基于工业物联网的智能制造服务主动感知与分布式协同优化配置方法研究

经济全球化进程的加快、市场竞争的日益加剧,日趋多样性、个性化的产品制造需求,制造业呈现的信息化、服务化、专业化的发展趋势,对现代生产过程中制造资源的互联化、业务流程的协同化、参与主体的自主化、制造模式的服务化等方面提出了更高的要求。在此背景下,随着云计算、工业物联网、信息物理系统等先进制造信息技术的迅猛发展,新型智能制造模式(如云制造、物联制造、社群化制造等)应运而生,并迅 速引起了学术界和工业届的广泛关注。然而,当前研究主要针对传统制造系统中静态优化模型和方法的研究,较少对底层制造资源服务主动感知、动态优化配置等核心关键方 法深入探索。为此,本研究针对资源服务的透明化感知、自主式优化配置需求,将工业物联技术引入传统制造系统,形成底层制造资源端生产信息的主动感知,以研究“智能制造服务的主动感知与优化配置方法”为突破口,构建了基于工业物联网的智能制造服务主动感知与优化配置方法的体系架构和运行逻辑,并对制造资源实时信息的主动感知与集成、制造资源服务化封装与云端化接入、智能制造服务优化配置方法等方面的关键技术展开深入研究,为促进智能制造系统向敏捷化、服务化、绿色化和智能化的方向发展提供一种重要的理论和技术参考。

  • 2021-06-24
  • 阅读122
  • 下载0
  • 156页
  • pdf

大数据背景下的桥梁结构健康监测研究现状与展望-

结构健康监测(SHM)技术在许多大型桥梁的运营养护管理中均有应用,但已有监测系统积累的海量数据并未被充分解读。为将大数据技术引入到桥梁 SHM 数据的处理分析中,首先总结大数据的概念和构成要素;然后分析SHM 数据的工业大数据属性,梳理桥梁SHM 大数据的研究方向;随后综述包括处理技术和分析方法在内的大数据技术在桥梁SHM 中的应用现状,在由数据预处理、数据融合、特征工程、模式识别、可视化构成的大数据分析流程中提出 SHM 大数据研究的需求和应用场景;最后对大数据技术在桥梁SHM 中的前景与驱动力进行展望和讨论。结果表明:SHM 大数据研究应以结构状态评估为落脚点;大数据处理技术在SHM 的系统框架搭建及数据分析能力扩展方面虽已得到较多应用,但其并非 SHM 大数据研究的重点;SHM 数据融合对大数据分析方法有迫切需求,以实现桥梁 SHM 数据与外观检测等多源异构数据的多层面融合;深 度 学习、集成学习为结构状态敏感特征的提取提供了新的算法;有监督、无监督机器学习方法结合海量SHM 数据将对结构状态评估下的模式识别问题形成更全面的认知;异常识别、相关分析、迁移学习等方法可为实桥SHM 损伤识别提供支撑。研究结果可为SHM 领域的大数据研究提供参考。

  • 2021-06-25
  • 阅读122
  • 下载0
  • 20页
  • pdf