智能制造在农业机械设计中应用

前言：本站为你精心整理了智能制造在农业机械设计中应用范文，希望能为你的创作提供参考价值，我们的客服老师可以帮助你提供个性化的参考范文，欢迎咨询。

摘要:随着制造信息的爆炸性增长及处理信息工作量的猛增，要求制造系统表现出更大的智能化，除了需要专业人才和专门知识外，还需要智能制造系统具有大数据挖掘和分析处理能力，从而使系统具有感知分析、推理、决策、控制等功能。为此，在农机数字化设计平台上引入了智能制造系统，并利用大数据挖掘技术对系统进行了优化，建立了经验数据库，在加工类似零部件时可以直接生成加工指令和工艺方案。实际应用表明:智能制造系统地引入有效缩短了加工工艺的设计周期，提高了设计效率，降低了设计制造成本。

关键词:大数据挖掘;数字化设计;智能制造;加工工艺;农机设计

0引言

智能制造主要表现有下列的特征，即自组织能力、自律能力、自学习能力、系统的智能集成及人机一体化智能系统等。智能制造作为一种模式，是集自动化、柔性化、集成化和智能化于一身，并不断向纵深发展的先进制造系统。在农机产品的研发过程中，零部件特别是复杂零部件的设计制造周期较长、成本较高，如果采用智能制造系统，在产品优化时采用虚拟仿真模拟的方法，从而减少反复试制产品带来的高成本和长周期，提高了农机产品的研发效率。

1智能制造和大数据挖掘在农机产品研发中应用

智能制造系统研究的热点有很多，将其使用在农机产品的设计和制造过程中，主要应该从以下几个方面研究:首先，设计制造知识经验数据库，对制造知识进行表达，形成产品制造的形式语言;其次，利用计算机智能技术实现设计和制造过程的逻辑推理，有助于产品的优化;再次，进行产品的建模、特征和空间分析、智能协同设计及加工过程仿真;最后，在加工过程中需要智能监测、诊断和补偿控制系统的支持，也需要高级分布式决策系统的管理，从而实现产品智能化制造，如图1所示。在农机产品的设计和生产过程中，智能制造系统可以为制造系统通过设计建模、制造故障诊断预测、工业生产物联网、供应链优化和精准营销等服务，这些服务离不开大数据的支持，特别是大数据的分析、处理和挖掘。在产品生产时，生产线上有大量的传感器，这些传感器通过物联网将生产过程中的各种细节传给监控端，利用这些大数据挖掘可以了解生产过程中的每个环节，从而实现对生产工艺过程的优化;利用大数据还可以建立产品的虚拟模型，利用仿真优化生产流程，有助于改进生产流程;采用大数据对各种材料和能耗进行监测，也有助于降低生产成本，提高产业利润。

2基于大数据挖掘的智能数字化制造系统

在农机装备产品的数字化研发过程中，由于设计和制造时会产量海量的数据，所以需要智能化算法对这些数据进行分析和处理，通过数据挖掘的方式找到数据的关联性，并建立经验数据库。当经验数据库的规模足够大时，可以用这些经验数据直接用于自动化生产类似的新产品部件，达到智能化制造的目的。智能化制造系统的基本框架如图2所示。基于云存储网络可以搭建智能制造系统，采用云存储技术可以对智能系统生产过程中产生的海量数据进行存储，大数据挖掘算法可以对数据进行分析和挖掘，不管从物料方面还是产品营销方法及智能机床的监测上，智能云存储和大数据挖掘都可以发挥重要的作用。目前，神经网络和聚类算法是典型的数据挖掘算法，且发展比较早，理论比较成熟，因此可以将其应用到农机的智能化制造系统的设计上。图3所示表示神经元的基本模型。其工作原理模拟了人的神经元细胞的作用流程，通过对输入数据进行分析、处理和挖掘，最终输出想要得到的理想输出结果。其模型基本表达式为ωx1x+ωy1y+θM1≥0ωx2x+ωy2y+θM2≥0ωxmx+ωymy+θMm≥0(1)其中，农机产品部件生产过程中的故障诊断信号序列输入的个数为m;经验数据库信息的输入部分为x1，x2，…，xm;ωx1，xx2，…，xxm表示连接权值;θ为偏置信值。权值和置信值可以分别表示为ωx=－(y2－y1)ωy=x2－x1θM=－ωxx1－ωyy1(2)在对农机产品制造过程的数据进行分析时，可以在神经网算法使用时合理的确定权值和置信度，在关联算法中，需要创建每个数据记录候选集的支持度，然后通过数据之间的关联性对数据进行分类，其步骤如下:1)确定聚类中心，可以选择K个生产信息样本数据，具体为Z11，Z12，…，Z1k。2)将需要分类的数据{X}以一定的规则，给聚类中心分配一个Z(1)j。3)计算各个聚类中心的新的向量值Z(k+1)j，j=1，2，…，K，其表达式为Z(k+1)j=1Nj∑X∈S(K)jX(3)其中，Nj为第j个聚类域Sj中所包含的样本个数。求出均值向量后，将其作为聚类中心，计算均值，其函数规则为J=∑Kj=1∑X∈S(K)j‖X－Z(k+1)j‖2(4)对每个聚类的数据进行均值核算。4)若Z(k+1)j≠Z(k+1)j，j=1，2，…，K，则返回2)，重新利用算法进行聚类分析，直到计算出聚类中心。通过神经网络算法和聚类分析，在农机产品部件的智能化制造过程中，可以快速诊断出生产线是否存在制造故障，并确定故障的类型，其流程如图4所示。利用大数据存储技术可以将各种传感器采集得到的数据进行存储，并利用神经网络算法和聚类算法对数据进行挖掘。如果确定制造过程中存储故障状态，智能决策系统可以对加工系统的作业姿态进行调整;如果需要对整个工艺和加工流程进行调整，可以临时关闭生产线，待工艺和流程优化后继续生产，从而保证产品的加工质量。

3农机数字化生产过程研究

基于智能制造系统，农机产品的生产线可以实现自动化生产，如图5所示。在无人化车间，农机可以实现零件的自动化装配过程。在农机智能化生产过程中，大数据可以应用到生产过程中的方方面面，因此对大数据的挖掘处理也是非常重要的一个环节，大数据的智能化处理可以为产品的加工制造过程节省更多的时间成本和材料成本，提高生产效率。除了农机部件的自动化组装外，部件的生产线可以更多的采用智能化制造系统在拖拉机板类零件的加工时，有一些无法冲压完成的部件需要借助焊接技术来完成，采用人工焊接不仅效率低，且精度也没有机器人自动焊接技术高，而利用智能制造系统使机器人焊接拖拉机部件变得非常简单，自动焊接机器人如图6所示。智能化自动加工过程可以大大提高加工效率，而在零件加工之前，为了保证加工质量和产品的最优化，还需要对产品的加工过程及产品加工后的性能进行优化，从而合理安排加工工艺和加工流程。如果采用实体机床加工的话，在优化过程中需要对产品进行反复的加工试制，其加工成本较高、试验周期较长;如果采用仿真模拟的方式对加工过程和加工产品进行模拟试验，可以有效地提高效率，降低成本。如图7所示，虚拟制造系统可以采用虚拟化机床对零部件进行加工模拟，在加工过程中还可以观察机器的运行情况，查看工件和机器之间是否存在干涉等，为实体机床加工提供可靠的数据参考。如图8所示，采用智能制造系统对拖拉机进行数字化设计和制造，其最大的特点是虚拟加工方法的应用。采用智能化虚拟加工系统可以快速地完成加工工艺的设计，是因为虚拟加工系统里存放了大量的经验数据库，且虚拟加工过程的可寻迹功能为工艺的优化提供了强大的数据支持，从而有效的缩短了加工工艺的设计周期，提高了设计效率，降低了设计制造成本。

4结论

在农机产品的研发过程中，利用数字化和智能化技术，引入了智能制造系统，并采用大数据挖掘的方法对系统进行了优化，使产品在加工时可以应用智能化数据库，方便生成加工工艺及流程方案等。研究结果表明:采用智能化系统不仅可以轻松完成自动化焊接等机器人加工功能，还可以通过仿真模拟的方式对加工过程进行模拟，实现产品试制前的优化，从而提高了产品的研发效率，降低了设计和制造成本。

作者:杜伯阳 单位:浙江邮电职业技术学院