分拣设备运动仿真

这一次我们来分享一下如何在Solidworks 中做出传送台的分拣动作并通过分拣动作生成过程动画,以便于我们可以用于产品展示又或者验证运行程序无误的情况下结构是否会影响输送效率。

首先创建一个新的运动算例

将窗口切换至Motion分析

在设置之前我们先理清设置传送带的动作思路目前我们有三个传感器可用于货物大小的识别,暂停传送带以及导板回归原位.

首先传送带会以100mm/s的速度启动,在碰到高度传感器会进行减速,导板会根据识别的高度进行转动,调整好导板位置后传送带继续移动,当碰触到第二个传感器后传送带停止,货物滑落,当货物滑落碰触到复位功能的传感器,导板复位至中间位置传送台继续输送货物

理清楚这里面的逻辑,就可以进行设置了,这里只需要设置两个马达,一个是传送带的直线马达,一个是使导轨进行转动的旋转马达,根据刚才的提到的这些马达的速度是在变化的所以设置这里就直接采用伺服马达。

完成伺服马达的设置就需要设置货物与传送带,货物与导板以及货物与底板的接触关系,我们知道传送带带动货物运动是需要摩擦力,这里就可以选项设置里把摩擦勾选上

其他接触的做法也是一样的

当然了不要忘记设置引力

当完成了以上设置后就可以编辑具体动作流程,根据上面的逻辑可以知道整体需要完成的动作较多如果是通过Motion时间轴方法就比较难去做同时一旦调换货物顺序,动画就会出错,这里我们就采用了基于事件的方式,设置方法就跟PLC的梯形图相似.,具体操作如下

这里我们完成其中一种大小货物的识别路线后,运行计算一次查看动作是否正常

运行完成后就可以点击播放查看动作了

确认动作无误后,再把其他路线的设置也做出来,完成计算过后就可以输出动画

相关推荐
Ro Jace29 分钟前
基于深度学习的图像处理方法
图像处理·人工智能·深度学习
ai小陈6 小时前
PyTorch DataLoader数据加载性能排查:GPU利用率低的实操指南
人工智能·pytorch·python·深度学习·ai·gpu算力
现代野蛮人9 小时前
【深度学习实验】—— 基于 LSTM 与 Optuna 调参的丙型肝炎预测
人工智能·深度学习·lstm
DM今天肝到几点?11 小时前
AI 安全进入「攻防同频」:Gemini 3.8 Flash Cyber 上线、Astra 触及关键级、HiddenLayer 融资 1 亿美元
网络·人工智能·深度学习·安全·语言模型·开源·知识图谱
乐迪信息12 小时前
智慧港口船舶AI算法实现在线状态监测
大数据·人工智能·深度学习·算法·计算机视觉
sel_915 小时前
深度学习损失函数详解:从 MSE、Cross Entropy 到 Dice、Focal、IoU、Contrastive Loss,一文掌握所有常见 Loss
人工智能·深度学习
147API17 小时前
蒸馏模型量化上线前,先查精度退化和算子兼容
大数据·人工智能·深度学习·机器学习·蒸馏
Omics Pro17 小时前
Arc研究所Cell|全新虚拟细胞官方基准评测框架
大数据·人工智能·深度学习·算法·机器学习
yychen_java17 小时前
从像素到汉字:基于深度学习的中文OCR系统六步全链路剖析
人工智能·深度学习·ocr
LingYi_017 小时前
建筑提取—BuildFormer
人工智能·深度学习