机器人在生产线的优化方法、系统及在数字孪生的应用技术方案

机器人在生产线的优化方法、系统及在数字孪生的应用，该优化方法为获取并关联制品的物理数据及机器人的工作数据和约束状态数据，通过实时对比每条工艺路线和制品的物流路径的性能指标，选择目前状态下最优的工艺路径和制品的物流路径；计算出机器人在任意时刻的关节位置、关节速度和关节加速度，获得生成机器人优化后的工作数据。优化系统包括：管控系统、现场监控中心、生产设备和控制网络；在数字孪生的应用，能将生产设备的数据与仿真平台实时同步，使机器人与仿真平台上的数字化模型同步。本发明专利技术通过柔性地调整工艺路径和在制品的物流路径，即实现了通过动态优化机器人的动作轨迹并应用数字孪生技术对生产线进行的迭代优化控制。

Optimization method and system of robot in production line and its application in digital twin

【技术实现步骤摘要】
机器人在生产线的优化方法、系统及在数字孪生的应用
本专利技术涉及生产线的优化方法
，尤其涉及机器人在生产线的优化方法、系统及在数字孪生的应用。
技术介绍
现有技术下的机器人生产线设计，主要是通过模块化的设计，从而朝着多规模、多种类、小批量和复杂化的方向发展，形成满足个性化需求的设计方案，配合离线仿真布局分析、示教再现或离线编程技术，实现静态的布局设计和机器人的自动化运维。最大的缺点在：(1)现有机器人生产线设计是通过离线布局仿真到示教再现或离线编程技术来实现布局规划和机器人操作，因此无法将制造执行流程和规划设计流程整合起来，无法实现从设计到执行再到运维全过程的数字化。(2)现有设计方法未能将机器人的数字化模型与上层管控系统集成起来，无法实现“管控系统对机器人数字化模型进行下发生产指令驱动”的动态模拟运行测试；同时，无法实现机器人与现场实物设备之间的指令同步与信息传输，无法真实模拟实际的生产过程，从而使得仿真分析与验证测试结果不具有足够的可信度和说服力。(3)机器人生产线在设计过程中并没有通过理论依据和收集分析的研究，目前只能在现场进行机器人的调试研配，因此机器人和生产线之间具有极高的耦合度，无法实现高程度的柔性化生产，也无法实现分布式的集成设计，提高了设计成本。总而言之，当前的机器人生产线设计模式缺少高效的、动态的、集成的验证测试方法和优化迭代技术。
技术实现思路
本专利技术的目的在于提出一种机器人在生产线的优化方法，通过实时对比每条工艺路线和制品的物流路径的性能指标，选择目前状态下最优的工艺路径和制品的物流路径；再计算出机器人在任意时刻的关节位置、关节速度和关节加速度，获得生成机器人优化后的工作数据。本专利技术还提出一种机器人在生产线的优化系统，其包括：管控系统、现场监控中心、生产设备和控制网络。本专利技术还提出一种机器人在生产线的优化方法在数字孪生的应用，其将生产设备的数据与仿真平台实时同步，使机器人与仿真平台上的数字化模型同步。为达此目的，本专利技术采用以下技术方案：一种机器人在生产线的优化方法，包括以下步骤：(1)获取制品的物理数据及机器人的工作数据，并相互关联，形成数据库；(2)获取机器人的工作数据，对生产线的工艺路径和制品的物流路径逐个进行Petri网模型的构建，建立对应的关联矩阵，解出不变量令牌P的集合；根据机器人的工作数据随机设定变迁T的集合，再依此通过建立可达树和/或可达图，求出生产线可能到达的状态；根据已得出的可达树和/或可达图，以及转移速率，构造出与Petri网模型等价的马尔科夫链，根据马尔科夫过程有下列线性方程组：解线性方程组，计算出对应生产线的工艺路径和制品的物流路径下的性能指标表达式，将该性能指标表达式作为粒子群算法的适应度函数表达式，迭代执行粒子群算法：通过实时对比每条工艺路线和制品的物流路径的性能指标，选择目前状态下最优的工艺路径和制品的物流路径；(3)获取机器人的关节位移，并结合步骤(2)中变迁T的集合中的时间元素，求出关节速度和关节加速度；输出最优解，并代入由步骤(1)中机器人的约束方程(约束方程为机器人真实的约束条件推算出)，确定好高阶多项式，使机器人通过轨迹上的所有节点，形成机器人优化后的工作数据，得到机器人在任意时刻的关节位置、关节速度和关节加速度，完成机器人动作轨迹规划算法的编写；(4)根据步骤(2)选定的工艺路径和物流路径，得到机器人作业的路径节点、起点与终点；输入机器人动作轨迹规划算法中，实时生成机器人的动作轨迹。更进一步说明，所述步骤(2)中，解线性方程时，根据若干组变迁T的集合中的时间元素作为算法的初始解，即为粒子初始位置，代入速度更新公式得到粒子初始速度，将粒子初始位置和初始速度代入适应度函数表达式中得到相应的适应值，取其中适应值最好的粒子的位置来更新Pid和Pgd，然后根据速度更新公式和位置更新公式迭代更新粒子的位置和速度，直到迭代次数达到所设定最大迭代次数或全局最优位置满足最小界限，此时适应值最好的粒子即为适应度最好的一组变迁T的集合，得到对应的适应值即对应的工艺路线和制品的物流路径两者的性能指标；速度更新公式为：位置更新公式为：更进一步说明，所述步骤(1)中，获取制品的物理数据及机器人的工作数据，利用ETL工具完成数据整合和清洗分析之后，经相互关联，形成存储在管控系统的数据库。更进一步说明，所述步骤(1)中，MES系统上投放订单，通过已有数字孪生模型的上行信息通道，根据工序先后顺序获取制品的物理数据及机器人的工作数据，并建立相互关联的数据存储在管控系统的数据库。更进一步说明，所述步骤(3)中，通过机器人反求方法求出关节位移；结合步骤(2)计算出的变迁T的集合中的时间元素，通过逆雅可比矩阵方法求出关节速度；通过逆雅可比矩阵及其导数求出关节加速度。更进一步说明，所述步骤(1)中，通过集成在制品的数据接口、取货位置的数据接口和卸货位置的数据接口，从数字孪生技术的上行信息通道中获取相关的数据包括：机器人作业的各个动作路径节点，以及动作路径的起点和终点。更进一步说明，还包括步骤(5)：机器人应用优化后的工作数据，使机器人依工作数据执行动作；重复迭代执行步骤(1)-(4)。一种机器人在生产线的优化方法在数字孪生的应用，包括以下步骤：(S1)将生产线数字化，并对生产线的构型与动型设计；(S2)建立生产线数字孪生模型，进行整线集成测试与联调；(S3)集成上层智能驱动引擎，进行设计与执行迭代优化方法，迭代优化方法为权利要求1-7任意一项所述的优化方法。一种机器人在生产线的优化系统，包括：管控系统、现场监控中心、生产设备和控制网络；所述管控系统，用于对生产线的工艺路径和制品的物流路径逐个进行Petri网模型的构建，建立对应的关联矩阵，解出不变量令牌P的集合；根据机器人的工作数据随机设定变迁T的集合，再依此通过建立可达树和/或可达图，求出生产线可能到达的状态；根据已得出的可达树和/或可达图，以及转移速率，构造出与Petri网模型等价的马尔科夫链；解马尔科夫过程的线性方程组，计算出对应生产线的工艺路径和制品的物流路径下的性能指标表达式，将该性能指标表达式作为粒子群算法的适应度函数表达式，迭代执行粒子群算法：通过实时对比每条工艺路线和制品的物流路径的性能指标，选择目前状态下最优的工艺路径和制品的物流路径；所述管控系统还用于，接收机器人的关节位移后，结合变迁T的集合中的时间元素，求出关节速度和关节加速度；输出最优解，并代入机器人的约束方程，确定好高阶多项式，使机器人通过轨迹上的所有节点，形成机器人优化后的工作数据，得到机器人在任意时刻的关节位置、关节速度和关节加速度，完成机器人动作轨迹规划算法的编写；所述现场监控中心，用于获取所述生产设备的数据，并发送至管控中心；所述生产设备，包括：生产线和机器人，用于生产或加工物料；所述控制网络，连接所述管控系统、所述现场监控中心和所述生产设备，用本文档来自技高网...

【技术保护点】
1.一种机器人在生产线的优化方法，其特征在于，包括以下步骤：/n(1)获取制品的物理数据及机器人的工作数据，并相互关联，形成数据库；/n(2)获取机器人的工作数据，对生产线的工艺路径和制品的物流路径逐个进行Petri网模型的构建，建立对应的关联矩阵，解出不变量令牌P的集合；根据机器人的工作数据随机设定变迁T的集合，再依此通过建立可达树和/或可达图，求出生产线可能到达的状态；根据已得出的可达树和/或可达图，以及转移速率，构造出与Petri网模型等价的马尔科夫链，根据马尔科夫过程有下列线性方程组：/n

【技术特征摘要】
1.一种机器人在生产线的优化方法，其特征在于，包括以下步骤：
(1)获取制品的物理数据及机器人的工作数据，并相互关联，形成数据库；
(2)获取机器人的工作数据，对生产线的工艺路径和制品的物流路径逐个进行Petri网模型的构建，建立对应的关联矩阵，解出不变量令牌P的集合；根据机器人的工作数据随机设定变迁T的集合，再依此通过建立可达树和/或可达图，求出生产线可能到达的状态；根据已得出的可达树和/或可达图，以及转移速率，构造出与Petri网模型等价的马尔科夫链，根据马尔科夫过程有下列线性方程组：



解线性方程组，计算出对应生产线的工艺路径和制品的物流路径下的性能指标表达式，将该性能指标表达式作为粒子群算法的适应度函数表达式，迭代执行粒子群算法：通过实时对比每条工艺路线和制品的物流路径的性能指标，选择目前状态下最优的工艺路径和制品的物流路径；
(3)获取机器人的关节位移，并结合步骤(2)中变迁T的集合中的时间元素，求出关节速度和关节加速度；输出最优解，并代入由步骤(1)中机器人的约束方程，确定好高阶多项式，使机器人通过轨迹上的所有节点，形成机器人优化后的工作数据，得到机器人在任意时刻的关节位置、关节速度和关节加速度，完成机器人动作轨迹规划算法的编写；
(4)根据步骤(2)选定的工艺路径和物流路径，得到机器人作业的路径节点、起点与终点；输入机器人动作轨迹规划算法中，实时生成机器人的动作轨迹。


2.根据权利要求1所述的一种机器人在生产线的优化方法，其特征在于，所述步骤(2)中，解线性方程时，根据若干组变迁T的集合中的时间元素作为算法的初始解，即为粒子初始位置，代入速度更新公式得到粒子初始速度，将粒子初始位置和初始速度代入适应度函数表达式中得到相应的适应值，取其中适应值最好的粒子的位置来更新Pid和Pgd，然后根据速度更新公式和位置更新公式迭代更新粒子的位置和速度，直到迭代次数达到所设定最大迭代次数或全局最优位置满足最小界限，此时适应值最好的粒子即为适应度最好的一组变迁T的集合，得到对应的适应值即对应的工艺路线和制品的物流路径两者的性能指标；
速度更新公式为：
位置更新公式为：


3.根据权利要1所述的一种机器人在生产线的优化方法，其特征在于，所述步骤(1)中，获取制品的物理数据及机器人的工作数据，利用ETL工具完成数据整合和清洗分析之后，经相互关联，形成存储在管控系统的数据库。


4.根据权利要1所述的一种机器人在生产线的优化方法，其特征在于，所述步骤(1)中，MES系统上投放订单，通过已有数字孪生模型的上行信息通道，根据工序先后顺序获取制品的物理数据及机器人的工作数据，并建立相互关联的数据存储在管控系统的数据库。


5.根据权利要求1所述的一种机器人在生产线的优化方法，其特征在于，所述步骤(3)中，通过机器人反求方法求出关节位移；结合步骤(2)计算出的变迁T的集合中的时间元素...

【专利技术属性】
技术研发人员：刘强，方洛，严都喜，赵荣丽，
申请(专利权)人：广东工业大学，
类型：发明
国别省市：广东;44