物流机器人数字孪生系统的制作方法

技术特征：
1.一种物流机器人数字孪生系统，其特征在于，包括物理层、数据层、孪生层、以及服务层；所述物理层，包括互联工厂的物流系统的多个主体对象，其中所述多个主体对象至少包括agv物流机器人；所述数据层，用于获取所述多个主体对象关联的数据，对所获取的数据进行预定处理以形成信息知识；所述孪生层，用于基于所述信息知识对所述互联工厂的物流系统在数字空间内进行虚拟再现以生成孪生模型，其中所述孪生模型包括所述物流系统的数字模型、以及所述物流系统的所述多个主体对象中各主体对象的孪生数据；所述服务层，用于基于所述孪生层为用户提供针对所述互联工厂的物流系统的至少一种服务。2.根据权利要求1所述的物流机器人数字孪生系统，其特征在于，所述多个主体对象还包括如下至少一种：空中积放链、智能工装车、自动立体仓、工人、货物、wms仓库管理系统、以及mes制造执行系统。3.根据权利要求1所述的物流机器人数字孪生系统，其特征在于，所述至少一种服务包括如下至少一种：状态评估服务、预测维护服务、故障诊断服务、调度优化服务、效率评估服务、以及核心部件损耗预测服务。4.根据权利要求3所述的物流机器人数字孪生系统，其特征在于，所述至少一种服务包括故障诊断服务；所述服务层，用于基于所述孪生层为用户提供针对所述互联工厂的物流系统的至少一种服务包括：用于基于所述孪生层所生成的所述孪生模型中，agv物流机器人的孪生数据中的运行状态和/或运行轨迹对所述agv物流机器人进行故障诊断。5.根据权利要求4所述的物流机器人数字孪生系统，其特征在于，所述运行状态包括如下至少一种：机械的振动信息、异常声音、温度、压力、转速、输出扭矩、以及输出功率。6.根据权利要求1所述的物流机器人数字孪生系统，其特征在于，所述预定处理包括如下至少一种：边缘侧计算、特征提取、数据清洗、机器学习、深度学习、以及多传感器融合。7.根据权利要求1所述的物流机器人数字孪生系统，其特征在于，所述孪生层还用于，基于至少一个主体对象的孪生数据对所述物流系统进行分析、优化和/或决策。8.根据权利要求1所述的物流机器人数字孪生系统，其特征在于，所述孪生层所生成的所述孪生模型中，agv物流机器人的孪生数据包括所述agv物流机器人的运动轨迹、位置信息、动作类型、以及状态信息。9.根据权利要求1所述的物流机器人数字孪生系统，其特征在于，所述孪生层所生成的所述孪生模型中，工人的孪生数据包括所述工人的身份信息、空间位置、以及操作动作。10.根据权利要求1所述的物流机器人数字孪生系统，其特征在于，所述数字模型包括：
所述互联工厂的物流系统的所述多个主体对象的映射和所述互联工厂的环境映射。

技术总结
本发明实施例涉及一种物流机器人数字孪生系统，具体涉及工业互联网技术领域，方法包括：物理层、数据层、孪生层、以及服务层；物理层，包括互联工厂的物流系统的多个主体对象，其中多个主体对象至少包括AGV物流机器人；数据层，用于获取多个主体对象关联的数据，对所获取的数据进行预定处理以形成信息知识；孪生层，用于基于信息知识对互联工厂的物流系统在数字空间内进行虚拟再现以生成孪生模型，其中孪生模型包括物流系统的数字模型、以及物流系统的多个主体对象中各主体对象的孪生数据；服务层，用于基于孪生层为用户提供针对互联工厂的物流系统的至少一种服务。本发明实现了对不同品牌、不同应用场景的物流机器人进行全生命周期的监控以提高物流服务的效率和质量。周期的监控以提高物流服务的效率和质量。周期的监控以提高物流服务的效率和质量。


技术研发人员：陈录城 王玉梅 鲁效平 景大智 江民圣 王超 高亚琼 于晓义
受保护的技术使用者：海尔数字科技（青岛）有限公司 海尔卡奥斯物联生态科技有限公司
技术研发日：2021.07.30
技术公布日：2021/10/18