杭州电子科技大学邬惠峰获国家专利权
买专利卖专利找龙图腾,真高效! 查专利查商标用IPTOP,全免费!专利年费监控用IP管家,真方便!
龙图腾网获悉杭州电子科技大学申请的专利一种基于AutomationML的工业设备运动控制PLC代码自动生成方法及装置获国家发明授权专利权,本发明授权专利权由国家知识产权局授予,授权公告号为:CN116069317B 。
龙图腾网通过国家知识产权局官网在2026-03-31发布的发明授权授权公告中获悉:该发明授权的专利申请号/专利号为:202211736207.6,技术领域涉及:G06F8/35;该发明授权一种基于AutomationML的工业设备运动控制PLC代码自动生成方法及装置是由邬惠峰;陈翊柯;赵建勇;孙丹枫设计研发完成,并于2022-12-30向国家知识产权局提交的专利申请。
本一种基于AutomationML的工业设备运动控制PLC代码自动生成方法及装置在说明书摘要公布了:本发明公开了一种基于AutomationML的工业设备运动控制PLC代码自动生成方法及装置,包括以下步骤:工业仿真平台对现场工业设备的数字孪生体进行仿真运动模拟。确定设备运动行为后,将设备驱动信息、起始状态信息、目标状态信息及完整的运动过程信息进行建模表示,得到设备行为模型;PLCProgrammableLogicController编程平台导入设备行为模型,对设备行为模型进行本体语义描述,并根据构建好的功能块知识库进行知识融合,得到知识图谱;根据特定规则和算法对知识图谱进行推理解析,生成与设备行为模型所描述运动控制逻辑一致的基于IEC61131‑3标准的FBDFunctionBlockDiagram代码。本发明实现了从工业仿真平台到PLC编程平台的代码自动生成,解决了跨平台数据的无损交换,提高了工业自动化工程开发效率。
本发明授权一种基于AutomationML的工业设备运动控制PLC代码自动生成方法及装置在权利要求书中公布了:1.一种基于AutomationML的工业设备运动控制代码自动生成方法,其特征在于,包括以下步骤: 步骤S1,工业仿真平台对现场工业设备的数字孪生体进行仿真运动模拟;确定设备运动行为后,将设备驱动信息、起始状态信息、目标状态信息及完整的运动过程信息进行建模表示,得到设备行为模型; 步骤S2,PLC编程平台导入设备行为模型,对设备行为模型进行本体语义描述,并根据构建好的功能块知识库进行知识融合,得到知识图谱; 步骤S3,根据特定规则和算法对知识图谱进行推理解析,生成与设备行为模型所描述运动控制逻辑一致的基于IEC61131-3标准的FBD代码; 使用基于IEC62714-1标准的AutomationML作为设备行为的模型表示工具,用于将运动描述和仿真信息相结合,其中仿真运动数据以Collada文件描述集成到AutomationML模型中; 步骤S1包括: 步骤S1-1:构建运动场景; 设备的基本运动由一个运动控制模型来描述; 定义1:运动控制模型是一个3元组,由以下内容组成: 1一个起始状态s; 2一个目标状态t; 3一个转换规则f,代表从s到t的变换逻辑; 完整的设备运动行为由一系列参与运动控制的工业设备,以及工业设备间的运动控制模型按照一定逻辑组合而成,设备行为模型来描述如下: 定义2:设备行为模型是一个4元组,由以下内容组成: 1一个对应行为描述的设备; 2一个由定义1描述的运动控制模型的集合列表; 3一个运动控制执行顺序的集合列表; 4一个联锁条件集合列表,联锁描述为一个二进制逻辑,它将相关的运动控制锁定在一个特定的状态;每个描述mi到mi+1需要额外满足的联锁限制条件,即; 步骤S1-2:构建机械手臂数字孪生模型;其中, 依靠数字孪生技术,从机械手臂自搭载的传感器模块获取特征数据,基于平台集成的几何模型库和传输解析生成的数据,在工业仿真平台上生成实际机械手臂的数字孪生体; 步骤S1-3:仿真平台描述运动场景;其中, 通过运动控制模型结合执行顺序和逻辑组件库描述的联锁逻辑能够完整地描述一个设备行为模型; 步骤S1-4:建模表示;其中, 将基于工业仿真平台描述的设备行为用AutomationML进行建模表示,AML标准中定义中包含了基础角色类库、基础接口类库、基本属性类库;通过AML标准中定义的语义连接关系将设备行为和仿真信息相结合,仿真运动数据以Collada描述集成到AML模型中。
如需购买、转让、实施、许可或投资类似专利技术,可联系本专利的申请人或专利权人杭州电子科技大学,其通讯地址为:310018 浙江省杭州市下沙高教园区二号路;或者联系龙图腾网官方客服,联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。
以上内容由龙图腾AI智能生成。
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。

皖公网安备 34010402703815号
请提出您的宝贵建议,有机会获取IP积分或其他奖励