一种基于数字孪生技术的智能码垛方法

本发明涉及码垛技术领域，具体涉及一种基于数字孪生技术的智能码垛方法。

背景技术：

传统拆垛码垛系统需要先知道货物信息，离线设计码垛方案，然后再进行码垛或者只能对单规格的货物进行在线码垛，这种方式存在缺点如下：

(1)对货物的要求高，需要货物的尺寸规格一致，在实际应用受限制大；

(2)无法远程操控，不能实现无人化；

(3)码垛系统的码垛过程无法在设计初期直观展示出来；

(4)未规划设计机械臂的运动轨迹。

技术实现要素：

本发明的目的在于针对现有技术中的不足之处，提供一种贴合实际生产，可以对从输送带过来的信息欠完备的货物进行码垛的基于数字孪生技术的智能码垛方法。

为达此目的，本发明采用以下技术方案：

一种基于数字孪生技术的智能码垛方法，包括如下步骤：

步骤a，搭建与真实场景一致的仿真模型，采集货物规格信息，输入至仿真模型中；

步骤b，当待摆放的货物放置在托盘内的一个位置时，依据待摆放的货物与周围货物的高度差别以及浪费空间对该位置进行评价并得出对应的评价值，其中浪费空间为待摆放的货物放置后与周围货物和托盘之间的间隙，评价值与高度差别及浪费空间均负相关；

步骤c，计算不同位置的评价值，在仿真模型中选取评价值最高的位置放置货物，在真实场景中按照同样的方式放置货物。

更进一步的说明，将托盘平面分割为n×n的网格空间，每个网格用(i，j)表示其在托盘平面内的位置，货物层叠码垛至网格空间内；

所述评价值通过如下公式计算评价：

f＝-α1gvar+α2ghigh+α3gflush-α4gwaste-α5(i+j)-α6hi,j

gvar表示待放置货物放在托盘上的一个位置后，该货物占据的网格与其周围货物所占据的网格的高度差的绝对值之和；若货物至少有一边与托盘的边缘对齐，则gvar＝0；

ghigh表示待放置货物放在托盘上的一个位置后，高于该货物的相邻货物占据的网格数量；

gflush表示待放置货物放在托盘上的一个位置后，和该货物等高的相邻货物占据的网格数量；

gwaste表示一个货物放置在托盘上后所浪费的空间；

hi,j表示(i，j)网格已放置货物的高度。

更进一步的说明，若托盘内没有货物，则选取托盘的顶角位置作为放置点，且设置第一个放置点为原点并建立坐标系，以托盘平面为底、托盘最大摆放高度为高的立方体的六个面作为摆放边界；

若托盘内已有货物，则按照如下步骤选择放置点：

步骤m1，选取同时与在先货物以及摆放边界相邻的位置作为第一候选点；选取同时与两个相邻边界相邻的位置作为第二候选点；

步骤m2，判断若干第一候选点和第二候选点是否可以完全容纳待放置货物，若可以完全容纳待放置货物，则计算该位置的评价值。

更进一步的说明，货物占据的网格数量向上取整。

更进一步的说明，计算货物支撑率β，其中β＝待放置货物下底面/待放置货物下底面与下方货物的接触面积；若β≥80％，则将货物放置到该位置，否则舍弃该位置。

更进一步的说明，在码放货物时还包括规避障碍物的判断，若机械臂在码放货物时，路径上存在障碍物，则选取障碍物的上方或侧面重新规划轨迹，并在规划的轨迹上随机取点，使用多项式插值法求取轨迹最佳拟合线，再利用逆运动学求解关节角，选出合适的机械臂运动轨迹。

上述技术方案可以带来以下有益效果：实时模拟仿真系统和真实场景中的参数，通过计算不同摆放位置的评价值挑选最佳的码垛点，从而实现最佳的码垛方式，提高码垛效率。

附图说明

下面结合附图和实施例对本发明进一步说明。

图1是本发明的一个实施例进行码垛的示意图。

具体实施方式

下面结合附图并通过具体实施方式来进一步说明本发明的技术方案。

如图1所示，一种基于数字孪生技术的智能码垛方法，包括如下步骤：

步骤a，搭建与真实场景一致的仿真模型，采集货物规格信息，输入至仿真模型中；

步骤b，当待摆放的货物放置在托盘内的一个位置时，依据待摆放的货物与周围货物的高度差别以及浪费空间对该位置进行评价并得出对应的评价值，其中浪费空间为待摆放的货物放置后与周围货物和托盘之间的间隙，评价值与高度差别及浪费空间均负相关；

步骤c，计算不同位置的评价值，在仿真模型中选取评价值最高的位置放置货物，在真实场景中按照同样的方式放置货物。

首先，根据智能拆垛码垛系统的工作场地、流程、工艺、设备、计划等，借助仿真软件demo3d搭建出仿真模型。并在仿真平台上对设备模型进行模块化封装，对仿真平台专用库(包括模型库、脚本库)进行集成建设。仿真软件搭建出来的仿真模型视图具有真实的物理特性(重力，摩擦力，速度，撞击、惯性等)，有非常精细的仿真细节，富有震撼的视觉效果，智能拆垛码垛系统借助该仿真模型可以进行动态运行和效果验证。控制系统接收到拆垛码垛指令后，通过plc驱动现场装备和仿真模型运动。现场装备和仿真模型中的传感器采集的实时数据通过控制系统上传进行组态监控。本智能拆垛码垛方法能够做到实物系统和仿真模型之间的数据和信号实时同步，构建了一个高性能、通用和可扩展的综合测试平台。通过半实物仿真的形式，调节实物或仿真系统的部分关键参数，在数字孪生技术的驱动下，通过虚拟仿真平台和生产线实物设备的双向真实映射和实时信息交互，实现仿真模型和实物设备的全要素、全流程和全业务数据的集成和融合，最终完成整个拆垛码垛系统的部署和搭建。

更进一步的说明，将托盘平面分割为n×n的网格空间，每个网格用(i，j)表示其在托盘平面内的位置，货物层叠码垛至网格空间内；

所述评价值通过如下公式计算评价：

f＝-α1gvar+α2ghigh+α3gflush-α4gwaste-α5(i+j)-α6hi,j

gvar表示待放置货物放在托盘上的一个位置后，该货物占据的网格与其周围货物所占据的网格的高度差的绝对值之和；若货物至少有一边与托盘的边缘对齐，则gvar＝0；

ghigh表示待放置货物放在托盘上的一个位置后，高于该货物的相邻货物占据的网格数量；

gflush表示待放置货物放在托盘上的一个位置后，和该货物等高的相邻货物占据的网格数量；

gwaste表示一个货物放置在托盘上后所浪费的空间；

hi,j表示(i，j)网格已放置货物的高度。

f是一个评价函数，评估当前可摆放位置的适应度。当适应度越大，说明货物摆放在这个位置越合适。每个变量前的符号代表着惩罚者或着奖励，例如“-α4gwaste”：当进行码垛时，浪费空间越少越好，因此前面的系数是“-”，则“-α4”代表惩罚系数，当浪费空间变大时，当前适应度值就会变小，当浪费空间接近0时，则适应度值会接近最优。故f值最大就是最好的位置。根据实际数据，运用田口分析方法，对各个α值进行训练计算，并得出其最优值。

更进一步的说明，若托盘内没有货物，则选取托盘的顶角位置作为放置点，且设置第一个放置点为原点并建立坐标系，以托盘平面为底、托盘最大摆放高度为高的立方体的六个面作为摆放边界；

若托盘内已有货物，则按照如下步骤选择放置点：

步骤m1，选取同时与在先货物以及摆放边界相邻的位置作为第一候选点；选取同时与两个相邻边界相邻的位置作为第二候选点；

步骤m2，判断若干第一候选点和第二候选点是否可以完全容纳待放置货物，若可以完全容纳待放置货物，则计算该位置的评价值。

在三维码垛环境下，有很多位置可以对待放置的货物进行码垛，如果每一个点都进行尝试，会增大计算量，导致不能快速给出码垛方案。因此在选取可放置点的时候，优先策略是靠边放置，也即优先靠近托盘边缘的位置放置，优先靠近已摆放的货物的边缘放置，这样可以尽可能的减少浪费空间的产生，当选取了若干第一候选点和第二候选点后，再评价该位置的评价值，就容易计算，模拟码垛的效果，提升码垛效率。如图1所示，灰色数字5代表当前托盘内放置了长宽为3，高度为5的3×3×5的货物，此时选择下一个可放置的点的时候，就选取与之相邻的黑色的三个位置。

更进一步的说明，货物占据的网格数量向上取整。

进行码垛时，货物之间本身就留有一定的间隙。对托盘离散化可以根据需要调整，一般以mm为单位，摆放精度的向上取整可以保证在对整个算法的影响并不是很大的情况下，简化运算，提高码垛效率。

更进一步的说明，计算货物支撑率β，其中β＝待放置货物下底面/待放置货物下底面与下方货物的接触面积；若β≥80％，则将货物放置到该位置，否则舍弃该位置。

80％是最小的支撑率，其支撑范围是80％～100％，支撑率越高，则稳定性更好。如果改点的支撑率不满足要求，也即货物码垛到这个位置时会有倾倒的风险，此时就将该位置舍弃。

更进一步的说明，在码放货物时还包括规避障碍物的判断，若机械臂在码放货物时，，路径上存在障碍物，则选取障碍物的上方或侧面重新规划轨迹，并在规划的轨迹上随机取点，使用多项式插值法求取轨迹最佳拟合线，再利用逆运动学求解关节角，选出合适的机械臂运动轨迹。

在实际的码垛环境下，机械臂并非可以将每一个货物放置到理想的位置，有时候需要调整移动货物的路线才能将货物码垛到位。为了使本方法更加贴近实际生产需要，因此在码放货物时进行是否避障的判断。逆运动学求解角度为现有知识，在此不做赘述。

以上内容仅为本发明的较佳实施例，对于本领域的普通技术人员，依据本发明的思想，在具体实施方式及应用范围上均会有改变之处，本说明书内容不应理解为对本发明的限制。