基于数字孪生的工业机器人建模及监测方法.pdf

西 安 工 程 大 学 学 报J o u r n a l o f X ia n P o l y t e c h n i c U n i v e r s i t y 第3 8卷第2期(总1 8 6期)2 0 2 4年4月V o l.3 8,N o.2(S u m.N o.1 8 6)引文格式:徐健,赵一剑,刘高峰,等.基于数字孪生的工业机器人建模及监测方法J.西安工程大学学报,2 0 2 4,3 8(2):1 2 4-1 3 3.XU J i a n,Z HAO Y i j i a n,L I U G a o f e n g,e t a l.M o d e l i n g a n d m o n i t o r i n g m e t h o d s f o r i n d u s t r i a l r o b o t s b a s e d o n d i g-i t a l t w i nJ.J o u r n a l o f X ia n P o l y t e c h n i c U n i v e r s i t y,2 0 2 4,3 8(2):1 2 4-1 3 3.收稿日期:2 0 2 3-0 9-2 8 修回日期:2 0 2 3-1 1-2 0 基金项目:陕西省科技厅资助项目(2 0 1 8 G Y-1 7 3);西安市科技局资助项目(G X Y D 7.5)通信作者:徐健(1 9 6 3),男,教授,研究方向为数字孪生、机器人、机器视觉等。E-m a i l:x u 0 9 1 0s i n a.c o m基于数字孪生的工业机器人建模及监测方法徐 健1,赵一剑1,刘高峰1,郑自立1,闫焕营2(1.西安工程大学 电子信息学院,陕西 西安 7 1 0 0 4 8;2.罗博泰尔机器人技术有限公司,广东 深圳5 1 8 1 0 9)摘要 针对工业机器人数据不透明、监测存在死角等问题,通过对实体工业机器人分析和研究,构建数字孪生机器人监测系统。首先从几何、物理、逻辑3个维度完成虚拟机器人的建模;其次基于开放平台通信联合架构(o p e n p l a t f o r m c o mm u n i c a t i o n s u n i t e d a r c h i t e c t u r e,O P C UA),实现机器人的数据采集和通信,设计用户显示界面,达到数据实时可视化的效果;最后,通过机器人仿真实验得出机器人末端执行器X、Y、Z坐标的相对位置误差分别为0.4 8%、0.3 2%、0.2 7%,通过数字孪生机器人监测同步实验验证机器人关节角度误差最大值为0.3 1。实验结果表明:该方法能够实现数字孪生工业机器人的运动数据监测,减少工业机器人在生产过程中发生意外和故障的风险,为智能工业机器人的发展提供思路和方向。关键词 工业机器人;数字孪生;六轴机器人;数据通信;可视化监测;开放平台通信联合架构开放科学(资源服务)标识码(O S I D)中图分类号:T P 2 4 2 文献标志码:AD O I:1 0.1 3 3 3 8/j.i s s n.1 6 7 4-6 4 9 x.2 0 2 4.0 2.0 1 6M o d e l i n g a n d m o n i t o r i n g m e t h o d s f o r i n d u s t r i a l r o b o t s b a s e d o n d i g i t a l t w i nXU J i a n1,ZHA O Y i j i a n1,L I U G a o f e n g1,ZHENG Z i l i1,Y AN H u a n y i n g2(1.S c h o o l o f E l e c t r o n i c s a n d I n f o r m a t i o n,X ia n P o l y t e c h n i c U n i v e r s i t y,X ia n 7 1 0 0 4 8,C h i n a;2.R o b o t e l R o b o t i c s T e c h n o l o g y C o.L t d.,S h e n z h e n 5 1 8 1 0 9,G u a n g d o n g,C h i n a)A b s t r a c t I n v i e w o f t h e i s s u e s s u c h a s o p a q u e d a t a a n d m o n i t o r i n g b l i n d s p o t s i n i n d u s t r i a l r o-b o t s,s t u d y w a s c o n d u c t e d o n p h y s i c a l i n d u s t r i a l r o b o t s,l e a d i n g t o t h e d e v e l o p m e n t o f a d i g i t a l t w i n r o b o t m o n i t o r i n g s y s t e m.F i r s t l y,m o d e l i n g o f v i r t u a l r o b o t s w a s a c c o m p l i s h e d f r o m t h r e e d i m e n s i o n s:g e o m e t r i c,p h y s i c a l,a n d l o g i c a l.S e c o n d l y,b a s e d o n t h e o p e n p l a t f o r m c o mm u n i c a-t i o n s u n i t e d a r c h i t e c t u r e(O P C UA),d a t a c o l l e c t i o n a n d c o mm u n i c a t i o n f o r r o b o t s w e r e i m p l e-m e n t e d.U s e r d i s p l a y i n t e r f a c e s w e r e d e s i g n e d t o a c h i e v e r e a l-t i m e v i s u a l i z a t i o n o f d a t a.F i n a l l y,t h r o u g h r o b o t s i m u l a t i o n e x p e r i m e n t s,t h e r e l a t i v e p o s i t i o n e r r o r s o f t h e r o b o t e n d e f f e c t o r i n t h e X,Y,a n d Z c o o r d i n a t e s w e r e d e t e r m i n e d t o b e 0.4 8%,0.3 2%,a n d 0.2 7%,r e s p e c t i v e l y.T h e m a x i m u m e r r o r i n j o i n t a n g l e s o f t h e r o b o t,v e r i f i e d t h r o u g h s y n c h r o n i z e d e x p e r i m e n t s u s i n g a d i g i t a l t w i n r o b o t m o n i t o r i n g s y s t e m,w a s f o u n d t o b e 0.3 1 .T h e e x p e r i m e n t a l r e s u l t s d e m o n-s t r a t e t h a t t h e m e t h o d c a n a c h i e v e m o t i o n d a t a m o n i t o r i n g f o r d i g i t a l t w i n i n d u s t r i a l r o b o t s,r e-d u c i n g t h e r i s k o f a c c i d e n t s a n d f a i l u r e s i n t h e p r o d u c t i o n p r o c e s s.I t p r o v i d e s i n s i g h t s a n d d i r e c-t i o n s f o r t h e d e v e l o p m e n t o f i n t e l l i g e n t i n d u s t r i a l r o b o t s.K e y w o r d s i n d u s t r i a l r o b o t s;d i g i t a l t w i n;s i x-a x i s r o b o t;d a t a c o mm u n i c a t i o n;v i s u a l m o n i t o r i n g;o p e n p l a t f o r m c o mm u n i c a t i o n s u n i t e d a r c h i t e c t u r e0 引 言 随着“工业4.0”及 中国制造2 0 2 5 发展方针的提出1,工业机器人在我国的生产和制造过程中起到十分重要的作用,加速工业领域从自动化阶段向智能化阶段的演变2。传统的工业机器人在进行工作时存在运动数据不透明、有监测死角、准确性偏差较大等问题,已经不能满足当今制造业需求3。因此,将传统工业机器人向智能化工业机器人转变具有十分重要的意义。工业机器人智能化是以数字制造为基础,融合先进的智能化应用。数字孪生是实现智能制造的重要技术,已经受到各行各业的关注4。将工业机器人与数字孪生技术相结合,可以对工业机器人的运行状态进行更全面地监测和管理,从而提升工业机器人的运行效率和生产质量。新一代信息技术发展促进数字孪生在制造业的实施5。现代智能化的技术极大提升工业机器人的生产和制造效率6,为国家经济的高速发展提供必要条件。目前,国内外有很多学者十分关注数字孪生技术。文献7 首次提出数字孪生的五维模型,为数字孪生在产品设计、技术应用、周期维护提供理论基础及思路。文献8 提出造纸过程数字孪生模型的系统框架,对框架下的关键参数预测模型及模型更新进行研究。文献9 总结数字孪生在航空航天、产品、制造设备及制造车间等阶段的应用进展,指出未来物理实体的虚拟化与信息化将会成为制造业发展的方向之一。文献1 0 基于数字孪生技术,设计换流站站内定位监控系统,该系统能够有效实现站内定位监控并提高定位精度,还能够避免定位模糊性,缩短数据交互处理之间的时延,保证监控系统的反应速度。文献1 1 通过数字孪生技术,构建可视化物联网的公立医院固定资产数字孪生监控平台,采用仿真建模方式完成物理实体与虚拟镜像的双向实时数据耦合交互机制,实现时间正序下的固定资产可视化实时自主监控。数字孪生技术不仅在国内火热,在国外也受到大量学者的广泛关注。文献1 2从概念、技术和工业应用的角度对数字孪生技术进行分析和总结,展示不同生命周期阶段的数字孪生技术在工业的应用,并提出数字孪生未来的工作建议。文献1 3 通过总结数字孪生的技术,分析数字孪生实际工业生产过程中的应用和部署,提出数字孪生工业生产的思想和技术解决方案。文献1 4 总结人工智能技术和数字孪生技术在智慧农业中的应用,并分析它们面临的挑战和未来的发展方向。文献1 5 研发消除毛刺的数字孪生机器人工作平台,建立机器人与虚拟控制器的通信链接。文献1 6 利用数字孪生设计和仿真,研发用于不同规模电池模块生产的机器人装配线配置。上述表明,数字孪生可以在生产制造当中解决很多问题1 7,从而提高生产质量和生产效率。然而,关于数字孪生工业机器人具体的建模仿真及监测方面研究相对较少。因此,针对工业机器人监测存在死角、数据不透明化的问题,本文以工业机器人为研究对象,提出基于数字孪生的机器人运动仿真及状态监测的协同系统。首先对机器人进行几何、物理、逻辑建模;其次,对机器人数据采集及驱动进行具体实现;最后通过仿真实验对所提方法进行验证,证明本文研究方法的可靠性。1 数字孪生工业机器人系统构建1.1 数字孪生机器人监测系统框架以数字孪生五维模型理论为基础,将数字孪生工业机器人系统定义为5个部分:实体层、虚拟层、数据层、应用层以及用户层。实体层为构成数字孪生五维模型的基础部分,分别为:六轴工业机器人,机器人控制器、机器人示教器等真实存在的器件和设备。虚拟层则是对实体层的实时映射,其主要由几何模型、物理模型、逻辑模型构成,可表示为Vl=(Gv,Pv,Lv)(1)式中:Vl为虚拟层;Gv为几何模型;Pv为物理模521第2期 徐健,等:基于数字孪生的工业机器人建模及监测方法型;Lv为逻辑模型。几何模型是对物理设备的尺寸、结构、外观及行为等物理特性的真实写照,体现了与物理设备一致性,可以通过使用S o l i d w o r k s、3 d M a x等软件完成构建。物理模型则是对实体的状态和行为进行描述,运动学与动力学可以提升虚拟模型相对于实体机器人的真实性。逻辑模型则是对外界数据进行相应的动作映射,受外部数据的驱动,使模型运作更符合客观规律,不会盲目运转超出范围。逻辑模型的数据主要作用是驱动虚拟空间内的模型从而实现对实体机器人的同步映射,其包含静态数据和动态数据,可表示为Dc=(DpDv)(2)式中:Dc为数据层;Dp为静态数据;Dv为动态数据。静态数据主要为实体空间机器人的底层静态数据,如机器人型号、尺寸、设备信息等,动态数据则主要为机器人在运动时各个关节角度、位姿信息以及设备运行的历史数据等。应用层建立在数据层的基础上并实现其功能,它不仅可以满足实体空间中无法实现的操作,还可以通过一些功能向实体空间提供有效的反馈,包括驱动设备操作和数据可视化。用户层则是将系统集成后并以多种形式呈现给用户,主要在电脑端和手机端,用户可随时进入该系统进行参观浏览,可提升用户使用体验。数字孪生机器人系统框架如图1所示。图1 数字孪生机器人系统F i g.1 D i g i t a l t w i n r o b o t s y s t e m1.2 虚拟场景搭建虚拟环境作为机器人监测系统框架的重要组成部分,需要进行搭建和完善,实现虚拟层对真实环境的映射。虚拟场景的完整构建涉及许多因素,包括模型优化和渲染、材质和灯光选择和添加、特效添加、界面设计和开发等。本文为实现虚拟场景的可视化呈现,选用渲染功能强的U n i t y引擎平台软件实现场景搭建的任务1 8。首先使用S o l i d w o r k s软件对机器人关节进行特征建模,由于S o l i d w o r k s中的模型文件格式无法直接转换至U n i t y中,因此需要通过3 d M a x软件先对模型进行优化改善和轻量化处理,再将机器人关节模型改为可被U n i t y识别的格式类型,而后将虚拟模型导入至U n i t y中,最后对模型进行渲染和材质的优化,提升机器人模型的真实感。2 虚拟机器人建模2.1 几何模型本文以三菱工业机器人R V-4 F L-D为研究对象。机器人的结构如图2所示。621 西安工程大学学报 第3 8卷图 2 工业机器人结构F i g.2 S t r u c t u r e o f i n d u s t r i a l r o b o t s该机器人共有6个自由度,采用的是A C伺服马达驱动方式,最大动作半径为6 4 9 mm,其中角关节1的范围为2 4 0、角关节2的范围为1 2 0、角关节3的 范 围 为01 6 4、角 关 节4的 范 围 为2 0 0、角关节5的范围为1 2 0、角关节6的范围为3 6 0,机器人的工作环境温度在04 0,质量在4 1 k g左右。机器人的关节1到关节3控制机器人末端的位置,而关节4到关节6控制机器人末端的姿态。在确保精度的前提下降低建模难度,将该机器人拆分为6个关节模型单独绘制,并为确保虚拟模型的真实性,对机器人进行实际的测量并研究参考机器人配套手册,将机器人进行11的建模,机器人关节模型如图3所示,6个关节模型分别为基座、肩部、上臂、肘部、前臂和腕部。(a)基座 (b)肩部(c)上臂 (d)肘部(e)前臂 (f)腕部图 3 机器人关节模型F i g.3 R o b o t j o i n t m o d e l 当该系统工作时,虚拟机器人模型比较大,占用计算机内存损耗高,在运行过程中可能会出现卡顿等问题,为提升计算机系统的监测效率及模型的运行过程平滑度和顺畅度,因此对机器人模型进行轻量化 处 理,轻 量 化 处 理 后 机 器 人 模 型 如 图4所示。图 4 轻量化处理后的虚拟机器人模型F i g.4 V i r t u a l r o b o t m o d e l a f t e r l i g h t w e i g h tt r e a t m e n t轻量化后可去除模型中一些不必要的纹理细节等,保证模型在不变形的情况下还保留机器人模型的外观特征,提升数字孪生机器人系统的准确率和同步率。最终将处理过后的关节模型导入到U n i t y软件中并对其渲染和美化。2.2 物理模型物理模型是指在几何模型的基础上添加物理信息,比如运动学、动力学等使虚拟模型更符合物理现实的运行规律和表现。2.2.1 运动学分析为更好研究机器人各连杆之间的运动关系,因此选用改进的D-H参数法可得到机器人的D-H参数,如表1所示。表1中,i为机器人连杆序号,i-1为连杆扭角,ai-1为连杆长度,di为连杆偏距,i为连杆转角。721第2期 徐健,等:基于数字孪生的工业机器人建模及监测方法表 1 机器人改进D-H参数T a b.1 R o b o t i m p r o v e m e n t D-H p a r a m e t e rii-1/()ai-1/mmdi/mmi/()范围/()1 0 03 5 01-2 4 0,2 4 02-9 0 0 02-9 0-1 2 0,1 2 03 03 1 0 030,1 6 44 9 05 03 3 54-2 0 0,2 0 05 9 0 0 05-1 2 0,1 2 06-9 0 0 06-3 6 0,3 6 01)正运动学分析。六轴机器人的正运动学分析为已知机器人各关节角度情况下从而确定机器人末端执行器的位姿1 9,相邻的机器人连杆坐标系可通过旋转和平移得到,将机器人D-H参数值代入机器人的齐次变换矩阵中可得06T=01T12T23T34T45T56T=nxoxaxpxnyoyaypynzozazpz0001 (3)式中:06T为六轴机器人末端执行器相对基座标系的齐次变换矩阵;i-1iT代表第i个关节的矩阵;n、o、a代表机器人末端连杆坐标系相对于基坐标系的姿态;px代表末端连杆坐标系相对x轴的位置;py代表末端连杆坐标系相对y轴的位置;pz代表末端连杆坐标系相对z轴的位置。2)逆运动学分析。六轴机器人的逆运动学是已知机器人的末端位姿,即已知齐次变换矩阵,求解各个关节的角度数从而控制机器人达到理想的位姿2 0。求解逆运动学有解析法、几何法和迭代法。又因该机器人的4、5、6关节轴的坐标系相交于一点,所以该机器人的逆解满足P i e p e r条件,即存在解析解。在求机器人运动学逆解时,可通过将式(3)与各角关节的逆矩阵相乘,即可得到各关节角的值,若1求解时,则在等式(3)两边分别左乘(01T)-1可得(01T)-1 06T=12T23T34T45T56T(4)求解式(4)后可解1的2个值,如式(5)所示:11=a r c t a n 2(py,ayd6)12=a r c t a n 2(-py,-ayd6)(5)式中:1为关节角1的度数,有2个值。求解其他关节角与求解1方法相同,求解完成后即可得到8组运动学逆解,经对比后选取路径最短的解为最优解。2.2.2 动力学分析在实际的操作过程中,必然会出现机器人与外界环境接触的情况,如抓取、吸附工件等。因此本文在此处介绍1种能够产生虚拟接触力传递至虚拟机器人模型中的方法。经NAM等研究验证H u n t-C r o s s l e y模型比线性模型具有更准确的受力反馈效果2 1。因 此,H u n t-C r o s s l e y模 型 比K e l v i n-V o i g t M o d e l线性模型具有更好的物理一致性,尤其在软材料方面,H u n t-C r o s s l e y模型具有更好的反馈效果2 2。本文考虑到非线性模型表示刚性和柔性材料的动力学,H-C非线性模型主要优势在于恢复系数的一致性。因此,它更适合描述能量耗散效应,实现虚拟机器人更为真实的物理反馈,可表示为F(t)=k xn(t)+xn(t)x(t),x00,x0(6)式中:F(t)为在t时刻传递到物体表面的力;指数n正常状态下为整数1,但随着穿透深度x的增加,接触表面则也会随之增加;k为弹性参数;为阻尼系数;x为穿透深度;x为穿透速度。由式(6)所描述物体碰撞时产生的能量平衡公式可表示为p2i2m=p2(t)2m+Hk(t)+H(t)(7)式中:m为物体的质量;pi代表初始能量;p为当前能量;Hk则代表存储的弹性能量;H则代表因阻尼项而消耗掉的能量,而Hk(t)与H(t)分别可表示为Hk(t)=t0k xn()x()d(8)H(t)=t0 xn()x2()d(9)为更容易分析式(6)中力的属性,通常使=0,即为完全弹性材料,则穿透深度x与穿透速度x之间的关系可表示为x(t)=2km(n+1)xn+1M,k-xn+1(t)(1 0)式中:xn+1M,k为最大穿透深度。对于具有黏性损失的材料来说,接触过程中的能量损耗可表示为H=2m2kn+123(n+1)x3(n+1)2M(1 1)式中:xM为穿透深度;H为接触过程中所消耗的821 西安工程大学学报 第3 8卷能量。因此,当机器人末端执行器所接触为柔性材料时,与外界环境接触过程中,H-C模型比KVM模型更适合描述能量耗散效应,可通过求解H得出接触过程中的能量损失情况,更好保持模型与物理实体的一致性。使虚拟机器人模型的运动更为接近真实效果,最终满足数字孪生机器人监测系统的实时性要求。2.3 逻辑模型逻辑模型是将实体机器人运转任务分解为一系列行为的子任务,实现机器人自主执行任务的能力。选用P e t r i网的行为逻辑建模方法2 3,采用四元组描述机器人行为逻辑:P,T,I,O。其中:P=p1,p2,pk是库所有限集,k表示库所的个数;T=t1,t2,tl是变迁的有限集,l为变迁的个数,且PT=;I:PTN是输入函数,定义了从P到T的有向弧权的集合,其中N=0,1,;O:TPN是输出函数,定义了从T到P的有向弧权的集合。在P e t r i网的描述中,库所表示状态、行为、事实或条件等。库所中t o k e n表示资源或信息,在P e t r i网的图形描述中,采用圆表示库所,有向弧采用箭头或直线与小圆表示。本文所选用的机器人具有以下行为:从A点出发到B点进行夹取、搬运、装配等操作。在机器人进行作业任务时,可将该任务分解为一系列的子任务:首先确定机器人的任务,再将该任务进行拆卸分解为小的子任务单元,可分为打开机械爪、移动、收紧机械爪、抓取确认、移动、空间传感器进行定位确认,打开机械爪,归位。根据P e t r i网构造规则,采用类似模块的建模方法,逻辑建模转换为图5所示的P e t r i网络。库所代表的意义如表2所示。图 5 P e t r i网络逻辑F i g.5 P e t r i n e t w o r k l o g i c表 2 库所代表意义T a b.2 T h e m e a n i n g o f l i b r a r y库所意义P1接收任务 P2分解任务 P3打开机械爪 P4定位 P5轨迹规划 P6轨迹优化 P7移动至物体处库所意义P8碰撞、卡顿等P9机械爪抓取P1 0抓取确认P1 1未正常抓取P1 2定位P1 3机械爪松开P1 4归位3 机器人数据采集及驱动虚拟机器人建模完毕后需对数据进行采集和处理。本系统中的数据可分为静态数据以及动态数据两个层面,其中静态数据为机器人的基础信息,如设备名称、型号类别、生产日期、所包含自由度、最大的工作半径以及功耗等。而动态数据则为实体机器人在运动时产生的数据以及传感器所传递的数据信息如关节角度,机器人末端位置等。为确保虚拟机器人能够完成对实体机器人的实时映射,本文选用O P C UA实现数据的采集及分析,再经封装后传递至虚拟机器人模型,最终机器人模型保持与实体机器人的同步运动效果。3.1 通信架构搭建由于O P C UA架构具有高可靠性、跨平台、访问均匀性等特点,本系统基于O P C UA的数据采集模式采集机器人运动数据。O P C UA统一体系架构2 4为O P C基金会的新标准,将以前O P C规范的不同风格集成到一个可通过单个服务集访问的统一地址空间中。O P C UA通过客户端与服务器端进行数据交换,该架构的服务器端可以定义地址空间并且提供开放的可访问的接口,而客户端则通过调用服务器端所提供的数据接口来实现数据的采集与通信。整个连接过程如图6所示。图 6 O P C UA架构连接流程F i g.6 O P C UA a r c h i t e c t u r e c o n n e c t i o n f l o w921第2期 徐健,等:基于数字孪生的工业机器人建模及监测方法3.2 实时驱动的机器人数字孪生系统实现基于数字孪生的工业机器人监测必须保持数据传输过程中的准确性和及时性,并且具有较高真实度的呈现效果。本文选用具有强交互性以及场景漫游的U n i t y软件实现对机器人不同监测场景的切换以及机器人关节角度的实时数据监测。采用T C P/I P协议2 5来实现数据的传输通信,该协议具有无差错、不丢失、可及时到达的显著优势。当客户端U n i t y软件从服务器获取到数据后进行处理,将处理后的数据发送到虚拟模型的各个属性中驱动模型。本文采用协程机制的数据处理过程,当机器人模型接收到第1个数据时便更新模型,提升虚实机器人的同步性,减少机器人的时延。同时,为了保证数据传输的实时性,每2 m s采集1次机器人的运动数据,即采集频率为5 0 0 H z,并将该数据发送至客户端进行呈现,再将数字孪生机器人监测系统的数据接收端频率设置为高于控制器的数据发送频率,进而保证及时接收到实体机器人运动时产生的数据,为实体机器人与虚拟模型之间的同步性提供了必要的条件和支持。4 实验和分析为验证本文所提的方法,选用实验室中处理器为I n t e l i 7-7 8 0 0 X,1 6 G i B R AM和R T X 3 0 9 0 T i显卡的高性能计算机作为数字孪生系统的服务器。虚拟环境选用U n i t y软件搭建的可漫游、交互性强的数字孪生系统,本文在该系统中添加天空盒以及地板等渲染场景提升该系统整体美观性和真实性使其提升用户使用体验。4.1 虚拟模型仿真实验为验证虚拟机器人模型的有效性以及数字孪生系统的可靠性,首先对该机器人模型进行仿真实验并与物理实体机器人对比,在虚拟环境下完成整个抓取物体的操作流程,如图7所示,图7(a)为虚拟机器人抓取物体状态,图7(b)为虚拟机器人搬运物体状态,图7(c)为虚拟机器人放置物体状态。(a)虚拟机器人抓取物体状态 (b)虚拟机器人搬运物体状态 (c)虚拟机器人放置物体状态图 7 虚拟机器人抓取仿真F i g.7 V i r t u a l r o b o t g r a s p i n g s i m u l a t i o n 通过正向运动学分析得出虚拟机器人模型末端位置及姿态并将其结果输出显示,操控实体机器人完成与虚拟机器人模型相同的运动,并将实体机器人从控制器中传输的末端位置进行输出显示,最终将虚实机器人末端位置进行输出对比,以世界坐标系的方式显示机器人末端在物理空间和虚拟环境中的方位。如图8所示,图8(a)为末端位置X方位对比、图8(b)为末端位置Y方位对比、图8(c)为末端位置Z方位对比,其中红线为物理空间中的位置,黑线则为虚拟空间中的位置。(a)机器人末端X方位对比 (b)机器人末端Y方位对比 (c)机器人末端Z方位对比图 8 机器人末端虚实位置对比F i g.8 C o m p a r i s o n o f t h e v i r t u a l a n d r e a l p o s i t i o n s a t t h e e n d o f t h e r o b o t031 西安工程大学学报 第3 8卷 从图8对比可知,在t0时刻之前,虚拟机器人处于未校正状态,在运行仿真的过程中与实体机器人存在误差。在t0时刻对虚拟机器人进行矫正处理,使虚拟机器人模型完成与实体机器人的位置同步,经短暂的矫正完成后,随后在t1时机器人进行抓取物体,而后将物体移动,在t2时机器人将物体放置于目标位置,随后机器人开始归位,最后到t3机器人回到初始位置实现归位,仿真最终完成。其中X方向、Y方向以及Z方向的相对位置误差为0.4 8%、0.3 2%、0.2 7%。经分析,该仿真实验中的误差由2种原因引起,首先是由于数据的采集频率,可通过提升设备性能将数据的采集频率提高从而减小仿真误差;其次是虚拟机器人模型在计算机的内存占用率的原因,可使用网格模型简化算法再次减小机器人模型存储空间,最终达到减小仿真误差的效果。据实验结果分析,该虚拟机器人模型具有较好的映射能力,能够实现数字孪生实时映射的要求和任务。4.2 数字孪生的机器人监测同步实验为更全面地监测机器人关节角度运行状态,对机器人各关节模型脚本优化,在虚拟环境中添加机器人关节运动角度数据显示界面,并对其数据以2 m s的频率实时采集更新。为验证该系统虚实同步的一致性以及数据准确性,使机器人实现从A点到B点再到C点的3段位移并获取该3个时刻虚实机器人关节角数据。本文所采用的机器人可使用三次多项式的插值轨迹规划算法实现机器人的轨迹规划。插值轨迹规划算法首先需要确定机器人末端位置的初始时间与结束时间的位置和速度的值,就必须满足4个条件(q0,q1,v0,v1),则使用三次多项式可表示为q(t)=a0+a1(t-t0)+a2(t-t0)2+a3(t-t0)3,t0tt1(1 2)式中:a0、a1、a2、a3为4个系数;t0为初始时间;t1为结束时间。再根据给定的条件,即可求得4个系数,可表示为a0=q0a1=v0a2=3h-(2v0+v1)TT2a3=-2h+(v0+v1)TT3 (1 3)式中:q0为初始位置;v0为初始速度;v1为结束速度;h为初始位置和结束位置的差值;T为初始时间和结束时间的差值,通过该轨迹规划法,将整个运动过程分解为(n-1)段,可计算出n个点序列速度连续的轨迹。机器人的虚实同步实验如图9所示,其中图9(a)为机器人在点A位置时的状态,图9(b)为机器人在点B位置时的状态,图9(c)为机器人在点C位置时的状态。(a)虚实机器人A位置状态(b)虚实机器人B位置状态(c)虚实机器人C位置状态图 9 虚实机器人联动图F i g.9 V i r t u a l a n d r e a l r o b o t l i n k a g e m a p 通过上述实验可知,当实体机器人进行运动作业时,虚拟机器人模型也会产生与其相对应的运动行为,并在虚拟环境界面将机器人模型的6个关节轴的关节角度实时更新,在虚拟环境中的“六轴机器人关节角数据”用户显示界面可监测机器人的运动状态。将运动数据记录并计算虚实机器人的角关节误差范围,最终计算结果如表3所示。131第2期 徐健,等:基于数字孪生的工业机器人建模及监测方法表 3 虚实机器人关节角度对比及误差T a b.3 C o m p a r i s o n a n d e r r o r o f j o i n t a n g l e s b e t w e e n v i r t u a l a n d r e a l r o b o t s关节角实体机器人关节角度/()A点B点C点虚拟机器人角度/()A点B点C点误差范围/%A点B点C点J o i n t 1-4 6.2 0 3.3 5 7 3.9 8-4 6.2 2 3.3 5 7 3.9 1 0.0 4 3 0.0 0 0-0.0 9 5J o i n t 2 4 3.9 8 2 5.3 5 2 3.7 0 4 3.9 6 2 5.3 7 2 3.7 2-0.0 4 5 0.0 7 8 0.0 8 4J o i n t 3 6 3.1 5 9 7.5 4 9 5.9 7 6 3.1 9 9 7.6 2 9 5.8 6 0.0 6 3 0.0 8 2-0.1 1 4J o i n t 4 1 5.0 0 3 1.6 8-1 0 9.7 7 1 5.0 3 3 1.6 5-1 0 9.5 4 0.2 0 0-0.0 9 5-0.2 0 9J o i n t 5 6 2.0 9 6 6.4 8 4 5.9 8 6 2.1 5 6 6.5 3 4 6.0 7 0.0 9 6 0.0 7 5 0.1 9 5J o i n t 6 5.0 0-8 0.1 3 1 3 4.1 8 5.0 0-8 0.0 1 1 3 4.4 9 0.0 0 0-0.1 4 9 0.2 3 1 从表3可知,该数字孪生监测系统的关节角误差范围最大绝对值在0.2 3 1%左右,最大的角度误差值为0.3 1,由此可说明该系统实时性较好,基本能够实现虚实同步的任务要求,能够完成在线虚拟监测的任务,证明了本文所提方案的可行性。该机器人模型经过轻量化的处理,减少机器人模型的冗余,降低计算机的运行损耗,提升数字孪生机器人系统运行平滑度并减少卡顿等现象。但该机器人模型并未经过算法简化处理,因此后续考虑可加入模型网格简化算法对其更深一步模型简化和处理,提升数字孪生机器人的同步率。5 总 结本文以数字孪生五维模型为思路,对实体机器人进行建模、仿真、和孪生映射,从而实现实体机器人和虚拟机器人之间的数据传输,完成虚拟环境中对工业机器人的全方位的监测任务,最终构建基于数字孪生技术的在线实时映射监测系统。相较于传统监控方式,本系统监测方案可视化更强、运行数据更透明、沉浸效果更真实。本系统中的虚拟模型虽经轻量化处理和细节冗余的降低,但最终机器人模型在计算机的内存中仍有较大的占用率,因此后期可将模型更进一步地处理,降低模型的占用率,最终提高计算机的处理速度。在数据通信方面,未来可为其建立数据库,将机器人运行数据进行记录和保存,经过处理和分析,将机器人的运行历史进行回溯查询,实现对机器人行为的预测和优化。参考文献(R e f e r e n c e s)1 B A J I C B,R I K A L O V I C A,S U Z I C N,e t a l.I n d u s t r y 4.0 i m p l e m e n t a t i o n c h a l l e n g e s a n d o p p o r t u n i t i e s:A m a n a g e r i a l p e r s p e c t i v eJ.I E E E S y s t e m s J o u r n a l,2 0 2 1,1 5(1):5 4 6-5 5 9.2 王耀南.工业互联网推动机器人协同智能制造发展J.机器人技术与应用,2 0 2 3(5