CN113158360B - 数字孪生模型的评价方法、夹持机械臂、存储介质 - Google Patents

数字孪生模型的评价方法、夹持机械臂、存储介质 Download PDF

Info

Publication number
CN113158360B
CN113158360B CN202110254410.9A CN202110254410A CN113158360B CN 113158360 B CN113158360 B CN 113158360B CN 202110254410 A CN202110254410 A CN 202110254410A CN 113158360 B CN113158360 B CN 113158360B
Authority
CN
China
Prior art keywords
function
sub
weight
weight value
functions
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
CN202110254410.9A
Other languages
English (en)
Other versions
CN113158360A (zh
Inventor
谢奕浩
王建生
康献民
谢啊奋
余宏志
张迅
陈尧
陈毅
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.)
Wuyi University
Original Assignee
Wuyi University
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 Wuyi University filed Critical Wuyi University
Priority to CN202110254410.9A priority Critical patent/CN113158360B/zh
Publication of CN113158360A publication Critical patent/CN113158360A/zh
Application granted granted Critical
Publication of CN113158360B publication Critical patent/CN113158360B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00Computer-aided design [CAD]
    • G06F30/10Geometric CAD
    • G06F30/17Mechanical parametric or variational design
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00Computer-aided design [CAD]
    • G06F30/20Design optimisation, verification or simulation

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Geometry (AREA)
  • General Physics & Mathematics (AREA)
  • Evolutionary Computation (AREA)
  • General Engineering & Computer Science (AREA)
  • Computer Hardware Design (AREA)
  • Computational Mathematics (AREA)
  • Mathematical Analysis (AREA)
  • Mathematical Optimization (AREA)
  • Pure & Applied Mathematics (AREA)
  • Manipulator (AREA)

Abstract

本发明提供了一种数字孪生模型的评价方法、夹持机械臂、存储介质,该方法包括:获取需求信息,需求信息表征夹持机械臂的功能需求;根据需求信息确定目标功能;根据目标功能生成数字孪生模型,数字孪生模型中包括至少两个备选方案,备选方案包括选取于每个操作装置的一个功能部件;确定每个功能部件的功能权重值,根据功能权重值得到每个备选方案的组合权重值;将组合权重值最高的备选方案确定为目标方案。根据本发明实施例提供的方案,能够自动计算出分功能的功能权重值,通过功能权重值得到的组合权重值确定最优方案,通过客观数据降低了数字孪生模型进行评价的主观性,提高了数字孪生模型的可靠性。

Description

数字孪生模型的评价方法、夹持机械臂、存储介质
技术领域
本发明涉及但不限于信息处理领域,尤其涉及数字孪生模型的评价方法、夹持机械臂、存储介质。
背景技术
随着科技的发展,智能化的夹持机械臂能够自动完成操作,是智能制造的重要生产工具。传统的夹持机械臂需要人工操作,或者只能根据设定好的程序进行固定动作,适用范围小而且扩展性较差,若为夹持机械臂简单增加多种操作装置,例如驱动装置、传动装置等,虽然能够实现的功能得到了增加,但是在什么情况下使用哪种装置,依然需要人工选择或者预先设定。因此,如何让夹持机械臂能够根据不同的方案和需求自动选择最合适的操作装置,是提高夹持机械臂智能化的关键技术。
数字孪生技术的是充分利用物理模型、传感器更新、运行历史等数据,集成多学科、多物理量、多尺度、多概率的仿真过程,在虚拟空间中完成映射,从而反映相对应的实体装备的全生命周期过程。通过需求信息能够得到夹持机械臂的数字孪生模型,数字孪生模型中包括多个方案,每个方案包括每个操作装置的一个可用功能,根据得分最高的方案确定每种操作装置的具体功能选择。但是,目前对数字孪生模型中方案的评价方法主要依靠人为打分,主观性较强,得到的方案并不能确保是最佳方案。
发明内容
以下是对本文详细描述的主题的概述。本概述并非是为了限制权利要求的保护范围。
本发明实施例提供了一种数字孪生模型的评价方法、夹持机械臂、存储介质,能够通过自动评价得到最优的功能组合的方案。
第一方面,本发明实施例提供了一种数字孪生模型的评价方法,应用于夹持机械臂,所述夹持机械臂包括至少两个操作装置,所述操作装置包括至少两个功能部件,所述方法包括:
获取需求信息,所述需求信息表征所述夹持机械臂的功能需求;
根据所述需求信息确定所述目标功能;
根据所述目标功能生成数字孪生模型,所述数字孪生模型中包括至少两个备选方案,所述备选方案包括选取于每个操作装置的一个功能部件;
确定每个所述功能部件的功能权重值,根据所述功能权重值得到每个备选方案的组合权重值;
将所述组合权重值最高的所述备选方案确定为目标方案。
本发明实施例包括:获取需求信息,所述需求信息表征所述夹持机械臂的功能需求;根据所述需求信息确定所述目标功能;根据所述目标功能生成数字孪生模型,所述数字孪生模型中包括至少两个备选方案,所述备选方案包括选取于每个操作装置的一个功能部件;确定每个所述功能部件的功能权重值,根据所述功能权重值得到每个备选方案的组合权重值;将所述组合权重值最高的所述备选方案确定为目标方案。根据本发明实施例提供的方案,能够自动计算出分功能的功能权重值,通过功能权重值得到的组合权重值确定最优方案,通过客观数据降低了数字孪生模型进行评价的主观性,提高了数字孪生模型的可靠性。
作为本发明的进一步改进,所述根据所述目标功能生成数字孪生模型,包括:
根据预先设定的形态学矩阵和所述目标功能,确定每个所述操作装置的主功能;
根据所述主功能生成所述备选方案;
根据全部所述备选方案生成所述数字孪生模型。
作为本发明的进一步改进,所述根据所述主功能生成所述备选方案,包括:
将所述主功能分解为若干个分功能,所述分功能与所述功能部件唯一对应;
根据所述分功能生成所述备选方案。
作为本发明的进一步改进,所述根据所述分功能生成所述备选方案,包括:
分别从每个所述操作装置所对应的分功能选取出一个备选功能;
将每个所述操作装置所对应的备选功能组成所述备选方案,其中,不同的所述备选方案至少有一个所述备选功能不相同。
作为本发明的进一步改进,所述确定每个所述功能部件的功能权重值,包括:
根据所述形态学矩阵,确定所述主功能和所述分功能的功能层级,所述功能层级表征所述分功能和所述主功能的层级结构;
根据所述层级对应关系,得到归属于同一个所述主功能的两个所述分功能之间的影响程度比,其中,所述影响程度比通过以下公式得到:
Figure BDA0002967439870000021
其中,kn为预先设定的标度常数,且满足
Figure BDA0002967439870000022
n为所述标度常数的数量,vn为预先设定的每个所述分功能的影响程度值,v(aij)为第i个所述分功能和第j个所述分功能对所述主功能的影响程度比;
根据所述影响程度比确定每个所述功能部件的功能权重值。
作为本发明的进一步改进,所述根据所述影响程度比确定每个所述功能部件的功能权重值,包括:
根据归属于同一主功能的所有分功能之间的所述影响程度比得到参考权重向量;
根据所述参考权重向量和所述分功能的影响程度值,得到所述功能部件的功能权重值。
作为本发明的进一步改进,所述功能层级的数量为k,其中,k为大于2的整数,所述根据所述参考权重向量和所述分功能的影响程度值,得到所述功能部件的功能权重值,包括:
根据所述参考权重向量和所述分功能的影响程度值,获取第一权重和第二权重,其中,所述第一权重表征第k-1层的全部所述分功能对所述主功能的权重值,所述第二权重表征归属于第k-1层的一个所述分功能的第k层的全部所述分功能的权重值;
根据所述第一权重和第二权重得到所述功能部件的功能权重值,所述功能权重值的计算公式为:
Figure BDA0002967439870000023
其中,Wk为所述功能权重值,WK-1为所述第一权重,Pk为所述第二权重。
作为本发明的进一步改进,所述需求信息至少包括如下之一:
移动稳定性;
工作速度;
运行噪声。
第二方面,本发明实施例还提供了一种夹持机械臂,包括和控制装置和至少两个操作装置,所述控制装置中设置有存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现如第一方面所述的数字孪生模型的评价方法。
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。
附图说明
附图用来提供对本发明技术方案的进一步理解,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的技术方案,并不构成对本发明技术方案的限制。
图1是本发明一个实施例提供的数字孪生模型的评价方法的流程图;
图2是本发明另一个实施例提供的生成数字孪生模型的流程图;
图3是本发明另一个实施例提供的生成备选方案的流程图;
图4是本发明另一个实施例提供的生成备选方案的流程图;
图5是本发明另一个实施例提供的确定功能权重值的流程图;
图6是本发明另一个实施例提供的功能层级的示意图;
图7是本发明另一个实施例提供的计算功能权重值的流程图;
图8是本发明另一个实施例提供的计算功能权重值的流程图;
图9是本发明另一个实施例提供的夹持机械臂的流程图。
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,以下结合附图及实施例,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。
需要说明的是,虽然在装置示意图中进行了功能模块划分,在流程图中示出了逻辑顺序,但是在某些情况下,可以以不同于装置中的模块划分,或流程图中的顺序执行所示出或描述的步骤。说明书、权利要求书或上述附图中的术语“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。
需要说明的是,夹持机械臂可以包括任意装置,根据实际需求选取即可,为了叙述方便,本实施例采用包括驱动装置、制动装置、传动装置和夹持装置的夹持机械臂进行举例说明。可以理解的是,各种装置的可选功能部件可以是现有技术中的任意部件,每种不同的功能部件具有其特定的优势和劣势,基于此,通过数字孪生模型的评价,能够确定出最优的功能部件的组合,即得到最优的目标方案。
为了叙述简便,以下对括驱动装置、制动装置、传动装置和夹持装置进行简单的解释说明。需要说明的是,下述装置中的机构均可以采用现有技术的结构,本实施例对此不多作限定。
驱动装置:
机器人夹持机构所需动力由驱动装置来提供,例如常见的液压驱动、气压驱动、电动机驱动和机械驱动四种方式。
液压驱动能够通过常见的高精度的缸体和活塞来完成,通过缸体和活塞杆的相对运动实现直线运动,液压驱动的优点是功率大,可省去减速装置直接与被驱动的杆件相连,结构紧凑,刚度好,响应快,伺服驱动具有较高的精度。缺点是需要增设液压源,易产生液体泄漏,不适合高、低温场合,故液压驱动目前多用于特大功率的机器人***。液压驱动式机械手组成由液动机(各种油缸、油马达)、伺服阀、油泵、油箱等组成驱动***,由驱动机械手执行机构进行工作。
气压驱动的结构简单,通常由气缸、气阀、气罐和空压机组成。气压驱动***其特点是气源方便、动作迅速、结构简单、造价较低、维修方便、清洁、动作灵敏、具有缓冲作用。但与液压驱动装置相比,功率较小,刚度差,噪音大,速度不易控制,抓举能力较低。所以多用于精度不高的点位控制机器人。
电动驱动装置的能源简单,速度变化范围大,效率高,速度和位置精度都很高。但它们多与减速装置相联,直接驱动比较困难。电动驱动装置又可分为直流(DC)、交流(AC)伺服电机驱动和步进电机驱动。电动机驱动是机械手使用得最多的一种驱动方式。其特点是电源方便,响应快,驱动力较大,信号检测、传动、处理方便,并可采用多种灵活的控制方案。驱动电机一般采用步进电机,直流伺服电机(AC)为主要的驱动方式。由于电机速度高,通常须采用减速机构。有此机械手已开始采用无减速机构的大转矩、低转速电机进行直接驱动(DD)这既可使机构简化,又可提高控制精度。
机械驱动只用于动作固定的场合。一般用凸轮连杆机构来实现规定的动作。其特点是动作确实可靠,工作速度高,成本低,但不易于调整。
传动装置:
传动装置可以进一步细分为传动部分和减速器,传动装置是连接动力源和运动连杆的关键部分,根据关节形式,常用的传动机构形式有直线传动和旋转传动机构。直线传动方式可用于直角坐标机器人的X、Y、Z向驱动,圆柱坐标结构的径向驱动和垂直升降驱动,以及球坐标结构的径向伸缩驱动。直线运动可以通过齿轮齿条、丝杠螺母等传动元件将旋转运动转换成直线运动,也可以有直线驱动电机驱动,也可以直接由气缸或液压缸的活塞产生。
传动部分:可以分成齿轮齿条、同步带、蜗轮蜗杆、滚珠丝杆、链传动、气压传动、线传动。齿轮齿条:通常齿条是固定的。齿轮的旋转运动转换成托板的直线运动,优点是结构简单,缺点是回差较大。同步带:同步带传动是由一条内周表面设有等间距齿的环形皮带和具有相应齿的带轮所组成,运行时,带齿与带轮的齿槽相啮合传递运动和动力,特点是传动准确、平稳、效率高。蜗轮蜗杆:蜗轮蜗杆结构常用来传递两交错轴之间的运动和动,特点是具有自锁性,但传动效率低。滚珠丝杠:在丝杠和螺母的螺旋槽内嵌入滚珠,并通过螺母中的导向槽使滚珠能连续循环,优点是摩擦力小,传动效率高,无爬行,精度高,缺点是制造成本高,结构复杂。链传动:链传动是通过链条将具有特殊齿形的主动链轮的运动和动力传递到具有特殊齿形的从动链轮的一种传动方式,特点是无弹性滑动和打滑现象,但仅能用于两平行轴间的传动,不宜用在急速反向的传动中。气压传动:气压传动是指以压缩空气为动力源来驱动和控制各种机械设备,特点是结构简单但平稳性较差。
减速器:工业机器人对减速器要求比较高,选择精密减速机是要从扭转刚度、启动转矩、传动精度、传动误差、传动效率等方面来选择。一般选择精密谐波减速器、精密行星减速器或精密RV减速器三种其中一种。RV减速机是在摆线针轮传动基础上发展起来的,具有二级减速和中心圆盘支承结构,因其传动比大、传动效率高、运动精度高、回差小、低振动、刚性大和高可靠性等优点是机器人的常用的减速机。谐波减速机由三部分组成:谐波发生器、柔性轮和刚轮,其工作原理是由谐波发生器使柔轮产生可控的弹性变形,靠柔轮与刚轮啮合来传递动力,并达到减速的目的;按照波发生器的不同有凸轮式、滚轮式和偏心盘式。行星减速机就是有三个行星轮围绕一个太阳轮旋转的减速机。行星减速机体积小、重量轻,承载能力高,使用寿命长、运转平稳,噪声低。具有功率分流、多齿啮合独用的特性;是一种用途广泛的工业产品,其性能可与其它军品级行星减速机产品相媲美,却有着工业级产品的价格,被应用于广泛的工业场合。
夹持装置:
夹持装置包括并联式和串联式两种。并联式结构采用了一种闭环机构,一般由上下运动平台和两条或者两条以上运动支链构成,运动平台和运动支链之间构成一个或多个闭环机构,通过改变各个支链的运动状态,使整个机构具有多个可以操作的自由度。串联式结构是一种开式运动链机器人,由一系列连杆通过转动关节或移动关节串联形成的。串联式结构采用驱动器驱动各个关节的运动从而带动连杆的相对运动,使未端焊枪达到合适的位置,以开环机构为机器人机构原型。机械产品通过夹持装置来完成夹持物体的工作,夹持装置由上臂、下臂、基座、手腕、末端操作器组成。
制动装置:
制动转置主要由制动器组成,制动器可以分成油碟刹、V刹、鼓刹、气压刹、电磁制动器。油碟刹通过油压碟刹,油压传动制动。V刹由两块刹车皮对车圈互夹产生摩擦力,从而达到制动的效果。鼓刹是利用刹车鼓内静止的刹车片,去摩擦随着车轮转动的刹车鼓,以产生摩擦力使车轮转动速度降低的制动装置。气压刹是工作介质为气体的制动装置。电磁制动器是一种将主动侧扭力传达给被动侧的连接器,可以据需要自由的结合,切离或制动,具有结构紧凑,操作简单,响应灵敏,寿命长久,使用可靠,易于实现远距离控制等优点。
下面结合上述夹持机械臂的操作装置和附图,对本发明实施例作进一步阐述。
如图1所示,图1是本发明一个实施例提供的一种数字孪生模型的评价方法的流程图,该数字孪生模型的评价方法应用于夹持机械臂,夹持机械臂包括至少两个操作装置,操作装置包括至少两个功能部件,数字孪生模型的评价方法包括但不限于有以下步骤:
步骤S110,获取需求信息,需求信息表征夹持机械臂的功能需求;
步骤S120,根据需求信息确定目标功能;
步骤S130,根据目标功能生成数字孪生模型,数字孪生模型中包括至少两个备选方案,备选方案包括选取于每个操作装置的一个功能部件;
步骤S140,确定每个功能部件的功能权重值,根据功能权重值得到每个备选方案的组合权重值;
步骤S150,将组合权重值最高的备选方案确定为目标方案。
需要说明的是,需求信息可以是在夹持机械臂使用之前,将客户、供应商、设计者、生产者及销售人员的反馈信息集成所得,可以通过人工汇总后手动输入需求信息,也可以是通过对反馈信息的语义识别得出,在此不多作限定。例如,对夹持机械臂的需求为“起动和制动平稳”、“工作效率高”和“噪声低”等。
需要说明的是,本实施例中的目标功能可以是有一系列的功能组合构成,例如,对于具有驱动装置、制动装置、传动装置和夹持装置的夹持机械臂而言,在各操作装置中的功能部件中,实现“起动和制动平稳”需要采用稳定性较高的功能部件,“工作效率高”需要选取运作速度较快的功能部件,实现“噪声低”需要选取运行噪声较低的功能部件,通过不同功能部件的选取组成备选方案,通过确定备选方案的组合权重值表征符合需求的程度,组合权重值越高,则该备选方案越符合需求信息所表征的功能需求。因此,采用本实施例的技术方案,能够根据需求信息进行数字孪生模型的方案评价,从而得到最优的目标方案。可以理解的是,对于不同的需求信息,同一个功能部件所能得到的功能权重值并不相同,从而使得功能权重值能够表征与需求信息的契合程度。
需要说明的是,备选方案中至少需要包括每个操作装置的功能部件,例如分别包括驱动装置、制动装置、传动装置和夹持装置中的一个功能部件,由于夹持机械臂的运行需要全部操作装置的配合,因此采用每一个操作装置的功能部件组成备选方案,能够更加全面地反映出备选方案符合需求信息的程度。
可以理解的是,功能权重值可以是通过设定的公式计算得到,也可以预先设定好每个功能部件在每个使用场景下所对应的功能权重值,本实施例对此不多作限定。
可以理解的是,由于备选方案包括多个功能部件,因此组合权重值可以是将备选方案中所有的功能部件的功能权重值进行求和得到。
另外,参照图2,在一实施例中,图1所示实施例中的步骤S130还包括但不限于有以下步骤:
步骤S210,根据预先设定的形态学矩阵和目标功能,确定每个操作装置的主功能;
步骤S220,根据主功能生成备选方案;
步骤S230,根据全部备选方案生成数字孪生模型。
需要说明的是,形态学矩阵可以是预先设定,也可以根据各操作装置所能够提供的功能自动生成,所得到的形态学矩阵可以如下表所示:
Figure BDA0002967439870000061
Figure BDA0002967439870000071
表1形态学矩阵示例表
需要说明的是,形态学矩阵中列举了各操作装置中可选的功能模块,当目标功能确定后,可以从形态学矩阵中选取出可以用于完成目标功能中的操作的功能模块,例如要实现压力驱动,则可以从驱动装置中选取出液压驱动和气压驱动,又如,所需要的驱动力度较大,则可以从驱动装置中选取出液压驱动和电动机驱动;本领域技术人员有动机根据实际情况调整形态学矩阵以及对应的功能部件,在此不多作限定。
另外,参照图3,在一实施例中,图2所示实施例中的步骤S220还包括但不限于有以下步骤:
步骤S310,将主功能分解为若干个分功能,分功能与功能部件唯一对应;
步骤S320,根据分功能生成备选方案。
需要说明的是,将主功能分解为若干个分功能的程度,可以根据实际情况调整,例如根据分功能的层级数量进行分解,例如主功能为传动,其对应的操作装置为传动装置,而传动装置的分功能可以包括减速器和传动部分,其中,传动部分可以包括齿轮齿条、同步带或蜗轮蜗杆等,根据夹持机械臂所具有的功能部件进行分解即可。
需要说明的是,通过分功能生成备选方案,能够以每个最小单位的功能表征方案,从而根据每个分功能的功能权重值确定目标方案,使得目标方案能够更准确地表征与需求信息的契合程度。
例如,主功能为“抓取”和“放下物体”,根据表1所示的形态学矩阵,分解得到的分功能所组成的备选方案可以如下表所示:
Figure BDA0002967439870000072
表2备选方案示例表
如表2所示,6个备选方案为:方案1:驱动装置:液压驱动;传动装置:滚珠丝杆、谐波减速器;制动装置:电磁制动器;夹持装置:六自由度串联取物组。方案2:驱动装置:液压驱动;传动装置:同步带、RV减速器;制动装置:油碟刹;夹持装置:三自由度串联取物组。方案3:驱动装置:电机驱动;传动装置:滚珠丝杆、谐波减速器;制动装置:电磁制动器;夹持装置:六自由度串联取物组。方案4:驱动装置:电机驱动;传动装置:同步带、谐波减速器;制动装置:油碟刹;夹持装置:三自由度串联取物组。方案5:驱动装置:电机驱动;传动装置:同步带、RV减速器;制动装置:电磁制动器;夹持装置:三自由度串联取物组。方案6:驱动装置:电机驱动;传动装置:滚珠丝杆、RV减速器;制动装置:电磁制动器;夹持装置:六自由度串联取物组。需要说明的是,上述6个备选方案仅为本实施例的示例,并不会对本申请的技术方案造成限定。
另外,参照图4,在一实施例中,图3所示实施例中的步骤S320还包括但不限于有以下步骤:
步骤S410,分别从每个操作装置所对应的分功能选取出一个备选功能;
步骤S420,将每个操作装置所对应的备选功能组成备选方案,其中,不同的备选方案至少有一个备选功能不相同。
需要说明的是,得到分功能后,可以按照形态学矩阵和需求信息确定可用的备选功能,对每个操作装置的备选功能进行排列组合,从而得到多个备选方案。例如表2所示的备选方案中,根据需求信息和形态学矩阵,选取出驱动装置的功能部件包括“液压驱动”和“电动驱动”,传动装置的传动部分包括“滚珠丝杆”和“同步带”,传动装置的减速器包括“谐波减速器”和“RV减速器”,制动装置包括“电磁制动器”和“油碟刹”,夹持装置包括“六自由度串联取物组”和“三自由度串联取物组”,通过上述备选功能之间的排列组合,得到如表2所示的6个备选方案。需要说明的是,为了叙述的简便,表2所示的备选方案并未穷举所有的排列组合所得到的备选方案,仅选取其中6个进行示例说明,后续不再赘述。
需要说明的是,为了每个备选方案之间有所区别,可以通过不同备选方案中至少有一个备选功能不相同实现,具体的不同的备选功能根据实际情况确定即可。
另外,参照图5和图6,在一实施例中,图1所示实施例中的步骤S140还包括但不限于有以下步骤:
步骤S510,根据形态学矩阵,确定主功能和分功能的功能层级,功能层级表征分功能和主功能的层级结构;
步骤S520,根据层级对应关系,得到归属于同一个主功能的两个分功能之间的影响程度比,其中,影响程度比通过以下公式得到:
Figure BDA0002967439870000081
其中,kn为预先设定的标度常数,且满足
Figure BDA0002967439870000082
n为预先设定的标度常数的数量,vn为预先设定的每个分功能的影响程度值,v(aij)为第i个分功能和第j个分功能对主功能的影响程度比;
步骤S530,根据影响程度比确定每个功能部件的功能权重值。
需要说明的是,根据功能层级可以根据形态学矩阵得到,例如根据表1所示的形态学矩阵,可以得到如图6所示的功能层级,其中最高层为目标功能,第二层为操作装置,第三层开始为操作装置中的功能部件。
需要说明的是,对于不同的需求,不同功能部件对目标功能的影响程度是不相同的,。通过影响程度比确定功能权重值,能够确保功能权重值越大,其影响程度比越高,代表该功能部件对目标功能的帮助越大。
可以理解的是,本领域技术人员有动机根据实际需求选取具体的标度常数,例如经济性、性能、后期制造难易程度等,具体对应的数值预先设定即可。通过若干个标度常数,能够在更多方面体现功能部件对目标功能的影响,提高评价的客观性。
另外,参照图7,在一实施例中,图5所示实施例中的步骤S530还包括但不限于有以下步骤:
步骤S710,根据归属于同一主功能的所有分功能之间的影响程度比生成得到参考权重向量;
步骤S720,根据参考权重向量和分功能的影响程度值,得到功能部件的功能权重值。
需要说明的是,对于ki(i=1,2,3)分别表示经济性、性能、后期制造难易程度,则n=3;同时,取vi∈[1,9],所构造出的比较矩阵如表3所示:
k<sub>1</sub> k<sub>2</sub> k<sub>3</sub>
k<sub>1</sub> 1 2 5
k<sub>2</sub> 1/2 1 3
k<sub>3</sub> 1/5 1/3 1
表3标度比较矩阵
值得注意的是,得到的比较矩阵是一致性正反矩阵,对于一致性正反矩阵,一般存在最大特征根,而最大特征根对应的特征向量则为参考权重向量,例如上述比较矩阵计算得到的参考权重向量为Qk=[0.5815,0.3090,0.1095]T。则对于影响程度比,在计算得到每一个v(aij)的值之后,构造出相对应的比较矩阵计算即可,本实施例不多作赘述。
另外,在一实施例中,功能层级的数量为k,其中,k为大于2的整数,参照图8,图7所示实施例中的步骤S720还包括但不限于有以下步骤:
步骤S810,根据参考权重向量和分功能的影响程度值,获取第一权重和第二权重,其中,第一权重表征第k-1层的全部分功能对主功能的权重值,第二权重表征归属于第k-1层的一个分功能的第k层的全部分功能的权重值;
步骤S820,根据第一权重和第二权重得到功能部件的功能权重值,功能权重值的计算公式为:
Figure BDA0002967439870000091
其中,Wk为功能权重值,WK-1为第一权重,Pk为第二权重。
需要说明的是,参考图6,由于分功能之间也可能存在多个层级,因此,在求出价值函数权重后,需要计算每一层各分功能之间对应上一层的分功能的影响程度,计算出其比较矩阵。例如第k-1层上nk-1个分功能对最高层的权重向量为
Figure BDA0002967439870000092
设第k层上nk-1个分功能对上一层(第k-1层)上第j个分功能的权重向量为
Figure BDA0002967439870000093
则得到的比较矩阵
Figure BDA0002967439870000094
是nk×nk-1矩阵,表示第k层上的分功能对第k-1层各分功能的权向量。则第k层上的分功能对目标功能的总排序权重向量为
Figure BDA0002967439870000095
Figure BDA0002967439870000096
需要说明的是,采用上式进行计算,能够逐层得到每个功能部件的功能权重值,再对所有的功能权重值逐层叠加,从而得到备选方案的组合权重值。
另外,在本发明的另一个实施例中,需求信息至少包括如下之一:
移动稳定性;
工作速度;
运行噪声。
需要说明的是,需求信息可以根据夹持机械臂所能实现的需求选取即可,本实施例对此不多作限定。
另外,参照图9,本发明的一个实施例还提供了一种夹持机械臂900,包括和控制装置和至少两个操作装置,所述控制装置包括:存储器910、处理器920及存储在存储器910上并可在处理器920上运行的计算机程序。
处理器920和存储器910可以通过总线或者其他方式连接。
实现上述实施例的数字孪生模型的评价方法所需的非暂态软件程序以及指令存储在存储器910中,当被处理器920执行时,执行上述实施例中的应用于夹持机械臂900的数字孪生模型的评价方法,例如,执行以上描述的图1中的方法步骤S110至步骤S150、图2中的方法步骤S210至步骤S230、图3中的方法步骤S310至步骤S320、图4中的方法步骤S410至步骤S420、图5中的方法步骤S510至步骤S530、图7中的方法步骤S710至步骤S720、图8中的方法步骤S810至步骤S820。
以上所描述的装置实施例仅仅是示意性的,其中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,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模块来实现本实施例方案的目的。
此外,本发明的一个实施例还提供了一种计算机可读存储介质,该计算机可读存储介质存储有计算机可执行指令,该计算机可执行指令被一个处理器或控制器执行,例如,被上述夹持机械臂实施例中的一个处理器执行,可使得上述处理器执行上述实施例中的应用于夹持机械臂的数字孪生模型的评价方法,例如,执行以上描述的图1中的方法步骤S110至步骤S150、图2中的方法步骤S210至步骤S230、图3中的方法步骤S310至步骤S320、图4中的方法步骤S410至步骤S420、图5中的方法步骤S510至步骤S530、图7中的方法步骤S710至步骤S720、图8中的方法步骤S810至步骤S820。本领域普通技术人员可以理解,上文中所公开方法中的全部或某些步骤、***可以被实施为软件、固件、硬件及其适当的组合。某些物理组件或所有物理组件可以被实施为由处理器,如中央处理器、数字信号处理器或微处理器执行的软件,或者被实施为硬件,或者被实施为集成电路,如专用集成电路。这样的软件可以分布在计算机可读介质上,计算机可读介质可以包括计算机存储介质(或非暂时性介质)和通信介质(或暂时性介质)。如本领域普通技术人员公知的,术语计算机存储介质包括在用于存储信息(诸如计算机可读指令、数据结构、程序模块或其他数据)的任何方法或技术中实施的易失性和非易失性、可移除和不可移除介质。计算机存储介质包括但不限于RAM、ROM、EEPROM、闪存或其他存储器技术、CD-ROM、数字多功能盘(DVD)或其他光盘存储、磁盒、磁带、磁盘存储或其他磁存储装置、或者可以用于存储期望的信息并且可以被计算机访问的任何其他的介质。此外,本领域普通技术人员公知的是,通信介质通常包含计算机可读指令、数据结构、程序模块或者诸如载波或其他传输机制之类的调制数据信号中的其他数据,并且可包括任何信息递送介质。
以上是对本发明的较佳实施进行了具体说明,但本发明并不局限于上述实施方式,熟悉本领域的技术人员在不违背本发明精神的前提下还可作出种种的等同变形或替换,这些等同的变形或替换均包含在本发明权利要求所限定的范围内。

Claims (7)

1.一种数字孪生模型的评价方法,应用于夹持机械臂,所述夹持机械臂包括至少两个操作装置,所述操作装置包括至少两个功能部件,其特征在于,所述方法包括:
获取需求信息,所述需求信息表征所述夹持机械臂的功能需求;
根据所述需求信息确定目标功能;
根据预先设定的形态学矩阵和所述目标功能,确定每个所述操作装置的主功能;
将所述主功能分解为若干个分功能,所述分功能与所述功能部件唯一对应;
分别从每个所述操作装置所对应的分功能选取出一个备选功能;
将每个所述操作装置所对应的备选功能组成备选方案,其中,不同的所述备选方案至少有一个所述备选功能不相同;
根据全部所述备选方案生成数字孪生模型,所述数字孪生模型中包括至少两个备选方案,所述备选方案包括选取于每个操作装置的一个功能部件;
根据所述形态学矩阵,确定所述主功能和所述分功能的功能层级,所述功能层级表征所述分功能和所述主功能的层级结构;
根据层级对应关系,得到归属于同一个所述主功能的两个所述分功能之间的影响程度比,其中,所述影响程度比通过以下公式得到:
Figure FDA0003589564590000011
其中,kn为预先设定的标度常数,且满足
Figure FDA0003589564590000012
n为所述标度常数的数量,vn为预先设定的每个所述分功能的影响程度值,v(aij)为第i个所述分功能和第j个所述分功能对所述主功能的影响程度比;
根据所述影响程度比确定每个所述功能部件的功能权重值,根据所述功能权重值得到每个备选方案的组合权重值;
将所述组合权重值最高的所述备选方案确定为目标方案。
2.根据权利要求1所述的方法,其特征在于,所述根据所述分功能生成所述备选方案,包括:
分别从每个所述操作装置所对应的分功能选取出一个备选功能;
将每个所述操作装置所对应的备选功能组成所述备选方案,其中,不同的所述备选方案至少有一个所述备选功能不相同。
3.根据权利要求1所述的方法,其特征在于,所述根据所述影响程度比确定每个所述功能部件的功能权重值,包括:
根据归属于同一主功能的所有分功能之间的所述影响程度比得到参考权重向量;
根据所述参考权重向量和所述分功能的影响程度值,得到所述功能部件的功能权重值。
4.根据权利要求3所述的方法,其特征在于,所述功能层级的数量为k,其中,k为大于2的整数,所述根据所述参考权重向量和所述分功能的影响程度值,得到所述功能部件的功能权重值,包括:
根据所述参考权重向量和所述分功能的影响程度值,获取第一权重和第二权重,所述第一权重为第k-1层的全部所述分功能对所述主功能的权重值,所述第二权重为归属于第k-1层的一个所述分功能的第k层的全部所述分功能的权重值;
根据所述第一权重和第二权重得到所述功能部件的功能权重值,所述功能权重值的计算公式为:
Figure FDA0003589564590000021
其中,Wk为所述功能权重值,WK-1为所述第一权重,Pk为所述第二权重。
5.根据权利要求1所述的方法,其特征在于,所述需求信息至少包括如下之一:
移动稳定性;
工作速度;
运行噪声。
6.一种夹持机械臂,包括和控制装置和至少两个操作装置,所述控制装置中设置有存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序时实现如权利要求1至5中任意一项所述的数字孪生模型的评价方法。
7.一种计算机可读存储介质,存储有计算机可执行指令,所述计算机可执行指令用于执行如权利要求1至5中任意一项所述的数字孪生模型的评价方法。
CN202110254410.9A 2021-03-09 2021-03-09 数字孪生模型的评价方法、夹持机械臂、存储介质 Active CN113158360B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110254410.9A CN113158360B (zh) 2021-03-09 2021-03-09 数字孪生模型的评价方法、夹持机械臂、存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110254410.9A CN113158360B (zh) 2021-03-09 2021-03-09 数字孪生模型的评价方法、夹持机械臂、存储介质

Publications (2)

Publication Number Publication Date
CN113158360A CN113158360A (zh) 2021-07-23
CN113158360B true CN113158360B (zh) 2022-06-24

Family

ID=76884428

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110254410.9A Active CN113158360B (zh) 2021-03-09 2021-03-09 数字孪生模型的评价方法、夹持机械臂、存储介质

Country Status (1)

Country Link
CN (1) CN113158360B (zh)

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109933923A (zh) * 2019-03-19 2019-06-25 山东大学 一种基于数字孪生的机电装备精益设计方法
CN110009250A (zh) * 2019-04-13 2019-07-12 郑州航空工业管理学院 一种基于犹豫模糊语言的数字孪生车间质量评价方法
CN110490438A (zh) * 2019-08-01 2019-11-22 浙江大学 一种工业流水线车间数字孪生能力的简化策略推荐方法
JP2020515963A (ja) * 2017-03-27 2020-05-28 シーメンス アクチエンゲゼルシヤフトSiemens Aktiengesellschaft 設計ツールからのデータおよびデジタルツイングラフからの知識を用いた自律生成設計合成システム

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111026063B (zh) * 2019-12-25 2023-10-03 南方科技大学 数字孪生体构建方法、装置、计算机设备及存储介质

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2020515963A (ja) * 2017-03-27 2020-05-28 シーメンス アクチエンゲゼルシヤフトSiemens Aktiengesellschaft 設計ツールからのデータおよびデジタルツイングラフからの知識を用いた自律生成設計合成システム
CN109933923A (zh) * 2019-03-19 2019-06-25 山东大学 一种基于数字孪生的机电装备精益设计方法
CN110009250A (zh) * 2019-04-13 2019-07-12 郑州航空工业管理学院 一种基于犹豫模糊语言的数字孪生车间质量评价方法
CN110490438A (zh) * 2019-08-01 2019-11-22 浙江大学 一种工业流水线车间数字孪生能力的简化策略推荐方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
基于数字孪生技术的产线设计和迭代演化;王少平等;《机械工程师》;20200810(第08期);全文 *

Also Published As

Publication number Publication date
CN113158360A (zh) 2021-07-23

Similar Documents

Publication Publication Date Title
CN101370646B (zh) 机械压力机驱动***及方法
CN108253094B (zh) 一种rv减速器摆线针轮承载啮合印痕确定方法及装置
CN110082104B (zh) 一种谐波传动减速器及传动***及检测方法
WO2013162039A1 (ja) ダンプトラックの減速機歯車の寿命予測システム及びダンプトラックの減速機歯車の寿命予測方法
Roy et al. Design with part behaviors: behavior model, representation and applications
CN113158360B (zh) 数字孪生模型的评价方法、夹持机械臂、存储介质
Zhang et al. Dynamic analysis of a 3-p RR parallel mechanism by considering joint clearances
CN115220411A (zh) 基于数字孪生的产线管理方法、***、设备及介质
Zhang et al. Analysis of mixed lubrication of RV reducer turning arm roller bearing
CN206399652U (zh) 用于测试多种型号rv减速器动态性能的测试装置
Hsieh et al. Performance prediction method of cycloidal speed reducers
CN110610047A (zh) 机电执行器中电机和减速器快速选型方法
CN112319460A (zh) 一种双行星排功率分流混合动力***的构型优化方法
Liu et al. Investigation on contact and bending stress of face-hobbed and face-milled hypoid gear
CN105479456A (zh) 一种可移动四轴机器人
Algin et al. Kinematic and dynamic computation of vehicle transmission based on regular constructs
Strutynskyi et al. Investigation of the accuracy of the manipulator of the robotic complex constructed on the basis of cycloidal transmission
CN108818499A (zh) 具有rsr支链的角台并联机构
CN113343376A (zh) 冗余并联跟踪机构在混合电机工况下的驱动力优化方法
Han et al. Development and research status of RV reducer
Shi et al. RETRACTED: energy control strategy of plug-in hybrid electric vehicle based on pattern recognition
Vaculik A framework for electromechanical actuator design
Kit et al. Redesigning of lamp production assembly line
Semenov et al. Modeling induction motor driven sucker rod pump in MATLAB simscape
Lu et al. Friction power loss of continuous sine tooth profile planetary reducer

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