参数并更新孪生体依赖树参数。
该基于数字孪生的工业机器人制造***可重构建模过程中，首先利用面向对象的、模块化的思想与方法针对物理制造***内的物理实体(包括制造装备、工具(如焊枪、刀具等)、物料、产品、通信设备以及其它设备和物品)进行划分归类，然后基于每类物理实体的说明书、使用手册中的参数利用本体语言进行描述建模，形成五维数字孪生模型中的静态参数；其次利用PLC收集并汇聚物理实体的运行参数，通过OPC UA、TCP/IP等实现物理制造***运行数据与五维数字孪生模型数据的相互映射，形成五维数字孪生模型中的动态参数；最后基于公理公式、专家规则等形成五维数字孪生模型中的逻辑参数。孪生体依赖树通过推理孪生体之间的关联关系得到，在这一过程中，数据处理程序读取五维数字孪生模型参数进行分析和知识提取，将对象名称、依赖关系、接口等信息以依赖树的结构存储在数据库中。
工业机器人制造***的重构策略包括面向物理***重组的映射重构策略和面向制造新需求的仿真重构策略两种，两种策略支持制造***重构任务的执行，它们监听虚拟可视化仿真平台中远程控制界面中操作人员的请求，由重构任务需求触发并基于五维模型数据自动形成重构方案，并在虚拟可视化仿真平台中显示重构效果。虚拟可视化仿真平台包括制造***中设备的运行参数实时显示界面、远程控制界面、仿真显示界面、组件库，采用WPF框架开发，其中，可视化参数来自实时更新的五维数字孪生模型，其中的一部分参数驱动虚拟可视化仿真平台中的仿真和监测。
应当理解的是，对本领域普通技术人员来说，可以根据上述说明加以改进或变换，而所有这些改进和变换都应属于本发明所附权利要求的保护范围。
Claims (7)
1.一种基于数字孪生的工业机器人制造***可重构***，其特征在于，包括：
数据采集单元、五维数字孪生模型单元、孪生体依赖树、工业机器人制造***的重构策略单元和虚拟可视化仿真平台；
所述数据采集单元，用于采集工业机器人制造***的运行参数和获取物理制造***中制造装备、工具、通信设备、产品、物料的说明书和使用手册；
所述五维数字孪生模型单元，用于根据数据采集单元采集和获取的数据构建制造***中建模对象的五维数字孪生模型，并获得五维数字孪生模型的参数；
所述孪生体依赖树，用于为重构策略提供***结构知识基础，支持重构排序的实现；所述孪生体依赖树通过对五维数字孪生模型进行推理获得，并根据五维数字孪生模型的更新而更新；
所述工业机器人制造***的重构策略单元，用于根据需求选择工业机器人制造***的重构策略，获得工业机器人制造***的重构方案；所述重构策略包括面向物理***重组的映射重构策略和面向制造新需求的仿真重构策略两种，前者用于解决当物理制造***结构或功能变更时如何重构数字孪生体使之再次与物理制造***匹配的问题，后者用于解决当有新的制造需求时如何在虚拟环境中重构制造***使之达到预期需求的问题；
所述根据需求选择工业机器人制造***的重构策略，获得工业机器人制造***的重构方案；
具体如下：
对于面向物理***重组的映射重构策略，当***监听到存储物理制造***相关信息的数据库表的内容发生了变化，遍历物理制造***中的物理实体的名称以及关联状态信息，获得需要重构的单元的名称和编号，在虚拟制造***和组件库中选取相应的数字孪生体，根据其在孪生体依赖树中相对位置进行重构排序，依据排序结果依次进行上述数字孪生体的增量重构、裁剪重构、替换重构和调整重构，最后进行整个虚拟制造***的初始化，使虚拟制造装备、工具、通信设备、产品、物料等的状态与当前物理制造***中的对应单元的状态相同；对于面向制造新需求的仿真重构策略，当***监听到来自人机交互界面的仿真重构请求，基于规则计算得到当前制造***的制造能力与期望值之间的量化差距，在组件库和虚拟***中选取能够减少该差距的数字孪生体，根据其在孪生体依赖树中相对位置进行重构排序，依据排序结果依次进行上述数字孪生体的增量重构、裁剪重构、替换重构和调整重构，每执行完一个完整的重构环节就将虚拟制造***初始化依次并重新计算制造能力量化差异，然后根据最新的差异值再次执行重构操作直至差异值为0；
所述虚拟可视化仿真平台，用于验证重构完成的虚拟制造***的效果。
2.根据权利要求1所述的基于数字孪生的工业机器人制造***可重构***，其特征在于，所述五维数字孪生模型是基于本体语言、利用面向对象的方式构建，其模型参数保存在本体或各类型数据库中，并随制造***运行参数的变化而实时更新。
3.根据权利要求1所述的基于数字孪生的工业机器人制造***可重构***，其特征在于，所述孪生体依赖树包括了***内所有的数字孪生体的实例、实例之间的依赖关系以及每个实例所拥有的各种类型的接口，孪生体依赖树的参数存储在本体或各类型数据库中。
4.根据权利要求1所述的基于数字孪生的工业机器人制造***可重构***，其特征在于，所述孪生体依赖树通过对五维数字孪生模型进行推理获得孪生体依赖树，具体步骤如下：
首先，定义基于模式的依赖树生成规则，该模式基于五维数字孪生模型实例的各种参数的数据类型和标识符提取有效的信息，然后，把从环境对象“地板”开始依次读取的每个实体已经使用的能力接口存入多维数组中，最后，基于数组解析规则推理得到孪生体依赖树。
5.一种基于数字孪生的工业机器人制造***可重构方法，其特征在于，包括以下步骤：
1）采集工业机器人制造***的运行参数，所述运行参数包括：各个自由度驱动电机的实时状态、当前执行动作的速度、当前执行动作的加速度、使能信号值、运行模式变量值、急停信号值、自定义状态值；
2) 收集并汇聚物理制造***中制造装备、工具、通信设备、产品、物料的说明书和使用手册，创建或更新这些建模对象的五维数字孪生模型，创建或更新上述物理制造***中建模对象相应的规则属性、行为属性和能力属性，形成初步的五维数字孪生模型；所述五维数字孪生模型包括：几何模型、物理模型、能力模型、行为模型和规则模型五个维度；
3）根据制造***的运行参数获得五维数字孪生模型的参数；
所述五维数字孪生模型的参数包括静态参数、运行参数和动态参数；
4）通过对五维数字孪生模型进行推理获得孪生体依赖树，并根据五维数字孪生模型的更新而更新，为重构提供***结构知识基础，支持重构排序的实现；
所述孪生体依赖树包括了***内所有的数字孪生体的实例、实例之间的依赖关系以及每个实例所拥有的各种类型的接口，孪生体依赖树的参数存储在本体或各类型数据库中；
5）根据需求选择工业机器人制造***的重构策略，获得工业机器人制造***的重构方案，根据当前孪生体依赖树的参数，对待重构单元进行重构排序，获得重构的制造***；
所述工业机器人制造***的重构策略包括面向物理***重组的映射重构策略和面向制造新需求的仿真重构策略，前者用于解决当物理制造***结构或功能变更时如何重构数字孪生体使之再次与物理制造***匹配的问题，后者用于解决当有新的制造需求时如何在虚拟环境中重构制造***使之达到预期需求的问题；
所述步骤5）根据需求选择工业机器人制造***的重构策略，获得工业机器人制造***的重构方案；
具体如下：
对于面向物理***重组的映射重构策略，当***监听到存储物理制造***相关信息的数据库表的内容发生了变化，遍历物理制造***中的物理实体的名称以及关联状态信息，获得需要重构的单元的名称和编号，在虚拟制造***和组件库中选取相应的数字孪生体，根据其在孪生体依赖树中相对位置进行重构排序，依据排序结果依次进行上述数字孪生体的增量重构、裁剪重构、替换重构和调整重构，最后进行整个虚拟制造***的初始化，使虚拟制造装备、工具、通信设备、产品、物料等的状态与当前物理制造***中的对应单元的状态相同；对于面向制造新需求的仿真重构策略，当***监听到来自人机交互界面的仿真重构请求，基于规则计算得到当前制造***的制造能力与期望值之间的量化差距，在组件库和虚拟***中选取能够减少该差距的数字孪生体，根据其在孪生体依赖树中相对位置进行重构排序，依据排序结果依次进行上述数字孪生体的增量重构、裁剪重构、替换重构和调整重构，每执行完一个完整的重构环节就将虚拟制造***初始化依次并重新计算制造能力量化差异，然后根据最新的差异值再次执行重构操作直至差异值为0；
6）将重构完成虚拟制造***在虚拟可视化仿真平台中可视化并验证重构的效果，若效果不满足需求，则再次生成方案直至完成重构任务。
6.根据权利要求5所述的基于数字孪生的工业机器人制造***可重构方法，其特征在于，所述步骤3）中五维数字孪生模型的参数保存在本体或各类型数据库中，并随制造***运行参数的变化而实时更新。
7.根据权利要求5所述的基于数字孪生的工业机器人制造***可重构方法，其特征在于，所述步骤4）中通过对五维数字孪生模型进行推理获得孪生体依赖树，具体步骤如下：
首先，定义基于模式的依赖树生成规则，该模式基于五维数字孪生模型实例的各种参数的数据类型和标识符提取有效的信息，然后，把从环境对象“地板”开始依次读取的每个实体已经使用的能力接口存入多维数组中，最后，基于数组解析规则推理得到孪生体依赖树。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201911120960.0A CN111538294B (zh) | 2019-11-15 | 2019-11-15 | 基于数字孪生的工业机器人制造***可重构***与方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201911120960.0A CN111538294B (zh) | 2019-11-15 | 2019-11-15 | 基于数字孪生的工业机器人制造***可重构***与方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN111538294A CN111538294A (zh) | 2020-08-14 |
| CN111538294B true CN111538294B (zh) | 2021-08-24 |
Family
ID=71978467
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201911120960.0A Active CN111538294B (zh) | 2019-11-15 | 2019-11-15 | 基于数字孪生的工业机器人制造***可重构***与方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111538294B (zh) |
Families Citing this family (17)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112130534B (zh) * | 2020-09-18 | 2021-11-16 | 北京理工大学 | 一种构建车间数字孪生体的处理方法及控制器 |
| CN112132805B (zh) * | 2020-09-22 | 2024-02-09 | 深圳市人工智能与机器人研究院 | 一种基于人体特征的超声机器人状态归一化方法及*** |
| CN112506164A (zh) * | 2020-12-18 | 2021-03-16 | 北京理工大学 | 可重构制造***布局规划方法、装置及平台 |
| CN112632778B (zh) * | 2020-12-22 | 2023-07-18 | 达闼机器人股份有限公司 | 数字孪生模型的运行方法、装置和电子设备 |
| CN112904805B (zh) * | 2021-01-15 | 2022-07-01 | 天津商业大学 | 一种用于多轴数控机床的数字孪生体建模与虚实同步方法 |
| CN112784427B (zh) * | 2021-01-28 | 2023-06-27 | 工业云制造(四川)创新中心有限公司 | 一种基于数字孪生技术智能制造仿真*** |
| CN113159507A (zh) * | 2021-03-16 | 2021-07-23 | 广东工业大学 | 一种工业调度智能合约***及其可适应性配置方法 |
| CN113246122A (zh) * | 2021-04-26 | 2021-08-13 | 广东工贸职业技术学院 | 一种工业机器人的数字孪生实训方法及*** |
| CN113434955B (zh) * | 2021-06-21 | 2023-02-07 | 中国舰船研究设计中心 | 基于数字孪生虚拟模型的舰船信息***可重构设计方法 |
| CN114089709B (zh) * | 2021-11-23 | 2023-05-23 | 电子科技大学 | 一种跨域多尺度的数字孪生体构建方法 |
| CN114102590B (zh) * | 2021-11-24 | 2023-12-01 | 华中科技大学 | 一种工业机器人仿真方法、***及应用 |
| CN114117619A (zh) * | 2021-12-15 | 2022-03-01 | 北京航空航天大学 | 一种数字孪生车间可组态可重构构建方法和*** |
| CN114579913A (zh) * | 2022-03-10 | 2022-06-03 | 灰觋有限公司 | 数字孪生文化场馆的构建方法、***及存储介质 |
| CN114762915B (zh) * | 2022-06-16 | 2022-08-16 | 吉林大学 | 基于数字孪生的智能制造*** |
| CN115083535B (zh) * | 2022-08-23 | 2022-11-08 | 佰墨思(成都)数字技术有限公司 | 生物制药车间组态数字孪生构建方法及*** |
| CN115130333B (zh) * | 2022-09-01 | 2022-12-09 | 东南大学 | 一种数字孪生模型合并方法 |
| CN115133532B (zh) * | 2022-09-01 | 2022-11-25 | 南方电网数字电网研究院有限公司 | 基于数字电网应用开发模型的电力***管控的实现方法 |
Citations (14)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101633166A (zh) * | 2009-07-13 | 2010-01-27 | 哈尔滨工业大学深圳研究生院 | 一类可重构工业机器人 |
| CN107870600A (zh) * | 2017-10-17 | 2018-04-03 | 广东工业大学 | 一种智能车间透明监控方法及*** |
| CN109116751A (zh) * | 2018-07-24 | 2019-01-01 | 西安西电电气研究院有限责任公司 | 基于数字孪生技术的数字化***及其构建方法 |
| CN109144481A (zh) * | 2018-08-21 | 2019-01-04 | 北京航空航天大学 | 面向领域的软件密集型***的构件化软件配置方法 |
| CN109249186A (zh) * | 2018-11-12 | 2019-01-22 | 重庆大学 | 一种精密减速器行星齿轮智能制造*** |
| CN109269028A (zh) * | 2018-08-17 | 2019-01-25 | 东华大学 | 基于cps的环锭纺纱智能车间温度控制***及方法 |
| CN109325736A (zh) * | 2018-09-11 | 2019-02-12 | 广东省智能制造研究所 | 工业制造全生命周期的三维数字化制造***及其实现方法 |
| CN109445305A (zh) * | 2018-10-26 | 2019-03-08 | 中国电子科技集团公司第三十八研究所 | 一种基于数字孪生的装配精度仿真分析方法与*** |
| CN109471377A (zh) * | 2018-11-22 | 2019-03-15 | 浙江科技学院 | 基于数字孪生的两轴x-y皮革制品裁割机控制方法 |
| CN109657354A (zh) * | 2018-12-20 | 2019-04-19 | 华中科技大学 | 一种基于数字孪生的混流装配车间快速重构方法及*** |
| WO2019084151A1 (en) * | 2017-10-24 | 2019-05-02 | Baker Hughes, A Ge Company, Llc | CONSULTING SYSTEM FOR INDUSTRIAL SITES |
| EP3561745A1 (de) * | 2018-04-25 | 2019-10-30 | Siemens Aktiengesellschaft | Digitaler marktplatz zur steuerung verteilter produktionssysteme |
| CN110442737A (zh) * | 2019-07-11 | 2019-11-12 | 北京飞利信电子技术有限公司 | 基于图数据库的数字孪生方法及*** |
| WO2019216941A1 (en) * | 2018-05-08 | 2019-11-14 | Siemens Corporation | Quality inference from living digital twins in iot-enabled manufacturing systems |
Family Cites Families (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102759909A (zh) * | 2012-06-14 | 2012-10-31 | 中国矿业大学 | 基于不同地质条件的电牵引采煤机工作状态虚拟仿真*** |
| US10762475B2 (en) * | 2015-02-25 | 2020-09-01 | Siemens Schweiz Ag | Digital twins for energy efficient asset maintenance |
| WO2019005098A1 (en) * | 2017-06-30 | 2019-01-03 | Go Logic Decision Time, Llc | METHODS AND SYSTEMS FOR PROJECTIVE ASSERTION SIMULATION |
| US20190294975A1 (en) * | 2018-03-21 | 2019-09-26 | Swim.IT Inc | Predicting using digital twins |
| CN110399642B (zh) * | 2019-06-21 | 2021-06-22 | 浙江大学 | 一种针对生产流水线的数字孪生体及其构建方法和应用 |
-
2019
- 2019-11-15 CN CN201911120960.0A patent/CN111538294B/zh active Active
Patent Citations (14)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101633166A (zh) * | 2009-07-13 | 2010-01-27 | 哈尔滨工业大学深圳研究生院 | 一类可重构工业机器人 |
| CN107870600A (zh) * | 2017-10-17 | 2018-04-03 | 广东工业大学 | 一种智能车间透明监控方法及*** |
| WO2019084151A1 (en) * | 2017-10-24 | 2019-05-02 | Baker Hughes, A Ge Company, Llc | CONSULTING SYSTEM FOR INDUSTRIAL SITES |
| EP3561745A1 (de) * | 2018-04-25 | 2019-10-30 | Siemens Aktiengesellschaft | Digitaler marktplatz zur steuerung verteilter produktionssysteme |
| WO2019216941A1 (en) * | 2018-05-08 | 2019-11-14 | Siemens Corporation | Quality inference from living digital twins in iot-enabled manufacturing systems |
| CN109116751A (zh) * | 2018-07-24 | 2019-01-01 | 西安西电电气研究院有限责任公司 | 基于数字孪生技术的数字化***及其构建方法 |
| CN109269028A (zh) * | 2018-08-17 | 2019-01-25 | 东华大学 | 基于cps的环锭纺纱智能车间温度控制***及方法 |
| CN109144481A (zh) * | 2018-08-21 | 2019-01-04 | 北京航空航天大学 | 面向领域的软件密集型***的构件化软件配置方法 |
| CN109325736A (zh) * | 2018-09-11 | 2019-02-12 | 广东省智能制造研究所 | 工业制造全生命周期的三维数字化制造***及其实现方法 |
| CN109445305A (zh) * | 2018-10-26 | 2019-03-08 | 中国电子科技集团公司第三十八研究所 | 一种基于数字孪生的装配精度仿真分析方法与*** |
| CN109249186A (zh) * | 2018-11-12 | 2019-01-22 | 重庆大学 | 一种精密减速器行星齿轮智能制造*** |
| CN109471377A (zh) * | 2018-11-22 | 2019-03-15 | 浙江科技学院 | 基于数字孪生的两轴x-y皮革制品裁割机控制方法 |
| CN109657354A (zh) * | 2018-12-20 | 2019-04-19 | 华中科技大学 | 一种基于数字孪生的混流装配车间快速重构方法及*** |
| CN110442737A (zh) * | 2019-07-11 | 2019-11-12 | 北京飞利信电子技术有限公司 | 基于图数据库的数字孪生方法及*** |
Non-Patent Citations (10)
| Title |
|---|
| A modeling and description method of multidimensional information for manufacturing capability in cloud manufacturing system;Luo,Yongliang;《International Journal of Advanced Manufacturing Technology》;20131130;第69卷(第5-8期);全文 * |
| An Ontology-based Resource Reconfiguration Method for Manufacturing Cyber-Physical Systems;Jiafu Wan;《IEEE/ASME Transactions on Mechatronics》;20181231;第23卷(第6期);论文第1-8页 * |
| Ontology-Based Unified Robot Knowledge for Service Robots in Indoor Environments;Lim,Gi Hyun;《IEEE Transactions on Systems Man and Cybernetics Part A-Systems and Humans》;20110531;第41卷(第3期);全文 * |
| 基于工位的柔性装配线管理***的研究与应用;姚相宜;《中国优秀硕士学位论文全文数据库--经济与管理科学辑》;20190515;全文 * |
| 基于数字孪生的车间管控***的设计与实现;张新生;《中国优秀硕士学位论文全文数据库》;20190115;全文 * |
| 数字孪生五维模型及十大领域应用;陶飞;《计算机集成制造***》;20190131;第25卷(第1期);论文第1-6、14页 * |
| 数字孪生及其应用探索;陶飞;《计算机集成制造***》;20180131;第24卷(第1期);全文 * |
| 数字孪生技术综述与展望;刘大同;《仪器仪表学报》;20181115;全文 * |
| 数字孪生车间--一种未来车间运行新模式;陶飞;《计算机集成制造***》;20170131;第23卷(第1期);全文 * |
| 数字孪生车间信息物理融合理论与技术;陶飞;《计算机集成制造***》;20170831;第23卷(第8期);全文 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN111538294A (zh) | 2020-08-14 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN111538294B (zh) | 基于数字孪生的工业机器人制造***可重构***与方法 | |
| CN112818446B (zh) | 一种智能车间数字孪生***的构建方法 | |
| Helu et al. | A standards-based approach for linking as-planned to as-fabricated product data | |
| JP6475763B2 (ja) | 機械加工ナレッジデータベースを検索するシステム及び方法 | |
| Liu et al. | A review of digital twin-driven machining: From digitization to intellectualization | |
| Mo et al. | A framework for manufacturing system reconfiguration and optimisation utilising digital twins and modular artificial intelligence | |
| McLean et al. | A computer architecture for small-batch manufacturing: Industry will profit from a system that defines the functions of its component-manufacturing modules and standardizes their interfaces | |
| Zhang et al. | Product cooperative disassembly sequence planning based on branch-and-bound algorithm | |
| Ahmad et al. | Current trend in computer aided process planning | |
| US20090089234A1 (en) | Automated code generation for simulators | |
| US20090089227A1 (en) | Automated recommendations from simulation | |
| US11726448B1 (en) | Robotic workspace layout planning | |
| CN111221312A (zh) | 机器人在生产线的优化方法、***及在数字孪生的应用 | |
| WO2013150541A2 (en) | A system and apparatus that identifies, captures, classifies and deploys tribal knowledge unique to each operator in a semi-automated manufacturing set-up to execute automatic technical superintending operations to improve manufacturing system performance and the method/s therefor | |
| Liu et al. | Integrated manufacturing process planning and control based on intelligent agents and multi-dimension features | |
| CN113168564A (zh) | 用于生成人工智能模型的方法和*** | |
| Chen et al. | Knowledge sharing enabled multirobot collaboration for preventive maintenance in mixed model assembly | |
| Vishnu et al. | A data-driven digital twin framework for key performance indicators in CNC machining processes | |
| US20220277119A1 (en) | A System and Method for Generating a Holistic Digital Twin | |
| Ferrer et al. | A knowledge-based solution for automatic mapping in component based automation systems | |
| Popovics et al. | ISA standard simulation model generation supported by data stored in low level controllers | |
| Lee et al. | Process planning interface for a shop floor control architecture for computer-integrated manufacturing | |
| CN116702624A (zh) | 一种人机交互约束双边拆卸线设置方法 | |
| CN114089709A (zh) | 一种跨域多尺度的数字孪生体构建方法 | |
| Schmid et al. | Validation of machining operations by a Virtual Numerical Controller Kernel based simulation |
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 |