【摘要】：對(duì)數(shù)控加工中高頻海量指令域電控?cái)?shù)據(jù)進(jìn)行有效的采集、管理與應(yīng)用,是將數(shù)據(jù)科學(xué)引入數(shù)控加工行業(yè)、并進(jìn)而實(shí)現(xiàn)智能制造的基礎(chǔ)之一。本文提出了一個(gè)基于云計(jì)算與大數(shù)據(jù)技術(shù)的指令域電控?cái)?shù)據(jù)采集存儲(chǔ)與管理系統(tǒng)設(shè)計(jì)方法,能夠有效應(yīng)對(duì)指令域電控?cái)?shù)據(jù)采樣頻率高和數(shù)據(jù)量大所帶來的挑戰(zhàn)。本文還提出了一種基于指令域電控?cái)?shù)據(jù)的數(shù)控加工質(zhì)量分析方法,通過對(duì)傳統(tǒng)分類算法的改進(jìn),有效提高了跟隨誤差序列分類的準(zhǔn)確性,從而實(shí)現(xiàn)了根據(jù)跟隨誤差的大小評(píng)價(jià)加工質(zhì)量好壞的技術(shù)。數(shù)控機(jī)床指令域電控?cái)?shù)據(jù)是制造業(yè)大數(shù)據(jù)的主要來源之一,對(duì)加工過程優(yōu)化、機(jī)床健康狀態(tài)診斷及故障預(yù)警有著十分重要作用。針對(duì)指令域電控?cái)?shù)據(jù)采樣頻率高、單條數(shù)據(jù)量小、數(shù)據(jù)總量大的特點(diǎn),本文設(shè)計(jì)了一套數(shù)據(jù)采集管理系統(tǒng)�；诜植际较⒅虚g件Redis/Kafka的吞吐性能、Spark并行計(jì)算引擎的計(jì)算能力和分布式文件系統(tǒng)HDFS的海量可拓展存儲(chǔ)能力,本文所設(shè)計(jì)的系統(tǒng)可以穩(wěn)定的將數(shù)控機(jī)床采樣頻率高、數(shù)據(jù)總量極大的指令域電控?cái)?shù)據(jù)采集并管理起來。為整合制造企業(yè)現(xiàn)有IT資源,實(shí)現(xiàn)資源的按需分配,本文設(shè)計(jì)了基于Open Stack的制造企業(yè)私有云搭建策略,并根據(jù)Open Stack各組件通信原理設(shè)計(jì)了一款制造企業(yè)私有云管理軟件。為更加合理的利用有限的存儲(chǔ)資源,根據(jù)制造業(yè)數(shù)據(jù)具有時(shí)效性的特點(diǎn),本文提出了指令域電控?cái)?shù)據(jù)管理策略,以更加充分利用有限的存儲(chǔ)空間。在采集大量數(shù)據(jù)的基礎(chǔ)上,本文設(shè)計(jì)了指令域電控?cái)?shù)據(jù)驅(qū)動(dòng)的加工質(zhì)量評(píng)估方法,該方法通過將動(dòng)態(tài)時(shí)間規(guī)整距離與K臨近分類算法結(jié)合,使得對(duì)超長機(jī)床跟隨誤差序列分類準(zhǔn)確率大大提升,并通過改進(jìn)降低了動(dòng)態(tài)時(shí)間規(guī)整算法時(shí)間復(fù)雜度。本文實(shí)現(xiàn)了指令域電控?cái)?shù)據(jù)的采集、存儲(chǔ)、管理和應(yīng)用一系列技術(shù),并已在多家制造企業(yè)部署應(yīng)用�，F(xiàn)場應(yīng)用情況表明,本文所設(shè)計(jì)指令域電控?cái)?shù)據(jù)采集管理系統(tǒng)能夠滿足制造業(yè)現(xiàn)場大數(shù)據(jù)吞吐量的需求,且存儲(chǔ)系統(tǒng)具有很好的橫向拓展能力,系統(tǒng)可以穩(wěn)定的為指令域電控?cái)?shù)據(jù)采集、管理與分析提供支持。
【圖文】：

決策樹（Decision Tree）、樸素貝葉斯的幾種分類模型做簡要介紹。 臨近，是以多數(shù)表決規(guī)則為基礎(chǔ)的分類模的訓(xùn)練集進(jìn)行訓(xùn)練，對(duì)于新到測試樣本，決的方式進(jìn)行決策，也就是說，k 個(gè)最近的樣本便屬于哪種類別。在使用 K-NN 的分類值和分類決策規(guī)則是其 3 個(gè)基本的要素。K歐氏距離、馬氏距離等。圖 1-1 是 K-NN別代表兩種不同的類別，每個(gè)三角/正方形本。當(dāng) k=3 時(shí)，，距離計(jì)算距離圓形最近的三一個(gè)三角形，根據(jù)多數(shù)表決規(guī)則，測試樣

圖 1-2 決策樹模型示例1.4 論文的主要研究內(nèi)容本課題的主要內(nèi)容是研究設(shè)計(jì)一種適用于采集管理高頻、海量數(shù)控機(jī)床指令域電控?cái)?shù)據(jù)的大數(shù)據(jù)采集、存儲(chǔ)與管理系統(tǒng)，并提出了一種利用指令域電控?cái)?shù)據(jù)分析機(jī)床加工質(zhì)量的方法。數(shù)控機(jī)床指令域電控?cái)?shù)據(jù)具有采樣頻率高、單條數(shù)據(jù)量小、數(shù)據(jù)總量大的特點(diǎn)，傳統(tǒng)的工業(yè)數(shù)據(jù)采集存儲(chǔ)方式在面對(duì)這些特點(diǎn)時(shí)很難應(yīng)對(duì)，要求系統(tǒng)需要有較高的吞吐量、較好的容錯(cuò)性和動(dòng)態(tài)拓展存儲(chǔ)空間的能力。因此本文將數(shù)據(jù)中間件技術(shù)與大數(shù)據(jù)領(lǐng)域的分布式存儲(chǔ)與并行計(jì)算技術(shù)應(yīng)用到制造業(yè)中，來解決吞吐量與拓展性問題。制造業(yè)數(shù)據(jù)有時(shí)效性，為充分利用存儲(chǔ)空間，本文提出了數(shù)據(jù)壓縮策略，有效的減少了存儲(chǔ)資源耗用。數(shù)控機(jī)床跟隨誤差能夠有效的反映工件輪廓加工質(zhì)量，本文提出了一種指令域電控?cái)?shù)據(jù)驅(qū)動(dòng)的加工質(zhì)量分析方法。跟隨誤差是復(fù)雜且長度很長時(shí)
【學(xué)位授予單位】：華中科技大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2018
【分類號(hào)】：TG659

【參考文獻(xiàn)】

相關(guān)期刊論文 前7條

1 芮坤坤;;基于OpenStack平臺(tái)的云計(jì)算系統(tǒng)設(shè)置研究[J];重慶科技學(xué)院學(xué)報(bào)(自然科學(xué)版);2015年01期

2 徐國虎;孫凌;許芳;;基于大數(shù)據(jù)的線上線下電商用戶數(shù)據(jù)挖掘研究[J];中南民族大學(xué)學(xué)報(bào)(自然科學(xué)版);2013年02期

3 張楨;牛玉剛;;DCS與現(xiàn)場總線綜述[J];電氣自動(dòng)化;2013年01期

4 陶飛;張霖;郭華;羅永亮;任磊;;云制造特征及云服務(wù)組合關(guān)鍵問題研究[J];計(jì)算機(jī)集成制造系統(tǒng);2011年03期

5 朱正國;;數(shù)據(jù)庫開發(fā)的瀑布模型設(shè)計(jì)過程[J];電腦知識(shí)與技術(shù);2010年24期

6 張建勛;古志民;鄭超;;云計(jì)算研究進(jìn)展綜述[J];計(jì)算機(jī)應(yīng)用研究;2010年02期

7 李伯虎;張霖;王時(shí)龍;陶飛;曹軍威;姜曉丹;宋曉;柴旭東;;云制造——面向服務(wù)的網(wǎng)絡(luò)化制造新模式[J];計(jì)算機(jī)集成制造系統(tǒng);2010年01期

相關(guān)碩士學(xué)位論文 前1條

1 宋文超;基于云計(jì)算的移動(dòng)辦公系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn)[D];北京郵電大學(xué);2012年

本文編號(hào)：2600931