基于云計(jì)算技術(shù)和3D渲染的農(nóng)機(jī)虛擬制造技術(shù)研究

孫曉文，范媛媛，劉志剛

(1.江蘇食品藥品職業(yè)技術(shù)學(xué)院 信息工程系，江蘇 淮安 223001；2.焦作師范高等專科學(xué)校 a.計(jì)算機(jī)與信息工程學(xué)院；b.計(jì)算機(jī)應(yīng)用技術(shù)研究所，河南 焦作 454000；3.南昌工學(xué)院，南昌 330108)

?

基于云計(jì)算技術(shù)和3D渲染的農(nóng)機(jī)虛擬制造技術(shù)研究

孫曉文1，范媛媛2a,2b，劉志剛3

(1.江蘇食品藥品職業(yè)技術(shù)學(xué)院 信息工程系，江蘇 淮安 223001；2.焦作師范高等?？茖W(xué)校 a.計(jì)算機(jī)與信息工程學(xué)院；b.計(jì)算機(jī)應(yīng)用技術(shù)研究所，河南 焦作 454000；3.南昌工學(xué)院，南昌 330108)

為了提高農(nóng)機(jī)現(xiàn)代化和批量化生產(chǎn)效率，實(shí)現(xiàn)基于個(gè)性化需求農(nóng)機(jī)設(shè)計(jì)和制造，提出了面向機(jī)加工的云技術(shù)農(nóng)機(jī)制造服務(wù)候選資源的發(fā)現(xiàn)方法，并設(shè)計(jì)了農(nóng)機(jī)虛擬制造的云計(jì)算平臺(tái)。在農(nóng)機(jī)部件云制造虛擬平臺(tái)中，首先利用云存儲(chǔ)技術(shù)存放大量的候選制造企業(yè)資源樣本數(shù)據(jù)，然后利用智能分類算法KNN對(duì)候選資源進(jìn)行分類，根據(jù)農(nóng)機(jī)部件制造需求的客戶對(duì)候選資源進(jìn)行優(yōu)選，最后得到最佳的候選資源。基于云計(jì)算和3D渲染技術(shù)，構(gòu)建了面向工序級(jí)和零件級(jí)服務(wù)的仿真環(huán)境，并通過仿真實(shí)驗(yàn)，得到了優(yōu)選后服務(wù)方的服務(wù)時(shí)間、費(fèi)用和合格率，為現(xiàn)代農(nóng)機(jī)的批量生產(chǎn)和個(gè)性化加工服務(wù)提供了新的解決方案。

農(nóng)機(jī)設(shè)計(jì)；虛擬制造；批量生產(chǎn)；個(gè)性化；3D渲染；云計(jì)算

0 引言

隨著服務(wù)經(jīng)濟(jì)和網(wǎng)絡(luò)經(jīng)濟(jì)時(shí)代的到來，社會(huì)化分工越來越明顯，企業(yè)之間形成了企業(yè)集群。從國家層面，為了促進(jìn)制造業(yè)的升級(jí)，國家提出了以信息帶動(dòng)工業(yè)化、以工業(yè)促進(jìn)信息化的指導(dǎo)方針，并在制造數(shù)字化、集成化、協(xié)同化、網(wǎng)絡(luò)化方面取得了很多研究成果。為了順應(yīng)市場需求，在現(xiàn)代化農(nóng)機(jī)制造過程中，也需要注重?cái)?shù)字化、集成化的發(fā)展模式，但在資源共享和安全方面都存在不少難題。近年來，隨著物聯(lián)網(wǎng)、大數(shù)據(jù)和云計(jì)算技術(shù)等新一代信息技術(shù)的發(fā)展，為制造業(yè)的升級(jí)提供了大量的新技術(shù)支撐，也為農(nóng)機(jī)現(xiàn)代化設(shè)計(jì)制造提供了嶄新的發(fā)展空間。

1 基于3D渲染云技術(shù)的農(nóng)機(jī)虛擬制造平臺(tái)

隨著3D實(shí)時(shí)渲染技術(shù)的不斷發(fā)展，其在越來越多的領(lǐng)域得到了運(yùn)用，在游戲開發(fā)中使用的最多；如果將該技術(shù)應(yīng)用在農(nóng)機(jī)虛擬制造技術(shù)上，結(jié)合云技術(shù)平臺(tái)，將會(huì)給現(xiàn)代化農(nóng)機(jī)設(shè)計(jì)與制造產(chǎn)業(yè)帶來新的變革。圖1表示電子科技大學(xué)田師聰進(jìn)行的大規(guī)模群體加速的3D渲染實(shí)驗(yàn)。該實(shí)驗(yàn)采用基于蒙皮實(shí)例化技術(shù)的方式進(jìn)行渲染，創(chuàng)建頂點(diǎn)紋理，對(duì)大規(guī)模的人物群體進(jìn)行加速渲染，從而得到了較好的動(dòng)畫渲染效果；如果將其使用在農(nóng)機(jī)虛擬設(shè)計(jì)制造服務(wù)系統(tǒng)中，會(huì)大大地提高農(nóng)機(jī)部件虛擬制造的仿真效率。由于系統(tǒng)的實(shí)現(xiàn)需要處理大量的數(shù)據(jù)，因此在系統(tǒng)中引入了云制造技術(shù)。

圖1 基于云技術(shù)和3D渲染的農(nóng)機(jī)虛擬制造流程

based on cloud technology and 3D rendering

圖1表示基于云技術(shù)和3D渲染的農(nóng)機(jī)虛擬制造的流程圖，其流程大致為首先確定客戶訂單需求，利用3D渲染虛擬仿真工具對(duì)加工過程進(jìn)行仿真，然后利用云管理系統(tǒng)數(shù)據(jù)庫，根據(jù)KNN算法選取合適的服務(wù)資源，最終輸出農(nóng)機(jī)部件生產(chǎn)的候選企業(yè)資源。

圖2表示橢球類復(fù)雜零件的三維渲染效果圖。該部件是播種機(jī)上的一個(gè)轉(zhuǎn)向控制部件，利用三維渲染軟件可以對(duì)零件的加工過程進(jìn)行虛擬仿真。以加工軌跡的渲染為例，其效果如圖3所示。

圖2 橢球類零件模型圖

圖3 加工軌跡3D渲染

利用渲染結(jié)果可以充分了解農(nóng)機(jī)部件的加工過程，從而為零件加工候選服務(wù)節(jié)點(diǎn)的優(yōu)選提供依據(jù)。其中，優(yōu)選過程主要依據(jù)云虛擬制造平臺(tái)，其框架如圖4所示。該框架將工序級(jí)任務(wù)、零件級(jí)任務(wù)稱作任務(wù)，用m表示；工序級(jí)服務(wù)和零件服務(wù)統(tǒng)稱為服務(wù)，用Sij表示；通過服務(wù)候選集合的資源選擇，服務(wù)于農(nóng)機(jī)制造需求客戶。

2 KNN智能分類優(yōu)選算法

KNN智能分類算法的基本思想是計(jì)算訓(xùn)練樣本和新樣板之間的距離，然后找到最近的K個(gè)相鄰樣本數(shù)據(jù)，根據(jù)這些相鄰樣本數(shù)據(jù)，來判定新的樣本類別。如果屬于同一類，則判定樣本屬于這個(gè)類別；如果不屬于這個(gè)類別，則對(duì)候選類別進(jìn)行評(píng)分，按照規(guī)則確定新樣本的類別。最后，把新的測(cè)試樣本歸類到最近的K個(gè)訓(xùn)練樣本中出現(xiàn)頻率最大的。如圖5所示：當(dāng)K=6時(shí)，根據(jù)分類判定的規(guī)則，測(cè)試的新樣本被歸類在黑色類別中。

圖4 農(nóng)機(jī)部件制造服務(wù)優(yōu)選框架

圖5 KNN臨近算法示意圖

使用KNN算法分類是基于臨近樣本數(shù)據(jù)具有類似的預(yù)測(cè)值，基本思想是在多維空間Rn中搜索未知樣本，找到與未知樣本最近鄰的K個(gè)點(diǎn)，并根據(jù)K個(gè)點(diǎn)來判斷未知的樣本數(shù)據(jù)。這K個(gè)點(diǎn)便是待分類樣本的k-最近鄰。假設(shè)所有n維空間點(diǎn)，最近鄰可以根據(jù)標(biāo)準(zhǔn)歐式距離來定，設(shè)x的特征向量表達(dá)式為

(1)

其中，ar(x)表示農(nóng)機(jī)加工部件候選資源x的第r個(gè)屬性值；兩個(gè)候選資源x1和x2間的距離定義為d(x1,x2)，則

(2)

在KNN智能學(xué)習(xí)算法中，離散目標(biāo)的分類函數(shù)為f:Rn→V，V是有限集合{v1,v2, …,v5}的不同分類集，K值的選取是根據(jù)樣本數(shù)目和分散程度來定的，不同的應(yīng)用可以選取不同的K值，當(dāng)K=1時(shí)，稱為NN算法。KNN算法的基本流程如下：

1)輸入。農(nóng)機(jī)部件虛擬制造候選資源D={(Xi,Yi),1≤i≤N}，Xi表示第i個(gè)候選資源的基本屬性，Yi表示候選資源類別，假設(shè)農(nóng)機(jī)部件制造需求客戶新樣本為X，距離函數(shù)為d。

2)輸出。輸出新的農(nóng)機(jī)部件制造需求X的類別Y。

3)fori=1 toNdo

計(jì)算X和Xi之間的距離d=(X,Xi)

end for。

4)對(duì)d進(jìn)行排序，得到d(X,Xi1)≤d(X,Xi2)≤…≤d(X,XiN)。

5)選擇前K個(gè)樣本，S={(Xi1,Yi1)…(XiK,YiK)}。

6)統(tǒng)計(jì)S中每個(gè)類別出現(xiàn)的次數(shù)，確定X的類別Y。

綜合上述過程，對(duì)基于KNN算法的農(nóng)機(jī)虛擬云制造系統(tǒng)設(shè)計(jì)過程如下：

1) 尋找合適的農(nóng)機(jī)部件制造服務(wù)候選資源訓(xùn)練數(shù)據(jù)集。農(nóng)機(jī)部件制造服務(wù)候選資源訓(xùn)練數(shù)據(jù)集需要對(duì)歷史數(shù)據(jù)具有很好的覆蓋功能，這樣才有利于對(duì)近鄰的預(yù)測(cè)。選取的訓(xùn)練數(shù)據(jù)要有代表性，既要保證訓(xùn)練樣本數(shù)據(jù)集的大小，又要保證數(shù)據(jù)集的精度。

2) 確定距離函數(shù)。距離函數(shù)的選取比較重要，決定哪些服務(wù)候選資源是K個(gè)待分類的近鄰，其選取取決于實(shí)際的數(shù)據(jù)和決策。如果樣本是空間上分布的點(diǎn)，則可以選用歐幾里得距離。

3) 決定K取值。K值的選取對(duì)分類影響較大，一般可以初始確定一個(gè)值，通過不斷調(diào)試，得到合適的值。

4) 確定候選資源的類別。候選資源的最終確定可以根據(jù)類別中出現(xiàn)頻率最高的來選擇，如果最高的不只一個(gè)，可以選擇最近鄰的。

農(nóng)機(jī)部件制造服務(wù)候選資源的選擇，可以有效地縮短農(nóng)機(jī)制造的整個(gè)設(shè)計(jì)和加工流程，從而提高農(nóng)機(jī)現(xiàn)代化設(shè)計(jì)和制造的效率。

3 云計(jì)算農(nóng)機(jī)虛擬制造平臺(tái)測(cè)試

本研究通過對(duì)播種機(jī)樣機(jī)部件的加工工序虛擬仿真，驗(yàn)證基于云計(jì)算的農(nóng)機(jī)虛擬制造平臺(tái)的可行性。假設(shè)一個(gè)客戶是某一個(gè)企業(yè)，需要對(duì)播種機(jī)的一批部件進(jìn)行外協(xié)加工，播種機(jī)樣機(jī)如圖6所示。

圖6 虛擬制造播種機(jī)樣機(jī)

播種機(jī)樣機(jī)加工工序和服務(wù)的信息如表1所示。假設(shè)系統(tǒng)中有許多可以提供加工部件的服務(wù)信息，包括齒輪、軸、套筒和箱體等加工服務(wù)信息，可利用云計(jì)算虛擬制造平臺(tái)對(duì)服務(wù)信息進(jìn)行優(yōu)化選擇。

表1 加工任務(wù)和服務(wù)信息

根據(jù)播種機(jī)樣機(jī)部件的加工任務(wù)和需求服務(wù)信息，需要根據(jù)需求客戶候選出服務(wù)的加工周期、費(fèi)用、物流及服務(wù)時(shí)間等，最終選出符合該制造任務(wù)的候選方，從而完成服務(wù)發(fā)現(xiàn)。假設(shè)待加工的播種機(jī)需求廠商向云制造平臺(tái)提供的零件加工任務(wù)為m，根據(jù)發(fā)現(xiàn)服務(wù)返回信息對(duì)應(yīng)的候選服務(wù)提供者標(biāo)記為Kij，通過云計(jì)算虛擬制造平臺(tái)選擇出來的物流時(shí)間、費(fèi)用和服務(wù)時(shí)間、費(fèi)用如表2所示。

由測(cè)試結(jié)果可以看出：在云計(jì)算虛擬制造平臺(tái)的優(yōu)選過程中，會(huì)給出優(yōu)選后服務(wù)方的服務(wù)時(shí)間、費(fèi)用和合格率，利用KNN算法進(jìn)一步篩選，可以根據(jù)需求，得到最終的候選資源方。

圖7表示農(nóng)機(jī)加工周期隨加工項(xiàng)目數(shù)目的變化曲線。使用云計(jì)算虛擬制造平臺(tái)和不使用云制造虛擬設(shè)計(jì)平臺(tái)的加工周期差別較大，使用云計(jì)算虛擬制造平臺(tái)在保證加工質(zhì)量的前提下，可以有效地縮短農(nóng)機(jī)部件的加工周期，為現(xiàn)代農(nóng)機(jī)的批量生產(chǎn)和個(gè)性化加工服務(wù)提供了設(shè)計(jì)依據(jù)。

表2 云計(jì)算虛擬制造平臺(tái)測(cè)試數(shù)據(jù)

圖7 加工效率對(duì)比曲線

4 結(jié)論

基于現(xiàn)代大數(shù)據(jù)處理和云計(jì)算技術(shù)，結(jié)合3D動(dòng)畫渲染，設(shè)計(jì)了一種面向農(nóng)機(jī)加工的云制造虛擬平臺(tái)，并提出了基于KNN智能分類器的農(nóng)機(jī)制造企業(yè)候選服務(wù)資源的分類方法。同時(shí)，構(gòu)建了面向工序級(jí)和零件級(jí)服務(wù)的仿真環(huán)境，并通過對(duì)播種機(jī)樣機(jī)部件的加工工序虛擬仿真，得到了優(yōu)選后服務(wù)方的服務(wù)時(shí)間、費(fèi)用和合格率。最后，對(duì)使用云計(jì)算虛擬制造平臺(tái)的優(yōu)勢(shì)進(jìn)行了測(cè)試，測(cè)試結(jié)果表明：在保證加工質(zhì)量的前提下，云計(jì)算虛擬制造平臺(tái)有效的縮短了農(nóng)機(jī)部件的加工周期，提高了整個(gè)農(nóng)機(jī)設(shè)計(jì)制造的效率，為現(xiàn)代化農(nóng)機(jī)設(shè)計(jì)和制造提供了一種全新的方法。

[1] 郭偉,仝克寧,邵宏宇,等.基于RS與AHP的中小企業(yè)云制造模式下多服務(wù)主體信用評(píng)價(jià)體系構(gòu)建[J].計(jì)算機(jī)集成制造系統(tǒng)，2013(9): 2340-2347.

[2] 尹翰坤,尹超,龔小容,等.汽摩零部件新產(chǎn)品開發(fā)云制造平臺(tái)總體框架及關(guān)鍵技術(shù)[J].計(jì)算機(jī)集成制造系統(tǒng)，2013, 19(9): 2332-2339.

[3] 康玲,陳桂松,王時(shí)龍,等.云制造環(huán)境下基于本體的加工資源發(fā)現(xiàn)[J].計(jì)算機(jī)集成制造系統(tǒng)，2013,19(9): 2325-2331.

[4] 劉強(qiáng),王磊,陳新度,等.云制造服務(wù)平臺(tái)的資源使用及訪問控制[J].計(jì)算機(jī)集成制造系統(tǒng)，2013, 19(6): 1414-1422.

[5] 姚錫凡,金鴻,徐川,等.云制造資源的虛擬化與服務(wù)化[J]. 華南理工大學(xué)學(xué)報(bào):自然科學(xué)版，2013, 41(3): 1-7.

[6] 崔曉康,馬軍,李立偉,等.基于動(dòng)態(tài)集成框架的云制造服務(wù)過程追溯與匹配研究[J].制造業(yè)自動(dòng)化，2014,36(8): 9-11.

[7] 尚欣,殷國富.基于動(dòng)態(tài)云制造的定制加工系統(tǒng)組態(tài)分析及優(yōu)化[J].中國機(jī)械工程,2014(7): 906-910.

[8] 趙其國.當(dāng)前我國農(nóng)業(yè)發(fā)展中存在的深層次問題及對(duì)策[J] .生態(tài)環(huán)境學(xué)報(bào),2013,22(6):911-915.

[9] 趙其國,黃國勤,王禮獻(xiàn).中國生態(tài)安全、農(nóng)業(yè)安全及 “三農(nóng)”建設(shè)研究[J].農(nóng)林經(jīng)濟(jì)管理學(xué)報(bào),2014, 13(3): 237-243.

[10] 高春城.我國農(nóng)業(yè)發(fā)展的資源環(huán)境問題與展望[J].當(dāng)代生態(tài)農(nóng)業(yè),2013,3(4):151-154.

[11] 萬寶瑞.當(dāng)前我國農(nóng)業(yè)發(fā)展的趨勢(shì)與建議[J].農(nóng)業(yè)經(jīng)濟(jì)問題,2014,4(1):110-114.

[12] 徐茂,鄧蓉.國內(nèi)外設(shè)施農(nóng)業(yè)發(fā)展比較[J].北京農(nóng)學(xué)院學(xué)報(bào),2014,29(2):75-79.

[13] 熊愛武.基于車載激光云點(diǎn)數(shù)據(jù)的道路模型重建[J].地理信息世界,2013,20(6):86-88.

[14] 魏澤鼎,賈俊國,王占永.基于視覺傳感器的棉花果實(shí)定位方法[J].農(nóng)機(jī)化研究,2012,34(6):66-68.

[15] 劉峰,張明宇.國內(nèi)外設(shè)施農(nóng)業(yè)發(fā)展現(xiàn)狀及問題分析[J].農(nóng)業(yè)技術(shù)與裝備,2014(3):23-27.

[16] 高國琴,李明. 基于K-means算法的溫室移動(dòng)機(jī)器人導(dǎo)航路徑識(shí)別[J].農(nóng)業(yè)工程學(xué)報(bào),2014,30(7):25-33.

[17] 方莉娜,楊必勝.車載激光掃描數(shù)據(jù)的結(jié)構(gòu)化道路自動(dòng)提取方法[J].測(cè)繪報(bào),2013,42(2):260-267.

[18] 陳誠,劉麗蘭,俞濤.LED照明產(chǎn)業(yè)的云制造服務(wù)分類及模式研究[J].制造業(yè)自動(dòng)化，2014,36(14): 67-71.

[19] 李成海,黃必清.基于屬性描述匹配的云制造服務(wù)資源搜索方法[J].計(jì)算機(jī)集成制造系統(tǒng)，2014, 20(6): 1499-1507.

[20] 王理,王宗彥,張兵,等.基于云制造的起重機(jī)協(xié)同設(shè)計(jì)與制造模式[J].機(jī)械設(shè)計(jì)與研究，2014(4):138-140.

[21] 李強(qiáng),于青,閆洪波,等.基于云制造的產(chǎn)品后生命周期模式研究[J].組合機(jī)床與自動(dòng)化加工技術(shù)，2014 (4):157-160.

[22] 張映鋒,張耿,楊騰,等.云制造加工設(shè)備服務(wù)化封裝與云端化接入方法[J].計(jì)算機(jī)集成制造系統(tǒng)，2014 (8): 2029-2037.

[23] 鄭浩,馮毅雄,譚建榮,等.一類制造資源的協(xié)同建模、優(yōu)化與求解技術(shù)[J].計(jì)算機(jī)集成制造系統(tǒng)，2012(7): 1387-1395.

[24] 尹超,黃必清,劉飛,等.中小企業(yè)云制造服務(wù)平臺(tái)共性關(guān)鍵技術(shù)體系[J].計(jì)算機(jī)集成制造系統(tǒng)，2011,17 (3):495-503.

[25] 戰(zhàn)德臣,趙曦濱,王順強(qiáng),等.面向制造及管理的集團(tuán)企業(yè)云制造服務(wù)平臺(tái)[J].計(jì)算機(jī)集成制造系統(tǒng)，2011,17(3): 487-494.

[26] 馬志欣,譚峰,侯召龍.基于 Android 的農(nóng)業(yè)生產(chǎn)遠(yuǎn)程監(jiān)控系統(tǒng)[J] .農(nóng)機(jī)化研究,2014,36(3):226-229.

[27] 高偉,康倩.淺談嵌入式系統(tǒng)[J].計(jì)算機(jī)光盤軟件與應(yīng)用,2014,14(8):69-70.

[28] 方莉娜,楊必勝.車載激光掃描數(shù)據(jù)的結(jié)構(gòu)化道路自動(dòng)提取方法[J].測(cè)繪報(bào),2013,42(2):260-267.

Research on Virtual Manufacturing Technology of Agricultural Machinery Based on Cloud Computing Technology and 3D Rendering

Sun Xiaowen1,Fan Yuanyuan2a,2b,Liu Zhigang3

(1.Department of Information engineering, Jiangsu Food & Pharmaceutical Science College,Huai’an 223001, China; 2. a.School of Computer and Information Engineering； b.School of Computer Application Technology Research Institute,Jiaozuo Teachers College, Jiaozuo 454000,China；3.Nanchang Institute of Science & Technology,Nanchang 330108,China)

In order to improve agricultural modernization and mass production efficiency, realize personalized demand for agricultural machinery design and manufacture, this paper presents for machining the cloud of agricultural technology manufacturing service candidate resource discovery method, and designs the virtual agricultural machinery manufacturing of cloud computing platform. In the virtual platform of the cloud of agricultural machinery parts, it first uses cloud storage technology to store a large number of candidate manufacturing enterprise resource sample data, and then uses the intelligent classification algorithm based on KNN to classify the candidate resource according to agricultural machinery parts manufacturing customer demand for selecting the best candidate resources. Finally, it gets the best candidate resources. based on constructed process level and part level of service oriented simulation environment, and through the simulation experiment, Cloud computing and 3D rendering technology contains many advances, such as the optimum service service time, cost and the passing rate, which provides a new solution.for the modern agricultural mass production and processing of personalized service.

agricultural machinery design; virtual manufacturing; mass production; personalization; 3D rendering; cloud computing

2016-05-15

江蘇省自然科學(xué)基金項(xiàng)目(BK20131360)

孫曉文 (1982-)，男，江蘇淮安人，講師，碩士。

劉志剛(1980-)，男，湖北天門人，副教授，博士，碩士生導(dǎo)師，(E-mail)liuzhigang@swfu.edu.cn。

TP393；S220.2

A

1003-188X(2017)07-0016-05