《【精选】基于神经网络的空中交通管制决策支持系统 doc资料.pdf》由会员分享，可在线阅读，更多相关《【精选】基于神经网络的空中交通管制决策支持系统 doc资料.pdf（104页珍藏版）》请在taowenge.com淘文阁网|工程机械CAD图纸|机械工程制图|CAD装配图下载|SolidWorks_CaTia_CAD_UG_PROE_设计图分享下载上搜索。
1、基于神经网络的空中交通管制决策支持系统第 23 卷第 4 期计算机仿真 2020 年 4 月文章编号:1006-9348(202004-0245-03基于神经网络的空中交通管制决策支持系统由嘉 1,白存儒 1,陶冶 1,田八林 2(1.西北工业大学航空学院,陕西西安 7100722.解放军西安通信学院,陕西西安 710106摘要:随着民用航空运输的迅速发展,为满足更大的需求,减少管制人员的工作压力和工作量,设计了一个实时的空中交通管制决策支持系统。系统按照决策支持系统理论框架搭建,包括数据库、模型库、方法库、知识库和人机界面,其中主要模型和方法:空域流量预测模块,空域状态识别模块和冲突解决方案
2、产生模块利用神经网络技术来实现,其中空域流量预测模块利用模糊神经网络技术。系统通过与近期真实数据相结合,进行仿真,取得较好的效果。关键词:空中交通管制;决策支持系统;神经网络中图分类号:TP18,TP399文献标识码:AD ec isi on Support System of A i r Traff i c Con trol Ba sedon Neura l NetworkY OU J ia1,BA I Cun-ru1,T AO Ye1,TI A N Ba-lin2(1.School of Aer onautics,North western Polytechnical University
3、,XianShanxi710072,China;2.P LA College of Xian Communicati on,Xian Shanxi710106,ChinaABSTRACT:W ith rap id devel opment of civil aviati on,we designed a real-ti m eassistant decisi on support syste m ofair traffic contr ol based on neural net w ork in order t o meet the increasing demands.The syste
4、m was able t o reduce thep ressure and workl oad of contr ollers.The syste m was established according t o thetheoretical structure of decisi onsupport syste m(DSS.It mainly contained3modules:airs pace fl ow p redicti on,airspace status identificati on andconflict s oluti on.The syste m used actual
5、data t o test the feasibility and receivedbetter effect.KE YWO R D S:A ir traffic contr ol;Decisi on support syste m;Neural net w ork1引言空中交通管制决策支持系统以现代信息技术为手段,综合运用计算机技术、人工智能技术等多种科学知识,针对空中交通管制这一半结构化决策问题,通过协助明确问题、修正完善模型、列举可能方案等方式,为管制员做出正确决策提供帮助的人机交互系统。当前,人工神经网络技术的兴起为知识的获取开辟了新的途径1。机器学习技术得到了发展,解决了部分专家系统
6、中知识获取的困难。专家系统运用知识和推理;决策支持系统运用数据和模型。两者相互渗透,相互组合,辅助决策的效果大大改善。这种专家系统和决策支持系统相结合构成的系统被称为智能决策支持系统 I DSS,它是决策支持系统的发展方向。2空中交通管制决策支持系统(DSS 结构设计1决策支持系统是一个由多种功能协调配合,以支持决策过程为目标的集成系统。其基本结构通常由数据库子系统、模型库子系统、方法库子系统、知识库子系统和会话子系统五个部分组成。如图 1 所示。数据库子系统包括数据库及其管理系统(Data Base M anage ment System,DBMS。DSS 数据库存储的数据是决策所需要的数据
7、,主要是通过析取功能,从业务数据库和外部数据源析取数据组成。数据库管理系统 DB M S 负责管理和维护 DSS所需要的内部和外部各类数据,实现与模型库、方法库及人机接口的连接,供 DSS 的各部件有效的调用各种数据,完成各种数据操作和分析工作,达到有效决策的目的。模型库子系统包括模型库及其管理系统(Model Base收稿日期:2020-01-06图 1决策支持系统结M a n a g e m e n t S y s t e m,M B M S。模型库是用来存储辅助决策所需要的各种模型。模型库管理系统 MB MS 的功能,就是实现对各个模型的维护、修改和联结,以及实现模型库与方法库、知识库、
8、数据库及人机接口的连接。没有一个不变的标准模型可以适用于各种实际问题的决策需要,故要求 MB MS 需要模型库管理系统和决策者参与模型的各种操作活动。方法库子系统包括方法库及管理系统(M ethod Base Manage ment Syste m,ME BM S,方法库是用来存放各种方法的。系统中采用方法库与模型库分别管理的方式,有利于一个模型可以使用不同方法,形成问题的不同求解路径,不仅能满足不同情况的需求,还能比较用不同方法解决同一问题效果的优劣。方法库管理系统 M E BMS有对方法增删、调用、显示、查询等管理与维护功能以及负责与模型库、知识库和人机接口通讯的能力。知识库子系统即知识库
9、管理系统(Knowledge Base Man2 age ment Syste m,KDMS。从使用知识的角度来看,知识库是由知识和知识处理机构组成。它负责知识学习,查询、编辑、添加、删除、调用知识库中的相关内容,并且安排知识内容的具体存放结构。协调数据库子系统、模型库子系统和方法库子系统之间的通信。最重要的是在决策支持中,结合相关数据及知识,向决策者提供推理解释功能。会话子系统(D ial ogue Generati on Manage ment Syste m,DG M S。它负责接受和检验用户的请求,协调数据库系统、模型库系统和方法库系统之间的通信,为决策者提供信息收集、问题识别和模型构
10、造、使用、改进、分析和计算等功能。决策者通过人机对话,能够发挥个人的知识与才能,主动的利用 DSS 的支持功能,以便选择最优决策方案。目前计算机中使用的人机对话多数采用窗口技术。3主要模块的实现5选择神经网络技术3来实现辅助决策支持系统的内部模块,是因为在空中交通管制方面必须要考虑的因素是实时性,一个空中交通事故往往在短短的几分钟之内发生,由于空中交通事故的突发性,决定了空中交通管制辅助决策支持系统的实时性要求。采用神经网络,一旦通过对样本的学习取得成功,其中的网络权值就可以确定下来,无需再次计算,减少了系统的开销,在一定程度上满足了实时性的要求。文中的神经网络的学习方法采用的都是 BP学习算
11、法。BP学习算法简而言之:BP神经网络的权值 W 按照随机方式初始化,然后根据每个样本值与网络输出的误差,轮流逐个修改网络权值,直到满足某个规定条件。3.1空域状态实时识别模块3描述空域状态属性有两个:1 空域容量,由于空域结构和大小,地面导航、监视、通讯设备的限制,空域容量应该是一个定值。当容量达到饱和或者超过饱和容量,一旦出现冲突,调配是比较困难的;2 航空器之间冲突的识别,在这里,简化为只考虑两架航空器之间的冲突识别,如果在空域中出现多架航空器,那么进行相关性分析,为了简化处理过程,只进行两架航空器之间的相关性分析。这里又要提到实时性问题,这个解决策略可能需要大量的计算时间,对于一个扇区
12、,即一个管制席位,同时出现在雷达屏幕中的航空器数目一般不超过 14架,采取两两组合的策略,要进行 C214次冲突识别,即 91 次冲突识别。根据现在计算机的运算能力,还是可以满足实时性要求的。关于空域容量计算方法,已经有学者进行研究并取得了结果,在这里可以直接引用方法;关于飞行冲突的识别,采用了三层 BP神经网络实现,即输入层、一个隐藏层,输出层。输入层有两个输入数据:两架航空器的航向差的绝对值;两架航空器之间距离的变化。经过加工,将所有输入数据变为 0,1 输入,输入层神经元为 4 个。其中两架航空器距离增大则输入 1,减小或者不变则输入 0。输出层由 3 个神经元组成,分别表示对头飞行,汇
13、聚飞行,追逐飞行,这是出现空中交通冲突的三种情况。由于三个输出神经元分别表示三个空中交通冲突情况,所以输出结果也为 0,1 输出。隐藏层神经元数目的确定,通过实际计算选择比较好的。从实际计算看,神经网络隐藏层神经元数目对神经网络误差收敛速度有影响。如果选择隐藏层神经元不合适,会使神经网络收敛缓慢甚至不收敛。下面计算误差的方法是,将每个输出神经元的误差平方,累加再开方,即 err=o21+o22+o23,其中 oi(i=1,2,3表示第 i 个输出神经元的误差。在算法中,当 err0.05时,退出循环,完成一次学习过程。3.2空域流量预测模块2这个模块本应该也包括在空域状态识别模块中,因为预测流
14、量的目的就是判断是否流量超过空域的容量,但是空域流量预测模块,用到了模糊神经网络技术,与上边的略有不同,所以单独详细说明。由于空中交通系统的复杂性和随机性使之难于用精确的数学模型来表示,所以选用模糊控制技术来适应这种复杂的过程。模糊预测过程中,预测的依据作为系统的输入,预测量作为系统的输出,根据输入和输出的先验信息和知识,可以归纳总结出该系统的预测模型该模糊预测系统为双输入单输出系统,结构框图如图 2 所示。图 2模糊预测系统结构框图系统输入为(t-1时刻的流量 N(t-1以及 t-1,t-2,t-3时刻流率差的线性统计量dN(t-1=N(t-1+2N(t-2+3N(t-3/5(1式中:Q(t
15、-为 t-时刻与 t-1时刻流率之差;dN 图 4进离场流量的预测(t-1为人为创造的一个统计量,用于更加体现出预测时刻 t 前后的空中交通需求情况。这两个输入是通过进行互相关统计后得到的相关程度最高者。系统的输出是要预测的 t 时刻的流量 N(t。模糊化的过程就是把输入值(精确值 N(t-1和 dN(t-1 论域上的语言值表示成模糊集 n 和 dn,采用的隶属度函数为类正态分布函数:F(x,=exp(-(x-2/2(2式中:和 是根据输入值 N(t-1和 dN(t-1的论域确定的。模糊神经网络中包含控制规则,输入的模糊集利用这些规则,得到实现预测作用的模糊集 u,经逆模糊化的作用,按照一定的
16、规则转化成精确值。采用加权平均法将模糊值转换为精确值,即u=ni=1(u i 3u i ni=1(u i(3采用了一个三层 BP 神经网络来存储抽象的经验规则,网络的第一层是输入层,用于输入模糊语言变量q,dq,节点数等于两变量划分的总档数;第二层是隐含层,节点数与训练样本数和输入输出的节点数有关。第三层是输出层,用于输出预测量 u,节点数等于 u 论域划分的档数。由于网络的输出为模糊量,范围在0,1,该层的功能函数取 Sig moid 函数。将预测流量神经网络用于实时空中交通流量仿真预测,不同隐含层神经元数目的收敛情况如图 3,具体预测结果如图 3不同隐含层神经元数目的收敛曲线图 4 所示,
17、由此可见该方法较好的实现了流量的预测。3.3冲突解决方案生成模块这个模块将用到空域状态识别模块的输出,综合这部分独立的输入信息,完成辅助决策功能,并给出一个建议的调配方案。冲突解决方案生成模块中的神经网络采用了与空域状态识别相似的网络结构,即输入层,一个隐藏层和输出层,其中各层的神经元数目发生了改变,并赋予了新的意义。输入层输入数据有5 个:空域状态输入;穿越状态;高度层变化所需时间;相遇时间估计;航空器高度状态。经过处理转换成为 0,1输入。输出层由 9个神经元组成,分别表示一些调配指令,如消耗时间的方法,包括前机调速,后机调速,保持高度盘旋;改变飞行路径的方法,包括前机改变航向,后机改变航
18、向,去备降机场;改变高度层或下降、爬升梯度的方法,包括前机改变高度变化梯度,后机改变高度变化剃度。在有航空器穿越的时候,系统将给出穿越提醒,提醒管制员特别注意,因为在这里产生的管制事故是最多的。从实际的计算看,该神经网络的误差收敛性还是很好的。说明选择的样本基本可以适应这个神经网络的要求。关于误差的计算,采用的与空域状态识别模块相同的方法。当 err 0.15时,退出循环,完成一次学习过程。4结论神经网络以及模糊神经网络具有(下转第 264 页图 1运输线路与各结点坐标787-800.7Jean Berger,Moha med Barkaoui.A parallel hybrid geneti
19、calgorithm for the vehicle r outing p r oble m with ti m e windowsJ.Computers&Operati ons Research,2004.2037-2053.8Christian Prins.A si m p le and efective evoluti onary algorithm f orthe vehicle r outing p r oble mJ.Computers&Operati ons Re2 search,2004.1985-2002.传算法J.系统工程学报,2000,15(3.10蔡临宁编著.物流系统规
20、划建模及实例分析M.机械工业出版社,2003-8.作者简介经怀明(1975-,男(汉族,安徽金寨人,硕士,讲师,主要研究方向为物流运营与管理、决策分析与决策支持。张立军(1967-,男(汉族,安徽太和人,博士,副教授,主要研究方向为军用车辆工程、科研管理。(上接第 247 页很强的容错能力,并且解决问题时不需要对象的精确数学模型,很适合解决不确定性、非线性的问题。本文设计了基于神经网络的空中交通管制辅助决策支持系统,其中采用神经网络实现了对规则的记忆,更符合人类认识的模式,更能令人满意的表达经验知识;采用神经网络满足了空中交通管制的实时性要求。本文中实验数据来源于北京首都机场从 08:0019
21、:00 的进离场的交通流量数据,原始数据的时间间隔为 1小时。由于数据的原因,本文没有考虑预测处理的周期选择多大为宜。冲突状态的识别,采用模拟数据,可以识别出,对头、汇聚、追及的飞行冲突。在冲突解决方案产生模块中,规则来源于笔者以及在职管制员的经验。当发现冲突后,系统提醒管制员,并且列举可行的冲突解决方案,推荐最优的解决方案。为提高我国空中交通管制的自动化程度,本文进行了的基础性研究。参考文献:1李书涛.决策支持系统原理与技术M.北京:北京理工大学出版社,1996.研究J.交通与计算机,2001.4.3焦李成.神经网络系统理论M.西安电子科技大学出版社,1990-12.4The M I T R
22、E Cor porati on Center f or Advanced Aviati on System De2vel opment Predicting Congesti on in the Northeast U.SR.ASearch for I ndicat ors3rd US A/Eur ope AT M R&D SE M I N AR,13-16June2000.5L S m ith B rain,J M ichael Short-ter m Traffic Fl ow Predicti on:Neural Net w ork App r oachR,Trans portati o
23、n Research Record1453:98104.作者简介由嘉(1980-,男(汉族,山东人,西北工业大学航空学院硕士研究生,专业方向交通运输规划管理。白存儒(1953-,男(汉族,陕西宝鸡人,西北工业大学航空学院教授,从事流体力学,交通运输规划管理方面研究。陶冶(1980-,男(汉族,辽宁抚顺人,西北工业大学航空学院硕士研究生,专业方向交通运输规划管理。田八林(1980-,男(汉族,湖北黄石人,解放军西安通信学院讲师,从事交通运输规划管理方面研究。湖南两系杂交水稻制种基地气象决策支持系统研究 1雷东阳,陈立云,肖层林湖南农业大学水稻科学研究所,湖南长沙(410128E-mail:Lei
24、dongyang1980yahoo摘要:制种基地和时段的选择是两系杂交稻制种的成败的关键,本文提出了两系杂交稻制种三个安全期的概念,根据湖南省 50 年气象资料;在考虑气象要素与经、纬度及海拔高度的基础上,运用地理信息系统的空间分析方法,对湖南省两系杂交稻制种的风险进行了评估,研制出两系杂交稻种子生产的基地气象决策支持系统,依据此系统确定湖南省两系杂交稻制种的适宜区域与时段。为两系杂交稻的高产高效安全制种提供了强有力的技术支撑。关键词:两系杂交稻;制种;基地选择;风险;气象系统两系杂交水稻是我国首创的水稻杂种优势利用方法,是继三系法杂交水稻之后作物遗传育种上的又一次重大技术革新1-3。在“86
25、3”计划支持下,我国两系法杂交水稻已经开始大面积用于生产,并且在稻米品质、产量、抗性等方面表现出明显优势。截至 2000 年,已累计推广 330万 hm2 以上4。湖南省已审定的两系法杂交水稻组合就达 40 多个,其中一季超级稻两优培九、准两优 527、Y两优 1号、C 两优 396 和早稻超级稻陆两优 996、株两优 819、株两优 02等组合,增产潜力大,在生产上已经或正在发挥重要作用,近年两系杂交稻呈现出强劲的发展势头和广阔的产业前景。湖北、安徽等省两系杂交稻的种植面积已经或即将超过三系杂交稻的面积。回顾两系杂交水稻的 ,其发展并非一帆风顺,尽管两系法杂交水稻的选育已取得了很大成就,但两
26、系杂交水稻制种由于光温敏核不育系的育性受光温条件的控制,外界光温条件的变化可引起不育系的育性波动,易导致不育系自交结实,与三系法比较,杂交制种风险要大得多5-9。特别是近年来,随着温室效应的加剧,灾害性天气频发,气温年季间变化较大,一些种子企业和制种基地对两系法杂交水稻制种产生了畏惧心态,使制种面积难以落实。由于现在生产上使用一些两用核不育系不育起点温度偏高,杂交制种风险较大,遇到特殊年份,给种子企业带来难以承受的经济损失,从而极大地影响了两系杂交稻的推广速度10。从 1993年衡两优 1号制种母本不育性产生严重波动,造成制种受挫起至 2020年,湖南省大面积发生两系制种不育系育性波动的事件已
27、有五个年份。因此两系法杂交水稻种子的安全生产问题成为制约两系杂交水稻发展的主要瓶颈。笔者认为,在我国两系法杂交水稻制种的过程中对两系法杂交水稻制种效益风险的认识偏差和研究的深度不够是影响两系法杂交水稻稳步健康发展的重要原因。而两系杂交水稻制种成败的关键是最佳基地和时段的选择,只有通过三个安全期的合理选择,才能将气象风险控制到能够接受的程度,达到两系杂交稻种子生产的高产、高纯度高效益。为此,笔者系统研究了三段气候生态安全期的诊断评估方法,研制了两系杂交稻种子生产的基地气象决策支持系统,并据此确定了湖南省两系杂交稻种子生产的适宜气候区域与时段,能够有效解决两系杂交稻制种普遍存在的风险和效益问题。1
28、.三个安全期及其统计分析方法1.1 两系杂交制种的三个安全期1.1.1 不育系的育性转换安全期1 本课题得到 农业科技成果转化资金资助项目(05EFN214300193和湖南省“十一五”重大科技专项(2020NK1001 的资助水稻光温敏两用核不育系生长发育的一定时期,其核不育因子在环境因子(主要是光照和温度的控制下决定雄性的可育或不育,这一时期称为育性敏感期11-12。光温敏不育系的育性敏感期一般从雌雄蕊形成期至花粉母细胞减数分裂期,即幼穗分化的 4-6期。这一发育时期单穗一般需要 6-7天时间,群体需要 12-15天时间,考虑到年际之间生育期可能的提早或推迟,因此,两系杂交制种两用核不育系
29、的育性敏感安全期定为 20 天,也既在这 20天之内不出现连续 3d 低于不育起点温度的天气。育性安全期不育系按不育起点温度的 6个指标分别进行分析,即按连续 3天日平均气温 22.0,22.5,23.0,23.5,24.0和 24.5分别统计其 50 年出现的几率,即制种时育性纯度的气候生态风险率,同一年同一安全期内出现几次低温时只计一次,算出 100%、98%和 95%的保证率。1.1.2 抽穗扬花授粉安全期在杂交水稻制种中,有利于父母本抽穗、开花、授粉的时期,称为抽穗扬花授粉安全期11。制种产量的高低很大程度上决定于授粉期的天气状况。在气象因子中,对制种授粉影响最大的是温度和降雨。温度的
30、影响包括低温和高温,低温的影响主要是使亲本不开花或开花很少,延迟花时,父本不散粉,花粉在柱头上的萌发受到影响 13。高温的危害则是使父本花粉活力和母本柱头活力减弱,影响异交结实。降雨则会使水稻颖花闭合,不开颖,父本花粉无法散出。另外湿度14、风速15均影响异交结实。抽穗扬花期的安全指标包括三个方面:一是从见穗至授粉结束,以晴天为主,在父母本开花时段无连续 3天以上阴雨天,尤其是不出现大雨洗花的天气。二是整个抽穗授粉期温度适宜,无连续 3天以上日平均气温高于 30或低于 24;不出现连续 3天以上相对湿度高于 90%或低于 70%;每天开花时段无干热风11。按照此标准,算出在 100%,90%和
31、 80%保证率下,满足扬花授粉安全的时段。1.1.3 种子收获安全期种子收获安全期是指种子成熟时天气晴好,没有连续的阴雨天气,有利于种子的成熟,防止穗发芽,也有利于收获 16-18。种子收获期天气是影响杂交稻种子质量的重要因素之一19。种子收获成熟期(7d要求无连续 3天以上的雨日,按此指标,分别统计在100%、90%和 80%保证率下,满足种子安全成熟收获的时段。1.2 两系杂交制种气候风险分析与制种区分级标准风险是指发生不幸事件的概率20,风险的普遍定义表达式为:R(后果/时间=P(事件数/单位时间C(后果/每次事件将该气候风险的定义运用到地理信息系统中。把湖南省地域按一定分辨率划分为若干
32、地理网格,将气象观测站的逐年观测资料根据气温与经纬度的相关模型内插到地理网格点上,这样每个网格点就相当于一个具有 50 年气象资料的气象台站,在此基础上运用地理信息系统的空间分析方法,研究湖南杂交稻的制种风险,其中地理信息数据(DEM数据由中国气象局提供。安全保证率的计算方法参照殷剑敏21的方法略有修改,以不育系的育性敏感安全期的风险概率计算为例,首先统计每年(根据制种实际,湖南只需要 6-10月的气象资料符合条件的时间段,对某一年(i 年某不育系不育起点温度达标的公共初日(C i 与终日(Z i间隔天数为L i=Z i C i+1以不育系育性安全的风险概率计算为例,当 L i 20天,则第
33、i 年育性转换期安排在这段时间,制种将成功。由于无法准确预测某年某时段 20 天以上的天气,只能对资料进行分析,找出保证率最高的时段。因此在时间维 j(j=1,2,153 上计算历年i(i=1,2,50 符合育性转换期指标的初终日之间的 t ij制成的二维表见表 1。表 1中的元素 t ij 表示在某一年(i 年中属于适宜气象条件公共初终日之间的每一天的 t ij 均为 1,其它日期(小于初日或大于终日每一天 t ij均为 0。M 为资料年代,从 1951 年到 2000年。表 1 历年符合育性敏感安全期的天数Table 1 the days that conform to the perio
34、ds for fertility sensitivity0 0 111111 1 0 合计 T iM-2M-1MMMMMM M-1M-10因此定义:C M=j(T j=M 且 T j1=M1;(C M 为 T j=M 中序号 j 最小的这一个 j Z M=j(Tj=M 且 T j+1=M1;(Z M 为 T j=M 中序号 j 最大的这一个 j L M=Z M C M+1(L M为 T j=M 的天数,本文 L M=L 50,即 T j=50 的天数当 L M 20d 时,根据育性转换期对适宜气象条件要达到 20d 以上的要求,该地把育性转换期安排在 C M 与 Z M 之间,历年都没有出现不
35、满足气象指标的天气,从概率统计上讲,可称该时段为无风险(P=0下的可制种区。C M、Z M 称为无风险下育性转换期最早初日和最迟终日,L M 称为无风险下育性转换期最大长度。依次判断 L M1 是否20d,如 L M120d,则称该地有 M 年 1遇的风险,风险为P=1/M100%因此某地的两系杂交制种失败风险可定义为:P=(K/M100%(当 L MK 20,M 为该站点气象资料年代数,K=0,1,M称该地为保证率为(1P 下的可制种区。该风险下的育性转换最早初日为 C MK,最 迟终日为 Z MK,育性转换期最大长度为 L MK。如某地有 50 年的气象资料,经计算无风险下的可选择的育性转
36、换期 L=18d,而50年 1遇风险下的可选择的育性转换期 L 49=24d,50年 2遇风险下的可选择的育性转换期 L 48=35d,则该地两系稻制种育性安全最高保证率为 98%,安全转育期为24d,其次为 96%,安全转育CCZZZ期为 35d。根据对三段安全期的分析,结合湖南省的生产实践,提出两系杂交稻制种安全性与适宜性分区的指标。表 2 两系杂交稻制种安全与适宜性分区等级标准Table 2.The grade standard of the safe and suitable on the two-line hybrid rice seedproduction育性安全性等级育性安全类别
37、育性安全保证率(%适宜性类别育性安全等级扬花安全保证率(%收获安全保证率(%一级最安全区最适宜区一级 90,100 90,100二级安全区 95,100 适宜区一级二级80,9090,10080,9090,100三级风险区 90,95 欠适宜区一级二级三级8080,9080,1008080,9080,100四级危险区Se t T i m e r1100N U L L/定义一个计数器每隔 100m s 触发一次v o i d C M o t o r M o ni t o r O nT i m e r U I N TnI D E v e ntD wO R Ddw D e v i c e:0D o
38、ubl e uni t s:1do ubl e v e lL o ng m o t o r:i C ur r e nt M o t o r-1do ubl e v e l:0/电机转速P m a c D P R Se t M o t o r s dw D e v i c e4/更新电机数据v e l:P m a c D P R g e t V e l dw D e v i c e m o t o r M T R1_ A C T U L V E L/从 D R P A M 中读取电机速度s pr i nt f buf 11.11f v e lm_V e l o c i t y.Se t wi n
39、do w T e X t buf/存储数据C D i a l o g O nT i m e r nI D E v e nt应用程序每隔 100m n 从 D R P A M 相关地址 M T R1_ A C T U L V E L提取电机的速度并将数据存储以备远程客户端调用当设备运行时远程客户端调用该数据以驱动 J a v a3D 模型并进行故障诊断实现加工过程的仿真监测2.3 远程监控中的 J a v a3D模型J a v a3D 是 Sun 公司开发的适用于 I nt e r ne t环境的跨平台的三维图形开发工具包使原来只能在单台计算机上看到的三维图形可以通过 I nt e r ne t
40、显示在网络终端的浏览器上 7 其监测过程为远程端浏览器下载 J a v a3D 模型然后通过服务器读取设备运行数据并在本地进行仿真监测 J a v a3D 模型由物理设备运行数据所驱动而且数据传输量小因此实时再现了物理设备的加工过程F D M快速成型机主要工作机构由两条滚珠丝杠的运动形成喷头的平面轨迹及工作台的上下平动构成 J a v a3D 运动仿真的具体实现1 首先用 P r o/E N g I N E E R 建立运动轴及喷头模型如图 4 所示通过 O J L o ade r A P I导入 J a v a3D 2 然后将导入的部件组装形成系统的主要传动机构和执行机构3 远程端通过 H
41、T T Pg E T 命令向服务器发送调用数据请求服务器对远程端身份验证然后通过图 4 运动轴和喷头 J a v a3D模型C g I将数据传送到 A ppl e t4 进而驱动 J a v a3D 模型实现仿真试验中调用本地监控软件提取的电机数据驱动 J a v a3D 模型3 系统测试F D M成型机对摩托车油箱外壳件的加工过程如图 5所示加工过程中现场监控软件将采集的信息图 5 现场加工过程图 6 监控页面下转第 55页#03 机床与液压第 35卷无切向进给运动即 f Y:00 加工蜗轮时,无轴向进给运动 f Z:0,无切向进给运动 f Y:0;所以主运动数学模型可简化为:f C:K C
42、 i f B:K Z N C N B(7D 3.2 斜齿轮滚切斜齿轮具有一定的螺旋升角 B,在直齿轮滚切的基础上,叠加了轴向进给运动(差动 D f Z 0得出其运动数学模型为:K C i:K Z N C N B;K Z C:N BN Z s i n B、M N K;K Y C:0(8D3.3 蜗轮切向切入滚切K C i:K Z N C N B;K Z C:0;K Y C:N B N Y co s/、M N K(9D4 系统的硬件体系结构图 3 齿轮加工 C N C 系统的硬件体系结构该系统由工业控制计算机(I P C D可编程控制器(P L C D主控硬件插补系统坐标伺服系统操作/编程面板组成
43、,如图 3所示05 应用效果该系统已应用于 Y K O 3180 滚齿机上,已实现圆柱直齿轮斜齿轮小锥度齿轮椭圆齿轮卵形齿轮的加工,直线坐标轴控制精度 1卜m,刀轴迴转精度可达 3,加工精度满足设计要求 0参考文献U 1U 郝琪.一种基于工业 P C 机的加工中心全功能数控系统 U J U.机械工业自动化,1996,18(1D:47-48.U 2U 谭伟民.齿轮加工 C N C 机床 U J U.中国机械工程学报,1996(8D.U 3U 张华坚.精密齿轮的乘兴磨削与拓扑修形 U J U.航空制造技术,2020(1D.u_gi z he ny a ho o.c o m.c n 0 收稿日期 I
44、!2020-01-22(上接第 30 页通过 Se r v l e t 和 A ppl e t 通信,将服务器处理完毕的信号数据传输至远端浏览器,浏览器下载的 J a v a 3D 模型仿真由实时的现场信号进行驱动;同时位于 we b 服务器的 SO M 神经网络被驱动,并调用服务器中的相关数据,经过学习竞争合作对现场故障进行判断 0 监控页面如图 6所示 04 结语本文以江苏大学工业中心 F D M 快速成型机为基础,研究其控制核心-P M A C 运动控制卡,通过 P c o m m 32 实现上位机与下位机的通信,完成对设备运行中状态信息的提取 0综合运用神经网络技术J a v a 3D
45、 技术远程通信技术实现快速成型机的远程监控,由于此系统在数据传输时的传送的是数字信号,因此比视频图像数据的传输更加实时迅速;同时提出基于 SO M 神经网络故障诊断方法,在客户端实现远程预测并诊断喷头阻塞故障优化工艺参数,达到实时监控的预期目的 0参考文献U 1U 亢英英,习俊通,严隽琪.F D M 快速成型机停动运行状态的远程监测 U J的远程操作与控制系统 U J U.中国机械工程,2000,7(11D:753-756.U 3U R e n C.L uo,J y h H w a T z o u,Y i C.C ha ng.A n I nt e r ne t-a s e d R em o t
46、 e C o nt r o l a nd M o ni t o r i ng R a pi d P r o t o t y pi ngSy s t e m U C U.T he27th A nnua l C o nf e r e nc eo f t heI E E E I ndus t r i a l E l e c t r o ni c s So c i e ty:159-164.U 4U M.A J a r r a h,A.R.A l-A l i.we b-a s e d M o ni t o r i ng a nd F a ul t D i a g no s ti c s o f M a
47、 c hi ne r y U J U.I E E E,2004:525-530.U 5U De l t a T a u D a t aSy s t e m I nc.P M A CU SE R S M A N U A L U M U.D e l t aT a u D a t a Sy s t e mI nc,2004.U 6U D e l t aT a u D a t aSy s t e m I nc.P C O M M 32P R O U M U.D e l t aT a u D a t a Sy s t e mI nc,2003.U 7U L i hui w a ng,P e t e r
48、O r ba n,A ndr e w C uni ng g ha m,Sher-m a n L a ng.R e m o t er e a l-t i m eC N Cm a c hi ngf o r w e b-ba s e d m a nufa c t ur i ng U J U.R o bo t i c sa nd C o m put e r-I nt e g r a t e d M a nuf a c t ur ing,2004,20:563-571.作者简介!刘广利(1980-D,男,山东济南人,江苏大学机械学院数字化制造技术研究所硕士研究生,主要从事网络化制造服务系统远程监控系统等
49、研究0 :139*,E-m a i l:l g l i 2003126.c o m0 收稿日期 I 2020-04-0655 第 4 期侯启真等:基于速度控制模块的数控滚齿加工联动结构设计基于 SOM 神经网络与 Java 技术的远程监控系统作者:刘广利,任乃飞,陈磊,LIU Guangli,REN Naifei,CHEN Lei作者单位:江苏大学数字化制造技术研究所,江苏镇江,212021刊名:机床与液压英文刊名:MACHINE TOOL&HYDRAULICS年,卷(期:2020,35(4被引用次数:1 次参考文献(7条1.Lihui Wang;Peter Orban;Andrew Cuni
50、nggham;Sherman Lang Remote real-timeCNC maching for web-based manufacturing外文期刊 2004(62.Delta Tau Data System Inc PCOMM32PRO 20033.Delta Tau Data System Inc PMAC USERS MANUALDelta Tau Data System Inc20044.M AJarrah;A R Al-Ali Web-Based Monitoring and Fault Diagnostics ofMachinery 20045.Ren C Luo;Jyh