為了提高農(nóng)機(jī)現(xiàn)代化和批量化生產(chǎn)效率,實(shí)現(xiàn)基于個性化需求農(nóng)機(jī)設(shè)計和制造,提出了面向機(jī)加工的云技術(shù)農(nóng)機(jī)制造服務(wù)候選資源的發(fā)現(xiàn)方法,并設(shè)計了農(nóng)機(jī)虛擬制造的云計算平臺。在農(nóng)機(jī)部件云制造虛擬平臺中,首先利用云存儲技術(shù)存放大量的候選制造企業(yè)資源樣本數(shù)據(jù),然后利用智能分類算法KNN對候選資源進(jìn)行分類,根據(jù)農(nóng)機(jī)部件制造需求的客戶對候選資源進(jìn)行優(yōu)選,最后得到最佳的候選資源�；谠朴嬎愫�3D渲染技術(shù),構(gòu)建了面向工序級和零件級服務(wù)的仿真環(huán)境,并通過仿真實(shí)驗,得到了優(yōu)選后服務(wù)方的服務(wù)時間、費(fèi)用和合格率,為現(xiàn)代農(nóng)機(jī)的批量生產(chǎn)和個性化加工服務(wù)提供了新的解決方案。
【部分圖文】：

。為了順應(yīng)市場需求，在現(xiàn)代化農(nóng)機(jī)制造過程中，也需要注重數(shù)字化、集成化的發(fā)展模式，但在資源共享和安全方面都存在不少難題。近年來，隨著物聯(lián)網(wǎng)、大數(shù)據(jù)和云計算技術(shù)等新一代信息技術(shù)的發(fā)展，為制造業(yè)的升級提供了大量的新技術(shù)支撐，也為農(nóng)機(jī)現(xiàn)代化設(shè)計制造提供了嶄新的發(fā)展空間。1基于3D渲染云技術(shù)的農(nóng)機(jī)虛擬制造平臺隨著3D實(shí)時渲染技術(shù)的不斷發(fā)展，其在越來越多的領(lǐng)域得到了運(yùn)用，在游戲開發(fā)中使用的最多;如果將該技術(shù)應(yīng)用在農(nóng)機(jī)虛擬制造技術(shù)上，結(jié)合云技術(shù)平臺，將會給現(xiàn)代化農(nóng)機(jī)設(shè)計與制造產(chǎn)業(yè)帶來新的變革。圖1表示電子科技大學(xué)田師聰進(jìn)行的大規(guī)模群體加速的3D渲染實(shí)驗。該實(shí)驗采用基于蒙皮實(shí)例化技術(shù)的方式進(jìn)行渲染，創(chuàng)建頂點(diǎn)紋理，對大規(guī)模的人物收稿日期:2016－05－15基金項目:江蘇省自然科學(xué)基金項目(BK20131360)作者簡介:孫曉文(1982－)，男，江蘇淮安人，講師，碩士。通訊作者:劉志剛(1980－)，男，湖北天門人，副教授，博士，碩士生導(dǎo)師，(E－mail)liuzhigang@swfu．edu．cn。群體進(jìn)行加速渲染，從而得到了較好的動畫渲染效果;如果將其使用在農(nóng)機(jī)虛擬設(shè)計制造服務(wù)系統(tǒng)中，會大大地提高農(nóng)機(jī)部件虛擬制造的仿真效率。由于系統(tǒng)的實(shí)現(xiàn)需要處理大量的數(shù)據(jù)，因此在系統(tǒng)中引入了云制造技術(shù)。圖1基于云技術(shù)和3D渲染的農(nóng)機(jī)虛擬制造流程Fig．1Thevirtualmanufacturingprocessofagriculturalmachinerybasedoncloudtechnologyand3Drendering圖1表示基于云技術(shù)和3D渲染的農(nóng)機(jī)虛擬制造的流程圖，其流程大致為首先確定客戶訂單需求，利用3D渲染虛擬仿真工具對加工過程進(jìn)行仿真，然后利用云管理系統(tǒng)數(shù)據(jù)庫，根據(jù)KNN算法選取合適的服·16·2017年7月農(nóng)機(jī)化研究第7期DOI:10.13427/j.cnki.njyi.2017.07.003

務(wù)資源，最終輸出農(nóng)機(jī)部件生產(chǎn)的候選企業(yè)資源。圖2表示橢球類復(fù)雜零件的三維渲染效果圖。該部件是播種機(jī)上的一個轉(zhuǎn)向控制部件，利用三維渲染軟件可以對零件的加工過程進(jìn)行虛擬仿真。以加工軌跡的渲染為例，其效果如圖3所示。圖2橢球類零件模型圖Fig．2Theellipsoidpartsmodeldiagram圖3加工軌跡3D渲染Fig．3The3Drenderingofmachiningpath利用渲染結(jié)果可以充分了解農(nóng)機(jī)部件的加工過程，從而為零件加工候選服務(wù)節(jié)點(diǎn)的優(yōu)選提供依據(jù)。其中，優(yōu)選過程主要依據(jù)云虛擬制造平臺，其框架如圖4所示。該框架將工序級任務(wù)、零件級任務(wù)稱作任務(wù)，用m表示;工序級服務(wù)和零件服務(wù)統(tǒng)稱為服務(wù)，用Sij表示;通過服務(wù)候選集合的資源選擇，服務(wù)于農(nóng)機(jī)制造需求客戶。2KNN智能分類優(yōu)選算法KNN智能分類算法的基本思想是計算訓(xùn)練樣本和新樣板之間的距離，然后找到最近的K個相鄰樣本數(shù)據(jù)，根據(jù)這些相鄰樣本數(shù)據(jù)，來判定新的樣本類別。如果屬于同一類，則判定樣本屬于這個類別;如果不屬于這個類別，則對候選類別進(jìn)行評分，按照規(guī)則確定新樣本的類別。最后，把新的測試樣本歸類到最近的K個訓(xùn)練樣本中出現(xiàn)頻率最大的。如圖5所示:當(dāng)K=6時，根據(jù)分類判定的規(guī)則，測試的新樣本被歸類在黑色類別中。圖4農(nóng)機(jī)部件制造服務(wù)優(yōu)選框架Fig．4Theoptimalframeworkformanufacturingserviceofagriculturalmachineryparts圖5KNN臨近算法示意圖Fig．5SchematicdiagramofKNNapproachalgorithm使用KNN算法分類是基于臨近樣本數(shù)據(jù)具有類似的預(yù)測值，基本思想是在多維空間Ｒn中搜索未知樣本，找到與未知樣本最近鄰的K個點(diǎn)，并根據(jù)K個點(diǎn)來判斷未知的樣本數(shù)據(jù)。這K個點(diǎn)便是待分類樣本的k－最近鄰。假設(shè)所有n維空間點(diǎn)，最近鄰可以根據(jù)標(biāo)準(zhǔn)歐式距離來定，設(shè)x的特?

務(wù)資源，最終輸出農(nóng)機(jī)部件生產(chǎn)的候選企業(yè)資源。圖2表示橢球類復(fù)雜零件的三維渲染效果圖。該部件是播種機(jī)上的一個轉(zhuǎn)向控制部件，利用三維渲染軟件可以對零件的加工過程進(jìn)行虛擬仿真。以加工軌跡的渲染為例，其效果如圖3所示。圖2橢球類零件模型圖Fig．2Theellipsoidpartsmodeldiagram圖3加工軌跡3D渲染Fig．3The3Drenderingofmachiningpath利用渲染結(jié)果可以充分了解農(nóng)機(jī)部件的加工過程，從而為零件加工候選服務(wù)節(jié)點(diǎn)的優(yōu)選提供依據(jù)。其中，優(yōu)選過程主要依據(jù)云虛擬制造平臺，其框架如圖4所示。該框架將工序級任務(wù)、零件級任務(wù)稱作任務(wù)，用m表示;工序級服務(wù)和零件服務(wù)統(tǒng)稱為服務(wù)，用Sij表示;通過服務(wù)候選集合的資源選擇，服務(wù)于農(nóng)機(jī)制造需求客戶。2KNN智能分類優(yōu)選算法KNN智能分類算法的基本思想是計算訓(xùn)練樣本和新樣板之間的距離，然后找到最近的K個相鄰樣本數(shù)據(jù)，根據(jù)這些相鄰樣本數(shù)據(jù)，來判定新的樣本類別。如果屬于同一類，則判定樣本屬于這個類別;如果不屬于這個類別，則對候選類別進(jìn)行評分，按照規(guī)則確定新樣本的類別。最后，把新的測試樣本歸類到最近的K個訓(xùn)練樣本中出現(xiàn)頻率最大的。如圖5所示:當(dāng)K=6時，根據(jù)分類判定的規(guī)則，測試的新樣本被歸類在黑色類別中。圖4農(nóng)機(jī)部件制造服務(wù)優(yōu)選框架Fig．4Theoptimalframeworkformanufacturingserviceofagriculturalmachineryparts圖5KNN臨近算法示意圖Fig．5SchematicdiagramofKNNapproachalgorithm使用KNN算法分類是基于臨近樣本數(shù)據(jù)具有類似的預(yù)測值，基本思想是在多維空間Ｒn中搜索未知樣本，找到與未知樣本最近鄰的K個點(diǎn)，并根據(jù)K個點(diǎn)來判斷未知的樣本數(shù)據(jù)。這K個點(diǎn)便是待分類樣本的k－最近鄰。假設(shè)所有n維空間點(diǎn)，最近鄰可以根據(jù)標(biāo)準(zhǔn)歐式距離來定，設(shè)x的特?

【相似文獻(xiàn)】

相關(guān)碩士學(xué)位論文 前1條

1 馬文魁;虛擬制造中的農(nóng)機(jī)件智能CAPP技術(shù)研究[D];河南農(nóng)業(yè)大學(xué);2012年

本文編號：2826272