【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 ...
【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
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。