基于數字孿生的壓鑄機器人模型構建與演化

侯遠韶

（河南工業貿易職業學院 機電工程學院，鄭州 451191）

模型作為智能制造活動不可或缺的因素發揮了無法替代的作用，傳統的實物模型面對物理對象時僅僅實現了簡單的復制，在時間尺度以及空間尺度上不能很好地描述時間對于物理對象的影響，以及物理對象復雜的內部結構，具有一定的時空局限性[1]。隨著信息技術以及計算機輔助功能的發展，利用數字技術建立物理模型的數字化應用，可以很好地解決物理模型的時空局限性[2]。數字孿生技術在物理模型的基礎上，進行數據分析以及虛擬仿真搭建一對一的現實映射模型，并利用編程語言將物理現象與虛擬數字結合，實現物理對象的多維特征描述，達到虛擬數字模型與物理對象的共生，從而對物理實體進行仿真、輔助決策和運行診斷[3]。但如何構建具有一定通用性的數字孿生模型缺少相關的理論體系和建模準則，本文在前期相關工作的基礎上設計了一種面向壓鑄機器人現場的數字孿生數據采集與處理系統為壓鑄機器人提供數據基礎，并在數字孿生平臺構建模型，最終通過研究壓鑄機器人數字孿生模型的運行狀態以及輔助決策功能，驗證模型的有效性[4-5]。

1 數字孿生理論分析與框架設計

1.1 數字孿生理論分析

數字孿生是指對物理模型的數字化表示，通過對感知技術、建模以及數據計算，系統性地實現信息技術與物理對象的交互融合，進而對物理模型實現描述、診斷以及決策分析等[6]。數字孿生的運行需要數據進行驅動，因此實時有效的真實數據是數字孿生的基礎，確保數字孿生與物理模型的準確映射；數字孿生模型要求具有實時同步，能夠及時的反映物理對象的狀態，動態地描述物理對象以及持續動態跟蹤；高度保真性，數字孿生以物理對象為主體，通過映射描述物體的運行機理，還原幾何結構對象，物理框架與孿生模型稱為數字雙胞胎[7]；互相關聯性，單一模型的數字孿生對物理模型僅僅進行數據檢測，孿生模型與物理框架間是單向映射，無法對物理模型進行反饋指導，面向對象的數字孿生模型，一方面受物理對象數據驅動，另一方面對物理對象進行狀態檢測以及數據分析，實現故障提前預警分析做出改變[8]。數字孿生模型涉及多方面知識，具體如圖1 所示。

圖1 數字孿生建模實施框架

1.2 壓鑄機器人數字孿生框架設計

通過分析壓鑄機器人功能參數和數字孿生框架，結合壓鑄工藝過程，在保證研究方向準確性的前提下，分析壓鑄機器人數字孿生對數據的要求以及數據的種類，針對不同類型的數據設計相應的數據采集計劃，并結合對數字孿生功能的需求，將框架劃分為4 個部分：（1）理論層，對數字孿生框架結構以及壓鑄機器人功能需求進行理論分析和概念辨析，構建設計方案；（2）數據層，確定物理模型所需數據種類，進而根據不同數據類型設計數采方案，繼而通過傳感器采集、人機交互等硬件采集終端，得到壓鑄機器人物理數據信息，并對采集的數據進行預處理和分類，動態模擬壓鑄過程，對模型進行驗證和優化；（3）模型層，選擇合適的孿生平臺構建數字孿生模型滿足數字孿生需求，在進行壓鑄過程中，充分考慮數字孿生環境下物理裝配以及信息模型的需求，以壓鑄機器人本身三維模型出發，結合對數字孿生功能的具體要求，實現壓鑄過程中物理主體與數字框架的連接和映射，同時為了避免復雜物理本體建模帶來的冗余計算，設計引擎利用物理實時數據驅動孿生模型的動態檢測；（4）應用層，壓鑄機器人的壓鑄到應用作為一整套流程，通過結合數字孿生搭建虛擬環境，進行壓鑄質量預測，并根據不同參數比較分析，得到運行前、運行時的數據信息，進而在機器人進行壓鑄前確定最佳參數組合，保證物理框架與孿生模型的同步一致性，實現壓鑄機器人運行的精確性和魯棒性[9]。壓鑄機器人數字孿生框架設計如圖2 所示。

圖2 壓鑄機器人數字孿生框架設計

1.3 數字孿生建模評價因子

數字孿生模型的性能指標需要通過評價因子進行檢測，從而驗證模型的準確性和有效性[10]。針對壓鑄機器人數字孿生模型的特點，本文通過以下評價因子進行模擬：

（1）模型虛實一致性。首先針對機器人幾何模型，分析機器人的幾何特征與拓撲結構，得到壓鑄機器人的物理數據，繼而利用傳感器采集、人機交互等硬件采集終端得到物理框架數據的一致性，針對壓鑄機器人運動特點，構建反映行為特征的狀態圖，建立機器人運動規則模型，從而利用壓鑄機器人幾何特征得到物理數據，分析行為模式得到運動規則，驗證模型的虛實一致性。

（2）準確性。主要包含構建數字孿生模型時采集物理實體幾何特征創建的參數準確性A1，以及物理模型與數字孿生關聯關系準確性A2，反映物理對象的狀態，動態描述物理對象以及持續動態跟蹤，同步參數的準確性A3。

上式中，r、m 分別為機器人拓撲結構中的維度數據，l1為物理模型參數量，l2為建立映射規則模型參數量，l3為物理模型同步參數量，l4為映射行為模型參數量，同時為了降低誤差創建歸一化函數f，將誤差控制在[0,1]之間，分別代表壓鑄機器人目標模型與孿生模型間創建參數、同步參數、關聯參數的誤差值。

（3）高效性。對壓鑄機器人進行數字孿生建模時，通過采集大量的原始數據信息將物理框架與數字技術間建立映射，為了降低計算復雜度同時減少對硬件系統傳輸能力和算力的過度依賴，需要對模型的有效性進行優化，從而使數字孿生模型盡可能的簡易，提高模型的性能，模型高效性A4

式（4）中，wij為維數模型架構所占數字孿生模型權重，n 為模型參數個數，lj 為基于數字孿生壓鑄機器人模型第j 層參數個數。

（4）通用性。數字孿生不僅可以應用于簡單的目標對象，還可以應用于復雜的模型，具有遷移復用和重構優化的通用性，可以使數字孿生模塊與多個對象之間進行靈活的配置和組合。因此，通過求解數字孿生模型伸縮性函數A5，可以提高系統的通用性。

式（5）中，m1和m2表示數字孿生框架是否可以拓展與刪減，取值分別為0 和1，w1和w2表示m1和m2所占數字孿生模型權重，取值范圍為 [0,1]。

2 數字孿生機器人多維模型構建

2.1 數字孿生機器人建模要求及內容

基于數字孿生的壓鑄機器人物理參數數字化建模要求：

（1）具有層次性。數字孿生機器人模型由多個運動部件組成，通過3D 模型繪制調整各個模型之間的關聯進行整合優化，得到明確的框架結構，從而對機器人進行深入分析，有利于后續框架更好地展示特征。

（2）面向對象性。在進行3D 模型繪制時需要以事實為依據且繪制的子模型應具有面向對象的屬性，按照機器人本體進行模型搭建，提高機器人模型繪制的可靠性和靈活性，且面向對象的繪制方法可以對模型屬性進行分析，進而實現特征數據融合。

（3）機器人圖形用戶界面（Graphical User Interface，GUI）顯示，機器人狀態數據的顯示需要通過圖形用戶界面，以及顯示參數的配置、運動控制數據，功能完善的GUI 可以在壓鑄機器人運動過程中實現數據的清晰傳輸、實施過程，直觀地顯示物理狀態的數字化表示。

（4）平衡性。機器人物理形態進行數字化建模時，需要根據機器人運動特征采集大量的原始數據進行數字化，導致占用大量計算機內存和算力，因此需要在不影響建模效果的前提下對機器人材質和運動進行優化找到系統平衡性，降低對硬件系統CPU、GPU 的依賴。

（5）行為特性，機器人進行壓鑄時遵循運動角度、方向等運動規律，基于此構建的模型要遵循這一規律，建模時應加入物理屬性參數，使得構建的子模型具有真實機器人的行為特性，提高機器人模型的真實感[11]。

2.2 數字孿生機器人模型構建基本流程

數字孿生需要對機器人實體進行準確的映射，同時對模型做深層次的迭代優化，本設計框架利用Solidworks 2021 強大的建模功能，3D MAX 2021 對模型的輕量化處理以及質感增強處理，降低計算機算力的要求，利用Unity3D 2021 對機器人模型進行外部渲染，降低對硬件系統CPU、GPU 的依賴，具體建模流程如圖3 所示：

圖3 壓鑄機器人模型構建基本流程

（1）利用Solidworks 2021 強大的建模功能，建立壓鑄機器人整體模型，保存相應的屬性參數，如模型結構、大小。

（2）將構建的壓鑄機器人整體模型導入3DMAX 2021，為了提升模型整體的詳細信息，通過點對點閾值分析以及QEM 算法，對三維模型進行分解，得到不含冗余數據的輕量級模型，降低系統冗余度的同時，保留機器人明顯特征信息，提升算法的時效性。

（3）導出機器人不含冗余數據的輕量級模型，使用Unity3D 2021 對機器人模型相片信息、幾何參數進行外部渲染，對機器人的三維模型進行二次編輯。

2.3 孿生數據驅動的機器人壓鑄過程動態建模

孿生模型作為數字孿生的核心包含壓鑄機器人三維模型，在此基礎上分析了數據驅動引擎；作為數字孿生的載體，不同孿生平臺有各自的特點以及適用場合，本設計采用基于壓鑄機器人構建的孿生平臺Blender，但由于前期構建的模型缺乏數據驅動，只能對物理模型進行靜態描述，不能隨物理模型的變化而動態適用，因此不屬于真正意義上的數字孿生模型[12]。本節將設計實現孿生數據驅動的機器人壓鑄過程動態建模，使用實時采集的物理模型數據作為三維模型的引擎驅動三維模型實時動態改變，建立真正的數字孿生模型，具體流程如下：

（1）通過多個傳感器感知壓鑄機器人建模過程并進行信息融合。采集機器人模型數據是壓鑄過程物理模型搭建的前提和根本，本設計通過邊緣協同數據收集構建環境模型，從而對壓鑄模型動態感知。

（2）壓鑄過程動態模型構建。提取機器人模型特征數據，建立物理模型與數字映射的動態分析機制，從而構建準確的機器人壓鑄動態變化原理框架，并通過調整動態優化，實現數字孿生模型的動態優化。

（3）壓鑄過程動態迭代演化。根據壓鑄機器人實際運動模型進行迭代更新，在實現自感知、自迭代的基礎上，對數字孿生演化分析，從而實現孿生模型由采集到的實時數據驅動伴隨機器人物理模型動態演化，得到機器人物理實體實時的狀態變化，實現機器人壓鑄過程動態建模的高保真性，進而利用數字孿生為壓鑄機器人提供分析、判斷、決策功能。

3 壓鑄機器人數字孿生狀態檢測實驗及數據應用

3.1 壓鑄機器人數字孿生狀態檢測

（1）壓鑄機器人軌跡狀態檢測。通過觀察壓鑄機器人6 個關節的壓鑄軌跡，保證機器人的自主運動，進而檢測壓鑄機器人物理模型。

（2）GUI 端實時數據檢測。利用Unity3D 2021 對機器人模型進行外部渲染，搭建服務器以及圖形用戶界面對機器人壓鑄過程進行數據跟蹤，數字模型跟隨機器人實體實時改變。

（3）實時數據記錄。對機器人壓鑄過程產生的數據進行記錄和保存。

3.2 壓鑄機器人數據應用驗證

（1）建立機器人仿真模型。通過建立機器人運動學坐標系，對壓鑄機器人的正運動學和逆運動學進行分析，繼而推導出壓鑄機器人的姿態變化以及末端位姿最終計算出機器人運動路徑。壓鑄機器人仿真模型經Solidworks 仿真如圖4 所示。

圖4 壓鑄機器人仿真模型

（2）模型更新與數據交互。為了保證數字孿生系統決策的時效性和壓鑄過程的有效性，需要通過及時更新模型數據交互參數，以及對物理模塊與數字孿生間數據準確交互，實現動態跟蹤。

（3）數字孿生運行演化。利用演化思維校對數據在宏觀、微觀層面的有效性以及驅動數據的動態更新，驗證應用于更新數字孿生模型數據的準確性，利用數字孿生的診斷作用，實現數字孿生對壓鑄機器人的實時穩定檢測。

3.3 實驗與仿真

為了驗證本文所提方法基于數字孿生的壓鑄機器人模型構建與演化，能夠滿足實時性和動態性的要求且具有其他優勢，與其他模型如壓鑄機器人能力建模（IRCMA）、DH 參數建模的平均誤差、工作率、可拓展性以及更新延時進行比較，具體結果如表1所示。

表1 建模效果比較

通過比較分析可知，基于數字孿生的壓鑄機器人模型構建與演化在路徑平均誤差、工作率上都明顯優于其他模型，且具有較高的可拓展性、應用范圍較廣，更新延時低能夠實時對物理模型進行動態跟蹤，使得數字孿生具備對壓鑄機器人預測分析、決策的功能，提高了系統的靈活性。

4 結束語

數字孿生功能的實現是以數字孿生模型建立為基礎的。為使數字孿生能對物理模型進行故障預警決策且在進行離線分析時不依賴實際系統，具有較好的穩定性和動態追蹤效果，本文在分析數字孿生理論的基礎上，設計了壓鑄機器人數字孿生模型構建，根據模型評價指標對孿生數據驅動的機器人壓鑄過程進行動態建模，克服傳統模型的數字孿生對物理實體僅僅進行數據檢測的缺點，最終通過建模效果在平均誤差、工作效率、可拓展性以及更新延時上的比較，驗證了本模型的有效性及魯棒性。