智能制造若干关键技术研究

摘 要：近年来，智能技术的不断创新与发展，在很大程度上推动我国国民经济的建设发展。尤其是在机械制造业及高端科技领域更是起到了不可忽视的重要影响。从目前智能技术的发展状况来看，其在机械视觉、优化调度和系统组织等方面已经发展相当成熟。文章主要针对这三方面的发展现状及未来的发展趋势进行阐述分析，希望通过文章的论述可以为相关人员提供一定的参考意见。

关键词：智能制造；机器视觉；优化调度；自组织

中图分类号：TH16 文献标志码：A 文章编号：2095-2945（2018）28-0156-02

Abstract： In recent years， with the continuous innovation and development of intelligent technology， to a large extent， to promote the construction and development of our national economy. Especially in the field of machinery manufacturing and high-end science and technology has played an important role can not be ignored. From the current development of intelligent technology， its mechanical vision， optimal scheduling and system organization has developed quite mature. The following paper makes an analysis mainly for these three aspects of the development of the status quo and the future trend of development， in the hope that the discussion of the article can provide some reference for the relevant personnel.

Keywords： intelligent manufacturing； machine vision； optimal scheduling； self-organization

随着各种新技术的层出不穷及智能技术的不断发展创新，在当下很多产品發展过程中尤其是具有高速、优化结构、新能源及新动力等方面智能制造技术的竞争优势尤为突出。从这个角度来讲，在未来的发展过程中智能制造将得到越来越普遍的重视及应用。智能制造不仅仅包括智能技术和智能制造系统等重要的技术创新，还具有高度自动化、自学习的功能，可以说是现代先进制造业未来发展的重要方向。在借鉴国内外比较先进的智能制造技术的同时，也结合我国实际发展现状进行研究及应用创新。文章主要从机器视觉、优化调度及自组织等方面，针对智能制造进行分析并结合我国实际发展现状针对存在的问题进行阐述，以便真正意义上推动我国智能制造行业的发展。

1 面向智能制造设备的机器视觉技术

1.1 机器视觉的感知

工业的不断发展壮大对劳动力及产能的需求越来越大，特别是工业机械人的崛起，更是对装配、分拣、搬运等工序进行了全面的改革创新，工业机械人改变了原有的操作模式，通过对编程及计算机技术的改进就可以提前依照工业程序完成该作业流程，并大大减少了对劳动力的需求，与此同时也将大大提高产能的需求。从这个意义上来讲工业机械人的发展是不容忽视的，必须加强对工业机械人的重视。工业机械人在工业生产中的应用必须依照一定的程序方能起到很好的效果，否则将难以转化成实际的经济效益。它需要对机械进行合理的编程，通过编程对传感器加强自我判断的能力，也就是通常情况下所说的机械视觉技术。这种技术在操作的过程中为了有效实现自我判断力，必须对信息进行有效的分析、对精准度有着较高的要求以及反应速度等，这些也是其他机械设备所不具有的特性。视觉技术的实现主要是通过预先设计好的编程程序来完成的，在实际应用中相当于人在操作，通过机械设备自动化实现人机操作，减少人力。它能够有针对性地对图像、配图及智能相关设备进行处理。

1.2 机器视觉的动态监控与反馈

在智能化制造过程中，比较重要的因素则是自动化生产，自动化生产的顺利开展将对整个设备的有效运行有着不可忽视的重要影响。尤其是能够实现实时反馈，否则自动化生产一旦出现故障问题将造成不可估量的重要损失，严重影响设备的正常运行。所以在自动化生产过程中绝对不容许视觉技术出现延迟反馈和非动态反馈的缺陷问题。在工业上通常情况下视觉技术主要包括环境感知、视觉监控、图像无损压缩以及实时通信等。在正常的监测过程中对实时通信的要求比较高，必须做到信息的准确性、及时筛选不准确的信息进行数据统计。

2 面向智能制造资源的优化调度

如何进行优化调度是近年来比较关注的重点问题，主要是针对其可分解的工作程序进行合理工序安排，将某种指标通过合理排序、协调作业进而达到最大优化程度。通过合理的对生产地点、生产时间及生产工序进行分配作业可以使得他们发挥应有的功效，最大限度的实现经济效益的提升，缩短产品生命周期，加快竞争，这也是各企业间相关竞争的重要因素。所以在现代化管理过程中，面对智能制造技术的不断创新，必须加强其合理优化调度。

人工神经网络模仿动物神经网络行为特征，通过调整内部大量节点之间相互连接的关系，从而达到处理信息的目的。它属于黑箱模型，能够对已有数据进行机器学习，然后通过该模型已有的“经验”，对后续操作进行预测和判别。遗传算法是在计算机上对物种种群进化过程进行模拟而获得结果的方法。它根据适者生存的自然规律来进行搜索计算和问题求解，主要包括遗传（交叉）操作、变异操作和选择操作。这是一种基于种群的演化方法，具有较好的求解能力和鲁棒性。模拟退火算法模拟了固体退火原理，通过赋予搜索过程一种时变且最终趋于归零的概率突跳性，来实现其最终的优化求解能力。在这个过程中，高温退火时算法的全局搜索能力较强，能够较快速地得到一个不错的解；而低温时则主要进行局部搜索，维持现阶段的较优解。禁忌搜索算法是一种模拟人类记忆功能的优化算法，在求解过程中，为避免陷入局部最优解，该算法采用动态的禁忌表来记录已搜索过的较好邻域结构，并在之后的求解过程中能够主动避开已记录的邻域移动，减少重复搜索。它对初始解和邻域结构具有较强的依赖性。蚁群优化算法抽象地提取了蚁群的觅食过程，通过具有正反馈的群体协作机制，来实现最优路径的选取。实际上，这是一种基于动态禁忌表的概率选择性算法，它能够快速地对目标对象进行求解，并且具有较好的收敛性能和鲁棒性。

3 面向智能制造系统的自组织技术

3.1 ADACOR整子制造控制系统

这种控制系统主要是将分级控制方法和递阶控制方法进行了整合，通过分散化的方式將其有效信息进行整合，然后通过集中优化的方式来完成对突发状况的处理，在进行处理的过程中多半是采用递阶的方式来完成。这种系统架构的主要优势有以下几点：自身可建立完善的模块化系统、分散化、敏感性、灵活性和稳定性及可扩展性。将各个系统控制进行分解然后整合团体。ADACOR通过采用Petri网形式明确定义了个体整子的行为，并采用智能UML序列图定义了整子间的交互模式。依据系统的扰动水平，结合层次和递阶控制结构，使用自适应机制，ADA-COR为自适应生产控制提出了一种二位状态的平衡方式，这具有非常重要的意义。

3.2 自组织模型细节

考虑自组织模型在运行过程中所涉及的问题，下面针对其自组织模型进行细节上的阐述。从某种意义上来讲自组织模型主要涉及监控、发现、推理及学习、结构等多种小模块。在突发状况中可以体现通过对自组织模块的数据分析来降低破坏，通过对数据的合理分析和判断，将整个过程通过模拟的方式完成演化。监控模块负责对其进行很好的推理判断，如分析交换的信息数据、感应信号源，对可能出现的突发状况进行判断。简单来讲就是通过监视和发现模块对可能出现的问题通过推理模块来完成判断，进而去调整信息，使得每个信息源在输出的过程中都是正确无误的。

4 机器视觉、优化调度和自组织系统的发展趋势

4.1 机器视觉发展趋势

视觉系统的完善发展可以有效增强智能制造装备的感知功能，不仅如此还能够将外界参数通过感知自动调节自适应性，进而实现系统的自动感知，精准实现远程监控及自我判断，提高系统的可操作性和减少生产线上人员的过度安排及使用，从而缩短了周期，实现了真正意义上效率的提高。机器视觉是智能制造的重要组成部分，未来的发展趋势是将信息技术运用于整个制造过程，包括运用信息技术实现智能设计、智能生产、生产设备的自动连接和驱动以及成品的自动装配等，通过结合物联网技术构建信息化集成的生产系统，以实现生产的集成和智能化控制，实现工厂生产的无人化和真正意义上的企业产业转型升级。

4.2 优化调度发展趋势

（1）协同生产调度。从某种意义上来讲，产品在协调生产过程中必须进行相互之间的分工与协作，才能真正意义上发挥各环节的关键作用。如产品在设计、制造、供应等重要阶段都必须进行紧密合作，才能使得各环节在整体上确保质量及工序的顺利开展，否则任何一个环节出现问题都将对整体构成影响。协同生产的重要意义则是确保各环节可以在有序的流程内进行相互间的技术支持和利益共享，进而达到效率的提升。（2）柔性生产调度。柔性作业车间调度一方面解决了柔性度的限制，另一方面增加了调度的复杂性和灵活性。它广泛存在于半导体制造、钢铁生产、汽车制造、武器生产、化工、金融财务等制造和服务领域，具有多阶段、并行机拓扑结构的柔性生产调度问题。（3）大规模调度。在激烈的市场竞争中，制造业的生产规模日益增大，实际生产中待解决的往往是上千台机器、每个月上千张订单的大规模调度问题。

4.3 自组织系统发展趋势

在未来发展过程中，智能制造系统则会基于ADACOR的自组织系统进行很好的响应，能够将各响应数据进行很好分析，然后待恢复平静后进行混合系统的处理。最后将引入嵌入式的组织系统方式加强两者之间的平衡，这种方式并不能真正意义上定义到新的控制系统中，而是起到了演化和重构的作用。这也是未来对其极大的挑战，所以在未来智能制造系统中需要更好地实现自动态演化和自适应性，才能真正意义上将智能制造的关键技术得以发挥出来，更好地推动相关产品的发展，促进我国国民经济综合实力的提高。

参考文献：

[1]吕铁，韩娜.智能制造：全球趋势与中国战略[J].人民论坛·学术前沿，2015（11）：6-17.

[2]陈铁健.智能制造装备机器视觉检测识别关键技术及应用研究[D].长沙：湖南大学，2016.

[3]王耀南，陈铁健，贺振东，等.智能制造装备视觉检测控制方法综述[J].控制理论与应用，2015，32（3）：273-286.

[4]徐俊刚，戴国忠，王宏安.生产调度理论和方法研究综述[J].计算机研究与发展。2004，41（2）：257-267.

[5]张思源，陆志强，崔维伟.考虑设备周期性维护的流水车间生产调度优化算法[J].计算机集成制造系统，2014，20.

推荐访问:技术研究 若干 关键 智能 制造