[发明专利]一种基于数字孪生的机械臂实时运动求解最大应力的方法

权利要求书

1.一种基于数字孪生的机械臂实时运动求解最大应力的方法，其特征在于，包括以下步骤：

步骤一：测量机械臂的实际物理尺寸，在Soildworks软件中建立出所述机械臂的三维模型，使用ANSYS软件对所述三维模型进行网格划分，

对于机械臂中的每一个关节，所述关节能在0～X的角度范围内转动，设置采样点数n,每隔X/n的角度，取一个采样点，并求解出这些采样点的等效应力数据；

步骤二：对步骤一中所获得到的等效应力数据，进行节点去重、插值训练；得到每个无重复节点的训练好的等效应力数据；

所述节点去重，是指：在完成步骤一所述网格划分后，得到三角面片网格，其中每个三角面片包括3个节点，相邻的三角面片会共用两个节点，去除上述共用节点，去重结束后对剩下的节点重新建立起节点索引，得到无重复节点数据；

步骤三：将训练好的等效应力数据导入到机械臂的三维模型中，依托数字孪生平台建立起机械臂的上位机界面，上位机与机械臂进行串行通信，在上位机上实时展示出机械臂在当前姿态下的应力数据云图和最大应力曲线。

2.如权利要求1所述的一种基于数字孪生的机械臂实时运动求解最大应力的方法，其特征在于，所述插值训练，包括如下步骤：

第一步、将所述无重复节点数据，另存到一个题头为“x”，“y”，“z”，“pa”的表格中，其中“x”列为第一列，存储节点的x坐标信息，“y”列为第二列，存储节点的y坐标信息，“z”列为第三列，存储节点的z坐标信息，“pa”列为第四列，用以存储节点对应的等效应力信息；

第二步、将所述步骤一中得到的一个关节上各采样点的等效应力数据，保存为数据库1；

第三步、调用KNeighborsClassifier类，所述KNeighborsClassifier类是实现K近邻算法的一个类，基于所述数据库1，使用K近邻算法，设置K值对未知点附近K个最近的点进行计算，所述未知点是指，已知其位置信息，但未知其应力信息；

将无重复节点数据表格中的每一行对应的节点作为所述未知点，其中“x”，“y”，“z”值作为所述未知点的位置信息，根据数据库1中记录的最近的K个点的应力信息进行插值，得出该节点的等效应力数据写入“pa”列，作为应力信息，重复此步骤直至无重复节点数据表格中的数据每一行的“pa”列都有数据，得到训练数据副本；

第四步，重复第二步到第三步，直至把所有关节的数据样本都完成训练。

3.如权利要求2所述的一种基于数字孪生的机械臂实时运动求解最大应力的方法，其特征在于，所述插值训练的第三步中，设置K值为15。

4.如权利要求1所述的一种基于数字孪生的机械臂实时运动求解最大应力的方法，其特征在于，所述步骤一中，采样点数n的取值为6～8。

5.如权利要求1所述的一种基于数字孪生的机械臂实时运动求解最大应力的方法，其特征在于，所述步骤三中：所述数字孪生平台为unity；依托unity中的父子关系和挂载C#脚本建立所述机械臂的上位机界面。