物流机器人数字孪生系统的制作方法

1.本发明实施例涉及工业互联网技术领域，具体涉及一种物流机器人数字孪生系统。


背景技术：

2.5g互联工厂实现了制造模式的颠覆，以互联工厂为载体，由大规模制造迈向大规模定制，打造全流程互联互通，实现人、机、物的虚实融合。互联工厂的数字化系统得到了较大的发展，同时也存在了一系列问题。例如，物流机器人种类繁多，在构建互联工厂数字化系统时，需要针对不同品牌、不同应用场景得物流设备单独研发接入方法，在维护时也需要不同供应商分别进行，耗费了大量的时间和人力成本；同时一些老旧的物流机器人因通讯方式、导航方式陈旧等多方原因，无法接入新数字化系统。
3.例如，当机器人出现故障停机时，企业往往需要通知供应商到故障现场进行诊断和维修，目前维修技术人员到达故障现场前不能全面详尽的获取故障机器人的日常运行状况、故障现象和故障发生前后的运行数据。因此，维修技术人员往往在到达故障现场后，也不能迅速地对故障做出准确的诊断和处理，恢复正常运行的时间拖慢，严重影响企业的生产节拍，造成停工损失。


技术实现要素：

4.有鉴于此，本发明实施例提供一种物流机器人数字孪生系统，以实现了对不同品牌、不同应用场景的物流机器人进行全生命周期的监控。
5.本发明实施例的其他特性和优点将通过下面的详细描述变得显然，或部分地通过本发明实施例的实践而习得。
6.本发明实施例提供了一种物流机器人数字孪生系统，包括物理层、数据层、孪生层、以及服务层；
7.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；
8.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；
9.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；
10.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。
11.于一实施例中，所述多个主体对象还包括如下至少一种：
12.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。
13.于一实施例中，所述至少一种服务包括如下至少一种：
14.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。
15.于一实施例中，所述至少一种服务包括故障诊断服务；
16.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。
17.于一实施例中，所述运行状态包括如下至少一种：
18.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。
19.于一实施例中，所述预定处理包括如下至少一种：
20.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。
21.于一实施例中，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。
22.于一实施例中，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。
23.于一实施例中，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。
24.于一实施例中，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。
25.本发明实施例提出的技术方案的有益技术效果是：
26.本发明实施例通过公开了一种物流机器人数字孪生系统，包括物理层、数据层、孪生层、以及服务层,通过对物流机器人精确的过程状态跟踪、完整的实时数据采集，来监控物流系统运行过程，进而实现物理世界与信息世界的互联互通,在数字孪生系统中,通过各种传感器和数据处理方法对机器人状态进行评估,预测机器人故障及核心部件损耗程度,将传统的计划维护和事后维护转变为预测性维护。
附图说明
27.为了更清楚地说明本发明实施例中的技术方案，下面将对本发明实施例描述中所需要使用的附图作简单的介绍，显而易见地，下面描述中的附图仅仅是本发明实施例中的一部分实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据本发明实施例的内容和这些附图获得其他的附图。
28.图1是根据本发明实施例提供的一种物流机器人数字孪生系统的结构示意图；
29.图2是根据本发明实施例提供的另一种物流机器人数字孪生系统的结构示意图。
具体实施方式
30.为使本发明实施例解决的技术问题、采用的技术方案和达到的技术效果更加清楚，下面将结合附图对本发明实施例的技术方案作进一步的详细描述，显然，所描述的实施例仅仅是本发明实施例中的一部分实施例，而不是全部的实施例。基于本发明实施例中的实施例，本领域技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于
本发明实施例保护的范围。
31.需要说明的是，本发明实施例中术语“系统”和“网络”在本文中常被可互换使用。本发明实施例中提到的“和/或”是指包括一个或更多个相关所列项目的任何和所有组合。本公开的说明书和权利要求书及附图中的术语“第一”、“第二”等是用于区别不同对象，而不是用于限定特定顺序。
32.还需要说明是，本发明实施例中下述各个实施例可以单独执行，各个实施例之间也可以相互结合执行，本发明实施例对此不作具体限制。
33.本公开实施方式中的多个装置之间所交互的消息或者信息的名称仅用于说明性的目的，而并不是用于对这些消息或信息的范围进行限制。
34.下面结合附图并通过具体实施方式来进一步说明本发明实施例的技术方案。
35.图1示出了本发明实施例提供的一种物流机器人数字孪生系统的结构示意图，本实施例可适用于互联工厂的物流系统中用于实现物理世界与信息世界的互联互通的情况，如图1所示，本实施例所述的物流机器人数字孪生系统包括：物理层10、数据层20、孪生层30、以及服务层40。
36.所述物理层10，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。
37.所述数据层20，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。
38.所述孪生层30，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。
39.所述服务层40，用于基于所述孪生层30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。
40.根据本公开的一个或多个实施例，所述多个主体对象可包括空中积放链、智能工装车、自动立体仓、工人、货物、wms仓库管理系统、以及mes制造执行系统等。
41.根据本公开的一个或多个实施例，所述至少一种服务可包括状态评估服务、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等。
42.根据本公开的一个或多个实施例，若至少一种服务包括故障诊断服务，
43.所述服务层40可用于基于所述孪生层30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。
44.根据本公开的一个或多个实施例，所述运行状态可包括机械的振动信息、异常声音、温度、压力、转速、输出扭矩、以及输出功率等。
45.根据本公开的一个或多个实施例，所述预定处理可包括边缘侧计算、特征提取、数据清洗、机器学习、深度学习、以及多传感器融合等。
46.根据本公开的一个或多个实施例，所述孪生层30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、决策等。
47.根据本公开的一个或多个实施例，所述孪生层30所生成的所述孪生模型中，agv物流机器人的孪生数据可包括所述agv物流机器人的运动轨迹、位置信息、动作类型、以及状态信息等。
48.根据本公开的一个或多个实施例，所述孪生层30所生成的所述孪生模型中，工人的孪生数据可包括所述工人的身份信息、空间位置、以及操作动作等。
49.根据本公开的一个或多个实施例，所述数字模型可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。
50.其中，所述数字模型为所述多个主体对象的映射，各主体对象的映射用于反应该主体对象的物理特征，所述孪生数据由所述多个主体对象实时产生。
51.本实施例通过公开了一种物流机器人数字孪生系统，包括物理层、数据层、孪生层、以及服务层,通过对物流机器人精确的过程状态跟踪、完整的实时数据采集，来监控物流系统运行过程，进而实现物理世界与信息世界的互联互通,在数字孪生系统中,通过各种传感器和数据处理方法对机器人状态进行评估,预测物流机器人的故障及核心部件损耗程度,将传统的计划维护和事后维护转变为预测性维护。
52.图2示出了本发明实施例提供的另一种物流机器人数字孪生系统的结构示意图，本实施例以前述实施例为基础，进行了改进优化。如图2所示，本实施例所述的物流机器人数字孪生系统包括物理层10、数据层20、孪生层30、以及服务层40。
53.所述物理层10，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，还可包括空中积放链、智能工装车、自动立体仓、工人、货物、wms仓库管理系统、以及mes制造执行系统等。
54.需要说明的是，物理层10是互联工厂物流系统的主体，主要包括各类agv物流机器人、空中积放链、智能工装车、自动化立体仓库以及产品/零部件等实体，并带有可进行数据采集与通讯的plc、传感器、rfid等功能部件，同时采集erp系统、mes系统(面向制造企业车间执行层的生产信息化管理系统)、以及wms系统(仓储管理系统)中的存储和物料搬运指令、产品库存信息管理。通过对互联工厂的物流系统中的参与模块的全面数据接入，实现产品的加工、装配、运输和仓储等生产活动的数字化。
55.所述数据层20，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，例如，所述预定处理可包括边缘侧计算、特征提取、数据清洗、机器学习、深度学习、以及多传感器融合等。
56.需要说明的是，数据层20实现边缘侧软硬件集成，完成边缘侧数据计算，解决海量数据管理与处理、多源数据集成、各类设备接入、数据建模分析等一系列问题，形成信息知识。针对不同品牌、不同应用场景的物流机器人在接入数字化系统面临数据实时性、确定性、完整性、准确性、多样性等挑战，通过数据层20，强化数据、知识、资产等的虚拟映射与管理组织。例如，可基于5g网络，借助边缘智能、异构计算、互联互通等边缘计算的核心关键技术，提升边缘侧面向的数据管理和分析能力。
57.互联工厂中现使用的物流机器人来自不同技术和生产厂家的产品和设备，各家厂商多类型设备的接入、数据类型解析和格式均不统一，数据来源广、类型多、结构不统一、共享性差、冗余度大。为了保证孪生模型与现场的实时交互，稳定、迅速、安全的数据采集方式尤为重要。因此，多源异构数据采集技术是数字孪生系统实现的基础。采用多源异构数据融合结构，对数据进行预处理，对物流机器人运行数据基本特征进行提取，进行数据融合算法，减少数据冗余、噪音、残缺等情况，提升信息数据处理的精准度。
58.随着电子技术、信号检测与处理技术、计算机技术、网络通信技术以及控制技术的
快速发展，使得利用计算机技术对获得的多个传感器信息在一定准则下加以自动分析、优化综合处理，并完成预期决策成为可能。基于多源信息融合技术的故障诊断方法是通过实时监控物流机器人的运行状态信息，比如机械的振动、异常声音、温度、压力、转数、输出扭矩和输出功率等，利用计算机技术融合这些数据信息，消除多个传感器信息之间存在的冗余和矛盾，降低不确定因素的影响，准确的完成故障问题根源的判定，实现物流机器人故障诊断技术预测。
59.所述孪生层30，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。例如，所述孪生层30可基于所生成的孪生模型对各agv物流机器人进行数据化存储、对各agv物流机器人的状态进行仿真预测、对各agv物流机器人进行三维虚拟决策验证和优化。
60.需要说明的是，孪生层30是本实施例所述的物流机器人数字孪生系统的核心，主要由孪生数据和数字模型组成。其中数字模型是互联工厂的物流系统中各参与对象实体的映射，真实反应其物理特征。孪生数据由物流系统中各参与对象产生，孪生数据与数字模型结合创建孪生模型。其中，孪生模型是对物流系统的数字化重建，在虚拟的数字空间内，映射实体空间的运行活动、实体形状、位置、动作以及其相互关系。对工人的身份信息、空间位置以及操作动作等进行映射，以实现对工人的数字可视化管理。互联工厂的场内物流活动，在孪生层30实现了数字空间内的虚拟再现，并具备分析、优化以及决策等功能。
61.数字孪生模型的建立需要构建统一的逻辑结构，面对不同的物理实体类型和多样化功能，以及实体产生的数据，构建出数字空间中的孪生模型。
62.本实施例通过对物流机器人的运动轨迹，位置信息，动作类型以及状态信息进行映射，其映射主要通过物流机器人实体的驱动信号和驱动数据完成。例如，可包括物流机器人的运动驱动数据，如物流机器人的负载，运动轨迹等。此外还有动作驱动信号，如物流机器人的开关信号、电池电量等，上述信号可通过虚拟服务对实体的高低电平信号捕获取得。
63.运行环境：互联工厂环境相对复杂，各类人员、车辆、设备等随时交互。对整体运行环境的组成要素、环境、湿度等进行映射，构建整体运行环境的数据模型。
64.所述服务层40，用于基于所述孪生层30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。例如，可为用户提供关于agv物流机器人的状态评估服务、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。
65.服务层40面向用户，通过孪生模型在数字空间内进行生产实时映射，实现多角度的三维实时监控，同时利用虚实交互过程中的大量孪生数据实现生产过程优化决策。
66.根据上述构建的物流机器人运行过程数字孪生系统体系构架，为实现功能层的功能，孪生数据的获取、孪生模型的构建以及运行过程实时映射是整个系统的关键。
67.需要说明的是，本实施例可通过使用opc(ole for process control)统一架构，以实现不同品牌、不同应用场景的物流机器人统一接入数字化系统，从而完成了物流机器人的数字孪生系统的构建，实现对物流机器人全生命周期的监控。
68.本发明提出了物流机器人数字孪生系统的架构，通过建设数字孪生系统，充分利用物理模型、传感器更新、运行历史等数据，集成多学科、多物理量、多尺度、多概率的仿真过程，在虚拟空间中完成映射，从而反映物流机器人的全生命周期过程。借助于物联网和大
数据技术，通过采集有限的物理传感器指标的直接数据，并借助大样本库，通过机器学习推测出一些原本无法直接测量的指标，可以实现对当前状态的评估、对过去发生问题的诊断，以及对未来趋势的预测，并给予分析的结果，模拟各种可能性，提供更全面的决策支持，有效地解决了互联工厂中各物流机器人之间信息孤立的问题，对构建数字化、智能化、信息化的现代互联工厂具有重要意义
69.本实施例技术方案通过对物流机器人精确的过程状态跟踪、完整的实时数据采集，来监控物流系统运行过程，进而实现物理世界与信息世界的互联互通。在数字孪生系统中,通过各种传感器和数据处理方法对物流机器人状态进行评估,预测物流机器人故障及核心部件损耗程度,将传统的计划维护和事后维护转变为预测性维护。
70.可以以一种或多种程序设计语言或其组合来编写用于执行本发明实施例的操作的计算机程序代码，上述程序设计语言包括面向对象的程序设计语言—诸如java、smalltalk、c ，还包括常规的过程式程序设计语言—诸如“c”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络包括局域网(lan)或广域网(wan)连接到用户计算机，或者，可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。
71.附图中的流程图和框图，图示了按照本发明实施例各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分，该模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个接连地表示的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或操作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。
72.描述于本发明实施例中所涉及到的单元可以通过软件的方式实现，也可以通过硬件的方式来实现。其中，单元的名称在某种情况下并不构成对该单元本身的限定，例如，第一获取单元还可以被描述为“获取至少两个网际协议地址的单元”。
73.以上描述仅为本发明实施例的较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解，本发明实施例中所涉及的公开范围，并不限于上述技术特征的特定组合而成的技术方案，同时也应涵盖在不脱离上述公开构思的情况下，由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本发明实施例中公开的(但不限于)具有类似功能的技术特征进行互相替换而形成的技术方案。