智能服务典型案例分享

2023-06-23 理论教育版权反馈

【摘要】：航空发动机是飞机的“心脏”，是飞行安全、飞行性能和维修费用的主要影响因素。航空发动机大数据与智能监控的研究，是智能服务的典型应用，对于提高飞行安全性与经济性具有重要意义。CPS结构包括5个水平，即5C架构，这个结构为工业应用上CPS的发展提供了方向。5C结构提供了一个如何从数据采集到价值创造构建CPS系统的工作流程。5C结构包括智能连接、数据到信息的转换、网络、认知和配置水平。

航空发动机是飞机的“心脏”，是飞行安全、飞行性能和维修费用的主要影响因素。发达国家一直重视航空发动机的监测与诊断，美国F135和俄罗斯117S等第五代先进发动机均装备机载监测与诊断系统；美国GE公司将健康维护与发动机捆绑销售。据统计，波音B737系列的发动机运转时可采集到的数据量保守统计约为100万亿字节，全世界平均每天有93 000次航班起落，2016年全年旅客人数还将增加8亿。为满足航空业越来越极致精细、准确的要求，空客公司从2014年开始投入资金，与甲骨文公司共同建立基于Hadoop技术的大数据处理系统及飞行模拟数据分析软件，并随之成立了“数据处理与试飞集成中心”。该中心负责收集并分析来自事先安装在飞行样机上的传感器在试飞过程中产生的各种数据，包括从发动机的温度到机翼或起落架的载荷极限，并为航空公司提供智能服务。以A350为例，共分析了近60万个参数，每天可收集到的数据已超过2万亿字节。航空发动机大数据与智能监控的研究，是智能服务的典型应用，对于提高飞行安全性与经济性具有重要意义。

美国辛辛那提大学智能维护系统NSFI/UCRO中心Jay lee等人集中于工业大数据分析和物理网络系统（CPS）现有的发展趋势，探讨了在制造业中应用CPS的体系结构——5C，通过5C CPS结构实现智能机器设计。CPS结构包括5个水平，即5C架构，这个结构为工业应用上CPS的发展提供了方向。CPS结构由两个主要部分组成：一是先进的连接确保从物理空间流向网络空间的实时数据以及网络空间的反馈；二是构建网络空间的管能数据分析。5C结构提供了一个如何从数据采集到价值创造构建CPS系统的工作流程。5C结构包括智能连接、数据到信息的转换、网络、认知和配置水平。

美国安柏瑞德航空大学系统工程系Radu F.Babiceanu等人概述了近年来基于制造领域的技术发展，还提出了M-CPS的发展建模准则。M-CPS模型包括物理世界和网络世界在这两个世界中有一层网络物理设备，如传感器和驱动器、局域网及应用程序和网络安全软件等。在适当的配置和必需的重复时，网络物理设备层能够通过传感器提供状态控制以及通过驱动器提供对制造操作任何阶段的调整。

德国凯泽斯劳膝大学制造技术和生产系统研究所Gulsum mert等人通过机床制造商的案例，研究了如何提高机床的能效。机床有多个组件，通过机器数据可以反映出各个组件的能效不同，但大多数的制造商并不清楚使用过程中的实际能量需求。冷却润滑系统、机器冷却和液压是最耗能的系统部件，组件由主轴、轴线、外部设备和电子设备4个主类构成，主类的每一个组件按照能量需求的高度分为3类：低能量需求、中能量需求和高能量需求。外部设备的组件全都是高能量需求的组件。机床能效的影响因素，通常有3个主要因素：机器类型、技术/工艺和环境。

在服务相关的机床能效分析中，只考虑了能量效率，没有考虑资源效率，也没有考虑生产机床和提供服务的能耗，其中生命周期会考虑能耗。分析客户角度的机床生命周期；确定所选机床的能效，效率会分布在每个组件；确定现有的和潜在的服务，以此增加机床的能效；最后，将不同服务的影响从低到高进行评估。

西班牙Eneko Gomez Acedo等人提出了一种热变形补偿的设计方法，在普通的车间环境下，有助于大型机器的制造工艺实现更高的精确度。热变形是限制机床定位精度的主要因素之一。选择一个参数化的状态空间作为模型架构，提供多重输入和输出性能并考虑先前机器热状态的密集公式，模型输入是主轴转速、主电动机变速箱和室内空气的温度，输出是在工作范围内机床中心点沿不同位置三条轴线的热漂移的评估。选择大型机床在车间工作的热行为的数学模型时，应考虑以下几点，具有多个输入端的模型，具有多个输出端的模型，与时间相关的模型，从已知的方程获益的模型。

意大利特伦托大学工业工程学系Carlos Maximiliano Giorgio Bort等人利用评价感知控制器（EPC）进行铣削时，工件的生产率和表面质量有很大的提升。首先提出了一个基于最优控制理论对铣削的主轴转速和进给速度的工艺参数快速优化的系统。考虑到刀具的磨损、刀具偏转和生产率（材料去除率），在机床动力学和切削过程的基础上定义了一个适当的目标函数，来抑制/减缓振动的发生。然后对于机器参数的初始设置和工艺参数在过程行为中的适应，可以计算出给定路径和工件材料的控制最佳序列。根据简化的一级动力学，该模型的功能包括对自激、强迫振动（主要目标）、刀具磨损、刀具偏转、主轴力和功率以及进给轴的响应。该过程模型利用了商业CSG（构造实体几何）库，提供了刀具--工件相交的方法和结构，能计算材料切除率（Material Removal Rate，MRR）、切深和切削力模型获得的啮合弧。最后利用这种实时铣削模型在三轴铣床上进行切割试验测试，结果显示生产效率和表面质量有了显著的增加。

德国汉堡大学生产工程研究所Jens Peter Wulfsberg等人提出了模块化、集成函数的设计及智能机械接口，该接口基于六点安装和一个确保高精度的可切换永久磁铁系统，各种机床模块可以快速地耦合到功能单元，无需工具和进一步调整。

加拿大康考迪亚大学电子和计算机工程学院F.Baghernezhad等人提出了新的故障检测和隔离/识别方案（FDI），将局部线性模型（LLB）作为模糊神经技术，径向基函数作为神经网络，来识别和表示移动机器人的模型。

美国桥港大学计算机科学与工程学系Marwah M.Almasri等人提出了移动机器人系统的线跟踪和防撞技术，依赖于低成本的红外线传感器，能够容易地应用于实时控制，仿真设置可以实现机器人巡线、障碍物探测、防撞，成功地完成了非常拥挤的曲线和避免了路径上的任何障碍。

西班牙埃斯特雷马杜拉大学理工学院计算机通信技术研究所Alejandro Hidalgo-Paniagua等人采用一种新的多目标进化算法——变邻域搜索（MOVNS）来解决机器人的路径规划问题。

罗马尼亚科学院固体力学研究所Vladareanu等人提出了三维虚拟环境中的机器人通用的智能平台VIPRO，将其和现有的组件一起集成于TT，在危险或具有挑战性的环境和高水平的实时仿真时，对机器人的行为有一个正确的评价，能够正确地模拟机器人之间及机器人和环境之间的相互作用。

马来西亚工艺大学机械工程学院系统动力与控制研究所Amin Noshadi等人提出了类高度非线性的3-RRR平面并联机器人的鲁棒定位的新型智能控制方案，当系统被不同类型的强制谐波激励的形式干扰时，使机械手准确地跟踪规定的笛卡儿轨迹。

印度学者P.K.Das等人通过修正参数和差异扰动速度算法，运用混合化的改进经典Q学习（Q-learning）和改进的粒子群算法，确定了杂波环境下多机器人的路径优化轨迹。

昆山科技大学电气工程学院Yeong Chan Chang提出了一个智能自适应/鲁棒跟踪控制方案，对于全部有界的状态和闭环系统，以及由于跟踪误差的未建模扰动衰减到任何一个预先制定的水平上的影响，实现了一个H无穷跟踪控制。

台湾云林科技大学电气工程学院Chun C.Lai等人将RGB-D映射和神经网络训练结合起来，实现了室内定位系统。

Chen等人提出了一种基于指令域电子数据分析的数控机床工作流程的CPS建模方法，并进行了多项智能加工应用的研究。

Zhou等人提出了大数据驱动能量管理的综合研究。首先讨论了能量大数据的来源和特点，然后提出了大数据驱动的智能能量管理的过程模型，最后以智能电网为研究背景，提供了智能能量管理大数据分析的系统评价。

德国亚琛工业大学Robert Schmitt等人提出了一种确保测量可追溯性的方法，通过重复校准发现刀具结构的热效应与测量不确定性直接相关。日本Makoto Fujishima等人提出了一种用于机床的传感器技术，可以从传感器中获取大量的数据，了解正在加工零件的情况，以此来提高切削效率。日本京都大学Soichi Ibaraki等人通过利用安装在主轴上的接触式触发探测器对试验片的在机测量（OMM）来校准旋转轴的定位误差。Jiang等人提出了一个五轴机床所有位置误差的在机测量，通过用激光位移传感器（LDS）取代切削工具来测量相应径向槽已加工表面的误差，提高了五轴机床定位误差测量方法的效率和准确度。Huang等人基于光纤光栅传感器技术，提出了一种测量重型机床的实时温度场的新方法，可以用于分析热行为和提高重型机床的精度。

通过制造大数据与智能监控系统的研究，改变传统制造以信息分立为特征的孤岛模式，形成设计—制造—运行全链条融会互通的智能制造新业态，在产品定制化、数据可视化、经验知识化、机器信息化与生产智能化等方面实现跨越，最终集成若干个大数据驱动的创新设计中心、大数据驱动的智能制造中心、重大装备智能监控与运维中心的行业生态圈，推进由“中国制造”向“中国智造”转型升级，促进我国制造业进入国际先进行列。

智能服务典型案例分享

相关推荐