[發明專利]一種基于數字孿生技術的工業涂膠機器人運行狀態監測方法

有效

• 申請號: 202010161152.5
• 申請日: 2020-03-10
• 公開（公告）號: CN111230887B
• 公開（公告）日: 2021-01-26
• 發明（設計）人: 柏瑩;李紅;盛鵬;張貫虹
• 申請（專利權）人: 合肥學院
• 主分類號: B25J9/16
• 分類號: B25J9/16;B25J11/00;B25J19/00
• 代理公司: 合肥國和專利代理事務所(普通合伙) 34131
• 代理人: 張祥騫

1.一種基于數字孿生技術的工業涂膠機器人運行狀態監測方法，所述的工業涂膠機器人包括往復運動關節組件，往復運動關節組件的關聯部位安裝有用于獲取位置信息三維數值的傳感器，往復運動關節組件的作業臂前端安裝有姿態傳感器，圖像采集裝置的圖像采集范圍位于作業臂前端，位差監測終端的監測范圍位于作業臂前端，其特征在于，

所述的工業涂膠機器人運行狀態監測方法包括以下步驟：

11)獲取傳感器所采集的工業涂膠機器人運行狀態數據：所述的運行狀態數據包括設備位置三維數值、姿態圖片、數值、信號，反映設備環境狀態的溫度、噪聲數值信息，反映設備運行狀態的數值信息，反映設備生產運行狀態的質量信息；

12)工業涂膠機器人運行狀態數據的預處理：對工業涂膠機器人的運行狀態數據進行初步比對，剔除干擾數據；

13)構建數字孿生設備驅動模型：根據工業涂膠機器人的分析需要構建數字孿生設備驅動模型；所述構建數字孿生設備驅動模型包括以下步驟：

131)利用三維模型構建數字孿生設備驅動模型，實現通過邏輯控制構建出基于數字孿生的工業機器人作業臂運行工作特征；

132)利用虛擬引擎開發軟件，開展針對三維模型的深度個性化定制，使其準確反映工業涂膠機器人作業臂的運行工況特性；自定義三維模型及適用于機器人產線工業作業水平的工藝流程；建立適用于工業涂膠機器人作業特征的控制邏輯規劃，利用計算機語言及虛擬引擎的控制函數，完成邏輯控制觸發，實現虛擬引擎軟件開發環境下的適用于工業涂膠機器人真實產線設備的數字孿生體，用于運行特征的實時展現與關鍵部位、關鍵時間節點的個性化信息定制與評估；

133)將預處理后的數據信息，輸入構建的數字孿生設備驅動模型當中，利用計算機語言及虛擬引擎的控制函數，調整邏輯控制，完成滿足工業涂膠機器人實際個性化工作需求的點對點位置控制，實現實時數據輸入與響應運行狀態的耦合同步；通過在數字孿生虛擬開發環境中添加虛擬傳感器，獲得虛擬操作環境的工藝狀態特征，使得數字孿生驅動系統具備在任意目標狀態時點、任意目標操作位置實現工業涂膠機器人實時狀態監控與個性化信息提取的目的；利用自定義控制函數，將預處理后的數據信息，在數字孿生設備驅動模型中建立數據偏差分析，結合耦合權重獲得隨記錄時間變化的點對點偏差累積函數η(t)，用于遠期偏差預測；

134)初步完善的數字孿生設備驅動模型，結合已采集信號的已知偏差，利用工業涂膠機器人實際運行工況的運行經驗組建經驗庫，建立基于已知偏差的置信區間；利用自定義控制函數，根據實際工業涂膠機器人的工藝控制需要，選擇相應的控制手段或編譯自定義控制特征，采用記憶累加方式對偏差進行累加觸發并滿足△S(u_ii)＝△S(u_i0)+η(t)，使得數字孿生驅動模型具備適用于工業涂膠機器人個性化運行需求的隨時間變化的遠期演化分析能力；

其中△S(u)為系統觸發故障偏差，△S(u_ii)為不同采集特征的末次觸發偏差，△S(u_i0)為新觸發前的原始偏差，u為影響因素代號，η(t)為隨時間變化偏差累積函數；

135)設定構建數字孿生設備驅動模型利用持續采集的設備運行特征與演化結果進行比較，符合運行需求的結果直接進入下一輪迭代，不符合運行需求的結果，根據不同設備、部件特征及其允許的特征閾值偏差進行系統調整與自修正；

136)設定疲勞點判定：設定數字孿生設備驅動模型利用疲勞分析與算法優化實現機械臂疲勞點判定；所述設定疲勞點判定包括以下步驟：

1361)將數字孿生模型中累積觸發的工作臂運行狀態，根據運行監控時點的需要，利用MCD軟件結合UG或ANSYS建立工業涂膠機器人關鍵易受損部件的熱力學分析模型計算應力場，或者持續運行狀態下的設備作業演化分析云圖，獲得關鍵時點的疲勞點狀態圖；

1362)在數字孿生驅動模型中，建立算法優化模塊，采集并保存不同關鍵時點的數據特征，輸入算法優化模塊；模型采用神經網絡Viterbi算法，將由數字孿生模型內演化訓練得到的疲勞值進行聚類分析與疲勞狀態評估，獲得疲勞點數值精準分類，使疲勞評估結果按照所具有的最大可能性的疲勞狀態序列進行排列分布，分布情況采用疲勞評價指標r(α,i)折合的0-1的占比值進行直觀展示；

1363)將Viterbi算法推測得到的最可能的狀態序列與常規疲勞經驗分析專家庫的狀態序列進行對比分析，得出疲勞評價指標r(α,i)用于疲勞指標的量化評價與準確率評估，其表達式如下：

r(α,i)＝(recentstates(α,i)-states(α,i))/states(α,i)

進而獲得疲勞指標量化評分，其表達式如下：

式中：i為疲勞要素的權重個數，α為疲勞要素的代號，recentstates(α,i)為當前預測值，states(α,i)疲勞經驗值，Score(α,i)為疲勞指標量化評分；

式中：m₁為健康值下限評分，m₁為健康值上限評分；

當Score(α,i)≥m₁時，系統輸出等級為三級，顯示為健康；當m₂Score(α,i)≤m₁時，輸出等級為二級，顯示為疲勞；當Score(α,i)≤m₂時，系統輸出等級為一級，顯示為極度疲勞；

14)設備運行狀態的初期評價：將預處理后的工業涂膠機器人運行狀態數據輸入數字孿生設備驅動模型，數字孿生設備驅動模型以虛擬方式實現工業涂膠機器人作業，得到工業涂膠機器人隨運行時間變化而演化的運行狀態數值；

15)數字孿生設備驅動模型的修正：將數字孿生設備驅動模型演化后的運行狀態數值與實時傳輸的設備狀態進行對比匹配，實現數字孿生設備驅動模型的修正；

16)工業涂膠機器人運行狀態的監測：獲取傳感器采集的工業涂膠機器人運行狀態實時數據，將實時數據預處理后輸入修正后的數字孿生設備驅動模型，預測出工業涂膠機器人運行的遠期趨勢，判定出運行疲勞點。