物理模型驱动的工业机器人装备运行能量有效多级协同优化

Aiming at the factory floor manufacturing system, how to realize the energy-efficient optimization of operation processes of industrial robot equipments, is the key to promote the sustainable development of intelligent manufacturing, and also to reduce energy consumption and enhance efficiency of production activities in manufacturing enterprises. From the perspective of model correlation, evolution prediction, and collaborative scheduling and control, this project explores the new theories and new methods for the dynamic modeling of energy efficiency, the process capability assessment, and the optimization of operation decision-making for industrial robot equipment. The project studies the multi-source energy consumption mechanism of industrial robot oriented to the manufacturing process, establishes the physical energy consumption model of the industrial robot equipment, so as to realize the accurate obtaining of the basic data and its statistical features of the energy efficiency of such running equipment. The project proposes the method of energy-efficient digital modeling and concurrent assessment for the running industrial robot equipment oriented to the multi-level hierarchy of workshop, reveals the evolutional running mechanism of equipment based on the physical model of manufacturing system, so that realize the accurate prediction of the equipment energy efficiency. The project also investigates the knowledge evolution mechanism driven by the data from the physics-based model, proposes the multi-level dynamic collaborative optimization of industrial robot equipment operation based on the interactive asymmetric negotiation, and to improve the energy efficiency of the whole factory floor manufacturing system. The research achievements, of energy-efficient optimization methods and systems for industrial robot equipment operation, will provide the theoretical and technological basis for facilitating the intelligence and sustainability of manufacturing enterprises.

以车间制造系统为对象，实现动态、不确定环境下工业机器人装备的运行过程能量有效优化，是推进智能制造模式可持续发展，实现制造企业生产活动节能增效的关键。本项目从“模型关联—演化预测—协同调控”角度出发，探索工业机器人装备能量有效动态建模和过程能力评估以及运行决策优化的新理论和新方法。研究面向生产过程的工业机器人装备多源能耗形成机理，建立其物理能耗模型，实现装备运行能量有效基础数据及其统计特征的准确获取；提出面向车间多级体系的工业机器人装备能量有效数字建模及装备运行并行评估方法，基于物理模型从制造系统整体揭示装备运行的演化规律，实现其能量有效性能的准确预测；挖掘物理模型数据驱动的知识进化机制，提出基于交互协商均衡的工业机器人装备运行多级协同动态优化方法，实现车间制造系统能量有效性能整体提升。本研究针对工业机器人装备运行开展的能量有效优化方法及系统将为制造企业智能化和可持续提供理论依据和技术基础。

工业机器人装备能量有效运行对制造系统能耗影响显著，实现工业机器人装备运行物理能耗模型构建以及能量有效数字建模和动态评估，在此基础上开展工业机器人装备运行能量有效多级协同动态优化，是推进智能制造模式可持续发展，实现制造企业生产活动节能增效的关键。本项目针对工业机器人装备运行能量有效性能整体提升需求，围绕面向车间多级体系的工业机器人装备运行能量有效协同优化中的相关科学问题展开研究。通过面向生产过程的工业机器人装备多源能耗形成机理分析与物理建模研究，基于测试数据分析了工业机器人装备多源能耗形成机理，提出了基于制造资源的特征级能力与产品特征相关联的工业机器人装备能耗物理建模方法。通过面向车间多级体系的工业机器人装备能量有效数字建模研究，提出了基于本体语义的车间多级体系工业机器人装备能量有效统一动态描述方法，以及基于数字孪生的工业机器人制造系统可重构建模方法。通过基于多源数据融合的工业机器人装备运行能量有效并行评估与演化预测研究，提出了面向车间多级体系的工业机器人装备运行能量有效并行评估指标体系和基于误差反馈的能量有效动态评估方法。通过工业机器人装备运行能量有效多级协同动态优化研究，构建了工业机器人装备运行能量有效多级协同优化模型，提出了基于DQN和改进蜂群算法等智能优化方法的工业机器人制造系统能量有效性能整体提升方法。最后，构建了工业机器人智能制造生产线数字孪生原型系统，以及基于数字孪生的汽车车身焊接生产线智能管控系统。通过项目执行，共发表学术论文35篇，其中SCI论文16篇，EI论文19篇；获授权发明专利2项，申请发明专利5项，登记计算机软件著作权12项；获得科研奖励5项，在学术会议做大会报告、特邀报告5次；培养已毕业博士研究生2人和硕士研究生30人。本项目研究所获得的理论、技术和工程应用成果对于工业机器人装备能量有效管控水平和系统整体性能提升具有重要的科学意义和应用价值。