Digital Twin Modeling Method for Industrial Robots with Dynamic Trajectory Sensing and Autonomous Decision-making

Abstract

摘要： 工业机器人是智能制造的重要装备，提高机器人感知和决策能力是工业机器人发展的必然趋势。由于工业机器人关节刚度较低导致动态性能不佳，在工作过程中实际轨迹与期望轨迹存在偏差，通常需要操作人员使用示教器根据实际运行轨迹进行长时间的调试。为了提高工业机器人工作轨迹精度和智能决策能力，提出了一种面向轨迹动态感知与自主决策的工业机器人数字孪生模型构建方法，设计了具备轨迹虚实交互能力的工业机器人数字孪生框架，运用机器人运行过程中的多源异构数据保障了孪生模型对物理实体轨迹的动态感知和实时映射。提出了基于轨迹容错范围阈值评价工业机器人工作轨迹准确性的方法，结合机器人孪生模型和轨迹误差模型建立了基于多项式函数的末端轨迹短时演化预测策略，实现了在实体机器人轨迹即将偏离期望轨迹时，通过数字孪生模型超前判断机器人轨迹偏离情况并自主决策，根据决策结果智能规划新的轨迹和控制机器人实体执行。最后在UR5机器人上验证了该方法的有效性，实现了基于演化预测的末端轨迹自主决策控制，提高了工业机器人轨迹控制智能化水平和鲁棒性。