【研究】数字孪生工业机器人_概念框架_关键技术与案例研究

微信扫码，打开到小程序

系统仿真学报 系统仿真学报© Journal of System Simulation 第 37 卷第 7 期 2025 年 7 月 Vol. 37 No. 7 Jul. 2025 数字孪生工业机器人 数字孪生工业机器人：概念框架 概念框架、关键技术与案例研究 关键技术与案例研究 刘永奎 1，杨康 1，脱奔奔 1，潘亚铎 1，王欣宇 1，王一涵 1，龚永乾 1，张霖 2，王力翚 3， 林廷宇 4，訾斌 1，李元 5，游玮 6，徐旬 7 (1. 西安电子科技大学 机电工程学院，陕西 西安 710071；2. 北京航空航天大学 自动化科学与电气工程学院，北京 100191； 3. 瑞典皇家理工学院 生产工程系，斯德哥尔摩 10044；4. 北京市复杂产品先进制造系统工程技术研究中心 北京仿真中心，北京 100854； 5. 合肥工业大学 机械工程学院，安徽 合肥 230009；6. 埃夫特智能装备股份有限公司，安徽 芜湖 241007； 7. 奥克兰大学 机械工程系，奥克兰 1142) 摘要 摘要：为有效提升工业机器人价值及其全生命周期管理水平，将数字孪生与工业机器人进行深度 融合，探讨一种新的工业机器人概念——数字孪生工业机器人。阐述数字孪生工业机器人的概念、 构成和典型特征，并提出数字孪生工业机器人的体系架构。从“设计-制造-运维-退役”全生命周 期的角度，系统梳理数字孪生工业机器人的关键技术。通过案例研究验证所提概念框架的有效性。 总结并探讨数字孪生工业机器人的未来发展趋势。 关键词 关键词：数字孪生；工业机器人；数字孪生工业机器人；全生命周期 中图分类号：TP391 文献标志码：A 文章编号：1004-731X(2025)07-1723-30 DOI: 10.16182/j.issn1004731x.joss.25-0230 引用格式 引用格式: 刘永奎, 杨康, 脱奔奔, 等. 数字孪生工业机器人:概念框架、关键技术与案例研究[J]. 系统仿真学报, 2025, 37(7): 1723-1752. Reference format: Liu Yongkui, Yang Kang, Tuo Benben, et al. Digital Twinned Industrial Robot: Conceptual Framework, Key Technologies, and Case Study[J]. Journal of System Simulation, 2025, 37(7): 1723-1752. Digital Twinned Industrial Robot: Conceptual Framework, Key Technologies, and Case Study Liu Yongkui1, Yang Kang1, Tuo Benben1, Pan Yaduo1, Wang Xinyu1, Wang Yihan1, Gong Yongqian1, Zhang Lin2, Wang Lihui3, Lin Tingyu4, Zi Bin1, Li Yuan5, You Wei6, Xu Xun7 (1. School of Mechano-Electronic Engineering, Xidian University, Xi'an 710071, China; 2. School of Automation Science and Electrical Engineering, Beihang University, Beijing 100191, China; 3. Department of Production Engineering, KTH Royal Institute of Technology, Stockholm 10044, Sweden; 4. Beijing Complex Product Advanced Manufacturing Engineering Research Center, Beijing Simulation Center, Beijing 100854, China; 5. School of Mechanical Engineering, Hefei University of Technology, Hefei 230009, China; 6. Efort Intelligent Equipment Co. , Ltd. , Wuhu 241007, China; 7. Department of Mechanical Engineering, The University of Auckland, Auckland 1142, New Zealand) Abstract: To effectively enhance the value and full life cycle management level of industrial robots, this paper integrated deeply digital twin with industrial robots and discussed a new concept, namely digital twinned industrial robot (DTIR). It defined the concept, composition, and typical characteristics of DTIRs and proposed their system architecture. From the perspective of the full life cycle of "design, manufacturing, operation and maintenance, and decommissioning", the key technologies of DTIRs were systematically sorted out. Furthermore, the validity of the proposed conceptual framework was verified through a case study. Finally, the paper summarized the findings and discussed the future development trends of DTIRs. Keywords: digital twin; industrial robot; digital twinned industrial robot; full life cycle 收稿日期：2025-03-25 修回日期：2025-05-28 基金项目：国家重点研发计划(2024YFB4709400)；陕西省自然科学基础研究计划(2025JC-YBMS-669) 第一作者：刘永奎(1981-)，男，教授，博士，研究方向为具身智能机器人、数字孪生工业机器人、人形机器人、智能制造。 第 37 卷第 7 期 2025 年 7 月 Vol. 37 No. 7 Jul. 2025 系统仿真学报 Journal of System Simulation http: // www.china-simulation.com 0 引言 引言 在第五次工业革命和全球经济转型的背景下， 制造业已成为全球竞争中的核心要素。智能制造 是推动制造业高质量发展的关键驱动力，也是推 动经济发展、优化产业结构、增强国际竞争力的 核心力量 [1-2]。制造装备在推动智能制造发展过程 中扮演着重要角色，是实现智能制造的基础和核 心。工业机器人作为智能制造的代表性装备之一， 在工业智能化进程中发挥着重要作用 [3]，广泛应用 在汽车制造 [4]、机加工 [5]、物流 [6]等多个领域。随 着智能制造的发展，生产模式正在朝着个性化、 智能化、绿色和可持续发展等方面转变，传统工 业机器人的局限性愈发明显。例如，传统工业机 器人通常需要针对特定任务进行专业的编程，难 以快速适应新的生产任务，且大多数工业机器人 不具备自感知、自诊断和自修复能力，无法实现 其全生命周期过程的高效管控。因此，亟需引入 新技术来提升工业机器人的全生命周期管控能力。 数字孪生(digital twin，DT)为工业机器人数字 化和智能化升级提供了一种有效手段 [7]。研究人员 在数字孪生与工业机器人融合方面开展了大量探 索，在诸多方面取得了一定的进展，如机器人编 程 [8-10]、智能操作 [11-12]、状态监控 [13-15]、预测性维 护 [16-17]等，显著提高了工业机器人的工作效率和可 靠性。尽管如此，当前数字孪生与工业机器人的 深度融合仍面临一些关键挑战。首先，针对理论 框架的研究不足，缺乏统一的功能层级定义与交 互机制。其次，在关键技术方面需进一步探索， 全生命周期的服务能力仍有待提升。另外，标准 化体系与行业规范尚不完善。 针对上述问题，本文提出数字孪生工业机器 人这一概念，数字孪生工业机器人是一个虚实融 合的智能 CPS (cyber-physical systems)，其通过融 合机理、数据和知识等信息构建高保真数字孪生 模型，利用仿真、优化、诊断、预测和决策等智 能化手段实现对工业机器人全生命周期的智能管 控，为推动工业机器人的高质量发展提供新动力。 首先，系统回顾数字孪生及其在工业机器人领域 的研究和应用现状，并在此基础上对数字孪生和 工业机器人融合发展的趋势和需求进行分析。其 次，探讨数字孪生工业机器人的概念，从构成、 功能和发展三个角度总结数字孪生工业机器人的 典型特征，并提出数字孪生工业机器人的体系架 构。进一步从“设计-制造-运维-退役”全生命周 期的角度系统分析和梳理数字孪生工业机器人的 关键技术。最后，通过案例研究验证所提概念和 架构的有效性，并展望数字孪生工业机器人的未 来发展趋势及应用前景。 1 研究和应用现状 研究和应用现状 1.1 数字孪生 数字孪生 数字孪生的概念源于对物理系统与其虚拟模 型之间关系的探索。2002年，Grieves在密歇根大 学为产品生命周期管理中心成立而向工业界发表 演讲时，首次提出了产品生命周期管理的概念模 型，涉及现实空间与虚拟空间之间的数据流动 [18]。 同年，NASA 的 John Vickers 首次提出“数字孪 生”一词，并于 2010 年将其列入技术路线草案 中 [19]。2012 年，Grieves 首次对数字孪生概念进行 了定义，实现了从镜像空间模型到信息镜像模型 的转变。5年后，进一步提出数字孪生包括现实空 间中的物理产品、虚拟空间中的虚拟产品，以及 连接这两个空间的数据和信息的双向交互 [18,20]。 Gartner公司于2017年将数字孪生技术列为十大战 略技术之一，并预测其应用场景将在未来出现显 著增长 [21]。 随着时间的推移，越来越多的学者开始研究 数字孪生，提出了不同的定义和应用场景以赋能 相 关 行 业 的 升 级 和 转 型 。 2012 年 ， NASA 的 Glaessgen 与 Stargel [22]强调了数字孪生在多物理和 多尺度仿真中的应用，并指出了实时数据采集的 重要性。Boschert 等 [23]于 2015 年进一步扩展了数 • 1724 • 第 37 卷第 7 期 2025 年 7 月 Vol. 37 No. 7 Jul. 2025 刘永奎, 等: 数字孪生工业机器人: 概念框架、关键技术与案例研究 http: // www.china-simulation.com 字孪生的应用范围，涉及产品全生命周期的各个 阶段。2018年，数字孪生的应用范围进一步扩大， 涵盖了制造业、工业互联网等多个领域 [24-25]。Liu 等 [26]介绍了数字孪生的研究现状、概念演变、关 键技术，以及各生命周期阶段对应的工业应用。 研究者们开始关注如何通过实时数据采集技术、 数据映射技术和预测技术来实现物理与虚拟世界 的融合 [27]。Zhang 等 [28]探讨了数字孪生数据采集、 存储、融合和演化的基本原理、方法和关键技术， 并提出了数字孪生数据方面所面临的挑战。 目 前 ， 数 字 孪 生 正 处 于 快 速 发 展 时 期 [29]。 2020年，Gartner将数字孪生列为未来5~10年的新 兴技术。自2022年以来，Scopus引文数据库连续 三年都有超过 3 000 篇有关数字孪生的论文发表。 数字孪生的概念已从理论研究走向实际应用，尤 其是在军事和工业领域。数字孪生能够通过虚实 融合和信息互通实现装备、车间、系统的智能管 控，对于企业的降本增效具有重要意义 [30]。 1.2 数字孪生在工业机器人领域的研用现状 数字孪生在工业机器人领域的研用现状 数字孪生在工业机器人领域得到进一步的发 展和应用。郭海祥等 [31]利用 SolidWorks 和 3dsMax 对工业机器人各零件进行三维建模与装配，并使 用 Unity 引擎构建了工业机器人的数字孪生模型。 李家鹏等 [32]将数字孪生技术应用于码垛机器人以 优化其运行参数，从而消除怠工状态，提高了装 箱与码垛的作业效率。张香玲等 [33]以工业机器人 多功能系统为主要载体，设计并研制了基于数字 孪生的工业机器人多功能系统应用平台。目前， 数字孪生与工业机器人的融合正在从概念走向具 体应用，但在标准化、智能化方面仍需要进一步 研究。本节从工业机器人数字孪生模型构建方法 和基于数字孪生的工业机器人智能应用两个方面 对数字孪生在工业机器人领域的研究和应用现状 进行回顾和总结。 1.2.1 工业机器人数字孪生模型构建方法 工业机器人数字孪生模型构建方法 工业机器人是一个多学科交叉、多领域耦合、 多层级组合的复杂装备，其构成具有“零件-组 件-部件-系统”的多层级组合特征，同时涉及机 械、电气、控制等多个领域，涵盖了机械工程、 电子工程、计算机科学、人工智能等多个学科领 域 [34-36]。因此，工业机器人数字孪生模型是一个融 合机理、知识、数据等多源信息的综合模型，建 模时需要多学科的知识融合 [37]。梁超等 [38]提出了 一种基于关键特征的工业机器人健康管理数字孪 生模型，通过组织健康管理中所需的数据、算法 和分析结果，实现了工业机器人在智能制造环境 下的健康管理。陆涵等 [39]提出了装备数字孪生可 信评估框架，为装备数字孪生的构建和评估指明 了方向。Aivaliotis 等 [40]提出了一种实现工业机器 人数字孪生和模型演化的方法，为基于物理的预 测性维护奠定了基础。段现银等 [41]提出了一种基 于深度强化学习的工业机器人数字孪生模型更新 方法，采用深度确定性策略梯度算法实现了数字 孪生模型的参数优化和更新。马创业等 [42]提出了 一种基于参数修正的数字孪生模型构建方法，提 高了模型对装备铣削轨迹的映射精度。徐健等 [43] 针对工业机器人数据不透明、监测存在死角等问 题，从几何、物理、逻辑 3 个维度构建了虚拟机 器人并开发了数字孪生机器人监测系统。Zhang 等 [44]使用基于模型的系统工程技术构建了工业机 器人的数字孪生系统，可以帮助工程师更好地设 计、监控和优化工业机器人。Park 等 [45]针对机械 臂轨迹跟踪精度下降的问题，提出了基于数字孪 生的深度强化学习控制方法，有效提升了机械臂 在目标点追踪任务中的控制精度和运动稳定性。 Jiang 等 [46]针对数字孪生模型与工业机器人末端位 置存在差异的问题，基于理论参数建立了工业机 器人的数字孪生模型，并基于PSO-RBF神经网络 补偿了数字孪生模型与机器人末端位置和姿态之 间的误差。Hou 等 [47]通过构建数字孪生模型实现 了对工业机器人不同姿态下频率响应函数的准确 预测，有助于解决机器人加工中的振动问题。 Juan 等 [48]提出一种能够准确估算能耗的增强现实 • 1725 • 第 37 卷第 7 期 2025 年 7 月 Vol. 37 No. 7 Jul. 2025 系统仿真学报 Journal of System Simulation http: // www.china-simulation.com 数字孪生模型，可用于机器人优化、调试和故障 排除等多个阶段的能耗预测。 综上所述，目前工业机器人数字孪生建模的 研究正在从工业机器人的单一特性研究向复合特 性研究转变，从单一领域向多领域耦合的方向发 展。随着研究的不断深入，工业机器人数字孪生 建模的方法和理论体系将会得到进一步的完善和 发展。 1.2.2 基于数字孪生的工业机器人智能应用 基于数字孪生的工业机器人智能应用 (1) 控制与交互 控制与交互是指通过考虑工业机器人、人和 环境等要素之间的相互作用关系，实现工业机器 人运行过程中的智能控制与协同作业。与传统工 业机器人相比，数字孪生驱动的工业机器人在实 时交互和可视化仿真方面具有显著优势。它能够 在数字空间中对工业机器人及其场景进行精准建 模，实现涵盖“人、机、料、法、环、测”全要 素的高保真仿真和分析，并生成相应的控制策略 及程序代码。总体而言，控制与交互是指在数字 空间中进行工业机器人的任务规划、运动规划、 编程示教和人机交互等操作，然后将结果反馈至 物理空间进行执行。 在任务规划方面，Ren等 [49]提出了一种数字孪 生机器人系统，通过构建由工业零件组成的抓取 检测数据集及一种连续学习策略，实现了物理和 虚拟世界中的双向实时数据交互和同步。Imran 等 [50]为解决机器人加工任务中的人力资源短缺问 题，提出了一种用于机器人加工任务的力学建模 方法。通过引入有效质量和有效惯性的概念，结 合材料硬度和加工参数，分析了线性和角运动相 结合的加工任务，并计算了最优进给率，从而为 数字孪生在加工操作中的物理模拟提供了支持。 Åblad 等 [51]面向数字孪生概念下的生产个性化需 求，提出了一种高效可靠的碰撞检测算法，实现 了机器人路径的快速验证和碰撞检测。Li 等 [52]针 对机器人-环境交互任务中的重规划问题，提出了 一种基于数字孪生的任务重规划方法。同时，Li 等 [53]提出了一种名为“Alita”的DT原型系统，有 效地实现了任务重规划和人机交互控制。因此， 利用数字孪生的可视动态仿真能力进行任务规划 可以显著提高工业机器人的响应速度和生产效率， 同时还能减少因突发事件导致的生产中断或延迟， 有助于提升工业机器人作业的安全性和可靠性。 在运动规划方面，Wang等 [54]提出了一种用于 弧焊机器人焊接路径规划的数字孪生系统，以实 现焊接路径的自主规划与生成。Tang 等 [55]提出了 一个基于DT的机器人测量系统框架，用于自由曲 面零件的测量。该框