堆垛機的數字孿生系統可視化模型搭建與實現

宮瑞哲，饒 豐，任 楠，吳睿婧，蔡 苗

（1.北京機械工業自動化研究所，北京 100120；2.北自所（北京）科技發展股份有限公司，北京 100120）

0 引言

1）數字孿生概念

上世紀七十年代，孿生體的概念第一次由美國國家航空航天局（NASA）提到。2003年，數字孿生（Digital Twin）由Grieves教授（美國密歇根大學）正式提出并對Digital Twin進行了定義[3～5]。數字孿生的目標是對物理模型實體構建具有實時同步、高保真度等特性的虛擬映射模型。數字孿生需要運用跨學科的知識和技術[8]并且通過采集物理實體的實時數據和分析歷史運行數據來進行虛擬模型的構建。數字孿生實現了物理世界與信息世界的交互與融合[1]。

2）數字孿生國內外現狀

數字孿生概念最早在國外得到成功應用。在美國，美國空軍研究實驗室（AFRL）、美國國家航空航天局[6]等研究中心將數字孿生應用至航空航天的發動機剩余使用壽命預測、故障預測與健康管理等方面；佐治亞理工學院（Georgia Tech）和賓夕法尼亞州立大學（PSU）等科研院校探索數字孿生在智慧工廠方面的應用。在歐洲，Olaf Sauer（弗勞恩霍夫研究院的工業4.0專家）指出數字孿生是德國工業4.0的主攻方向；亞琛工業大學（RWTH）等高校在數字孿生領域開展大量研究[7]。

近年來，國內的科研院所和高校對數字孿生展開了大量的研究。中國信息通信研究院（CAICT）和中國電子技術標準化研究院（CESI）等科研院所對數字孿生技術進行了大量標準化工作，為數字孿生在國內的發展奠定堅實基礎[7]；國內高校在數字孿生技術理論研究中也取得重要進展，如北航陶飛團隊對數字孿生開展大量研究，提出數字孿生車間等概念，創辦Digital Twin國際期刊，并在智能制造工廠開展數字孿生的實踐[2]。

1 數字孿生在智能工廠中的應用

制造企業在傳統生產模式下，各環節之間的信息交互通信不夠及時、全面，對工廠生產過程的可視化程度低，工廠每天都產生大量的數據，但是這些數據利用程度很低。

目前，國內企業正在由傳統生產模式向智能化數字化生產模式的轉型過程中，數字孿生是企業通向數字化轉型的重要橋梁。數字孿生技術的引入，實現設備監控，實時采集設備運行數據，設備運行狀況以可視化的形式進行呈現。通過數據的積累（如關于設備故障的數據），結合關聯規則挖掘技術進行故障信息的預測、調度方式的分析與優化。數字孿生技術在智能工廠的引入推動了智能工廠在數字化和網絡化的發展，在智能制造的進程中起到重要的推動作用。

自動化立體倉庫是智能工廠倉儲物流的重要系統，堆垛機是自動化立體倉庫的關鍵設備。將數字孿生技術應用到堆垛機系統，可以實現對堆垛機系統的全方位可視化監控。將實時數據與歷史數據，結合機器學習算法，實現故障預測、設備健康管理、優化調度算法和運行模式。

2 系統分析和數據準備

2.1 系統分析

在搭建堆垛機數字孿生體的準備階段，對堆垛機的作業模式進行分析，獲得堆垛機工作模式及相關參數；對堆垛機上的機械結構進行分析，了解堆垛機設備上各個組件的作用以及相互之間的關系；對堆垛機執行作業時的調度邏輯進行分析，分析其運行調度邏輯；對堆垛機上各智能傳感器應用原理及作用進行分析，獲得在運行期間各個傳感器信號變化的意義。

堆垛機在運行過程中，主要有三個方向的運動：沿軌道水平方向移動、沿軌道垂直方向移動和在取貨或者放貨時垂直于巷道平面的移動。堆垛機定位一個貨架位置需要通過層數、列數和排數三個屬性值。堆垛機作業是一個立體空間內的載具轉移：通過三個方向的移動使得堆垛機從起始層、列、排到達目的層、列、排。根據運動類型的不同，堆垛機運行模式可以分為入庫、出庫等。入庫即堆垛機將外部設備上的載具運載至貨架貨位。出庫是入庫的一個逆過程。

堆垛機可以分為三個模塊：堆垛機主體部件、堆垛機載貨平臺和堆垛機載貨貨叉。三個模塊分別是沿軌道水平方向移動，沿軌道垂直方向移動以及沿垂直軌道面的方向移動。如圖1所示，將堆垛機主體部件的移動方向設為X軸，堆垛機載貨平臺的移動方向設為Y軸，堆垛機載貨貨叉的移動方向設為Z軸。堆垛機設備可以抽象看作在一個三維空間內，各部件沿不同的坐標軸進行移動。

圖1 堆垛機三維空間示意圖

堆垛機的作業是由調度程序進行控制的。對于入庫作業，調度程序按照預置的單一或組合入庫策略（就近原則、貨架受力均勻、物料分區存放等）計算出載具最優入庫貨位地址，并由堆垛機執行完成。對于出庫作業，當上位管理程序下發出庫作業后，調度程序按照預置的單一或組合出庫策略（路徑優化、復合任務等）計算載具的最優出庫作業模式，并由堆垛機執行完成。

堆垛機上各智能傳感器，在堆垛機運動過程中信號跟隨發生變化，通過傳感器信號值，了解當前堆垛機狀態改變。如：通過采集堆垛機水平與豎直編碼器值，實時獲得堆垛機在巷道內的某一個精確位置；通過載貨信號開關，明確當前堆垛機上是否有載具。

2.2 數據準備

要建立堆垛機孿生體，真實反映設備的實時運行，需采集堆垛機的動作數據、檢測開關數據、故障數據、運行數據、作業數據、貨架數據、歷史故障數據等。動作數據、檢測開關數據、故障數據和運行數據等可以從設備實時采集到；作業數據、貨架數據和歷史故障數據等可以從與其他系統交互中獲得。

所采集的各種數據主要包括以下內容。動作數據指堆垛機的運行狀態信息，如堆垛機的運行方向、動作等；檢測開關數據指堆垛機上的全部光電開關數據，如堆垛機的精確位置、是否帶載等；故障數據指堆垛機實時發生的各種故障信息，如堆垛機的變頻器故障等，這類數據對堆垛機的運維具有重要的參考價值；運行數據指堆垛機當前運行的各類參數數據，如堆垛機水平運行速度、垂直運行速度等。作業數據指堆垛機執行作業的詳細信息，比如作業類型、起始地址、目的地址等；貨架數據指所有貨架的狀態、存儲的載具信息；歷史故障數據指堆垛機故障的歷史日志，利用這類數據可對堆垛機進行設備健康診斷。

堆垛機采用PLC進行控制，通過讀取PLC的數據進行設備信息采集。本系統堆垛機使用西門子公司生產的PLC，利用其對應的通信工具S7.net進行數據采集程序開發。在開發中，通過調用ReadClass方法進行數據塊讀取，為了使得數據讀取延遲降低，采用各數據塊多線程同步數據讀取方式。使用單線程讀取方式和多線程讀取方式，各進行多次數據采集，記錄讀取時延，如圖2所示。從圖中可以看出，使用多線程讀取數據，效率得到明顯提升。

圖2 單線程、多線程設備數據采集時延變化曲線圖

除了從堆垛機直接進行數據采集外，還需從其它相關系統（如MES、WMS等）獲取與堆垛機運行相關的數據。通過系統間接口進行數據的交互。

3 堆垛機數字孿生系統搭建

基于上述對堆垛機的分析和數據的準備，本節通過堆垛機模型的建立、模型的處理、模型的數據驅動開發等環節完成數字孿生體的構建。使用SOLIDWORKS建立堆垛機和貨架三維模型，模型包含堆垛機設備全部細節與組件，按照1：1000比例系數進行縮放。將建立的堆垛機模型導入到3DMax中，使用3DMax對模型進行輕量化；同時完成對模型的貼圖、上色等美化處理，如圖3所示。處理完成后，將模型導出為Unity3D可以識別的.pfx格式文件。

圖3 3Dmax優化后的載貨臺組件

模型處理完，模型的結構依舊是比較離散的，所有組件都存放在同一集合內，這種關系模式對后續模型的動畫驅動會造成很大負擔。因此，在編寫腳本前，首先要根據對模型實際運動情況的分析，完成模型關系重新建立。通過系統分析環節介紹，將堆垛機模型分為三個模塊：堆垛機主體部件、堆垛機載貨平臺和堆垛機載貨貨叉。在模型進行數據驅動時，可以將堆垛機載貨平臺作為堆垛機主體部件子物體，這樣前者只需完成垂直方向運動，其水平方向運動會跟隨后者完成；同理，堆垛機載貨貨叉作為堆垛機載貨平臺子物體。通用模型格式的堆垛機3D模型如圖4所示。

圖4 通用模型格式的堆垛機3D模型

完成堆垛機模型關系整理后，建立模型與數據的連接，為后續模型驅動做準備。數據連接包含模型與設備的連接、模型與其他系統的連接。通過采集到的設備數據，對模型的各部件進行數據驅動。

堆垛機主體部件的數據驅動，通過式(1)將讀取到的設備水平方向的實際數值（Stacker_z）映射為模型中對應的數值F(Stacker_z)：

式(1)中，StackerPYL為偏移參數，StackerMutiple為比例參數。這兩個參數均根據堆垛機主體部件現場實際情況進行調整后獲得。

當前模型中堆垛機主體部件的位置為StackerZ，與F(Sacker_z)進行比較，計算差值Stacker_zdiff：

如果差值Stacker_zdiff大于0.001f，則更新堆垛機主體部件的位置transform.localPosition。

堆垛機載貨平臺的數據驅動，采用與堆垛機主體部件數據驅動類似的方法，通過式(3)將讀取到的當前設備垂直方向的實際數值（ZHT_y）映射為模型中對應的數值，并與當前模型中堆垛機載貨平臺的位置ZHTY進行比較，計算差值ZHT_ydiff：

式(3)中，ZHTPYL為偏移參數，ZHTMutiple為比例參數。這兩個參數均根據堆垛機載貨平臺現場實際情況進行調整獲得。

如果差值ZHT_ydiff大于0.001f，則更新模型中堆垛機載貨平臺的位置transform.localPosition。

堆垛機載貨貨叉的數據驅動，將到位信號以及收叉伸叉信號映射為模型中的對貨叉移動速度調整的判定量。為了讓模型中的載貨貨叉能夠逼真地反映貨叉物理實體，讓貨叉移動速度自學習，不斷進行自我迭代，設計了以下迭代算法。

首先記錄模型中每個貨叉的最大伸叉長度L，通過統計伸叉時間T來計算伸叉速度。。不斷地使用下次伸叉速度對其進行修正：

其中，Vnew表示當前修正得到的速度，Vi表示上一次修正得到的速度，Vj表示此次伸叉過程計算得到的速度，ω為權重系數（根據現場情況，進行調整后獲得）。為了記錄每次系統運行后得到的Vnew，將該數值寫到本地文本中。下一次啟動本系統時，從本地文本中讀取最近一次得到的Vnew。

堆垛機載貨貨叉伸叉過程的數據驅動方式如式(5)所示：

當貨叉左伸時，μ取1；當貨叉右伸時，μ取-1。根據HCX數值的變化更新模型中堆垛機載貨貨叉的位置transform.localPosition。

4 模型UI可視化

使用可視化的UI界面對數據進行可視化展示。使用圖表的方式能夠更加直觀的呈現數據所包含的信息，幫助發現規律[4]。

1）設備運行狀態可視化

從堆垛機設備上獲取的系統實時的開關信號量、故障信號量和運行數據信息等。對于布爾類型的數據，通過指示燈（使用Image組件繪制）進行表示；整型以及浮點類型數據，通過文本框（使用Text組件繪制）進行展示。界面如圖5所示。

圖5 設備實時數據可視化

2）系統數據可視化

從其他系統獲取到的數據，如作業信息數據、貨架信息數據。這些數據都是通過接口程序從其他系統獲取的，其形式均為數據集合。使用表單UI對該類數據的可視化展示。將這些數據與表單UI的文本組件綁定，定時動態進行數據的刷新。如圖6所示。

圖6 貨架數據可視化

3）運維數據的可視化

通過采集設備數據，獲得實時故障信息；通過與其他系統的交互，獲得歷史故障數據；建立算法對故障位置、頻率、作業特點等數據進行分析處理，輸出設備故障統計信息并提出維護建議。如圖7所示。

圖7 運維數據可視化

5 結語

本文實現了堆垛機的數字孿生系統的搭建，將堆垛機物理模型映射到三維堆垛機虛擬模型，使用可視化手段對堆垛機的實時運行狀態、堆垛機狀態數據、系統信息數據和運維數據進行展示。未來，數字孿生將結合機器學習和深度學習技術對堆垛機系統的數據分析建模，實現歷史故障進行診斷、未來趨勢預測，通過孿生體模擬運行的反饋，實現堆垛機調度優化與效率提升[1]。