Использование вычислительного моделирования для оптимизации дизайна воплощения промышленных роботов

Введение: эволюция промышленного дизайна роботов

Промышленные роботы преобразовали производственные полы, выполняя повторяющиеся задачи со скоростью и точностью, которые намного превышают возможности человека. Но по мере того, как требования к производству становятся все более сложными — требуя, чтобы роботы обрабатывали тонкие сборки, ориентировались в загроможденных средах или безопасно сотрудничали с человеческими работниками — необходимость в оптимизированном дизайне становится критической. Процесс уточнения физической структуры робота & # 8217, известный как [ FLT: 0]], традиционно полагался на итеративное прототипирование и физическое тестирование. Сегодня вычислительное моделирование предлагает более быструю, дешевую и более тщательную альтернативу. Моделируя, как геометрия, материалы и исполнительные механизмы робота & # 8217 реагируют на реальные условия, инженеры могут прогнозировать производительность, выявлять слабые места и настраивать конфигурации, прежде чем резать один кусок металла.

В этой статье рассматривается, как вычислительное моделирование приводит к разработке вариантов воплощения для промышленных роботов. Он охватывает основные методы, практические преимущества, реальные приложения и новые тенденции, которые меняют то, как строятся роботы. Являетесь ли вы инженером-конструктором, менеджером по производству или исследователем робототехники, понимание этих методов поможет вам принимать обоснованные решения, которые повышают эффективность, снижают затраты и ускоряют инновации.

Что такое дизайн воплощения?

Проектирование воплощения - это этап разработки продукта, где концептуальная идея переводится в конкретную физическую компоновку. Для промышленных роботов это означает определение размера, формы и расположения звеньев, соединений, исполнительных механизмов, датчиков и конечных эффектов. Он устраняет разрыв между функциональными требованиями высокого уровня - такими как грузоподъемность, дальность, скорость и точность - и подробными инженерными чертежами, которые направляют производство.

Ключевые решения во время проектирования включают в себя:

Каждый выбор оказывает каскадное воздействие на производительность. Более длинная рука увеличивает охват, но снижает жесткость и может вводить большие отклонения. Более тяжелая база улучшает стабильность, но добавляет стоимость и загрузку пола. Дизайн воплощения в основном заключается в балансировании этих компромиссов. Вычислительное моделирование позволяет оценивать сотни альтернатив в дни, а не месяцы.

Роль вычислительного моделирования в дизайне воплощения

В компьютерном моделировании используются математические представления физических систем для прогнозирования поведения при различных входах и условиях. В конструкции роботов эти модели имитируют механическую динамику, структурные напряжения, тепловые эффекты и реакции управления. Подход цифрового двойника, где виртуальная реплика зеркально отражает физического робота, позволяет инженерам тестировать сценарии “ что-если ” без риска для аппаратного обеспечения.

Многотеловая динамика

Модели динамики многотела рассматривают робота как систему связанных жестких или гибких тел. Они решают уравнения движения для каждого компонента, вычисляя совместные крутящие моменты, ускорения и силы реакции, когда робот движется по траектории. Это важно для калибровки двигателей и коробок передач, а также для настройки профилей движения, чтобы минимизировать время цикла без превышения пределов привода. Такие инструменты, как SimScale, предлагают облачное моделирование многотела, которое может быть интегрировано в быстрые циклы проектирования.

Анализ конечных элементов (FEA)

Анализ конечных элементов используется для оценки напряжений, дефлекций и отклонений в структурных компонентах робота’. С помощью сетки 3D CAD модели и применения нагрузок (гравитация, полезная нагрузка, инерционные силы), инженеры могут точно определить слабые места, уменьшить вес за счет удаления материала и обеспечить соблюдение факторов безопасности. Например, оптимизация топологии — подмножество FEA — автоматически перераспределяет материал для достижения максимальной жесткости с минимальной массой. Эта техника привела к тому, что руки робота на 40% легче при сохранении прочности.

Взаимодействие жидкостной структуры

Для роботов, работающих в суровых условиях (например, на пыльных фабриках, под водой или с распылителями охлаждающей жидкости), вычислительная динамика текучей среды (CFD) может моделировать поток воздуха или жидкости вокруг робота. Это помогает предсказать эффективность охлаждения для встроенных приводов или оценить силы сопротивления, которые могут повлиять на точность позиционирования. В сочетании с FEA моделирование взаимодействия текучей структуры показывает, как аэродинамические нагрузки деформируют структуру робота.

Система управления имитацией

Помимо физического поведения, вычислительные модели могут включать в себя логику управления, такую как PID-прибыли, обратные кинематические решатели и алгоритмы планирования пути. Программное обеспечение в петле (HIL) и Моделирование в петле (MIL)] тестирует встроенное программное обеспечение против виртуального робота, выявляя проблемы с временем, эффекты шума датчиков или колебания ограниченного цикла. Это особенно ценно для коллаборативных роботов (коботов), которые должны останавливаться или поворачиваться при контакте.

Преимущества рабочего процесса проектирования воплощения, управляемого моделью

Организации, которые принимают вычислительное моделирование в качестве части дизайна варианта осуществления, сообщают о значительных улучшениях по нескольким показателям:

  • Снижение затрат на прототипирование.] Меньшее количество физических итераций означает снижение затрат на материалы, время обработки и труд. Ведущий автопроизводитель сократил сборку прототипов на 60% после внедрения дизайна, основанного на моделировании, для своих роботов с точечным сварочным оборудованием.
  • Укороченные циклы разработки. Непрерывное моделирование позволяет одновременно работать инженерно-механическим, электрическим и программным командам, используя общие цифровые модели.
  • Более высокая надежность и безопасность. Моделирование показывает режимы отказа (трещины усталости, резонансные частоты), которые могут быть не очевидны из ручных расчетов или простых тестов. Роботы могут быть сертифицированы для критически важных задач с большей уверенностью.
  • Оптимизация нескольких противоречивых целей. Для данной задачи (например, покраска кузовов автомобиля внутри плотной распылительной кабины) вычислительные модели могут найти лучший компромисс между охватом, скоростью, потреблением энергии и стоимостью.
  • Лучшая настройка для нишевых приложений. Полупроводниковое производство, пищевая промышленность и сборка медицинских устройств накладывают уникальные ограничения. Быстрое моделирование позволяет инженерам адаптировать геометрию роботов для этих специализированных сред без запуска с нуля.

Один конкретный пример: японский производитель упаковочных роботов использовал топологическую оптимизацию на основе FEA для перепроектирования своих дельта-руководств. В результате конструкция использовала на 30% меньше материала, имела на 20% более высокую резонансную частоту (снижая вибрацию) и потребляла на 15% меньше энергии за цикл отбора. Эти достижения были подтверждены с помощью физических тестов, которые соответствовали прогнозам моделирования в пределах 5%.

Реальные приложения и тематические исследования

Оптимизация роботизированной руки с тяжелой оплатой для автоматизации литейного производства

Европейскому литейному заводу нужен был робот, который мог бы манипулировать отливками горячего металла весом до 200 кг в абразивной высокотемпературной среде. Традиционная конструкция использовала бы массивную чугунную структуру, которая была бы медленной и дорогой. Используя динамику нескольких тел и FEA, инженеры моделировали различные геометрии рук и конфигурации суставов. Они обнаружили, что гибридная конструкция - с использованием легкой стальной рамы для предплечья и компактного привода с высоким крутящим моментом на плече - может достичь необходимой полезной нагрузки с 50%-ным снижением общей массы. Моделирование также выявило проблемы рассеивания тепла вблизи запястного сустава, что привело к интегрированному вентилятору охлаждения, который продлевал срок службы подшипника в три раза.

Разработка робота с внутренней безопасностью

Коботы должны быть в безопасности вокруг людей: они должны останавливаться при контакте и иметь закругленные края, которые не щипают кожу. Компания медицинского устройства использовала вычислительную динамику контакта для имитации столкновений между их рукой кобота и моделью манекена для рук человека. Они меняли жесткость суставов, набивные материалы и пределы сервопривода до тех пор, пока сила удара не упала ниже порогов безопасности, установленных ISO / TS 15066. Модель также предсказывала, что небольшая кривизна в крышке предплечья будет более равномерно отклонять силы удара, снижая риск травм. Без моделирования потребовались бы десятки краш-тестов на физических прототипах, задерживая запуск продукта.

Оптимизация топологии для точного сборочного робота

Для запуска роботизированной сборки печатной платы (PCB) требовался робот с точностью позиционирования в субмиллиметре, но очень низкой движущейся массой, чтобы минимизировать время цикла. Используя облачный рабочий процесс оптимизации топологии (]Altair OptiStruct), они разработали полую монококовую руку с внутренними решетчатыми структурами. Полученная рука весила всего 1,2 кг, но обеспечивала в 10 раз жесткость обычной экструдированной алюминиевой руки. Оптимизированная конструкция также позволяла легко маршрутизировать кабели и вакуумные трубки внутри руки, повышая надежность.

Проблемы и ограничения вычислительного моделирования

Несмотря на свою мощь, вычислительное моделирование не является серебряной пулей. Инженеры должны знать о нескольких проблемах, чтобы избежать вводящих в заблуждение результатов.

  • Модельная верность и упрощение.] Каждое моделирование включает в себя предположения — игнорирование трения, упрощение контакта или снижение степеней свободы. Если эти предположения слишком агрессивны, модель может предсказать производительность, которая не может быть реализована в физической системе.
  • Вычислительные затраты.] Высокоточная FEA с нелинейным контактом или мультифизической связью может занять часы или дни на кластере. Балансировка точности с временем оборота требует навыков. Облачные вычисления и ускорение GPU помогли, но не все производители имеют доступ к этим ресурсам.
  • Качество данных и свойства материала. Точная симуляция зависит от точных входных данных: упругих модулях, коэффициентов демпфирования, жесткости крепежа и кривых крутящего момента привода. Во многих организациях эти данные неполны или измеряются в разных условиях, чем будет испытывать робот.
  • Интеграция с унаследованными процессами проектирования. Многие инженерные команды привыкли к физическому прототипированию и ручным расчетам. Переход к модельному подходу требует обучения, изменений в инструментах и культурного принятия. Сопротивление изменениям может замедлить принятие.

Решение этих проблем часто включает в себя поэтапный подход: начните с простых 2D или моделей с жестким телом, затем постепенно вводите гибкость, трение и тепловые эффекты по мере роста уверенности. Кросс-функциональные команды, включающие как специалистов по моделированию, так и инженеров-испытателей, как правило, достигают наилучшей проверки модели.

Будущие направления: ИИ, цифровые близнецы и автоматизированный дизайн

Вычислительное моделирование для проектирования вариантов осуществления развивается быстро. Несколько тенденций обещают сделать его еще более мощным.

Искусственный интеллект и машинное обучение

ИИ может ускорить моделирование, действуя как суррогатная модель. Вместо того, чтобы запускать тысячи симуляций FEA с грубой силой, нейронную сеть можно обучить на меньшем наборе результатов, а затем приблизить производительность новых конструкций за миллисекунды. Это позволяет в режиме реального времени интерактивную оптимизацию, когда инженеры перетаскивают ползунок и мгновенно видят полученное распределение напряжения. Исследователи также использовали обучение усилению для развития морфологии роботов, например, регулировку длины канала для максимизации рабочего пространства при минимизации энергии.

Цифровые близнецы для постоянного улучшения

Вместо того, чтобы проектировать робота один раз, цифровые двойники позволяют виртуальной модели оставаться подключенной к физическому роботу на протяжении всей его жизни. Датчики на заводском полу возвращают фактические нагрузки, температуры и модели износа в модель, которая затем может рекомендовать графики обслуживания или даже перепроектировать определенные компоненты для следующего поколения. Этот подход с замкнутым контуром был использован крупным немецким автопроизводителем для оптимизации конечного эффекта сварочного робота после шести месяцев развертывания, улучшая время цикла на 8%.

Генеративный дизайн и автономный план

Алгоритмы генеративного проектирования исследуют миллионы потенциальных конфигураций роботов, используя облачные вычисления для поиска оптимальных структур, имитирующих биологические модели роста (например, костоподобные структуры решетки). Некоторые пакеты CAD теперь включают генеративные модули проектирования, которые автоматически создают несколько жизнеспособных альтернатив для оценки инженером. Будущие системы могут полностью автоматизировать дизайн воплощения для стандартизированных роботов, оставляя людей для обработки только самых новых или критически важных аспектов безопасности.

Интеграция с производственным моделированием

По мере того, как цифровые фабрики станут реальностью, дизайн воплощения будет связан с моделированием процесса (например, как робот взаимодействует с конвейерами, светильниками и другими машинами). Этот целостный подход, иногда называемый цифровым производством , гарантирует, что физический дизайн робота & #8217 не только соответствует спецификациям производительности, но и плавно вписывается в компоновку производственной линии.

Заключение

Вычислительное моделирование перешло от нишевого инструмента к краеугольному камню проектирования вариантов воплощения для промышленных роботов. Имитируя динамику многотела, структурную целостность, тепловое поведение и управляющие взаимодействия, инженеры могут оптимизировать геометрию робота и выбор компонентов с беспрецедентной точностью и скоростью. Преимущества ощутимы: более низкие затраты на разработку, более короткое время выхода на рынок, более высокая надежность и пользовательские конструкции, которые идеально настроены на конкретные задачи.

По мере того, как ИИ, цифровые двойники и генеративный дизайн созревают, роль инженера перейдет от ручного итерации проектов к курированию и проверке результатов автоматизированных систем. Результатом будут промышленные роботы, которые легче, сильнее, эффективнее и безопаснее, чем когда-либо прежде. Для производителей, стремящихся оставаться конкурентоспособными, инвестиции в возможности вычислительного моделирования больше не являются факультативными - это стратегический императив.

Чтобы узнать больше об обсуждаемых инструментах и методах, изучите ресурсы Американского общества инженеров-механиков или просмотрите тематические исследования, опубликованные Международной федерацией робототехники .