面向数字化车间的工业大数据研究与开发
这是一篇关于数字化车间,梯度增强,深度学习,RUL预测,工业大数据的论文, 主要内容为随着数据采集技术和传输技术的发展,数字化车间的各种数控装备采集的数据量正以惊人的速度增长。近几年蓬勃发展的大数据技术遇上了萌芽中的智能制造,使得工业大数据如何为智能制造提供服务,传统大数据技术应用于工业大数据的效果如何,成为工业大数据现阶段面临的问题。本文就这两个问题展开研究。文章首先分析了工业大数据的服务模式,然后针对数字化车间生产中数控装备和部件故障的排查和维修中面临的问题,着重研究了梯度增强算法和深度学习算法在数控关键部件剩余使用寿命(RUL)预测中的应用。本文的主要内容如下:(1)工业大数据的服务模式及微服务接口开发通过分析工业大数据来源、特点、现阶段面临的问题以及工业大数据与智能制造的关系,根据数字化车间的生产特点,结合网络物理系统,设计了模块化的工业大数据的服务模型,该模型包括采集、计算、服务和应用四大模块。并结合传统互联网的微服务化的方式,设计了工业大数据的微服务接口。(2)基于梯度增强算法的RUL预测方法研究以梯度增强算法为例,设计了用于数字化车间的刀具和轴承RUL预测模型,将整个过程分为了采集和分析预测两个阶段。描述了大数据分析算法在设备采集数据预处理、特征提取、特征选取以及模型训练的理论应用和分析过程,其中使用了小波变换的降噪方法和傅里叶变换与小波包变换的时频域分析方法。最后通过实验验证了GBDT和XGBoost两种梯度增强算法在数字化车间关键部件RUL预测的可行性和正确性。(3)基于深度学习算法的RUL预测方法研究通过分析输入时序对RUL预测的影响,引入了深度学习算法RNN、LSTM以及GRU,将它们与其他监督学习算法进行了对比,阐述了RNN如何将时间序列作为输入,以及LSTM和GRU如何改善RNN的梯度消失问题。然后设计了针对刀具和轴承的RUL预测的多对一双GRU层神经网络模型,并通过实验验证了GRU在RUL预测中的效果。
注塑MES制造系统的手机移动端设计与实现
这是一篇关于数字化车间,移动端MES,注塑车间,SSM框架,甘特图的论文, 主要内容为随着互联网快速发展,工业4.0应运而生并且已经成为21世纪制造业的主体制造模式,数字化车间的制造执行系统(MES)则是工厂贯彻工业4.0战略以及实现车间自主生产的基本技术手段。本文在分析了传统注塑车间缺点的基础上,提出了一种移动端的MES系统设计方案,并且实现了 MES制造系统的移动端开发,本文工作如下:首先,通过系统功能需求分析和系统需求用例图分析,总结出系统的功能模块和不同模块的操作权限,确定使用J2EE开发工具,以SSM框架为后端框架、Apache Shiro为安全框架,综合使用各种插件,选择B/S架构模式搭建MES系统初始框架。其次,根据企业需求使用SQLServer2014构建所需数据库,通过ADO技术实现系统对数据库的访问,同时设计系统所需表格字段以及表格之间的关联关系。系统大部分界面使用Echarts图标插件使数据显示更加直观。通过Visio绘制时序图说明后台数据和前台页面的请求过程,同时详细说明不同界面的使用方法和作用。最后,在windows 10系统中设计开发针对注塑车间的移动端MES系统相关功能模块,主要包括系统安全、用户权限、订单管理、人力监控、物料监控、设备监控、智能分析等功能模块,且通过测试证明了系统的可行性和安全性。所设计系统特点在于智能分析模块能够实现工单合格率分析、设备故障次数分析、机筒温度异常分析;派工模块使用优先级算法实现订单排产并且通过绘制甘特图展示排产结果。综合来说促进了注塑车间自主化生产水平。
面向数字化车间的工业大数据研究与开发
这是一篇关于数字化车间,梯度增强,深度学习,RUL预测,工业大数据的论文, 主要内容为随着数据采集技术和传输技术的发展,数字化车间的各种数控装备采集的数据量正以惊人的速度增长。近几年蓬勃发展的大数据技术遇上了萌芽中的智能制造,使得工业大数据如何为智能制造提供服务,传统大数据技术应用于工业大数据的效果如何,成为工业大数据现阶段面临的问题。本文就这两个问题展开研究。文章首先分析了工业大数据的服务模式,然后针对数字化车间生产中数控装备和部件故障的排查和维修中面临的问题,着重研究了梯度增强算法和深度学习算法在数控关键部件剩余使用寿命(RUL)预测中的应用。本文的主要内容如下:(1)工业大数据的服务模式及微服务接口开发通过分析工业大数据来源、特点、现阶段面临的问题以及工业大数据与智能制造的关系,根据数字化车间的生产特点,结合网络物理系统,设计了模块化的工业大数据的服务模型,该模型包括采集、计算、服务和应用四大模块。并结合传统互联网的微服务化的方式,设计了工业大数据的微服务接口。(2)基于梯度增强算法的RUL预测方法研究以梯度增强算法为例,设计了用于数字化车间的刀具和轴承RUL预测模型,将整个过程分为了采集和分析预测两个阶段。描述了大数据分析算法在设备采集数据预处理、特征提取、特征选取以及模型训练的理论应用和分析过程,其中使用了小波变换的降噪方法和傅里叶变换与小波包变换的时频域分析方法。最后通过实验验证了GBDT和XGBoost两种梯度增强算法在数字化车间关键部件RUL预测的可行性和正确性。(3)基于深度学习算法的RUL预测方法研究通过分析输入时序对RUL预测的影响,引入了深度学习算法RNN、LSTM以及GRU,将它们与其他监督学习算法进行了对比,阐述了RNN如何将时间序列作为输入,以及LSTM和GRU如何改善RNN的梯度消失问题。然后设计了针对刀具和轴承的RUL预测的多对一双GRU层神经网络模型,并通过实验验证了GRU在RUL预测中的效果。
数字化车间工艺流程数据分析与重现系统的设计与实现
这是一篇关于数字化车间,OPC,数据分析,Hadoop,场景优化的论文, 主要内容为为了推动我国工业制造向智能化方向发展并结合实际应用,本文设计并实现了包括数字化车间设备数据采集、工艺数据处理分析展示以及数字化车间三维加工场景重现功能的数字化车间设备生产工艺数据的分析展示平台,通过直观地展示数据分析结果,并结合数字化车间生产场景的仿真回放,达到帮助优化生产决策的目的,进而提高对数字化车间的有效管理。本文在介绍了数字化车间发展现状的基础上,首先对数字化车间加工工艺流程数据分析和重现系统进行了总体设计,并着重介绍系统实现过程中涉及的OPC技术规范、Hadoop数据处理平台以及三维场景优化等关键技术,为后期的系统设计与实现提供理论基础。然后详细介绍数据采集、数据分析和场景重现三个子系统的设计与实现。针对数据采集子系统,基于OPC技术规范,设计与实现设备数据采集客户端;针对数据分析子系统,以Hadoop分布式文件系统作为底层文件系统,利用HBase直接操作底层数据,设计Map/Reduce计算模型分析数据,实现了在Hadoop分布式集群下对设备工艺数据的分析处理,分析结果直接在Web页面展示。研究了传统数据库和NoSQL数据库之间的数据迁移方案,完成了Oracle数据库和HBase数据库中数据的双向迁移。关于场景重现子系统,主要研究了三维场景交互原理和三维场景优化技术,实现了数字化车间场景的交互逻辑设计与实现,并采用LOD技术、遮蔽剔除技术以及LightMap技术进行场景优化,提出了一种基于着色器LOD的模型间平滑过渡方法,优化了LOD技术。最后,规范了子系统间数据交互方式和格式,实现了数据分析子系统和场景重新子系统间相互调起,实现了整个系统的集成。
面向数字化车间的工业大数据研究与开发
这是一篇关于数字化车间,梯度增强,深度学习,RUL预测,工业大数据的论文, 主要内容为随着数据采集技术和传输技术的发展,数字化车间的各种数控装备采集的数据量正以惊人的速度增长。近几年蓬勃发展的大数据技术遇上了萌芽中的智能制造,使得工业大数据如何为智能制造提供服务,传统大数据技术应用于工业大数据的效果如何,成为工业大数据现阶段面临的问题。本文就这两个问题展开研究。文章首先分析了工业大数据的服务模式,然后针对数字化车间生产中数控装备和部件故障的排查和维修中面临的问题,着重研究了梯度增强算法和深度学习算法在数控关键部件剩余使用寿命(RUL)预测中的应用。本文的主要内容如下:(1)工业大数据的服务模式及微服务接口开发通过分析工业大数据来源、特点、现阶段面临的问题以及工业大数据与智能制造的关系,根据数字化车间的生产特点,结合网络物理系统,设计了模块化的工业大数据的服务模型,该模型包括采集、计算、服务和应用四大模块。并结合传统互联网的微服务化的方式,设计了工业大数据的微服务接口。(2)基于梯度增强算法的RUL预测方法研究以梯度增强算法为例,设计了用于数字化车间的刀具和轴承RUL预测模型,将整个过程分为了采集和分析预测两个阶段。描述了大数据分析算法在设备采集数据预处理、特征提取、特征选取以及模型训练的理论应用和分析过程,其中使用了小波变换的降噪方法和傅里叶变换与小波包变换的时频域分析方法。最后通过实验验证了GBDT和XGBoost两种梯度增强算法在数字化车间关键部件RUL预测的可行性和正确性。(3)基于深度学习算法的RUL预测方法研究通过分析输入时序对RUL预测的影响,引入了深度学习算法RNN、LSTM以及GRU,将它们与其他监督学习算法进行了对比,阐述了RNN如何将时间序列作为输入,以及LSTM和GRU如何改善RNN的梯度消失问题。然后设计了针对刀具和轴承的RUL预测的多对一双GRU层神经网络模型,并通过实验验证了GRU在RUL预测中的效果。
注塑MES制造系统的手机移动端设计与实现
这是一篇关于数字化车间,移动端MES,注塑车间,SSM框架,甘特图的论文, 主要内容为随着互联网快速发展,工业4.0应运而生并且已经成为21世纪制造业的主体制造模式,数字化车间的制造执行系统(MES)则是工厂贯彻工业4.0战略以及实现车间自主生产的基本技术手段。本文在分析了传统注塑车间缺点的基础上,提出了一种移动端的MES系统设计方案,并且实现了 MES制造系统的移动端开发,本文工作如下:首先,通过系统功能需求分析和系统需求用例图分析,总结出系统的功能模块和不同模块的操作权限,确定使用J2EE开发工具,以SSM框架为后端框架、Apache Shiro为安全框架,综合使用各种插件,选择B/S架构模式搭建MES系统初始框架。其次,根据企业需求使用SQLServer2014构建所需数据库,通过ADO技术实现系统对数据库的访问,同时设计系统所需表格字段以及表格之间的关联关系。系统大部分界面使用Echarts图标插件使数据显示更加直观。通过Visio绘制时序图说明后台数据和前台页面的请求过程,同时详细说明不同界面的使用方法和作用。最后,在windows 10系统中设计开发针对注塑车间的移动端MES系统相关功能模块,主要包括系统安全、用户权限、订单管理、人力监控、物料监控、设备监控、智能分析等功能模块,且通过测试证明了系统的可行性和安全性。所设计系统特点在于智能分析模块能够实现工单合格率分析、设备故障次数分析、机筒温度异常分析;派工模块使用优先级算法实现订单排产并且通过绘制甘特图展示排产结果。综合来说促进了注塑车间自主化生产水平。
面向数字化车间的制造执行系统设计与实现
这是一篇关于制造执行系统,数字化车间,系统设计,Spring框架的论文, 主要内容为“中国制造2025”战略决策的出台,进一步加快了制造业向着数字化、智能化发展的进程。各企业为提高自身在市场上的竞争力,纷纷致力于数字化车间的建设,通过借鉴发达国家制造业的先进技术,引入制造执行系统管控车间生产的各环节,以此来提升产品质量和生产效率。锅炉制造是制造业中的一个细分领域,该领域发展较为缓慢,目前还处于自动化向信息化过渡的阶段,整体存在信息流转不及时、生产数据不透明、生产效率低等问题。本文以某锅炉制造企业的生产车间为研究对象,以车间数字化、信息化为目标,结合软件工程的思想,开发出一套适合车间生产的制造执行系统,最终解决锅炉制造领域该企业所存在的问题。本文首先调研该企业车间的生产流程,充分了解相关业务的执行逻辑并据此绘制业务流程图,进而完成需求分析,确定系统的用例以及性能方面的要求;其次完成系统的总体设计,划分出系统的功能模块并构建系统的体系结构,明确各模块核心功能的执行逻辑;接着对业务流程建模,抽取出相关的数据实体,完成数据库的概念模型设计和物理结构设计;然后分析生产调度、生产执行、质量管理等锅炉生产的核心环节,完成系统详细设计;最后采用Java编程语言,结合Spring、Spring MVC、Web Service等开发框架和技术完成制造执行系统的开发,并将其应用到车间生产的每个环节。制造执行系统的成功开发与应用,不仅提高了车间的生产效率,提升了产品质量,同时也方便了对产品的质量追溯。初步实现了生产车间的信息化和数字化,距离“生产过程数字化、经营管理信息化、信息处理网络化”的目标更进一步。
数字化车间工艺流程数据分析与重现系统的设计与实现
这是一篇关于数字化车间,OPC,数据分析,Hadoop,场景优化的论文, 主要内容为为了推动我国工业制造向智能化方向发展并结合实际应用,本文设计并实现了包括数字化车间设备数据采集、工艺数据处理分析展示以及数字化车间三维加工场景重现功能的数字化车间设备生产工艺数据的分析展示平台,通过直观地展示数据分析结果,并结合数字化车间生产场景的仿真回放,达到帮助优化生产决策的目的,进而提高对数字化车间的有效管理。本文在介绍了数字化车间发展现状的基础上,首先对数字化车间加工工艺流程数据分析和重现系统进行了总体设计,并着重介绍系统实现过程中涉及的OPC技术规范、Hadoop数据处理平台以及三维场景优化等关键技术,为后期的系统设计与实现提供理论基础。然后详细介绍数据采集、数据分析和场景重现三个子系统的设计与实现。针对数据采集子系统,基于OPC技术规范,设计与实现设备数据采集客户端;针对数据分析子系统,以Hadoop分布式文件系统作为底层文件系统,利用HBase直接操作底层数据,设计Map/Reduce计算模型分析数据,实现了在Hadoop分布式集群下对设备工艺数据的分析处理,分析结果直接在Web页面展示。研究了传统数据库和NoSQL数据库之间的数据迁移方案,完成了Oracle数据库和HBase数据库中数据的双向迁移。关于场景重现子系统,主要研究了三维场景交互原理和三维场景优化技术,实现了数字化车间场景的交互逻辑设计与实现,并采用LOD技术、遮蔽剔除技术以及LightMap技术进行场景优化,提出了一种基于着色器LOD的模型间平滑过渡方法,优化了LOD技术。最后,规范了子系统间数据交互方式和格式,实现了数据分析子系统和场景重新子系统间相互调起,实现了整个系统的集成。
本文内容包括但不限于文字、数据、图表及超链接等）均来源于该信息及资料的相关主题。发布者：毕设港湾 ，原文地址：https://m.bishedaima.com/lunwen/49493.html
