基于數字孿生的碰撞預測系統

王文華

摘? 要：工廠內人、車、設備交叉作業頻繁，工作環境復雜，駕駛員視距受限，容易因疲勞、視角盲區等影響，造成誤操作，從而導致碰撞事故的發生。該文提出了一種基于數字孿生的碰撞預測系統，分析了系統的技術架構，在此基礎上給出碰撞預測模型的開發方法，將預測結果反饋至實際物理世界中，調整物理世界中的碰撞預測對象的運行狀態，同時用物理世界中數據實時迭代更新碰撞預測結果，實現了工廠內的碰撞預測。以焊接成品車間碰撞預測場景為例，驗證了所提方法的有效性與適用性。

關鍵詞：? ?數字孿生? ?碰撞預測模型? ?移動要素? ?數據采集

中圖分類號：TP391.41? ? ? ? 文獻標識碼：A

The System of Collision Prediction Based on Digital Twin

WANG Wenhua

（China Railway Construction Heavy Industry Co.， Ltd.， Changsha， Hunan Province， 410100 China）

Abstract： In the factory， workers， vehicles and equipment cross operations frequently， the working environment is complex， the driver's sight distance is limited， and it is easy to cause misoperation due to fatigue， blind area of view， etc.， leading to collision accidents. This paper puts forward a system of collision prediction based on digital twin， and analyzes the technical architecture of the system. On this basis， it gives the development method of the collision prediction model， feeds prediction results into the actual physical world， adjusts the operating state of collision prediction objects in the physical world， iteratively updates collision prediction results in real time with the data in the physical world， and realizes the collision prediction in the factory. It takes the collision prediction scenario in the welding finished product workshop as an example， and verifies the effectiveness and applicability of the proposed method.

Key Words： Digital twin; Collision prediction model; Move factors; Data acquisition

隨著智能化工廠的發展，生產車間生產自動化、智能化程度越來越高，少人化及人機協同的生產方式為制造行業發展趨勢，因此，工廠的安全管理顯得尤為重要。

工廠生產車間內存在很多移動和不移動的元素，很多移動的元素由人控制或者由內部程序自動控制。當人的控制與程序自動控制的制造生產邏輯未統一或者存在控制偏差時，則容易發生碰撞事故。由于缺乏有效的碰撞監控預測手段，設備一旦發生碰撞事故將直接損壞設備、威脅人身安全、影響生產進度，嚴重影響裝備制造效率，并導致維護成本上升、產品成品率降低以及造成生命財產安全事故問題，因此，檢查工廠車間現場的碰撞情況[1]，以及預防碰撞事故的發生是必不可少的。

針對以上問題，將打造物理車間移動要素的鏡像數字孿生體，建立基于數字孿生碰撞預測系統，實現實時數據采集、預測、反饋控制[2]。另一方面，對工廠生產進行精準度較高、實時性較好的碰撞預測[3-5]，在虛擬世界中預測碰撞事故的發生，并自動做出決策，將決策指令實時反饋至物理世界的碰撞預測對象中，從根源上制止碰撞事故的發生。

1? 數字孿生碰撞預測系統開發

1.1 系統總體架構

總體技術架構分為物理層、數據層、模型層、軟件層、應用層五個部分，其中：物理層為人、起重設備、物流轉運車、AGV小車、叉車等碰撞預測對象；數據層包含定位基站信號采集、UWB通信傳輸等軟硬件，以及定位類數據、預測模型反饋的控制類數據等，是數字孿生技術應用的基礎；模型層主要是應用機理模型、模擬仿真模型、碰撞預測模型等關鍵技術，是基于數字孿生碰撞預測系統的核心；軟件層包含移動要素仿真、碰撞預測分析、決策數據下發等功能，是數字孿生技術應用的載體；應用層包含虛實鏡像、人機交互、碰撞預測等，將實現基于數字孿生的碰撞預測系統中虛實數據的融合應用。

1.2 虛擬工廠場景構建

虛擬工廠場景構建主要通過3D激光掃描、幾何建模、逆向建模等數字化的方式，拷貝工廠內實際物理世界中的碰撞預測對象信息，在三維建模引擎軟件中建立同等比例的數字模型，構建廠內的數字孿生場景，為虛擬世界與物理世界的鏡像映射提供數據來源和模型基礎[6-8]。

三維建模引擎軟件中可進行人機交互界操作，通過按鈕切換鏡頭，方便用戶查看廠內車間中數字孿生場景中某個局部地區的實時狀態場景[9]。

1.3 碰撞預測對象虛實同步

定義工廠內的碰撞預測對象為移動要素，移動要素包含起重設備、AGV小車、叉車、登高作業車、其他物料轉運設備、人員等可移動的設備或者人員等。

在每個移動要素上安裝定位標簽，通過UWB室內定位技術，采集工廠內移動的人和設備的實時定位數據，以獲取移動要素的狀態和空間位置。采用數字孿生系統與車間物聯網系統雙向傳輸的方式，建立虛實聯動的雙向數據傳輸通道，實現各移動要素的虛實空間聯動控制。

根據實際物理世界的工廠環境和虛擬世界的工廠環境坐標映射關系，將移動要素的位置信息鏡像映射至虛擬世界的工廠環境中，并通過可視化界面實時監控虛擬工廠中的變化，以便碰撞預測計算[10-11]。

2? 基于數字孿生的碰撞預測模型開發

開發基于數字孿生的碰撞預測模型[5]，通過“獲取—感知—預測—反饋控制”閉環控制流程框架，建立自感知、自分析、自決策、自反饋、自執行虛實融合的碰撞預測系統，系統流程如圖1所示。

2.1 設置監測半徑L

為減小兩兩碰撞對象之間的計算量，對所有的碰撞預測對象設置監測半徑L，為此碰撞預測對象的監測范圍，且監測范圍隨該碰撞預測對象的移動而移動。以每個碰撞預測對象及其監測范圍為單個單元，進行碰撞預測計算。在每個單元中，剔除該碰撞預測對象監測范圍外的點，只對監測范圍內的點進行碰撞預測計算，這樣可以減少計算量。

在監測范圍內，以每個碰撞預測對象為圓心由中心至外分別設置為防撞區域、限速區域、預警區域。分析碰撞預測對象處于不同的區域時，對其采取不同的措施。

其中防撞區域半徑根據每個碰撞預測對象當前的剎車停止距離為參考來計算。防撞區域參數設置為，限速區域參數設置為，預警區域參數設置為。其中，。

2.2 實時更新每個碰撞預測對象坐標

在虛擬世界中，在每個掃描周期內實時更新碰撞預測對象動態數據，使虛擬世界中的預測對象信息（空間位置和移動方向、移動速度）與實際物理世界中保持同步，以便進行碰撞預測的計算。

2.3 推算碰撞預測對象的當前運動狀態

定義虛擬世界中碰撞預測對象的幾何中心點為碰撞監測點。利用當前碰撞監測點的位置微分變化可求出在單個掃描周期內位移變化，進而求出當前碰撞監測點的速度和方向。

設單個掃描時間為，設定當前移碰撞監測點實時坐標為，上一個掃描周期該檢測點坐標為，單個掃描周期內至的位移變化為

計算出碰撞監測點當前速度為

利用空間直線的表達公式，計算碰撞監測點運動斜率

2.4 劃定監測區域，標記碰撞預測對象

確定碰撞監測點當前運動方向后，劃定該碰撞對象的監測區域。

碰撞預測對象的監測半徑為設置值，碰撞檢測角度為3D球體角度。以每個碰撞預測點為單個單元，設定該碰撞預測點為中心預測點，確定每個單元的監測區域內其他預測對象，并標記，納入與該中心預測點單元內進行計算。且該碰撞監測區域隨碰撞預測點位置變化而平移變化，監測區域內其他預測對象隨每個掃描周期而變化一次。

遍歷該工廠內所有的碰撞預測點，在每個單元內進行監測區域劃分和碰撞預測對象標記。

2.5 計算剎車停止距離，確定碰撞預測分級區域

計算每個碰撞監測點在當前速度以及方向下的剎車停止距離，為碰撞預測分級區域劃分提供數據依據。位移、速度、時間關系公式計算為

減速停止速度與時間關系為

其中為初始速度，為加速度，為時間。

其中，可為當前碰撞預測點的反饋速度，減速時間為

若該碰撞預測點為靜止狀態時，則。

減速停止距離為時間到的積分，碰撞預測點的剎車停止距離為從當前時間至時間未來剎車停止時間長度的積分

根據微分定律其中 。

以碰撞檢測點A為例，R為碰撞監測點的剎車停止距離，則防撞區域半徑，限速區域半徑為，預警區域半徑為，如圖2所示。其中

2.6 計算監測區域內中心預測點與標記碰撞預測對象的兩兩距離

在系統每個掃描周期中，計算中心預測點A的監測范圍內與其他預測對象兩兩之間的距離，設定其他要素為B，求AB實時位置點之間的距離

（12）

上個掃描周期兩兩對象空間距離

在每個掃描周期內將兩兩對象的距離與上個掃描周期的距離比較，并判斷兩兩碰撞檢測對象是靠近還是遠離。若，則兩空間碰撞對象為遠離的運行狀態，判定此兩對象不存在碰撞風險，不對現場做任何反饋處理；若，兩空間碰撞對象為靠近的運行狀態，將進一步對此兩對象進行分析判定，預測發生碰撞的不同情況。

2.7 實時分析兩兩碰撞監測點距離

以地面碰撞預測對象距離分析為例，如圖3所示，分析發生碰撞的情況。

設定碰撞監測點點的防撞距離，限速區域距離為，預警區域距離為，碰撞監測點點的防撞距離，限速區域距離為，預警區域距離為，碰撞監測點點碰撞分析及反饋處理表見表1。

比較分析與碰撞預測分級區域距離時，同時應分析碰撞監測點點和點在平面的直線坐標距離，防止吊裝繩索纏繞。

設定在軸和軸方向上，繩索纏繞的安全距離分別為和，若

則無碰撞風險。若不能滿足此條件，則碰撞預測對象進行緊急剎車處理。

2.8 動態更新，迭代優化

減速或剎車過程中通過數字孿生系統，實時獲取現場碰撞監測點的速度，反饋至系統中進行計算，碰撞監測點速度公式（2）實時變化，減速停止速度與時間關系公式（5）實時變化，減速時間公式（6）實時變化。碰撞監測點從當前時間至未來剎車停止時間過程中，剎車停止距離公式（7）變化，從而防撞距離、限速區域距離、預警區域距離變化，動態更新該碰撞預測對象的碰撞預測分級區域，再次分析兩兩碰撞監測對象的距離，預測可能發生碰撞的情況，判定是否對現場移動要素采取措施。

3? 應用案例

由于在焊接成品車間物料運轉和行車操作的動作較多，對防碰撞預測的需求較多，故將該系統應用于焊接成品車間的碰撞預測。圖4為焊接成品車間某一行車周邊的碰撞預測場景。

基于5G網絡的TCP/ip通信，建立數字處理中心與數字孿生系統平臺的雙向通訊傳輸。采集現場行車、登高車、人員的實時位置信息，在系統三維建模引擎軟件中進行運動仿真，如圖5所示，同時進行碰撞預測計算，將計算結果實時反饋至焊接車間的行車、登高車，控制現場行車、登高車減速或者緊急剎車，減少碰撞事故的發生，碰撞預測結果及反饋處理表2所示。

4 結語

該文簡要分析了基于數字孿生的碰撞預測系統?；陂_源平臺，搭建了基于數字孿生的碰撞預測系統，集成應用機理模型、模擬仿真模型、碰撞預測模型等關鍵技術，通過工廠物聯網建立物理工廠與數字孿生虛擬工廠之間的雙向數據傳遞機制，實時反饋更新并迭代優化，形成“人—機—物”實時感知預測反饋、交互聯動的工廠數字孿生碰撞預測應用。并以焊接成品車間某一行車周邊的碰撞預測場景為例，驗證此方法的可行性和有效性。與傳統碰撞預測方法相比，通過數字孿生碰撞預測系統對實際工廠內的移動要素實時檢測和碰撞預測，該方法有效提升了碰撞預測的有效性、實時性、精準度，綜合解決了工廠現場生產潛在的碰撞風險，大大降低了現場意外事故的發生率，具有應用推廣意義。

參考文獻

[1]? 馮剛敏.基于BIM技術的箱梁施工鋼筋碰撞檢查應用研究[J].鐵道建筑技術，2022，355（10）：125-127，153.

[2]? 祁迪，吳范.數字孿生CIM平臺在黃帝故里景區應用研究[J].鐵道建筑技術，2022，355（10）：202-206.

[3]江雪梅，袁子航，婁平，等.一種基于數字孿生的重型數控機床碰撞檢測方法[J].中國機械工程，2022，33（22）：2647-2654，2663.

[4]? 昊琪，李浩，文笑雨，等.基于數字孿生的產品設計過程和工作量預測方法[J].計算機集成制造系統，2022，28（1）：17-30.

[5]? 孟冠軍，張磊，馬存徽.基于孿生數據的產品裝配過程質量預測模型[J].組合機床與自動化加工技術，2022，577（3）：126-129.

[6]? 張佳朋，劉檢華，龔康，等.基于數字孿生的航天器裝配質量監控與預測技術[J].計算機集成制造系，2021，27（2）：605-616.

[7]? 郭具濤，洪海波，鐘珂珂，等.基于數字孿生的航天制造車間生產管控方法[J].中國機械工程，2020，31（7）：808-814.

[8]? ?陶飛，程穎，程江峰，等.數字孿生車間信息物理融合理論與技術[J].計算機集成制造系統，2017，23（8）：1603-1611.

[9]? 趙浩然，劉檢華，熊輝，等.面向數字孿生車間的三維可視化實時監控方法[J].計算機集成制造系統，2019，25（6）：1432-1443.

[10] 陶飛，程穎，程江峰，等.數字孿生車間信息物理融合理論與技術[J].計算機集成制造系統，2017，23（8）：1603-1611.

[11] 馬林軍，黃偉，原志寧，等.基于BIM技術的碰撞檢測方法優化研究[J].城市道橋與防洪，2022，284（12）：190-192，24.