基于数字孪生的桥式起重机自主运行系统研究
引言
目前,起重机广泛应用于机械、冶金、矿山、电力、铁路、航天、港口、石油、化工等行业,对各种物料的起重、运输、装卸、安装等进行作业。随着制造业智能化升级的要求,未来将会建造出更多的智能港口、高度自动化的工厂以及无人化运行的物流调度系统。
作为当前工厂中使用较多的特种运输设备,桥式起重机智能化水平还不够高,需要大大提升其智能化水平。
数字孪生技术是借助事先构建的物理设备在数字空间的孪生体,从而实时感知数据,是数字世界对物理世界的全面、真实、客观、实时的映射[2]。该项技术的诞生为提升起重机智能化水平提供了一种新的思路。数字孪生技术作为近年来一种新兴技术被国内外的很多学者持续关注,并且已经应用在了航空、机械、风力发电、医疗等领域。
北航陶飞团队提出了数字孪生系统的基本组成和十大常见应用领域,为数字孪生系统的构建和实现进行了大量的探索。王庆涛等人基于数字孪生技术,搭建了自动驾驶汽车测试系统,该系统可以对自动驾驶汽车的场景进行在线仿真,对硬件在环进行测试。SAVOLAINEN J等人建立了矿井环境数字孪生运维模型,该系统可以高保真地再现矿井的真实环境,并且其在管理决策中使用了数字孪生模型数据,最大限度地减少了运维成本。XIE Yang等人建立了机床刀具的数字孪生模型,提出了刀具生命周期各阶段的数字孪生驱动数据流框架,并且讨论了数字化双驱动服务模式以满足客户需求,建立了融合物理刀具磨损数据和虚拟刀具磨损数据的虚拟刀具测试平台。
由此可见,数字孪生技术在装备制造业中被越来越多的产品所应用,为产品的智能化转型提供了一种新方法。
不少学者针对数字孪生技术在起重机领域的应用也进行了研究。LAI Xiao-nan等人[14]建立了臂架起重机的孪生有限元模型,并且构建了起重机臂架人工智能模型,以数值模型和传感器数据为输入,预测了该设备关键部件的结构性能,这大大提高了用于复杂重型设备结构分析时数字孪生模型的计算效率,可用于设备运行中的安全评估和损伤保护。A-LAURINAHO R等人为了使起重机数字孪生模型各个系统之间的数据合并和连接,提出了数据链路的概念,数据链提供了一个采用API(应用程序编程接口)网关访问系统的单一接口,可使物理产品的所有数据相互访问,大大提高了该系统的运行效率。陈继文等人建立了QTZ40塔机的数字孪生模型,运用所提出的孪生模型健康检测方法,对塔机进行了故障预警和故障诊断,提高了塔机工作的安全性。
可见,数字孪生技术在起重机的安全运行和效率的提升方面发挥着越来越重要的作用。
尽管建立起重机的数字孪生系统对起重机的运行有很大的好处,但关于桥式起重机孪生模型如何具体创建的讨论很少。为此,笔者提出一种通用的机电设备数字孪生系统创建方法。
首先,采用数字孪生思想构建起重机自主运行系统整体架构,根据桥式起重机的实际运行情况,提出采用四模型(即虚拟模型、物理动力学模型、行为控制模型和规则计算模型)的方法,构建起重机的孪生模型;然后,在起重机孪生实验平台上,分别进行起重机路径规划和大小车轨迹跟踪仿真实验,提出采用变论域模糊PID控制器对起重机大小车轨迹跟踪进行控制;最后,对该数字孪生系统进行互联互通实物验证实验。
1、桥式起重机数字孪生系统总体设计
一般认为数字孪生系统由物理实体、虚拟模型、服务系统、孪生数据和连接组成。
笔者针对桥式起重机的孪生系统进行设计搭建时采用信息物理系统通用框架为基础,根据起重机的具体应用场景和通用技术,搭建了其孪生系统。该架构融合了虚拟现实技术,打通了各个上位机软件间的数据通讯,从而解决了起重机运行过程的可视化问题。
桥式起重机的孪生系统架构图如图1所示。
图1中包括物理空间、虚拟空间、数据流和服务交互四个部分,各部分之间可以根据数据流向,建立一种直接或间接的连接,从而使各个空间能互联互通。
图1起重机孪生系统架构图
1.1 物理层
物理层在整个数字孪生系统中处于最底层,是数字孪生模型的基础和承接。桥式起重机的各个物理结构组成,包括大小车、轨道、行架等,以及电器控制系统,控制器、驱动器、变频器、各种传感器等。
这些物理系统的小单元构成了桥式起重机的自主运行系统,该系统可以基于相应的传感器数据进行起重机的数据采集、分析、决策和运行。
1.2 虚拟层
虚拟层模型是对物理层模型的实时数字化映射,借助相应的软件和接口技术,建立二者之间对应的映射关系。虚拟层主要由几何模型、动力学模型、行为控制模型和规则模型等组成。这些模型之间借助数据的流向进行了交互融合,从而能更真实地反映物理层模型的属性,达到对物理层模型的实时监控和控制目的,同时对自身仿真模型进行数据迭代。
起重机可以基于物理模型建立相应的动力学模型,从而建立其仿真控制模型,控制模型在规则模型的驱动下可以离线仿真起重机的运行情况,并可以实时驱动几何模型,进行相应的可视化展示。
1.3 数据层
数据层是孪生系统中各个模型之间进行交互的媒介,是孪生系统的核心,负责存储和管理数字孪生系统中产生的所有数据。数据在各个模型之间的交换主要包括数据的采集、传输、运算和存储。
在桥式起重机数字孪生控制系统里主要有:
1)传感器数据,比如大小车编码器数据、吊重定位数据、电机转速数据等;
2)历史数据,比如起重机的开关机时间、运行时间等;
3)仿真数据主要指起重机孪生模型运行时产生的数据,比如位移数据、定位数据等;
4)控制数据是由上位机采用控制程序和接口传递给物理模型的控制指令数据。
不同数据类型之间的流向如图2所示。
图2数据流向图
1.4 交互层
交互层主要指上位机服务器和起重机的手持终端控制器。起重机孪生系统的物理层和虚拟层借助交互层进行数据的传递。一方面交互层将从物理层采集到的一些传感器数据,经过处理后传递给虚拟层用于模型的驱动;另一方面虚拟层的模型也可把这些数据经过运算处理产生的决策数据,借助交互层发送至物理层执行操作,从而达到对起重机进行控制的目的。
2、数字孪生系统建模
建立高保真的数学模型是保证孪生模型和实物模型进行实时同步、准确匹配的基础。这就必须对系统进行多物理、多领域的建模,而模型之间还必须能进行实时的数据交换。故笔者提出了基于四模型的起重机孪生模型建模方法,即:虚拟几何模型、物理动力学模型、行为控制模型和规则避障模型。
2.1 虚拟几何模型
孪生系统的几何模型能真实地反映起重机的几何尺寸、物理属性以及所处的工作场景。因此,笔者采用虚拟现实的思想,对桥式起重机进行精确、逼真的几何建模及场景还原建模。
几何建模
几何建模采用逆向工程思想,对起重机工作的车间场景进行1:1场景还原。首先,要采用FARO350扫描仪对起重机的工作场景进行扫描,从而获取工作场景的点云数据,再把获取的点云数据导入3dsMax中,进行场景模型创建和贴图处理。
桥式起重机点云图如图3所示。
图3桥式起重机点云图
对桥式起重机进行模型重构时,为了增强桥式起重机的可视化效果,笔者单独在CAD软件中进行模型的创建,然后将其导入到3dsMax中;考虑到桥式起重机模型的运动特性,需要对桥式起重机模型进行优化处理,使其在模型加载时呈现一个良好的视觉效果,并且大大降低处理器运算量。故此桥式起重机运动构件采用LOD(多细节层次模型)模型,以保证桥式起重机模型在后期加载时,能呈现自适应的显示效果。
场景建模前,桥式起重机点云图如图4所示。
图4桥式起重机工作场景
场景建模后,工作场景虚拟模型如图5所示。
图5工作场景虚拟模型
模型转换
上面建立的桥式起重机场景模型需要导入到Unity3D中,进行模型虚拟现实的开发和可视化展示。模型经过空间变换和几何变换后被加载到Unity3D中,此时的模型就变成被编程语言所驱动的矢量模型,Unity3D平台可以借助OPC UA接口与PLC控制软件进行数据的联通,从而读取桥式起重机传感器的相关数据,最终驱动孪生模型。
2.2 物理动力学模型
对于桥式起重机的动力学建模,一般把桥式起重机吊重的摆动等效为单摆运动或双摆运动。
为便于研究,笔者将桥式起重机等效为单摆模型,其运动简图如图6所示。
从图6可以看出:吊重在立体空间做的摆动分别是其在X平面和Y平面两个平面内做的摆动的复合,也就是在大小车运动方向做单摆运动的合成。此外,在大小车两个方向上的运动相互独立,变化规律相同,因此可以对其分别进行研究。
下面以小车为例进行系统动力学研究。
图6起重机运行简化单摆模型图
为便于研究,笔者忽略了钢丝绳变形、摩擦、风阻等因素。起重小车在外力Fx的作用下做水平运动,同时受到轨道摩擦力fx。起重小车质量为m1,负载的质量为m,绳索的长度为l,摆角为θx,水平方向上的位移为x。
根据牛顿定律可得起重机小车和吊重的运动学方程为:
式中:xm1,zm1为起重小车在X、Z方向上的速度分量;xm2,zm2为负载在X、Z方向上的速度分量。
将系统动能与势能的关系和广义外力与广义坐标的关系代入拉格朗日方程,可得系统的非线性动力学微分方程为:
起重机定绳长运动时l=l=0。由于摆角比较小,且cosθx≈1,sinθx≈θx,上述方程可以简化为:
同理,可以得到大车吊重系统的非线性动力学微分方程,整个系统的微分方程可以表达如下:
式中:Fy为大车在Y方向的受力;y为其在Y方向上的位移;θy为吊重在YOZ面上的摆角。
2.3 行为控制模型
行为控制模型能实时控制起重机大小车的运动,保证起重机准确到达指定位置。笔者采用可靠性比较高的PID控制器,对起重机大小车进行定位控制,但是考虑到PID控制器的控制参数不能实时根据起重机参数的变化进行实时调整。故笔者提出,采用变论域模糊PID控制器来代替PID控制器。变论域模糊PID控制可以随着输入量的变化来改变输入量和输出量论域的大小,获得良好的控制精度。
起重机控制系统框图如图7所示。
图7控制流程图
在仿真软件Simulink中,相对于传统的控制思路,该数字孪生控制系统可以事先对桥式起重机大小车的位置控制进行仿真,从而检测所选控制方法的控制性能。由于笔者搭建的实物起重机实验平台采用传统的PLC控制器进行控制,故需要借助OPC UA接口与上位机仿真控制软件MATLAB建立数据传输,然后再驱动PLC控制器对桥式起重机大小车电机和起重电机进行控制。
2.4 规则避障模型
根据起重机智能化的要求,笔者开发了一套具有避障功能的起重机自主运行系统。在已知障碍物坐标的前提下,该系统可以自动规划运行路线,合理地避开障碍物,达到目标位置。
起重机路径规划示意图如图8所示。
图8起重机路径规划示意图
起重机按照避障规则运行,不仅可以保证其运行的安全性,还可以沿着最优的规划路线运行,大大提高运行效率。
笔者设计的起重机孪生系统是基于多平台进行联合控制、仿真的自主运行系统。系统上位机软件选用MATLAB进行起重机的最优路径规划设计和控制仿真;下位机采用PLC控制器,以接受上位机的指令,PLC选用西门子的S7-1511-1-PN型号PLC,采用网络接口与计算机进行实时数据传输。最后,在Unity平台上进行起重机运行的可视化和运行数据的存储;平台之间采用OPC UA接口进行实时通讯。
起重机采用汇川CS710变频器,其电器柜如图9所示。
图9起重机电器柜
3.1 路径规划
路径规划问题是指运动设备在移动时能够根据环境信息沿着一条安全无碰撞的最优路线进行运动。对桥式起重机来说,要使大小车进行无人化自主运行,其中的路径规划技术是很重要的环节。
基于环境障碍物信息,笔者采用人工势场算法,对起重机的行进路径进行全局路径规划。人工势场算法是路径规划的一个常用算法。
起重机吊重在目标点产生的引力势场和障碍物产生的斥力势场中运动,在运动中保持其合力为平衡状态,其构建原理如下:
吊钩在二维平面坐标系的位置为q,目标点的位置为qg,则吊钩所受引力势场函数Uatt(q)的表达式为:
式中:η为引力势场正比例增益系数;q为吊钩位置;qg为目标点位置;ρ(q,qg)为q和qg之间的欧几里得距离。
障碍物对被控对象所产生斥力势场函数Ureq(q0)表达式为:
式中:k为斥力势场正比例增益系数;q0为障碍物位置;ρ0为障碍物对吊钩产生斥力的最大距离。
吊重在运行中的障碍物一般是多个,则它们与吊重产生的斥力和就是吊重在势场中所受的总斥力。
设产生斥力的障碍物个数为m,则吊钩在位置q所受合力势场函数U(q)的表达式为:
式中:m为障碍物个数。
综上所述,吊钩所受合力为:
人工势场法模型简单、易于表达,且不需要进行全局搜索,一般情况下容易计算、实时性较好。
笔者对规划路径进行平滑处理,其规划路线如图10所示。
路径规划算法所生成的路径只包含运行轨迹信息,并没有考虑路径上的速度分布信息。考虑到起重机实际的工作场景中会出现动态障碍物的情况,以及起重机本身的技术性能指标,基于遍历寻优方法,笔者得到了大小车的安全运行轨迹。
图10起重机全局路径规划图
大车运行轨迹图如图11所示。
图11大车运行轨迹图
小车运行轨迹图如图12所示。
图12小车运行轨迹图
3.2 仿真实验
笔者对大小车的轨迹跟踪控制采用自适应模糊PID控制器,在MATLAB/Simulink中分别建立大小车动力学仿真模型,分别以大车、小车路径为输入量,进行起重机轨迹跟踪控制仿真。
大车仿真轨迹跟踪图如图13所示。
图13大车仿真轨迹跟踪图
大车仿真轨迹跟踪误差图如图14所示。
图14大车仿真轨迹跟踪误差图
小车仿真轨迹跟踪图如图15所示。
图15小车仿真轨迹跟踪图
小车仿真轨迹跟踪误差图如图16所示。
图16小车仿真轨迹跟踪误差图
从图14和图16可以看出:孪生系统可以很直接地反映出大小车的轨迹仿真跟踪效果,同时在上位机软件上可以尝试各种大小车轨迹跟踪控制方法;自适应模糊PID控制策略整体跟踪效果较好,大车的轨迹跟踪误差在±5 cm,路径终点定位精度可达6 mm;小车的轨迹跟踪误差在±3 cm,路径终点定位精度可达6 mm。
3.3 数字孪生系统互联互通实验
为了验证轨迹跟踪控制方法的效果是否与仿真结果一致,笔者针对数字孪生系统进行起重机运行互联互通实验。
先要计算大小车的运行轨迹,采用OPC UA接口把数据传递给下位机PLC控制软件,从而对大小车电机进行定位控制,同时把采集到的大小车编码器数据上传至上位机软件MATLAB中,进行数据的反馈处理;同时下位机PLC也把编码器数据采用OPC UA接口传递给Unity平台,Unity平台根据编码器数据来定位大小车位置的实时变化,从而驱动孪生起重机进行相应的运动,达到实时可视化的目的。
该孪生系统实验时的工作场景图如图17所示。
图17起重机孪生系统实时图
3.4 实验数据分析
借助起重机数字孪生系统,可以采集大小车编码器数据,与大小车规划路径进行对比分析,以直观地得到轨迹跟踪控制方法的效果。
大车实测轨迹跟踪图如图18所示。
图18大车实测轨迹跟踪图
大车实测轨迹跟踪误差图如图19所示。
图19大车实测轨迹跟踪误差图
小车实测轨迹跟踪图如图20所示。
图 20 小车实测轨迹跟踪图
小车实测轨迹跟踪误差图如图21所示。
图 21 小车实测轨迹跟踪误差图
图18~图21结果表明:在进行轨迹跟踪时,采用变论域模糊PID控制方法得到的小车轨迹跟踪误差在±8 cm内,路径终点定位精度可达10 mm,其中误差比较大的位置同仿真结果相似,都是出现在小车换向时,即小车行走电机的启停位置;大车轨迹跟踪误差在±10 cm内,路径终点定位精度可达12 mm。
误差分布情况与仿真结果类似,较大的误差都是出现在行走电机启停的初期或者转速发生改变的位置。轨迹跟踪误差稍大于仿真结果,但总体运行控制效果还是比较好,印证了仿真模型的准确性,同样也说明了所设计轨迹跟踪控制方案的有效性与合理性。
从起重机大小车的跟踪控制实验可以看出:起重机孪生系统不仅可以对大小车的跟踪控制进行仿真实验,还可以进行实物实验,能够做到虚实同步、虚实融合、虚实对照,并且可以实时查看跟踪数据,做到孪生模型高质量可视化的视觉效果。这也验证了起重机孪生模型可以实时精准映射实物模型的可行性。
4、结束语
笔者采用数字孪生的架构搭建了桥式起重机自主运行系统,并在该系统中进行了起重机路径规划和大小车的轨迹跟踪仿真实验,以及互联互通实物实验。
研究结论如下:
1)笔者提出了基于四模型(即虚拟模型、物理动力学模型、行为控制模型和规则计算模型)的方法,构建的桥式起重机孪生模型可以满足数字孪生通用架构要求,可以在孪生空间进行起重机路径规划实验和大小车轨迹跟踪控制实验;
2)采用变论域模糊PID控制器对起重机大小车进行轨迹跟踪控制,并取得了良好的控制效果,其中大车轨迹跟踪误差在±7 cm,小车跟踪误差可达±6 cm;
3)在该研究所搭建的起重机数字孪生仿真平台上可以进行起重机物理模型和孪生模型的互联互通实验;该平台具有虚实同步、虚实融合、虚实对照的功能,并且具有良好的可视化效果。
今后,笔者将继续探索起重机数字孪生系统的交互能力,对起重机孪生系统的远程访问、远程控制、数据加密等功能进行进一步研究;同时,增强起重机的实时环境检测能力,提高起重机自动避障的能力。
