智能制造及其关键技术--中国期刊网

字体：大中小

首页> 原创作品> 正文

智能制造及其关键技术

发表时间：2020/6/15 来源：《基层建设》2020年第6期作者：孙达凯

[导读] 摘要：智能制造定义为高度集成的、协同制造的系统。

        中航工业上电所上海 200241
        摘要：智能制造定义为高度集成的、协同制造的系统。它能对不同工况下的各种问题实时响应，以满足不同工厂、不同客户的多样性需求。智能制造是基于新一代信息通信技术与先进制造技术深度融合，贯穿于设计、生产、管理、服务等制造活动的各个环节，具有自感知、自学习、自决策、自执行、自适应等功能的新型生产方式。当前智能制造领域的热点是制造业的数字化、网络化、智能化的研究和应用，主要集中在信息感知、智能控制、智能决策、工业大数据分析等核心关键环节，工业物联网技术、工业大数据技术、数字孪生模型技术等成为主要的研究和应用内容。智能制造基础日益增强，智能制造关键技术逐渐完善，智能制造为大势所趋，是确保新的经济增长的关键，是世界制造业未来发展的重要方向之一。
        关键词：智能制造；关键技术
        引言：智能制造是全球制造业未来的发展趋势，是经济发展的新型驱动力．为了更加详细准确地总结智能制造及其关键技术。对此，在接下来的文章中，将针对智能制造及其关键技术方面进行详细的分析。
        1.工业物联网技术
        1.1智能感知技术
        信息感知是信息物理系统（CPS）的构成基础，通过智能设备采集物理对象实时动态的信息，为数据的存储、分析乃至决策提供数据来源。目前工业领域主要包括条形码、二维码、RFID等标志识别技术和各类传感器技术。其中RFID技术是一种无线射频识别技术，具有高效、快速、可靠、非视距读取、多目标识别和可工作于恶劣环境等优点，因此被广泛应用在各场景。一般RFID系统由阅读器、电子标签以及后台服务器组成，利用电感藕合或电磁反响散射耦合原理来实现电子标签和读写器之间的通信。
        标识与识别的前提和基础是资源的编码和寻址标准的制定。只有实现了寻址规则和资源编码的标准化、通用化，才能够保证带编码物体被高效、安全地识别和解读。现国际上主要采用EPC进行编码，它为物理对象提供了全球独一无二的编码，为编码方案、通信协议等做了标准化，方便任何被编码物体接入网络。
        1.2汇聚传输技术
        汇聚传输技术主要目的是解决网络布置和数据传输高度可靠的问题。实际生产环境错综复杂，有线传输网络布线困难，不易实现和维护，无线传输网络布置灵活、成本较低，但是存在信号遮挡的问题。简单易行、可靠性高的组网方式是解决数据高效传输的关键，因此，要根据实际情况灵活选择组网方案。为应对集中时段的大规模资源请求、公共模块的同步、标准文档管理、服务器并行处理等问题，组网工作需要解决大规模并行下载、多服务器数据同步、数据的分布与集中、多线程编程等核心技术问题。在工业生产环境中，如何高效地汇聚多个RFID阅读器、各类大量传感器采集的数据是保证工业环境下通信质量的关键。实际生产环境错综复杂，有线传输网络布线困难，不易实现和维护。因此，在保证传输质量的前提下，应该尽量考虑使用无线传输的方式。
        1.3异构数据的融合技术
        数据融合技术是一种对数据进行整合和处理的技术。一般包括基于统计方法的融合和基于信息论的融合，贝叶斯法、模板法、聚类分析法、自适应神经网络融合法等都有一定的应用。其中，基于神经网络理论的数据融合方法性能优异，处理质量较高。在实际的工业生产中，信息来源多种多样、数据体量庞大、数据结构千差万别，使得对数据的关联、维护、使用都非常困难。因此，海量异构数据的传输与融合是对信息资源整合的关键。

期刊文章分类查询,尽在期刊图书馆

对来自众多不同种类传感器、阅读器等的数据进行拼接、相关性分析、重新组织数据结构，用于对目标进行精确分析，做出正确判断。一般将数据融合分为三个层次：数据级融合、特征级融合、决策级融合。数据级别融合：数据级别融合又称像素级融合，是最底层的数据融合．对各个传感器采集的原始信息进行综合分析。数据级融合处理的信息量大、消耗时间长，但保持了较多的原始信息。特征级别融合：处于数据融合和决策级融合的中间层，是对传感器获得数据的特征提取、对特征向量的分类、聚合等操作。决策级别融合：是最高层次的融合，包括趋势估计、故障预判等，旨在为控制和决策提供参考依据。
        2.智能感知与互联技术
        制造服务智能感知技术是指通过在制造资源及服务中配置各种信息采集装置，采集多源信息，并对之进行有效的分析处理，使上层管理者了解实时、精确、全面的制造服务状态。为了实现对多源制造数据的实时感知，通过应用物联网技术，实时采集任何需要监控、连接、互动的物体或过程，实现物与物、物与人的泛在链接，进而实现对制造过程重要数据的主动感知，从而为制造系统的智能决策提供及时、准确、全面的制造过程运行信息。制造物联体系架构的建立是系统功能实现的前提条件，针对多种应用需求，行业人士从离散车间数据驱动的制造流程事件感知模型角度出发，提出了面向离散车间的制造物联生产过程关键事件主动感知技术架构；学者等针对制造执行过程中缺乏及时、准确和一致的制造信息，通过将物联网技术扩展到制造领域，构建了制造物联的实时信息捕获和集成架构，旨在实现设备层、车间层和企业层三者间的无缝双向连接和互操作性；基于选矿工业生产过程集成控制需求，研发了一种物联网使能的制造执行系统，并通过工业应用标明了系统的有效性。以射频识别技术、传感技术、实时定位技术为核心的实时感知技术已广泛用于制造要素信息的识别、采集、监控与管理，射频识别技术可以在产品全生命周期中为访问、管理和控制产品数据和信息提供可能。ZigBee、WiFi、蓝牙等多种无线通信技术在制造物联网中占有极为重要的地位，通过ZigBee技术搭建了建立了一种工厂范围的车间控制采集和监控系统，该系统使得生产车间中的各种数字仪器能够快速地即插即用，从而实现制造环境中数据的快速捕获。
        3.数字孪生模型
        在工业生产领域，实体的成本远远高于虚拟数字编码的成本。因此，可以利用数字代码信息代替实体完成工业各环节的生产活动，用预先模拟和仿真来分析系统的性能。基于数字化模拟来改进和预测生产活动的布局方式和工艺方案，从而达到降本增效的目的，数字孪生模型的概念应运而生。数字孪生模型是物理事件或系统的动态模型，它依赖传感器数据理解其状态，对变化做出相应改进操作，从而增加价值．“工四100术语”把数字孪生模型定义为：数字孪生模型是充分利用物理模型、传感器更新、运行历史等数据，集成多学科、多物理量、多尺度、多概率的仿真过程，在虚拟空间中完成映射，从而反映相对应的实体装备的全生命周期过程。数字孪生包括一个由元数据（如分类、组成、结构）、条件或状态（如位置、温度）、事件数据（如时间序列）和分析（如算法和规则）形成的组合，它是对真实物理世界的动态映射，实现了虚拟数字模型与现实物理空间的交互和融合[2]。
        结论
        简而言之，本文分析了智能制造领域的主要研究方向和热点问题；介绍了智能制造关键技术的研究和应用现状；研究了工业物联网技术、工业大数据技术、数字孪生技术等智能制造核心关键技术，并提出特定场景下合理的应用架构和部署方案，为智能制造的研究提供了一定的参考价值.
        参考文献：
        [1]周光辉，王杰，韩占磊，等.基于RFID的车间刀具自动识别技术与系统实现[J].四川兵工学报，2018，32（3）：50-52.
        [2]王伟驎，张嘉宝，王树仁.基于RFID技术的射出成形车间模具管理系统[J].中国机械工程，2017，22（1）：65-68