基于数字孪生的机床加工过程虚拟监控系统研究与实现
发布时间：2021-07-15 21:00
随着传统制造业与互联网信息技术的逐渐融合,传统制造向智能制造转变。智能制造的基础是物理空间与数字空间的互联互通,而数字孪生是实现物理空间与数字空间融合最佳途径。本文基于数控机床的数字孪生,研究了机床加工过程多源异构数据的可视化监控技术、机床数字孪生物理规则的融合方法,最终开发了基于数字孪生的机床加工过程虚拟监控系统。本文的主要研究内容如下:（1）虚拟监控系统的整体设计:提出系统设计目标、原则、开发流程;对虚拟监控系统的问题进行分析,得出虚拟监控系统核心目标是提升机床数字孪生几何层面映射和物理层面映射的性能,进而实现基于数字孪生的虚拟监控;设计包含五个需求模块的虚拟监控系统结构及五层结构的虚拟监控系统网络架构。（2）基于多源异构数据的机床可视化监控设计与实现:分析并采集机床加工过程的多源异构数据,设计并实现基于Json的数据集成;设计并实现基于Redis和RabbitMQ的虚拟监控系统数据异步传输方法,开发设备数据管理平台,测试显示异步传输方法相比普通方法的读写性能提升5.4倍,吞吐量提升1.64倍;设计并实现C#、Python的混合编程,并对机床运行数据的处理进行分析;研究并实现数据的...
【文章来源】：电子科技大学四川省 211工程院校 985工程院校 教育部直属院校
【文章页数】：91 页
【学位级别】：硕士
【部分图文】：
数据管理平台用户端
别对普通模式（C组）和异步模式（A组）进行了测试。普通传输模式中数据直接在MySQL数据库进行读写；异步传输模式中，读写请求进入消息队列再出队列执行，数据与Redis缓存进行写操作，数据的读操作先在Redis中进行，读取失败再到MySQL中进行。分别从3次读操作和1次写操作开始以10倍递增到3000次读操作和1000次写操作进行测试，每组进行三次测试。四组测试条件下，C组每组平均耗时分别为35ms、482ms、2019ms、14584ms，A组每组平均耗时分别为22ms、119ms、446ms、2775ms，随着负载的增加，A组相比C组的提升越明显，测试结果如图3-13所示。在3000次读操作和1000次写操作下，C组的时间是A组的5.4倍，异步传输下系统性能得到了很大提高。图3-13普通模式与异步模式读写性能对比结果
第三章基于多源异构数据的机床可视化监控设计与实现33测试了普通方法和异步方法的并发性能，以3.3.3节中设备数据管理平台的数据标记为测试接口，利用JMeter进行了了压测，并发量5000，循环执行10次。数据标记的次数的初始值设置为100，每个请求对数据标记的次数做减1操作，当标记次数减到0时不再执行请求。标记次数的正确值为0，并发性能较差会出现异常负值。对比了普通模式与异步模式下系统的吞吐量和平均响应时间，在三次测试中，有普通模式（C组）下平均响应时间为146ms，平均吞吐量为1241，标记次数最终结果出现了异常负值；异步模式（A组）下平均响应时间为159ms，平均吞吐量为3276，标记次数最终结果均为正确值0。异步方式相比于普通方式吞吐量提升了1.64倍，准确性也得到了提高，测试过程中吞吐量结果如图3-14所示。图3-14普通模式与异步模式吞吐量测试结果3.4加工过程实时数据处理3.4.1C#、Python混合编程技术与实现本文的虚拟监控系统主要基于Unity3D引擎和C#语言开发，可视化映射需要对数控机床加工过程大量的多源异构数据处理，Python语言和丰富的第三方库有利于数据的高效处理和系统的便捷开发。此外，Python语言在深度学习和图像处理方面也有很大的优势。为了保证本文虚拟监控系统的高性能，本文采用了C#语言和Python语言混合编程的方法。C#是针对.NET环境的编译型语言，Python语言是解释型语言，C#语言和Python语言混合编程的核心问题是两种语言之间的通信问题。进行混合编程主要有两种方式：扩展方式和嵌入方式。扩展方式指通过其他语言实现Python的功能模块，嵌入方式指将Python解释器配置到运行环境中，使系统能够运行Python代
【参考文献】：
期刊论文
[1]多源异构地质数据集成方法应用研究[J]. 潘婷婷,陈建平,吴永亮,王恩瑞. 地质学刊. 2018(01)
[2]云计算在智能机床控制体系中的应用探析[J]. 黄莹,卢秉恒,赵万华. 机械工程学报. 2018(08)
[3]现场实时数据驱动的翼身制孔过程三维可视化监视研究[J]. 王峻峰,刘锐,谢敏,郭洪杰,徐石磊,张书生,李世其. 航空制造技术. 2018(Z1)
[4]智能制造体系架构、参考模型与标准化框架研究[J]. 李清,唐骞璘,陈耀棠,李君,周剑,田雨华,李媛姗,苗建军. 计算机集成制造系统. 2018(03)
[5]基于大数据的智慧工厂技术框架[J]. 吕佑龙,张洁. 计算机集成制造系统. 2016(11)
[6]智能制造——“中国制造2025”的主攻方向[J]. 周济. 中国机械工程. 2015(17)
[7]从“数控一代”到“智慧一代”[J]. 张存吉,姚锡凡,张翼翔,周际锋,易安斌. 计算机集成制造系统. 2015(07)
[8]异构有限元网格多场信息的等效集成方法[J]. 方锡武,刘振宇,谭建荣,程丰备. 浙江大学学报(工学版). 2014(06)
[9]基于PATRAN的机床结构快速动力学建模系统的开发[J]. 毛宽民,叶俊,李斌. 中国机械工程. 2008(10)
博士论文
[1]数控机床主轴系统多物理场耦合热态特性分析研究[D]. 邓小雷.浙江大学 2014
[2]复杂产品数字样机多性能耦合分析与仿真的若干关键技术研究及其应用[D]. 傅云.浙江大学 2008
硕士论文
[1]基于数字孪生的数控机床虚拟交互系统设计与实现[D]. 何柳江.电子科技大学 2019
[2]面向结构试验的多源异构数据集成与分析系统设计[D]. 王琦.浙江大学 2019
[3]基于深度学习的流场数据后处理方法的研究[D]. 姚叶.北京邮电大学 2018
[4]基于Digital Twin模型的3C非标检测设备精益优化设计研究[D]. 李宝超.山东大学 2018
[5]基于数字孪生的数控机床多领域建模与虚拟调试关键技术研究[D]. 王春晓.山东大学 2018
[6]虚拟工厂大规模场景的运动仿真关键技术与应用研究[D]. 李旭东.电子科技大学 2018
本文编号：3286458
【文章来源】：电子科技大学四川省 211工程院校 985工程院校 教育部直属院校
【文章页数】：91 页
【学位级别】：硕士
【部分图文】：
数据管理平台用户端
别对普通模式（C组）和异步模式（A组）进行了测试。普通传输模式中数据直接在MySQL数据库进行读写；异步传输模式中，读写请求进入消息队列再出队列执行，数据与Redis缓存进行写操作，数据的读操作先在Redis中进行，读取失败再到MySQL中进行。分别从3次读操作和1次写操作开始以10倍递增到3000次读操作和1000次写操作进行测试，每组进行三次测试。四组测试条件下，C组每组平均耗时分别为35ms、482ms、2019ms、14584ms，A组每组平均耗时分别为22ms、119ms、446ms、2775ms，随着负载的增加，A组相比C组的提升越明显，测试结果如图3-13所示。在3000次读操作和1000次写操作下，C组的时间是A组的5.4倍，异步传输下系统性能得到了很大提高。图3-13普通模式与异步模式读写性能对比结果
第三章基于多源异构数据的机床可视化监控设计与实现33测试了普通方法和异步方法的并发性能，以3.3.3节中设备数据管理平台的数据标记为测试接口，利用JMeter进行了了压测，并发量5000，循环执行10次。数据标记的次数的初始值设置为100，每个请求对数据标记的次数做减1操作，当标记次数减到0时不再执行请求。标记次数的正确值为0，并发性能较差会出现异常负值。对比了普通模式与异步模式下系统的吞吐量和平均响应时间，在三次测试中，有普通模式（C组）下平均响应时间为146ms，平均吞吐量为1241，标记次数最终结果出现了异常负值；异步模式（A组）下平均响应时间为159ms，平均吞吐量为3276，标记次数最终结果均为正确值0。异步方式相比于普通方式吞吐量提升了1.64倍，准确性也得到了提高，测试过程中吞吐量结果如图3-14所示。图3-14普通模式与异步模式吞吐量测试结果3.4加工过程实时数据处理3.4.1C#、Python混合编程技术与实现本文的虚拟监控系统主要基于Unity3D引擎和C#语言开发，可视化映射需要对数控机床加工过程大量的多源异构数据处理，Python语言和丰富的第三方库有利于数据的高效处理和系统的便捷开发。此外，Python语言在深度学习和图像处理方面也有很大的优势。为了保证本文虚拟监控系统的高性能，本文采用了C#语言和Python语言混合编程的方法。C#是针对.NET环境的编译型语言，Python语言是解释型语言，C#语言和Python语言混合编程的核心问题是两种语言之间的通信问题。进行混合编程主要有两种方式：扩展方式和嵌入方式。扩展方式指通过其他语言实现Python的功能模块，嵌入方式指将Python解释器配置到运行环境中，使系统能够运行Python代
【参考文献】：
期刊论文
[1]多源异构地质数据集成方法应用研究[J]. 潘婷婷,陈建平,吴永亮,王恩瑞. 地质学刊. 2018(01)
[2]云计算在智能机床控制体系中的应用探析[J]. 黄莹,卢秉恒,赵万华. 机械工程学报. 2018(08)
[3]现场实时数据驱动的翼身制孔过程三维可视化监视研究[J]. 王峻峰,刘锐,谢敏,郭洪杰,徐石磊,张书生,李世其. 航空制造技术. 2018(Z1)
[4]智能制造体系架构、参考模型与标准化框架研究[J]. 李清,唐骞璘,陈耀棠,李君,周剑,田雨华,李媛姗,苗建军. 计算机集成制造系统. 2018(03)
[5]基于大数据的智慧工厂技术框架[J]. 吕佑龙,张洁. 计算机集成制造系统. 2016(11)
[6]智能制造——“中国制造2025”的主攻方向[J]. 周济. 中国机械工程. 2015(17)
[7]从“数控一代”到“智慧一代”[J]. 张存吉,姚锡凡,张翼翔,周际锋,易安斌. 计算机集成制造系统. 2015(07)
[8]异构有限元网格多场信息的等效集成方法[J]. 方锡武,刘振宇,谭建荣,程丰备. 浙江大学学报(工学版). 2014(06)
[9]基于PATRAN的机床结构快速动力学建模系统的开发[J]. 毛宽民,叶俊,李斌. 中国机械工程. 2008(10)
博士论文
[1]数控机床主轴系统多物理场耦合热态特性分析研究[D]. 邓小雷.浙江大学 2014
[2]复杂产品数字样机多性能耦合分析与仿真的若干关键技术研究及其应用[D]. 傅云.浙江大学 2008
硕士论文
[1]基于数字孪生的数控机床虚拟交互系统设计与实现[D]. 何柳江.电子科技大学 2019
[2]面向结构试验的多源异构数据集成与分析系统设计[D]. 王琦.浙江大学 2019
[3]基于深度学习的流场数据后处理方法的研究[D]. 姚叶.北京邮电大学 2018
[4]基于Digital Twin模型的3C非标检测设备精益优化设计研究[D]. 李宝超.山东大学 2018
[5]基于数字孪生的数控机床多领域建模与虚拟调试关键技术研究[D]. 王春晓.山东大学 2018
[6]虚拟工厂大规模场景的运动仿真关键技术与应用研究[D]. 李旭东.电子科技大学 2018
本文编号：3286458
本文链接：https://www.wllwen.com/kejilunwen/zidonghuakongzhilunwen/3286458.html
