李龍欣, 孫青云, 徐 鵬

(南京林業(yè)大學(xué)大學(xué)機(jī)械電子工程學(xué)院,江蘇 南京 210037)

近年來(lái),隨著工業(yè)智能化的快速發(fā)展,貼面生產(chǎn)線的應(yīng)用日益廣泛。在這一背景下,對(duì)貼面生產(chǎn)線設(shè)備的教學(xué)變得尤為重要[1]。傳統(tǒng)機(jī)械教學(xué)需要進(jìn)行實(shí)際操作,但由于貼面生產(chǎn)線需要高壓電驅(qū)動(dòng)且工作環(huán)境惡劣,存在安全風(fēng)險(xiǎn),因此在工廠不適合進(jìn)行培訓(xùn)。貼面生產(chǎn)線設(shè)備價(jià)格昂貴,體積龐大,限制了教育機(jī)構(gòu)專門(mén)購(gòu)置和安裝這些設(shè)備用于學(xué)員培訓(xùn);并且傳統(tǒng)課堂培訓(xùn)通常需要較長(zhǎng)的教學(xué)周期,效率較低,需要大量師資來(lái)進(jìn)行教學(xué)[2-3]。

針對(duì)傳統(tǒng)教學(xué)方法存在的問(wèn)題,本文結(jié)合虛擬現(xiàn)實(shí)技術(shù)提出了一種新型的教學(xué)系統(tǒng)。首先,使用建模軟件對(duì)貼面生產(chǎn)線機(jī)械設(shè)備進(jìn)行建模和渲染,以提高場(chǎng)景的真實(shí)性,加深用戶的代入感。其次針對(duì)虛擬現(xiàn)實(shí)中的碰撞檢測(cè)提出一種層次包圍盒和改進(jìn)蟻群相結(jié)合的混合碰撞檢測(cè)算法Sphere-OBB-MACO,縮短碰撞檢測(cè)時(shí)間,提高碰撞檢測(cè)效率,提高場(chǎng)景的真實(shí)性,加深用戶的代入感[4]。最后文件導(dǎo)入到Unity3D中,完成場(chǎng)景交互開(kāi)發(fā),實(shí)現(xiàn)了場(chǎng)景漫游和設(shè)備交互等多種功能,以增強(qiáng)學(xué)員的學(xué)習(xí)興趣。這一新的教學(xué)系統(tǒng)將有效應(yīng)對(duì)傳統(tǒng)教學(xué)方式的不足,為貼面生產(chǎn)線機(jī)械設(shè)備的培訓(xùn)提供了全新的思路[5]。

1 總體設(shè)計(jì)

1.1 系統(tǒng)設(shè)計(jì)

貼面生產(chǎn)線教學(xué)系統(tǒng)主要包含三個(gè)部分,分別是學(xué)員端、設(shè)備端以及虛擬場(chǎng)景。學(xué)員通過(guò)操作設(shè)備在虛擬場(chǎng)景中漫游,根據(jù)場(chǎng)景或教師的指導(dǎo)進(jìn)行各項(xiàng)操作,在虛擬場(chǎng)景中實(shí)現(xiàn)設(shè)備操作等相關(guān)操作,以達(dá)到教學(xué)的目的。虛擬仿真教學(xué)系統(tǒng)結(jié)構(gòu)如圖1所示。

圖1 虛擬仿真教學(xué)系統(tǒng)結(jié)構(gòu)

從圖1中可以看到,整套教學(xué)系統(tǒng)的關(guān)鍵在于虛擬場(chǎng)景的搭建,要搭建完整的虛擬場(chǎng)景則離不開(kāi)各類(lèi)軟件平臺(tái)的使用。貼面生產(chǎn)線教學(xué)系統(tǒng)因具備以下兩個(gè)特點(diǎn):(1)在教學(xué)系統(tǒng)中,模型要適當(dāng)簡(jiǎn)化,以便適應(yīng)計(jì)算機(jī)環(huán)境,要考慮軟硬件的集成性和兼容性,以確保系統(tǒng)能夠順利運(yùn)行。(2)增強(qiáng)系統(tǒng)真實(shí)感,虛擬仿真場(chǎng)景必須要結(jié)合實(shí)際,不可以出現(xiàn)穿模等現(xiàn)象。

1.2 開(kāi)發(fā)流程

開(kāi)發(fā)路線圖包括以下步驟:設(shè)備調(diào)研,根據(jù)實(shí)際貼面生產(chǎn)線設(shè)備進(jìn)行學(xué)習(xí)和拍照;貼面生產(chǎn)線設(shè)備建模,建模包括輥臺(tái)、皮帶、裝卸板機(jī)、清潔機(jī)、鋪紙機(jī)、熱壓機(jī)、裁邊機(jī)、液壓機(jī)、吸板機(jī)、升降臺(tái)以及廠房的三維模型,使用三維建模軟件根據(jù)設(shè)備參數(shù)創(chuàng)建和裝配模型,將生產(chǎn)線模型可視化,并渲染和制作動(dòng)畫(huà);使用一種包圍盒和改進(jìn)蟻群相結(jié)合的混合碰撞檢測(cè)算法Sphere-OBB-MACO,提高場(chǎng)景的真實(shí)性;系統(tǒng)開(kāi)發(fā),整合各種資源,創(chuàng)建虛擬現(xiàn)實(shí)場(chǎng)景并編寫(xiě)腳本,以使學(xué)員與虛擬現(xiàn)實(shí)場(chǎng)景進(jìn)行交互,最后將系統(tǒng)進(jìn)行打包和發(fā)布。這些步驟的開(kāi)發(fā)路線如圖2所示。

圖2 系統(tǒng)開(kāi)發(fā)路線圖

最終選采用SolidWorks進(jìn)行三維建模,使用3D MAX進(jìn)行模型渲染,在Unity3D中進(jìn)行虛擬現(xiàn)實(shí)開(kāi)發(fā),選用MySQL數(shù)據(jù)庫(kù)進(jìn)行系統(tǒng)信息的儲(chǔ)存,通過(guò)Microsoft Visual Studio編寫(xiě)腳本,將C#作為編程語(yǔ)言,最終選設(shè)備作為虛擬系統(tǒng)的輸出端。

2 關(guān)鍵技術(shù)研究與實(shí)現(xiàn)

2.1 三維模型建立

貼面生產(chǎn)線是本套系統(tǒng)最重要的模型,需要精確還原尺寸,因此使用Solidworks軟件根據(jù)CAD圖紙進(jìn)行建模,模型建立好后導(dǎo)入3DS MAX中,并在3DS MAX完成對(duì)生產(chǎn)線模型的組裝,如圖3所示。

圖3 貼面生產(chǎn)線正視圖與俯視圖

圖4 邊塌陷算法

2.2 模型簡(jiǎn)化

當(dāng)前所構(gòu)造模型結(jié)構(gòu)復(fù)雜,作為教學(xué)系統(tǒng),學(xué)校配置的計(jì)算機(jī)存儲(chǔ)容量和性能處于一般水平,太復(fù)雜的模型會(huì)導(dǎo)致系統(tǒng)運(yùn)行速度下降,實(shí)時(shí)渲染和網(wǎng)絡(luò)傳輸卡頓也會(huì)影響學(xué)生操作。需要對(duì)模型進(jìn)行簡(jiǎn)化,更改計(jì)算方法,提高圖形繪制的幀速,以保證計(jì)算機(jī)流暢運(yùn)行[6]。結(jié)合模型特點(diǎn),選用QEM算法簡(jiǎn)化。QEM算法就是采用邊塌陷的思想,即將模型上代價(jià)最小的邊刪除掉,隨后將邊塌陷成新頂點(diǎn),該邊的兩個(gè)原頂點(diǎn)需要連向此新頂點(diǎn)[7]。該算法要求新頂點(diǎn)到原塌陷邊相關(guān)的三角形所在平面的距離平方和作為塌陷代價(jià)[8]。

塌陷代價(jià)計(jì)算步驟:

三角形平面,設(shè)為Ax+By+Cz+D=0

頂點(diǎn)V到三角形平面的距離為:

d=VPT,V=(x,y,z,1),P=(A,B,C,D)

d2=VPT*VPT=V(PTP)VT

PTP=KP

V(PTP)VT=VKPVT

定義NF(v)為頂點(diǎn)的領(lǐng)域平面,則頂點(diǎn)V移動(dòng)到U的損失為新點(diǎn)u到舊點(diǎn)V的一個(gè)領(lǐng)域三角平面的距離之和:

(1)

則每一對(duì)頂點(diǎn)的折疊損失定義為:

E(v1,v2)(u)=Δv1(U)+Δv2(U)=U(M1+M2)

(2)

令E(v1,v2)(u)偏導(dǎo)數(shù)為0,求解損失最小的U。

以裝卸板機(jī)為例,如圖5所示,(a)優(yōu)化前,模型面數(shù)為56 212,點(diǎn)數(shù)為82 872,(b)優(yōu)化后,模型面數(shù)為49 464,點(diǎn)數(shù)為74 493,優(yōu)化后模型對(duì)比優(yōu)化前的模型,得到的面數(shù)點(diǎn)數(shù)數(shù)量下降,并且優(yōu)化后模型并未失真且與原模型無(wú)差異。

圖5 簡(jiǎn)化前后的裝卸板機(jī)

2.3 混合碰撞檢測(cè)算法

在虛擬拆裝環(huán)境中,零部件的拆卸裝配應(yīng)模擬真實(shí)情況。為了防止穿透現(xiàn)象的發(fā)生,系統(tǒng)需能即時(shí)準(zhǔn)確判斷各模型是否發(fā)生碰撞,在當(dāng)前研究中,碰撞算法主要分為基于時(shí)間域和基于空間域兩類(lèi)。

本研究提出的Sphere-OBB-MACO算法,是將Sphere-OBB包圍盒和Sphere包圍盒相結(jié)合,組成混合層次包圍與改進(jìn)蟻群算法相結(jié)合的碰撞檢測(cè)算法。首先利用層次包圍盒技術(shù)進(jìn)行初步檢測(cè),排除不相交的模型,隨后對(duì)蟻群算法進(jìn)行改進(jìn),引入基于信息素?cái)U(kuò)散模型的蟻群算法,以完成更詳細(xì)地碰撞檢測(cè)。

2.3.1 混合層次包圍盒樹(shù)的遍歷

包圍盒算法是一種碰撞檢測(cè)方法,它通過(guò)使用簡(jiǎn)單的包圍盒來(lái)近似代替形狀復(fù)雜的物體,從而進(jìn)行高效的碰撞檢測(cè)。在層次包圍盒中,將包圍盒與樹(shù)狀結(jié)構(gòu)相結(jié)合,通過(guò)樹(shù)的遍歷方式對(duì)包圍盒進(jìn)行檢測(cè)。檢測(cè)過(guò)程中,采用樹(shù)的遍歷方法對(duì)包圍盒進(jìn)行檢查。在檢測(cè)過(guò)程中,先對(duì)父節(jié)點(diǎn)進(jìn)行檢查,但只有在與父節(jié)點(diǎn)相交的情形下才可以繼續(xù)對(duì)子節(jié)點(diǎn)進(jìn)行檢查。本算法采用Sphere-OBB包圍盒。

Sphere 與 OBB 的相交測(cè)試采用分離軸理論,如圖6所示,T為 OBB 中心到圓心的距離,L為分離軸,TL為中心距在分離軸上的投影長(zhǎng)度,ra為包圍盒在分離軸上的投影半徑,rb為中心距離在球內(nèi)的部分在分離軸上的投影,有公式如下:

圖6 OBB-Sphere相交測(cè)試

TL>ra+rb

(3)

上式若成立則兩個(gè)包圍盒不相交,不成立則相交。

在模型碰撞檢測(cè)過(guò)程中,若兩個(gè)層次包圍盒樹(shù)的根節(jié)點(diǎn)相交,說(shuō)明模型有可能發(fā)生碰撞,需要進(jìn)行進(jìn)一步檢測(cè),這就需要制定相關(guān)遍歷下降策略,本文選擇深度優(yōu)先遍歷方法,如圖7所示。

圖7 層次包圍盒樹(shù)遍歷

設(shè)虛擬場(chǎng)景中兩個(gè)待檢測(cè)模型分別為A與B,在進(jìn)行測(cè)試時(shí)首先判斷根結(jié)點(diǎn)是否相交,若相交則繼續(xù)判斷子節(jié)點(diǎn)是否相交。設(shè)A與B的根結(jié)點(diǎn)分別是A0與B0,子結(jié)點(diǎn)分別為A1、A2、B1、B2,葉子結(jié)點(diǎn)分別為A3、A4、A5、A6、B3、B4、B5、B6。具體執(zhí)行步驟如下:

(1)對(duì)待檢測(cè)模型分別建立二叉樹(shù);

(2)判斷A0,B0是否相交,如果相交則繼續(xù)執(zhí)行步驟3;

(3)判斷B1,B2是否相交,如果是則繼續(xù)執(zhí)行步驟4;

(4)找出與A0相交的葉子結(jié)點(diǎn),假設(shè)為B3;

(5)如果A中存在葉子節(jié)點(diǎn)與B3相交,則A,B碰撞;

(6)如果A0,B0同層結(jié)點(diǎn)包圍盒都不相交,則結(jié)束遍歷,A,B不碰撞。

2.3.2 蟻群算法優(yōu)化

非線性優(yōu)化問(wèn)題需要選取一個(gè)目標(biāo)函數(shù)作為待優(yōu)化的適應(yīng)度函數(shù)。對(duì)于碰撞檢測(cè)而言,精確檢測(cè)描述為面片之間的相交測(cè)試,因此選用三維模型的三角形面片的質(zhì)心作為算法采樣的特征點(diǎn),當(dāng)質(zhì)心間距小于某一值時(shí)面片之間相交,模型相交[9]。設(shè)兩個(gè)質(zhì)心坐標(biāo)為(x1,y1,z1),(x2,y2,z2),質(zhì)心間距如下式:

(4)

當(dāng)d≤δ時(shí),判定三維模型之間發(fā)生碰撞。

在碰撞檢測(cè)階段,對(duì)初步檢測(cè)篩選的可能發(fā)生碰撞的幾何圖元進(jìn)行特征采樣。采樣得到的特征點(diǎn)被用作碰撞檢測(cè)的待檢測(cè)集合。隨后,將待檢測(cè)的三維模型映射到二維平面,也就是將碰撞檢測(cè)問(wèn)題從三維轉(zhuǎn)化為二維離散空間中特征對(duì)距離的非線性優(yōu)化問(wèn)題[10]。

在初始時(shí)刻,將m只螞蟻隨機(jī)地放到n座城市,同時(shí),將每只螞蟻的禁忌表的第一個(gè)元素設(shè)置為它當(dāng)前所在的城市[11]。各個(gè)路徑的信息素在此時(shí)相等,設(shè)τij(0)=c,隨后在不同城市的螞蟻憑借路徑上的信息素量和啟發(fā)式信息(兩城市間的距離)選擇下一座城市,t時(shí)螞蟻k從城市i轉(zhuǎn)移到城市j的概率為:

(5)

JK(i)表示螞蟻下一步選擇的城市的集合,φij表示螞蟻從i到j(luò)的期望程度。當(dāng)螞蟻完成一次周游后,信息素的表達(dá)式如下[12]

τij(t+n)=(1-p)*τij+Δτij

(6)

雖然蟻群算法本身具有很多優(yōu)點(diǎn),但是它一般需要較長(zhǎng)的搜索時(shí)間,并且容易停滯。為了解決這個(gè)問(wèn)題,1996年Dorigo等提出精英螞蟻系統(tǒng),對(duì)每次結(jié)果最好的螞蟻釋放的信息素給予額外的量,加快螞蟻搜索范圍和時(shí)間。但是單次迭代產(chǎn)生的優(yōu)秀解并不一定就是整體最優(yōu)解,而額外的信息素疊加可能會(huì)讓結(jié)果向局部最優(yōu)解偏移而不是得到整體最優(yōu)解[13]。

為了解決精英蟻群算法造成的局部最優(yōu)解問(wèn)題,本文對(duì)信息素釋放規(guī)則進(jìn)行優(yōu)化,設(shè)最優(yōu)評(píng)價(jià)值為bt,初始值為0,公式如下:

(7)

其中bt(i)是第i代螞蟻的局部最優(yōu)評(píng)價(jià),當(dāng)bt(i)沒(méi)有達(dá)到bt的值時(shí)最優(yōu)解不變?nèi)詾閎t,當(dāng)bt(i)達(dá)到甚至超過(guò)bt時(shí)最優(yōu)解更新,bt(i)成為最優(yōu)解。

取消每次迭代后對(duì)所有螞蟻路徑都進(jìn)行的信息素疊加,而是對(duì)評(píng)價(jià)優(yōu)于bt的路徑進(jìn)行信息素疊加,對(duì)差于最優(yōu)解bt的路徑信息素進(jìn)行揮發(fā):

τij(t+n)=(1-p)*τij+ΔR

根據(jù)文獻(xiàn)參數(shù)取值為θ=8,μ=-0.75

2.3.3 算法流程

本文將MACO算法與Sphere-OBB包圍盒相結(jié)合應(yīng)用到碰撞檢測(cè)中,首先采用層次包圍盒技術(shù)進(jìn)行初步檢測(cè),然后采用蟻群算法進(jìn)行詳細(xì)檢測(cè)。

(1)對(duì)三維模型建立層次包圍盒并遍歷,判斷是否發(fā)生碰撞;

(2)若碰撞則對(duì)兩節(jié)點(diǎn)之間圖元進(jìn)行特征值采樣,組成二維離散搜索空間。若沒(méi)有碰撞則直接進(jìn)行(4);

(3)初始化信息素強(qiáng)度τ、種群M、可見(jiàn)度φ、種群位置,設(shè)置迭代此處初始值為0;

(4)計(jì)算每只螞蟻的最優(yōu)解和當(dāng)前全局最優(yōu)解;

(5)達(dá)到最終要求的條件,輸出滿足碰撞閾值的最佳個(gè)體。

2.3.4 實(shí)驗(yàn)及結(jié)果分析

實(shí)驗(yàn)環(huán)境:PC(Windows10 CPU Intel Core i5-9300H CPU@2.40GHz,內(nèi)存16GB),利用OpenGL圖形庫(kù)和C++在VS2019上實(shí)現(xiàn),仿真模型為貼面生產(chǎn)線設(shè)備的三維模型。

(1)對(duì)不同特征對(duì)情況下的Sphere-OBB-MACO算法進(jìn)行碰撞檢測(cè)性能仿真。實(shí)驗(yàn)選擇5種特征及運(yùn)動(dòng)時(shí)間最長(zhǎng)的兩個(gè)物體來(lái)對(duì)Sphere-OBB-MACO算法進(jìn)行碰撞檢測(cè),表1是碰撞檢測(cè)耗時(shí)。

表1 不同特征對(duì)的Sphere-OBB-MACO算法檢測(cè)時(shí)長(zhǎng)

從表1中可以得知在相同的碰撞檢測(cè)準(zhǔn)確率下,碰撞檢測(cè)算法的耗時(shí)與特征對(duì)數(shù)量成正比關(guān)系,即采樣的特征對(duì)數(shù)量越多,算法耗時(shí)越長(zhǎng)。

(2)為了驗(yàn)證蟻群規(guī)模對(duì)于碰撞算法性能的影響,選用不同的蟻群規(guī)模,采用Sphere-OBB-MACO算法對(duì)貼面生產(chǎn)線設(shè)備進(jìn)行碰撞訓(xùn)練,檢測(cè)率如圖8所示。

圖8 不同蟻群規(guī)模的碰撞檢測(cè)率

從圖中可以看出不同的蟻群規(guī)模對(duì)碰撞算法的檢測(cè)率影響十分大,檢測(cè)率都保持著先降后升的規(guī)律,當(dāng)特征對(duì)為1 000×1 000時(shí),蟻群數(shù)量在40時(shí)就可以獲得最高檢測(cè)率,當(dāng)特征對(duì)為5 000×5 000時(shí),蟻群數(shù)量在60時(shí)才能獲得最高檢測(cè)率。綜上,本文采取蟻群數(shù)量為60。

(3)選用貼面生產(chǎn)線設(shè)備進(jìn)行碰撞檢測(cè),特征對(duì)為5 000×5 000,蟻群規(guī)模m=60,初始的信息素影響因子和期望啟發(fā)因子α=β=1,最大迭代次數(shù)N=100,設(shè)定值n=50,分別采用Sphere-OBB(層次包圍盒算法)、Sphere-OBB-ACO(結(jié)合蟻群算法的隨機(jī)碰撞檢測(cè)算法)及Sphere-OBB-MACO(結(jié)合改進(jìn)蟻群的隨機(jī)碰撞檢測(cè)算法)三種算法進(jìn)行對(duì)比分析,最終結(jié)果如圖9所示。

圖9 三種算法的檢測(cè)效率

圖10 漫游場(chǎng)景

圖11 設(shè)備及流程學(xué)習(xí)

從圖9中可以得知三種算法在30 ms后均獲得了穩(wěn)定的結(jié)果,其中Sphere-OBB-MACO算法檢測(cè)率最高,約為0.85,Sphere-OBB最差,約為0.65。

實(shí)驗(yàn)結(jié)果表明,與傳統(tǒng)包圍盒算法及傳統(tǒng)隨機(jī)碰撞檢測(cè)算法相比,本文設(shè)計(jì)優(yōu)化的Sphere-OBB-MACO碰撞檢測(cè)算法更優(yōu)秀。

2.4 交互技術(shù)

為了達(dá)到人機(jī)交互目的,需要用戶界面(UI),UI是系統(tǒng)向?qū)W員展示的窗口,為了增強(qiáng)軟件獨(dú)特性并降低學(xué)員學(xué)習(xí)成本,UI的設(shè)計(jì)至關(guān)重要[14]。通過(guò)漫游可以實(shí)現(xiàn)對(duì)貼面生產(chǎn)線的工作流程及機(jī)械設(shè)備的結(jié)構(gòu)的了解,掌握貼面生產(chǎn)線的規(guī)范操作,加深對(duì)貼面生產(chǎn)線理論知識(shí)的掌握并提高實(shí)際動(dòng)手能力[15-16]。

教學(xué)設(shè)計(jì)分為設(shè)備及流程學(xué)習(xí)和教學(xué)成果反饋。

在設(shè)備及流程學(xué)習(xí)中以皮帶輸送機(jī)設(shè)備為例進(jìn)行介紹。皮帶輸送機(jī)由輸送帶、托輥、電機(jī)、滾筒組成,具有結(jié)構(gòu)簡(jiǎn)單輸送量大等優(yōu)點(diǎn),廣泛應(yīng)用于家電食品等多個(gè)行業(yè)。皮帶輸送機(jī)結(jié)構(gòu)多樣,有槽型、平型等多種形式,操作流程模塊部分系統(tǒng)通過(guò)播放語(yǔ)音、文字和圖片指導(dǎo)學(xué)員學(xué)習(xí),學(xué)員點(diǎn)擊下一步按鈕繼續(xù)進(jìn)行學(xué)習(xí)教學(xué)內(nèi)容。

在教學(xué)成果反饋中,人員考核模塊可以讓學(xué)員檢查自己的學(xué)習(xí)進(jìn)度,有針對(duì)性地查漏補(bǔ)缺,監(jiān)督學(xué)員的學(xué)習(xí)。本系統(tǒng)的考核模塊主要是以試題的形式進(jìn)行,每套試題中都包括設(shè)備認(rèn)知學(xué)習(xí)、操作實(shí)踐等知識(shí),都是選擇題。學(xué)員完成一題后點(diǎn)擊下一題按鈕繼續(xù)作答。學(xué)員在作答完后答案提交到數(shù)據(jù)庫(kù)與ans中的答案進(jìn)行對(duì)比,給出得分。

3 結(jié)束語(yǔ)

本文以貼面生產(chǎn)線為模型,運(yùn)用三維建模技術(shù)、碰撞檢測(cè)技術(shù)、虛擬現(xiàn)實(shí)技術(shù),開(kāi)發(fā)了一套高仿真度的貼面生產(chǎn)線結(jié)構(gòu)認(rèn)知與拆卸虛擬仿真教學(xué)系統(tǒng),解決了學(xué)員在學(xué)習(xí)過(guò)程中體驗(yàn)不佳、學(xué)習(xí)過(guò)程枯燥無(wú)味、學(xué)習(xí)效率低下等問(wèn)題,提高學(xué)員的學(xué)習(xí)興趣與積極性,改善教學(xué)效果,具有很高的實(shí)用價(jià)值。