农机部件数字化新产品开发关键技术研究———基于云制造服务平台

冯双林，靳继红

(1.广西工业职业技术学院，南宁 530003；2.焦作师范高等专科学校 计算机与信息工程学院，河南 焦作 454000)

农机部件数字化新产品开发关键技术研究
———基于云制造服务平台

冯双林1，靳继红2

(1.广西工业职业技术学院，南宁 530003；2.焦作师范高等专科学校 计算机与信息工程学院，河南 焦作 454000)

随着新兴信息技术的快速发展，农机产品的研发正在向智能化、数字化和科学化发展。农机新产品的研发是一个庞大而复杂的过程，为了实现农机产品的数字化设计过程，提出了一种基于云服务平台的农机数字化新产品设计方法。该方法借助于数字化设计平台，可以资源的共享和分配调度，提高设计效率，降低成本。为此，采用Autodesk数字化设计平台，从农机模型设计，到编程数控加工，再到最后的产品检测，实现农机产品的一体化设计。同时，提出了一种多粒度的资源优选方法，并通过验证发现，利用多粒度算法可以将多目标问题转换为单目标问题，使优选过程变得智能化，从而在农机加工工序、加工时间和产品可靠性上都表现出了较大的优势。

农机产品；数字化设计；云制造服务；数控加工；多粒度

0 引言

农机新产品开发是一项极其复杂的系统工程，涉及面广、科学性强、持续周期长，对企业研发能力要求高。由于资金、技术、设备和人才等的缺乏，农机零部件企业在新产品开发过程中越来越感觉到力不从心，甚至举步维艰。在一些研究院所、服务机构、高校和企业机构中有大量的计算资源，具有高精尖端的设备和研究成果，但自由利用率和共享率却较低。如何有效地利用这些资料，提高其在新产品研发中的作用，更大范围内调配资源，成为当前制造业研究的重点问题。云制造作为一种利用网络和云制造服务平台，是按用户需求组织网上制造资源，为用户提供各类按需制造服务的一种网络化制造新模式，强调“分散资源集中使用、集中资源分散服务”的思想，为解决农机新产品的研发提供了一条新的思路。

1 农机云制造服务一般流程和平台架构

农机云制造产品的开发分为两种模式，一种模式是正向设计，一种模式是逆向设计。正向设计是从概念设计到建模再到产品的试制，采用这种过程对农机产品进行开发的难度较大，农机零部件一般由复合的零件组成，因此无法使用统一的数学语言描述。要想实现农机产品开发的数字化，需要采用逆向设计的方法，其流程如图1所示。

图1 农机云制造服务一般流程Fig.1 The general process of agricultural machinery based on cloud manufacturing services

图1中，三维反求属于概念设计阶段，该过程是借助于三维扫描设备，对原来模型进行三维扫描，然后将扫描的结果导入到软件中进行反求，通过软件的重新设计来更新草图。反求后，根据扫描结果可以进行农机产品的建模。建模是农机设计的主要流程，最终产品可以利用CAD等软件生产设计文档。仿真分析是对建立好的模型进行分析优化的过程，仿真类型主要分为工艺性仿真、流体力学仿真和结构力学仿真。通过仿真可以查看模型的不足，通过优化设计对产品进行试制，试制时需要对新产品进行各种性能测试，包括可靠性和寿命的测试。测试完成后对产品进行评估，如果符合要求，则进行新产品的生产；如果不符合要求，则需要对产品进行改进。农机云制造服务平台的架构如图2所示。

图2 农机云制造服务平台的架构Fig.2 The cloud manufacturing service platform construction of agricultural machinery

农机云制造服务平台的架构模型共包括7个层次，具体如下：

1)基础层。基础层主要包括数据库、云存储和云服务器等，为农机云制造提供基础的支撑环境。

2)运行环境层。该层主要为云制造平台提供持久的稳定和安全可靠性，使平台能够平稳运行。

3)资源层。资源层包含的内容较多，包括设计资源、仿真资源、加工制造资源、性能测试资源等，以及软件、硬件和各种人力资源，利用中间云平台将其转换成了虚拟资源。

4)中间件层。该层主要提供资源转换和信息共享，采用虚拟云端，将采集信息接入到云平台中，从而为需求方提供匹配的资源。

5)核心功能层。核心功能层主要是负责平台的管理和服务，是整个平台的管理核心。

6)业务模型层。业务层主要是通过调用平台的核心功能，实现农机零部件产品开发平台的资源共享和协作功能，进而实现资源反求、三维建模设计、协同计算、工艺设计、仿真实验和性能评价等。

7)用户层。用户服务层主要是通过界面操作，为用户提供便利的服务，使用户可以在不同的地点登录，而共同分享云制造资源。

2 农机云制造服务平台服务优选建模

农机新产品的研发是一个庞大而复杂的过程，为了将研发流程简化，可以借助于数字化设计平台，通过资源的共享和分配调度，提高设计效率，降低成本，方便管理可以运行。综合考虑各种数字化设计平台，本次选用Autodesk数字化整体解决平台，从农机模型设计、到编程数控加工、再到最后的产品检测，实现农机产品的一体化设计。

图3为农机产品一体化设计的流程。其具体操作步骤是：首先利用PowerINSPECT配合扫描仪，通过扫描作用生成点云，将点云进行数模对比；然后做逆向设计，设计时使用PowerSHAPE。将模型导入到设计软件中进行创新设计，当前比较流行的设计三维软件有Inventor、Solidworks等。通过设计输出图纸或者三维模型，将模型导入到PowerMILL进行加工编程，生成NC程序；将程序输入机床，便可以进行模型加工，通过OMV进行质量监测，在线控制加工质量；最后，利用PowerINSPECT配合三坐标，做最终质量检测，便完成了农机的一体化数字设计。

图3 农机产品的一体化设计流程Fig.3 The integrated design process of agricultural machinery products

表1表示利用云平台对设计好的农机进行加工时制造资源的调度服务表。客户可以根据云平台提供的共享资源，选择合理的加工方式。为了使设计和加工的效率最高而耗费的费用最低，可以选择多粒度制造资源服务优选模型。在建模时，引入决策变量α、决策变量βmin、xij、xij(i+1)k，令α=0 or 1、βmnm=0 or 1、xij(i+1)k=0 or 1。其中

(1)

当α=0时，表示任务1是零件加工的第1个工序，服务方提供了原材料；当α=1时，表示任务1是零件加工的第一个工序，由客户提供原材料，也可以表示加工的第1个工序不是任务1。即

xij(i+1)k=

(2)

于是得到该问题的数学模型为

(3)

表1 云平台制造资源调度服务表

Table1Theresourceschedulingservicetableof

cloud platform manufacturing

制造车间制造工具时间/天费用/元A1G22200A1G51300A2G63500A3G35260A5G12350A2G23410

续表1

3 农机云制造服务平台数字化新产品开发

为了验证云端制造系统在农机新产品研发中使用的可行性，架构了需求-服务的农机云制造服务平台，由云制造服务提供方、云端请求、云端服务使用方和云平台组成。云制造系统由云提供端，如图 4所示。

图4 农机云制造系统架构Fig.4 The construction of agricultural machinery cloud manufacturing system

需求方为云端请求，一般是指企业用户；服务提供方是指提供制造和设计资源的服务方，也是企业用户。本次主要通过模型设计、产品模型优化和产品实验对平台进行验证。云平台农机模型有限元分析如图5所示。

图5 云平台农机模型有限元分析Fig.5 The finite element analysis of the agricultural machinery model

由于新产品的模型比较复杂，在云平台上选取了几个不同的有限元仿真设计资源进行了对比，通过对比选取了具有复杂模型有限元分析能力的资源提供方对产品进行了有限元分析，通过分析对模型进行了优化，得到了如图6所示的新模型。

图6 云平台农机模型组装Fig.6 The cloud platform model assembly of agricultural machinery

云平台上对每个零部件进行分析后，可以选用合适的资源对模型进行组装，来发现最终模型存在的问题；克服了设计缺陷后，便可以对产品进行试制，对试制产品进行产品试验。云台模型试验如图7所示。

图7 云平台模型试验Fig.7 Cloud platform model test

通过在农机云服务平台上进行新产品模型的设计、仿真、试制和实验，可以得到对产品的各种性能分析及设计经验，这些资源在上传到云数据库中，供后续设计使用。最后，对优选资源算法中对本次提出的粒子群算法优化进行了验证，得到了如表2所示的性能评价结果。

表2 云制造平台算法性能评价

由评价结果可以看出：云制造服务平台采用粒子群算法优化后在工序、时间和可靠性上都具有较大的优势。

4 结论

随着制造业数字化、集成化、协同化、网络化的发展，以云计算、物联网、大数据等为代表的新一代信息技术为农机制造业的升级和转型提供了强大的技术支持，农机产品的研发正在向智能化、数字化和科学化发展。本次对农机产品的云制造服务平台架构的可行性进行了验证，通过有限元仿真分析、产品模型优化、产品组成和模型试验，进一步验证了平台资源共享和调度分配的可行性。对资源调度的多粒度算法进行了验证，通过评价结果发现：利用多粒度算法可以有效地提高设计效率和产品的稳定性，为农机新产品数字化云制造服务系统的研发提供了一种新的算法支持。

[1] 李小龙,李治国,陈华.北京市农机作业调度管理与精准作业系统[J].农业工程,2013,3(21):44-48.

[2] 蔡坦,刘卫宁,刘波.一种新的基于直觉模糊集的制造云服务优选方法[J].中国机械工程,2014(3):352-356, 421.

[3] 倪志伟,王会颖,吴昊.基于MapReduce和多目标蚁群算法的制造云服务动态选择算法[J].中国机械工程,2014,25(20):2751-2760.

[4] 朱李楠,赵燕伟,王万良，等.基于RVCS的云制造资源封装、发布和发现模型[J].计算机集成制造系统,2012,18(8):1829-1838.

[5] 王崴,张宇红,徐晓东，等.面向中小企业的零部件资源云端化封装技术研究[J].机械设计与制造,2012 (8): 260-262.

[6] 孔令军,徐文胜,查建中.基于服务模板的制造资源封装方法[J].计算机应用,2012,32(12):3534-3539.

[7] 李向前,杨海成,敬石开,等.面向集团企业云制造的知识服务建模[J].计算机集成制造系统,2012,8(8): 1869-1880.

[8] 李从东,谢天,汤勇力,等.面向云制造服务的语义X列表知识表达与推理体系[J].计算机集成制造系统,2012,18(7):1469-1484.

[9] 赵楠,牛占文,郭伟.云制造环境中面向设计知识资源序列化组合的量子和声搜索算法[J].计算机集成制造系统,2012,18(7):1435-1443.

[10] 姚锡凡,金鸿,徐川.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.

[11] 顾新建,黄沈权,陈芨熙,等.模具行业需求驱动的云制造服务平台[J].计算机集成制造系统,2012,18(7):1650-1656.

[12] 张倩,刁志国,肖一明.地理信息系统在精细农业方面的应用[J].基层农技推广,2015,3(2):55-56.

[13] 周龄.3S技术在赤峰市农业病虫害防治中的应用[J].赤峰学院学报：自然科学版,2015,31(1):80.

[14] 丁克奎,钟凯文.基于3S的精准农业管理系统设计与实现[J].江苏农业科学,2015,43(1):399-401.

[15] 王联春,刘振群,于旭东.3S技术在农田灌排渠道选线中的应用[J].中国农学通报,2014,30(11):140.

[16] 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.

[17] 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.

[18] 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.

[19] 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.

[20] 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.

[21] 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.

[22] 王学文,杨兆建,丁华,等.煤矿装备云制造资源服务平台研究与应用[J].煤炭学报,2013,38(10):1888-1893.

[23] 李立君,李昕,高自成,等.基于偏好免疫网络的油茶果采摘机器人图像识别算法[J].农业机械学报,2012,43(12):209-213.

[24] 胡炼,罗锡文,曾山,等.基于机器视觉的株间机械除草装置的作物识别与定位方法[J].农业工程学报, 2013,29(10):12-18.

[25] 朱凤武,于丰华,邹丽娜,等.农业机器人研究现状及发展趋势[J].农业工程，2013,3(6):10-13.

[26] 李文凤,彭智勇,李德毅,等.不确定性Top-k查询处理[J].软件学报,2012,23(6):1542-1560.

[27] 张晓辉,李莹,王华勇,等.应用特征聚合进行中文文本分类的改进KNN算法[J].东北大学学报,2003, 24(3):229-233.

[28] 王海青,姬长英,顾宝兴,等.基于机器视觉和支持向量机的温室黄瓜识别[J].农业机械学报,2012,43(3):163-167.

[29] 王辉,毛文华,刘刚,等.基于视觉组合的苹果作业机器人识别与定位[J].农业机械学报,2012,43(12):165-170.

Research on Key Technologies of Digital New Product Development for Agricultural Machinery Parts—Based on the Cloud Manufacturing Service Platform

Feng Shuanglin1, Jin Jihong2

(1.Guangxi Vocational & Technical Institute of Industry, Nanning 530003, China; 2.School of Computer and Information Engineering, Jiaozuo Teachers College, Jiaozuo 454000,China)

In recent years, with the rapid development of new information technology, the research and development of agricultural machinery products is tend to be intelligent, digital and scientific development. It is a huge and complicated process for agricultural research and development of new products. In order to realize the digital design process of agricultural machinery products, it puts forward a new design method of digital agricultural products based on cloud services platform. With the help of digital design platform, the method can be shared and allocated resources, improve the efficiency of design and reduce the cost. From the agricultural model design, The auto desk digital design platform can finish the programming of CNC machining, and then test the final product to achieve the integration of agricultural products. A multi granularity resource optimization method, and the experiment shows that, by using the multi granularity algorithm, it can convert the multi-objective problem into single objective problem, make the optimization process become intelligent, resulting in agricultural processing, processing time and product reliability,which has shown great advantages.

agricultural machinery products; digital design; cloud manufacturing service; NC machining; multi granularity

2016-12-11

广西壮族自治区教育厅项目(LX2014617)

冯双林(1982-)，男，河北内丘人，讲师/工程师，硕士研究生，(E-mail)fengslin0881@163.com。

S220.3；TP391.72

A

1003-188X(2018)02-0231-05