面向PVC压延生产线的物联网接入机制的设计与实现

发布时间：2021-10-17 14:18

　　PVC压延行业作为我国制造业的重要组成部分,PVC压延产品广泛应用于我国建材、汽车、农业等重要产业,具有涉及面广,关联产业众多的特点。但当前我国PVC压延行业大型压延设备数字自动化程度低,生产效率低下,生产过程中释放的气体对环境影响大,不符合当前精益制造、绿色制造的趋势发展要求。PVC压延企业面临着向数字化、智能化、精益化生产转型,物联网相关技术的发展,为PVC压延行业快速发展和由传统制造模式向数字化制造模式转型升级,提供了机遇。因此,本文针对PVC压延设备数字化改造的需求,提出了一种面向PVC压延生产线的物联网接入机制,该机制设计了面向PVC压延生产线物联网平台的五层架构,包含设备层、接口转换层、Agent接入层、消息中间件层和应用系统层,旨在利用可插拔式Agent,将PVC压延企业车间现场的采集的实时数据快速接入到物联网平台,满足应用系统的需求。首先,针对PVC压延生产线上的设备价格昂贵,不易安装和部分传感器,智能仪表不具有联网功能的特点,本文设计了一种接口转换层,能够有效的在PVC压延企业车间现有设备的基础上,完成升级改造,对设备数据进行采集。其次,针对由不同厂商提供的设备导致的... 

【文章来源】：广东工业大学广东省

【文章页数】：68 页

【学位级别】：硕士

【部分图文】：

MINA结构框架图

广东工业大学硕士学位论文10发布/订阅模式：该模式是一个一对多或多对多的模式，即一个生产者或多个生产者生产的消息可以被多个消费者消费。图2-3发布/订阅模式Figure2-3Publish/subscribemodel关于Kafka中相关名词的解释，如下表2-1所示。表2-1Kafka相关名称解释Table2-1Kafkarelatednameexplanation名称释义Producer消息的发布者Consumer消息的订阅者Topic消息的主题Broker消息的代理，也称服务器节点partition一个主题下可以有一个或多个分区在集群系统中，由于Kafka的Broker本身是无状态的，所以Kafka使用Zookeeper来存储基本元数据，完成对Kafka的Broker管理和协调，维护集群的平衡状态及集群的消息共享。生产者将消息发送到指定Topic的Partition中，Kafka使用Broker来存储Topic的数据（具体地，Broker是通过在当前Segment文件后追加数据的方式来存储新的消息）。订阅了该Topic的消费者，Kafka会向其提供该Topic的当前偏移量，并将其保存在Zookeeper中，消费者定期拉取Broker中的消息。当生产者向Kafka成功发布消息后，订阅了该Topic的消费者消费该消息。消费者消费完消息后，向Kafka发送消费确认，Kafka收到消费确认后，会立即更改当前偏移量（Offset），并将更改后的值更新到Zookeeper中维护，一次消息的发布和订阅过程

广东工业大学硕士学位论文12第三章物联网接入机制的设计3.1需求分析为了能够设计一套高可用的面向PVC压延生产线的物联网平台接入机制，本章开始从实际工程角度去分析工业物联网平台的需求及设计方案。3.1.1平台应用场景分析图3-1大型PVC压延设备Figure3-1LargePVCcalenderingequipment在我国当前现有的PVC压延企业，存在较多的大型设备，如图3-1所示，设备昂贵的造价决定了企业不能轻易更换设备，而现存的设备又大多属于传统的老旧的设备，设备与设备，设备与上位机之间采用现场总线进行连接控制。PVC压延企业车间的生产线大多采用垂直式结构，生产源头立于三四层甚至更高的楼层上，生产出来的成品在一楼车间。而各层车间有存在大量的仪器仪表（如温控表，速度表，电流表），传感器和以PLC为主的控制设备。这种环境下，生产车间的各个环节的操作工，借助电话，对讲机之类的通讯设备进行沟通协调，生产效率低下。为了提高生产效率，促进制造升级，需要实时采集个生产环节的数据，用工业物联网将所有数据采集，汇集和展示出来，用于支持生产决策。针对上述分析PVC压延企业的现状，提出在实施大型PVC压延企业设备的工业物联网改造可能面临的问题，归纳如下：（1）在工业生产中，工业园区存在环境复杂，不易布线的特点，给设备的接入和数据在网络中的传输提出了新的挑战；（2）工业园区面临生产设备陈旧，多以各类仪表、传感器、PLC控制器为主，且这些设备与控制系统之间采用现场总线进行连接控制，现场总线无法直接接入工业物联网；

【参考文献】：
期刊论文
[1]智能制造关键使能技术发展及应用[J]. 李伟,海本禄,易伟.  制造技术与机床. 2020(04)
[2]基于多Agent的智能工厂生产调度优化[J]. 蔡跃坤,王俊佳,朱智鹏.  西南科技大学学报. 2020(01)
[3]多agent分层强化学习在数据定位中的应用研究[J]. 洪壮壮,万仲保,张薇,黄兆华.  计算机应用研究. 2020(12)
[4]基于多智能体强化学习的多AGV路径规划方法[J]. 刘辉,肖克,王京擘.  自动化与仪表. 2020(02)
[5]MES与PLC实时通信系统研究[J]. 孙洁,王兴楠,刘晓悦.  小型微型计算机系统. 2020(01)
[6]基于多智能体共享认知的车间动态调度方法研究[J]. 秦军,睢鹏,李昌玲,翁佩佳.  制造技术与机床. 2020(01)
[7]工业互联网推动离散制造业转型升级的发展现状、技术体系及应用挑战[J]. 庄存波,刘检华,隋秀峰,胡耀光,杨晨,胡晗.  计算机集成制造系统. 2019(12)
[8]数字孪生与信息物理系统——比较与联系[J]. 陶飞,戚庆林,王力翚,A.Y.C.Nee.  Engineering. 2019(04)
[9]基于强化学习的多Agent路径规划方法研究[J]. 王毅然,经小川,田涛,孙运乾,从帅军.  计算机应用与软件. 2019(08)
[10]代理技术Agent在智能车辆与驾驶中的应用现状[J]. 沈宇,王晓,韩双双,陈龙,王飞跃.  指挥与控制学报. 2019(02)

硕士论文
[1]关于Agent技术在物联网中的应用[D]. 庞惠.青岛理工大学 2011



本文编号：3441905