發(fā)布時(shí)間：2021-07-15 21:00

　　隨著傳統(tǒng)制造業(yè)與互聯(lián)網(wǎng)信息技術(shù)的逐漸融合,傳統(tǒng)制造向智能制造轉(zhuǎn)變。智能制造的基礎(chǔ)是物理空間與數(shù)字空間的互聯(lián)互通,而數(shù)字孿生是實(shí)現(xiàn)物理空間與數(shù)字空間融合最佳途徑。本文基于數(shù)控機(jī)床的數(shù)字孿生,研究了機(jī)床加工過程多源異構(gòu)數(shù)據(jù)的可視化監(jiān)控技術(shù)、機(jī)床數(shù)字孿生物理規(guī)則的融合方法,最終開發(fā)了基于數(shù)字孿生的機(jī)床加工過程虛擬監(jiān)控系統(tǒng)。本文的主要研究內(nèi)容如下:（1）虛擬監(jiān)控系統(tǒng)的整體設(shè)計(jì):提出系統(tǒng)設(shè)計(jì)目標(biāo)、原則、開發(fā)流程;對虛擬監(jiān)控系統(tǒng)的問題進(jìn)行分析,得出虛擬監(jiān)控系統(tǒng)核心目標(biāo)是提升機(jī)床數(shù)字孿生幾何層面映射和物理層面映射的性能,進(jìn)而實(shí)現(xiàn)基于數(shù)字孿生的虛擬監(jiān)控;設(shè)計(jì)包含五個需求模塊的虛擬監(jiān)控系統(tǒng)結(jié)構(gòu)及五層結(jié)構(gòu)的虛擬監(jiān)控系統(tǒng)網(wǎng)絡(luò)架構(gòu)。（2）基于多源異構(gòu)數(shù)據(jù)的機(jī)床可視化監(jiān)控設(shè)計(jì)與實(shí)現(xiàn):分析并采集機(jī)床加工過程的多源異構(gòu)數(shù)據(jù),設(shè)計(jì)并實(shí)現(xiàn)基于Json的數(shù)據(jù)集成;設(shè)計(jì)并實(shí)現(xiàn)基于Redis和RabbitMQ的虛擬監(jiān)控系統(tǒng)數(shù)據(jù)異步傳輸方法,開發(fā)設(shè)備數(shù)據(jù)管理平臺,測試顯示異步傳輸方法相比普通方法的讀寫性能提升5.4倍,吞吐量提升1.64倍;設(shè)計(jì)并實(shí)現(xiàn)C#、Python的混合編程,并對機(jī)床運(yùn)行數(shù)據(jù)的處理進(jìn)行分析;研究并實(shí)現(xiàn)數(shù)據(jù)的... 

【文章來源】：電子科技大學(xué)四川省 211工程院校 985工程院校 教育部直屬院校

【文章頁數(shù)】：91 頁

【學(xué)位級別】：碩士

【部分圖文】：

數(shù)據(jù)管理平臺用戶端

別對普通模式（C組）和異步模式（A組）進(jìn)行了測試。普通傳輸模式中數(shù)據(jù)直接在MySQL數(shù)據(jù)庫進(jìn)行讀寫；異步傳輸模式中，讀寫請求進(jìn)入消息隊(duì)列再出隊(duì)列執(zhí)行，數(shù)據(jù)與Redis緩存進(jìn)行寫操作，數(shù)據(jù)的讀操作先在Redis中進(jìn)行，讀取失敗再到MySQL中進(jìn)行。分別從3次讀操作和1次寫操作開始以10倍遞增到3000次讀操作和1000次寫操作進(jìn)行測試，每組進(jìn)行三次測試。四組測試條件下，C組每組平均耗時(shí)分別為35ms、482ms、2019ms、14584ms，A組每組平均耗時(shí)分別為22ms、119ms、446ms、2775ms，隨著負(fù)載的增加，A組相比C組的提升越明顯，測試結(jié)果如圖3-13所示。在3000次讀操作和1000次寫操作下，C組的時(shí)間是A組的5.4倍，異步傳輸下系統(tǒng)性能得到了很大提高。圖3-13普通模式與異步模式讀寫性能對比結(jié)果

第三章基于多源異構(gòu)數(shù)據(jù)的機(jī)床可視化監(jiān)控設(shè)計(jì)與實(shí)現(xiàn)33測試了普通方法和異步方法的并發(fā)性能，以3.3.3節(jié)中設(shè)備數(shù)據(jù)管理平臺的數(shù)據(jù)標(biāo)記為測試接口，利用JMeter進(jìn)行了了壓測，并發(fā)量5000，循環(huán)執(zhí)行10次。數(shù)據(jù)標(biāo)記的次數(shù)的初始值設(shè)置為100，每個請求對數(shù)據(jù)標(biāo)記的次數(shù)做減1操作，當(dāng)標(biāo)記次數(shù)減到0時(shí)不再執(zhí)行請求。標(biāo)記次數(shù)的正確值為0，并發(fā)性能較差會出現(xiàn)異常負(fù)值。對比了普通模式與異步模式下系統(tǒng)的吞吐量和平均響應(yīng)時(shí)間，在三次測試中，有普通模式（C組）下平均響應(yīng)時(shí)間為146ms，平均吞吐量為1241，標(biāo)記次數(shù)最終結(jié)果出現(xiàn)了異常負(fù)值；異步模式（A組）下平均響應(yīng)時(shí)間為159ms，平均吞吐量為3276，標(biāo)記次數(shù)最終結(jié)果均為正確值0。異步方式相比于普通方式吞吐量提升了1.64倍，準(zhǔn)確性也得到了提高，測試過程中吞吐量結(jié)果如圖3-14所示。圖3-14普通模式與異步模式吞吐量測試結(jié)果3.4加工過程實(shí)時(shí)數(shù)據(jù)處理3.4.1C#、Python混合編程技術(shù)與實(shí)現(xiàn)本文的虛擬監(jiān)控系統(tǒng)主要基于Unity3D引擎和C#語言開發(fā)，可視化映射需要對數(shù)控機(jī)床加工過程大量的多源異構(gòu)數(shù)據(jù)處理，Python語言和豐富的第三方庫有利于數(shù)據(jù)的高效處理和系統(tǒng)的便捷開發(fā)。此外，Python語言在深度學(xué)習(xí)和圖像處理方面也有很大的優(yōu)勢。為了保證本文虛擬監(jiān)控系統(tǒng)的高性能，本文采用了C#語言和Python語言混合編程的方法。C#是針對.NET環(huán)境的編譯型語言，Python語言是解釋型語言，C#語言和Python語言混合編程的核心問題是兩種語言之間的通信問題。進(jìn)行混合編程主要有兩種方式：擴(kuò)展方式和嵌入方式。擴(kuò)展方式指通過其他語言實(shí)現(xiàn)Python的功能模塊，嵌入方式指將Python解釋器配置到運(yùn)行環(huán)境中，使系統(tǒng)能夠運(yùn)行Python代

【參考文獻(xiàn)】：
期刊論文
[1]多源異構(gòu)地質(zhì)數(shù)據(jù)集成方法應(yīng)用研究[J]. 潘婷婷,陳建平,吳永亮,王恩瑞.  地質(zhì)學(xué)刊. 2018(01)
[2]云計(jì)算在智能機(jī)床控制體系中的應(yīng)用探析[J]. 黃瑩,盧秉恒,趙萬華.  機(jī)械工程學(xué)報(bào). 2018(08)
[3]現(xiàn)場實(shí)時(shí)數(shù)據(jù)驅(qū)動的翼身制孔過程三維可視化監(jiān)視研究[J]. 王峻峰,劉銳,謝敏,郭洪杰,徐石磊,張書生,李世其.  航空制造技術(shù). 2018(Z1)
[4]智能制造體系架構(gòu)、參考模型與標(biāo)準(zhǔn)化框架研究[J]. 李清,唐騫璘,陳耀棠,李君,周劍,田雨華,李媛姍,苗建軍.  計(jì)算機(jī)集成制造系統(tǒng). 2018(03)
[5]基于大數(shù)據(jù)的智慧工廠技術(shù)框架[J]. 呂佑龍,張潔.  計(jì)算機(jī)集成制造系統(tǒng). 2016(11)
[6]智能制造——“中國制造2025”的主攻方向[J]. 周濟(jì).  中國機(jī)械工程. 2015(17)
[7]從“數(shù)控一代”到“智慧一代”[J]. 張存吉,姚錫凡,張翼翔,周際鋒,易安斌.  計(jì)算機(jī)集成制造系統(tǒng). 2015(07)
[8]異構(gòu)有限元網(wǎng)格多場信息的等效集成方法[J]. 方錫武,劉振宇,譚建榮,程豐備.  浙江大學(xué)學(xué)報(bào)(工學(xué)版). 2014(06)
[9]基于PATRAN的機(jī)床結(jié)構(gòu)快速動力學(xué)建模系統(tǒng)的開發(fā)[J]. 毛寬民,葉俊,李斌.  中國機(jī)械工程. 2008(10)

博士論文
[1]數(shù)控機(jī)床主軸系統(tǒng)多物理場耦合熱態(tài)特性分析研究[D]. 鄧小雷.浙江大學(xué) 2014
[2]復(fù)雜產(chǎn)品數(shù)字樣機(jī)多性能耦合分析與仿真的若干關(guān)鍵技術(shù)研究及其應(yīng)用[D]. 傅云.浙江大學(xué) 2008

碩士論文
[1]基于數(shù)字孿生的數(shù)控機(jī)床虛擬交互系統(tǒng)設(shè)計(jì)與實(shí)現(xiàn)[D]. 何柳江.電子科技大學(xué) 2019
[2]面向結(jié)構(gòu)試驗(yàn)的多源異構(gòu)數(shù)據(jù)集成與分析系統(tǒng)設(shè)計(jì)[D]. 王琦.浙江大學(xué) 2019
[3]基于深度學(xué)習(xí)的流場數(shù)據(jù)后處理方法的研究[D]. 姚葉.北京郵電大學(xué) 2018
[4]基于Digital Twin模型的3C非標(biāo)檢測設(shè)備精益優(yōu)化設(shè)計(jì)研究[D]. 李寶超.山東大學(xué) 2018
[5]基于數(shù)字孿生的數(shù)控機(jī)床多領(lǐng)域建模與虛擬調(diào)試關(guān)鍵技術(shù)研究[D]. 王春曉.山東大學(xué) 2018
[6]虛擬工廠大規(guī)模場景的運(yùn)動仿真關(guān)鍵技術(shù)與應(yīng)用研究[D]. 李旭東.電子科技大學(xué) 2018



本文編號：3286458