一种支持整线定制设计的知识库构建方法

2020-08-26林贵祥严都喜

机电工程技术 2020年7期

林贵祥，严都喜

（1.广州秉优信息科技有限公司，广州 510006；2.广东工业大学广东省计算机集成制造重点实验室，广州 510006）

0 引言

生产线的前期设计工作都基于虚拟制造平台和三维仿真软件。目前整线的设计均是遵循分解订单产品，通过工艺过程分析获得整条生产线的设备选型，通过三维建模软件来建立模型，继而来编写控制每个模型的脚本文件，再根据整线来设计路径或存储等算法，这前期工作的每个阶段设计都需要花费很长时间，这就导致整个设计周期过长，开发效率低[1-3]。

生产线是生产商生产产品极其重要的组成部分。由于一般的生产线都比较复杂，具有不可预测且投资成本高等风险，因此目前很多生产商对生产线的整线设计前期工作都基于各种三维动态仿真软件来建立，通过这些仿真软件建立起来的整线，可以清晰了解到整个生产线的运作状况，评估整个系统的生产节拍，根据生产过程中可能出现的问题，及时修正[4-5]。这样可以不断完善设计方案，大大降低了生产成本和设计风险。而目前用仿真软件来建立一条定制的生产线，要求整线设计人员具备极高的技术水平和丰富的设计经验[6]。从初稿的给定，到整线设计出来，都需要花费较长一段时间。这就导致整个设计周期过长，开发效率低。

本文针对该问题，提出了一种支持整线定制设计知识库的构建方法，能够解决整线开发设计时设计周期过长的问题。

1 知识库构建的基本框架

如图1 所示，构建的知识库由模型库、脚本库、算法库组成。由各行业中可能用到的各种设备模型组成模型库，模型库包括设备封装、设备对象化、3D 模型（搭配基准/结构）、装配模型、简化模型等。控制方案设计中的运动方式规则、动作运动轨迹、控制脚本编写、控制网络设计、传感器布局等组成脚本库。一些常用优化算法整合为算法库[7]，包括数字化建模、耦合优化算法、参数化等。当有生产线需要定制设计时，通过工艺路线获得设备选型后，便可以直接调用模型库里的模型，模型根据要实现的逻辑动作配置脚本库里的脚本文件，整线完成后调用算法库里的优化算法，从而实现整线设计中的智能优化。

图1 知识库基本框架

算法库中的控制逻辑、优化方法写入到脚本库中，利用脚本完成对模型运动方式的控制。脚本实时反馈动作参数和变量，存储到数据库，输出状态信息，算法读取状态信息，自动更新算法，调整控制逻辑，实现控制方案的优化设计，整个过程是一个闭环反馈过程，通过不断迭代优化，输出最优的定制设计控制方案。模型库与脚本库之间通过配置文件实现配置与修改，完成对设备模型的运动控制。

知识库的构建，涵盖整线定制设计中的各个层次，能够快速实现设计知识的复用，快速完成整线的布局设计、动作规划、节拍设计、产线迭代优化设计。

2 知识库构建方法

本文提出了一种支持整线定制设计知识库的构建方法，所述方法具体包括如下步骤。

（1）构建模型库，建立各种设备模型。根据设备的功能属性，将设备分为加工设备类、物流设备类、控制设备类、辅助设备类等。利用三维建模软件solidworks 给分类好的各种设备进行建模，对同一类但具有不同功能的设备应分开建模。如磨边机类型还分为双边磨边机和四边磨边机。对三维模型进行简化，详细分析设备的功能动作，区分模型的动件与不动件，去除不影响该设备功能的零部件，减少模型所占内存比，减轻仿真显示引擎的负担，利于模型在仿真软件中的运行。建模后的设备按类模块化，导入仿真软件。设计者可以采用交互式从模型库中选取需要的模型，设置模型的属性参数并进行适当调整。模型库组成模块如图2 所示。

图2 模型库组成模块

（2）为每个设备模型编写控制该模型设备运动的脚本文件，构建脚本库。模型库中模型的零部件要从静态转为动态，实现运动状态，主要是由脚本文件来控制。在编写脚本文件前分析各种设备模型要实现的动作，进行动作设计和动作规划，分析设备模型的运动方式及运动参数[8]。比如机床工件的走刀方式、加工节拍、班次等。考虑设备与设备的联系，考虑整线分段控制，段内控制单元，工作单元的动作控制，其中包含自动化动作序列，复原动作等。工作单元之间的控制关系处理，段间控制关系处理。通过脚本Jscript 封装设备运动动作，使用类方法，一般的动作包括直线运动，旋转运动，往复运动，升降运动。

（3）编写实现整线运行的优化算法，构建算法库。根据生产线的单元配置及布局分配进行分类，分析各类生产线运行过程中要实现的优化问题，对具体问题进行抽象，假设，简化，从而将整线或单元模型抽象化、数字化，建立能有效解决问题的数学关系，将各类数学关系抽象成数学模型。基于各类抽象出来的数学模型，利用Java 开发环境研发不同生产线的算法。将各条生产线拆分，定制属于生产线单元模块的算法，如考虑缓冲策略，AGV（自动导向小车）运动策略，控制器控制策略，装卸站的相关策略，机床相关策略，智能存库等算法。封装对象化研发出来的算法，封装后的算法可供开发人员根据特定的生产线来选择想要实现的算法，作为智能执行引擎的内核。

（4）模型库与脚本库的交互。根据特定整线选取合理的模型后，设置设备模型的属性，运动参数包括运动速度、加速度、运动方向等参数。通过开发前置处理程序，生成生产线的规划设计信息，如所选设备类型、数量、布局位置、朝向等，并按格式保存在相应的数据库中，利用系统的初始化程序读取数据库中的这些信息。根据数据库读取到的信息，通过相应的配置文件与脚本库里的脚本文件交互。

（5）脚本库与算法库的对接。封装后的算法可以根据特定的生产线来选择特定的算法。脚本库中包含了设备模型的运动参数，运动状态等参数信息，设备模型中传感器采集现场信号，动件运动轨迹、与脚本库进行实时交互，脚本库将实时状态信息通道，以反馈变量、参数的方式将状态信息存放在状态数据库，反馈到上层管控系统，共享数据结构，与算法引擎对接。各单元模块的算法通过整合，统一整线的执行逻辑关系，整合为整线的算法，执行步骤（1）。

（6）通过模型库、脚本库、算法库的相互交互和对接，整线初步设计完成。输入生产数据后，根据整线的运行情况，分析仿真运行结果。

3 案例

根据本文提出的知识库构建方法，应用于中空玻璃深加工产线，根据中空玻璃加工流程所涉及的工序，采用Solidworks 对各工序所应用的设备进行建模，并导入仿真平台，进行零部件动件和不动件区分及层次化处理，后对设备运行行为进行分析和脚本封装，形成“几何模型+控制逻辑”的智能设备模型，智能设备模型是专用模型库和专用脚本库针对具体设备对象相互映射的结果。对智能设备模型进行归类，建立的专用设备库，其在仿真平台中呈现的方式如图3 所示，包括切割机库、网格仓储架库、磨边机库、输送台库、钢化炉库、清洗机库等。最终整线定制设计如图4 所示。