Giriş: Endüstriyel Robot Tasarımının Evrimi

Endüstriyel robotlar, üretim katlarını dönüştürmüş, tekrarlanan görevleri hız ve hassas bir şekilde yerine getiriyorlar, insan yeteneklerinin artırılması için tekrarlanan bir robot ve #82; fiziksel yapı, daha karmaşık hale gelir - robotların hassas montajlarını işlemek için robotları teşvik etmek, geleneksel olarak sıkıştırılmış ortamlara veya işbirliğine sahip olmak, insan işçileri ile işbirliği yapmak - optimize etmek için gerekli olan tasarım kritik hale gelir.

Bu makale, robotların nasıl inşa edildiğini yeniden şekillendiren temel teknikleri, pratik faydaları, gerçek dünya uygulamalarını kapsar ve robotların bir tasarım mühendisi, bir üretim yöneticisi veya robotik araştırmacı olup olmadığını ortaya koyan trendleri inceler, bu yöntemleri anlamak, verimliliği artırmak, maliyetleri azaltmak ve inovasyonu hızlandırmanıza yardımcı olacaktır.

Embodiment Design Nedir?

Embodiment tasarımı, kavramsal bir fikrin beton fiziksel bir düzene çevrilmesi olduğu ürün geliştirme aşamasıdır. endüstriyel robotlar için, bu, bağlantıların boyutunu, şekli ve ayarlamalarını, ortakların, eylemcileri, sensörler ve son etkiler. yüksek seviyeli fonksiyonel gereksinimler arasındaki boşlukları köprüler - ödeme kapasitesi, ulaşmak, hız ve doğruluk gibi - ve rehberlik eden ayrıntılı mühendislik çizimleri.

Embodiment tasarımı sırasındaki anahtar kararlar şunları içerir:

  • [FONT=0)Kinematik yapı:[Dönetici:[Dönetici:0)[Dönetici:0)[Dönetici, sferansiyel, sferansiyel, sfer, paralel, hibrit).
  • [FONT=0)Link Geometri: [Dönler, kesitler ve robotun kütle dağılımı ve robotun kolları veya vücut segmentleri.
  • [FONT=0)Malzeme seçimi:[Dönetici: [Dönetici:0))Malzeme seçimi:[Dönetici: [Dönetici:0)))
  • [FONT:0]Rektör ve iletim seçimleri: [Dönder: Motor türleri, dişli oranları, kemer gerilimleri ve toplan to denge tok ve hız için.
  • [FONT:0)Sensor entegrasyonu:[Döneticiler, güç/tork sensörleri ve geri bildirim kontrolü için vizyon sistemleri.

Her seçim performans üzerindeki cascading etkilere sahiptir. Daha uzun bir kol daha ulaşır, ancak sertlik azaltır ve daha büyük bir boşluklar ortaya çıkabilir. Daha ağır bir temel istikrar geliştirir, ancak maliyet ve zemin yüklemesini sağlar. Embodiment design temel olarak bu ticaret-offs. C ⁇ modellemesi, bu günlerde yüzlerce alternatifleri değerlendirmek mümkün kılar, aylar değil.

C ⁇ Modeling'in Embodiment Design'daki Rolü

C ⁇ modelleme, fiziksel sistemlerin matematiksel temsillerini çeşitli giriş ve koşullar altında tahmin etmek için kullanır. Robot tasarımında, bu modeller mekanik dinamikleri, yapısal stresleri, termal etkilerini ve kontrol yanıtlarını simüle eder. Dijital ikiz yaklaşımı - sanal bir çoğaltma aynaları ve #8220 test etmek için mühendislere izin verir; Donanım için risk olmadan senaryolar.

Multibody Dynamics

Multibody dinamik modeller robotu birbirine bağlı katı veya esnek vücut sistemi olarak tedavi eder. Her bir bileşen için hareket denklemlerini çözer, bilişim ortak torklar, ivmeleri ve tepki güçlerini bir yörünge boyunca hareket eden çok değişkenli simülasyonlar için uygularlar.Bu, yüksek çözünürlük profillerine geçiş zamanlarını azaltır.

Finite Element Analizi (FEA)

[FONT:0]Finite element analizi[[DDD CAD modeli ve uygulama yükleri (göçücü, sabit noktaları değerlendirmek için kullanılır, malzeme geri yüklemesi ve robot faktörleri ile karşı karşıya kalın. Örneğin, topoloji optimizasyonu - 3D CAD modeli ve uygulama yükleri (kömürücü, ücret yükü, sabit olmayan kuvvetler) ile maksimum sertlik elde etmek için malzeme dağıtılır.

Akış-Structure Interaction

Sert ortamlarda çalışan robotlar için (örneğin, toz fabrikaları, sualtı veya serin spreylerle), bilgisayar sıvı dinamikleri (CFD) robotun etrafındaki hava veya sıvı akışı modelleyebilir veya gömülü sürücüler için soğutma verimliliğini tahmin eder veya konumlama doğruluğunu etkileyebilecek güçleri tahmin eder.

Kontrol Sistem Simülasyonu

Fiziksel davranışların ötesinde, hesaplama modelleri kontrol mantığını içerebilir - PID kazanımlar gibi, ters kinematikler çözülür ve sanal robota karşı yazılımı test eder.0)Hardware-in-the-loop (HIL)) ve [[FONT:2model-in-the-loop (MIL) Simülasyonlar, zamanlama sorunları, sensör etkilerini açığa çıkarır veya limit döngüsü osilasyonları gösterir.

Bir Model-Driven Embodiment Design Workflow'un Faydaları

Embodiment tasarımının bir parçası olarak hesaplama modellemeyi benimseyen kuruluşlar birkaç metrikte önemli gelişmeler rapor eder:

  • [FONT:0)Redüktör maliyetlerine yol açtı.[[Dönetici:0))En az fiziksel iterasyonlar daha düşük malzeme kaybı, işleme zamanı ve iş anlamına gelir. lider bir otomotiv üreticisi, prototipi, lekeli robotları için simülasyona dayalı tasarıma giriş yaptıktan sonra% 60 oranında azalttı.
  • [FONT:0]Shorter gelişim döngüleri.[[Dönergesel simülasyon, eşzamanlı mühendislik sağlar – mekanik, elektrik ve yazılım takımları paylaşılan dijital modeller kullanarak paralel olarak çalışabilir.
  • [FONT=0) Yüksek güvenilirlik ve güvenlik.[[Dönetici:0] Simülasyonlar başarısızlık modlarını ortaya koyar (saf çatlaklar, rezonans frekansları) el hesaplamalarından veya basit testlerden açık olmayabilir. Robotlar güvenlik-kırık görevler için daha büyük güven ile sertifikalanabilir.
  • [FONT:0) Birden fazla çatışma hedefinin optimizasyonu.[DÜDÜDÜDÜ] Belirli bir görev için (örneğin, sıkı bir sprey standı içinde resim otomobil vücutları), hesaplama modelleri, ulaşılan, hız, enerji tüketimi ve maliyet arasındaki en iyi uzlaşmayı bulabilir. Multi-objective optimizasyon algoritmaları tasarım alanını verimli bir şekilde keşfeder.
  • [FONT:0]Better, niş uygulamalar için özelleştirme; ), yarı iletken üretim, gıda işleme ve tıbbi cihaz her biri benzersiz kısıtlamalar getiriyor. Hızlı simülasyon, mühendislere bu özel ortamlar için sıfırdan başlamadan robot geometrisini tertemiz izin verir.

Bir beton örneği: Japon paketleme robot üreticisi, FEA tabanlı topoloji optimizasyonunu, delta robot kollarını yeniden tasarlamak için kullandı. Elde edilen tasarım% 30 daha az malzeme kullandı,% 20 daha yüksek rezonans frekansı (profeksiyonlama) ve% 15 daha az enerji tüketti. Bu kazanımlar% 5 oranında testlerle doğrulandı.

Gerçek Dünya Uygulamaları ve Vaka Çalışmaları

Foundry Otomasyon için Ağır Ödeme Robotik Bir Alana Uygunluk

Bir Avrupa'nın bulduğu bir robota, sıcak metal dökümlerini, bir yumuşak tasarıma kadar ağırlık vererek ölçebilecek bir robota ihtiyaç duyuyordu. Geleneksel tasarım, büyük bir dökme-kron yapısına sahip olurdu, bu da yavaş ve pahalı olurdu. Çok az sayıdaki dinamik ve FEA mühendisleri, genel olarak yapılan bir sıcaklık yapılandırmasına yol açtı.

Intrinsic Safety ile Collaborative Robot Tasarlamak

Cobots insanlar etrafında güvende olmalı: temasa geçmeli ve üst düzey kuvvet ISO/TS 15066 tarafından kurulan güvenlik eşiğinin altında toplanan küçük bir kol ve insan kolu arasındaki çarpışmaları simüle etmek için bilgisayar destekli bir şekilde durdurmalı ve yaralanma riskini azaltmalıdır.

Bir Hassasiyet Meclisi Robotu için Topology Optimizasyon

Baskılanan devre kurulu (PCB) montajını hedefleyen bir robota alt metrelik bir doğrulukla ihtiyaç duyuyordu, ancak elde edilen kol, geleneksel bir topoloji optimizasyonu akışının () ile 10 kez daha elde edilen bir ağ hattını kullanarak, kabloların ve vakumlama işlemine izin verdi.

C ⁇ Modeling Zorluklar ve Sınırlamaları

Onun gücüne rağmen, hesaplama modellemesi bir gümüş mermi değildir. Mühendisler yanıltıcı sonuçlardan kaçınmak için birkaç zorluktan haberdar olmalıdır.

  • [FONT=0) Model sadakat ve basitleştirme[Dönetici:0) Her simülasyon varsayımları içerir - temasa geçmek veya özgürlük derecelerini azaltmak.Eğer bu varsayımlar çok agresifse, model fiziksel sistemde gerçekleşebilecek performans tahmin edebilir.En iyi uygulama, ekstrapolatingdan önce temel bir prototipe karşı basitleştirilmiş bir model doğrulamaktır.
  • [FONT:0)C ⁇ maliyeti.[[DÜDÜDÜDÜDÜDÜDÜDÜDÜDÜDÜDÜDÜDÜDÜDÜDÜŞÜNİVERSİADİ: 0 ) Yüksek sadakatli temas veya çokfiziksel darbe ile ilgili olarak, bir kümede saatlerce veya günler sürebilir. Balancing doğruluk, beceri gerektirir. Cloud Computing and GPU Hızlandırmaya yardımcı olur, ancak tüm üreticiler bu kaynaklara erişimine sahip değildir.
  • [FONT:0]Data Quality kalitesi ve malzeme özellikleri.[[Dönerge: Doğru simülasyon, hassas giriş verilerine bağlıdır: elastik, damping katları, bağlantıcı sertlik ve hareketleyici tok-hızlı eğrileri.Birçok kuruluşta, bu veriler robotun deneyimleyeceğinden farklı koşullar altında eksik veya ölçülmelidir.
  • [FONT:0) Geleneksel tasarım süreçleri ile ilgili olarak; Birçok mühendislik ekibi fiziksel prototipleme ve manuel hesaplamalara alışkındır. Model odaklı bir yaklaşıma geçiş, araçlama ve kültürel kabulde değişiklikler gerektirir.

Bu zorlukların çoğu zaman bir fazlı yaklaşım içerir: basit 2D veya katı modeller ile başlayın, sonra yavaş yavaş esneklik, sürtünme ve ısı etkilerini güvenle büyür. Hem simülasyon uzmanları ve test mühendislerini içeren Cross-fonksiyon takımları en iyi model doğrulamayı elde etmeye eğilimlidir.

Future: AI, Digital Twins ve Otomatik Tasarım

Embodiment tasarımı için modelleme hızla gelişiyor. Birkaç trend bunu daha güçlü hale getirmeye söz veriyor.

Yapay Zeka ve Makine Öğrenme

AI, bir eksiyon modeli olarak hareket ederek simülasyonu hızlandırabilir. Binlerce brute-force FEA simülasyonu yerine, daha küçük bir dizi sonuç için bir sinir ağı, o zaman milisaniyelerdeki yeni tasarımların performansıyla ilgili olarak, mühendislerin anlık bir kaydırıcı sürüklenme ve ortaya çıkan stres dağıtımını anında görmelerini sağlar. Araştırmacılar ayrıca robot morfolojiyi geliştirmeyi de kullanabilirler.

Sürekli İyileştirme için Dijital Twins

Bir robotu bir kez tasarlamadan ziyade, dijital ikizler, sanal modelin yaşamı boyunca fiziksel robota bağlı kalmasını sağlar. Fabrika zemininde sensörler gerçek yükleri, sıcaklıklarları geri beslemeye ve modele örnek olabilir, bu zaman bakım programlarını veya hatta bir sonraki nesil için bazı bileşenleri yeniden tasarlamaya izin verir.Bu kapalı-loop yaklaşımı, altı ay sonra bir kaynak robotunun son etkilerini optimize etmek için büyük bir Alman otomobil üreticisi tarafından kullanıldı.

Generative Design ve A Özerk Layoutoutout

Generative tasarım algoritmaları, mühendisin değerlendirmesini sağlamak için milyonlarca potansiyel robot konfigürasyonunu araştırıyor, bulut bilişimini standart robot kolları için bulmak için kullanıyor (örneğin, kemik benzeri lattice yapıları). Bazı CAD paketleri şimdi, mühendis için birkaç uygulanabilir alternatif üreterek, insanları standart robot kolları için tamamen otomatikleştirebilmeleri için, insanları sadece en yeni veya güvenlik-kırık yönleriyle başa bırakıyor.

İmalat Simülasyonu ile entegrasyon

Dijital fabrikalar gerçek hale geldiğinde, embodiment tasarımı, süreç simülasyonu ile bağlantılı olacaktır (örneğin, robotun yalnızca performans spektralları ile etkileşime giremediği, fikstürler ve diğer makinelerle nasıl etkileşime gireceği).Bu bütünsel yaklaşım - bazen robot tasarımının hat simülasyon zemini ile% 15 ve malzeme akışıyla birlikte gösterdiği görülür.

Sonuç Sonuç Sonuç Sonuç Sonuç Sonuç Sonuç Sonuç

C ⁇ modelleme, bir niş araçtan, endüstriyel robotlar için bir temel taşına taşındı. Çok sayıda dinamik, yapısal bütünlüğü, termal davranışı ve kontrol etkileşimleri, mühendisler robot geometrisini optimize edebilir ve benzer derecede basit bir şekilde bileşenleri seçebilirler: daha düşük geliştirme maliyetleri, daha kısa zaman pazarlama maliyetleri, daha yüksek güvenilirlik ve özel tasarımlar.

AI, dijital ikizler ve jeneratif tasarım olgun olarak, mühendisin rolü artık opsiyonel olmayan bir şekilde değişmeyecek ve otomatik sistemlerin üretimini doğrulayacak şekilde uygulayacak. Sonuç daha hafif, daha verimli ve daha güvenli olan endüstriyel robotlar olacaktır. çünkü üreticiler rekabetçi kalmaya çalışıyor, hesaplama modelleme yeteneklerine yatırım yapmak artık daha fazla seçenek değildir - stratejik bir zorunluluktur.

Tartışılan araçlar ve teknikler hakkında daha fazla bilgi edinmek için, [[Döneticileri [Dönetici Mühendisleri Derneği] tarafından yayınlanan ve [[Uluslararası Robotik Federasyonu).