1.本发明涉及协同设计及验证技术领域，尤其是涉及一种自动化设备数字协同设计与验证方法、装置及存储介质。
背景技术：2.当前自动化设备设计及集成主要由机械结构设计、有限元仿真和设备运动模拟三个步骤组成，三个步骤的设计和模拟验证主要由机械设计工程师、仿真工程师和自动化工程师完成，当前主要存在以下缺陷：
3.1)设计、仿真验证工作相对割裂，工作聚合需要大量人力投入
4.设计时机械设计建模、有限元仿真与自动化运动模拟验证均在独立的软件中完成，软件之间较少存在接口调用，难以实现自动化协同作业。尤其在设计修改后需要进行仿真与运行验证时，沟通交流的人力成本巨大。
5.2)参数修改及验证依赖人工操作，效率欠佳
6.有限元仿真及运动仿真验证设备运行过程中需要设计人员等待和操作，占用人力，且较难实现并发，效率较低。此外，设计人员需要保留大量的文件版本，针对设计过程中附加修改，需要分别点开文件并单独修改，管理过程繁琐和修改速度慢。
7.3)设计尝试次数有限，严重依赖经验，科学性不足
8.目前设计过程中的参数修改及运行验证依赖人工操作，随着修改参数变量维度增多，人工修改的参数次数及范围相对有限，并且严重依赖设计人员的设计经验，因此较难生成局部或者全局最优解，设计的科学性较弱。
9.由于以上缺陷的存在导致自动化设备设计及集成效率低下，过于依赖人工经验，自动化程度有限，参数设计难以得到局部或全局最优，从而消耗了大量人力物力。因此，本领域技术人员急需寻找一种技术方案来解决上述技术问题。
技术实现要素：10.本发明的目的就是为了提供一种自动化设备数字协同设计与验证方法，将设计和仿真验证程序连接起来，仅使用程序调节参数并实现自动化验证。
11.本发明的目的可以通过以下技术方案来实现：
12.一种自动化设备数字协同设计与验证方法，包括以下步骤：
13.提取三维模型创建过程的有效创建指令，所述三维模型基于freecad可视化创建，并由macro录制创建过程；
14.基于有效创建指令创建txt文件并保存；
15.提取txt文件中的尺寸关键参数封装写入三维模型创建类，创建可调用的三维模型创建函数，所述三维模型创建函数输入为尺寸关键参数，输出为三维模型iges文件；
16.基于尺寸关键参数确定优化指标参数，所述优化指标参数为尺寸关键参数中的一个或多个；
17.执行模型创建步骤，所述模型创建步骤为：基于尺寸关键参数，调用三维模型创建函数，得到三维模型iges文件；
18.执行有限元仿真步骤，所述有限元仿真步骤为：基于pyansys创建有限元仿真类，通过加载iges文件和负载信息，对其进行有限元仿真得到有限元仿真结果，并创建基于有限元的形变模型；
19.执行运动学模拟步骤，所述运动学模拟步骤为：基于逆解算法求解运动模拟的运动步输入，基于websocket建立与ue4的通信，并基于形变模型和运动步输入在ue4中进行运动模拟，实时采集运动状态的碰撞状态，并返回碰撞信号；
20.执行参数优化步骤，所述参数优化步骤为：创建基于智能算法的参数优化算法对优化指标参数进行优化，以有限元仿真结果和碰撞信号作为动态优化的边界条件，更新优化指标参数；
21.基于更新后的优化指标参数重新执行模型创建步骤、有限元仿真步骤、运动学模拟步骤和参数优化步骤，直至达到迭代终止条件，得到最优优化指标参数，其中，所述迭代终止条件基于智能算法确定为评判指标函数的损失函数达到收敛状态或迭代次数达到预配置的迭代阈值，所述评判指标函数基于设计要求和应用要求确定；
22.基于最优优化指标参数，调用三维模型创建函数，得到优化三维模型。
23.所述基于形变模型在ue4中进行运动模拟为：以平移变换和旋转变换的形式模拟三维模型在有限元仿真步骤中发生的形变，得到ue4中与形变模型对应的模拟形变模型，并基于所述模拟形变模型进行运动模拟。
24.所述基于逆解算法求解运动模拟的运动步输入包括以下步骤：
25.基于机械臂的运动初始位置和目标位置进行逆解运算，得到六轴转角逆解值，所述机械臂设于形变模型上；
26.判断从初始位置运动到目标位置是否可达，若可达，将六轴转角逆解值划分为预配置步数的运动列表，作为运动模拟的运动步输入；若不可达，则进行包括第七轴的逆解运算，其中，所述包括第七轴的逆解运算包括以下步骤：控制机械臂在第七轴方向上以预配置的步长移动并进行逆解运算，在预配置的移动范围内求解得到一组可达解，所述可达解包括第七轴移动的距离和六轴转角；对这组可达解中的每一个解调用能耗函数，得到该解对应的能耗；基于能耗最小原则在可达解中确定一个解作为最优解；将最优解中的六轴转角划分为预配置步数的运动列表，与第七轴移动的距离一起作为运动模拟的运动步输入。
27.所述基于智能算法的参数优化算法包括有限元参数优化算法和避障算法，其中，所述有限元参数优化算法对优化指标参数进行优化，所述避障算法对发生运动规划碰撞时的运动模拟的运动步进行优化。
28.所述碰撞信号包括未发生碰撞信号、运动规划碰撞信号、结构碰撞信号。
29.所述碰撞信号包括未发生碰撞信号、运动规划碰撞信号、结构碰撞信号，若所述碰撞信号为结构碰撞信号，调用有限元参数优化算法对优化指标参数进行优化，并将当前优化指标参数设为丢弃值；若所述碰撞信号为运动规划碰撞信号，调用避障算法重新规划运动路径并在ue4中进行运动模拟，更新碰撞信号后重新判断碰撞信号类型，并基于碰撞信号类型执行后续步骤；若所述碰撞信号为未发生碰撞信号，调用有限元参数优化算法对优化指标参数进行优化。
30.所述有限元参数优化算法包括基于蚁群算法的有限元参数优化算法，当所述有限元参数优化算法为基于蚁群算法的有限元参数优化算法时，迭代终止条件为迭代次数达到预配置的迭代阈值。
31.所述碰撞信号包括未发生碰撞信号、运动规划碰撞信号、结构碰撞信号，若所述碰撞信号为结构碰撞信号，调用基于蚁群算法的有限元参数优化算法对优化指标参数进行优化，并将碰撞信号所对应蚂蚁位置的信息素赋值为预配置的极大值。
32.所述评判指标函数基于模型用料与形变程度确定。
33.一种动化设备数字协同设计与验证装置，包括存储器、处理器，以及存储于所述存储器中的程序，所述处理器执行所述程序时实现如上述所述的方法。
34.一种存储介质，其上存储有程序，所述程序被执行时实现如上述所述的方法。
35.与现有技术相比，本发明具有以下有益效果：
36.(1)本发明通过程序和接口调用实现设计建模、有限元仿真和运动学模拟验证之间的自动化协同作业，并利用平移和旋转变换模拟有限元形变模型，使得在不改变输入模型的条件下实现形变模型的运动学模拟验证，无需人工同时操作三个软件进行文件的导入和输出，节约了沟通交流的人力成本，自动化程度高。
37.(2)本发明基于有限元仿真结果和运动学模拟结果对模型参数进行自动优化，得到最优优化指标参数，无需保存大量优化设计过程中的文件，也无需人工对每个文件中的参数进行调整，工作效率高。
38.(3)本发明的参数优化基于智能算法，不依赖于人工经验，可靠性高，科学性强，尤其是在修改参数变量维度较多的情况下，人工修改的参数次数及范围相对有限，本发明更易于生成局部或者全局最优解，设计的科学性较强。
附图说明
39.图1为本发明的方法流程图；
40.图2为本发明实施例的三维模型示意图；
41.图3为本发明实施例在ue4中对叉臂厚度的模拟示意图；
42.图4为本发明实施例在ue4中对叉臂转动的模拟示意图；
43.图5为本发明实施例在ue4中进行运动模拟的模型示意图；
44.图6为本发明参数优化步骤流程图；
45.图7为本发明实施例基于蚁群算法的有限元参数优化算法的流程图。
具体实施方式
46.下面结合附图和具体实施例对本发明进行详细说明。本实施例以本发明技术方案为前提进行实施，给出了详细的实施方式和具体的操作过程，但本发明的保护范围不限于下述的实施例。
47.本实施例提供一种自动化设备数字协同设计与验证方法，如图1所示，以叉臂模型为例，包括以下步骤：
48.步骤1)提取三维模型创建过程的有效创建指令，所述三维模型基于freecad可视化创建，如图2所示，并由macro录制创建过程。
49.步骤2)基于有效创建指令创建txt文件并保存。
50.步骤3)提取txt文件中的尺寸关键参数封装写入三维模型创建类，创建可调用的三维模型创建函数，所述三维模型创建函数输入为尺寸关键参数，输出为三维模型iges文件。在本实施例中，尺寸关键参数为斜撑长度、叉臂厚度和叉臂宽度。
51.步骤4)基于尺寸关键参数确定优化指标参数。
52.优化指标参数为尺寸关键参数中的一个或多个。在本实施例中，根据对各个尺寸关键参数对拐点位移的影响程度分析，发现叉臂厚度对拐点位移的影响最大，因此将优化指标参数确定为叉臂厚度。
53.步骤5)执行模型创建步骤：基于尺寸关键参数，调用三维模型创建函数，得到三维模型iges文件。
54.步骤6)执行有限元仿真步骤：基于pyansys创建有限元仿真类，通过加载iges文件和负载信息，对其进行有限元仿真得到有限元仿真结果，并创建基于有限元的形变模型。
55.在有限元仿真步骤中，需要定义单元类型、材料杨氏模量、泊松比以及参数变量。在本实施例中，单元类型为solid65，材料为q235，参数变量为尺寸关键参数。
56.步骤7)执行运动学模拟步骤：基于逆解算法求解运动模拟的运动步输入，基于websocket建立与ue4的通信，并基于形变模型和运动步输入在ue4中进行运动模拟，实时采集运动状态的碰撞状态，并返回碰撞信号。
57.由于ue4在对某一输入模型进行仿真后难以修改模型，因此需要以平移变换和旋转变换的形式模拟三维模型在有限元仿真步骤中发生的形变，得到ue4中与形变模型对应的模拟形变模型，并基于所述模拟形变模型进行运动模拟。
58.在本实施例中，通过让叉臂向下平移x距离的方法模拟厚度的改变，通过绕a点旋转的方法模拟叉臂的转动，如图3和图4所示。
59.在ue4中进行运动模拟的模型示意图如图5所示，机械臂安装在叉臂上，可以进行左右、前后移动。
60.所述基于逆解算法求解运动模拟的运动步输入包括以下步骤：
61.基于运动初始位置和目标位置进行逆解运算，得到六轴转角逆解值；
62.判断机械臂从初始位置运动到目标位置是否可达，若可达，将六轴转角逆解值划分为十步的运动列表，作为运动模拟的运动步输入；若不可达，证明初始位置距离目标位置过远，则进行包括第七轴的逆解运算。所述包括第七轴的逆解运算包括以下步骤：控制机械臂在第七轴方向上以预配置的步长移动并进行逆解运算，在设定的移动范围内求解得到一组可达解，所述可达解包括第七轴移动的距离和六轴转角；对这组可达解中的每一个解调用能耗函数，即将第七轴移动的距离和六轴的转角乘以与其对应的能耗系数得到每个轴的能耗，再将每个轴的能耗相加得到该解对应的能耗；基于能耗最小原则在可达解中确定一个解作为最优解；将最优解中的六轴转角划分为十步的运动列表，与第七轴移动的距离一起作为运动模拟的运动步输入，发送给ue4进行运动模拟，实现第七轴和六轴的半联动。在本实施例中，第七轴移动的距离对应的能耗系数为1000，六轴对应的能耗系数依次为100、90、80、70、60、50，这是因为考虑到实际中第七轴的移动能耗较大。
63.当ue4完成叉臂运动学模拟任务时，返回的碰撞信号包括未发生碰撞信号、运动规划碰撞信号、结构碰撞信号。
64.步骤8)执行参数优化步骤：创建基于智能算法的参数优化算法对优化指标参数进行优化，以有限元仿真结果和碰撞信号作为动态优化的边界条件，更新优化指标参数。
65.基于智能算法的参数优化算法包括有限元参数优化算法和避障算法，其中，所述有限元参数优化算法对优化指标参数进行优化，所述避障算法对发生运动规划碰撞时的运动模拟的运动步进行优化。若ue4返回的碰撞信号为结构碰撞信号，则调用有限元参数优化算法对优化指标参数进行优化，并将当前优化指标参数设为丢弃值；若ue4返回的碰撞信号为运动规划碰撞信号，调用避障算法重新规划运动路径并在ue4中进行运动模拟，更新碰撞信号后重新判断碰撞信号类型，并基于碰撞信号类型执行后续步骤；若ue4返回的碰撞信号为未发生碰撞信号，调用有限元参数优化算法对优化指标参数进行优化。参数优化步骤如图6所示。
66.机械臂在ue4中进行运动模拟时首先进行第七轴的移动，后按照六轴转角的运动列表进行分步运动。在运动模拟的每一步运动执行过程中，若发生碰撞，则ue4返回一个碰撞信号，若所述碰撞信号为运动规划碰撞信号，则调用避障算法，回退到运动列表中发生碰撞的上一个位置，基于该位置和目标位置重新进行逆解运算求解六轴转角，得到十步的运动列表，作为运动模拟的运动步输入，得到重新规划的运动路径。
67.在本实施例中，有限元参数优化算法基于蚁群算法实现，其逻辑流程图如图7所示，包括以下步骤：
68.(1)定义蚂蚁个数、维度、最大迭代次数、信息素蒸发系数以及转移概率常数；
69.(2)确定参数变量的边界(最大值和最小值)；
70.(3)初始化：随机设置蚂蚁的初始位置，并根据初始位置生成初始的信息素，其中，信息素即为评判指标函数值，所述评判指标函数基于模型用料与形变程度确定，在本实施例中，评判指标函数＝(拐点位移+叉臂厚度)*叉臂体积，该评判指标函数既考虑了叉臂体积，又考虑了拐点位移，使用它对优化结果进行评价能同时达到用料最少和形变最小的目的；
71.(4)检索出最优的信息素；
72.(5)计算每只蚂蚁的状态转移概率，它显示出与当前最优信息素差距大小；
73.(6)遍历每一只蚂蚁，当其转移概率小于转移概率常数时，进行局部搜索(此时与当前最优信息素差距较小，根据步长进行小范围的移动)；否则，进行全局搜索(此时与当前最优信息素的差距较大，需要进行较大的改动)；同时，在生成参数值时也需确保其处于规定的边界之内；
74.(7)更新位置，判断蚂蚁经过位置移动后是否更优，若新的位置的信息素小于旧的位置的信息素，则判断为新位置更优；
75.(8)更新信息素，其中，需要获取碰撞信号并进行判断，若所述碰撞信号为结构碰撞信号，将这个位置的信息素赋值为一个极大值，使得这个位置不会被选为最优解，在本实施例中，这个极大值取100；若所述碰撞信号为未发生碰撞信号或运动规划碰撞信号，则正常使用公式进行信息素的计算更新；
76.(9)检索出信息素最小的蚂蚁位置；
77.(10)判断迭代次数是否达到最大值，若否，则重新执行(4)-(8)，若是，则退出循环，得到本次执行有限元参数优化算法得到的最优优化指标参数。
78.步骤9)基于更新后的优化指标参数重新执行模型创建步骤、有限元仿真步骤、运动学模拟步骤和参数优化步骤，直至达到迭代次数最大值，得到最优优化指标参数。
79.在本实施例中，迭代终止的条件是达到迭代次数最大值，这是由于有限元参数优化算法基于的是蚁群算法；若有限元参数优化算法基于神经网络或其他机器学习算法，则迭代终止条件可以为评判指标函数的损失函数达到收敛状态。
80.步骤10)基于最优优化指标参数，调用三维模型创建函数，得到优化三维模型。
81.上述步骤序号并不对步骤执行顺序进行限定。
82.上述功能如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：u盘、移动硬盘、只读存储器(rom，read-only memory)、随机存取存储器(ram，random access memory)、磁碟或者光盘等各种可以存储程序代码的介质。
83.以上详细描述了本发明的较佳具体实施例。应当理解，本领域的普通技术人员无需创造性劳动就可以根据本发明的构思作出诸多修改和变化。因此，凡本技术领域中技术人员依据本发明的构思在现有技术的基础上通过逻辑分析、推理、或者有限的实验可以得到的技术方案，皆应在权利要求书所确定的保护范围内。
技术特征：1.一种自动化设备数字协同设计与验证方法，其特征在于，包括以下步骤：提取三维模型创建过程的有效创建指令，所述三维模型基于freecad可视化创建，并由macro录制创建过程；基于有效创建指令创建txt文件并保存；提取txt文件中的尺寸关键参数封装写入三维模型创建类，创建可调用的三维模型创建函数，所述三维模型创建函数输入为尺寸关键参数，输出为三维模型iges文件；基于尺寸关键参数确定优化指标参数，所述优化指标参数为尺寸关键参数中的一个或多个；执行模型创建步骤，所述模型创建步骤为：基于尺寸关键参数，调用三维模型创建函数，得到三维模型iges文件；执行有限元仿真步骤，所述有限元仿真步骤为：基于pyansys创建有限元仿真类，通过加载iges文件和负载信息，对其进行有限元仿真得到有限元仿真结果，并创建基于有限元的形变模型；执行运动学模拟步骤，所述运动学模拟步骤为：基于逆解算法求解运动模拟的运动步输入，基于websocket建立与ue4的通信，并基于形变模型和运动步输入在ue4中进行运动模拟，实时采集运动状态的碰撞状态，并返回碰撞信号；执行参数优化步骤，所述参数优化步骤为：创建基于智能算法的参数优化算法对优化指标参数进行优化，以有限元仿真结果和碰撞信号作为动态优化的边界条件，更新优化指标参数；基于更新后的优化指标参数重新执行模型创建步骤、有限元仿真步骤、运动学模拟步骤和参数优化步骤，直至达到迭代终止条件，得到最优优化指标参数，其中，所述迭代终止条件基于智能算法确定为评判指标函数的损失函数达到收敛状态或迭代次数达到预配置的迭代阈值，所述评判指标函数基于设计要求和应用要求确定；基于最优优化指标参数，调用三维模型创建函数，得到优化三维模型。2.根据权利要求1所述的一种自动化设备数字协同设计与验证方法，其特征在于，所述基于形变模型在ue4中进行运动模拟为：以平移变换和旋转变换的形式模拟三维模型在有限元仿真步骤中发生的形变，得到ue4中与形变模型对应的模拟形变模型，并基于所述模拟形变模型进行运动模拟。3.根据权利要求1所述的一种自动化设备数字协同设计与验证方法，其特征在于，所述基于逆解算法求解运动模拟的运动步输入包括以下步骤：基于机械臂的运动初始位置和目标位置进行逆解运算，得到六轴转角逆解值，其中，所述机械臂设于形变模型上；判断从初始位置运动到目标位置是否可达，若可达，将六轴转角逆解值划分为预配置步数的运动列表，作为运动模拟的运动步输入；若不可达，则进行包括第七轴的逆解运算，其中，所述包括第七轴的逆解运算包括以下步骤：控制机械臂在第七轴方向上以预配置的步长移动并进行逆解运算，在预配置的移动范围内求解得到一组可达解，所述可达解包括第七轴移动的距离和六轴转角；对这组可达解中的每一个解调用能耗函数，得到该解对应的能耗；基于能耗最小原则在可达解中确定一个解作为最优解；将最优解中的六轴转角划分为预配置步数的运动列表，与第七轴移动的距离一起作为运动模拟的运动步输入。
4.根据权利要求1所述的一种自动化设备数字协同设计与验证方法，其特征在于，所述基于智能算法的参数优化算法包括有限元参数优化算法和避障算法，其中，所述有限元参数优化算法对优化指标参数进行优化，所述避障算法对发生运动规划碰撞时的运动模拟的运动步进行优化。5.根据权利要求1所述的一种自动化设备数字协同设计与验证方法，其特征在于，所述碰撞信号包括未发生碰撞信号、运动规划碰撞信号、结构碰撞信号。6.根据权利要求4所述的一种自动化设备数字协同设计与验证方法，其特征在于，所述碰撞信号包括未发生碰撞信号、运动规划碰撞信号、结构碰撞信号，若所述碰撞信号为结构碰撞信号，调用有限元参数优化算法对优化指标参数进行优化，并将当前优化指标参数设为丢弃值；若所述碰撞信号为运动规划碰撞信号，调用避障算法重新规划运动路径并在ue4中进行运动模拟，更新碰撞信号后重新判断碰撞信号类型，并基于碰撞信号类型执行后续步骤；若所述碰撞信号为未发生碰撞信号，调用有限元参数优化算法对优化指标参数进行优化。7.根据权利要求4所述的一种自动化设备数字协同设计与验证方法，其特征在于，所述有限元参数优化算法包括基于蚁群算法的有限元参数优化算法，当所述有限元参数优化算法为基于蚁群算法的有限元参数优化算法时，迭代终止条件为迭代次数达到预配置的迭代阈值。8.根据权利要求7所述的一种自动化设备数字协同设计与验证方法，其特征在于，所述碰撞信号包括未发生碰撞信号、运动规划碰撞信号、结构碰撞信号，若所述碰撞信号为结构碰撞信号，调用基于蚁群算法的有限元参数优化算法对优化指标参数进行优化，并将碰撞信号所对应蚂蚁位置的信息素赋值为预配置的极大值。9.一种动化设备数字协同设计与验证装置，包括存储器、处理器，以及存储于所述存储器中的程序，其特征在于，所述处理器执行所述程序时实现如权利要求1-8中任一所述的方法。10.一种存储介质，其上存储有程序，其特征在于，所述程序被执行时实现如权利要求1-8中任一所述的方法。
技术总结本发明涉及一种自动化设备数字协同设计与验证方法、装置及存储介质，其中方法包括以下步骤：提取三维模型创建过程的有效创建指令；创建txt文件并保存；提取尺寸关键参数封装写入三维模型创建类，创建可调用的三维模型创建函数；确定优化指标参数；执行模型创建步骤、有限元仿真步骤、运动学模拟步骤、执行参数优化步骤实现优化指标参数的优化更新；基于更新后的优化指标参数重新执行模型创建步骤、有限元仿真步骤、运动学模拟步骤和参数优化步骤，直至达到迭代终止条件，得到最优优化指标参数；基于最优优化指标参数创建优化三维模型。与现有技术相比，本发明具有自动化程度高、设计验证效率高、参数设计更优等优点。参数设计更优等优点。参数设计更优等优点。
技术研发人员：黄华 谢楠 陆贝尔 杨志成 于春芃 张仕祥 张宇逍 赵祺晟 孙义胜 张慧琳 陈亮瑜 段哲昊 刘熠龙 韦欢夏
受保护的技术使用者：同济大学
技术研发日：2022.07.08
技术公布日：2022/11/1
