一种基于数字孪生的协作机器人可装配性预测系统及方法技术方案

本发明专利技术公开了一种基于数字孪生的协作机器人可装配性预测系统及方法，包括数据获取单元、数据处理单元、特征群构建单元、可装配性预测分析模型构建单元、可装配性预测分析模型训练单元、可装配性预测分析模型优化单元和可装配性分析单元。利用产线装配工业大数据及深度神经网络优化算法，根据现有加工制造条件对零件加工工艺及其可装配特性进行预判检验，在考虑维护拆装难易程度的条件下，提出可装配性工艺评价。本发明专利技术的协作机器人可装配性预测系统及方法，具有能够有效减小装配现场刀具磨损、装配工艺不合理、装配故障停机等对自动化产线生产造成的经济损失并显著降低整个产品的制造成本等优点。

【技术实现步骤摘要】
一种基于数字孪生的协作机器人可装配性预测系统及方法
本专利技术涉及智能制造领域，特别是涉及一种基于数字孪生的协作机器人可装配性预测系统及方法。
技术介绍
协作机器人是指可以在智能制造生产线上与人协同工作的机器人，充分发挥机器人的效率及人类的智能。这种机器人不仅性价比高，而且安全方便，能够极大地促进制造企业的发展。协作型机器人作为一种新型的工业机器人，扫除了人机协作的障碍，让机器人彻底摆脱护栏或围笼的束缚，其开创性的产品性能和广泛的应用领域，为工业机器人的发展开启了新时代。协作机器人能够与人一同协作，并与人类共同完成不同的任务。这既包括完成传统的“人干不了的、人不想干的、人干不好的”任务，又包括能够减轻人类劳动强度、提高人类生存质量的复杂任务。因此，人机协作可被看作新型工业机器人的必有属性。数字孪生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。数字孪生是采用信息技术对物理实体的组成、特征、功能和性能进行数字化定义和建模的过程。数字孪生体是指在计算机虚拟空间存在的与物理实体完全等价的信息模型，可以基于数字孪生体对物理实体进行仿真分析和优化。申请号为202010048877.3的中国专利技术专利公开了一种面向机器人电子元器件装配的自学习模型预测控制方法，包括实时输入末端执行器及关节的位置、速度、加速度输出与期望值的差值；通过自学习训练得到模型预测控制器，输出控制力矩时延差值；其同时用作反馈，作为电子元器件装配机械人的输入，输出电子元器件装配过程机器人关节及电子元器件装配过程机器人末端执行器的实际目标位置、速度和加速度；上述与期望值差值，反馈到模型预测控制器，实现预测控制器自学习。与现有的机器人装配控制方法相比，该专利技术通过以差值为输入输出的自学习模型预测控制器，其控制具有速度快、精度高的特点，满足电子元器件在各种干扰因素条件下的电子元器件高精度在线装配的需要。但是该专利技术仅仅适用于电子元器件的装配。在现代化的智能制造生产线中，对大量零件构成的复杂设备的装配工作通常是由协作机器人完成的，在装配时常常需要考虑零件之间的运动误差、装配误差、装配与拆卸情况等。为了保证复杂设备的装配工作的更安全、更可靠和更高效，因此需要对相互匹配的零件之间的可装配性进行预测，以避免在实际装配时因运动误差、装配误差等原因造成无法装配而影响整个智能制造生产线的生产效率；利用数字孪生手段，对真实零件进行虚拟可视化预装评价，也是减少实际装配工序、降低协作机器人及其辅助装备损耗、提高生产效率的关键问题。
技术实现思路
本专利技术所要解决的技术问题是提供一种基于数字孪生的协作机器人可装配性预测系统及方法，以解决现有技术中装配工艺不合理、装配故障停机等原因影响自动化产线的生产效率的问题。为解决上述技术问题，本专利技术采用如下的技术方案。一种基于数字孪生的协作机器人可装配性预测系统，其特点是，包括数据获取单元、数据处理单元、特征群构建单元、可装配性预测分析模型构建单元、可装配性预测分析模型训练单元、可装配性预测分析模型优化单元和可装配性分析单元；所述数据获取单元，用于搜集智能加工生产线上的工艺数据、零件的基本结构特征数据和装配数据，形成可装配性预测初期数据集；所述数据处理单元，用于对可装配性预测初期数据集进行处理，获得标准化特征值；所述特征群构建单元，用于将标准化特征值与当前协作机器人装配性与装配故障进行初步关联构建特征群，得到特征群关联树；所述可装配性预测分析模型构建单元，用于通过目标装配零件的结构特征来获得预装零件的结构孪生体，将结构孪生体结合初始工艺流程，构建可装配性预测分析模型；所述可装配性预测分析模型训练单元，用于对可装配性预测分析模型进行训练；所述可装配性预测分析模型优化单元，用于对可装配性预测分析模型进行调节和优化；所述可装配性分析单元，用于对需要装配的各个预装零件是否具备可装配性进行分析，并输出预装零件的最优装配工艺。所述协作机器人位于智能加工生产线的加工装配工位，协作机器人包括作业臂和关节结构；所述作业臂的顶端安装有图像识别装置。所述图像识别装置包括高清工业相机、传感器和支架。本专利技术还提供了一种基于数字孪生的协作机器人可装配性预测方法，包括以下步骤：步骤1：数据获取步骤，搜集智能加工生产线上的初始工艺数据、零件的基本结构特征数据和预装零件的装配数据，形成可装配性预测初期数据集；步骤2：数据处理步骤，对所述步骤1获得的可装配性预测初期数据集进行处理，获得标准化特征值；步骤3：特征群构建步骤，将所述步骤2获得的标准化特征值与当前协作机器人的装配性与装配故障进行初步关联构建特征群，得到特征群关联树；步骤4：可装配性预测分析模型构建步骤，通过预装零件的结构特征来获得该预装零件的结构孪生体，将结构孪生体结合初始工艺流程，构建可装配性预测分析模型；步骤5：可装配性预测分析模型训练步骤，通过测试集与验证集，对可装配性预测分析模型的神经网络系统进行训练；步骤6：可装配性预测分析模型优化步骤，对可装配性预测分析模型的神经网络系统进行调节和优化；步骤7：可装配性分析步骤，对需要装配的各个零件是否具备可装配性进行分析，并输出预装零件的最优装配工艺。所述步骤2中，所述数据处理采用归一化简化处理方法。所述步骤3中，通过临近数据拟合得到特征群关联树。所述步骤4中，通过将预装零件的结构特征导入虚拟三维造型开发引擎，获得预装零件的结构孪生体。所述步骤4中，采用适用于时间序列分析的长短时记忆LSTM神经网络进行可装配性预测分析模型的构建。所述步骤6中，采用粒子群优化算法PSO对LSTM神经网络模型进行优化调整。本专利技术的有益效果是：本专利技术公开了一种基于数字孪生的协作机器人可装配性预测系统，包括数据获取单元、数据处理单元、特征群构建单元、可装配性预测分析模型构建单元、可装配性预测分析模型训练单元、可装配性预测分析模型优化单元和可装配性分析单元。协作机器人可装配性预测方法包括数据获取步骤、数据处理步骤、特征群构建步骤、可装配性预测分析模型构建步骤、可装配性预测分析模型训练步骤、可装配性预测分析模型优化步骤和可装配性分析步骤，利用产线装配工业大数据及深度神经网络优化算法，根据现有加工制造条件对零件加工工艺及其可装配特性进行预判检验，在考虑维护拆装难易程度的条件下，提出可装配性工艺评价。本专利技术的协作机器人可装配性预测系统及方法，利用数字孪生技术对自动化产线中协作机器人装配工位的零件可装配性进行模拟预装分析，利用深度学习及其算法的优化改进对预测过程进行准确性及高效率矫正，使得零件的实际生产装配过程具备明确的可评价性，有效减小了装配现场刀具磨损、装配工艺不合理、装配故障停机等对自动化产线生产造成的经济损失，显著降低整个产品的制造成本，并对产品设计及工艺改进提供重要支持。本文档来自技高网...

【技术保护点】
1.一种基于数字孪生的协作机器人可装配性预测系统，其特征在于，包括数据获取单元、数据处理单元、特征群构建单元、可装配性预测分析模型构建单元、可装配性预测分析模型训练单元、可装配性预测分析模型优化单元和可装配性分析单元；/n所述数据获取单元，用于搜集智能加工生产线上的工艺数据、零件的基本结构特征数据和装配数据，形成可装配性预测初期数据集；/n所述数据处理单元，用于对可装配性预测初期数据集进行处理，获得标准化特征值；/n所述特征群构建单元，用于将标准化特征值与当前协作机器人装配性与装配故障进行初步关联构建特征群，得到特征群关联树；/n所述可装配性预测分析模型构建单元，用于通过目标装配零件的结构特征来获得预装零件的结构孪生体，将结构孪生体结合初始工艺流程，构建可装配性预测分析模型；/n所述可装配性预测分析模型训练单元，用于对可装配性预测分析模型进行训练；/n所述可装配性预测分析模型优化单元，用于对可装配性预测分析模型进行调节和优化；/n所述可装配性分析单元，用于对需要装配的各个预装零件是否具备可装配性进行分析，并输出预装零件的最优装配工艺。/n

【技术特征摘要】
1.一种基于数字孪生的协作机器人可装配性预测系统，其特征在于，包括数据获取单元、数据处理单元、特征群构建单元、可装配性预测分析模型构建单元、可装配性预测分析模型训练单元、可装配性预测分析模型优化单元和可装配性分析单元；
所述数据获取单元，用于搜集智能加工生产线上的工艺数据、零件的基本结构特征数据和装配数据，形成可装配性预测初期数据集；
所述数据处理单元，用于对可装配性预测初期数据集进行处理，获得标准化特征值；
所述特征群构建单元，用于将标准化特征值与当前协作机器人装配性与装配故障进行初步关联构建特征群，得到特征群关联树；
所述可装配性预测分析模型构建单元，用于通过目标装配零件的结构特征来获得预装零件的结构孪生体，将结构孪生体结合初始工艺流程，构建可装配性预测分析模型；
所述可装配性预测分析模型训练单元，用于对可装配性预测分析模型进行训练；
所述可装配性预测分析模型优化单元，用于对可装配性预测分析模型进行调节和优化；
所述可装配性分析单元，用于对需要装配的各个预装零件是否具备可装配性进行分析，并输出预装零件的最优装配工艺。


2.根据权利要求1所述的基于数字孪生的协作机器人可装配性预测系统，其特征在于，所述协作机器人位于智能加工生产线的加工装配工位，协作机器人包括作业臂和关节结构；所述作业臂的顶端安装有图像识别装置。


3.根据权利要求2所述的基于数字孪生的协作机器人可装配性预测系统，其特征在于，所述图像识别装置包括高清工业相机、传感器和支架。


4.一种基于数字孪生的协作机器人可装配性预测方法，其特征在于，包括以下步骤：
步骤1：数据获取步骤，搜集智能加工生产线上的初始工艺数据、零件的基本结构特征数据和预装零件的装配数据，形成可装配性预测初期数据集...

【专利技术属性】
技术研发人员：柏莹，李红，王其东，盛鹏，张贯虹，
申请(专利权)人：合肥学院，
类型：发明
国别省市：安徽;34