馮雙林,靳繼紅
(1.廣西工業(yè)職業(yè)技術(shù)學(xué)院,南寧 530003;2.焦作師范高等專科學(xué)校 計算機與信息工程學(xué)院,河南 焦作 454000)
農(nóng)機部件數(shù)字化新產(chǎn)品開發(fā)關(guān)鍵技術(shù)研究
———基于云制造服務(wù)平臺
馮雙林1,靳繼紅2
(1.廣西工業(yè)職業(yè)技術(shù)學(xué)院,南寧 530003;2.焦作師范高等??茖W(xué)校 計算機與信息工程學(xué)院,河南 焦作 454000)
隨著新興信息技術(shù)的快速發(fā)展,農(nóng)機產(chǎn)品的研發(fā)正在向智能化、數(shù)字化和科學(xué)化發(fā)展。農(nóng)機新產(chǎn)品的研發(fā)是一個龐大而復(fù)雜的過程,為了實現(xiàn)農(nóng)機產(chǎn)品的數(shù)字化設(shè)計過程,提出了一種基于云服務(wù)平臺的農(nóng)機數(shù)字化新產(chǎn)品設(shè)計方法。該方法借助于數(shù)字化設(shè)計平臺,可以資源的共享和分配調(diào)度,提高設(shè)計效率,降低成本。為此,采用Autodesk數(shù)字化設(shè)計平臺,從農(nóng)機模型設(shè)計,到編程數(shù)控加工,再到最后的產(chǎn)品檢測,實現(xiàn)農(nóng)機產(chǎn)品的一體化設(shè)計。同時,提出了一種多粒度的資源優(yōu)選方法,并通過驗證發(fā)現(xiàn),利用多粒度算法可以將多目標(biāo)問題轉(zhuǎn)換為單目標(biāo)問題,使優(yōu)選過程變得智能化,從而在農(nóng)機加工工序、加工時間和產(chǎn)品可靠性上都表現(xiàn)出了較大的優(yōu)勢。
農(nóng)機產(chǎn)品;數(shù)字化設(shè)計;云制造服務(wù);數(shù)控加工;多粒度
農(nóng)機新產(chǎn)品開發(fā)是一項極其復(fù)雜的系統(tǒng)工程,涉及面廣、科學(xué)性強、持續(xù)周期長,對企業(yè)研發(fā)能力要求高。由于資金、技術(shù)、設(shè)備和人才等的缺乏,農(nóng)機零部件企業(yè)在新產(chǎn)品開發(fā)過程中越來越感覺到力不從心,甚至舉步維艱。在一些研究院所、服務(wù)機構(gòu)、高校和企業(yè)機構(gòu)中有大量的計算資源,具有高精尖端的設(shè)備和研究成果,但自由利用率和共享率卻較低。如何有效地利用這些資料,提高其在新產(chǎn)品研發(fā)中的作用,更大范圍內(nèi)調(diào)配資源,成為當(dāng)前制造業(yè)研究的重點問題。云制造作為一種利用網(wǎng)絡(luò)和云制造服務(wù)平臺,是按用戶需求組織網(wǎng)上制造資源,為用戶提供各類按需制造服務(wù)的一種網(wǎng)絡(luò)化制造新模式,強調(diào)“分散資源集中使用、集中資源分散服務(wù)”的思想,為解決農(nóng)機新產(chǎn)品的研發(fā)提供了一條新的思路。
農(nóng)機云制造產(chǎn)品的開發(fā)分為兩種模式,一種模式是正向設(shè)計,一種模式是逆向設(shè)計。正向設(shè)計是從概念設(shè)計到建模再到產(chǎn)品的試制,采用這種過程對農(nóng)機產(chǎn)品進行開發(fā)的難度較大,農(nóng)機零部件一般由復(fù)合的零件組成,因此無法使用統(tǒng)一的數(shù)學(xué)語言描述。要想實現(xiàn)農(nóng)機產(chǎn)品開發(fā)的數(shù)字化,需要采用逆向設(shè)計的方法,其流程如圖1所示。
圖1 農(nóng)機云制造服務(wù)一般流程Fig.1 The general process of agricultural machinery based on cloud manufacturing services
圖1中,三維反求屬于概念設(shè)計階段,該過程是借助于三維掃描設(shè)備,對原來模型進行三維掃描,然后將掃描的結(jié)果導(dǎo)入到軟件中進行反求,通過軟件的重新設(shè)計來更新草圖。反求后,根據(jù)掃描結(jié)果可以進行農(nóng)機產(chǎn)品的建模。建模是農(nóng)機設(shè)計的主要流程,最終產(chǎn)品可以利用CAD等軟件生產(chǎn)設(shè)計文檔。仿真分析是對建立好的模型進行分析優(yōu)化的過程,仿真類型主要分為工藝性仿真、流體力學(xué)仿真和結(jié)構(gòu)力學(xué)仿真。通過仿真可以查看模型的不足,通過優(yōu)化設(shè)計對產(chǎn)品進行試制,試制時需要對新產(chǎn)品進行各種性能測試,包括可靠性和壽命的測試。測試完成后對產(chǎn)品進行評估,如果符合要求,則進行新產(chǎn)品的生產(chǎn);如果不符合要求,則需要對產(chǎn)品進行改進。農(nóng)機云制造服務(wù)平臺的架構(gòu)如圖2所示。
圖2 農(nóng)機云制造服務(wù)平臺的架構(gòu)Fig.2 The cloud manufacturing service platform construction of agricultural machinery
農(nóng)機云制造服務(wù)平臺的架構(gòu)模型共包括7個層次,具體如下:
1)基礎(chǔ)層?;A(chǔ)層主要包括數(shù)據(jù)庫、云存儲和云服務(wù)器等,為農(nóng)機云制造提供基礎(chǔ)的支撐環(huán)境。
2)運行環(huán)境層。該層主要為云制造平臺提供持久的穩(wěn)定和安全可靠性,使平臺能夠平穩(wěn)運行。
3)資源層。資源層包含的內(nèi)容較多,包括設(shè)計資源、仿真資源、加工制造資源、性能測試資源等,以及軟件、硬件和各種人力資源,利用中間云平臺將其轉(zhuǎn)換成了虛擬資源。
4)中間件層。該層主要提供資源轉(zhuǎn)換和信息共享,采用虛擬云端,將采集信息接入到云平臺中,從而為需求方提供匹配的資源。
5)核心功能層。核心功能層主要是負責(zé)平臺的管理和服務(wù),是整個平臺的管理核心。
6)業(yè)務(wù)模型層。業(yè)務(wù)層主要是通過調(diào)用平臺的核心功能,實現(xiàn)農(nóng)機零部件產(chǎn)品開發(fā)平臺的資源共享和協(xié)作功能,進而實現(xiàn)資源反求、三維建模設(shè)計、協(xié)同計算、工藝設(shè)計、仿真實驗和性能評價等。
7)用戶層。用戶服務(wù)層主要是通過界面操作,為用戶提供便利的服務(wù),使用戶可以在不同的地點登錄,而共同分享云制造資源。
農(nóng)機新產(chǎn)品的研發(fā)是一個龐大而復(fù)雜的過程,為了將研發(fā)流程簡化,可以借助于數(shù)字化設(shè)計平臺,通過資源的共享和分配調(diào)度,提高設(shè)計效率,降低成本,方便管理可以運行。綜合考慮各種數(shù)字化設(shè)計平臺,本次選用Autodesk數(shù)字化整體解決平臺,從農(nóng)機模型設(shè)計、到編程數(shù)控加工、再到最后的產(chǎn)品檢測,實現(xiàn)農(nóng)機產(chǎn)品的一體化設(shè)計。
圖3為農(nóng)機產(chǎn)品一體化設(shè)計的流程。其具體操作步驟是:首先利用PowerINSPECT配合掃描儀,通過掃描作用生成點云,將點云進行數(shù)模對比;然后做逆向設(shè)計,設(shè)計時使用PowerSHAPE。將模型導(dǎo)入到設(shè)計軟件中進行創(chuàng)新設(shè)計,當(dāng)前比較流行的設(shè)計三維軟件有Inventor、Solidworks等。通過設(shè)計輸出圖紙或者三維模型,將模型導(dǎo)入到PowerMILL進行加工編程,生成NC程序;將程序輸入機床,便可以進行模型加工,通過OMV進行質(zhì)量監(jiān)測,在線控制加工質(zhì)量;最后,利用PowerINSPECT配合三坐標(biāo),做最終質(zhì)量檢測,便完成了農(nóng)機的一體化數(shù)字設(shè)計。
圖3 農(nóng)機產(chǎn)品的一體化設(shè)計流程Fig.3 The integrated design process of agricultural machinery products
表1表示利用云平臺對設(shè)計好的農(nóng)機進行加工時制造資源的調(diào)度服務(wù)表??蛻艨梢愿鶕?jù)云平臺提供的共享資源,選擇合理的加工方式。為了使設(shè)計和加工的效率最高而耗費的費用最低,可以選擇多粒度制造資源服務(wù)優(yōu)選模型。在建模時,引入決策變量α、決策變量βmin、xij、xij(i+1)k,令α=0 or 1、βmnm=0 or 1、xij(i+1)k=0 or 1。其中
(1)
當(dāng)α=0時,表示任務(wù)1是零件加工的第1個工序,服務(wù)方提供了原材料;當(dāng)α=1時,表示任務(wù)1是零件加工的第一個工序,由客戶提供原材料,也可以表示加工的第1個工序不是任務(wù)1。即
xij(i+1)k=
(2)
于是得到該問題的數(shù)學(xué)模型為
(3)
表1 云平臺制造資源調(diào)度服務(wù)表
Table1Theresourceschedulingservicetableof
cloud platform manufacturing
制造車間制造工具時間/天費用/元A1G22200A1G51300A2G63500A3G35260A5G12350A2G23410
續(xù)表1
為了驗證云端制造系統(tǒng)在農(nóng)機新產(chǎn)品研發(fā)中使用的可行性,架構(gòu)了需求-服務(wù)的農(nóng)機云制造服務(wù)平臺,由云制造服務(wù)提供方、云端請求、云端服務(wù)使用方和云平臺組成。云制造系統(tǒng)由云提供端,如圖 4所示。
圖4 農(nóng)機云制造系統(tǒng)架構(gòu)Fig.4 The construction of agricultural machinery cloud manufacturing system
需求方為云端請求,一般是指企業(yè)用戶;服務(wù)提供方是指提供制造和設(shè)計資源的服務(wù)方,也是企業(yè)用戶。本次主要通過模型設(shè)計、產(chǎn)品模型優(yōu)化和產(chǎn)品實驗對平臺進行驗證。云平臺農(nóng)機模型有限元分析如圖5所示。
圖5 云平臺農(nóng)機模型有限元分析Fig.5 The finite element analysis of the agricultural machinery model
由于新產(chǎn)品的模型比較復(fù)雜,在云平臺上選取了幾個不同的有限元仿真設(shè)計資源進行了對比,通過對比選取了具有復(fù)雜模型有限元分析能力的資源提供方對產(chǎn)品進行了有限元分析,通過分析對模型進行了優(yōu)化,得到了如圖6所示的新模型。
圖6 云平臺農(nóng)機模型組裝Fig.6 The cloud platform model assembly of agricultural machinery
云平臺上對每個零部件進行分析后,可以選用合適的資源對模型進行組裝,來發(fā)現(xiàn)最終模型存在的問題;克服了設(shè)計缺陷后,便可以對產(chǎn)品進行試制,對試制產(chǎn)品進行產(chǎn)品試驗。云臺模型試驗如圖7所示。
圖7 云平臺模型試驗Fig.7 Cloud platform model test
通過在農(nóng)機云服務(wù)平臺上進行新產(chǎn)品模型的設(shè)計、仿真、試制和實驗,可以得到對產(chǎn)品的各種性能分析及設(shè)計經(jīng)驗,這些資源在上傳到云數(shù)據(jù)庫中,供后續(xù)設(shè)計使用。最后,對優(yōu)選資源算法中對本次提出的粒子群算法優(yōu)化進行了驗證,得到了如表2所示的性能評價結(jié)果。
表2 云制造平臺算法性能評價
由評價結(jié)果可以看出:云制造服務(wù)平臺采用粒子群算法優(yōu)化后在工序、時間和可靠性上都具有較大的優(yōu)勢。
隨著制造業(yè)數(shù)字化、集成化、協(xié)同化、網(wǎng)絡(luò)化的發(fā)展,以云計算、物聯(lián)網(wǎng)、大數(shù)據(jù)等為代表的新一代信息技術(shù)為農(nóng)機制造業(yè)的升級和轉(zhuǎn)型提供了強大的技術(shù)支持,農(nóng)機產(chǎn)品的研發(fā)正在向智能化、數(shù)字化和科學(xué)化發(fā)展。本次對農(nóng)機產(chǎn)品的云制造服務(wù)平臺架構(gòu)的可行性進行了驗證,通過有限元仿真分析、產(chǎn)品模型優(yōu)化、產(chǎn)品組成和模型試驗,進一步驗證了平臺資源共享和調(diào)度分配的可行性。對資源調(diào)度的多粒度算法進行了驗證,通過評價結(jié)果發(fā)現(xiàn):利用多粒度算法可以有效地提高設(shè)計效率和產(chǎn)品的穩(wěn)定性,為農(nóng)機新產(chǎn)品數(shù)字化云制造服務(wù)系統(tǒng)的研發(fā)提供了一種新的算法支持。
[1] 李小龍,李治國,陳華.北京市農(nóng)機作業(yè)調(diào)度管理與精準(zhǔn)作業(yè)系統(tǒng)[J].農(nóng)業(yè)工程,2013,3(21):44-48.
[2] 蔡坦,劉衛(wèi)寧,劉波.一種新的基于直覺模糊集的制造云服務(wù)優(yōu)選方法[J].中國機械工程,2014(3):352-356, 421.
[3] 倪志偉,王會穎,吳昊.基于MapReduce和多目標(biāo)蟻群算法的制造云服務(wù)動態(tài)選擇算法[J].中國機械工程,2014,25(20):2751-2760.
[4] 朱李楠,趙燕偉,王萬良,等.基于RVCS的云制造資源封裝、發(fā)布和發(fā)現(xiàn)模型[J].計算機集成制造系統(tǒng),2012,18(8):1829-1838.
[5] 王崴,張宇紅,徐曉東,等.面向中小企業(yè)的零部件資源云端化封裝技術(shù)研究[J].機械設(shè)計與制造,2012 (8): 260-262.
[6] 孔令軍,徐文勝,查建中.基于服務(wù)模板的制造資源封裝方法[J].計算機應(yīng)用,2012,32(12):3534-3539.
[7] 李向前,楊海成,敬石開,等.面向集團企業(yè)云制造的知識服務(wù)建模[J].計算機集成制造系統(tǒng),2012,8(8): 1869-1880.
[8] 李從東,謝天,湯勇力,等.面向云制造服務(wù)的語義X列表知識表達與推理體系[J].計算機集成制造系統(tǒng),2012,18(7):1469-1484.
[9] 趙楠,牛占文,郭偉.云制造環(huán)境中面向設(shè)計知識資源序列化組合的量子和聲搜索算法[J].計算機集成制造系統(tǒng),2012,18(7):1435-1443.
[10] 姚錫凡,金鴻,徐川.云制造資源的虛擬化與服務(wù)化[J].華南理工大學(xué)學(xué)報:自然科學(xué)版,2013,41(3):1-7.
[11] 顧新建,黃沈權(quán),陳芨熙,等.模具行業(yè)需求驅(qū)動的云制造服務(wù)平臺[J].計算機集成制造系統(tǒng),2012,18(7):1650-1656.
[12] 張倩,刁志國,肖一明.地理信息系統(tǒng)在精細農(nóng)業(yè)方面的應(yīng)用[J].基層農(nóng)技推廣,2015,3(2):55-56.
[13] 周齡.3S技術(shù)在赤峰市農(nóng)業(yè)病蟲害防治中的應(yīng)用[J].赤峰學(xué)院學(xué)報:自然科學(xué)版,2015,31(1):80.
[14] 丁克奎,鐘凱文.基于3S的精準(zhǔn)農(nóng)業(yè)管理系統(tǒng)設(shè)計與實現(xiàn)[J].江蘇農(nóng)業(yè)科學(xué),2015,43(1):399-401.
[15] 王聯(lián)春,劉振群,于旭東.3S技術(shù)在農(nóng)田灌排渠道選線中的應(yīng)用[J].中國農(nóng)學(xué)通報,2014,30(11):140.
[16] 尹翰坤,尹超,龔小容,等.汽摩零部件新產(chǎn)品開發(fā)云制造平臺總體框架及關(guān)鍵技術(shù)[J].計算機集成制造系統(tǒng),2013,19(9):2332-2339.
[17] 康玲,陳桂松,王時龍,等.云制造環(huán)境下基于本體的加工資源發(fā)現(xiàn)[J].計算機集成制造系統(tǒng),2013,19(9):2325-2331.
[18] 劉強,王磊,陳新度,等.云制造服務(wù)平臺的資源使用及訪問控制[J].計算機集成制造系統(tǒng),2013,19(6):1414-1422.
[19] 姚錫凡,金鴻,徐川,等.云制造資源的虛擬化與服務(wù)化[J].華南理工大學(xué)學(xué)報:自然科學(xué)版,2013,41(3):1-7.
[20] 崔曉康,馬軍,李立偉,等.基于動態(tài)集成框架的云制造服務(wù)過程追溯與匹配研究[J].制造業(yè)自動化,2014,36(8):9-11.
[21] 李成海,黃必清.基于屬性描述匹配的云制造服務(wù)資源搜索方法[J].計算機集成制造系統(tǒng),2014,20(6): 1499-1507.
[22] 王學(xué)文,楊兆建,丁華,等.煤礦裝備云制造資源服務(wù)平臺研究與應(yīng)用[J].煤炭學(xué)報,2013,38(10):1888-1893.
[23] 李立君,李昕,高自成,等.基于偏好免疫網(wǎng)絡(luò)的油茶果采摘機器人圖像識別算法[J].農(nóng)業(yè)機械學(xué)報,2012,43(12):209-213.
[24] 胡煉,羅錫文,曾山,等.基于機器視覺的株間機械除草裝置的作物識別與定位方法[J].農(nóng)業(yè)工程學(xué)報, 2013,29(10):12-18.
[25] 朱鳳武,于豐華,鄒麗娜,等.農(nóng)業(yè)機器人研究現(xiàn)狀及發(fā)展趨勢[J].農(nóng)業(yè)工程,2013,3(6):10-13.
[26] 李文鳳,彭智勇,李德毅,等.不確定性Top-k查詢處理[J].軟件學(xué)報,2012,23(6):1542-1560.
[27] 張曉輝,李瑩,王華勇,等.應(yīng)用特征聚合進行中文文本分類的改進KNN算法[J].東北大學(xué)學(xué)報,2003, 24(3):229-233.
[28] 王海青,姬長英,顧寶興,等.基于機器視覺和支持向量機的溫室黃瓜識別[J].農(nóng)業(yè)機械學(xué)報,2012,43(3):163-167.
[29] 王輝,毛文華,劉剛,等.基于視覺組合的蘋果作業(yè)機器人識別與定位[J].農(nóng)業(yè)機械學(xué)報,2012,43(12):165-170.
Research on Key Technologies of Digital New Product Development for Agricultural Machinery Parts—Based on the Cloud Manufacturing Service Platform
Feng Shuanglin1, Jin Jihong2
(1.Guangxi Vocational & Technical Institute of Industry, Nanning 530003, China; 2.School of Computer and Information Engineering, Jiaozuo Teachers College, Jiaozuo 454000,China)
In recent years, with the rapid development of new information technology, the research and development of agricultural machinery products is tend to be intelligent, digital and scientific development. It is a huge and complicated process for agricultural research and development of new products. In order to realize the digital design process of agricultural machinery products, it puts forward a new design method of digital agricultural products based on cloud services platform. With the help of digital design platform, the method can be shared and allocated resources, improve the efficiency of design and reduce the cost. From the agricultural model design, The auto desk digital design platform can finish the programming of CNC machining, and then test the final product to achieve the integration of agricultural products. A multi granularity resource optimization method, and the experiment shows that, by using the multi granularity algorithm, it can convert the multi-objective problem into single objective problem, make the optimization process become intelligent, resulting in agricultural processing, processing time and product reliability,which has shown great advantages.
agricultural machinery products; digital design; cloud manufacturing service; NC machining; multi granularity
2016-12-11
廣西壯族自治區(qū)教育廳項目(LX2014617)
馮雙林(1982-),男,河北內(nèi)丘人,講師/工程師,碩士研究生,(E-mail)fengslin0881@163.com。
S220.3;TP391.72
A
1003-188X(2018)02-0231-05