Формирование траектории цифрового двойника многозвенного механизма с использованием адаптивного алгоритма оценки параметров нелинейного движения

Предмет исследования. Системы контроля автоматизированных линий требуют высокой точности и скорости обработки получаемой информации. В последние годы быстро развиваются технологии цифрового двойника, цифровой модели системы, повторяющей параметры реального объекта. Цифровой двойник используется в задачах удаленного контроля состояния реальных систем, испытаний реакций воздействия внешних факторов, без прямого влияния на реальную систему. Цифровой двойник применяется во многих сферах, таких как здравоохранение, промышленность, образование, городская инфраструктура и многих других. Несмотря на популярность исследований данной тематики, не выделено единого подхода к формированию цифрового двойника. Зачастую в современных работах освещается задача синтеза двойника с известными параметрами рассматриваемой системы. В данной работе предложен метод формирования цифрового двойника многозвенного механизма с неизвестными параметрами движения рассматриваемой системы, основанный на адаптивной оценке параметров траектории движения многозвенных механизмов, который способен облегчить задачу удаленного контроля состояния производства и расширить применимость технологии цифрового двойника на новый класс задач.

Метод. В работе представлено описание синтеза адаптивного регулятора, основанного на внутренней модели, приведено теоретическое обоснование представленного алгоритма, а также описано его применение в задаче слежения за траекторией движения многозвенного механизма.

Основные результаты. Выполнена экспериментальная апробация формирования цифрового двойника робота-манипулятора Kuka youBot в реальном времени с использованием адаптивного оценщика, основанного на внутренней модели. Адаптивная оценка параметров движения проведена для двух звеньев манипулятора с целью подтверждения возможности формирования цифрового двойника многозвенного механизма в условиях неизвестных параметров. Параметры движения звеньев робота-манипулятора задавались вручную посредством хаотических генераторов и не были известны адаптивному регулятору. Такой подход к формированию траектории движения звеньев манипулятора использован для оценки точности работы алгоритма путем вычисления ошибки слежения адаптивного алгоритма. Ошибка слежения определена как разность между эталонным воздействием, обеспечивающим движения манипулятора, и выходным сигналом адаптивного оценщика, который использован для описания траектории на модели робота-манипулятора в трехмерном пространстве. Проведены испытания, целью которых стала оценка ошибки слежения описываемого алгоритма. Положительными результатами принято считать сходимость ошибки слежения в области [–0,005, 0,005] рад. По результатам испытаний построены графики оценки, которые показали положительный результат. Существуют колебания ошибки слежения вокруг нуля, что обусловлено шумами измерений и задержками при симуляции режима работы реального времени в выбранной среде моделирования. По итогам испытаний приведены дальнейшие шаги по увеличению точности и производительности описываемого подхода к формированию цифрового двойника.

Практическая значимость. Результаты представленной работы могут быть использованы при дальнейших исследованиях технологий цифрового двойника, в условиях неизвестных параметров системы. Представленный метод формирования может применяться в задачах телеуправления манипуляторами, в системах контроля технического состояния роботов на производственной линии, а также в общих задачах слежения за траекторией движения многозвенных механизмов.

1. Rasheed A., San O., Kvamsdal T. Digital twin: Values, challenges and enablers from a modeling perspective // IEEE Access. 2020. V. 8. P. 21980–22012. https://doi.org/10.1109/ACCESS.2020.2970143

2. He B., Bai K.J. Digital twin-based sustainable intelligent manufacturing: A review // Advances in Manufacturing. 2021. V. 9. N 1. P. 1–21. https://doi.org/10.1007/s40436-020-00302-5

3. Cimino C., Negri E., Fumagalli L. Review of digital twin applications in manufacturing // Computers in Industry. 2019. V. 113. P. 103130. https://doi.org/10.1016/j.compind.2019.103130

4. Madni A.M., Madni C.C., Lucero S.D. Leveraging digital twin technology in model-based systems engineering // Systems. 2019. V. 7. N 1. P. 7. https://doi.org/10.3390/systems7010007

5. Tao F., Zhang H., Liu A., Nee A.Y.C. Digital twin in industry: Stateof-the-art // IEEE Transactions on Industrial Informatics. 2019. V. 15. N 4. P. 2405–2415. https://doi.org/10.1109/TII.2018.2873186

6. Lu Y., Liu C., Wang K.-K., Huang H., Xu X. Digital Twin-driven smart manufacturing: Connotation, reference model, applications and research issues // Robotics and Computer-Integrated Manufacturing. 2020. V. 61. P. 101837. https://doi.org/10.1016/j.rcim.2019.101837

7. Shahat E., Hyun C.T., Yeom C. City digital twin potentials: A review and research agenda // Sustainability. 2021. V. 13. N 6. P. 3386. https://doi.org/10.3390/su13063386

8. Bilberg A., Malik A.A. Digital twin driven human–robot collaborative assembly // CIRP Annals. 2019. V. 68. N 1. P. 499–502. https://doi.org/10.1016/j.cirp.2019.04.011

9. Gromov V., Borisov O., Vedyakov A., Pyrkin A., Shavetov S., Bobtsov A., Salikhov V., Aranovskiy S. Adaptive multisinusoidal signal tracking system with input delay // IFAC-PapersOnLine. 2016. V. 49. N 13. P. 105–110. https://doi.org/10.1016/j.ifacol.2016.07.935

10. Huang J. Nonlinear Output Regulation: Theory and Applications. SIAM, 2004. 318 p. https://doi.org/10.1137/1.9780898718683

11. Isidori А., Marconi L. Shifting the internal model from control input to controlled output in nonlinear output regulation // Proc. of the 51st IEEE Conference on Decision and Control (CDC). 2012. P. 4900–4905. https://doi.org/10.1109/CDC.2012.6426464

12. Astolfi D., Isidori A., Marconi L., Praly L. Nonlinear output regulation by post-processing internal model for multi-input multioutput systems // IFAC Proceedings Volumes (IFAC-PapersOnline). 2013. V. 9. N 1. P. 295–300. https://doi.org/10.3182/20130904-3FR-2041.00118

13. Pyrkin А., Isidori A. Adaptive output regulation of invertible mimo systems // IFAC-PapersOnLine. 2017. V. 50. N 1. P. 5498–5503. https://doi.org/10.1016/j.ifacol.2017.08.1089

14. Pyrkin А., Isidori A. Output regulation for robustly minimum-phase multivariable nonlinear systems // Proc. of the 56th IEEE Annual Conference on Decision and Control (CDC). 2017. P. 873–878. https://doi.org/10.1109/CDC.2017.8263769

15. Zapateiro M., Vidal Y., Acho L. A secure communication scheme based on chaotic duffing oscillators and frequency estimation for the transmission of binary-coded messages // Communications in Nonlinear Science and Numerical Simulation. 2014. V. 19. N 4. P. 991–1003. https://doi.org/10.1016/j.cnsns.2013.07.029