基于工业物联网的工程机械智能装配关键技术分析

张如伟 李媛 张圆圆

摘  要：针对基于工业物联网的工程机械智能装配关键技术进行了分析论述。首先回顾了工程机械装配的发展历史和现状，分析了目前存在的自动化程度低、信息不透明等不足。以工业物联网为主要架构，对工程机械装配过程的状态感知技术，数据处理、存储与演化技术，数据分析与优化技术等进行了分析论述。

关键词：工程机械;智能装配;工业物联网;状态感知

中图分类号：TU606         文献标志码：A         文章编号：2095-2945（2019）06-0139-02

引言

制造业的核心业务是物料的制造生产，但由于业务类别繁多，物料的种类多样，生产过程错综复杂，因而企业提高效率降低成本的关键在于对物料与产品的生产制造过程进行监管与优化[1]。工程机械、装备制造等类型企业的产品装配是一项涉及物料、人员、机器等众多因素的复杂性活动[2]。物联网技术的快速发展，使得在物与物之间、物与人之间建立广泛联系成为可能，为工程机械生产管理以及在线监测提供新的途径[3]。将物联网的技术充分嵌入到工程机械生产装配过程之中，实现实时地监测和管理设备的原料采购、生产、流通的各个环节的实施，并为企业的智能决策提供依据，实现企业的智能化管理，是未来工程机械智能制造的重要方向。

工程机械的生产量较小，自动化程度落后，虽然近年来有了较快发展，但装配工艺水平整体仍然不高，一是输送自动化程度低，除总装线外，绝大部分仍然采用固定式装配，通过起重机或叉车进行车间之间的转运;二是依靠人工作业，由人工完成工件的搬运、安装等，国内国际尚无自动化程度较高的装配生产线。针对大型工程机械装配车间中的数据采集困难、信息反馈滞后、能耗较高等诸多问题，建立基于工业物联网的工程机械智能装配系统，提升工程机械复杂装配执行过程的透明性、敏捷性及容错性，提高过程响应能力与对生产现场的动态控制管理能力，达到对生产过程进行全方位的跟踪、分析、优化和控制，实现生产过程更精确和及时的监控与主动感知，推动装配生产模式的改善，对加快运用信息技术改造提升传统产业，转变发展方式，推动两化深度融合有着重要意义。

1 基于物联网的状态感知技术

研制环境适应与抗干扰能力的工业现场传感器。装配生产线上需要多种传感器，包括工件定位、力矩、压力传感器等。传统的传感器存在环境适应性低、抗干扰能力差、接口功能单一等不足，不能适应工程机械智能制造的需求。因此需进行传感器智能化、可靠性、安全性、低功耗方面的研究设计，开发嵌入式软硬件平台，实现生产过程的智能化数据采集、数据处理等功能，提高整机平均无故障时间和采样精度;分析工程机械生产现场环境特点和噪声特点，研究基于模拟滤波和数字滤波器的混合滤波方法，提高数据采集精度，保证数据的准确性和正确性。

工业物联网核心软硬件产品研制及组网研究。工程机械装配车间需要在控制成本的前提下，构建由大量无线传感器网络节点组成的大型网络，建立节点与车间现场物理实体之间长期稳定有效的关联，通过实时信息的交互，对多源、海量状态信息进行感知及监控，到达对生产车间的全面监控。但车间环境复杂，信号干扰源多，以及要面对工程机械装配过程中的复杂性、多样性、不确定性等问题，因此需要开展针对性的工业物联网核心产品研究。研究可靠稳定、抗干扰能力强的组网技术，实现生产现场网络的大规模数据节点可靠互联。

复杂传感器网络的工作模式、拓扑结构、异构网络互连技术研究。在复杂现场环境中，不同工段具有不同的环境要求，在其中构建的传感器网络的工作模式和拓扑结构有很大不同，各网络具有异构性，要实现各异构网络的互连，使得不同区域或工作面的网络既可以独立运行，又可以联合运行，互相支撑，共享数据资源。

无线传感器网络是一种与具体应用高度相关的网络，在进行路由设计时，需要考虑其环境适应性。在面向工程机械装配车间的应用中，要求路由协议能够具有好的能量均衡性、可扩展性、鲁棒性以及安全性，并且能够实现一定的数据融合，从而减少数据传输量，降低网络能量消耗。

网络冗余与可靠性研究。复杂工况环境增加了无线信号传输的难度，大量的不规则金属会对无线信号产生强烈干扰，因此需要开展复杂环境下的网络通信可靠性研究，通过理论分析、实际测试等方法获得信号无线传送的阻碍因素、干扰因素和解决方法。

2 工业物联网数据处理、存储与演化技术

基于多源数据集成与异构数据融合的数据协同管理技术研究。由于现有计算机软、硬件信息平台的复杂性与异构性，严重阻碍了生产信息的数据融合，因此必须研究多源数据的协同管理问题，特别是数据标准化、应用系统的互操作性、信息的安全性以及数据源的动态配置能力。在此基础上，将多个分散的、异构的数据源中的数据，集成到统一的数据集合里，形成异构数据集成。

物联网涉及生产各个环节，存在大量不符合数据完整性条件、内容不确定的测量数据，这些数据不能维持数据与语义的一致性，不符合数据的完整性。同时这些不同结构和不同来源的数据，其规模、可信度和可用度也参差不齐。因此多源异构数据集成技术的实质是解决多源分布式存储数据之间的异构问题，将不同格式的数据转换成统一的格式的数据，有效解决数据的差异性和信息集成的冲突。

高效的不完备信息系统融合规则提取方法研究。在物联网环境中，要融合的数据信息往往不完备。首先，需要研究在没有先验知识的情况下，从多传感器数据中挖掘和发现信息之间的聯系，提取融合规则，从而完成对数据的融合，辅助决策;其次，在传感器及其网络环境中，由于通信延迟、系统故障，传感器节点受损或能源问题等各种各样的原因，导致多传感器信息系统中可能存在诸多数据值的缺失情况出现。因此如何在这种数据不完备的情况下实现准确快速地获取融合规则是需要研究解决的问题。

可溯源的海量数据高效存储与管理技术。溯源是一种描述数据的生成历史以及对数据进行各种操作的元数据，能够精确地描述一个数据对象的起源，显示创建一个数据对象的细节，并揭示不同对象之间的依赖性，可以用来作为复原数据的重要线索，对于工程机械生产过程的监控和追溯非常有现实意义。但是，随着对数据的访问和修改越来越多，记载这些历史信息的溯源信息也相应的不断增加，给系统的存储空间开销带来了巨大的挑战。

设备数据的模型演化技术。工程机械生产线中工业互联网监测数据多以时序数据为主，通常具有数据量大、连续、具有高度的领域相关性等特点，是一种典型的流数据。大量新的数据高速产生，需要不断地对最新数据进行在线处理，这对数据处理的实时性提出了较高要求。在分布式环境下，还需保持动态数据访问的全局一致性，保证分析结果的正确性。为此，需要进行动态演化模型、数据处理流程耦合等领域的研究。

3 基于工业物联网的数据分析与优化技术

针对工程机械智能装配生产线的大数据业务分析需求，为了提高生产过程监测及产品追溯系统并行处理能力，促进网络信息存储与管理、信息融合、数据挖掘、智能处理和信息利用等， 需要建立基于高性能数据挖掘的网络海量信息处理平台，构建大数据分析和智能优化的工具集。统计分析和数据挖掘算法为大数据提供了重要的基础技术，具体包括：复杂数据统计、聚类、贝叶斯网络分类、遗传算法等群体智能优化技术。根据大数据的特点进行算法的改造和提升，为大数据应用提供算法支撑。

基于工业物联网的生产线能耗优化技术。采用工业物联网对装配设备进行智能化升级，对生产流程和装备数据进行收集和分析，可有效提高智能装备的利用率，进一步实现生产线的能耗优化。针对装配过程的单机设备，进行能耗动态优化分析、能耗成本统计分析、能耗异常综合分析以及能耗环境指标动态考核。针对车间的整体能耗，在综合考虑调度效率、稳定性和能耗的情况下，建立多目标的调度优化模型，为生产调度决策提供科学多样化的选择方案。

4 结束语

围绕建设工程机械智能化装配生产线的发展需求，从自动化生产集成、工业现场传感器智能化、生产线现场数据采集、数据驱动、数据协同管理等技术进行了分析论述，包括关键设备和传感器的互联、工业现场多源数据感知和数据采集，多源生产线数据协同管理，基于数据驱动的生产能耗优化，实现生产过程的实时感知与动态控制、异常情况的快速响应与处理、产品质量的完全可控和可追溯、生产过程工序能耗的分析与优化等功能。

参考文献：

[1]何刚.无线监测网络的数据采集及同步策略研究[D].桂林：桂林电子科技大学，2014.

[2]郭响.汽车发动机装配线数据采集与管理系统研究与开发[D].长沙：中南大學，2007.

[3]宋宫玺，袁逸萍，李晓娟.基于物联网的生产车间数据采集系统研究[J].装备制造技术，2014.