用于静电环绕应用的对机器人喷漆的模拟的制作方法

本发明的实施方案总体上涉及计算机程序和系统领域，尤其涉及计算机辅助设计(cad)，计算机辅助工程(cae)，3d计算机图形建模与模拟，制造过程的建模、模拟、分析和优化，制造业，以及制造资源(例如工业机器人)的使用计划与编程领域。

背景技术：

市场上提供了许多用于零件、零件组件和系统的设计和模拟的系统和程序。cad系统允许用户构造和操纵对象、对象组件或系统的复杂三维模型。因此，cad系统使用边或线(在某些情况下使用面)来提供建模对象和系统的表示。线、边、面或多边形可以以各种方式，例如，非均匀有理基本样条(nurbs)来表示。

cad系统管理建模对象的零件或零件的组件，这些零件或零件的组件主要是几何规格。特别是，cad文件包含从中生成几何图形的规格。从几何图形生成表示。规格、几何图形和表示可以存储在单个cad文件或多个cad文件中。cad系统包括用于向设计人员表示建模对象的图形工具；这些工具专用于显示复杂的对象。例如，一个组件可能包含数千个零件。cad系统可用于管理存储在电子文件中的对象模型。

cad和cae系统的出现为对象提供了广泛的表示可能性。这种表示之一就是有限元模型(fem)。术语有限元分析(fea)模型、fem、有限元网格和网格在本文中可互换使用。fem通常表示cad模型，因此可以表示一个或多个真实世界零件或整个组件。fem是称为节点的点的系统，这些点相互连接以形成网，称为“网格”。

可以通过这种方式对fem进行编程，以使fem具有其表示的基础对象的特性。当以这种方式对fem或其他此类cad或cae模型进行编程时，可以将其用于执行该模型所表示的对象的模拟。例如，fem可用于表示车辆的内部空腔，围绕结构的声学流体以及任何数量的真实世界对象和系统。当给定的模型表示一个对象并进行相应编程时，它可以用于模拟真实世界的对象本身以及真实世界的对象与其他对象之间的交互。例如，表示支架的fem可用于模拟现实生活中医疗环境中支架的使用。

同样，cad、cae和fem模型可以用于改进设计，以及用于创建即制造模型所表示的对象的方法。可以通过使用模拟技术，诸如使用诸如fem模型之类的模型运行一系列模拟的优化技术，来识别这些改进，以便识别对对象设计的改变或对创建对象的方法的改变。

技术实现要素：

3d计算机图形模拟方法和技术可以应用于制造工作单元和过程，以模拟制造过程。可以将模拟结果下载到工厂车间，以驱动制造资源，例如工业机器人。在工业喷漆应用中，工业机器人和机器用于在工业制造过程中施加喷涂材料，例如油漆。要注意的是，尽管本文将实施方案描述为用于油漆，但是实施方案不限于此，并且可以用于任何喷涂材料、层、涂层等。

为了计划制造喷漆过程，可以使用当前的模拟软件应用程序，使用工业机器人对制造过程进行建模和图形化模拟，并可以预期产生的油漆沉积。喷漆过程的模拟和规划基于油漆和喷漆枪的特性，喷漆过程的设置，要被喷漆的工业产品和零件的3d几何模型以及用于施加油漆的工业机器人的运动指令程序。模拟结果可用于最终确定和优化喷漆过程设置以及机器人运动程序，以在将油漆应用于复杂的几何对象时实现所需的油漆均匀性和沉积厚度。最终的机器人运动程序可以作为离线程序下载到工厂车间的机器人上，从而节省了设置实际制造过程所需的时间和试验。

尽管存在用于模拟喷漆过程的方法，但是现有方法仅限于模拟和建模由油漆直接流动产生的喷漆，而现有方法不能模拟、建模、计划和执行由环绕效果产生的油漆沉积。本发明的实施方案解决了该问题，并提供了用于建模和模拟油漆沉积以及用于控制机器人和喷漆机以在制造环境中对真实世界对象进行喷漆的改进方法。

一个这样的示例实施方案提供了一种用于模拟在真实世界的对象上进行静电喷漆的计算机实现的方法，该方法始于对于给定的真实世界机器人控制的静电喷漆枪，接收油漆沉积速率的指示和最大油漆累积量的指示。在实施方案中，这些“指示”是油漆沉积速率和最大油漆累积量的阈值设置值和/或范围。该方法继续，在虚拟环境中表示给定的真实世界机器人控制的静电喷漆枪的油漆沉积。在这样的实施方案中，在虚拟环境中表示油漆沉积包括对于主题时间段计算表示真实世界对象的模型的给定表面元素上的总油漆累积量。计算表面元素的总油漆累积量包括：(1)如果在喷漆枪的喷雾区内有一条环绕路径，以使油漆颗粒到达给定的表面元素，则使用油漆沉积速率的指示，确定在主题时间段内给定表面元素上的环绕油漆累积量，其中如果达到最大油漆累积量，则环绕油漆累积停止；(2)确定在主题时间段内给定表面元素上的直接油漆累积量；以及(3)通过将确定的环绕油漆累积量和确定的直接油漆累积量相加，确定在主题时间段时间内给定表面元素的总油漆累积量。接着，该方法继续，生成参数文件，该参数文件包括一些参数，这些参数考虑了给定表面元素的已确定总油漆累积量，其中所生成的参数文件实现给定的真实世界机器人控制的静电喷漆枪对真实世界对象进行喷漆的精确操作。

实施方案进一步包括接收给定表面元素的期望油漆累积量的指示，并且在这样的实施方案中，生成参数文件还包括确定喷漆过程设置，以控制给定的真实世界静电喷漆枪，从而获得给定表面元素的期望油漆累积量，并将确定的喷漆过程设置包括在参数文件中。这样的示例实施方案可以进一步包括：将包括所确定的喷漆过程设置的所生成的参数文件传输到给定的真实世界机器人控制的静电喷漆枪，其中传输使给定的真实世界机器人控制的静电喷漆枪根据确定的喷漆过程设置，来对真实世界对象进行喷漆。根据示例实施方案，喷漆过程设置包括以下各项中的至少一项：给定的真实世界机器人控制的静电喷漆枪的速度，给定的真实世界机器人控制的静电喷漆枪的路径以及真实世界对象与给定的真实世界机器人控制的静电喷漆枪之间的距离。

替代实施方案包括接收喷漆过程参数。在这样的实施方案中，喷漆过程参数包括以下各项中的至少一项：油漆参数、位置参数和校准参数。此外，在又一个实施方案中，在模拟模型中使用所接收的喷漆过程设置来确定环绕油漆累积量和直接油漆累积量。

另一个实施方案计算构成喷漆过程的总时间的多个时间段内的给定表面元素的总油漆累积量。在这样的实施方案中，计算多个时间段的总油漆累积量确定了喷漆过程的给定表面元素的总油漆累积量。又一个实施方案计算构成喷漆过程的总时间的多个时间段内的表示真实世界对象的模型的多个表面元素上的总油漆累积量。在该实施方案中，计算多个时间段内的多个表面元素上的总油漆累积量确定了喷漆过程的多个表面元素中的每一个的总油漆累积量。这样的实施方案可以进一步包括接收多个表面元素中的每一个的期望油漆累积量的指示，并且在生成参数文件时，该方法还包括确定喷漆过程设置，以控制给定的真实世界静电喷漆枪，从而获得喷漆过程中的多个表面元素中每一个的期望油漆累积量，并将确定的喷漆过程设置包括在参数文件中。又一个实施方案还包括：迭代确定喷漆过程设置，以确定优化的喷漆过程设置，优化的喷漆过程设置获得喷漆过程中的多个表面元素中的每一个的期望油漆累积量。

该方法的实施方案还包括基于所生成的参数文件来显示所确定的总油漆累积量的指示。根据又一个实施方案，该模型是有限元模型，并且给定的表面元素是该有限元模型的给定的细分元素。

另一个实施方案涉及一种模拟在真实世界对象上进行静电喷漆的系统。示例系统实施方案包括处理器和其上存储有计算机代码指令的存储器。具有计算机代码指令的处理器和存储器被配置为使系统接收给定的真实世界机器人控制的静电喷漆枪的油漆沉积速率的指示和最大油漆累积量的指示。该系统还被配置为在虚拟环境中表示给定的真实世界机器人控制的静电喷漆枪的油漆沉积，其中所述表示对于主题时间段包括计算表示真实世界对象的模型的给定表面元素上的总油漆累积量。在这样的实施方案中，计算总油漆累积量包括：(1)如果在喷漆枪的喷雾区内有一条环绕路径，以使油漆颗粒到达给定的表面元素，则使用油漆沉积速率的指示，确定在主题时间段内给定表面元素上的环绕油漆累积量，其中如果达到最大油漆累积量，则环绕油漆累积停止；(2)确定在主题时间段内给定表面元素上的直接油漆累积量；以及(3)通过将确定的环绕油漆累积量和确定的直接油漆累积量相加，确定在主题时间段内给定表面元素的总油漆累积量。此外，继续，该系统被配置为生成参数文件，该参数文件包括考虑了给定表面元素的确定的总油漆累积量的参数。在这样的实施方案中，所生成的参数文件实现给定的真实世界机器人控制的静电喷漆枪对真实世界对象进行喷漆的精确操作。

在该系统的另一个实施方案中，具有计算机代码指令的处理器和存储器还被配置为使系统接收给定表面元素的期望油漆累积量的指示，并且在生成参数文件时，该系统被配置为：(i)确定喷漆过程设置，以控制给定的真实世界静电喷漆枪，以获得给定的表面元素的期望油漆累积量，以及(ii)将确定的喷漆过程设置包含在参数文件中。根据一个实施方案，该系统还被配置为将包括所确定的喷漆过程设置的所生成的参数文件传输到给定的真实世界机器人控制的静电喷漆枪，其中传输参数文件导致给定的真实世界机器人控制的静电喷漆枪根据确定的喷漆过程设置，来对真实世界对象进行喷漆。

该系统的另一个实施方案计算构成喷漆过程的总时间的多个时间段内的给定表面元素的总油漆累积量，其中计算多个时间段的总油漆累积量确定了喷漆过程的给定表面元素的总油漆累积量。该系统的又一个实施方案计算构成喷漆过程的总时间的多个时间段内的表示真实世界对象的模型的多个表面元素上的总油漆累积量。在这样的实施方案中，计算多个时间段内的多个表面元素上的总油漆累积量确定了喷漆过程的多个表面元素中的每一个的总油漆累积量。计算多个表面元素的总油漆累积量的另一实施方案还包括：接收多个表面元素中的每一个的期望油漆累积量的指示；以及在生成参数文件时：(1)确定喷漆过程设置，以控制给定的真实世界静电喷漆枪，从而获得喷漆过程中的多个表面元素中的每一个的期望油漆累积量，以及(2)将确定的喷漆过程设置包含在参数文件中。系统的这样的实施方案可以进一步被配置为迭代确定喷漆过程设置，以确定优化的喷漆过程设置，优化的喷漆过程设置获得喷漆过程中的多个表面元素中的每一个的期望油漆累积量。

在该系统的另一实施方案中，具有计算机代码指令的处理器和存储器还被配置为基于所生成的参数文件使系统显示所确定的总油漆累积量的指示。

本发明的又一个实施方案涉及一种云计算实现，以模拟在真实世界对象上进行静电喷漆。这样的实施方案针对由通过网络与一个或多个客户端通信的服务器执行的计算机程序产品。在这样的实施方案中，计算机程序产品包括体现或以其他方式包括程序指令的计算机可读介质，程序指令在由处理器执行时使处理器接收给定的真实世界机器人控制的静电喷漆枪的油漆沉积速率的指示和最大油漆累积量的指示。此外，在这样的云计算环境中，程序指令在被执行时还使处理器在虚拟环境中表示给定的真实世界机器人控制的静电喷漆枪的油漆沉积，其中所述表示包括对于主题时间段计算表示真实世界对象的模型的给定表面元素上的总油漆累积量。在这样的实施方案中，计算总油漆累积量包括：(1)如果在喷漆枪的喷雾区内有一条环绕路径，以使油漆颗粒到达给定的表面元素，则使用油漆沉积速率的指示，确定在主题时间段内给定表面元素上的环绕油漆累积量，其中如果达到最大油漆累积量，则环绕油漆累积停止；(2)确定在主题时间段内给定表面元素上的直接油漆累积量；以及(3)通过将确定的环绕油漆累积量和确定的直接油漆累积量相加，确定在主题时间段内给定表面元素的总油漆累积量。更进一步，在云计算环境中，处理器被配置为生成参数文件，该参数文件包括参数，这些参数考虑了给定表面元素的已确定的总油漆累积量，其中所生成的参数文件实现给定的真实世界机器人控制的静电喷漆枪对真实世界对象进行喷漆的精确操作。

附图说明

从下面对如附图中图示的示例性实施方案的更具体的描述会明白前述内容，附图中相似的附图标记指不同视图中的相同零件。附图不一定是按比例绘制的，而是将重点放在图示实施方案。

图1示出了可以使用实施方案来模拟的用于喷漆枪的喷雾油漆形状。

图2描绘了可以在一个实施方案中采用的喷漆枪校准布置。

图3示出了一个实施方案的喷漆枪校准布置和所得的校准测量结果。

图4描绘了根据一个实施方案的喷漆枪校准布置和所得校准测量结果。

图5概念性地描绘了用于一个实施方案中的喷漆枪的直接油漆流。

图6概念性地描绘了在一个实施方案中使用的喷漆枪的静电油漆流。

图7示出了可以使用实施方案来模拟的用于喷漆枪的直接和静电油漆流的叠加。

图8是根据一个实施方案的用于模拟在真实世界对象上进行静电喷漆的方法的流程图。

图9是可以在实施方案中采用的用于计算总油漆累积量的方法的流程图。

图10是可以在实施方案中采用的用于静电喷漆枪校准的方法的图形描绘。

图11是图10所描绘的喷漆枪校准技术的特写图。

图12示出了在实施方案采用的校准方法中发生的正面和背面油漆沉积。

图13描绘了图形用户界面，在图形用户界面中输入在实施方案中使用的喷漆枪校准参数。

图14描绘了图形用户界面，在图形用户界面中输入在实施方案中使用的特定于喷漆模拟的参数。

图15a-15c示出了可以在实施方案中显示的喷漆模拟的示例结果中的可能变化。

图16是根据一个实施方案的用于模拟在真实世界对象上的进行静电喷漆的计算机系统的简化框图。

图17是其中可以实现本发明的实施方案的计算机网络环境的简化框图。

具体实施方式

以下是对示例性实施方案的描述。

本文引用的所有专利、公开的申请和参考文献的教导通过引用整体并入本文。

通常，实施方案提供用于模拟在真实世界对象上进行静电喷漆的功能。现有的建模和模拟方法局限于空气刷喷漆和静电旋转刷喷漆类型的应用，其中当喷漆机器人移动和操纵喷漆枪时，被喷漆的产品和部件受到从喷漆枪流出的直接油漆流的影响。当前的方法是基于油漆性能的测量值和喷漆枪参数的校准，然后使用数学模型进行模拟，该数学模型基于流动几何形状、流量守恒和固体体积，外推模拟油漆流动影响的喷漆枪校准实验参数。但是，在某些静电喷漆应用中，由于带电油漆喷雾颗粒和被喷漆的电接地零件之间的静电吸引作用，被喷雾的油漆能够并且预期会流到被喷漆零件的背面。实施方案提供了创新的方法，以预测在这种“环绕”喷漆应用中零件的多个面上的油漆沉积。现有的3d软件建模和模拟方法不提供此类功能。

实施方案通过采用对包括静电喷漆枪的机器人布置的创新的校准测试，喷漆模拟模型以及沉积计算中的匹配增强，来解决模拟环绕喷漆应用的静电喷漆的技术问题。实施方案基于将静电应用期间的喷漆模拟分解为用于油漆沉积的两种叠加机制。第一种沉积机制是传统方法，其基于油漆体积和固体百分比的守恒以及油漆流线的几何投影，其中油漆流线与被喷漆表面相交，被喷漆表面已经离散成具有已知表面法线的数字可管理的细分区域。第二种沉积机制是带电油漆的静电沉降，这种静电沉降发生在被喷漆零件的所有区域(侧面等)，即使这些区域未受油漆喷雾流线的直接影响。新型创新的喷漆枪校准实验使量化第二种沉积机制成为可能，从而使喷漆模型和沉积模拟可以结合上述两个贡献者(直接和静电)，并为环绕应用过程中的静电喷漆提供计算解决方案。

以此方式，实施方案允许模拟和分析静电喷漆应用的油漆沉积，其中由于带电油漆喷雾颗粒和被喷漆的电接地零件之间的静电吸引作用，被喷雾的油漆能够并且预期会流到被喷漆零件的背面。目前，在现有的机器人喷漆应用程序中尚未对这种类型的功能进行建模和模拟。

喷漆枪的传统喷漆模拟基于利用流量守恒和油漆流体中固体的体积守恒的一种方法。油漆沉积的计算是基于通过实验确定的喷雾锥特性和喷到被喷漆表面上的几何投影。

图1描绘了可以使用本文所述的方法模拟的用于喷漆枪的喷雾锥101a和101b。喷雾锥101a用于气刷式喷漆枪，而喷雾锥101b用于静电旋转式钟形喷漆枪。喷雾锥101a具有椭圆形的基底102a，并且喷雾锥101b具有圆形的基底102b。喷雾锥也可以构造成具有最大高度，即，喷雾锥可以构造成仅到达一定距离处的对象。在一个实施方案中，喷雾锥的高度是用户定义的，以便将喷雾的效果限制在一定的最大截断范围内。在实施方案中，通常基于使用被模拟的实际真实世界喷漆枪的校准实验来确定基底的特性。

如下所述，直接油漆流累积的典型校准实验包括使用喷漆枪在固定高度喷漆条纹。校准测试在正交方向上进行两次，因此，两条条纹的宽度确定了喷雾锥椭圆形基底的外径和内径。通过在进行喷漆枪校准实验后测量的两个正交喷雾沉积概率分布的卷积来推断喷雾锥内部的油漆厚度分布。下文中参照图2-4描述了在实施方案中实施的直接油漆累积校准实验的进一步细节。实施方案还可对于静电油漆累积采用校准方法。在下文中参照图10-12描述了关于静电油漆累积校准实验的进一步细节。

当确定/模拟直接油漆累积时，首先确定被处理的特定表面三角形(表示对象的模型的)在被模拟的时间步长是否在喷雾锥尺寸内。在确定在要模拟的时间步长期间，特定的表面三角形在喷雾锥内之后，计算出在该时间步长内沉积在三角形上的漆膜厚度。油漆厚度的计算基于几何喷雾投影的概念，并结合对喷漆枪的实验测量特性进行数学外推。这些计算包括模拟参数，例如喷漆枪校准特性，油漆流速、油漆中的固体百分比、用户定义的喷漆枪效率、油漆喷嘴相对于要喷漆的表面三角形的距离和位置，以及表面三角形相对于喷雾方向的位置和法线方向。然后，将三角形的时间步长的计算出的沉积厚度与正在被喷漆的表面的该三角形的正在进行的模拟薄膜的运行总量相加。

对于典型气枪类型模拟的喷漆枪校准实验，即用于确定模拟直接油漆累积的特性的校准实验，是基于测量用待模拟气枪喷漆的平面上的测试漆条的横截面。图2具有典型的校准装置220的三个视图221、222和223，其中具有油漆喷雾锥225的喷漆枪被对准测试板226。

在图2所描绘的喷漆枪校准实验中，喷漆枪由测试机器人以恒定的速度以固定的高度在较大的平坦测试表面226上移动，最终在运动方向被涂有条带。该测试以已知的油漆流速进行，并且在垂直于条纹的多个点上测量干燥的油漆条，以列出一组沉积厚度，以识别代表特定喷漆枪特征的沉积轮廓。该测试在正交方向上进行了两次，因此，两个喷漆的条纹合起来定义了该特定气枪的有效总体沉积特性。这种类型的油漆厚度的二维分布是通过对两个正交喷雾沉积概率分布进行卷积来推断的，这两个分布是由于测量在两个正交方向上的测试喷漆所产生的油漆沉积而得出的。

气刷式喷漆枪产生的喷雾可能是非对称的，因此，对于直接油漆累积模拟的校准实验包括喷漆两个条纹，一个在x方向，一个在y方向。由静电旋转钟形油漆枪喷雾的油漆是对称的，因此，仅需要在x方向进行一次测试即可。对于气刷式喷漆枪，根据在x和y方向上测得的两个测试分布，将油漆喷雾可视化为椭圆锥。静电喷漆枪的油漆喷雾在侧视图中呈抛物线形，在顶视图中呈圆形。在一个实施方案中，通过外推这些油漆和刷子的特性来计算模拟过程中的直接油漆沉积，这些特性是由用于模拟的油漆配置文件中的设置，以及机器人运动、刷子对齐和距离、被喷漆的零件的形状和表面曲率等所有其他影响修改的。将在下面进一步描述模拟油漆配置文件设置的选择和结果。

使用这种类型的一对x和y遍次进行直接油漆累积量校准测试，以便可以两种正交概率分布的形式来表示油漆刷的沉积行为，然后在模拟过程中对正交概率分布进行数学卷积和外推。由于无法使用固定式喷漆枪进行实际的油漆沉积测量实验，因此在测试过程中，机器人以恒定速度移动，这使油漆体积流动速率与所测量的油漆厚度的横截面面积相关。由于油漆量的守恒，由于x和y测试以相同的速度进行，因此x和y轮廓下的面积应该相同。然而，由于实验误差，所测量的x和y轮廓面积可能略有不同，因此，在一个实施方案中，x和y轮廓被归一化。一旦确定了校准信息，实施方案还可以计算并显示所产生的喷漆测试的有效计算出的喷漆枪转移效率。该效率表示在实验后被测量为最终施加在被喷漆的测试表面上的喷雾油漆的小部分(就油漆固体而言)。预计未施加到表面的油漆固体的一小部分会损失而扩散和过度喷雾。

图3和图4示出了直接油漆累积量校准实验，用于通过分别沿y方向330移动喷漆枪和沿x方向440移动喷漆枪来确定喷漆枪校准。图3描绘了用于确定x轴332上的油漆厚度的校准布置330。在布置330中，喷漆枪沿y方向331移动，并且油漆沉积在板336上，这产生具有横截面338的油漆条纹337。在位置339处测量横截面338，以确定条纹337的x轴332上的油漆厚度。图4描绘了用于确定y轴441上的油漆厚度的校准布置440。在布置440中，喷漆枪沿x方向442移动，并且油漆沉积在板446上，这产生具有横截面448的油漆条纹447。在位置449处测量横截面448，以确定条纹447的y轴441上的油漆厚度。在实施方案中使用在位置339和449处获得的测量值来确定直接油漆累积量。

为了说明，根据一个实施方案，在模拟过程中，使用喷漆枪校准测量值，用数学外推法，来计算每个时间步长的正在被喷漆的几何表面上每个细分的有限元三角形的油漆累积量。示例外推方法使用正在被喷漆的被模拟元素的位置相对于正在被模拟给定时间的被模拟喷漆枪的位置来计算喷嘴与元素的相对距离和倾斜度。然后，通过遵循预期的油漆流线，将该计算用于将正在被喷漆的模拟点映射到实际喷漆枪校准实验中测得的油漆条纹上的点。然后，为继续计算，如果要模拟的系统的所有参数都与校准实验中使用的参数相同，则模拟中的油漆沉积厚度将与实验中的油漆沉积相匹配。

但是，如果模拟条件(即参数)与校准实验中使用的条件不同，则需要进行外推以调整计算出的沉积。为了进行外推，通过将模拟与实验进行比较来改变计算出的油漆沉积量。外推的示例包括：(1)与油漆流速的比较成正比地修改沉积，(2)与油漆中固体百分比的比较成正比地修改沉积，(3)与喷漆枪效率的比较成正比地修改沉积，(4)与从喷嘴到被喷漆点/元素的距离的平方的比较成反比地修改沉积，以及(5)与被模拟有限元的法线方向相对于从喷嘴到达表面的油漆流方向之间的角度余弦的比较成反比地修改沉积。

此外，要注意的是，例如，如果所模拟的喷漆枪具有带有圆形基底的喷雾锥，则在校准实验中仅需要喷漆单个条纹，并且在实施方案中获取和使用了一组测量值。

上述用于油漆模拟和实验校准的方法仅考虑了油漆从喷漆枪到被喷漆主题时间段对象的直接流动。除了正常的直接喷漆效果之外，本文描述的实施方案超出了直接的油漆累积并且模拟和确定了用于喷漆的静电效果。

图5是示出对零件551进行喷漆的侧视图550，其中仅描绘了直接油漆流。在视图550中，喷漆枪552在零件551上使用由油漆流线554组成的喷雾锥553喷漆。此外，如视图550中所描绘的那样，将油漆喷雾停止在截断范围555处，例如在距喷漆枪的假定喷漆停止的距离处。

图6是示出对零件551进行喷漆的侧视图560，其中仅示出了静电油漆沉积。在视图560中，喷漆枪552在零件551上用喷雾锥553喷油漆，并且静电油漆沉积562累积在零件551上。此外，如视图550中所描绘的，在视图560中，油漆喷雾在截断范围555处停止。

图7是示出对零件551进行喷漆的侧视图570，其中描绘了直接油漆沉积和静电油漆沉积。在视图570中，喷漆枪552在零件551上用喷雾锥553喷油漆，并且油漆通过直接流554和通过静电沉积562累积在零件551上。本发明的实施方案通过考虑直接油漆流554和静电沉积562两者来模拟和确定用于静电喷漆枪的油漆沉积。

静电喷漆过程包括向喷漆枪施加电压，这会导致在油漆颗粒上产生电荷，从而不仅将油漆吸引到正面，而且还吸引到被喷漆对象的侧面(例如，左侧、右侧、顶部和底部等)以及背面。为了使静电喷漆起作用，正在被喷漆的对象通常是导电类型的材料，例如金属，并且该对象被电接地。静电喷漆枪的行为还受到其他参数的影响，例如其旋转喷漆盘的转速以及施加到喷漆枪上的形成气流的气压和气量，因此，实施方案也可以在确定油漆累积量时考虑这些参数。根据一个实施方案，这些参数是通过调整喷雾锥的抛物线形状和相关的油漆流线来考虑的。在实施方案中，这可以包括(1)抛物线喷雾锥的直径与施加的静电电压成反比；(2)抛物线喷雾锥的直径与旋转的喷漆盘的速度成正比；(3)抛物线喷雾锥的直径与形成气流的气压成反比，(4)抛物线喷雾锥的直径与形成气流的气量成反比。

静电情况的喷雾锥实际上是一个受上述参数影响的抛物线流形状的喷雾区域。抛物线具有圆形横截面，并且喷雾的喷漆特性与沉积轮廓有关，该沉积轮廓可以使用类似于上文参照图2-4描述的方法的校准实验来确定。此外，在模拟油漆流的抛物线流线路径中的被喷漆表面期间，可以类似于对空气喷枪进行的方法来计算沉积量。因此，在一个实施方案中，静电喷漆模拟数学模型是上述空气喷枪喷雾数学模型的增强。

与现有方法不同，在静电油漆沉积的情况下，静电截断范围的喷雾区最大高度不限于它到达被喷漆零件表面的位置，而是可能会超出以影响侧面的喷漆(左、右、上、下等)或零件后面的喷漆。在实施方案中，截断范围可以像空气喷枪方法的情况一样由用户选择。实施方案提供的创新功能确定了由于静电效应而导致的沉积，该静电效应独立于油漆流(即直接油漆流554)的抛物线形流线从所有方向吸引零件的所有表面上的油漆颗粒。

实施方案可以采用数学模型，该数学模型假设基于非流的静电油漆沉积随着喷雾时间的增加从零线性地变为最大值。这种对油漆沉积厚度的最大静电贡献在本文中可以称为tes_max，并且简单地，最大静电油漆累积量的指示。另外，每单位时间的静电油漆沉积速率可以在本文中称为tes_rate，并且简单地，静电油漆沉积速率的指示。因此，该模型暗示着，被喷漆表面上任意点的非流动静电贡献以每秒tes_rate的速率从零开始，直到达到最大贡献tes_max。

只要零件表面在抛物线状喷雾区域内直至静电截断范围距离，静电相关的沉积都可能在面向任何方向的零件表面上发生。但是，在喷雾区域的形状内需要有一条开放的路径，以使油漆颗粒行进到受影响的零件表面的该部分。在一个实施方案中，除了正常的油漆沉积计算之外，还确定和考虑静电油漆沉积，这是由于油漆流的传统抛物线流线，其基于由传统喷漆枪校准实验确定的喷雾区域特性，如上文参照图2-4所述。

图8示出了根据一个实施方案的方法880，该方法模拟在真实世界对象上进行静电喷漆。方法880从步骤881开始，接收给定的真实世界机器人控制的静电喷漆枪的油漆沉积速率的指示和最大油漆累积量的指示。根据一个实施方案，油漆沉积速率的指示是由给定的真实世界机器人控制的静电喷漆枪产生的静电油漆沉积的速率，而最大油漆累积量的指示是可能会发生的对油漆沉积厚度的最大静电贡献的指示。在一个实施方案中，油漆沉积速率的指示和最大油漆累积量的指示是指示油漆沉积速率和最大油漆累积量的阈值。根据一个实施方案，油漆沉积速率的指示可以是如本文所述的tes_rate，并且最大油漆累积量的指示可以是如本文描述的tes_max。此外，根据一个实施方案，使用如本文所述的真实世界的喷漆枪校准实验，例如本文参照图10-12所述的功能，来确定油漆沉积速率的指示和最大油漆累积量的指示。

更进一步地，在实施方案中，在步骤881，可以通过本领域已知的任何方法从通信地耦合或能够通信地耦合到实现方法880的计算设备的任何设备、存储部件等接收油漆沉积速率的指示和最大油漆累积量的指示。此外，步骤881可以进一步包括将接收到的油漆沉积速率的指示和最大油漆累积量的指示存储在与实现方法880的处理器或计算设备相关联或与其通信地耦合的存储器中。

该方法在步骤882处继续，在虚拟环境中表示给定的真实世界机器人控制的静电喷漆枪的油漆沉积。在这样的实施方案中，在步骤882处表示油漆沉积包括对于主题时间段计算表示真实世界对象的模型的给定表面元素上的总油漆累积量。以这种方式，在步骤882，使用虚拟环境(例如模拟环境)来计算如果使用被模拟的真实世界机器人控制的静电喷漆枪在真实世界中对真实世界对象进行喷漆时将在真实世界对象上发生的总油漆累积量。在实施方案中，表示真实世界对象的模型可以是本领域中已知的任何基于计算机的模型，例如，有限元模型或cad模型。根据又一个实施方案，该模型是有限元模型，并且给定的表面元素是该有限元模型的给定的细分元素。

根据方法880的实施方案，在步骤882使用图9中描绘的方法982来确定总油漆累积量。方法982从步骤991开始，确定在给定时间段内给定表面元素上的静电油漆累积量。在步骤991处确定静电油漆累积量首先确定在喷漆枪的喷雾区域内是否有环绕路径，以使油漆颗粒到达给定的表面元素。换句话说，在步骤991处确定静电油漆颗粒是否可以在主题时间段内到达给定的表面元素。此外，要注意的是，尽管步骤991确定是否存在“环绕”路径，但是实施方案不限于此，并且如果存在任何路径(即，油漆到达表面元素的直接路径)，则步骤991确定静电油漆累积量。继续，如果存在油漆颗粒到达表面元素的路径，则在步骤991中使用油漆沉积速率的指示，来确定在主题时间段内给定表面元素上的静电(即环绕)油漆累积量，其中如果达到最大油漆累积量，则环绕油漆累积会停止。因此，油漆沉积速率用于确定静电油漆沉积，并且静电油漆沉积以最大油漆累积量为上限。为了说明，考虑一个示例，其中油漆沉积速率为1毫米/秒，最大油漆累积量为1.5毫米。在第一时间段(即一秒钟)中，静电/环绕油漆沉积为1厘米。例如，如果模拟另一个一秒钟的时间段，则第二个时间段内的静电油漆累积量仅为0.5厘米，因为在最初的0.5秒内会累积0.5厘米的油漆，并且将达到1.5厘米的最大油漆累积量。

继续方法982，在步骤991确定环绕油漆累积量之后，在步骤992确定给定表面元素上在主题时间段内的直接油漆累积量。使用本领域已知的任何方法和/或本文描述的任何方法在步骤992确定直接的油漆累积量。例如，在一个实施方案中，使用喷漆枪校准测量值，使用外推方法，来计算每个时间步长的正在被喷漆的几何表面上的每个细分的有限元三角形的油漆累积量。

接下来，在步骤993，通过将确定的环绕油漆累积量(步骤991的结果)和确定的直接油漆累积量(步骤992的结果)相加，确定主题时间段内给定表面元素的总油漆累积量。简单地，在一个实施方案中，在步骤993，将来自步骤991的环绕油漆累积量和来自步骤992的直接油漆累积量相加在一起，以确定给定表面元素在主题时间段内的总油漆累积量。步骤993的输出(确定的总油漆累积量)被用作步骤882的结果。

返回图8，在步骤882中计算模型的给定表面元素上的总油漆累积量之后，方法880继续，并且在步骤883，生成参数文件，该参数文件包括考虑了给定表面元素的确定的总油漆累积量的参数。在这样的实施方案中，所生成的参数文件实现给定的真实世界机器人控制的静电喷漆枪对真实世界对象进行喷漆的精确操作。例如，在一个实施方案中，参数文件包括静电喷漆枪根据期望的油漆设置来对真实世界的对象进行喷漆的控件。

方法880的实施方案还包括：接收给定表面元素的期望油漆累积量的指示，并且在这样的实施方案中，生成参数文件还包括确定喷漆过程设置，以控制给定的真实世界静电喷枪，从而获得给定表面元素的期望油漆累积量。此外，在方法880的这种实施方案中，所确定的喷漆过程设置被包括在步骤883的参数文件中。这样的示例实施方案可以进一步包括：将包括所确定的喷漆过程设置的所生成的参数文件传输到给定的真实世界机器人控制的静电喷枪，其中传输使给定的真实世界机器人控制的静电喷枪根据确定的喷漆过程设置，来对真实世界对象进行喷漆。

根据示例实施方案，方法880的喷漆过程设置包括以下各项中的至少一项：给定的真实世界机器人控制的静电喷枪的速度，给定的真实世界机器人控制的静电喷枪的路径以及真实世界对象与给定的真实世界机器人控制的静电喷枪之间的距离。因此，在这样的实施方案中，可以在方法880中确定喷漆枪的上述设置，并且将这些设置发送到喷漆枪，然后该喷漆枪将根据该设置进行操作。在这样的实施方案中，可以基于在步骤882中计算出的油漆累积量来确定达到期望的油漆累积量的喷漆过程设置的值。可以例如通过迭代地重复该方法的处理，即步骤882和883，来确定喷漆过程设置，从而可以确定实现期望油漆累积量的优化设置。在另一个实施方案中，步骤882和883可以无限地迭代(在任何数量的时间段内)，直到实现期望的油漆累积量并且在参数文件中包括实现期望的油漆累积量的设置。

方法880的一个替代实施方案包括接收喷漆过程参数。在这样的实施方案中，喷漆过程参数包括以下各项中的至少一项：油漆参数、位置参数和校准参数。然后，这些参数可以在方法880的步骤882中用于确定油漆累积量。在下文中参照图13和14描述了关于喷漆过程参数的更多细节。

应当注意，尽管上文将方法880描述为相对于给定的表面元素在主题时间段内执行，但是方法880的实施方案不限于此。方法880的实施方案可以被配置为确定任意数量的感兴趣的表面元素(例如，主题零件的所有表面元素)的油漆累积量。进一步地，方法880的实施方案可以用于模拟任意数量的感兴趣时间段内的油漆沉积。更进一步地，方法880的实施方案还包括接收感兴趣的表面元素的指示，即，希望对其模拟/确定其油漆累积量的表面元素的指示。同样，实施方案还包括接收感兴趣的时间段的指示或继续该方法直到确定了期望的油漆累积量的指示。

方法880的另一个实施方案计算构成喷漆过程的总时间的多个时间段内的给定表面元素的总油漆累积量。以这种方式，这样的实施方案确定了整个喷漆过程中给定表面元素的油漆累积量。此外，在这样的实施方案中，因为确定了喷漆过程的给定表面元素的总油漆累积量，所以参数文件同样可以被生成为包括考虑了整个喷漆过程的参数。

方法880的又一个实施方案计算构成喷漆过程的总时间的多个时间段内的表示真实世界对象的模型的多个表面元素上的总油漆累积量。以这种方式，方法880的这种实施方案确定喷漆过程中的多个表面元素中的每一个的总油漆累积量。这样的实施方案可以进一步包括接收多个表面元素中的每一个的期望的油漆累积量的指示，并且在这样的实施方案中，生成参数文件还包括确定喷漆过程设置，以控制给定的真实世界静电油漆枪，从而获得喷漆过程中多个表面元素中的每一个的期望油漆累积量，并将确定的喷漆过程设置包括在参数文件中。

方法880的另一个实施方案还包括：迭代确定喷漆过程设置，以确定优化的喷漆过程设置，优化的喷漆过程设置在喷漆过程期间获得多个表面元素中的每一个的期望油漆累积量。这样的实施方案可以进一步包括针对不同的喷漆过程设置自动迭代确定油漆累积量。方法880的又一个实施方案包括基于所生成的参数文件来显示所确定的总油漆累积量的指示。在这样的实施方案中，例如，可以通过例如颜色或阴影编码、分布、图形或映射等来将所确定的油漆累积量描绘给用户。

在方法880的实施方案中，用户可以指定应该为其确定油漆累积量的表面元素，并且用户还可以提供用于喷漆过程的参数。例如，用户可以指出喷漆过程的时间，并且可以提供有关被喷漆的对象、所使用的机器人的任何细节以及计算喷漆累积量所需的任何其他信息。例如，提供的持续时间表示运行要使用的机器人喷漆程序所需的循环时间。用户可以从整个模拟车辆的cad模型中指定要被喷漆的对象，例如发动机罩。同样，有关正在使用的机器人的详细信息可能表示具有机器人特定运动特性的特定型号，例如fanucp-500ia工业机器人。可以指定的其他信息包括喷漆枪校准实验数据以及用于模拟的油漆流速、固体百分比和喷漆枪效率的相应应用参数。

以上参照图2-4描述了用于确定用于直接油漆累积量的油漆设置的喷漆枪校准方法。实施方案可以在计算直接油漆累积量时利用参照图2-4描述的功能。此外，实施方案还可采用喷漆枪校准实验来确定为确定如本文所述的静电油漆累积量所需的喷漆枪参数。与参照图2-4描述的校准技术相反，静电喷漆区的基底通常是圆形的而不是椭圆形的，因此，因此，只喷一条测试条纹并在正交方向上对沉积轮廓使用相同的测量值就足够了。例如，在模拟过程中，可以使用喷漆枪校准测量值，使用外推方法，来计算每个时间步长的正在被喷漆的几何表面上的每个细分的有限元三角形的油漆累积量。该信息(静电喷漆枪的油漆沉积测量值)可以以与现有气枪喷漆模拟方法中使用的油漆沉积测量值类似的方式用于实施方案中，以预测由于几何油漆流线与被喷漆对象相交而导致的沉积。此外，应注意，尽管描述了静电喷漆区基底通常是圆形的，但是实施方案不限于此，并且实施方案可以修改本文描述的校准技术以适应任何种类的喷雾基底形状。

实施方案可以利用新的创新技术来校准和通过实验确定静电喷漆枪的特性，从而可以模拟用喷漆枪进行的喷漆。图10-12是示意性的。图10描绘了喷漆枪校准实验的顶视图1010，实施方案可以使用该喷漆枪校准实验来确定被模拟的喷漆枪的特性。在图10中描绘的喷漆枪校准实验中，代替在平板上喷一条条纹，而是对具有方形横截面1011的长管1012进行喷漆。根据静电喷雾区的高度和宽度以及要校准的特定喷漆枪的特性来选择管道的尺寸及其横截面。在一个示例性方法中，方形管横截面的边的尺寸在喷雾锥在其截断范围内的直径的二分之一到三分之一的范围内，使得该管足够大以阻止一些流线到达方形管的背部，但是足够小以完全在喷雾锥内部。沿管道1012的长度，在多个管段1013a-e，对管道1012进行喷漆。对于每个管段1013a-e，在沿着管道1012移动的同时，用带有喷雾锥1014的喷漆枪对管道1012进行喷漆时，机器人速度会从慢速到快速逐步提高。根据一个实施方案，当机器人在管道区域1013a时，机器人以其最小预期应用速度运动，而当机器人沿着管道向下运动时，机器人的速度增加，并且在最终区域1013e，机器人以其预期的最大应用速度移动。在测试完成并且油漆干燥之后，不在正方形横截面1011的正面而是在背面测量油漆厚度。

图11是图10所描绘的校准实验的特写图1110。图11示出了使用带有油漆刷锥1014的油漆枪来对管道1012的管段1013a进行喷漆。

图12是平面图，描绘了用于图10和11中描绘的校准实验中的管道1012的正面1221和背面1222上的油漆沉积。对于正面1221，油漆沉积是由直流油漆流1223和静电沉积1224引起的。对于管道1012的背面1222，油漆沉积仅由静电油漆流1224引起。为了确定正面1221的油漆累积特性，如上所述，通过以已知的油漆流速来喷一个条纹来进行测试。为了确定静电油漆累积特性，如参照图10所描述的那样，对管道1012进行喷漆，并且在多个点处，例如，沿着管道背面的长度以给定速度喷漆的每一段的中心，测量背面1222上的干燥油漆，以将tes_max和tes_rate参数列表，这些参数识别表征被模拟的特定喷漆枪的环绕沉积方面的沉积轮廓。

在一个实施方案中，在以最慢的机器人速度喷漆的管段中测量的背面油漆厚度给出了最大的静电环绕油漆累积量的值，即tes_max。以更快的速度喷漆的管段的背面油漆厚度给出了单位时间的静电环绕沉积速率，即tes_rate。因此，在一个实施方案中，基于来自校准实验的测量结果来选择/推断tes_rate。为了说明这一点，如果校准实验确定机器人以100毫米/秒的速度移动喷漆枪的区域的背面油漆厚度为50微米(0.05毫米)，则对于背面的代表性1毫米部分，喷漆曝光时间将为0.01秒。这将暗示tes_rate为每0.01秒50微米，即0.5毫米/秒。因此，在模拟过程中，对于每个要处理的细分表面三角形，如果该三角形的增量时间曝光为0.01秒，则环绕静电沉积效果的程度将为50微米，并且计算将成比例，以便例如0.005秒的曝光时间意味着25微米的静电环绕沉积。

根据一个实施方案，对于模拟时间步长的持续时间，如上图所示，基于速率tes_rate乘以给定步长的增量时间来计算可能的附加静电环绕沉积。但是，如果静电环绕沉积效果运行总计达到静电最大值tes_max，则根据一个实施方案，在该特定三角形处的任何进一步的环绕沉积不再添加到特定三角形(即表面元素)的总油漆累积量中。

该测试背后的意图是，由于测试管道的背面1222不能被油漆喷雾的直流线1223击中，因此背面1222上的沉积是由独自起作用的环绕静电效应(沉积1224)引起的。通过为测试中被喷漆的管段1013a-e选择合适的机器人速度，可以确定喷漆枪的静电油漆沉积速率和最大静电油漆累积量特性，然后在模拟喷漆枪时使用这些确定的速率。

在以最慢的机器人速度喷漆的管段中测量的背面1222的油漆厚度给出了最大的静电环绕油漆累积量的值，即tes_max。以更快的速度喷漆的管段中的背面1222的油漆厚度给出了单位时间的静电环绕沉积的速率，即tes_rate。

一个实施方案在模拟中利用参数(即tes_max和tes_rate)，来确定在每个时间步长上被喷漆表面上的每个细分三角形的油漆累积量。示例性实施方案首先检查在模拟中的特定时间步长处，正在处理的特定表面三角形是否在静电喷雾区的尺寸内。

接下来，计算由于静电环绕效应而在该时间步长内在该三角形上沉积的漆膜的厚度。确定静电沉积包括：(1)确定喷雾区域内是否有畅通无阻的路径让油灯颗粒从喷漆枪到达表面位置；(2)如果有路径，则使用当前时间步长持续时间和静电环绕沉积速率tes_rate来计算在该时间步长期间厚度的增加量；(3)将该时间的计算出的厚度添加到自模拟开始以来该三角形的静电环绕沉积的运行总量中，以及，(4)如果运行总量已经达到静电最大值tes_max，则停止添加该特定三角形上的任何进一步的环绕沉积量。

接着，这样的实施方案基于油漆喷雾的直接流线的常规考虑来计算在该时间步长内沉积在三角形上的漆膜的厚度。然后，将这个三角形的这个时间步长的上述两个计算出的沉积厚度(静电油漆流和直接油漆流)相加，并添加到对于正在进行的模拟的该三角形上累积的确定的油漆的运行总量中。

这样的实施方案还可以在视觉上描绘机器人运动和油漆随时间的累积。可以以在被喷漆对象的图形模型上描绘的颜色或阴影编码轮廓上来可视化油漆沉积。

在实施方案中，类似于空气喷枪模拟，油漆厚度的计算基于几何喷漆投影与喷漆枪的实验测量的特性相结合的概念。这些计算包括典型的模拟参数，例如喷枪校准特性，油漆流速、油漆中的固体百分比、用户定义的喷枪效率、油漆喷头相对于要喷漆的表面三角形的距离和位置，以及表面三角形相对于喷雾方向的位置和法线方向。此外，静电喷漆枪行为的直流计算还可以考虑其他参数，例如静电势的电压，喷漆枪旋转的喷漆盘的转速以及施加于喷漆枪的形成的空气流的压力和气量。

实施方案可用于帮助模拟工程师计划制造过程并预测机器人喷漆的定量和定性完成结果。在这样的实施方案中，模拟是基于各种强大的技术构建的，包括基于要被喷漆的表面的几何形状生成喷漆行程的机器人路径，对油漆刷喷漆行为进行建模，对已被喷漆零件的表面进行网格划分以便进行沉积解析，以及在不同的油漆和模拟设置下对复杂网格表面进行喷漆时确定油漆沉积厚度和统计的计算。在这样的实施方案中，用于确定油漆沉积和厚度的计算可以如本文所述进行，例如，使用图8的方法880。

实施方案还可以考虑在不同的影响下同时移动的多个油漆刷以及多个被喷漆零件，例如在多个轨道上的多个喷漆机器人和在移动的输送线上的被喷漆车辆。此外，在这样的实施方案中，所需的油漆沉积行为可以由用户通过一组油漆刷校准参数和喷漆模拟设置，例如在下面参照图13和图14所述的图形用户界面1330和1440中所示的设置，来指定。

在考虑多个油漆刷和多个被喷漆零件的实施方案中，油漆沉积的模拟是与机器人运动规划以及输送线运动、油漆和刷子特性、流动守恒以及多个油漆刷子的油漆流线与被喷漆表面的网格解析形状和细分曲率的几何相互作用的计算并行计算的。

在另一个实施方案中，在准备模拟油漆刷的过程中，对要在喷漆过程中使用的该油漆刷进行量化。在一个这样的实施方案中，量化油漆刷包括执行校准实验，诸如以上参照图2-4和10-12描述的那些。根据示例实施方案，执行参照图2-4描述的校准实验以确定用于直接流动喷漆的喷漆枪的特性，并且执行参照图10-12描述的校准实验以确定用于静电喷漆的喷漆枪的特性。这些实验包括喷漆测试条纹并在沉积的油漆干燥后测量其厚度分布。根据一个实施方案，实验中的喷漆是从被喷漆的测试对象上方的固定目标距离高度执行的。然后，作为实验的一部分，记录通过正在被校准的喷漆枪的油漆流体流速以及所用油漆的固体百分比信息。除这两个参数外，如果喷漆枪是静电旋转的钟形喷漆枪，则还应记录实验过程中使用的盘转速、气压调节、风量调节和静电电压。用户还可以为上述四个参数(盘转速、气压调节、风量调节和静电电压)中的每一个指定形成因子。

形成因子决定了参数导致静电旋转式钟形油漆喷雾宽度变化的程度。对于盘转速参数，默认值为1.0表示盘转速加倍将使得喷漆宽度加倍。对于其余三个参数(气压调节、空气量和静电电压)中的每一个，形成因子为1.0意味着将该参数加倍将使喷漆宽度减半。在一个实施方案中，将测试参数，例如在测试中使用的喷漆枪的特性以及测量的油漆沉积厚度一起输入到校准配置文件中，该配置文件可由实现实施方案的计算设备访问。图13描绘了示例性校准配置文件1330，其中可以输入正在被模拟的喷漆枪的特性和从实验中测量的油漆厚度。当计算设备正在执行本文所述的实施方案时，例如方法880，计算设备访问和/或获得配置文件1330中的信息，并在执行本文所述的功能时使用该信息。

虽然是使用针对喷漆枪的特定设置执行校准实验的，但是实施方案不限于在这些设置下模拟喷漆枪。如上所述，油漆刷校准参数包括测试过程中的油漆流速、固体百分比和喷雾高度。在模拟过程中，用户可以更新油漆枪的有效油漆配置文件，也可以在优化模拟中自动更新油漆枪的油漆配置文件，以基于不同的设置来模拟油漆沉积。模拟设置包括油漆流速、固体百分比、喷漆枪转移效率和喷漆范围。除这四个参数外，如果喷漆枪是静电喷漆枪，则其他设置包括盘转速、气压调节、风量调节和使用的静电电压。

图14描绘了示例配置文件1440，其中可以输入被模拟的喷漆枪的特性。当计算设备正在执行本文所述的实施方案时，例如方法880，计算设备访问和/或获得配置文件1440中的信息，并在执行本文所述的功能时使用该信息。

流速和固体百分比参数允许对不同于校准实验的油漆设置执行模拟。喷漆枪转移效率是一个将使用校准实验的结果来覆盖漆刷计算的效率的参数。在示例实施方案中，模拟将从计算出的效率开始，但是随后，可以增大或降低效率，以便调整模拟结果以更好地匹配真实世界的车间经验。在这样的实施方案中，效率的这些变化可以由用户驱动，或者可以作为优化模拟的一部分自动进行，或者可以基于从真实世界喷漆应用程序接收到的真实世界数据自动进行。

在实施方案中，还可以为模拟设置喷漆范围参数，即截断范围。喷漆范围参数指定喷雾将导致在被喷漆零件的网格表面上沉积的最大距离。超出此距离的任何网格点都不会看到任何油漆沉积，并且超出该点的油漆喷雾将被理解为扩散掉并成为浪费的油漆统计信息的一部分。根据一个实施方案，意图是指定一个范围，该范围是在喷漆任务期间在喷漆枪和要被喷漆的表面之间的计划距离之外的某种短距离。通过指定此范围，可以提高油漆沉积方法的性能，因为该方法将不会花费时间来计算距离较远且与实际喷漆模拟无关的零件上的任何油漆沉积。

在一个实施方案中，油漆喷雾锥的初始高度基于距油漆测试实验的目标距离。此外，在另一个实施方案中，在模拟期间以基于喷漆范围的设置修改的高度来可视化(即显示)喷雾锥。因此，在这样的实施方案中，用户可以看到持续的油漆的颜色的可视化的喷雾锥，并且随着模拟的进行，根据当前设置，喷雾锥将变得更长或更短。

与喷漆范围有关的行为适用于气刷式喷漆枪和静电式喷漆枪。然而，气刷式喷漆枪的喷雾的形状将是成比例的椭圆锥，而静电式喷漆枪的喷雾的形状将是成比例的抛物线锥，如上文参照图1所述的。此外，在实施方案中，静电式喷漆枪的附加参数的设置可以在喷漆求解器中使用以影响抛物线锥的喷雾尺寸宽度。如本文所述，喷雾宽度的变化程度基于针对四个参数(盘转速、空气压力调节、空气量调节和静电电压)中的每一个的定义的形成因子。具体而言，在形成因子为1.0时，将当前盘转速参数加倍会导致在模拟的该部分期间静电油漆喷雾宽度加倍。对于其余三个参数(气压调节、空气量调节和静电电压)中的每一个，在形成因子为1.0时，将当前参数(气压或空气量或电压)加倍，可以导致将静电油漆喷雾宽度减少一半。

在一个实施方案中，随着模拟的进行，向用户描绘所确定的对象随时间的油漆覆盖。在模拟过程中，喷漆枪喷漆宽度的动态变化会影响工件上的油漆覆盖范围以及最终的油漆沉积厚度，这是由于在较小或较大的区域中持续的油漆流速分散所致。因此，在一个实施方案中，还描绘了喷漆宽度的变化以及油漆覆盖的变化。图15a-c示出了在模拟期间这种效果的示例。

图15a描绘了由具有正常宽度的喷雾锥1553a的喷漆枪1551a喷漆的对象1550a。图15b示出了由具有窄宽度的喷雾锥1553b的喷漆枪1551b喷漆的对象1550b。图15c示出了由具有宽宽度的喷雾锥1553c的喷漆枪1551c喷漆的对象1550c。图15a-15c还示出了具有阴影编码的油漆沉积，编码表示对象1550a-c上油漆的厚度。进一步的实施方案还可以提供喷漆过程的视觉动画，其同样使用阴影或颜色编码来可视化随时间的推移而变化的油漆沉积厚度。

根据一个实施方案，用户在运行喷漆模拟之前，通过生成对象表面的喷漆网格来准备要被喷漆的对象的模型。在这样的实施方案中，网格划分是基于用户指定的网格尺寸和网格下垂参数。可以选择这些参数以匹配所需的油漆沉积精度，在这种情况下，更细的网格尺寸会导致在计算上更加密集，但会提供更高的精度。一旦生成了网格，实现本文所述方法的计算系统将在每个网格点生成表面法线方向的内部表示，并且该附加表面曲率数据可以在模拟过程中由油漆沉积方法使用。

在一个实施方案中，在模拟开始时，将网格点处的沉积信息重置为零。随着模拟的进行，将根据油漆沉积模型和方法的进行情况来保持每个网格点处的沉积运行总量。这包括机器人和传送带的运动速度，油漆刷与被喷漆产品的相对位移，油漆喷雾距离，轮廓强度分布以及相对于油漆网格点和网格表面法线的流向计算。

实施方案还可以采用计算性能优化，以使得油漆沉积计算仅被应用于要喷漆的可能零件的较大集合中的靠近喷雾锥的相关表面网格区域。

另一个实施方案每个油漆刷地交互地显示计算出的喷漆结果以及喷漆统计数据。统计信息包括有关油漆刷使用时间、喷雾的油漆总量、浪费的油漆量(即已喷雾但实际上未施加于指定要被喷漆的产品的任何油漆)，以及由此产生的过程效率的信息。在另一个实施方案中，油漆沉积的结果以图形方式显示在被喷漆的表面上，并且可视化可以显示所施加的油漆对基础表面颜色的着色效果或被喷漆表面上沉积厚度分布的基于阈值的轮廓映射。

在喷漆模拟过程中，可以通过修改油漆配置文件设置以及机器人任务中的机器人操作来迭代该过程，以改善所产生的喷漆沉积。参数的改变可以基于喷漆统计和沉积结果。此外，在一个实施方案中，一旦获得了机器人任务(即机器人控制和操作)以及所的被喷漆产品的令人满意的结果，则可以将成品与喷漆结果信息和喷漆枪以及用于取得满意的结果的过程设置一起保存。因此，可以在以后的时间检索和查看结果和设置，并根据设置来控制真实世界的喷漆过程。

除了喷漆枪校准特性外，其他可能影响最终油漆厚度预测的准确性的模拟因素包括：被喷漆表面的细分的网格分辨率，根据一个实施方案，该网格分辨率比油漆刷锥直径小一个数量级，被喷漆零件cad模型的正确性和在模型上布置的油漆轨迹的匹配准确性，喷漆机器人程序的风格以及为匹配实际喷漆机器人对运动规划参数进行的精确设置。在一个实施方案中，可以根据需要修改前述因素以实现期望的精度水平。

图16是根据本文所述的本发明的任何实施方案的，可用于模拟在真实世界对象上进行静电喷漆的基于计算机的系统1660的简化框图。系统1660包括总线1663。总线1663充当系统1660的各个部件之间的互连。输入/输出设备接口1666连接到总线1663，用于将各种输入和输出设备(例如键盘、鼠标、显示器、扬声器等)连接到系统1660。中央处理单元(cpu)1662连接到总线1663，并提供用于实现实施方案的计算机指令。存储器1665提供数据的易失性存储，数据用于执行实现本文描述的实施方案(诸如先前结合图8和13-14描述的那些方法和用户界面)的计算机指令。存储设备1664为诸如操作系统(未示出)和实施方案配置等的软件指令提供非易失性存储。系统1660还包括网络接口1661，用于连接到本领域中已知的各种网络中的任何一种，包括广域网(wan)和局域网(lan)。

应该理解的是，本文描述的示例实施方案可以以许多不同的方式来实现。在某些情况下，本文所述的各种方法和机器均可以由物理、虚拟或混合通用计算机(例如，计算机系统1660)或计算机网络环境(例如，计算机环境1770)来实现，如下面结合图17所描述的。例如，可以通过将软件指令加载到存储器1665或非易失性存储设备1664中以供cpu1662执行，将计算机系统1660转换为执行本文所述方法的机器。本领域普通技术人员应该进一步理解，系统1660及其各种部件可以被配置为执行本文描述的本发明的任何实施方案或实施方案的组合。此外，系统1660可以利用可操作地内部或外部耦合到系统1660的硬件、软件和固件模块的任何组合来实现本文所述的各种实施方案。此外，系统1660可以通信地耦合到或嵌入在设备(例如，装备有喷漆枪的机器人)内，以便如本文所述控制设备对物理对象进行喷漆。

图17示出了可以在其中实现本发明的实施方案的计算机网络环境1770。在计算机网络环境1770中，服务器1771通过通信网络1772链接到客户端1773a-n。环境1770可用于允许客户端1773a-n单独或与服务器1771组合地执行本文描述的任何方法。作为非限制性示例，计算机网络环境1770提供云计算实施方案，软件即服务(saas)实施方案等。

其实施方案或各方面可以以硬件、固件或软件的形式来实现。如果以软件实现，则该软件可以存储在任何非瞬态计算机可读介质上，该非瞬态计算机可读介质被配置为使处理器能够加载该软件或其指令的子集。然后，处理器执行指令，并被配置为以本文所述的方式操作或使装置操作。

此外，固件、软件、例程或指令在本文中可被描述为执行数据处理器的某些动作和/或功能。但是，应当理解，本文包含的此类描述仅是为了方便起见，并且此类动作实际上是由执行固件、软件、例程、指令等的计算设备、处理器、控制器或其他设备引起的。

应当理解，流程图、框图和网络图可以包括更多或更少的元件，被不同地布置或被不同地表示。但是还应该理解，某些实施方式可以规定框图和网络图，并且说明实施方式的执行的若干框图和网络图以特定方式实现。

因此，还可以以各种计算机体系结构、物理、虚拟、云计算机和/或它们的某种组合来实施进一步的实施方案，因此，本文描述的数据处理器仅用于说明目的，而不是对实施方案的限制。

尽管已经具体显示和描述了示例实施方案，但本领域技术人员会理解在不偏离由所附权利要求包括的实施方案的范围的情况下可对其做出形式和细节的各种变化。