基于Process Simulate的机器人运动程序开发及应用

针对目前汽车行业车身车间越来越高的自动化程度和日益复杂的车型更新,使用Tecnomatix软件进行虚拟调试,把前期设计数模导入Process Simulate模块,进行运动仿真和碰撞模拟测试,提前发现设计缺陷,并与机器人厂家联合开发运动和工艺模块,与上位PLC进行逻辑处理,与下位应用设备进行标准化模块处理及数据通信,提...     

工业机器人装箱与码垛工作站数字孪生系统设计与优化

为优化工业机器人装箱与码垛的作业效率,结合数字孪生技术,在Visual Components软件中搭建了数字孪生模型,完成了基于Siemens S7和Modbus协议的信息物理融合系统架构设计,实现了物理实体与数字模型的实时链接。采用遗传算法规划了工业机器人装箱与码垛最优路径,利用Visual Components软件完成了编程与数字孪生同步验证。利用搭建的数字孪生模型对动力辊道线和机器人的参数进行优化后消除了码垛机器人的怠工状态,同时将装箱与码垛工作站的工作效率提高了13%。该研究可对装箱与码垛工作站提供参考和理论依据。     

融合多传感器的工业机器人故障信息采集系统

由于工业机器人在频繁的运行中受到各种摩擦、振动、温度变化以及负载作用的影响,从而使设备出现故障的概率大大提升。为了更加全面掌握工业机器人的运行状态,采用ZigBee无线传输技术设计了融合多传感器的工业机器人故障信息采集系统。采集节点读取振动传感器、电机转速传感器和温度传感器采集的数据获取工业机器人不同部位的工况信息,然后通过ZigBee无线模块发送到接收装置。接收装置将工业机器人的运行状态信息进行解析,并将提取出来的特征信息与故障特征进行比对,从而对工业机器人进行故障诊断和预测。     

基于Process Simulate的机器人滚边仿真分析

为提升滚边工艺设计质量、降低实施风险、缩短实施周期,利用Process Simulate软件对机器人滚边进行了仿真分析,并给出了仿真技巧及要点,从而保证了仿真过程与实际生产过程的一致性,提高仿真结果的有效性。     

工业机器人码垛数字孪生系统的研究与实现

为提高工业机器人码垛的智能化水平,将数字孪生技术与机器人码垛作业流程相结合,研究并设计了工业机器人码垛数字孪生系统。分析了码垛数字孪生系统架构,规划并设计了系统的功能模块和运行机制,阐述了工业机器人数字孪生系统数据集成模块、虚拟场景构建模块、虚拟机器人码垛模块和可视化辅助服务模块的实现方法,融合真实码垛场景下的机器人作业数据,实现了对基于数字孪生技术的工业机器人码垛虚拟可视化仿真与策略优化的信息反馈。设计并开发了面向工业机器人码垛作业的数字孪生系统,以物理码垛场景数据为例,验证了本系统的有效性,为探索数字孪生技术在工业机器人智能码垛的应用进行了尝试。     

基于OPC UA的数字孪生车间信息物理融合系统

针对生产车间数据集成和分享难度大、实时可视化监控成本高等问题,基于OPC统一架构(Unified Architecture,UA)与数字孪生技术,提出一套面向生产车间的数字孪生车间信息物理融合系统方案。首先,设计了数字孪生车间信息物理融合系统架构,分析了系统架构的组成要求,建立了面向生产车间的通用OPC UA信息模型层次架构;然后,通过信息模型建模、OPC UA服务器开发和OPC UA客户端访问构建了数字孪生车间的统一接口;最后,将该系统方案应用于某生产车间,经验证该方案为生产车间数据集成和统一管理、智能化与可视化监控以及各系统程序之间的数据共享提供了保障,是推动智能制造的有效方案。     

基于数字孪生技术的工业机器人故障预测方法

为了提高工业机器人的运行效率,采用数字孪生技术和卷积神经网络算法设计了工业机器人故障的预测方法。首先设计了工业机器人故障预测的基本架构,然后利用数字孪生技术构建了虚实映射的工业机器人的物理模型,并提取工业机器人的运动姿态特征,最后利用卷积神经网络算法构建了工业机器人电机故障的预测模型,通过对故障特征信号特征提取和分类,实现了故障的实时预测。仿真结果表明：通过孪生虚拟模型获取的工业机器人运行状态与实际运行状态高度重合,采用提出的故障预测方法对100组数据处理,得到的正确率、精确率、召回率和F1值4个性能指标分别为0.961 7、0.903 5、0.925 4和0.923 1,均明显高于其他两种对比方法,为工业机器人进行故障诊断和预测提供有力的技术支持。     

基于数字孪生的工业机器人三维可视化监控EI北大核心

为实现对工业机器人的透明、实时可视化监控,提出一种基于数字孪生的工业机器人三维实时可视化监控系统。该系统基于改进的数字孪生系统框架建立机器人数字孪生体,实现了物理单元建模,以及孪生数据的采集、传输与解析,进而同步映射物理单元与虚拟单元,实现了对机器人的三维实时监控。通过采用所开发的原型系统进行验证,证明了所提系统的可行性和有效性。     

工业机器人去毛刺工作站数字孪生系统设计与优化

为优化工业机器人去毛刺工作站的作业效率,利用数字孪生技术搭建了由1台机器人和2台变位机组成的去毛刺工作站数字孪生模型,实现了物理实体与数字模型的实时通信。采用遗传算法规划工业机器人去毛刺最优路径,利用去毛刺自动跟踪系统提高去毛刺的质量,利用搭建的数字孪生环境对机器人的工具中心点（Tool Center Point,TCP）速度轨迹曲线和作业能耗进行优化分析,使去毛刺工作站的作业效率提高了3.64%。该研究可对工业机器人去毛刺工作站开展相关工作提供参考和理论依据。     

机床上下料系统的数字化孪生设计与仿真

针对传统机床人工上下料生产效率低下和自动化生产线现场搭建存在的重复调试问题,对机床上下料系统进行数字化孪生设计与仿真研究,提出一种虚拟调试方法,在完成机床上下料系统整体设计的同时,实现系统的控制仿真。使用Process Simulate平台,在虚拟环境中构建机床上下料系统的三维数字化孪生模型,结合PLC控制系统,通过虚拟调试不断优化系统布局、工作流程、控制程序的控制逻辑和机器人上下料路径,完善机床上下料系统并实现机器人离线编程。对系统进行仿真分析,结果表明：该机床上下料系统的生产效率相比传统人工上下料提高近15%,其数字化孪生设计与仿真研究具有较好的适用性,可以减少现场重复调试的时间、降低调试成本。     

基于数据融合和改进 MoCo的工业机器人抖动原因识别

实际工程中工业机器人受关节控制参数不佳易引起末端抖动,抖动原因识别有助于定位关节异常及优化控制。而工业机器人抖动原因识别存在周期信号冗余度高、抖动方向多及抖动状态样本标签缺失的问题,故提出基于数据融合和改进动量对比学习(MoCo)的工业机器人抖动原因识别方法。首先,对工业机器人末端各传感器数据依次进行数据降维、数据扩充、水平拼接融合及降维,构建充足且全面反映抖动方向及状态信息的融合样本。其中,数据融合前降维可降低周期样本冗余度及提升样本融合效率,数据融合后降维可避免融合样本过长导致模型训练复杂度增加。其次,在MoCo前标记少量融合样本由正编码器分类通道输出监督信息,引导特征聚类。然后,改进对比学习策略,将正编码器提取的无标签融合数据特征与动量编码器保存的负样本特征的聚类中心进行对比,去除特征相似度最高的聚类中心以降低对比类别错误的假负样本干扰。并通过对称调换两个编码器的输入进行两次对比损失计算,完成编码器训练。最后,在编码器分类通道后添加Softmax分类器完成工业机器人抖动原因识别。实验结果表明,所提方法在不同工况的工业机器人抖动原因识别准确率均在90%以上,证明了该方法的有效性。     

基于视觉的机器人抓取技术的研究

该文提出了一种基于智能相机的机器人抓取系统,采用图像处理算法对相机捕获到的图像使用模板匹配、边缘查找及坐标变换,得到工件在机器人坐标系的位置和姿态,通过串口将处理后的工件位姿数据发送给机器人控制器,控制器向机器人发送运动指令。经实验验证,系统达到设计要求,在工业机器人系统中引入计算机视觉提高了机器人的柔性以及对环境的适应能力。     

基于概率方法的多微型机器人分布式定位

针对常见的微小型机器人群体定位中单纯依赖外部彩色视觉图像信息以及定位精度较差的问题,提出了一种基于概率方法的多微型机器人分布式定位方法。该方法利用部分可观Markov过程,将外部视觉信息和机器人个体的驱动信息融合,从而提高了定位精度。方法基于分布式形式出现,并且仅需要外部视觉传感器提供灰度图像,从而提高了多机器人系统的可扩展性。     

基于双目立体视觉的工业机器人在线温度补偿

工业机器人在工业现场进行连续高速作业过程中,电机发热和关节摩擦生热将导致机械臂本体温度升高,引起机器人末端定位漂移,严重影响机器人的重复定位精度和作业精度。针对制造现场的工业机器人,提出了一种基于双目立体视觉的温度误差在线补偿方法,并基于微分运动学和双目视觉原理构建了温度误差补偿模型。在机器人末端安装基准球,同时在基座附近固定视觉测量传感器,机器人完成作业循环之后,以不同的姿态带动基准球至传感器视场内进行补偿测量。此外,通过分析各关节参数随时间变化的规律,筛选出符合温度漂移规律的显著性参数进行补偿,有效降低了补偿测量次数和耗时。实验结果显示,补偿后机器人的重复定位精度可维持在±0.1mm的水平,能够显著改善制造现场工业机器人的作业精度,且整个补偿测量过程耗时10s左右。     

基于信息融合技术的加工过程监测系统研究

加工过程状态的监测与控制是提高机床智能化的重要研究内容,为实现加工过程的智能化监测与控制必须以多传感器及多传感器信息融合技术为基础.提出了一种基于粗糙集理论和神经网络的多传感器智能信息融合方法,该方法将粗糙集理论作为实现多传感器数据融合的方法,同时针对粗糙集理论只能处理离散数据的问题.提出了使用自组织特征映射网络对传感器采集数据进行离散化及聚类处理的方法,针对粗糙集理论在决策融合处理方面的不足,提出了使用BP神经网络来实现决策规则的有效融合,分析了该方法的原理、关键技术及实现方法,为后期的进一步的研究和应用打下基础.     

双工业机器人协调作业的研究

提出了根据约束进行协调作业的位姿、速度的对应与分解的关系从而实现双工业机器人协调作业的方法.通过对机器人运动学的分析、双工业机器人安装位姿以及协调作业的运动约束的分析与描述,确定双工业机器人运动学关系.通过对机器人关节角的改变控制双工业机器人工具坐标系原点.以螺旋副的拆装为例从运动学的角度实现了双工业机器人的协调作业.研究证明,利用该方法能够实现双工业机器人的协调作业.     

多传感器信息融合及其在加工过程中的应用现状

为了提高机床的智能化水平,需使用多种类或多布点的传感器,如何合理使用多传感器来提高机床的智能化水平是关键问题,目前多传感器信息融合理论及技术是解决此问题的有效途径.对多传感器的信息融合原理和融合方法及其在加工过程中的典型应用情况进行了总结,明确智能信息融合技术在加工过程的监测与控制方面的应用具有广阔的前景.     

基于移动机器人的多超声波传感器信息融合

智能化是未来机动机器人的发展方向,而智能化的基础是传感器技术的发展,机器人信息融合技术则弥补了使用单传感器带来的缺陷。本文利用多超声波传感器系统荻得移动机器人的环境信息,并使用人工神经网络对多传感器信息进行融合,从而达到对被测物体影像比较准确的认识,试验表明效果良好,具有很好的使用价值。     

基于数字孪生的卫星总装过程管控系统

为解决卫星总装过程实时管控和分析预测的难题,提出一种基于数字孪生的卫星总装过程管控系统,建立了系统体系结构,研究了面向总装过程管控的产品与车间孪生建模、数据物联采集与虚实精准映射、数字孪生驱动的总装过程实时管控与分析预测、孪生数据多维度组织管理等关键技术。该系统以孪生模型和实时数据为驱动,基于产品关键特征和车间关键要素,将模型与数据进行有效融合,实现了总装过程的实时管控,并为生产决策提供支持。通过在卫星总装车间部署运行的应用效果,验证了该系统的有效性和可行性。     

基于三维GIS技术的公路交通数字孪生系统

数字孪生是一种集成多学科属性,通过物理世界与信息世界连接融合达到虚拟现实交互与融合的科学,其在交通业的落地途径为建筑信息模型(BIM)+地理信息系统(GIS)技术。各类交通基础设施模型要素的交互关联及孪生数据合理建设方案成为制约其发展的瓶颈。立足交通,以数字孪生的五维结构模型为指导,在三维GIS环境下,针对其虚拟模型应包含的几何、物理、规则模型提出了具体的实现技术。分析了交通基础设施分类及孪生数据特点,细化其构件层次关系,实现模型的标识编码与存储方案。依据CAMP5对系统软件进行分类,并依各层次阐述了验证方法,完成系统验证。最后,基于虚拟模型与数据融合,梳理了像素层、表征层和决策层的应用开发思路,以期为交通运输领域践行数字孪生提供技术参考。