基于工业物联网理念的工程机械智能装配关键技术探索

李琳莉

（飞卓科技（上海）股份有限公司，上海 201505）

0 引言

工程机械智能装配生产线上要使用多种传感器来获取诸如工件位置信息、组装机械的压力、设备运行电流和电压等生产工艺参数,传统的做法是把所有的传感器都通过线缆直接接入计算机控制系统,导致线路多、故障点多,降低了生产效率。 工业物联网技术通过把传统传感器改造为智能传感器,然后利用无线传输的方式将现场信号远程发给计算机控制系统,省去了传统的大量的安装布线工作和线路故障排查工作,这种应用了工业物联网技术的智能装配生产线能够极大地提升装配效率,应用前景广泛。

1 智能装配的关键技术点

1.1 良好的状态感知能力

所谓的感知实际上就是采集基础数据,如方位、距离、压力等参数。 工程机械智能装配实际上是将各种组件自动地组装在一起,使其达到机械设备装配标准。传统的装配工作主要依靠人力来完成,而现在在物联网技术和智能控制技术的支持下,大部分的装配工作都可依靠带状态感知能力的智能机械设备来自动完成。 和人工装配不同,这种智能装配系统能自动感知工件的基础数据信息,并将这些信息实时传输到控制平台,然后由控制平台发出指令控制执行机械臂完成工件定位、就位、安装、紧固、焊接等一系列活动。 显而易见,状态感知能力强弱与否在智能装配技术中起到非常关键的作用,因为在传统装配模式下主要由人的眼睛、触觉来完成相应的工作,而人体的感知能力非常发达,可有效完成装配任务。 而改用机械化、自动化的装配系统之后,感知能力的精度、灵敏度等将直接决定装配效果,因此,传感器本体的感知响应能力和信号传输网络的稳定性、时延性及抗干扰能力在设计中都需要重点考虑。 物联网技术主要通过无线传感来实现信号传输,在具体设计过程中要考虑到网络系统的信号稳定性、环境抗干扰能力,网络系统主要部署在机械装配车间内部,在使用过程中要达到良好的安全性和可扩展性［1］。

1.2 数据存储与处理能力

智能装配生产线中涉及的数据采集场景非常多,所采集的参数数据也各不相同,其中涵盖了距离、角度、压力等多种类型的参数,这些数据存在不同的定义、用途和结构,由此引发的问题是数据类型不统一、完整性不足。 因此,在设计智能装配生产线的数据存储系统时,要考虑到多元异构数据之间的融合性,否则在后期的数据管理中会产生很大的难度,对于数据存储系统中涉及的应用技术有很多,本文仅对可溯源数据和设备数据模型演化这两种关键应用技术做简单阐述。

(1)可溯源数据技术的应用。 工程机械智能装配生产车间每天都会产生大量的生产制造数据,这些数据经过传感器系统进入数据库,经过长期的积累之后会形成大量的历史数据。 智能装配车间在日常管理过程中会有查询历史数据的需求,也就是数据溯源,借此来控制和管理整个生产过程中的各个环节。 因此,在设计数据存储系统时,要充分考虑大数据的存储空间,可设计成分布式数据库,为了提高数据的安全性,还要做好数据的冗余备份管理。 另外,数据量增大之后,数据库的查询速度就会下降,这一点将会影响智能装配生产线的响应速度,进而导致装配过程难以控制好精度和各种参数。 因此,在数据存储系统的设计中,响应速度是重中之重。

(2)设备数据模型演化技术的应用。 智能装配在使用过程中要通过实时反馈的数据操控装配机械,该数据在传输时不能产生过大的延迟,否则就会严重制约装配过程的精度。 如果采用分布式数据存储系统,当多个系统控制组件同时运行时,还要确保其获取的数据是完全一致的。 因此,在设计智能装配生产线的数据系统时,提倡灵活运用模型演化技术。

2 基于物联网技术的智能装配系统设计

2.1 总体架构

工程机械智能装配系统总体架构,如图1 所示。此架构由3 层组成,第一层为感知层,是物联网技术应用的基础,包括传感器或读卡器等数据采集设备、数据接入网关之前的传感器网络。 其任务是识别物体和采集系统中的相关信息,从而实现对“物”的认识与感知,诸如智能装配系统中常用的传感器:电压/电流传感器、测距传感器、扭矩传感器、气压传感器、摄像头、RFID 传感器等。 第二层为网络层,是建立在现有通信网络和互联网基础之上的融合网络,网络层通过各种接入设备与移动通信网和互联网相连,其主要任务是通过现有的互联网、广电网络、通信网络等实现信息的传输、初步处理、分类、聚合等,用于沟通感知层和应用层。 具体表现为对各种无线及有线组网方式的应用,如WiFi,Bluetooth,NB-IOT,Lora,modbus,profibus,CAN open 等。 第三层为应用层,是将物联网技术与专业技术相互融合,利用分析处理的感知数据为用户提供丰富的定制化服务。 在这一层,各种垂直领域的实际应用最终得以实现,诸如工程机械智能装配系统通过感知层采集到的数据,经过网络层传输给应用层,应用层通过对数据进行综合分析处理,来控制相应执行装置(机械手、电控工装夹具等)达成预定目标,完成生产线流水作业,同时将各类信息同步存入服务器的数据库中,进行数据分析、统计及可视化展示。

图1 工程机械智能装配系统总体架构

2.2 硬件设计

2.2.1 射频识别设备设计

在智能装配作业中要依靠识别技术对工件、操作人员以及工位等进行有效的识别,在这一基础之上才能将工件运输到指定的位置,进而完成装配操作。 典型的识别技术为基于射频识别原理的RFID,这种技术的优点在于信息的读取非常方便,能够一次性获取多种目标的RFID 信息,不易受到环境因素的干扰。 射频识别设备由3 个部分构成,一是部署在工件上的标签,二是用于识别标签信息的读写器,三是存储与处理这些数据的数据库。 标签中承载着物品的具体信息,这也是物联网技术的主要实现路径之一。 数据库可使用本地库,也可使用云存储。 前者的维护难度较大,要求使用单位具备专业的技术人员,后者由第三方商业机构维护,安全性很高。

2.2.2 传感器模块设计

工程机械的装配过程存在多个工序,每一个动作都要控制好精度和力度。 因此,技术人员必须借助传感器对装配操作的各项参数进行实时测量和控制。 通常,智能装配系统中所用的传感器由一系列重要的模块组成,模块结构示意如图2 所示。 智能传感器的核心部件是MCU 控制器,通过高精度传感器采集现场物理量信号,传输给MCU 控制器,然后经过数据处理,将处理后数据通过本体集成的WiFi 通信模块上传给车间管理与控制系统。 以下简单介绍几种智能装配中常用的传感器:(1)电压/电流传感器:自动装配生产线主要依靠电力线路实现设备控制,因而在日常管理中必须对设备上的电流和电压情况实施实时的监控,其核心的测量装置为电能计量芯片,并且在测量的过程中还能转换电流和电压的大小,使其符合测量设备的安全使用条件［2］。 (2)测距传感器:在智能装配过程中,经常要对工件和加工机具、组装机具之间的距离进行测量,在获取相应的数据之后传递给控制系统,驱动加工机具的精准动作。 此类测距对精度要求非常高,因而,工程实践主要借助激光测距技术,一方面测量的速度非常快,另一方面可实现高精度的测量。 (3)扭矩传感器:工程机械的装配还涉及各种类型的旋转结构,例如,螺栓的紧固。 在机械自动化组装时,要精确测量扭矩,扭矩超过安全范围之后会破坏机械结构。 扭矩是一个物理量,通过测量设备可将其转变为电信号。 这种检测技术将专门的应变片粘贴在被检测的机械结构上,最终目的是在构件上形成应变桥,在电流的作用下测量出扭矩值。 (4)气压传感器:智能装配生产线中会使用到气源,为机械部件提供一定的压力,在作业过程中要对气源的气压实时监控,为完成相应的检测任务经常应用气压传感器,其检测所得数据会传输到控制系统。 由此,比对当前值和目标值,再反馈。 气压经常会影响工件是否安装到位,系统检测的目的就是精确控制气源的压力值,确保安装过程可控。

图2 传感器模块结构

2.3 软件设计

数据采集理论上最好是做到实时传输,但实际上这种传输模式是难以实现的,因为传感器采集到数据之后,通过无线WiFi 将数据传递到管理后台,并非数据采集之后立即就传输,一般是以预定时间为间隔进行间歇传输,如每秒传输一次。 如果是现场操作中依赖的数据,一般是将其传输到微处理器(单片机)中,由微处理器来验证这些传输过来的数据,重点检验其数据来源、数据的安全性和有效性。 除了采集软件,在后台管理系统中还设计有大量的自动化运维软件,智能装配系统的工厂级监测中心配置了一定数量的监测设备,主要是在上位机上安装自动化运维软件,装配机械在作业过程中的各项工艺参数都会展示在大屏上,技术人员通过对数据的分析观察来判断设备当前的运行状态以及工程机械的安装进度。 电流、电压、系统压力等预先设定了安全阈值,当超过安全范围之后,就会触发报警装置,产生蜂鸣报警［3］。

3 物联网智能装配系统应用实例

国内某大型工程机械生产企业主要制造挖掘机、起重机械以及装载机。 为了提升生产效率、降低人工成本,该企业建立了智能化生产线,在工件的搬运中使用了AGV 小车。 小车实际上是一种基于物联网技术和人工智能技术的机器人。 小车使用激光技术进行导航和测距,通信依靠5G 技术来实现。 采用这套智能化生产线之后,平均每6 min 就能组装出一台挖掘机设备,生产效率极高。 另外,整个生产线上部署的传感器数量达到2 600 多个,车间的信息平台也能通过工位传感器实时获取各种组装信息。

4 结语

随着工业物联网技术的不断进步,工程机械智能装配生产线中会集成更多的智能传感器,用于探测电流、电压、气压等各种参数,然后通过计算机控制系统完成自动装配,物联网技术在该系统中承担着信号传输、数据采集、数据存储与处理等一系列功能。 因此,在生产制造工程机械时,可把物联网技术与自动化技术融合在一起,达到各工位组件自动装配,最终实现整条装配生产线的智能化高效协同生产,此种解决方案有广泛的市场应用前景。