基于云計算技術和3D渲染的農機虛擬制造技術研究

孫曉文，范媛媛，劉志剛

(1.江蘇食品藥品職業技術學院 信息工程系，江蘇 淮安 223001；2.焦作師范高等專科學校 a.計算機與信息工程學院；b.計算機應用技術研究所，河南 焦作 454000；3.南昌工學院，南昌 330108)

?

基于云計算技術和3D渲染的農機虛擬制造技術研究

孫曉文1，范媛媛2a,2b，劉志剛3

(1.江蘇食品藥品職業技術學院 信息工程系，江蘇 淮安 223001；2.焦作師范高等專科學校 a.計算機與信息工程學院；b.計算機應用技術研究所，河南 焦作 454000；3.南昌工學院，南昌 330108)

為了提高農機現代化和批量化生產效率，實現基于個性化需求農機設計和制造，提出了面向機加工的云技術農機制造服務候選資源的發現方法，并設計了農機虛擬制造的云計算平臺。在農機部件云制造虛擬平臺中，首先利用云存儲技術存放大量的候選制造企業資源樣本數據，然后利用智能分類算法KNN對候選資源進行分類，根據農機部件制造需求的客戶對候選資源進行優選，最后得到最佳的候選資源。基于云計算和3D渲染技術，構建了面向工序級和零件級服務的仿真環境，并通過仿真實驗，得到了優選后服務方的服務時間、費用和合格率，為現代農機的批量生產和個性化加工服務提供了新的解決方案。

農機設計；虛擬制造；批量生產；個性化；3D渲染；云計算

0 引言

隨著服務經濟和網絡經濟時代的到來，社會化分工越來越明顯，企業之間形成了企業集群。從國家層面，為了促進制造業的升級，國家提出了以信息帶動工業化、以工業促進信息化的指導方針，并在制造數字化、集成化、協同化、網絡化方面取得了很多研究成果。為了順應市場需求，在現代化農機制造過程中，也需要注重數字化、集成化的發展模式，但在資源共享和安全方面都存在不少難題。近年來，隨著物聯網、大數據和云計算技術等新一代信息技術的發展，為制造業的升級提供了大量的新技術支撐，也為農機現代化設計制造提供了嶄新的發展空間。

1 基于3D渲染云技術的農機虛擬制造平臺

隨著3D實時渲染技術的不斷發展，其在越來越多的領域得到了運用，在游戲開發中使用的最多；如果將該技術應用在農機虛擬制造技術上，結合云技術平臺，將會給現代化農機設計與制造產業帶來新的變革。圖1表示電子科技大學田師聰進行的大規模群體加速的3D渲染實驗。該實驗采用基于蒙皮實例化技術的方式進行渲染，創建頂點紋理，對大規模的人物群體進行加速渲染，從而得到了較好的動畫渲染效果；如果將其使用在農機虛擬設計制造服務系統中，會大大地提高農機部件虛擬制造的仿真效率。由于系統的實現需要處理大量的數據，因此在系統中引入了云制造技術。

圖1 基于云技術和3D渲染的農機虛擬制造流程

based on cloud technology and 3D rendering

圖1表示基于云技術和3D渲染的農機虛擬制造的流程圖，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加工過程進行仿真，然后利用云管理系統數據庫，根據KNN算法選取合適的服務資源，最終輸出農機部件生產的候選企業資源。

圖2表示橢球類復雜零件的三維渲染效果圖。該部件是播種機上的一個轉向控制部件，利用三維渲染軟件可以對零件的加工過程進行虛擬仿真。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

利用渲染結果可以充分了解農機部件的加工過程，從而為零件加工候選服務節點的優選提供依據。其中，優選過程主要依據云虛擬制造平臺，其框架如圖4所示。該框架將工序級任務、零件級任務稱作任務，用m表示；工序級服務和零件服務統稱為服務，用Sij表示；通過服務候選集合的資源選擇，服務于農機制造需求客戶。

2 KNN智能分類優選算法

KNN智能分類算法的基本思想是計算訓練樣本和新樣板之間的距離，然后找到最近的K個相鄰樣本數據，根據這些相鄰樣本數據，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類別；如果不屬于這個類別，則對候選類別進行評分，按照規則確定新樣本的類別。最后，把新的測試樣本歸類到最近的K個訓練樣本中出現頻率最大的。如圖5所示：當K=6時，根據分類判定的規則，測試的新樣本被歸類在黑色類別中。

圖4 農機部件制造服務優選框架

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據具有類似的預測值，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個點，并根據K個點來判斷未知的樣本數據。這K個點便是待分類樣本的k-最近鄰。假設所有n維空間點，最近鄰可以根據標準歐式距離來定，設x的特征向量表達式為

(1)

其中，ar(x)表示農機加工部件候選資源x的第r個屬性值；兩個候選資源x1和x2間的距離定義為d(x1,x2)，則

(2)

在KNN智能學習算法中，離散目標的分類函數為f:Rn→V，V是有限集合{v1,v2, …,v5}的不同分類集，K值的選取是根據樣本數目和分散程度來定的，不同的應用可以選取不同的K值，當K=1時，稱為NN算法。KNN算法的基本流程如下：

1)輸入。農機部件虛擬制造候選資源D={(Xi,Yi),1≤i≤N}，Xi表示第i個候選資源的基本屬性，Yi表示候選資源類別，假設農機部件制造需求客戶新樣本為X，距離函數為d。

2)輸出。輸出新的農機部件制造需求X的類別Y。

3)fori=1 toNdo

計算X和Xi之間的距離d=(X,Xi)

end for。

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

5)選擇前K個樣本，S={(Xi1,Yi1)…(XiK,YiK)}。

6)統計S中每個類別出現的次數，確定X的類別Y。

綜合上述過程，對基于KNN算法的農機虛擬云制造系統設計過程如下：

1) 尋找合適的農機部件制造服務候選資源訓練數據集。農機部件制造服務候選資源訓練數據集需要對歷史數據具有很好的覆蓋功能，這樣才有利于對近鄰的預測。選取的訓練數據要有代表性，既要保證訓練樣本數據集的大小，又要保證數據集的精度。

2) 確定距離函數。距離函數的選取比較重要，決定哪些服務候選資源是K個待分類的近鄰，其選取取決于實際的數據和決策。如果樣本是空間上分布的點，則可以選用歐幾里得距離。

3) 決定K取值。K值的選取對分類影響較大，一般可以初始確定一個值，通過不斷調試，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類別中出現頻率最高的來選擇，如果最高的不只一個，可以選擇最近鄰的。

農機部件制造服務候選資源的選擇，可以有效地縮短農機制造的整個設計和加工流程，從而提高農機現代化設計和制造的效率。

3 云計算農機虛擬制造平臺測試

本研究通過對播種機樣機部件的加工工序虛擬仿真，驗證基于云計算的農機虛擬制造平臺的可行性。假設一個客戶是某一個企業，需要對播種機的一批部件進行外協加工，播種機樣機如圖6所示。

圖6 虛擬制造播種機樣機

播種機樣機加工工序和服務的信息如表1所示。假設系統中有許多可以提供加工部件的服務信息，包括齒輪、軸、套筒和箱體等加工服務信息，可利用云計算虛擬制造平臺對服務信息進行優化選擇。

表1 加工任務和服務信息

根據播種機樣機部件的加工任務和需求服務信息，需要根據需求客戶候選出服務的加工周期、費用、物流及服務時間等，最終選出符合該制造任務的候選方，從而完成服務發現。假設待加工的播種機需求廠商向云制造平臺提供的零件加工任務為m，根據發現服務返回信息對應的候選服務提供者標記為Kij，通過云計算虛擬制造平臺選擇出來的物流時間、費用和服務時間、費用如表2所示。

由測試結果可以看出：在云計算虛擬制造平臺的優選過程中，會給出優選后服務方的服務時間、費用和合格率，利用KNN算法進一步篩選，可以根據需求，得到最終的候選資源方。

圖7表示農機加工周期隨加工項目數目的變化曲線。使用云計算虛擬制造平臺和不使用云制造虛擬設計平臺的加工周期差別較大，使用云計算虛擬制造平臺在保證加工質量的前提下，可以有效地縮短農機部件的加工周期，為現代農機的批量生產和個性化加工服務提供了設計依據。

表2 云計算虛擬制造平臺測試數據

圖7 加工效率對比曲線

4 結論

基于現代大數據處理和云計算技術，結合3D動畫渲染，設計了一種面向農機加工的云制造虛擬平臺，并提出了基于KNN智能分類器的農機制造企業候選服務資源的分類方法。同時，構建了面向工序級和零件級服務的仿真環境，并通過對播種機樣機部件的加工工序虛擬仿真，得到了優選后服務方的服務時間、費用和合格率。最后，對使用云計算虛擬制造平臺的優勢進行了測試，測試結果表明：在保證加工質量的前提下，云計算虛擬制造平臺有效的縮短了農機部件的加工周期，提高了整個農機設計制造的效率，為現代化農機設計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的中小企業云制造模式下多服務主體信用評價體系構建[J].計算機集成制造系統，2013(9): 2340-2347.

[2] 尹翰坤,尹超,龔小容,等.汽摩零部件新產品開發云制造平臺總體框架及關鍵技術[J].計算機集成制造系統，2013, 19(9): 2332-2339.

[3] 康玲,陳桂松,王時龍,等.云制造環境下基于本體的加工資源發現[J].計算機集成制造系統，2013,19(9): 2325-2331.

[4] 劉強,王磊,陳新度,等.云制造服務平臺的資源使用及訪問控制[J].計算機集成制造系統，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化[J]. 華南理工大學學報:自然科學版，2013, 41(3): 1-7.

[6] 崔曉康,馬軍,李立偉,等.基于動態集成框架的云制造服務過程追溯與匹配研究[J].制造業自動化，2014,36(8): 9-11.

[7] 尚欣,殷國富.基于動態云制造的定制加工系統組態分析及優化[J].中國機械工程,2014(7): 906-910.

[8] 趙其國.當前我國農業發展中存在的深層次問題及對策[J] .生態環境學報,2013,22(6):911-915.

[9] 趙其國,黃國勤,王禮獻.中國生態安全、農業安全及 “三農”建設研究[J].農林經濟管理學報,2014, 13(3): 237-243.

[10] 高春城.我國農業發展的資源環境問題與展望[J].當代生態農業,2013,3(4):151-154.

[11] 萬寶瑞.當前我國農業發展的趨勢與建議[J].農業經濟問題,2014,4(1):110-114.

[12] 徐茂,鄧蓉.國內外設施農業發展比較[J].北京農學院學報,2014,29(2):75-79.

[13] 熊愛武.基于車載激光云點數據的道路模型重建[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定位方法[J].農機化研究,2012,34(6):66-68.

[15] 劉峰,張明宇.國內外設施農業發展現狀及問題分析[J].農業技術與裝備,2014(3):23-27.

[16] 高國琴,李明. 基于K-means算法的溫室移動機器人導航路徑識別[J].農業工程學報,2014,30(7):25-33.

[17] 方莉娜,楊必勝.車載激光掃描數據的結構化道路自動提取方法[J].測繪報,2013,42(2):260-267.

[18] 陳誠,劉麗蘭,俞濤.LED照明產業的云制造服務分類及模式研究[J].制造業自動化，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資源搜索方法[J].計算機集成制造系統，2014, 20(6): 1499-1507.

[20] 王理,王宗彥,張兵,等.基于云制造的起重機協同設計與制造模式[J].機械設計與研究，2014(4):138-140.

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

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

[23] 鄭浩,馮毅雄,譚建榮,等.一類制造資源的協同建模、優化與求解技術[J].計算機集成制造系統，2012(7): 1387-1395.

[24] 尹超,黃必清,劉飛,等.中小企業云制造服務平臺共性關鍵技術體系[J].計算機集成制造系統，2011,17 (3):495-503.

[25] 戰德臣,趙曦濱,王順強,等.面向制造及管理的集團企業云制造服務平臺[J].計算機集成制造系統，2011,17(3): 487-494.

[26] 馬志欣,譚峰,侯召龍.基于 Android 的農業生產遠程監控系統[J] .農機化研究,2014,36(3):226-229.

[27] 高偉,康倩.淺談嵌入式系統[J].計算機光盤軟件與應用,2014,14(8):69-70.

[28] 方莉娜,楊必勝.車載激光掃描數據的結構化道路自動提取方法[J].測繪報,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

江蘇省自然科學基金項目(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，碩士生導師，(E-mail)liuzhigang@swfu.edu.cn。

TP393；S220.2

A

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