基于物聯(lián)網(wǎng)的模具生產(chǎn)過程信息自動感知與處理關(guān)鍵技術(shù)研究.pdf

1、模具作為制造業(yè)的基礎(chǔ)工藝裝備，其設(shè)計(jì)制造水平是制約制造業(yè)新產(chǎn)品研發(fā)與創(chuàng)新的關(guān)鍵瓶頸之一。隨著經(jīng)濟(jì)全球化的推進(jìn)，實(shí)現(xiàn)模具的高精、高質(zhì)、高效、低成本的設(shè)計(jì)制造，已成為模具行業(yè)面臨的重大技術(shù)挑戰(zhàn)。將先進(jìn)的自動化技術(shù)引入模具的設(shè)計(jì)制造過程，是今后模具設(shè)計(jì)制造技術(shù)發(fā)展的必然趨勢。而在這一發(fā)展過程中，將信息化管理系統(tǒng)與模具生產(chǎn)的物理系統(tǒng)有效集成在一起，實(shí)現(xiàn)模具生產(chǎn)過程的各類信息的自動采集、處理和傳輸，則是實(shí)現(xiàn)模具自動化生產(chǎn)的關(guān)鍵。然而，由于模具是一

2、種典型的面向訂單和單件生產(chǎn)型產(chǎn)品，其制造過程復(fù)雜多變，使得模具生產(chǎn)過程各類信息的自動采集和處理過程復(fù)雜且難度大。因此，本文重點(diǎn)圍繞模具生產(chǎn)過程各類信息的自動采集和處理，系統(tǒng)研究了基于物聯(lián)網(wǎng)的模具生產(chǎn)過程信息感知及處理的關(guān)鍵技術(shù)。
　　首先，通過深入分析模具的生產(chǎn)過程，確定了各類生產(chǎn)信息特征及其感知處理需求，然后結(jié)合物聯(lián)網(wǎng)技術(shù)，提出了基于物聯(lián)網(wǎng)的模具生產(chǎn)信息感知和處理系統(tǒng)的四層體系結(jié)構(gòu)，包括感知層、中間層、應(yīng)用層與接口層。其中，感知

3、層是由物聯(lián)網(wǎng)智能設(shè)備（讀寫器、標(biāo)簽等）與生產(chǎn)過程所關(guān)聯(lián)的相關(guān)資源，通過聯(lián)網(wǎng)綁定后構(gòu)成；中間層用于對各類感知信息的處理融合；應(yīng)用層是對處理后的信息進(jìn)行面向生產(chǎn)過程的實(shí)時監(jiān)控；而接口層則是用于與其它關(guān)聯(lián)的信息系統(tǒng)的連接與集成。在此基礎(chǔ)上，根據(jù)模具生產(chǎn)過程各關(guān)聯(lián)對象間的關(guān)系，提出智能資源模型的概念，以及模具生產(chǎn)過程信息感知與管控活動模型，從而為后續(xù)的模具生產(chǎn)過程信息的自動感知與處理奠定了基礎(chǔ)。
　　針對模具生產(chǎn)過程的特點(diǎn)，提出了以各關(guān)聯(lián)

4、對象間相對位置關(guān)系作為信息感知與分類的處理機(jī)制，并按信息聚合粒度從小到大，將模具的生產(chǎn)過程信息定義為原始事件、關(guān)鍵事件和監(jiān)控事件三類信息。其中，原始事件信息表示了標(biāo)簽?zāi)骋粫r刻在讀寫器工作范圍內(nèi)的一次活動；關(guān)鍵事件信息描述了標(biāo)簽綁定對象相對于應(yīng)用場景的時空活動；監(jiān)控事件信息則是具備上層語義的企業(yè)級監(jiān)控活動。在此基礎(chǔ)上，提出了模具生產(chǎn)過程事件處理系統(tǒng)，通過對原始事件進(jìn)行過濾和平滑處理將其轉(zhuǎn)化為關(guān)鍵事件信息，然后根據(jù)業(yè)務(wù)邏輯和事件模板將關(guān)鍵事

5、件融合成具有上層語義的監(jiān)控事件信息?；谏鲜鍪录畔⒌奶幚恚纯蓪?shí)現(xiàn)模具生產(chǎn)過程中各類信息的快速采集、處理與傳輸。
　　各類對象間相互位置信息是進(jìn)行信息感知處理的基礎(chǔ)，為此，本文根據(jù)模具生產(chǎn)過程特點(diǎn)，提出了符號定位和位置指紋定位混合的模具車間定位模型及其分析計(jì)算方法，實(shí)現(xiàn)對工件位置信息的自動感知。其中符號定位方法用于獲取定位目標(biāo)在機(jī)床等加工資源區(qū)域的相對位置；位置指紋定位方法則用于獲取較大空曠區(qū)域定位目標(biāo)的相對位置。為了提高位置指

6、紋定位方法的準(zhǔn)確度，在現(xiàn)有的方法基礎(chǔ)上，提出了一種改進(jìn)的位置指紋定位算法。該算法首先采用基于密度聚類的預(yù)處理方法，對信號強(qiáng)度進(jìn)行聚類分簇，從而有效降低噪聲對信號強(qiáng)度的影響。在此基礎(chǔ)上，構(gòu)建了包括基于信任度的輸入層，具有最優(yōu)節(jié)點(diǎn)數(shù)的隱含層在內(nèi)的反傳神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)，降低了因?yàn)榫嚯x因素對信號強(qiáng)度造成的偏差。對比分析表明，本文所提的改進(jìn)位置指紋算法，有效提高了位置指紋定位的準(zhǔn)確性和穩(wěn)健性。
　　在上述研究基礎(chǔ)上，以J2EE為平臺，開發(fā)了基于