CN111924661B - 基于孪生模型的化纤长丝落卷方法、系统及自动落卷设备 - Google Patents
基于孪生模型的化纤长丝落卷方法、系统及自动落卷设备 Download PDFInfo
- Publication number
- CN111924661B CN111924661B CN202010649705.1A CN202010649705A CN111924661B CN 111924661 B CN111924661 B CN 111924661B CN 202010649705 A CN202010649705 A CN 202010649705A CN 111924661 B CN111924661 B CN 111924661B
- Authority
- CN
- China
- Prior art keywords
- doffing
- winding
- production line
- temporary storage
- robot
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 239000000126 substance Substances 0.000 title claims abstract description 41
- 238000000034 method Methods 0.000 title claims abstract description 40
- 239000000835 fiber Substances 0.000 title claims abstract description 39
- 238000004804 winding Methods 0.000 claims abstract description 174
- 238000004519 manufacturing process Methods 0.000 claims abstract description 121
- 238000003860 storage Methods 0.000 claims description 79
- 238000005457 optimization Methods 0.000 claims description 20
- 238000013507 mapping Methods 0.000 claims description 18
- 238000004088 simulation Methods 0.000 claims description 9
- 230000001133 acceleration Effects 0.000 claims description 7
- 238000004364 calculation method Methods 0.000 claims description 7
- 238000004891 communication Methods 0.000 claims description 6
- 238000012545 processing Methods 0.000 claims description 6
- 230000009172 bursting Effects 0.000 claims description 4
- 238000004880 explosion Methods 0.000 description 7
- 238000010586 diagram Methods 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 238000010276 construction Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000007380 fibre production Methods 0.000 description 2
- 238000012216 screening Methods 0.000 description 2
- 238000009987 spinning Methods 0.000 description 2
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000002349 favourable effect Effects 0.000 description 1
- 238000009730 filament winding Methods 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000004806 packaging method and process Methods 0.000 description 1
- 230000033764 rhythmic process Effects 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
- 239000002699 waste material Substances 0.000 description 1
Images
Classifications
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B65—CONVEYING; PACKING; STORING; HANDLING THIN OR FILAMENTARY MATERIAL
- B65H—HANDLING THIN OR FILAMENTARY MATERIAL, e.g. SHEETS, WEBS, CABLES
- B65H67/00—Replacing or removing cores, receptacles, or completed packages at paying-out, winding, or depositing stations
- B65H67/04—Arrangements for removing completed take-up packages and or replacing by cores, formers, or empty receptacles at winding or depositing stations; Transferring material between adjacent full and empty take-up elements
- B65H67/0405—Arrangements for removing completed take-up packages or for loading an empty core
- B65H67/0411—Arrangements for removing completed take-up packages or for loading an empty core for removing completed take-up packages
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B65—CONVEYING; PACKING; STORING; HANDLING THIN OR FILAMENTARY MATERIAL
- B65H—HANDLING THIN OR FILAMENTARY MATERIAL, e.g. SHEETS, WEBS, CABLES
- B65H63/00—Warning or safety devices, e.g. automatic fault detectors, stop-motions ; Quality control of the package
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B19/00—Programme-control systems
- G05B19/02—Programme-control systems electric
- G05B19/418—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS] or computer integrated manufacturing [CIM]
- G05B19/41885—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS] or computer integrated manufacturing [CIM] characterised by modeling, simulation of the manufacturing system
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B65—CONVEYING; PACKING; STORING; HANDLING THIN OR FILAMENTARY MATERIAL
- B65H—HANDLING THIN OR FILAMENTARY MATERIAL, e.g. SHEETS, WEBS, CABLES
- B65H2701/00—Handled material; Storage means
- B65H2701/30—Handled filamentary material
- B65H2701/31—Textiles threads or artificial strands of filaments
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B2219/00—Program-control systems
- G05B2219/30—Nc systems
- G05B2219/32—Operator till task planning
- G05B2219/32339—Object oriented modeling, design, analysis, implementation, simulation language
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/02—Total factory control, e.g. smart factories, flexible manufacturing systems [FMS] or integrated manufacturing systems [IMS]
Landscapes
- Engineering & Computer Science (AREA)
- Quality & Reliability (AREA)
- Manufacturing & Machinery (AREA)
- General Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Replacing, Conveying, And Pick-Finding For Filamentary Materials (AREA)
Abstract
本发明提出一种基于孪生模型的化纤长丝落卷方法，包括：构建卷绕生产线对应的数字孪生模型；获取该卷绕生产线进行落卷操作的优化方案，以所有该优化方案构建为该数字孪生模型的方案数据库；通过该数字孪生模型获取一未来时刻该卷绕生产线的预测参数，根据该预测参数从该方案数据库中选取落卷方案；当到达该未来时刻时，控制该卷绕生产线以该落卷方案进行落卷操作。本发明还提出一种基于孪生模型的化纤长丝落卷系统，以及一种自动落卷设备。
Description
技术领域
本发明涉及化纤生产技术领域，特别是涉及一种基于孪生模型的化纤长丝落卷系统及方法。
背景技术
化纤长丝卷装落卷作业是典型的劳动密集型作业场景，人员劳动强度大、作业环境恶略，生产24小时连续，原有的人工作业模式已经难以满足企业发展的需求。众多龙头企业都在着手采用自动化设备替代人工，完成这一操作。
目前国内大部分化纤生产龙头企业已经采用了全自动落卷系统替代传统的手工作业方式。
中国发明专利“纱锭自动输送系统及纱锭自动输送方法”（申请号：CN102431849A）中设计了一种用于化纤长丝落卷及输送的方法，目前也在企业中广泛应用。全自动落卷系统的配置包括落卷机器人、暂存设备、装车旋转台及相关信息显示、管理系统。落卷机器人是全自动落卷系统中的核心设备，用于替代人工完成落丝卷作业。目前，企业化纤长丝卷绕机生产线，卷绕机台布置为32台至96台不等，一字排开，每台卷绕机一次可完成12个卷装（一轴）的成型作业。一条卷绕机生产线配置一至两台落卷机器人，每台落卷机器人一次可以落卷1-3轴（根据机器人配置不同）。当一台卷绕机满卷之后，会发出满卷呼叫，落卷机器人根据呼叫指令自动运行至相应位置完成落卷作业，多轴落卷机器人根据卷绕机完成信号呼叫顺序，一次接取多轴丝卷，再将丝卷自动放置到专用的转运丝箱上，以供后期包装生产使用。而落卷机工作的顺序，受PLC系统的限制，完全按照卷绕机呼叫顺序决定。
目前化纤长丝卷装成型，一条生产线上的卷绕机可同时生产不同种类，不同规格的多种产品，他的满卷时间（从开始落卷到落卷完成的时间）和爆管时间(发出满卷信号到出现爆管状况的时间)都不相同，而目前化纤行业落卷作业的控制调度均采用PLC程序控制，采用排队理论，优先呼叫原则，既先呼叫先处理，落卷机器人只能按照呼叫先后去落卷，无法综合考虑落卷的位置、爆管时间等多重因素，经常需要人工参与处理，甚至出现爆管废丝的情况，现有的这种控制调度方式已经不能够满足高质量生产要求。
数字孪生是充分利用物理模型、传感器更新、运行历史等数据，集成多学科、多物理量、多尺度、多概率的仿真过程，在虚拟空间中完成映射，从而反映相对应的实体装备的全生命周期过程。数字孪生是一种超越现实的概念，可以被视为一个或多个重要的、彼此依赖的装备系统的数字映射系统。把数字孪生技术应用于化纤长丝卷装成型生产，将具备以下优势：
1、实现现场生产状况的实时可视化监控；
2、实时掌握设备运行状态，工作计划执行情况，对设备维护，排产安排有很好的指导作用；
3、可以在模型中模拟现实生产，判断后续生产状况，提前预判可能的问题，提早干预，减少损失。也可以在改变生产条件时，在模型里预演，有利于发现可能出现的问题；
4、能够通过模型仿真，准确掌握落卷机器人的落卷能力，有利于新线建设时设备的选配；
5、对一车多轴，多车同线情况下的优化调度，可以大幅提高生产效率。
发明内容
为解决上述问题，本发明公开了一种基于孪生模型的化纤长丝落卷方法，包括：构建卷绕生产线对应的数字孪生模型；获取该卷绕生产线进行落卷操作的优化方案，以所有该优化方案构建为该数字孪生模型的方案数据库；通过该数字孪生模型获取一未来时刻该卷绕生产线的预测参数，根据该预测参数从该方案数据库中选取落卷方案；当到达该未来时刻时，控制该卷绕生产线以该落卷方案进行落卷操作。
进一步的，该卷绕生产线包括多台卷绕机、至少一台落卷机器人和暂存设备，该落卷机器人执行落卷操作，该落卷操作包括对该卷绕机卷绕完毕的卷装进行落卷，并将取下的卷装输送至该暂存设备；该优化落卷方案包括该落卷机器人进行落卷操作时具有最高落卷效率的落卷路径。
进一步的，通过该卷绕生产线的属性参数构建该数字孪生模型，通过该卷绕生产线的实时参数构建该卷绕生产线与该数字孪生模型之间的等价映射；该属性参数包括：该卷绕机的数量，每台该卷绕机的实际位置，该卷绕机卷绕的卷装类型及对应的满卷时间和爆管时间，该落卷机器人空载、半载和满载时的正常移动速度、最大允许移动速度和最大可用加速度，该落卷机器人的可落卷轴数，该暂存装置的实际位置、正常暂存量和最大可用暂存量；该实时参数包括：该落卷机器人的当前位置、装载情况，每个该卷绕机的当前卷装类型、卷绕开始时间、拟完成卷装数量和满卷时发出的满卷信号，该暂存设备的当前暂存量；该预测参数包括：在该未来时刻，该落卷机器人的预测位置、预测装载情况，每个该卷绕机发出满卷信号的预测时间，该暂存设备的预测暂存量。
优选的，于当前时刻T0获取未来时刻T0+Δt该卷绕生产线的预测参数，满足在Δt时长内，接收到的该满卷信号的个数不大于N个，N为该落卷机器人的处理能力阈值，N为正整数。
优选的，通过累积该卷绕生产线历史生产数据的方式，和/或根据该属性参数理论计算的方式，和/或数字孪生模型仿真的方式，获取该优化落卷方案。
本发明还提出一种基于孪生模型的化纤长丝落卷系统，包括：模型构建模块，用于构建该卷绕生产线对应的数字孪生模型；数据库生成模块，用于获取该卷绕生产线进行落卷操作的优化方案，以所有该优化方案构建为该数字孪生模型的方案数据库；方案选择模块，用于通过该数字孪生模型获取一未来时刻该卷绕生产线的预测参数，根据该预测参数从该方案数据库中选取落卷方案；操作控制模块，用于当到达该未来时刻时，控制该卷绕生产线以该落卷方案进行落卷操作。
进一步的，该卷绕生产线包括多台卷绕机、至少一台落卷机器人和暂存设备，该落卷机器人执行落卷操作，该落卷操作包括对该卷绕机卷绕完毕的卷装进行落卷，并将取下的卷装输送至该暂存设备；该优化落卷方案包括该落卷机器人进行落卷操作时具有最高落卷效率的落卷路径。
进一步的，通过该卷绕生产线的属性参数构建该数字孪生模型，通过该卷绕生产线的实时参数构建该卷绕生产线与该数字孪生模型之间的等价映射；该属性参数包括：该卷绕机的数量，每台该卷绕机的实际位置，该卷绕机卷绕的卷装类型及对应的满卷时间和爆管时间，该落卷机器人空载、半载和满载时的正常移动速度、最大允许移动速度和最大可用加速度，该落卷机器人的可落卷轴数，该暂存装置的实际位置、正常暂存量和最大可用暂存量；该实时参数包括：该落卷机器人的当前位置、装载情况，每个该卷绕机的当前卷装类型、卷绕开始时间、拟完成卷装数量和满卷时发出的满卷信号，该暂存设备的当前暂存量；该预测参数包括：在该未来时刻，该落卷机器人的预测位置、预测装载情况，每个该卷绕机发出满卷信号的预测时间，该暂存设备的预测暂存量。
优选的，该方案选择模块中，于当前时刻T0获取未来时刻T0+Δt的该卷绕生产线的预测参数，满足在Δt时长内，接收到的该满卷信号的个数不大于N个，N为该落卷机器人的处理能力阈值，N为正整数。
优选的，该数据库生成模块中，通过累积该卷绕生产线历史生产数据的方式，和/或根据该属性参数理论计算的方式，和/或数字孪生模型仿真的方式，获取该优化落卷方案。
本发明还提出一种计算机可读存储介质，存储有可执行指令，该可执行指令被处理器执行时，实现如前所述的化纤长丝落卷方法。
本发明还提出一种自动落卷设备，包括：卷绕生产线，包括多台卷绕机、至少一台落卷机器人和暂存设备，该卷绕机、该落卷机器人和该暂存设备上均设置有获取实时参数的传感器；中控装置与该卷绕机、该落卷机器人和该暂存设备通信连接，包括处理器和计算机可读存储介质；该处理器调取并执行该计算机可读存储介质中的可执行指令时，实现如前所述的化纤长丝落卷方法。
附图说明
图1是本发明的基于孪生模型的化纤长丝落卷方法流程图。
图2是本发明的数字孪生模型生成示意图。
图3是本发明的化纤长丝落卷系统结构示意图。
图4A、4B是本发明的自动落卷设备示意图。
具体实施方式
下面结合附图对本发明的具体实施方式做出进一步的详细说明，所描述的实施例仅仅是本发明的一种实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有付出创造性劳动前提下所获得的所有其它实施例，都属于本发明的保护范围。
本发明所公开的技术应用于化纤长丝生产前纺车间，主要是解决化纤长丝卷装的自动落卷作业效率优化。本发明的自动落卷系统是通过孪生系统中优化计算的方式代替传统PLC的控制优化方式，从而提供工作效率，进行以落卷机器人为核心器件的一整套前纺落卷系统所涉及的硬件建模，包括落卷机器人、卷绕机、暂存设备（或装车台）的相对位置，全部按照真实车间的实际情况构建数字孪生模型，并建立数字孪生模型与硬件设备的等价映射；然后输入实时参数参数，包括落卷机器人的速度、加速度，卷绕机的满卷时间、爆管时间，暂存设备的存储数量、装车卷装要求等，从而真实模拟一整套生产流程。
在数字孪生模型建立完成之后，需要将现场设备的实时参数加以采集，并传送给数字孪生模型，用数据驱动数字孪生模型内个装备的运行状态，可以实时显示落丝机的位置，清楚落丝机处于接丝、落丝或者空闲状态；其次，明确哪些卷绕机已发出满卷信号，以及根据输入的落卷时间推算出即将满卷的机位。之后，发挥计算机系统的计算优势，系统针对多轴落卷机器人需要接取不同工作位置及不等爆管时间卷装的任务，等综合因素的分析，通过程序计算对落卷路径的效率进行分析比较，得出完成目前工作任务的最优工作路线，最后，将工作路径下发至现实落卷机器人控制系统，使落卷系统效率达到最高。
图1是本发明的基于孪生模型的化纤长丝落卷方法流程图。如图1所示，本发明的化纤长丝落卷方法，具体包括：
步骤S1，获取卷绕生产线的属性参数，以构建卷绕生产线的数字孪生模型；获取卷绕生产线当前化纤长丝生产的实时参数，以构建数字孪生模型与卷绕生产线的等价映射；
卷绕生产线包括卷绕机、落卷机器人和暂存设备（或装车台），通常一条卷绕生产线具有32-96台卷绕机，卷绕机一字排开，每台卷绕机一次可完成12个卷装（一轴）的卷绕（成型）作业；一条卷绕生产线配置一至两台落卷机器人，每台落卷机器人一次可以落卷1-3轴；获取卷绕机的数量，每台卷绕机的实际位置，卷绕机卷绕的卷装类型及对应的满卷时间和爆管时间，落卷机器人空载、半载和满载时的正常移动速度、最大允许移动速度和最大可用加速度，落卷机器人的可落卷轴数，暂存装置的实际位置、正常暂存量和最大可用暂存量等设备的属性参数，可以构建出卷绕生产线的数字孪生模型；
卷绕机、落卷机器人和暂存设备上都设置有工作状态传感器，以获取卷绕机、落卷机器人和暂存设备的实时工作状态，例如落卷机器人的当前位置、装载情况，卷绕机的当前卷装类型、卷绕开始时间、拟完成卷装数量和满卷时发出的满卷信号，暂存设备的当前暂存量等实时参数；通过这些实时参数，可以构建为数字孪生模型与卷绕生产线的等价映射，如果将数字孪生模型看做虚拟的卷绕生产线，当形成等价映射后，卷绕生产线与对应的数字孪生模型互为镜像，例如对数字孪生模型的操作就可以在卷绕生产线上产生实时的作用，相反，卷绕生产线的工作状态的变化，以可以实时的反应在数字孪生模型中；即，在构建完成等价映射后，可通过数字孪生模型感知卷绕生产线的实时工作状态，也可以通过对数字孪生模型的操作，来控制卷绕生产线，如图2所示。
步骤S2，通过穷举法获取卷绕生产线各种生产状态下的优化方案，以所有的优化方法构建为数字孪生模型的方案数据库；其中，优化方案包括落卷机器人进行落卷操作时具有最高落卷效率的落卷路径；
由于卷绕生产线具有多台卷绕机，不同时刻每台卷绕机、落卷机器人和暂存设备的实时参数都可能存在不同，使得每一时刻卷绕生产线都可能具有特定的生产状态。例如，在T'时刻，有卷绕机m1（卷绕A类型卷装）、m2（卷绕B类型卷装）在T'-Δt'到T'的时段依次发出满卷信号但还未落卷，此时卷绕生产线具有p生产状态，因此T'时刻需要生成落卷方案是在p生产状态时的落卷路径，并且应当为具有最高落卷效率对应的优化落卷路径p'，需要落卷机器人根据优化落卷路径p'对卷绕机m1、m2进行落卷操作；在T"时刻，有卷绕机m3（卷绕C类型卷装）、m4（卷绕A类型卷装）、m5（卷绕A类型卷装）在T"-Δt'到T"的时段依次发出满卷信号但还未落卷，此时卷绕生产线具有q生产状态，因此T"时刻需要生成落卷方案是在q生产状态时的优化落卷路径q'，需要落卷机器人根据优化落卷路径q'对卷绕机m3、m4、m5进行落卷操作，|T"-T'|≥Δt'。以上举例说明，卷绕生产线具有不同的生产状态时，会有不同的优化落卷方案，使落卷机器人在执行落卷操作时达到最高落卷效率。
各生产状态下优化方案通过穷举法获得，例如，收集卷绕生产线的历史落卷方案数据，并进行筛选以获得尽可能多的生产状态对应的优化方案，以理论计算方式获得尽可能多的生产状态对应的优化方案，使用卷绕生产线对应的数字孪生模型进行仿真，生成虚拟的落卷方案并从中筛选出各生产状态对应的优化方案等，可以通过以上任意方法或任意方法的组合获取优化方案，本发明并不以此为限。
将获得的所有优化方案构建为数字孪生模型的方案数据库；并可以在后续的落卷操作中，通过以上穷举法获得新增的优化落卷方案，以更新方案数据库。
步骤S3，通过该数字孪生模型获取一未来时刻该卷绕生产线的预测参数，并根据预测参数，从方案数据库中进行比对，选取对应的优化方案作为未来时刻落卷机器人要执行的落卷方案；
本发明的落卷方案包括落卷机器人对一台或多台卷绕机进行落卷操作并将取下的卷装输送至暂存设备整个过程的实际落卷路径，落卷机器人会按照落卷方案中的落卷路径，对卷绕机卷绕完毕的卷装进行落卷，再将取下的卷装输送至暂存设备；在多台卷绕机都达到满卷时间后，落卷机器人需要根据实际落卷路径依次对卷绕机进行落卷操作；
基于数字孪生模型具备的数字仿真的特性，于本发明的实施例中，可以对卷绕生产线的工作状态进行预测，例如，在当前时刻（T0时刻）对Δt时间后的未来时刻（T0+Δt时刻）落卷生产线的工作状态进行预测，得到T0+Δt时刻，落卷生产线中落卷机器人的位置、装载情况，每个卷绕机已发出的满卷信号的时间，暂存设备的暂存量等预测参数，从而使数字孪生模型可以根据这些预测参数从方案数据库中进行比对，获取优化方案作为T0+Δt时刻落卷机器人可以执行的落卷方案，由于得到预测参数到执行落卷方案最多可以有Δt的时差，因此，在获得落卷方案后，判定所获得落卷方案依然无法对Δt时长内所有满卷的卷装完成落卷操作时，提前发出警告，提醒操作人员介入落卷操作以避免或减少可能的损失；
本发明的落卷方法中，通常需要对Δt设定限制，考虑到落卷机器人的落卷能力，需要满足在Δt时长内，接收到的满卷信号的个数不大于N个，其中N为落卷机器人在一个平均落卷操作周期内的处理能力阈值，N为正整数；
步骤S4，当到达T0+Δt时刻，通过等价映射控制落卷机器人执行落卷方案；
执行落卷方案时，可以为无人工干预的闭环操作，也可以为有人工干预的开环操作，即可以由操作者部分或完全修改落卷方案，本发明并不以此为限。
图3是本发明的化纤长丝落卷系统结构示意图。如图3所示，本发明还提出一种化纤长丝落卷系统，包括：模型构建模块、数据库生成模块、方案选择模块和操作控制模块；其中，模型构建模块，用于构建该卷绕生产线的数字孪生模型，并建立数字孪生模型与卷绕生产线的等价映射；数据库生成模块，用于获取卷绕生产线进行落卷操作的优化方案，以所有优化方案构建为数字孪生模型的方案数据库；方案选择模块，用于通过该数字孪生模型获取一未来时刻该卷绕生产线的预测参数，根据该预测参数从该方案数据库中选取落卷方案；操作控制模块，用于当到达该未来时刻时，通过该等价映射控制该卷绕生产线以该落卷方案进行落卷操作。相对于卷绕生产线的卷绕机、落卷机器人和暂存设备，以上模块设置于中控装置。
卷绕机的数量，每台卷绕机的实际位置，卷绕机卷绕的卷装类型及对应的满卷时间和爆管时间，落卷机器人空载、半载和满载时的正常移动速度、最大允许移动速度和最大可用加速度，落卷机器人的可落卷轴数，暂存装置的实际位置、正常暂存量和最大可用暂存量等属性参数属于卷绕生产线固有属性的反映，卷绕生产线的属性参数被模型构建模块获取后，构建为卷绕生产线的数字孪生模型；卷绕生产线的卷绕机、落卷机器人和暂存设备上的工作状态传感器，获取卷绕机、落卷机器人和暂存设备的实时工作状态，例如落卷机器人的当前位置、装载情况，卷绕机的当前卷装类型、卷绕开始时间、拟完成卷装数量和满卷时发出的满卷信号，暂存设备的当前暂存量等实时参数，卷绕生产线的实时参数被等价映射模块获取后，构建为数字孪生模型与卷绕生产线的等价映射；当生成卷绕生产线对应的数字孪生模型并建立数字孪生模型与卷绕生产线的等价映射后，即构建出数字孪生模型与卷绕生产线的镜像，如此一来，当在T0时刻，数字孪生模型对卷绕生产线进行数字仿真并获得T0+Δt时刻的预测参数后，由方案选择模块将预测参数与方案数据库进行比对，以挑选出落卷机器人在T0+Δt时刻将要执行落卷方案，操作控制模块在T0+Δt时刻通过等价映射控制落卷机器人执行落卷操作。
数字孪生模型中包括方案数据库，通过数据库生成模块采用穷举法获得的各生产状态下优化落卷方案所构建，所述穷举法包括：①收集卷绕生产线的历史落卷方案数据，并进行筛选以获得尽可能多的生产状态对应的优化落卷方案，②以理论计算方式获得尽可能多的生产状态对应的优化落卷方案，③使用卷绕生产线对应的数字孪生模型进行仿真，并生成虚拟的落卷方案并从中筛选出各生产状态对应的优化落卷方案，本发明的数据库生成模块可以通过①、②、③、①+②、②+③、①+③或①+②+③的方法获取优化落卷方案，本发明并不以此为限。
图4A、4B是本发明的自动落卷设备示意图。如图4A、4B所示，本发明实施例还提供一种自动落卷设备，包括卷绕生产线和中控装置，其中卷绕生产线包括卷绕机1、落卷机器人2和暂存设备3，卷绕机1具有M台，通常M处于32到96之间，落卷机器人2具有1到2台，卷绕机1、落卷机器人2和暂存设备3上均设置有获取实时参数的传感器；中控装置4包括计算机可读存储介质及处理器，处理器调取并执行计算机可读存储介质中的可执行指令，以实现基于数字孪生的化纤长丝落卷方法，中控装置4与卷绕机1、落卷机器人2和暂存设备3通信连接，例如采用有线或无线方式的直接通信连接，如图4A所示，以及采用公共通信干线5进行的总线方式通信连接，如图4B所示。本领域普通技术人员可以理解上述方法中的全部或部分步骤可通过程序来指令相关硬件(例如处理器、FPGA、ASIC等)完成，所述程序可以存储于可读存储介质中，如只读存储器、磁盘或光盘等。上述实施例的全部或部分步骤也可以使用一个或多个集成电路来实现。相应地，上述实施例中的各模块可以采用硬件的形式实现，例如通过集成电路来实现其相应功能，也可以采用软件功能模块的形式实现，例如通过处理器执行存储于存储器中的程序/指令来实现其相应功能。本发明实施例不限制于任何特定形式的硬件和软件的结合。
本发明的基于数字孪生的化纤长丝落卷方法可以获得以下技术效果：
(1)在多个卷绕机呼叫的情况下，落卷机器人以最省时完成落卷操作任务；
(2)可以在卷装的落卷任务超过落丝机器人的最大处理能力，提示进行人工参与的落卷操作；通过有选择性的让人工协助，取走一些机位的卷装，从而以最高效的完成繁重情况，最快恢复正常生产节奏；
(3)模拟出落卷机器人的基本工作能力。
本发明的描述和应用是说明性的，并非想将本发明的范围限制在上述实施例中。这里所披露的实施例的变形和改变是可能的，对于那些本领域的普通技术人员来说实施例的替换和等效的各种部件是公知的。本领域技术人员应该清楚，在不脱离本发明的精神或本质特征的情况下，本发明可以以其它形式、结构、布置、比例，以及用其它组件、材料和部件来实现。这样，倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内，则本发明也意图包含这些改动和变型在内。
Claims (12)
1.一种基于孪生模型的化纤长丝落卷方法，其特征在于，包括：
构建卷绕生产线对应的数字孪生模型；
获取该卷绕生产线进行落卷操作的优化方案，以所有该优化方案构建为该数字孪生模型的方案数据库；
通过该数字孪生模型获取一未来时刻该卷绕生产线的预测参数，根据该预测参数从该方案数据库中选取落卷方案；
当到达该未来时刻时，控制该卷绕生产线以该落卷方案进行落卷操作。
2.如权利要求1所述的化纤长丝落卷方法，其特征在于，该卷绕生产线包括多台卷绕机、至少一台落卷机器人和暂存设备，该落卷机器人执行落卷操作，该落卷操作包括对该卷绕机卷绕完毕的卷装进行落卷，并将取下的卷装输送至该暂存设备；
该优化方案包括该落卷机器人进行落卷操作时具有最高落卷效率的落卷路径。
3.如权利要求2所述的化纤长丝落卷方法，其特征在于，通过该卷绕生产线的属性参数构建该数字孪生模型，通过该卷绕生产线的实时参数构建该卷绕生产线与该数字孪生模型之间的等价映射；
该属性参数包括：该卷绕机的数量，每台该卷绕机的实际位置，该卷绕机卷绕的卷装类型及对应的满卷时间和爆管时间，该落卷机器人空载、半载和满载时的正常移动速度、最大允许移动速度和最大可用加速度，该落卷机器人的可落卷轴数，该暂存设备的实际位置、正常暂存量和最大可用暂存量；
该实时参数包括：该落卷机器人的当前位置、装载情况，每个该卷绕机的当前卷装类型、卷绕开始时间、拟完成卷装数量和满卷时发出的满卷信号，该暂存设备的当前暂存量；
该预测参数包括：在该未来时刻，该落卷机器人的预测位置、预测装载情况，每个该卷绕机发出满卷信号的预测时间，该暂存设备的预测暂存量。
4.如权利要求3所述的化纤长丝落卷方法，其特征在于，于当前时刻T0获取未来时刻T0+Δt该卷绕生产线的预测参数，满足在Δt时长内，接收到的该满卷信号的个数不大于N个，N为该落卷机器人的处理能力阈值，N为正整数。
5.如权利要求3所述的化纤长丝落卷方法，其特征在于，通过累积该卷绕生产线历史生产数据的方式，和/或根据该属性参数理论计算的方式，和/或数字孪生模型仿真的方式，获取该优化方案。
6.一种基于孪生模型的化纤长丝落卷系统，其特征在于，包括：
模型构建模块，用于构建卷绕生产线对应的数字孪生模型；
数据库生成模块，用于获取该卷绕生产线进行落卷操作的优化方案，以所有该优化方案构建为该数字孪生模型的方案数据库；
方案选择模块，用于通过该数字孪生模型获取一未来时刻该卷绕生产线的预测参数，根据该预测参数从该方案数据库中选取落卷方案；
操作控制模块，用于当到达该未来时刻时，控制该卷绕生产线以该落卷方案进行落卷操作。
7.如权利要求6所述的化纤长丝落卷系统，其特征在于，该卷绕生产线包括多台卷绕机、至少一台落卷机器人和暂存设备，该落卷机器人执行落卷操作，该落卷操作包括对该卷绕机卷绕完毕的卷装进行落卷，并将取下的卷装输送至该暂存设备；
该优化方案包括该落卷机器人进行落卷操作时具有最高落卷效率的落卷路径。
8.如权利要求7所述的化纤长丝落卷系统，其特征在于，该模型构建模块中，通过该卷绕生产线的属性参数构建该数字孪生模型，通过该卷绕生产线的实时参数构建该卷绕生产线与该数字孪生模型之间的等价映射；
该属性参数包括：该卷绕机的数量，每台该卷绕机的实际位置，该卷绕机卷绕的卷装类型及对应的满卷时间和爆管时间，该落卷机器人空载、半载和满载时的正常移动速度、最大允许移动速度和最大可用加速度，该落卷机器人的可落卷轴数，该暂存设备的实际位置、正常暂存量和最大可用暂存量；
该实时参数包括：该落卷机器人的当前位置、装载情况，每个该卷绕机的当前卷装类型、卷绕开始时间、拟完成卷装数量和满卷时发出的满卷信号，该暂存设备的当前暂存量；
该预测参数包括：在该未来时刻，该落卷机器人的预测位置、预测装载情况，每个该卷绕机发出满卷信号的预测时间，该暂存设备的预测暂存量。
9.如权利要求8所述的化纤长丝落卷系统，其特征在于，该方案选择模块中，于当前时刻T0获取未来时刻T0+Δt该卷绕生产线的预测参数，满足在Δt时长内，接收到的该满卷信号的个数不大于N个，N为该落卷机器人的处理能力阈值，N为正整数。
10.如权利要求8所述的化纤长丝落卷系统，其特征在于，该数据库生成模块中，通过累积该卷绕生产线历史生产数据的方式，和/或根据该属性参数理论计算的方式，和/或数字孪生模型仿真的方式，获取该优化方案。
11.一种计算机可读存储介质，存储有可执行指令，该可执行指令被处理器执行时，实现如权利要求1-5任一项所述的基于孪生模型的化纤长丝落卷方法。
12.一种自动落卷设备，其特征在于，包括：
卷绕生产线，包括多台卷绕机、至少一台落卷机器人和暂存设备，该卷绕机、该落卷机器人和该暂存设备上均设置有获取实时参数的传感器；
中控装置，与该卷绕机、该落卷机器人和该暂存设备通信连接，包括处理器和计算机可读存储介质；该处理器调取并执行该计算机可读存储介质中的可执行指令时，实现如权利要求1-5任一项所述的基于孪生模型的化纤长丝落卷方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010649705.1A CN111924661B (zh) | 2020-07-08 | 2020-07-08 | 基于孪生模型的化纤长丝落卷方法、系统及自动落卷设备 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010649705.1A CN111924661B (zh) | 2020-07-08 | 2020-07-08 | 基于孪生模型的化纤长丝落卷方法、系统及自动落卷设备 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN111924661A CN111924661A (zh) | 2020-11-13 |
| CN111924661B true CN111924661B (zh) | 2022-04-19 |
Family
ID=73313402
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010649705.1A Active CN111924661B (zh) | 2020-07-08 | 2020-07-08 | 基于孪生模型的化纤长丝落卷方法、系统及自动落卷设备 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111924661B (zh) |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPH0734333A (ja) * | 1993-07-16 | 1995-02-03 | Toyota Autom Loom Works Ltd | 紡機の停止方法及び装置 |
| CN102431849A (zh) * | 2011-10-10 | 2012-05-02 | 北京机械工业自动化研究所 | 络筒转运小车、纱锭自动输送系统及纱锭自动输送方法 |
| CN107861478A (zh) * | 2017-10-17 | 2018-03-30 | 广东工业大学 | 一种智能车间平行控制方法及系统 |
| DE102017010473A1 (de) * | 2017-11-10 | 2019-05-16 | Oerlikon Textile Gmbh & Co. Kg | Maschinenanlage zur Herstellung oder Behandlung synthetischer Fäden |
| CN110683419A (zh) * | 2019-10-11 | 2020-01-14 | 广州高谱技术有限公司 | 一种数字孪生工业控制系统结构 |
| CN111046589A (zh) * | 2019-12-31 | 2020-04-21 | 郑州轻工业大学 | 一种智能产线可试验数字孪生体建模方法 |
Family Cites Families (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| IN171162B (zh) * | 1987-05-20 | 1992-08-08 | Rieter Ag Switzerland Maschf | |
| US4916625A (en) * | 1988-09-08 | 1990-04-10 | E. I. Du Pont De Nemours And Company | Inferential time-optimized operation of a fiber producing spinning machine by computerized knowledge based system |
| JP3543369B2 (ja) * | 1994-07-11 | 2004-07-14 | 株式会社豊田自動織機 | 紡機の玉揚げ管理システム |
| JP2007308814A (ja) * | 2006-05-16 | 2007-11-29 | Murata Mach Ltd | 玉揚げ装置を有する繊維機械 |
| JP2009242029A (ja) * | 2008-03-28 | 2009-10-22 | Murata Mach Ltd | 繊維機械システム及び繊維機械 |
| CN106530111A (zh) * | 2016-12-01 | 2017-03-22 | 东华大学 | 一种面向智能棉纺生产的cps架构 |
| CN109933035A (zh) * | 2019-04-24 | 2019-06-25 | 中国科学院重庆绿色智能技术研究院 | 一种基于数字孪生的生产线控制系统、方法及生产系统 |
| CN111071579A (zh) * | 2019-05-09 | 2020-04-28 | 北自所（北京）科技发展有限公司 | 卷装自动检测包装系统和方法 |
| CN110424075B (zh) * | 2019-09-04 | 2023-09-08 | 中国科学院重庆绿色智能技术研究院 | 一种纺织机器人上位机智能落纱控制系统及方法 |
| CN110980425B (zh) * | 2019-12-06 | 2021-08-27 | 广东科达洁能股份有限公司 | 丝饼自动落筒系统及其多伺服驱动器同步控制方法 |
-
2020
- 2020-07-08 CN CN202010649705.1A patent/CN111924661B/zh active Active
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPH0734333A (ja) * | 1993-07-16 | 1995-02-03 | Toyota Autom Loom Works Ltd | 紡機の停止方法及び装置 |
| CN102431849A (zh) * | 2011-10-10 | 2012-05-02 | 北京机械工业自动化研究所 | 络筒转运小车、纱锭自动输送系统及纱锭自动输送方法 |
| CN107861478A (zh) * | 2017-10-17 | 2018-03-30 | 广东工业大学 | 一种智能车间平行控制方法及系统 |
| DE102017010473A1 (de) * | 2017-11-10 | 2019-05-16 | Oerlikon Textile Gmbh & Co. Kg | Maschinenanlage zur Herstellung oder Behandlung synthetischer Fäden |
| CN110683419A (zh) * | 2019-10-11 | 2020-01-14 | 广州高谱技术有限公司 | 一种数字孪生工业控制系统结构 |
| CN111046589A (zh) * | 2019-12-31 | 2020-04-21 | 郑州轻工业大学 | 一种智能产线可试验数字孪生体建模方法 |
Non-Patent Citations (1)
| Title |
|---|
| 自动化智能化新技术在纺织企业的应用分析;姚剑钧等;《黑龙江纺织》;20200615(第02期);第27-29页 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN111924661A (zh) | 2020-11-13 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN113361139A (zh) | 一种基于数字孪生的产线仿真滚动优化系统及方法 | |
| KR102178663B1 (ko) | 염색가공 시스템 및 방법 | |
| CN111924663B (zh) | 采用集中控制的化纤长丝落卷方法、系统及自动落卷设备 | |
| CN107065793A (zh) | 流水线实时监控管理方法、流水线实时监控管理装置 | |
| CN107450501A (zh) | 一种应用于自动化灌装生产车间的制造执行系统 | |
| CN111063026A (zh) | 基于数字孪生的智能生产过程精确建模仿真系统及方法 | |
| CN101639687A (zh) | 一种集成化工艺质量控制系统及其实现方法 | |
| CN111924660B (zh) | 基于孪生模型的化纤长丝落卷方法、系统及自动落卷设备 | |
| CN111924659B (zh) | 基于孪生模型的化纤长丝落卷方法、系统及自动落卷设备 | |
| CN111924661B (zh) | 基于孪生模型的化纤长丝落卷方法、系统及自动落卷设备 | |
| CN115237073A (zh) | 基于数字孪生的单轨双落丝机调度方法、装置及存储介质 | |
| CN114789941B (zh) | 一种基于模糊控制及神经网络的智能绕线控制方法及装置 | |
| CN111679634A (zh) | 一种智能粗纱管理系统 | |
| CN111924664B (zh) | 采用集中控制的化纤长丝落卷方法、系统及自动落卷设备 | |
| CN208506582U (zh) | 一种动态调节生产路径的柔性生产控制系统 | |
| US20230297085A1 (en) | Equipment effectiveness in manufacturing environment | |
| CN111924662B (zh) | 采用集中控制的化纤长丝落卷方法、系统及自动落卷设备 | |
| CN112850172A (zh) | 一种码垛机控制系统及控制方法 | |
| CN116203911A (zh) | 一种光纤预制棒沉积车间过程测试棒投放调度方法及系统 | |
| CN113837550A (zh) | 一种基于数字孪生的重调度方法、系统及装置 | |
| CN106468880B (zh) | 监控转换控制系统 | |
| CN117993683A (zh) | 一种强化学习自动排产方法、系统、设备及介质 | |
| JP2011237952A (ja) | プラント運転管理・支援システム | |
| WO2022042985A1 (en) | Method and system for predicting a production line standstill time for an industrial automation arrangement | |
| CN111103857B (zh) | 一种考虑可用加工时段的实时重新调度方法 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant | ||
| CP03 | Change of name, title or address |
Address after: Building 3, No.1 Jiaochangkou Street, Xicheng District, Beijing, 100120 Patentee after: Beizisuo (Beijing) Technology Development Co.,Ltd. Address before: 100032 Room 302, building 8, No.1 jiaochangkou street, Xicheng District, Beijing Patentee before: RIAMB (BEIJING) TECHNOLOGY DEVELOPMENT Co.,Ltd. |
|
| CP03 | Change of name, title or address |