基于云计算的汽车起重机三围吊装仿真研究-毕业设计调研报告

基于云计算的汽车起重机三围吊装仿真研究-毕业设计调研报告基于云计算的汽车起重机三维仿真研究第三章起重机仿真相关技术分析起重机三维仿真软件的作用主要是辅助吊装人员制定现场吊装方案，这就要求软件里除了能实现三维仿真可视化外，还要模拟现场的工况条件，进行起重机运作的实时计算和判断，保证仿真中起重机的每个运动在实际操作中的可行性。另一方面，为节约吊装成本、节省吊装时间，希望仿真输出中吊装方案里的吊装路径为最佳可行路径。仿真中需要进行起重机碰撞检测和路径规划，根据现场中起重机的立体结构和起重量，计算其可达最大和最小范围[18],从而判断在范围内的路径为可行路径，再选择一条最短的作为最佳路径。考虑到起重机的移动对仿真过程计算值的影响，一般三维起重机仿真软件会固定起重机位置，或者在同一个吊装物移动过程中起重机不会移动，从而起重机位置点的确定就显得比较重要。根据起重机型号的不同，相应的起重机模型和性能也会不同，要选择合适的起重机进行吊装，首先得建立起重机模型。起重机仿真建模技术对于三维汽车起重机仿真软件来说，建立合理的、逼真的起重机模型是很重要的。目前有三种方法建立起重机三维模型：基于现有软件的二次开发建模技术、基于VRML(VirtualRealityModelLanguage)建模技术、基于VisualC++和OpenGL的建模技术。第一种方法可以用现有的软件如ProE、AutoCAD等进行二次开发，成本低、周期短，但系统的通用性和交互性不好。第二种方法可以开发出基于网络的仿真系统，但对于某些软件的网络化实现有一定的难度。第三种方法用了Microsoft开发的面向对象的编程语言和性能卓越的三维图形软件接口OpenGL,这样开发的软件通行强，但编程工作量大。综合来说，应用第三种方法开发最适宜。文献十九用第三种方法自主开发了三维引擎SR系统，为三维场景建模提供很好的数据接口，能够产生高质量的三维图形。对于起重机吊装过程的显示而言，模型越精致越好，而模型越精致仿真速度越慢，这两个方面存在着矛盾。为尽可能同时满足系统高可视化和高速度仿真要求，对起重机模型的建立有三个规则[19]:(1)为满足运行速度要求，忽略起重机的内部结构，在整体结构上做必要处理；(2)为满足碰撞检测需要，起重机的外形尺寸不可少，尤其是涉及到与起重性能相关的尺寸；(3)为体现不同风格的机种，实现起重机主要部分的颜色修改与设置。起重机三维模型建立过程需要很多数据，一般用数据库来存储，可分为几何尺寸和逻辑尺寸。三维引擎接受起重机各部分的几何尺寸来建立模型，通过逻辑尺寸将各部件组织起来，形成一台完整的起重机模型。而对于船舶货物吊装而言，物体的建模要求却不相同，仅仅取得好的视觉效果还不行，因为船舶货物装卸仿真的主要目的是验证货物吊装的可行性和安全性，同样在起重机吊装场景中也应该考虑到吊装的安全性和可行性。场景中除了起重机外，还有吊装物和其他设备的建模，模型越细致，仿真时的真实性越高，但是碰撞检测时计算就越复杂，这时可以采用“细节水平”(LOD-LevelsofDetail)技术[20]。细节水平是以复杂度不同的物体来代替在视觉上同样的模型，物体的复杂程度取决于物体和观察点之间的距离。距离越远，就用越少的多边形来代替此物体，而当观察点靠近时，显示出物体的更多细节，这种方法在碰撞检测中有一定的应用。确定起重机定位区在已知吊装物的情况下，选择一个好的起重机定位点，能提高吊装效率和吊装过程的安全性。汽车起重机的立体构型和吊臂决定了可吊装空间的最大和最小半径，而不同的起重机操作如升降、回转、变幅等所需要的工作区和消耗的能量都不相同，当起重机选择一个好的定位点时，就能够最快、最省、最安全的完成吊装。不同的定位点下，起重机的工作区不同，由此会产生多条吊装路径。文献二十一提出了一种自动生成起重机二维定位区的方法，因为起重机的工作区与场景中障碍物和边界的限制有关[21],和起重机本身性能也有关，用传统的方法凭着操作者的经验、技能及适当的规划来确定起重机的定位点会花费很多时间，且易于出错。所以，此文献中提出的这种自动生成起重机定位区的方法可以找到进行吊装的定位区，使起重机停在某处完成吊装，同时配合自动寻径方法，可以找出一条最佳的吊装路径。算法是一种有力的工具来优化吊装过程，但其实现却不容易，文献二十一尝试用算法来选择起重机定位区。以往的算法都是先考虑起重机的可吊装区，然后选择可行的起重机位置，而这个算法先考虑场景中障碍物的位置和边界值来确定起重机定位区间，根据起重机选型计算起重机吊臂的可运行范围，最后确定起重机定位点，这样使施工现场的安全性得到提高。现场中汽车起重机吊臂在移动过程中会有振动，在大吨位起重机中振动会影响系统的控制精度，甚至会引起事故的发生[22]0为提高安全度，可以在起重机定位时将障碍物的空间扩大，减小起重机工作区，从而确定定位点。当场景中障碍物和边界限制较多时，提前进行场景分析确定起重机定位区，能够加快吊装的完成，节省吊装成本。吊装路径规划吊装路径规划［23］指在有障碍物的吊装环境中寻找一条从起吊状态（起点）到就位状态（终点）的动作序列，使起重机在运动过程中能无超载、无碰撞的完成吊装。一般的吊装系统中，允许用户单独对起重机进行操作，并且实时显示吊装物移动的位置和相关参数，整个吊装过程只依据用户的经验、视觉及手工计算，当移动到终点时显示吊装完成。整个过程是一种人工路径搜索，虽然仿真成本低，但是效率也低。路径规划中一个重要的技术是碰撞检测。为保证施工现场人员和设备的安全，在仿真中不允许起重机发生碰撞，一旦碰撞发生，说明此路径不可行，原则上应该保持起重机和设备之间有一定的间隙。在三维仿真中，可能发生空间冲突，碰撞检测就从二维空间上升为三维空间，难度增加，场景中障碍物和起重机的立体构型对碰撞检测有很大影响。场景渲染中一般选择特殊立体构型虚拟化施工现场的障碍物［24］,比如说：正方体、长方体、圆锥、圆柱、球体等，这些特殊多面体的中心和大小比较容易计算，这就简化了碰撞检测和吊装过程参数的计算。当需要可视化障碍物时，可以利用二维基本图形构造形象化物体，再用一个大的虚拟包围盒封装此物体。可以将碰撞检测分为两个检测阶段［25］：粗略检测阶段和精确检测阶段。粗略检测阶段进行各包围盒之间和包围盒与起重机组件之间的空间碰撞检测，排除不可能产生碰撞的物体。如果发生包围盒碰撞检测，就进入精确检测阶段，对物体内层结构进行碰撞检测。这样先排除一些不可能发生情况，留下碰撞发生率较高的物体，再进行重点检测，范围就会缩小很多，从而能够提高碰撞检测的效率，但是对障碍物的二次虚拟化增加了系统数据存储量。起重机安全高效的完成吊装不仅需要好的吊装操作，还需要足够的吊装时间完成吊装，默认同一次吊装过程中场景没有发生变化，是在静态环境中完成吊装。而现实生活中，施工现场是一个动态的环境，在一次吊装路径的执行中，有可能出现其他物体。如果与场景中定时出现的物体发生冲突，那么此次路径就不能再继续进行，吊装过程就会失败，这时提出了一个实时路径规划［26］的概念。一个动态的实时路径算法被提出，通过快速路径规划和避障提高现场操作的安全性和效率。起重机吊装过程与起重机容量、吊装路径、起重机视角等都有关，其中一个好的吊装路径是起重机成功吊装的关键。起重机路径规划和机器人路径规划是不同的，起重机的的机车回转、吊臂伸缩变幅、吊钩起升等运动更为复杂，而文献二十六在考虑起重机运作限制条件下，采用机器人路径规划算法研究出一种基于二元树的实时吊装路径规划算法，能够在动态场景中快速的修正吊装路径，使操作高效、可靠、安全、可行。云计算架构的关键技术云计算作为一种性能高的服务计算，其所涉及到的技术非常广泛，但是就云计算本身而言特有的技术主要［16］有数据存储技术、大规模服务器串联技术、数据管理技术、分布式并行编程模型等。(1)云数据存储技术。为了能够同时满足大量用户的需求，云计算平台需要具有存储大容量数据、高吞吐率和高传输率的访问机制。Google采用的GFS文件系统是由几千个甚至几万个普通的硬盘串联组成，处理的数据是按GB级来度量的，另外，为了保证数据安全，数据信息备用一般至少采用三个副本。(2)数据中心服务器串联技术。串联起来数量庞大的服务器群组成了云计算数据中心，其中，服务器群的部署、串联方式、动态迁移、数据快照等技术，以及云基地能耗问题的方案解决都是云计算中存在的技术问题。(3)数据库管理技术。云数据库系统是用来存放分布式数据的数据库，用来处理PB级的结构化数据，也有相应的查询语言。Google采用了Bigtable数据库，它具有高性能的数据管理能力，也有专门的GQL(GoogleQueryLanguage)查询语言。(4)云编程模型。这是用来计算云平台的大量数据，能为用户提供并行计算的程序编写平台。