[发明专利]机器人在生产线的优化方法、系统及在数字孪生的应用

权利要求书

1.一种机器人在生产线的优化方法，其特征在于，包括以下步骤：

(1)获取制品的物理数据及机器人的工作数据，并相互关联，形成数据库；由机器人真实的约束条件推算出约束方程；

(2)获取机器人的工作数据，对生产线的工艺路径和制品的物流路径逐个进行Petri网模型的构建，建立对应的关联矩阵，解出不变量令牌P的集合；根据机器人的工作数据随机设定变迁T的集合，再依此通过建立可达树和/或可达图，求出生产线可能到达的状态；根据已得出的可达树和/或可达图，以及转移速率，构造出与Petri网模型等价的马尔科夫链，根据马尔科夫过程有下列线性方程组：

解线性方程组，计算出对应生产线的工艺路径和制品的物流路径下的性能指标表达式，将该性能指标表达式作为粒子群算法的适应度函数表达式，迭代执行粒子群算法：通过实时对比每条工艺路线和制品的物流路径的性能指标，选择目前状态下最优的工艺路径和制品的物流路径；

(3)获取机器人的关节位移，并结合步骤(2)中变迁T的集合中的时间元素，求出关节速度和关节加速度；输出最优解，并代入由步骤(1)中机器人的约束方程，确定好高阶多项式，使机器人通过轨迹上的所有节点，形成机器人优化后的工作数据，得到机器人在任意时刻的关节位置、关节速度和关节加速度，完成机器人动作轨迹规划算法的编写；

(4)根据步骤(2)选定的工艺路径和物流路径，得到机器人作业的路径节点、起点与终点；输入机器人动作轨迹规划算法中，实时生成机器人的动作轨迹。

2.根据权利要求1所述的一种机器人在生产线的优化方法，其特征在于，所述步骤(2)中，解线性方程时，根据若干组变迁T的集合中的时间元素作为算法的初始解，即为粒子初始位置，代入速度更新公式得到粒子初始速度，将粒子初始位置和初始速度代入适应度函数表达式中得到相应的适应值，取其中适应值最好的粒子的位置来更新P_id和P_gd，然后根据速度更新公式和位置更新公式迭代更新粒子的位置和速度，直到迭代次数达到所设定最大迭代次数或全局最优位置满足最小界限，此时适应值最好的粒子即为适应度最好的一组变迁T的集合，得到对应的适应值即对应的工艺路线和制品的物流路径两者的性能指标；

速度更新公式为：

位置更新公式为：

—第k次迭代粒子i飞行速度矢量的第d维分量；

—第k次迭代粒子i位置矢量的第d维分量；

c₁,c₂—学习因子，调节学习的最大步长；

r₁,r₂—随机函数，取值范围[0,1]，以增加搜索随机性；

ω—惯性权重，调节对角空间的搜索能力；

P_id为粒子i经历过的历史最好位置；P_gd为群体内或领域内，所有粒子所经历过的最好位置。

3.根据权利要求1所述的一种机器人在生产线的优化方法，其特征在于，所述步骤(1)中，获取制品的物理数据及机器人的工作数据，利用ETL工具完成数据整合和清洗分析之后，经相互关联，形成存储在管控系统的数据库。

4.根据权利要求1所述的一种机器人在生产线的优化方法，其特征在于，所述步骤(1)中，MES系统上投放订单，通过已有数字孪生模型的上行信息通道，根据工序先后顺序获取制品的物理数据及机器人的工作数据，并建立相互关联的数据存储在管控系统的数据库。

5.根据权利要求1所述的一种机器人在生产线的优化方法，其特征在于，所述步骤(3)中，通过机器人反求方法求出关节位移；结合步骤(2)计算出的变迁T的集合中的时间元素，通过逆雅可比矩阵方法求出关节速度；通过逆雅可比矩阵及其导数求出关节加速度。

6.根据权利要求1所述的一种机器人在生产线的优化方法，其特征在于，所述步骤(1)中，通过集成在制品的数据接口、取货位置的数据接口和卸货位置的数据接口，从数字孪生技术的上行信息通道中获取相关的数据包括：机器人作业的各个动作路径节点，以及动作路径的起点和终点。