一种工件物流输送线上料设备装配方法与流程

1.本发明涉及工程机械技术领域，具体为一种工件物流输送线上料设备装 配方法。


背景技术：

2.随着我国相关工程项目的增多，极大地推动了工程机械行业的发展。其 中，对于工程机械而言，其装配工艺的好坏对于其性能的发挥有着至关重要 的影响，装配工艺是否科学合理将对其性能有着密切联系。通常来讲，在工 程机械当中，装配工序是其生产制造过程中的关键环节，一旦装配工艺存在 问题，则必然会导致其性能以及工作年限受到影响。因此，对工件物流输送 线上料设备的装配工艺的研究和技术完善，在工件整个加工产业中都存有极 其重要的意义。
3.现有技术中，随着5g、人工智能、数字孪生和物联网技术的快速发展， 工程机械的装配技术已由理想几何模型仿真为主的虚拟装配，逐渐向虚实深 度融合的智能化装配方向发展。但是，此类技术由于缺乏虚实之间的深度交 互与融合，不能根据实际装配环境中的动态时变因素作出反应，而且基于理 想几何模型仿真得出的装配工艺可靠性较差，对装配人员的指导有限，从而 导致在实际装配操作过程中，还会过度依靠人工经验和进行大量的人工反复 拆装、调试工作，不仅难以满足装配质量一致性的要求，还使得装配效率大 大降低。


技术实现要素：

4.本发明的目的在于提供一种工件物流输送线上料设备装配方法，以解决 上述背景技术提出的由于缺乏虚实之间的深度交互与融合，不能根据实际装 配环境中的动态时变因素作出反应，而且基于理想几何模型仿真得出的装配 工艺可靠性较差，对装配人员的指导有限，从而导致在实际装配操作过程中， 还会过度依靠人工经验和进行大量的人工反复拆装、调试工作，不仅难以满 足装配质量一致性的要求，还使得装配效率大大降低的问题。
5.为实现上述目的，本发明提供如下技术方案：一种工件物流输送线上料 设备装配方法，包括以下内容：
6.s1、采用虚实映射的零组件逆向建模技术，构建高度精的需装配设备的 实体数字模型；
7.s2、根据实体数字模型，构建高精度数字孪生体的静态模型，并根据动 态分析模型的定义方法关联参数，获取所述数字孪生体的静态信息集成和动 态信息集成；所述静态信息集成包括装配mbd数据集和装配工艺属性集；所 述装配mbd数据集包含有实体设备的几何特征、结构特性、力学特性、电学 特性、流量特性；所述装配工艺属性集包括装配动作、装配规则和定位约束；
8.s3、通过vr-gis平台设计装配数据库模块，保存所述静态信息集成和动 态信息集成数据，采用hla接口来串联不同设备的装配设计，并参与装配操 作；
9.s4、在装配过程中，根据不同装配阶段进行装配质量评估，对不符合装 配质量要求的，用机器学习算法得出修正装配工序的参数，并以新的工序链 的形式插入到原末端工序，进一步装配工艺优化。
10.优选的，在步骤s1中，所述构建高度精的需装配设备的实体数字模型， 在获取关键装配特征数据的步骤如下：
11.s10、确定装配零组件装配特征、基准特征、边界特征；
12.s11、根据零组件的几何外形和关键装配特征，确定激光扫描系统中扫描 设备的运动轨迹、扫描频率以及转台的转动角度；
13.s12、获得高精度三维特征形貌点云；
14.s13、通过专用高精度间接测量设备获得腔体内部密闭特征形貌；
15.s14、通过数理模型分析后生成密闭轮廓信息后，融合在点云数据中。
16.优选的，在步骤s10中，所述装配特征为零件之间的相互配合特征，包 括面与面、轴与孔、齿与齿等之间的配合特征。
17.优选的，在步骤s2中，所述装配工艺属性集作为产品零部件之间若干个 装配特征实体的组合单元，共同完成装配语义表达的装配任务；所述装配工 艺属性集识别与虚拟环境中的工程参数匹配，捕捉装配对象的交互意图，对 装配关系进行定位。
18.优选的，所述装配工艺属性集的功能及识别条件包括参数判断、类型判 断、空间方位判断和空间位置判断；所述装配工艺属性集的算法流程，包括 以下步骤：
19.s20、实时碰撞检测；
20.s21、空间位置匹配判断；
21.s22、空间方位匹配判断；
22.s23、元件类型匹配判断；
23.s24、元件参数匹配判断。
24.优选的，在步骤s3中，所述装配操作包括以下步骤：
25.s30、对装配部件进行装配工艺属性集的识别；
26.s31、确认满足条件的装配工艺属性集；
27.s32、对装配工艺属性集进行实施解算；
28.s33、计算装配力并实现装配操作。
29.优选的，在步骤s4中，所述装配工艺优化的目标分为局部工艺优化和全 局工艺优化，所述局部工艺优化分为几何层面的工艺优化目标h(x)和性能层 面的优化目标p(x)两大类，优化对象为零件级，局部工艺优化目标函数则为：
30.j(x)＝[h(x),p(x)]
t
。
[0031]
优选的，所述全局工艺优化分为几何层面的工艺优化目标g(x)和性能层 面的优化目标l(x)两大类，优化对象为产品级，局部工艺优化目标函数则为：
[0032]
q(x)＝[g(x),l(x)]
t
。
[0033]
与现有技术相比，本发明的有益效果是：
[0034]
本发明为了提高数字孪生体的高保真度，提出一种包括装配全要素的高 精密产品数字孪生体构建方法，并且为了更好地表达和应用装配工艺，利用 几何约束制约零部件的运动轨迹，并建立了物理力学模型，在设备的装配性 能与装配过程，为了实现对高精密
产品装配质量的精准控制，在构建数字孪 生体与优化的基础上，提出可根据不同装配阶段进行装配质量评估，对不符 合装配质量要求的，用机器学习算法得出修正装配工序的参数，并以新的工 序链的形式插入到原末端工序，进一步装配工艺优化，不仅对工件物流输送 线上料设备装配工作有效，对其他复杂设备装配也具有普适性。
附图说明
[0035]
图1为本发明一种工件物流输送线上料设备装配方法的流程图；
[0036]
图2为本发明一种工件物流输送线上料设备装配方法的装配工艺属性集 的算法流程图。
具体实施方式
[0037]
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行 清楚、完整地描述，显然，所描述的实施条例仅仅是本发明一部分实施例， 而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有 做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
[0038]
工程机械装配的含义指的是为批量生产的工程机械装配，从而使其具备 批量生产的能力，同时可以对复杂的工程机械装配所存在的问题进行解决， 从而在缩减工程机械装配经济成本的同时，提升工程机械装配的适用性。此 外，随着装配工艺技术的提升，现代化的工程机械装配方式可以有效地提升 工程机械的性能与工作年限，并且具有比传统装配工艺更加优越的适用性。
[0039]
参照图1-2所示：一种工件物流输送线上料设备装配方法，包括 以下内容：
[0040]
步骤一、基于物理力学模型，在多传感设备交互式虚拟装配过程中，操 作人员根据位置跟踪器、数据手套等设备来实现移动和直接抓取零部件，并 将几何量转化成物理装配力。通过物理模型来计算物理装配力，实现方位和 空间位置的改变和实时信息采集。同时，可通过语义推理来识别装配关系， 利用几何约束制约零部件的运动轨迹，并建立了动态物理力学模型，设备的 装配性能与装配过程，从动力学、运动学等方面进行评估和分析，进而准确 模拟装配过程中零部件的物理运动规律与物理属性。
[0041]
在建立物理力学模型前需要采用虚实映射的零组件逆向建模技术，构建 高度精的需装配设备的实体数字模型；构建高度精的需装配设备的实体数字 模型，在获取关键装配特征数据的步骤如下：
[0042]
1、确定装配零组件装配特征、基准特征、边界特征；装配特征为零件之 间的相互配合特征，包括面与面、轴与孔、齿与齿等之间的配合特征。
[0043]
2、根据零组件的几何外形和关键装配特征，确定激光扫描系统中扫描设 备的运动轨迹、扫描频率以及转台的转动角度。
[0044]
3、获得高精度三维特征形貌点云。
[0045]
4、通过专用高精度间接测量设备获得腔体内部密闭特征形貌。
[0046]
5、通过数理模型分析后生成密闭轮廓信息后，融合在点云数据中，在点 云配准过程中，通过点云特征快速生成方法将离散的、没有拓扑关系的点云 快速映射到理想特征树上。其中将装配特征分为关键装配特征和非关键装配 特征，并通过分配不同权重进行配
准。
[0047]
步骤二、根据实体数字模型，构建高精度数字孪生体的静态模型，并根 据动态分析模型的定义方法关联参数，获取数字孪生体的静态信息集成和动 态信息集成；静态信息集成包括装配mbd数据集和装配工艺属性集；装配mbd 数据集包含有实体设备的几何特征、结构特性、力学特性、电学特性、流量 特性；装配工艺属性集包括装配动作、装配规则和定位约束。
[0048]
装配工艺属性集作为产品零部件之间若干个装配特征实体的组合单元， 共同完成装配语义表达的装配任务；装配工艺属性集识别与虚拟环境中的工 程参数匹配，捕捉装配对象的交互意图，对装配关系进行定位。装配工艺属 性集的功能及识别条件包括参数判断、类型判断、空间方位判断和空间位置 判断；其中，参数判断的功能为即使几何外形相似，不同装配元件的类型 相同，但是未必满足实际匹配关系，仅在参数匹配的条件下才能对装配语义 进行识别。类型判断的功能为不同的装配隶属于不同的参数类型，只有在装 配元件类型完全匹配时才进行语义识别。空间方位判断的功能为对于复杂产 品的虚拟装配一般都具有方向性，只有满足零部件的装配正向才进行装配语 义的识别。空间位置判断的功能为对各装配进行碰撞检测，并对结果进 行分析，若发生碰撞，则执行参数匹配判断。装配工艺属性集的算法流程， 包括以下步骤：
[0049]
①
实时碰撞检测；
②
空间位置匹配判断；
③
空间方位匹配判断；
④
元件 类型匹配判断；
⑤
元件参数匹配判断。
[0050]
步骤三、传统的装配工艺通过装配仿真得出工艺文档，其表达方式不易 查阅且缺乏对隐含知识的挖掘。同一批次的装配工艺一旦形成，几乎无法变 更，不能根据同一批次不同产品的装配状态进行适应性调整。利用知识图谱 可以很好地表达相邻零件之间的装配关系(显式关系)，并可深入挖掘非相 邻零件之间的关系(隐式关系)，同时提高工艺检索效率。通过vr-gis平台 设计装配数据库模块，保存静态信息集成和动态信息集成数据，采用hla接 口来串联不同设备的装配设计，并参与装配操作。
[0051]
通过硬件驱动对装配任务进行层次划分，进而把握操作人员的装配意图， 对装配语义文件进行设计，实现执行算法和语义文件的解析，同时把零部件 间的关系写入文件，从而保证了零部件间的装配准确性。其中，装配操作包 括以下步骤：
[0052]
1、对装配部件进行装配工艺属性集的识别；
[0053]
2、确认满足条件的装配工艺属性集；
[0054]
3、对装配工艺属性集进行实施解算；
[0055]
4、计算装配力并实现装配操作。
[0056]
步骤四、在装配过程中，根据不同装配阶段进行装配质量评估，对不符 合装配质量要求的，用机器学习算法得出修正装配工序的参数，并以新的工 序链的形式插入到原末端工序，进一步装配工艺优化。
[0057]
其中，装配工艺优化的目标分为局部工艺优化和全局工艺优化，局部工 艺优化分为几何层面的工艺优化目标h(x)和性能层面的优化目标p(x)两大 类，优化对象为零件级，局部工艺优化目标函数则为：
[0058]
j(x)＝[h(x),p(x)]
t
。
[0059]
另外，全局工艺优化分为几何层面的工艺优化目标g(x)和性能层面的优 化目标l
(x)两大类，优化对象为产品级，局部工艺优化目标函数则为：
[0060]
q(x)＝[g(x),l(x)]
t
。
[0061]
本装置的使用方法及工作原理：本发明为了提高数字孪生体的高保真度， 提出一种包括装配全要素的高精密产品数字孪生体构建方法，并且为了更好 地表达和应用装配工艺，利用几何约束制约零部件的运动轨迹，并建立了物 理力学模型，在设备的装配性能与装配过程，为了实现对高精密产品装配质 量的精准控制，在构建数字孪生体与优化的基础上，提出可根据不同装配阶 段进行装配质量评估，对不符合装配质量要求的，用机器学习算法得出修正 装配工序的参数，并以新的工序链的形式插入到原末端工序，进一步装配工 艺优化，不仅对工件物流输送线上料设备装配工作有效，对其他复杂设备装 配也具有普适性。
[0062]
尽管参照前述实施例对本发明进行了详细的说明，对于本领域的技术人 员来说，其依然可以对前述各实施例所记载的技术方案进行修改，或者对其 中部分技术特征进行等同替换，凡在本发明的精神和原则之内，所作的任何 修改、等同替换、改进等，均应包含在本发明的保护范围之内。