论文部分内容阅读
当前全球制造业正加速向智能化目标迈进,智能制造已经成为世界各国制造业的共同发展方向。工业机器人特有的高效率、智能化和高自动化能力,使其越来越广泛地应用于制造业的各种制造过程中,是推动智能制造发展的一类关键智能装备。然而,工业机器人的大规模使用也伴随着高度密集以及大量的能源消耗,同时,日益增加的环境能源压力与制造业的转型升级对工业机器人能耗提出了更高的要求。而对工业机器人能耗的定量分析和计算能够为减少其在制造过程中的能源消耗提供依据,因此为了促进制造业的节能降耗,对工业机器人能耗进行有效的建模、仿真以及预测显得十分必要。本文以制造过程中广泛使用的串联工业机器人为研究对象,在确定基于惯性参数辨识的工业机器人物理能耗模型的基础上,结合数字描述与可视化数字虚拟建模理论和方法,提出一种物理模型驱动的工业机器人能耗数字建模方法。本文主要的研究工作包括:(1)构建基于Gbest引导型蜂群算法进行参数辨识的工业机器人物理能耗模型。考虑到工业机器人在工作过程中的能耗主要由关节电机和摩擦损耗导致,根据工业机器人运动学及动力学理论,得出工业机器人动力学方程,并提出采用一种Gbest引导型蜂群算法辨识方程中的未知参数,获得全局最优辨识结果,从而提高辨识的准确度,在此基础上,通过将已知参数的动力学方程用于计算工业机器人本体能耗并验证其有效性,最终完成物理能耗模型的建立。(2)物理模型驱动的工业机器人能耗数字建模研究。针对工业机器人在制造过程中能耗的知识描述与可视化交互机制进行研究,利用OWL本体描述语言建立工业机器人能耗领域的数字描述模型,挖掘并建立物理模型数据与能耗领域本体属性之间的关联与映射,通过物理模型数据驱动建立推理规则实现工业机器人能耗本体模型的知识推理。然后针对工业机器人能耗进行可视化数字虚拟建模,在此基础上得到工业机器人物理能耗模型、数字描述模型和数字虚拟模型相互关联的能耗集成模型,实现物理-数字模型的关联共生以及数据-知识的交互融合。(3)设计与实现具有三维可视化交互功能的工业机器人能耗分析和预测系统。利用物理能耗模型的数据驱动,数字描述模型的语义知识驱动以及数字虚拟模型的可视化与交互能力,实现对工业机器人制造过程中能耗的有效监测、仿真和预测,为进一步降低和优化工业机器人能耗提供数据依据和技术支撑。