智能制造装备与集成 课件 03 智能制造关键技术

高等学校智能制造工程专业系列教材-智能制造装备与集成智能制造装备与集成INTELLIGENTMANUFACTURINGEQUIPMENTANDINTEGRATION高等学校智能制造工程专业系列教材-智能制造装备与集成3.1智能制造的技术体系3.2工业物联网3.3大数据3.4云计算3.5人工智能3.6虚拟现实第三章智能制造关键技术高等学校智能制造工程专业系列教材-智能制造装备与集成3.1智能制造的技术体系

智能制造技术：在数字化、自动化装置及系统应用的基础上，将人工智能引入到制造过程中，形成以存储、计算、逻辑、推理为特征的机器智能所驱动的产品制造技术。智能制造技术是现代制造技术、人工智能技术与计算机科学发展的必然结果，也是三者结合的产物。3.1.1智能制造技术的发展高等学校智能制造工程专业系列教材-智能制造装备与集成3.1.2智能制造技术的特征智能制造技术是智能技术与制造技术不断融合、发展和应用的结果。其主要特征如下：智能感知；智能决策；智能学习；智能诊断；智能优化。高等学校智能制造工程专业系列教材-智能制造装备与集成3.1.3智能制造的关键技术智能制造的关键技术主要分为：计算机技术、信息技术、工业电子技术、工业制造技术。计算机技术在软件方面的应用是实现智能制造的核心与基础，这些软件主要有计算机辅助设计(CAD)、计算机辅助制造(CAM)、计算机辅助工艺(CAPP)、制造执行系统(MES)等。信息技术是智能制造的基础与支撑，新一代信息技术包括人工智能、物联网、大数据、云计算、虚拟现实技术等。高等学校智能制造工程专业系列教材-智能制造装备与集成工业电子技术集成了传感、计算和通信三大技术，为智能制造构建了一个智能化、网络化的信息物理系统。它包括现代传感技术、射频识别技术、制造物联技术，以及现在广泛应用的定时定位技术等。工业制造技术是实现制造业快速、高效、高质量生产的关键。主要包括高端数控加工技术、机器人技术、满足极限工作环境与特殊工作需求的智能材料生产技术、基于3D打印的智能成型技术等。高等学校智能制造工程专业系列教材-智能制造装备与集成3.2工业物联网3.2.1物联网概述物联网(InternetofThings，IoT),可以认为是指通过信息传感设备，将物体与互联网之间相互链接，进行信息交换和通信，以实现智能化识别、定位、追踪、监控和管理的一种网络技术。物联网的三个主要特征：全面感知可靠传递智能处理高等学校智能制造工程专业系列教材-智能制造装备与集成按功能可将物联网分为三层:感知层、网络层和应用层。从物联网基础技术来看，它主要包括两方面的内容:现代传感器技术，将所有物品通过相应的传感器和射频识别(RadioFrequencyIdentification,RFID)将感知的各种信息变成可以识别的电信号;网络连接技术，在此技术基础上扩展网络应用，延伸到所有可能的物体和物体之间的通信和信息交换。高等学校智能制造工程专业系列教材-智能制造装备与集成3.2.2现代传感技术1.基本概念

无线传感器网络(WirelessSensorNetwork，WSN)是由部署在监测区域内大量微型而又廉价的传感器节点通过无线通信方式组成的一个多跳的具有自组织特性的网络系统，其目的是将覆盖区域中的感知对象的信息进行感知、采集和处理，并最终发送给观测者，WSN结构如图3-1所示。图3-1WSN结构

高等学校智能制造工程专业系列教材-智能制造装备与集成

传感器(Sensor)是由敏感元件和转换元件组成的一种监测装置,它可以感受到被监测对象的温度、湿度等信息，并按照一定规律变换为电信号或者其他所需形式输出，以满足信息的传递、处理、存储、显示、记录和控制等要求。传感器、感知对象和观测者共同构成了WSN的三个必不可少的要素。WSN因具有低成本、低功耗、自组网、分布式监测、不需要固定通信设施支持等五大优点，可广泛应用于各行各业。高等学校智能制造工程专业系列教材-智能制造装备与集成2.发展历史从1978年开始，WSN历经多年的发展主要经历了以下四个阶段:第一阶段:也称第一代传感器网络，初步实现了信息的单向传递。第二阶段:也称第二代传感器网络，相对于第一代监测系统有了显著的综合能力。第三阶段:也称第三代传感器网络，传感器网络进入到局部监测的阶段。第四阶段:也称第四代传感器网络，即WSN阶段，目前正处于研究开发和快速增长期。高等学校智能制造工程专业系列教材-智能制造装备与集成3.应用领域

WSN由于其具有高监测精度、高容错性、覆盖区域大、可远程监控等优点。因此被广泛应用于以下几个方面：军事领域环境监测和预报精准农业智能交通医疗护理工业方面的应用空间探索高等学校智能制造工程专业系列教材-智能制造装备与集成3.2.3射频识别技术1.基本概念

射频识别技术(RFID)是一项利用射频信号通过空间耦合(交变磁场或电磁场)实现无接触信息传递，并通过所传递的信息达到识别目的的技术。

目前，RFID技术最广泛的应用是各类RFID标签和卡的读写和管理。2.RFID的组成

典型的RFID系统由RFID标签(Tag)、RFID阅读器(Reader)、天线(Antenna)、计算机四部分组成，如图3-2所示。高等学校智能制造工程专业系列教材-智能制造装备与集成图3-2RFID系统图

RFID标签是RFID系统真正的数据载体，用以标识目标对象。RFID阅读器是读取(或写入)标签信息的设备。天线是将RFID标签的数据信息传递给阅读器的设备。计算机用作后台控制系统。通常将电子标签、阅读器和天线三者称为前端数据采集系统。高等学校智能制造工程专业系列教材-智能制造装备与集成3.RFID的分类RFID系统按电子标签的供电方式可以按照有源标签、无源标签和半有源标签来划分。RFID系统按电子标签的工作方式可分为主动式、半主动式和被动式三种。RFID系统按工作频率可以分为低频(LF)、高频(HF)、超高频(UHF)和微波(MF)四种。表3-1为RFID使用频段对照表。高等学校智能制造工程专业系列教材-智能制造装备与集成表3-1RFID使用频段对照表

技术简单较高通信速度通信速率低受金属材料影响车辆防盗超高速（UHF）433MHz技术复杂高等学校智能制造工程专业系列教材-智能制造装备与集成4.RFID的基本工作原理

电子标签进入磁场后，如果接收到阅读器发出的特殊射频信号，就能凭借感应电流所获得的能量发送出存储在芯片中的产品信息(即无源标签或被动标签)，或者主动发送某一频率的信号(即有源标签或主动标签)，阅读器读取信息并解码后，送至中央信息系统进行有关数据处理。

发生在阅读器和电子标签之间的射频信号的耦合类型有两种,分别是电感耦合方式(磁耦合)和电磁反向散射耦合方式(电磁场耦合)两大类。高等学校智能制造工程专业系列教材-智能制造装备与集成5.RFID的特征通过电磁耦合方式实现的非接触自动识别技术。需要利用无线电频率资源，并且须遵守无线电频率使用的众多规范。由于存放的识别信息是数字化的，因此通过编码技术可以方便实现多种应用。可以方便地进行组合建网，以完成多种规模的系统应用。涉及计算机、无线数字通信、集成电路、电磁场等众多学科。高等学校智能制造工程专业系列教材-智能制造装备与集成3.2.4机器视觉技术1.机器视觉的定义

机器视觉是指用计算机实现人的视觉功能，也就是用计算机来实现对客观的三维世界的识别，从客观事物的图像中提取信息，进行处理并加以理解，最终用于实际检测、测量和控制。

优点是测量快速、准确、可靠，产品生产的安全性高，工人的劳动强度低，可实现高效、安全生产和自动化管理。高等学校智能制造工程专业系列教材-智能制造装备与集成2.机器视觉系统的构成

机器视觉系统主要由图像采集单元、图像信息处理与识别单元、结果显示单元和视觉系统控制单元组成。视觉系统控制单元根据判定结论控制现场设备，实现对目标对象的相应控制操作。图像采集单元获取被测目标对象的图像信息，并传送给图像信息处理与识别单元。图像信息处理与识别单元提取出目标对象的相关特征，并将其判定结论提供给视觉系统控制单元。高等学校智能制造工程专业系列教材-智能制造装备与集成3.2.5网络连接技术

无线网络指可以不通过电缆或电线，而是利用无线电技术、红外等传输技术将数据从一个设备传输到另一个设备的网络。1.Wi-Fi

Wi-Fi是WLAN的主要技术之一，网络总体架构主要由无线接入网、数据网和支持网构成。Wi-Fi与有线接入技术相比，其特点和优势主要体现在：覆盖范围广、传输速率快；建设方便；投资经济性；健康安全。高等学校智能制造工程专业系列教材-智能制造装备与集成2.ZigBee

ZigBee

是一种近距离、低复杂度、低功耗、低数据传输速率、低成本的双向无线通信技术。

ZigBee

的技术特点：低功耗；低成本；短时延；网络容量大；数据传输可靠；安全性高。Wi-Fi技术与ZigBee技术性能比较见表3-2。表3-2Wi-Fi技术与ZigBee技术性能比较

高等学校智能制造工程专业系列教材-智能制造装备与集成3.2.6物联网的应用

物联网作为一项前沿技术，已经逐步融入生产生活的多个应用场景。近年来，物联网开始广泛应用于交通、物流、家居、医疗健康等领域。物联网技术在日常生活中的应用案例如下：应用RFID技术于电子收费系统应用WSN技术于智能家居高等学校智能制造工程专业系列教材-智能制造装备与集成3.3大数据3.3.1大数据概述1.基本概念

大数据技术是一系列面向海量数据进行采集、存储、计算与分析，并从中提取信息和知识的技术总称。方面特征容量(Volume)数据量巨大，来源多渠道种类(Variety)数据类型的多样性速度(Velocity)获得数据的速度价值(Value)合理运用大数据，以低成本创造高价值表3-2Wi-Fi技术与ZigBee技术性能比较

大数据指具有4V特征，即Volume(数据量大)Variety(类型复杂)、Velocity(速度快)和Value(价值)的数据集合。大数据的特征如表3-3所示。高等学校智能制造工程专业系列教材-智能制造装备与集成2.发展历史萌芽阶段(20世纪90年代末至21世纪初)：作为一个设想或概念出现。发展阶段(21世纪初至2012)：在Hadoop基础之上、用于大规模数据分析和挖掘的工具产品相继出现，大数据技术生态逐渐形成。应用阶段(2012年至今)：大数据迎来了全面兴盛的时期，底层技术基本成熟，成为支撑型的信息技术基础设施。目前大数据已在制造业，金融行业利、互联网行业等领域深入应用。而且我国大数据技术整体发展属于“全球第一梯队”。高等学校智能制造工程专业系列教材-智能制造装备与集成3.3.2数据采集与预处理数据采集是从传感器、社交网络、移动互联网等现代信息传递方式中收集、获取数据。数据预处理是通过对原始数据进行清洗、集成、转换等一系列操作，填补遗漏、消除重复，将数据转换成分类、统一、适合挖掘的形式，提高数据质量。1.数据采集的常用方法系统日志采集方法网络数据采集方法数据库采集系统高等学校智能制造工程专业系列教材-智能制造装备与集成2.数据清洗数据清洗是做好数据分析并以此做出数据判断的基础工作，其主要任务是通过识别缺失值、异常数据、不一致数据和重复数据。3.数据变换数据变换是将数据从一种格式或结构转换为另一种格式或结构的过程，将数据进行规范化处理，这对于数据集成和数据管理等活动具有至关重要的作用。

数据变换的方法一般包括规范化和函数变换。高等学校智能制造工程专业系列教材-智能制造装备与集成3.3.3数据存储与管理数据规模的飞速增大，非结构化数据的存储需求显著增多。以适当的方式组织和管理数据不仅使得大规模的数据存储成为可能，也利于后续的访问和部署。3.3.4数据存储与管理1.数据挖掘的定义数据挖掘又译为资料探勘、数据采矿，是利用各种分析工具在海量数据中发现模型和数据之间关系的过程。其具有如下特征：1)是交叉复合领域

2)不追求处理方法，只是为了获取知识3)是一种探索性的活动4)数据挖掘是有目的的活动高等学校智能制造工程专业系列教材-智能制造装备与集成2.数据挖掘与分析的常见方法1)聚类分析

2)关联规则

3)决策树

4)神经网络3.3.5数据可视化1.数据可视化的定义数据可视化旨在借助于图形化手段，清晰有效地传达与沟通信息。其与信息图形、信息可视化、科学可视化以及统计图形密切相关。2.数据可视化的常见方法1)地理空间数据可视化

2)时间数据可视化

3)多维方法数据可视化

4)层次化数据可视化

5)网络数据可视化高等学校智能制造工程专业系列教材-智能制造装备与集成3.3.6大数据的应用大数据在各行各业特别是公共服务领域具有广阔的应用前景，也会对社会各个领域产生深刻的影响，如今各行各业开始高度关注大数据的研究和应用。在云计算技术和非结构化数据存储技术的助力下，大数据已经成为当前学术界、工业界的热点和焦点。相关案例：案例1:株洲冶炼集团智能工厂案例2:海尔集团基于社群生态的客户需求挖掘和市场创造高等学校智能制造工程专业系列教材-智能制造装备与集成3.4云计算3.4.1云计算概述1.基本概念云计算是一种通过网络统一组织和灵活调用各种ICT信息资源，实现大规模计算的信息处理方式。2.发展历史形成阶段(2006-2010年)。云计算的商业模式得到业界和大众的广泛认可。发展阶段(2010-2015年)。云计算功能日趋完善、种类日趋多样。应用阶段(2015年至今)。云计算的应用逐渐向传统行业拓展。高等学校智能制造工程专业系列教材-智能制造装备与集成未来，云计算将呈现布局边缘化、技术精细化、应用产业化的特点，并成为新的基础设施。具体表现：云布局从中心走向边缘。云技术从粗放走向精细。云应用从消费领域走向工业领域。随着发展，云计算的应用开始从医疗、金融、矿诵T物流向时在政务云基等传统行业渗透。高等学校智能制造工程专业系列教材-智能制造装备与集成3.4.2虚拟化技术虚拟化技术是将一台计算机虚拟为多台逻辑计算机，每个逻辑计算机可运行不同的操作系统，并且应用程序都可以在相互独立的空间内运行而互不影响，如图3-14所示。图3-14虚拟化示意图

云计算对于资源的关键要求包括两个方面:一是资源的整合；二是统一资源的汇聚。虚拟化正是一种解决上述要求的核心技术。高等学校智能制造工程专业系列教材-智能制造装备与集成虚拟化作为一种资源管理技术，将计算机的各种实体资源，如服务器、网络、内存及存储等，予以抽象、转换后呈现出来，打破实体结构间的不可切割的障碍，使用户可以比原本的组态更好的方式来应用这些资源。虚拟化技术的特点见表3-4。表3-4虚拟化技术的特点

封装硬件独立高等学校智能制造工程专业系列教材-智能制造装备与集成虚拟化技术主要针对硬件和软件。硬件虚拟化主要包括计算能力、存储能力和网络能力的虚拟化;软件虚拟化一类关键性技术就是桌面虚拟化。计算虚拟化是向客户端操作系统提供一个虚拟日独立的服务器硬件环境，，以提高资源利用率和灵活性。存储虚拟化就是对硬件存储资源进行抽象化，使存储与网络、应用等管理分离，提升资源利用率。网络虚拟化是对物理网络及其组件(比如交换机、端口以及路电器)进行抽象，并从中分离网络业务流量的一种方式。桌面虚拟化是将用户的桌面环境与其他的终端设备解耦合。高等学校智能制造工程专业系列教材-智能制造装备与集成3.4.3分布式技术分布式是计算机系统特别是云化的计算机系统的核心思想之一，分布式系统也是分布式计算和分布式存储的支撑主体。1.分布式系统分布式，就是一件事分给多台机器干，所有机器一起合作完成任务。分布式系统通常定义为一组通过网络进行通信、为了完成共同的任务而协调工作的计算机节点组成的系统。高等学校智能制造工程专业系列教材-智能制造装备与集成2.分布式存储/数据管理分布式存储，利用多台服务器分担存储负荷，提高了系统的可靠性、存取效率和可扩展性。分布式存储系统=对数据进行管理的技术主要包括以下两部分:分布式文件系统设计基于客户机/服务器模式，存储在其中的数据被分为很多块，这些块分布于通过网络连接的不同的服务器中，供多个用户进行读/写和删除等操作。分布式数据库系统通常使用较小的计算机系统，每台计算机可单独放在一个地方，每台计算机中都可能有数据库管理系统的一份完整拷贝副本，共同组成一个完整的、全局的逻辑上集中、物理上分布的大型数据库。高等学校智能制造工程专业系列教材-智能制造装备与集成3.4.4并行计算技术并行计算是将一个任务分解成若干个小任务并协同执行以完成求解的过程。并行计算处理问题一般分为三步：将工作分离成离散独立部分，有助于同时解决。同时并及时地执行多个程序指令。将处理完的结果返回主机，经一定处理后显示输出并行计算须满足以下几个基本条件:并行计算机。应用问题必须具有并行度。并行编程。高等学校智能制造工程专业系列教材-智能制造装备与集成3.4.5云计算的应用分在“互联网+”政策和产业背景下，我国云计算产业逐步进入成熟和产业发展加速阶段，落地的应用突飞猛进，云计算产业链和生态逐步形成和完善。经过近十年的快速发展，我国云计算产业已成为信息产业快速发展的着力点，云计算市场保持了并将继续保持高速增长态势。有关云计算的案例如下：案例1:12306火车票购票系统案例2:华为云计算高等学校智能制造工程专业系列教材-智能制造装备与集成3.5人工智能现阶段人工智能的应用场景不断扩展:在移动互联网领域，可应用于生物识别技术；在智能制造领域，可实现智能制造的新模式、新手段、新业态;在电力领域，可以保障电网安全、稳定、高效运行。3.5.1人工智能概述人工神经网络是最早被提出的人工智能技术也是沿用至今应用最为广泛的技术，基于神经网络拓展的深度学习技术是目前最为先进的学习算法。高等学校智能制造工程专业系列教材-智能制造装备与集成人工智能可以被定义为计算机科学的一个分支，致力于智能行为的自动化。其存在两个比较明显的发展方向，即强人工智能和弱人工智能。弱人工智能是指通过人类编写好的算法或者软件智能化地去解决和计算某些问题。强人工智能是指通过对生物行头或大脑的研究和模仿，以期达到对意识、情感、理智三位一体的人工智能建模。智能制造的关键技术中，涉及的人工智能技术主要包括模式识别、机器学习和智能算法。高等学校智能制造工程专业系列教材-智能制造装备与集成3.5.2模式识别模式识别是人工智能的基础技术，是通过计算机用数学技术方法对物理量及其变化过程进行描述与分类的一门技术，通常用来对图像、文字、照片以及声音等信息进行识别、处理和分类。基本方法分为统计模式识别和句法模式识别。统计模式识别首先是将被识别对象数字化，转换为适于计算机处理的数字信息。句法模式识别则用符号描述图像特征。将统计模式识别或句法模式识别与机器学习中的其他技术相结合，衍生出应用广泛的热门技术，如声纹识别技术、指纹识别技术及数字水印技术等。高等学校智能制造工程专业系列教材-智能制造装备与集成3.5.3机器学习机器学习是基于已有数据、知识或经验来设计模型或发现新知识的一个研究领域。深度学习与机器学习的区别如图3-21所示。图3-21机器学习与深度学习

高等学校智能制造工程专业系列教材-智能制造装备与集成1.机器学习方法机器学习分为监督学习、无监督学习、半监督学习和强化学习。监督学习监督学习从给定的训练数据集中学习出一个函数(模型参数)，当新的数据到来时，可以根据这个函数预测结果。无监督学习在无监督学习中,数据并不被特别标识,学习模型是为了推断出数据的一些内在结构。高等学校智能制造工程专业系列教材-智能制造装备与集成半监督学习输入数据部分被标识，部分没有被标识，这种学习模型可以用来进行预测，但是首先需要学习数据的内在结构以便合理地组织数据来进行预测。强化学习输入数据作为对模型的反馈，不像监督型那样，输入数据仅仅是作为一个检查模型对错的方式。2.机器学习算法分类1)回归算法

2)基于实例的算法

3)决策树算法4)贝叶斯算法5)基于核的算法6)聚类算法7)降低维度算法高等学校智能制造工程专业系列教材-智能制造装备与集成3.5.4智能算法智能计算也有人称之为“软计算”，是人们受白然(生物界)规律的启迪，根据其原理，模仿求解问题的算法。1.人工神经网络算法“人工神经网络”是在对人脑组织结构和运行机制的认识理解基础之上模拟其结构和智能行为的一种工程系统。2.遗传算法遗传算法(GeneticAlgorithms)是基于生物进化理论的原理发展起来的一种广为应用的、高效的随机搜索与优化的方法。其主要特点是群体搜索策略和群体中个体之间的信息交换，搜索不依赖于梯度信息。高等学校智能制造工程专业系列教材-智能制造装备与集成3.模拟退火算法模拟退火算法:由初始解i和控制参数初值t开始，对当前解重复“产生新解➡计算目标函数差➡接受或舍弃”的迭代，并逐步衰减t值，算法终止时的当前解即为所得近似最优解。4.群集智能技术通过对社会性昆虫的模拟产生了一系列对于传统问题的新的解决方法，所谓群集智能，指的是“无智能的主体通过合作表现出智能行为的特性”。高等学校智能制造工程专业系列教材-智能制造装备与集成3.5.5人工智能的应用人工智能正在给各行业带来变革与重构，一方面，将人工智能技术应用到现有的产品中可以创新产品并发展新的应用场景;另一方面，人工智能技术的发展正在颠覆传统行业人工智能对人工的替代趋势不可逆转。如何实现人工智能产业自身的创新并应用到集体场景中，将会是各行业发展的关键点。相关案例如下：案例1:利用人工智能技术辅助诊断新冠肺炎案例2:百度机器翻译高等学校智能制造工程专业系列教材-智能制造装备与集成3.6虚拟现实虚拟现实(VR)指本来没有的事物和环境，通过各种技术虚拟出来，让你感觉就如同置身于真实世界中一样。VR技术的主要特征是:用户能够进入到一个由计算机系统生成的交互式的三维虚拟环境可以与之进行交互。通过参与者与仿直环境的相互作用，并利用人类本身对所接触中事物的感知和认知能力，帮助启