一种面向智能棉纺生产的CPS架构的制作方法

本发明涉及一种CPS(信息物理融合系统)架构，尤其涉及一种面向流程复杂的智能棉纺生产过程的CPS架构。

背景技术：

纺织业是传统制造业，棉纺行业是整个纺织工业中最重要的基础行业，也是最大的行业，更要积极推进智能制造，加速产业转型升级。如何推进传统棉纺生产与智能科技的融合，实现产业转型是当前棉纺生产所面临的重大问题。

首先，面向全球纺织产业格局及国内消费市场，推动智能棉纺生产。目前，纺织行业面临着美国“再工业化”和国内推进工业化进程的双重考验，以美国和日本为代表的发达国家，在其棉纺领域中的高端设备、高性能纤维和先进工艺等方面的科技研发和创造能力上都有明显优势，相比之下，国内劳动力优势已不明显，全球纺织产业的格局将进一步调整。从国内消费市场情况来看，因人口的增长和经济的复苏，城乡居民收入增长等因素促进内需扩大和消费升级，以此带动纺织工业发展。棉纺生产则面临国际竞争、结构调整、产业升级、需求增长等外在因素推动纺织行业尤其是棉纺行业产业转型，加快智能棉纺步伐。

其次，着眼棉纺生产自身特点及工艺流程，加快智能棉纺生产。棉纺行业是重要的民生产业，具有劳动密集型，多工序、连续化、流程化等特点，在特定的环境下，还要求较高的专业化分工协作。虽然棉纺行业在其生产设备自动化、智能化程度上，各工序之间的衔接、呼应能力上一直不断在改善和提高，但在工序连续性技术上差别较大。如清梳联技术相对成熟，粗细络联技术才刚刚起步。在利用智能化技术在生产流程上实现资源自动配给、环境自动调节、质量监控、设备故障预测与诊断、生产计划调整等围绕控制生产成本，提高生产质量，提升生产效率上还有很大提升空间。

此外，不少棉纺企业在信息技术应用上初见成效，如组建企业内部网络，运用ERP系统等，从总体发展距工业化和信息化融合要求上还有一定距离，因此加快信息化、网络化、智能化建设势在必行。

技术实现要素：

本发明要解决的技术问题是如何进一步提高各类资源配置的有效性，优化生产流程，提高生产效率。

为了解决上述技术问题，本发明的技术方案是提供一种面向智能棉纺生产的CPS架构，其特征在于，包括四层CPS框架结构，分别为：

1、物理世界——感知实体层

感知实体层是构成CPS的基础，通过感知实体层感知物理世界的每个实体；

2、互联互通——连接通信层

连接通信层是物理世界到达信息世界的通道；将各类传感设备部署到原材料或者是生产设备的关键部位，通过传感设备获得被检测对象的各类数据；同时传感设备将物理世界中的所有实体连接到一个网络中，行成一个基于生产车间的物联网或者是无线局域网；通过所述网络将物理世界所有实体的各种数据按一定的通信协议传输到信息世界；

3、信息世界——知识融合层

知识融合层是一个中心层，其融合所有棉纺生产周期所需资源及环境的大数据，实现数据信息化，并通过数据相关性分析，建立数字孪生模型；

4、控制服务——决策控制层

决策控制层是一个核心层，通过对可靠数据的深入挖掘，形成了基于棉纺生产的知识；根据认知的结果，确定各种控制决策，发送控制指令，指挥物理世界的各个实体协同工作。

优选地，所述物理世界指生产车间里各类物理实体，包括机器、设备、每个工序的原材料、能源、环境、操作人员。

更优选地，所述机器包括开棉机、并条机、细纱机；

所述设备包括自动导引运输车；

所述每个工序的原材料中，除开棉的原料是棉花外，其余各工序所需的原料都是前道工序的半成品或成品；

所述能源包括车间里的电能；

所述环境包括空气的温度湿度、机器所产生的噪音。

优选地，每次生产周期内，所述物理世界的每个物理实体都会产生大量数据；棉纺生产过程是一个连续的制造过程，数据的产生不是孤立的，是相关的；在生产周期内，采集各资源要素的全部数据以及资源要素之间相关的数据。

优选地，在一次生产周期内的数据有：

实体属性数据，指能识别实体的属性数据；

实体的工作状态数据，指能反映生产周期内实体的工作状态、健康状况和运行性能的数据；

实体环境数据，指在生产周内可能影响到实体性能和运行状态的环境数据；

实体的历史数据，指生产周期内对实体，尤其是设备或机器的维护、保养、维修历史数据。

优选地，所述传感设备包括传感器、FRID、GPS。

优选地，通过M2M技术实现基于智能棉纺生产过程的机器之间的通信；即棉纺生产流程中的任意两台接入到工业互联网中的机器设备，通过部署在设备上的传感设备连接到网络中进行通信。

优选地，所述知识融合层包括大数据平台和智能计算两个部分；

大数据平台接收从连接通信层传输过来的海量数据，进行处理，实现大数据融合和信息化；

智能计算利用大数据分析和挖掘技术，实现大数据分析流程和数据相关性解析，生成知识，通过建立数字孪生模型，在信息世界中呈现物理实体。

更优选地，所述海量数据包括有效的数据和无效数据，首先去除无效数据；有效数据包括结构化数据、非结构化数据和半结构化数据，将非结构化数据和半结构化数据转化为结构化数据，将不同结构的数据融合到一起，实现大数据的融合和信息化。

优选地，在棉纺生产过程中，控制决策包括：物流路线规划、生产过程优化、产品质量控制、设备故障诊断、生产计划调整、个人能力提升。

更优选地，所述物流路线规划，针对自动导引运输车，将一个设备的半成品运输到指定位置的设备，中间的行走路线如何规划问题，一般情况考虑是路程最短，但是考虑到棉纺生产的实际情况，如果在最短路程之间有障碍的情况下怎么规划，或者在考虑能源损耗最少的情况下又如何规划；

更优选地，所述生产计划调整，一般生产都是有计划的，且此计划是基于所有设备和物料及人员所需资源一切都是正常的情况下计划出来的，但在实际生产过程中，设备会出现故障，或人员的疏忽会造成不能如期完成生产，此时，重新调整生产计划。

本发明以工业大数据和数据技术为基础，设计了面向智能棉纺生产的“感知实体-连接通信-知识融合-决策控制”四层CPS框架结构，以贯穿棉纺生产周期全过程的数据为主线，以智能感知为核心，以网络和海量计算为依托，使计算、通信、控制深度融合，实现棉纺生产过程的智能化，在此基础上探讨了CPS架构下基于生产周期柔性化采集技术、M2M技术、异构数据集成、融合和信息化技术和数字孪生技术等若干关键技术。为实现高效配备各类资源，优化生产流程和提高生产效率等方面提供了理论支撑。

附图说明

图1为本实施例提供的面向智能棉纺生产的CPS架构整体示意图；

图2为数据从物理世界到大数据平台的流程的示意图；

图3为基于生产过程的M2M通信的示意图；

图4为大数据融合和信息化过程的示意图；

图5为部分棉纺生产的信息镜像模型的示意图；

图6为CPS单元的数字孪生模型的示意图。

(注：请将所有附图修改为黑白线条图，英文改为中文)

具体实施方式

下面结合具体实施例，进一步阐述本发明。应理解，这些实施例仅用于说明本发明而不用于限制本发明的范围。此外应理解，在阅读了本发明讲授的内容之后，本领域技术人员可以对本发明作各种改动或修改，这些等价形式同样落于本申请所附权利要求书所限定的范围。

图1为本实施例提供的面向智能棉纺生产的CPS架构整体示意图，所述的面向智能棉纺生产的CPS架构，包括四层CPS框架结构，分别为：感知实体层、连接通信层、知识融合层、决策控制层。

1物理世界——感知实体层

1.1物理感知

物理世界主要是生产车间里各类物理实体，包括机器，如开棉机、并条机、细纱机等；设备，如自动导引运输车AVG(Automated Guided Vehicle)；每个工序的原材料，除开棉的原料是棉花外，其余各工序所需的原料都是前道工序的半成品或成品；能源，主要是车间里的电能；环境上，主要是空气的温度湿度，以及机器所产生的噪音等；最关键的是个人操作人员。构成CPS的基础就是物理世界层，要感知物理世界的每个实体，如它的状态，它的性能，它的预期寿命等等。

1.2面向生产周期的柔性化数据采集

物理世界是由各个实体构成，每次生产周期内，每个实体都会产生大量的数据，以往只关注实体的独立数据采集，而在CPS架构下的智能棉纺生产过程是一个连续的制造过程，数据的产生不是孤立的，是相关的。在生产周期内，要采集包括设备、原料、人员等在内的资源要素的全部数据以及要素之间相关的数据。在一次生产周期内的主要数据有：实体属性数据，指能识别实体的属性数据，也叫基本参数；实体的工作状态数据，指能反映生产周期内实体的工作状态、健康状况和运行性能等的数据；实体环境数据，指在生产周内可能影响到实体性能和运行状态的环境数据；实体的历史数据，指生产周期内对实体，尤其是设备或机器的维护、保养、维修等历史数据。例如在智能棉纺生产过程中的并条机，属性数据主要有设备编号、设备型号、适纺纤维长度，喂入直径等；工作状态数据主要有各道并条机的牵伸分配、部分牵伸分配、罗拉握持距、罗拉加压等；环境数据主要有通风情况、温度、湿度、地面清洁度等；历史数据主要是保养记录、维修记录等。

海量数据采集以往是被动式的传感和通信；而在CPS架构下，生产周期内的数据可采用柔性化的采集方法，即在相同的传感和通信情况下，能根据数据的特征自我调节采集的先后次序，数量和频率，做到按需采集，尽量避免数据的过采集造成的数据冗余。在采集的次序上，也是根据实际需要而定的。如某并条机是初次使用，那应先采集他的属性数据；对于已经使用过的并条机，那应先采集其工作状态数据。

2互联互通——连接通信层

2.1物理世界到信息世界的通道

通信层是物理世界到达信息世界的通道，在很大程度上决定了CPS的性能。“物联天下，传感先行。”

常用的连接设备主要有各类高性能的传感器，FRID、GPS等。它们被部署到原材或者是生产设备的关键部位，通过RFID的标签或者智能传感器可以获得被检测对象的各类数据。同时传感设备可将物理世界中的所有实体连接到一个网络中，行成一个基于生产车间的物联网或者是无线局域网。通过网络可以将物理世界所有实体的各种数据，包括实时数据(如精梳后纤维的长度，产出的粗纱重量)和非实时数据(如机器的型号，设备的编号等)按一定的通信协议传输到信息世界层。

2.2先进传感网和工业物联网是互联互通的基础

先进传感器是当前信息技术领域中的热点问题之一，它可以用于特殊环境实现信号的采集和发送。当无线技术和先进传感技术相互渗透和结合，可以保证棉纺生产过程中，各种机器、设备、资源、产品产生的海量数据能实时采集。

工业物联网是将物联网不断融入到工业生产过程的各个环节，为改善产品质量，降低生产成本和能源消耗，提高生产效率，以实现生产的智能化。棉纺实际生产的各个环节中的数据可以安全地在工业物联网环境中顺利传输。借助先进传感网和工业物联网，从物理世界产生的数据到大数据平台的流程如图2所示。

2.3 M2M技术是互联互通的保障

M2M技术实现的是一种通信机制，可以是机器之间(Machine to Machine)、人机交换(Man to Machine or Machine to Man)、人与人之间(Man to Man)，甚至是移动网络对机器(Mobile to Machine)，其根本目标是使所有机器设备具有连网和通信能力，旨在通过通信技术来实现人、机器和系统三者之间的智能化、交互式的无缝连接。本发明中M2M专指基于智能棉纺生产过程的机器之间的通信。M1和M2是棉纺生产流程中的任意两台接入到工业互联网中的机器设备，通过部署在设备上的智能传感器连接到工业物联网中进行通信，信息有上传和下行两类，如图3所示。上传的是采集的本地机器的数据，下行的是通信协议和网络的指令和设置的参数。

3信息世界——知识融合层

3.1信息世界

信息世界层是一个中心层，它融合所有棉纺生产周期所需资源及环境的大数据，实现数据信息化，并通过数据相关性分析，建立数字孪生模型。信息世界层大体上包括大数据平台和智能计算两个部分。

大数据平台主要功能是接收从通信层传输过来的大量实时或非实时数据，实现大数据融合和信息化。在生产过程中，棉纺生产线设备、机器、产品等产生的海量数据，因其中有很多无效的噪音数据一般是不可以直接被使用的，要通过过滤、清洗等方法去除无效数据；即便在有效的数据中，又有结构化的数据、非结构化的数据和半结构化数据之分。相对于结构化数据，非结构化数据越来越多，可以是图片、音频数据、视频数据、地理位置信息、网络日志等，这些多类型的数据对数据的处理能力提出了更高要求，尤其在实时数据处理上。结构化数据的数据量相对较少，其处理要求相对简单。而非结构化数据其数据量大加上实时动态等特点，处理起来所需要的资源相对较多，带来了技术的要求也较高，成本也会高，将非结构化数据和半结构化数据通过特征值提取和映射的方法将其转化为结构化数据，这样不但缓解了非结构化数据和半结构化数据对处理要求高的问题，又将不同结构的数据融合到一起。经大数据平台的处理，实现大数据的融合和信息化。

智能计算则利用大数据分析和挖掘技术，实现大数据分析流程和数据相关性解析，生成知识，通过建立数字孪生模型，在信息世界中呈现物理实体，更好认识物理世界，更好地实现决策支持。

3.2大数据的融合和信息化

大量数据来源于棉纺生产过程的每个环节，由于物理世界实体的异构性，这些海量数据被描述成结构化数据、半结构化数据和非结构化数据。当然，结构化数据可以方便地存放到二维表中，而非结构化数据和半结构化数据，通过特征值提取和映射也可以放到一个二维表中，但对于同一个实体，如经过梳棉后的梳条，它的重量、条长、梳条机的编号等通过测量可以得到，直接存放到基本表中既可以，而它的质量报表是一个非结构化数据，不能直接放二维表，需要对某些关键特征值进行提取，映射到一个相关信息表中，这与基本表中的有些属性是相同的，因此，为了更好地融合数据，将基本表和相关信息表两表经过滤一起映射到有效特征表中。类似地，将物理世界的实体集群分类融合中实体表中，最后再将所有实体的有效信息融合到一起，提供不同的决策方案。大数据融合和信息化过程如图4所示。

3.3数字孪生实现物理世界和信息世界的统一

数字孪生是以数字化方式在信息世界呈现物理实体，用数字化方法为物理实体创建虚拟模型来模拟实体在物理世界中的行为特征，实现生产周期内物理世界和信息世界之间的协调统一。对棉纺生产来说，可以实现从棉花、棉纱设计、棉纱工艺、棉纱生产计划及生产流程的全程数字化，使生产全程可视化、规避问题，优化生产、提高效率。图5是棉纺生产的部分信息镜像模型。图6为某个CPS单元的数字孪生模型。在棉纺生产过程中使用数字孪生模型，可以实现：第一，预见设计质量和制造过程。以往，都是根据客户需求设计产品，并将棉纱生产出来后才能对其质量进行评估，这样不仅会增加成本，而且还加长了生产周期。但通过数字孪生模型后，可以在设计阶段预见产品的性能，完全可以根据预测结果从选棉、生产环境设置开始，到每个生产环节进行严格控制。第二，协同产品设计与制造过程。一般来说，设计人员和制造人员在两个不同的环境下独立工作，这样容易造成信息不对称，使得设计人员和制造人员都没法得到理想的产品。而CPS架构下，整个智能纺织生产是一个整体系统，设计一旦发生改变，借助数字孪生模型，可以方便地更新制造过程所需的全部资源，大大提高了制造效率。

4控制服务——决策控制层

决策控制层是一个核心层。通过对可靠数据的深入挖掘，形成了基于棉纺生产的知识。根据认知的结果，确定各种控制决策，发送控制指令，指挥物理世界的各个实体协同工作。在棉纺生产过程中，常用的决策有：物流路线规划、生产过程优化、产品质量控制、设备故障诊断、生产计划调整、个人能力提升等。如物流路线规划，主要针对AGV，将一个设备的半成品运输到制定位置的设备，中间的行走路线如何规划问题，一般情况考虑是路程最短，但是考虑到棉纺生产的实际情况，如果在最短路程之间有障碍的情况下怎么规划，或者在考虑能源损耗最少的情况下又如何规划。再如生产计划调整，一般来说生产都是有计划的，且此计划是基于所有设备和物料及人员等所需资源一切都是正常的情况下计划出来的，但在实际生产过程中，设备会出现一些故障，或人员的某种疏忽会造成不能如期完成生产，此时，要重新调整生产计划，这也是通过智能决策来控制的。