智能制造在農業機械設計中應用

前言：本站為你精心整理了智能制造在農業機械設計中應用范文，希望能為你的創作提供參考價值，我們的客服老師可以幫助你提供個性化的參考范文，歡迎咨詢。

摘要:隨著制造信息的爆炸性增長及處理信息工作量的猛增，要求制造系統表現出更大的智能化，除了需要專業人才和專門知識外，還需要智能制造系統具有大數據挖掘和分析處理能力，從而使系統具有感知分析、推理、決策、控制等功能。為此，在農機數字化設計平臺上引入了智能制造系統，并利用大數據挖掘技術對系統進行了優化，建立了經驗數據庫，在加工類似零部件時可以直接生成加工指令和工藝方案。實際應用表明:智能制造系統地引入有效縮短了加工工藝的設計周期，提高了設計效率，降低了設計制造成本。

關鍵詞:大數據挖掘;數字化設計;智能制造;加工工藝;農機設計

0引言

智能制造主要表現有下列的特征，即自組織能力、自律能力、自學習能力、系統的智能集成及人機一體化智能系統等。智能制造作為一種模式，是集自動化、柔性化、集成化和智能化于一身，并不斷向縱深發展的先進制造系統。在農機產品的研發過程中，零部件特別是復雜零部件的設計制造周期較長、成本較高，如果采用智能制造系統，在產品優化時采用虛擬仿真模擬的方法，從而減少反復試制產品帶來的高成本和長周期，提高了農機產品的研發效率。

1智能制造和大數據挖掘在農機產品研發中應用

智能制造系統研究的熱點有很多，將其使用在農機產品的設計和制造過程中，主要應該從以下幾個方面研究:首先，設計制造知識經驗數據庫，對制造知識進行表達，形成產品制造的形式語言;其次，利用計算機智能技術實現設計和制造過程的邏輯推理，有助于產品的優化;再次，進行產品的建模、特征和空間分析、智能協同設計及加工過程仿真;最后，在加工過程中需要智能監測、診斷和補償控制系統的支持，也需要高級分布式決策系統的管理，從而實現產品智能化制造，如圖1所示。在農機產品的設計和生產過程中，智能制造系統可以為制造系統通過設計建模、制造故障診斷預測、工業生產物聯網、供應鏈優化和精準營銷等服務，這些服務離不開大數據的支持，特別是大數據的分析、處理和挖掘。在產品生產時，生產線上有大量的傳感器，這些傳感器通過物聯網將生產過程中的各種細節傳給監控端，利用這些大數據挖掘可以了解生產過程中的每個環節，從而實現對生產工藝過程的優化;利用大數據還可以建立產品的虛擬模型，利用仿真優化生產流程，有助于改進生產流程;采用大數據對各種材料和能耗進行監測，也有助于降低生產成本，提高產業利潤。

2基于大數據挖掘的智能數字化制造系統

在農機裝備產品的數字化研發過程中，由于設計和制造時會產量海量的數據，所以需要智能化算法對這些數據進行分析和處理，通過數據挖掘的方式找到數據的關聯性，并建立經驗數據庫。當經驗數據庫的規模足夠大時，可以用這些經驗數據直接用于自動化生產類似的新產品部件，達到智能化制造的目的。智能化制造系統的基本框架如圖2所示。基于云存儲網絡可以搭建智能制造系統，采用云存儲技術可以對智能系統生產過程中產生的海量數據進行存儲，大數據挖掘算法可以對數據進行分析和挖掘，不管從物料方面還是產品營銷方法及智能機床的監測上，智能云存儲和大數據挖掘都可以發揮重要的作用。目前，神經網絡和聚類算法是典型的數據挖掘算法，且發展比較早，理論比較成熟，因此可以將其應用到農機的智能化制造系統的設計上。圖3所示表示神經元的基本模型。其工作原理模擬了人的神經元細胞的作用流程，通過對輸入數據進行分析、處理和挖掘，最終輸出想要得到的理想輸出結果。其模型基本表達式為ωx1x+ωy1y+θM1≥0ωx2x+ωy2y+θM2≥0ωxmx+ωymy+θMm≥0(1)其中，農機產品部件生產過程中的故障診斷信號序列輸入的個數為m;經驗數據庫信息的輸入部分為x1，x2，…，xm;ωx1，xx2，…，xxm表示連接權值;θ為偏置信值。權值和置信值可以分別表示為ωx=－(y2－y1)ωy=x2－x1θM=－ωxx1－ωyy1(2)在對農機產品制造過程的數據進行分析時，可以在神經網算法使用時合理的確定權值和置信度，在關聯算法中，需要創建每個數據記錄候選集的支持度，然后通過數據之間的關聯性對數據進行分類，其步驟如下:1)確定聚類中心，可以選擇K個生產信息樣本數據，具體為Z11，Z12，…，Z1k。2)將需要分類的數據{X}以一定的規則，給聚類中心分配一個Z(1)j。3)計算各個聚類中心的新的向量值Z(k+1)j，j=1，2，…，K，其表達式為Z(k+1)j=1Nj∑X∈S(K)jX(3)其中，Nj為第j個聚類域Sj中所包含的樣本個數。求出均值向量后，將其作為聚類中心，計算均值，其函數規則為J=∑Kj=1∑X∈S(K)j‖X－Z(k+1)j‖2(4)對每個聚類的數據進行均值核算。4)若Z(k+1)j≠Z(k+1)j，j=1，2，…，K，則返回2)，重新利用算法進行聚類分析，直到計算出聚類中心。通過神經網絡算法和聚類分析，在農機產品部件的智能化制造過程中，可以快速診斷出生產線是否存在制造故障，并確定故障的類型，其流程如圖4所示。利用大數據存儲技術可以將各種傳感器采集得到的數據進行存儲，并利用神經網絡算法和聚類算法對數據進行挖掘。如果確定制造過程中存儲故障狀態，智能決策系統可以對加工系統的作業姿態進行調整;如果需要對整個工藝和加工流程進行調整，可以臨時關閉生產線，待工藝和流程優化后繼續生產，從而保證產品的加工質量。

3農機數字化生產過程研究

基于智能制造系統，農機產品的生產線可以實現自動化生產，如圖5所示。在無人化車間，農機可以實現零件的自動化裝配過程。在農機智能化生產過程中，大數據可以應用到生產過程中的方方面面，因此對大數據的挖掘處理也是非常重要的一個環節，大數據的智能化處理可以為產品的加工制造過程節省更多的時間成本和材料成本，提高生產效率。除了農機部件的自動化組裝外，部件的生產線可以更多的采用智能化制造系統在拖拉機板類零件的加工時，有一些無法沖壓完成的部件需要借助焊接技術來完成，采用人工焊接不僅效率低，且精度也沒有機器人自動焊接技術高，而利用智能制造系統使機器人焊接拖拉機部件變得非常簡單，自動焊接機器人如圖6所示。智能化自動加工過程可以大大提高加工效率，而在零件加工之前，為了保證加工質量和產品的最優化，還需要對產品的加工過程及產品加工后的性能進行優化，從而合理安排加工工藝和加工流程。如果采用實體機床加工的話，在優化過程中需要對產品進行反復的加工試制，其加工成本較高、試驗周期較長;如果采用仿真模擬的方式對加工過程和加工產品進行模擬試驗，可以有效地提高效率，降低成本。如圖7所示，虛擬制造系統可以采用虛擬化機床對零部件進行加工模擬，在加工過程中還可以觀察機器的運行情況，查看工件和機器之間是否存在干涉等，為實體機床加工提供可靠的數據參考。如圖8所示，采用智能制造系統對拖拉機進行數字化設計和制造，其最大的特點是虛擬加工方法的應用。采用智能化虛擬加工系統可以快速地完成加工工藝的設計，是因為虛擬加工系統里存放了大量的經驗數據庫，且虛擬加工過程的可尋跡功能為工藝的優化提供了強大的數據支持，從而有效的縮短了加工工藝的設計周期，提高了設計效率，降低了設計制造成本。

4結論

在農機產品的研發過程中，利用數字化和智能化技術，引入了智能制造系統，并采用大數據挖掘的方法對系統進行了優化，使產品在加工時可以應用智能化數據庫，方便生成加工工藝及流程方案等。研究結果表明:采用智能化系統不僅可以輕松完成自動化焊接等機器人加工功能，還可以通過仿真模擬的方式對加工過程進行模擬，實現產品試制前的優化，從而提高了產品的研發效率，降低了設計和制造成本。

作者:杜伯陽 單位:浙江郵電職業技術學院