文摘
空中操纵的对象有许多优点,因为它并不限于地形的形态。天线负载过程的的一个主要问题是缺乏实时预测之间的交互夹持空中机器人的负载。介绍了数字双(DT)方法基于阻抗控制负载的天线传输过程。阻抗控制技术实现开发目标阻抗基于新兴的质量载荷的模型,和爪的手指。跟踪的位置的手指爪和负载之间的相互影响的角度,在阻抗控制,是通过使用模型预测控制(MPD)的方法。发达的DT与未知的交互提供了一个模型,有效载荷和空中机器人动力学是明智的。旁边,结果显示的能力介绍DT预测上的力载荷的条件下帮助预测空中操作过程的情况。此外,结果表明,DT模型检测实时错误的物理资产。
1。介绍
数字双(DT)是一个现代应用程序,提供了先进的实际系统之间的互连和其对应的虚拟表示形式。相比,数字模型和数字的影子,数据链接在DT可以从真正的传输系统及其相应的虚拟表示形式在两个方向1]。因此,DT可以作为车载探测系统的异常或场外的礼仪。车载诊断过程中,操作的异常检测系统由传感器和致动器实现装备的系统本身。DT比较传感器和致动器的输出与虚拟模型诊断任何意想不到的结果。对于场外的诊断过程,实现远程检测异常的操作系统云(2]。DT的性能预测异常的实时系统可以提高通过应用新技术,如三维激光扫描仪(3]。如表所示1DT是用于各种目的,如制造过程实现的,行业,智能城市、医疗、建筑、和机器人(4- - - - - -6]。
DT实现增强产品的制造过程的时间和数量的浪费,一个模型设置为注塑机艾滋病造型生产步骤的情况下(14]。合并DT与异常检测行业的机器显示其高能力诊断异常在滚动轴承15]。4.0在工业现代化的司机16),DT已经成为主要的技术,实现集成的数据真实和虚拟机之间的联系17]。应用人工智能算法对DT的系统有很大的影响对于自主驾驶,生产车间,和智能城市交通18]。最近,自2018年以来,DT的系统开始被集成在机器人平台在很多情况下为了提高机器人在其特定的应用程序的性能。在[19],马利克和Bilberg的过程控制人类和机器人之间的合作提高了应用DT。大会的合作任务由计算机模拟提供一个数字表示的数字表示的系统不断在生产过程中存在的人机系统。改进了生产系统的物理组件的实时监控。制造企业的情况介绍了人类和机器人有一个团队建立和批准DT结构。在[20.),由Joordens和卷DT应用于帮助群机器人的设计过程是不容易被测试在设置和控制机器鱼等。在一开始,机器鱼实际上是生产主要游泳的能力。机器鱼的DT和转化为虚拟现实开发提供了仿真实现和固定在机器鱼游泳。在[21),由Vassiliev et al ., DT应用于开发一个新的机器人系统可以用于机器人行走的机制。设计DT机器人平台显示其行为提高控制过程和算法。在[22),由Sørensen et al .,介绍了一种特殊的工业装配系统,数字化装配订单是由操作员。运营商的订单可视化开发的模块提供的功能编程的机器人视觉系统。DT允许我们实时监测系统的执行。在[23),由Kaigom和Roßmann机器人DT是提出了辅助和改进cyberphysics在机器人技术的实现。结果表明,开发的机器人DT的系统可以应用在各种各样的问题。在[24),由杜思韦特et al ., DT开发支持的安全合作multirobotics制造工厂。DT的引入框架支持灵活的性能operator-identified cyberphysical周长和公用事业安全测试和控制。然而,在空中机器人,一个显著的比例的应用程序指向天线负载运输(摘要)25]。自负载任务通常是与各种不可测的相关处理对象的物理特性,他们需要控制的先进技术(26,27]。先进控制技术(28),这个词的相互影响的控制过程与机器人的模型集成平台从一边和另一边的未知载荷(29日]。因此,恰当的过程受到许多未知参数的影响和干扰。未知参数代表未知的重量、形状、载荷的大小等等。扰动代表的外部效应在飞行空中机器人,可能打扰风等运输过程。因此,有必要引入一个方法比较理想的空中机器人系统的物理参数与实际物理参数实时诊断的目的。在本文中,一个物理数字双(PDT)方法引入模型,开发实时诊断为了预测的有效载荷的受力条件有助于预测ATP的过程的情况。阻抗控制技术是实现内部控制的交互过程目标的有效负载阻抗是基于新兴的质量载荷的模型,和爪的手指。跟踪的位置的手指爪和负载之间的相互影响的角度,在阻抗控制,是通过使用模型预测控制(MPD)的方法。
剩下的纸是组织如下:部分2介绍了交互性的空中机器人模型。部分3介绍了阻抗控制技术实现跟踪负载对象之间的相互作用的力和爪。部分4解释了实现MPD方法包括跟踪的位置在截面阻抗控制算法3。节5设计了DT的空中机器人。节6,介绍了开发DT模型的仿真结果。节7,提出了本研究的结论。节8未来工作的研究,建议解释说。
2。系统模型
本节介绍了交互性的空中机器人研究的模型。一般来说,空中机器人由无人机和机器人手臂。无人机有各种机械配置(30.)潜在的传感器系统(31日]。空中机器人手臂抓住载荷通过夹附在最后的第三连接臂的天线。相互影响的有效负载的造型把握过程被认为是在这部分。假设如图所示的钳子1,它可以掌握特定载荷通过移动手指同时通过一个执行机构。手指被认为是设计基于实验室的联系机制的原则,执行机构的旋转运动转化为线性运动。
示意图爪/负载模型在none-contact情况,instance-contact, interactional-contact数据所示2(一个)- - - - - -2 (c),分别。
(一)
(b)
(c)
假设一个潜在的有效载荷的质量通过关闭举行爪的手指。相互作用的力 , ,两个手指和有效载荷是诱导一旦爪接触后者。每个手指都模仿为二阶系统的质量、刚度和阻尼系数 , ,和 ,分别。每个手指的弹簧和阻尼器的坐标,1点,相对于原点的钳子和负载质量是用和 ,分别。每个手指的当前位置 。这个位置,即 ,的命令是爪/负载系统是旨在控制的力量。指的是相互影响的模型的示意图如图2 (c),每个手指施加的力方程(1)有效载荷: 虽然力量,手指上的载荷应用提出了 在哪里 。关于空中机器人平台,四轴飞行器而其类型的无人机空中旋转关节的手臂已经连续三个链接,如图3。爪,代表最终效应是连接到天线臂的结束。夹的位置是通过旋转的螺旋桨四轴飞行器的关节臂的天线。
的示意图表示空中机器人如图4其中下标 , ,和对应于无人机四轴飞行器、空中的手臂,和空中机器人,分别。假设和的位置和姿态是无人机四轴飞行器相对于四轴飞行器坐标系 ,分别。方向 ,在哪里 , ,和代表的旋转角度 , ,和轴,分别。这个位置矢量 尽管所有的关节臂的天线都包含在坐标向量 。因此,空中机器人的整体状态表示
指图4协调框架的惯性和末端执行器是用和 ,分别。终端执行器代表爪的手指的接触点位置的载荷可以对计算根据 在哪里 , ,和代表无人机四轴飞行器的位置相对于 ,无人机四轴飞行器相对于旋转 ,和末端执行器的位置相对于 。另一方面,线速度和角速度的终端执行器可以获得 在哪里和代表了角和相对角速度的无人机四轴飞行器 ,分别。空中机器人的动力学运用欧拉方法后获得的 在哪里 ,在方程(8),代表了不同的总动能和势能空中机器人和 ,分别为: 而代表总转矩应用于机器人的天线。详细,总力矩包括三个主要部分:无人机四轴飞行器的螺旋桨的推力部队 ,转子的力在空中机器人的身体 ,和天线臂所产生的力量 。空中机器人的总动能可以获得 的矩阵和代表质量和无人机四轴飞行器的惯性矩,分别是相同的 ,和这代表了相应链接的质量和转动惯量的空中的手臂。关于总势能,它是获得 在哪里 。通过插入方程(9)和(10)方程(8),拉格朗日函数获得空中机器人的应用于方程(7)找到最终的空中机器人的动力学模型 的矩阵 , ,和表示空中机器人惯性、科氏力和重力,分别。在下一节中,阻抗原理将被设计来控制相互影响的接触力通过移动手指的位置 。
3所示。阻抗控制
控制算法是使用阻抗技术来实现,如图5跟踪负载对象之间的相互作用的力和钳子。MPD方法应用于跟踪的位置。本控制算法的目的是提供所需的每个手指的位置之间的阻抗和相互作用的力 。
目标阻抗控制的动态刚度 ,阻尼系数 ,和质量 。因此,方程(12)代表参考阻抗和分别是参考位移、相互影响的力量。
的潜在应用阻抗方法,跟踪位置的任务作为一个空中机器人机械手的动力学效应之间的结果是当前和目标位置的手指。因此,在目标位置 ,在方程(方程轨迹跟踪13可以从方程(获得)12):
错误的位置决定
在稳态情况下,跟踪误差的相互影响的力量 在计算
在通过货币政策委员会达到所需的位置,参考位置的方程(16从方程()可以计算15):
在这种情况下,参考位置可以从现有的值生成手指刚度和载荷位置根据国际接触力的价值目标。在下一节中,主要的方法是应用于跟踪的位置。
4所示。模型预测控制
提出MPD,限制空中机器人系统是解决优化方法在每一步的时候减少位置跟踪误差的阻抗控制算法部分3。美国的空中机器人可以控制的转矩输入 。假设获得的优化的解决方案 ,在哪里是一个正数。的价值范围从“1”到估计地平线”的步骤 。“因此,MPC是用的优化算法
输入转矩矢量控制输入导致空中机器人的运动表示为 ; 表示空中机器人的模型。通用约束方程(17)是用而通用的成本函数一般形式表示的吗 在哪里和表示输入的重量控制和终端的成本,分别。的 ,等于 ,代表想要最小化的目标成本函数。这个成本函数,即 ,设计执行的任务位置控制与有效载荷的交互中
在方程(19),每个手指之间的交互位置误差和载荷用这是来自
跟踪位置误差影响的期望位置点手指之间的互动和有效载荷在估计的地平线。任务和终端权衡矩阵方程(19),用和 ,分别。自演习并不是我们的目标模型,倾斜的空中机器人并不被认为是货币政策委员会的建议。因此,方程的控制输入(21)是直接从推导方程(3):
在方程生成控制输入(21)的目标是零 。因此,函数在方程(17)是唯一的集成 。
5。物理数字双
在本节中,车载PDT模型来检测潜在的未来的有效载荷。检测负载通过PDT提到车载预测派生的动态模型和控制算法开发在前面的部分中实现模拟载荷的过程中掌握的空中机械手。如图6,PDT部分发达国家在这一节中包括预测爪和负载之间的相互影响的力量,框图的空中机器人,PDT造型,和诊断现有算法的有效载荷。
空中机器人的钳子,解释部分2有一个执行机构,同时控制两个手指的运动。根据方程(交互性力计算2)。夹具系统的框图如图7。该系统具有一个输入代表爪的伺服电动机的角度。系统的输出是相互影响的力量解释部分3在方程(12)。
检测负载取决于空中机器人的方向,此外伺服电动机的角度。取决于测量的主要思想相互影响的力量。如果测量国际部队偏离PDT模型的相互影响的力量,就会出现一个错误信息表明有错。实现的诊断算法如图8。
发达的诊断算法需要一个特定的决定根据比较的结果测量的交互性部队和DT相互影响的力量。这将有助于诊断故障,可以给予在交通载荷。
6。仿真结果
模拟测试,使用MATLAB,本节实现研究开发了DT模型的性能。DT模型创建使用SimMechanics™,输入和输出的角度电机爪和交互性的部队,分别。空中机器人系统的动力学方程(11),在方程(MPD17),是在MATLAB中实现的脚本文件的程序。另一方面,在图所示的钳子1建模使用SimMechanics™。阻抗控制器集成在DT模型计算的手指爪之间的相互影响的力量和有效载荷。空中机器人的DT模型如图8假设掌握有效载荷通过适当的力量爪的旋转电机。由于负载不直接连接关节的空中机器人,除了SimSpace™块,DT模型包括编程方程(1)和(2),与爪的运动和载荷MATLAB脚本文件。DT模型计算监控过程的相互影响的力量抓住潜在的有效载荷。比较实现故障诊断支持所需的相互影响的力量。在第一个测试中,空中机器人的物理资产检查对脉冲响应函数。每个手指的位置和速度的夹具图所示9。第一个测试显示的功能开发模型代表空中机器人物理资产部分图8。每个手指的速度和位置的钳子获得作为输入脉冲的反应时间1秒。
(一)
(b)
接下来,探测空中机器人系统中的错误使用本研究开发了DT模型在第二个测试验证。系统的响应如图10当爪的手指触摸的负载。
(一)
(b)
结果显示的能力开发了DT模型诊断问题。因此,天线负载转换的过程可以在线监控和空中机器人平台中的任何问题可以立即发现。仿真结果显示失败的能力开发了DT模型诊断误差的在线国际部队。当真正的模型不支持适当的力量,DT模型可以估计,例如,当手指不支持适当的接触力由于其刚度和阻尼建模组件的问题。因此,失败的空中机器人系统引入DT模型和模拟的反应没有空中机器人系统使用相同的电机爪输入。
7所示。结论
最近航空技术中实现负载运输,而不是传统的地面平台。实例的天线负载通常由空中机器人实现。PDT支持实时过程监控的空中交通载荷。因此,故障可以立即诊断在空中飞行机器人。所需的阻抗之间的手指夹可以获得使用一个基于新兴的质量负载阻抗控制器的模型,和爪的手指。在阻抗控制器,MPD方法追踪手指之间的交互性的位置点钳子和负载。跟踪的位置的手指爪和负载之间的相互影响的角度,在阻抗控制,是通过使用MPD的方法。发达PDT机上提供了一个模型预测与未知的载荷和空中机器人动力学可以了解。旁边,结果显示的能力介绍PDT预测上的力载荷的条件下帮助预测空中操作过程的情况。
8。未来的工作
这项研究提供了一种故障诊断的天线负载DT运输;然而,有局限性,建议未来工作可以解决。这项研究集中在车载诊断过程和场外的诊断过程没有考虑。包括云计算可以提供进一步的见解在物联网应用DT在空中机器人。而诊断过程被认为是爪的手指之间的相互影响的力量和有效载荷,飞行的影响路径和方向的空中机器人不被认为是在这项研究中,可以建议考虑在未来的工作中。此外,需要额外的研究探索DT在空中交通的好处。
数据可用性
没有数据被用来支持本研究。
的利益冲突
作者宣称没有利益冲突有关的出版。
确认
这部分工作是支持科学研究院长以来,哈立德国王大学,沙特阿拉伯,在格兰特”以序列。1/209/43。”