基于云计算技术和3D渲染的农机虚拟制造技术研究

孙晓文，范媛媛，刘志刚

(1.江苏食品药品职业技术学院 信息工程系，江苏 淮安 223001；2.焦作师范高等专科学校 a.计算机与信息工程学院；b.计算机应用技术研究所，河南 焦作 454000；3.南昌工学院，南昌 330108)



基于云计算技术和3D渲染的农机虚拟制造技术研究

孙晓文1，范媛媛2a,2b，刘志刚3

(1.江苏食品药品职业技术学院 信息工程系，江苏 淮安 223001；2.焦作师范高等专科学校 a.计算机与信息工程学院；b.计算机应用技术研究所，河南 焦作 454000；3.南昌工学院，南昌 330108)

为了提高农机现代化和批量化生产效率，实现基于个性化需求农机设计和制造，提出了面向机加工的云技术农机制造服务候选资源的发现方法，并设计了农机虚拟制造的云计算平台。在农机部件云制造虚拟平台中，首先利用云存储技术存放大量的候选制造企业资源样本数据，然后利用智能分类算法KNN对候选资源进行分类，根据农机部件制造需求的客户对候选资源进行优选，最后得到最佳的候选资源。基于云计算和3D渲染技术，构建了面向工序级和零件级服务的仿真环境，并通过仿真实验，得到了优选后服务方的服务时间、费用和合格率，为现代农机的批量生产和个性化加工服务提供了新的解决方案。

农机设计；虚拟制造；批量生产；个性化；3D渲染；云计算

0 引言

随着服务经济和网络经济时代的到来，社会化分工越来越明显，企业之间形成了企业集群。从国家层面，为了促进制造业的升级，国家提出了以信息带动工业化、以工业促进信息化的指导方针，并在制造数字化、集成化、协同化、网络化方面取得了很多研究成果。为了顺应市场需求，在现代化农机制造过程中，也需要注重数字化、集成化的发展模式，但在资源共享和安全方面都存在不少难题。近年来，随着物联网、大数据和云计算技术等新一代信息技术的发展，为制造业的升级提供了大量的新技术支撑，也为农机现代化设计制造提供了崭新的发展空间。

1 基于3D渲染云技术的农机虚拟制造平台

随着3D实时渲染技术的不断发展，其在越来越多的领域得到了运用，在游戏开发中使用的最多；如果将该技术应用在农机虚拟制造技术上，结合云技术平台，将会给现代化农机设计与制造产业带来新的变革。图1表示电子科技大学田师聪进行的大规模群体加速的3D渲染实验。该实验采用基于蒙皮实例化技术的方式进行渲染，创建顶点纹理，对大规模的人物群体进行加速渲染，从而得到了较好的动画渲染效果；如果将其使用在农机虚拟设计制造服务系统中，会大大地提高农机部件虚拟制造的仿真效率。由于系统的实现需要处理大量的数据，因此在系统中引入了云制造技术。

图1 基于云技术和3D渲染的农机虚拟制造流程

based on cloud technology and 3D rendering

图1表示基于云技术和3D渲染的农机虚拟制造的流程图，其流程大致为首先确定客户订单需求，利用3D渲染虚拟仿真工具对加工过程进行仿真，然后利用云管理系统数据库，根据KNN算法选取合适的服务资源，最终输出农机部件生产的候选企业资源。

图2表示椭球类复杂零件的三维渲染效果图。该部件是播种机上的一个转向控制部件，利用三维渲染软件可以对零件的加工过程进行虚拟仿真。以加工轨迹的渲染为例，其效果如图3所示。

图2 椭球类零件模型图

图3 加工轨迹3D渲染

利用渲染结果可以充分了解农机部件的加工过程，从而为零件加工候选服务节点的优选提供依据。其中，优选过程主要依据云虚拟制造平台，其框架如图4所示。该框架将工序级任务、零件级任务称作任务，用m表示；工序级服务和零件服务统称为服务，用Sij表示；通过服务候选集合的资源选择，服务于农机制造需求客户。

2 KNN智能分类优选算法

KNN智能分类算法的基本思想是计算训练样本和新样板之间的距离，然后找到最近的K个相邻样本数据，根据这些相邻样本数据，来判定新的样本类别。如果属于同一类，则判定样本属于这个类别；如果不属于这个类别，则对候选类别进行评分，按照规则确定新样本的类别。最后，把新的测试样本归类到最近的K个训练样本中出现频率最大的。如图5所示：当K=6时，根据分类判定的规则，测试的新样本被归类在黑色类别中。

图4 农机部件制造服务优选框架

图5 KNN临近算法示意图

使用KNN算法分类是基于临近样本数据具有类似的预测值，基本思想是在多维空间Rn中搜索未知样本，找到与未知样本最近邻的K个点，并根据K个点来判断未知的样本数据。这K个点便是待分类样本的k-最近邻。假设所有n维空间点，最近邻可以根据标准欧式距离来定，设x的特征向量表达式为

(1)

其中，ar(x)表示农机加工部件候选资源x的第r个属性值；两个候选资源x1和x2间的距离定义为d(x1,x2)，则

(2)

在KNN智能学习算法中，离散目标的分类函数为f:Rn→V，V是有限集合{v1,v2, …,v5}的不同分类集，K值的选取是根据样本数目和分散程度来定的，不同的应用可以选取不同的K值，当K=1时，称为NN算法。KNN算法的基本流程如下：

1)输入。农机部件虚拟制造候选资源D={(Xi,Yi),1≤i≤N}，Xi表示第i个候选资源的基本属性，Yi表示候选资源类别，假设农机部件制造需求客户新样本为X，距离函数为d。

2)输出。输出新的农机部件制造需求X的类别Y。

3)fori=1 toNdo

计算X和Xi之间的距离d=(X,Xi)

end for。

4)对d进行排序，得到d(X,Xi1)≤d(X,Xi2)≤…≤d(X,XiN)。

5)选择前K个样本，S={(Xi1,Yi1)…(XiK,YiK)}。

6)统计S中每个类别出现的次数，确定X的类别Y。

综合上述过程，对基于KNN算法的农机虚拟云制造系统设计过程如下：

1) 寻找合适的农机部件制造服务候选资源训练数据集。农机部件制造服务候选资源训练数据集需要对历史数据具有很好的覆盖功能，这样才有利于对近邻的预测。选取的训练数据要有代表性，既要保证训练样本数据集的大小，又要保证数据集的精度。

2) 确定距离函数。距离函数的选取比较重要，决定哪些服务候选资源是K个待分类的近邻，其选取取决于实际的数据和决策。如果样本是空间上分布的点，则可以选用欧几里得距离。

3) 决定K取值。K值的选取对分类影响较大，一般可以初始确定一个值，通过不断调试，得到合适的值。

4) 确定候选资源的类别。候选资源的最终确定可以根据类别中出现频率最高的来选择，如果最高的不只一个，可以选择最近邻的。

农机部件制造服务候选资源的选择，可以有效地缩短农机制造的整个设计和加工流程，从而提高农机现代化设计和制造的效率。

3 云计算农机虚拟制造平台测试

本研究通过对播种机样机部件的加工工序虚拟仿真，验证基于云计算的农机虚拟制造平台的可行性。假设一个客户是某一个企业，需要对播种机的一批部件进行外协加工，播种机样机如图6所示。

图6 虚拟制造播种机样机

播种机样机加工工序和服务的信息如表1所示。假设系统中有许多可以提供加工部件的服务信息，包括齿轮、轴、套筒和箱体等加工服务信息，可利用云计算虚拟制造平台对服务信息进行优化选择。

表1 加工任务和服务信息

根据播种机样机部件的加工任务和需求服务信息，需要根据需求客户候选出服务的加工周期、费用、物流及服务时间等，最终选出符合该制造任务的候选方，从而完成服务发现。假设待加工的播种机需求厂商向云制造平台提供的零件加工任务为m，根据发现服务返回信息对应的候选服务提供者标记为Kij，通过云计算虚拟制造平台选择出来的物流时间、费用和服务时间、费用如表2所示。

由测试结果可以看出：在云计算虚拟制造平台的优选过程中，会给出优选后服务方的服务时间、费用和合格率，利用KNN算法进一步筛选，可以根据需求，得到最终的候选资源方。

图7表示农机加工周期随加工项目数目的变化曲线。使用云计算虚拟制造平台和不使用云制造虚拟设计平台的加工周期差别较大，使用云计算虚拟制造平台在保证加工质量的前提下，可以有效地缩短农机部件的加工周期，为现代农机的批量生产和个性化加工服务提供了设计依据。

表2 云计算虚拟制造平台测试数据

图7 加工效率对比曲线

4 结论

基于现代大数据处理和云计算技术，结合3D动画渲染，设计了一种面向农机加工的云制造虚拟平台，并提出了基于KNN智能分类器的农机制造企业候选服务资源的分类方法。同时，构建了面向工序级和零件级服务的仿真环境，并通过对播种机样机部件的加工工序虚拟仿真，得到了优选后服务方的服务时间、费用和合格率。最后，对使用云计算虚拟制造平台的优势进行了测试，测试结果表明：在保证加工质量的前提下，云计算虚拟制造平台有效的缩短了农机部件的加工周期，提高了整个农机设计制造的效率，为现代化农机设计和制造提供了一种全新的方法。

[1] 郭伟,仝克宁,邵宏宇,等.基于RS与AHP的中小企业云制造模式下多服务主体信用评价体系构建[J].计算机集成制造系统，2013(9): 2340-2347.

[2] 尹翰坤,尹超,龚小容,等.汽摩零部件新产品开发云制造平台总体框架及关键技术[J].计算机集成制造系统，2013, 19(9): 2332-2339.

[3] 康玲,陈桂松,王时龙,等.云制造环境下基于本体的加工资源发现[J].计算机集成制造系统，2013,19(9): 2325-2331.

[4] 刘强,王磊,陈新度,等.云制造服务平台的资源使用及访问控制[J].计算机集成制造系统，2013, 19(6): 1414-1422.

[5] 姚锡凡,金鸿,徐川,等.云制造资源的虚拟化与服务化[J]. 华南理工大学学报:自然科学版，2013, 41(3): 1-7.

[6] 崔晓康,马军,李立伟,等.基于动态集成框架的云制造服务过程追溯与匹配研究[J].制造业自动化，2014,36(8): 9-11.

[7] 尚欣,殷国富.基于动态云制造的定制加工系统组态分析及优化[J].中国机械工程,2014(7): 906-910.

[8] 赵其国.当前我国农业发展中存在的深层次问题及对策[J] .生态环境学报,2013,22(6):911-915.

[9] 赵其国,黄国勤,王礼献.中国生态安全、农业安全及 “三农”建设研究[J].农林经济管理学报,2014, 13(3): 237-243.

[10] 高春城.我国农业发展的资源环境问题与展望[J].当代生态农业,2013,3(4):151-154.

[11] 万宝瑞.当前我国农业发展的趋势与建议[J].农业经济问题,2014,4(1):110-114.

[12] 徐茂,邓蓉.国内外设施农业发展比较[J].北京农学院学报,2014,29(2):75-79.

[13] 熊爱武.基于车载激光云点数据的道路模型重建[J].地理信息世界,2013,20(6):86-88.

[14] 魏泽鼎,贾俊国,王占永.基于视觉传感器的棉花果实定位方法[J].农机化研究,2012,34(6):66-68.

[15] 刘峰,张明宇.国内外设施农业发展现状及问题分析[J].农业技术与装备,2014(3):23-27.

[16] 高国琴,李明. 基于K-means算法的温室移动机器人导航路径识别[J].农业工程学报,2014,30(7):25-33.

[17] 方莉娜,杨必胜.车载激光扫描数据的结构化道路自动提取方法[J].测绘报,2013,42(2):260-267.

[18] 陈诚,刘丽兰,俞涛.LED照明产业的云制造服务分类及模式研究[J].制造业自动化，2014,36(14): 67-71.

[19] 李成海,黄必清.基于属性描述匹配的云制造服务资源搜索方法[J].计算机集成制造系统，2014, 20(6): 1499-1507.

[20] 王理,王宗彦,张兵,等.基于云制造的起重机协同设计与制造模式[J].机械设计与研究，2014(4):138-140.

[21] 李强,于青,闫洪波,等.基于云制造的产品后生命周期模式研究[J].组合机床与自动化加工技术，2014 (4):157-160.

[22] 张映锋,张耿,杨腾,等.云制造加工设备服务化封装与云端化接入方法[J].计算机集成制造系统，2014 (8): 2029-2037.

[23] 郑浩,冯毅雄,谭建荣,等.一类制造资源的协同建模、优化与求解技术[J].计算机集成制造系统，2012(7): 1387-1395.

[24] 尹超,黄必清,刘飞,等.中小企业云制造服务平台共性关键技术体系[J].计算机集成制造系统，2011,17 (3):495-503.

[25] 战德臣,赵曦滨,王顺强,等.面向制造及管理的集团企业云制造服务平台[J].计算机集成制造系统，2011,17(3): 487-494.

[26] 马志欣,谭峰,侯召龙.基于 Android 的农业生产远程监控系统[J] .农机化研究,2014,36(3):226-229.

[27] 高伟,康倩.浅谈嵌入式系统[J].计算机光盘软件与应用,2014,14(8):69-70.

[28] 方莉娜,杨必胜.车载激光扫描数据的结构化道路自动提取方法[J].测绘报,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

江苏省自然科学基金项目(BK20131360)

孙晓文 (1982-)，男，江苏淮安人，讲师，硕士。

刘志刚(1980-)，男，湖北天门人，副教授，博士，硕士生导师，(E-mail)liuzhigang@swfu.edu.cn。

TP393；S220.2

A

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