（1.北京航空航天大學(xué)機(jī)械工程及自動(dòng)化學(xué)院，北京 100191；2.北京航天新風(fēng)機(jī)械設(shè)備有限公司，北京 100049）

隨著中國(guó)制造2025 國(guó)家戰(zhàn)略的不斷推進(jìn)，智能制造及其相關(guān)理論與技術(shù)方法已深入人心。智能制造的內(nèi)涵可以用“動(dòng)態(tài)感知、實(shí)時(shí)分析、自主決策、精準(zhǔn)執(zhí)行和改進(jìn)提高”的20 字方針來高度概括，這其中動(dòng)態(tài)感知是基礎(chǔ)，而感知得到的多源異構(gòu)數(shù)據(jù)則是進(jìn)行制造過程分析、決策、執(zhí)行和改進(jìn)提高的驅(qū)動(dòng)力。數(shù)控機(jī)床作為一種先進(jìn)的制造裝備在智能制造中扮演著十分重要的角色。在離散制造業(yè)中，數(shù)控機(jī)床是制造過程的末端執(zhí)行裝置，人、機(jī)、料、法、環(huán)、測(cè)等要素在加工過程中高度融合。因此，數(shù)控加工過程的輸出數(shù)據(jù)就成為評(píng)價(jià)加工過程、生產(chǎn)計(jì)劃、工藝規(guī)程、產(chǎn)品質(zhì)量、設(shè)備可靠性以及數(shù)控程序質(zhì)量高低的重要依據(jù)。數(shù)控加工過程產(chǎn)生的數(shù)據(jù)呈現(xiàn)出實(shí)時(shí)、多源、異構(gòu)等特點(diǎn)。比如，與加工任務(wù)相關(guān)的產(chǎn)品、工藝、設(shè)備、原材料、工位、操作人員等制造情境數(shù)據(jù)是典型的非實(shí)時(shí)數(shù)據(jù)；來自數(shù)控系統(tǒng)內(nèi)部的程序段執(zhí)行信息、機(jī)床加工狀態(tài)信息、坐標(biāo)值、進(jìn)給速度、主軸轉(zhuǎn)速、主軸負(fù)載等,雖然是實(shí)時(shí)數(shù)據(jù)，但其更新的頻率一般不高于10Hz[1–4]；而加工過程中采集的來自外部傳感器的主軸振動(dòng)、切削噪聲等信號(hào)的采樣頻率則一般高于10kHz，這樣就給數(shù)據(jù)的組織、訪問控制與存儲(chǔ)管理帶來挑戰(zhàn)。

針對(duì)數(shù)控加工過程中產(chǎn)生數(shù)據(jù)的組織與管理問題，工業(yè)界和學(xué)術(shù)界展開了大量的研究。由于數(shù)據(jù)類型和使用目的不同，數(shù)據(jù)的存儲(chǔ)與管理方式也不盡相同，主要包括實(shí)時(shí)內(nèi)存數(shù)據(jù)庫、關(guān)系數(shù)據(jù)庫、技術(shù)數(shù)據(jù)管理流以及非關(guān)系數(shù)據(jù)庫等。

實(shí)時(shí)內(nèi)存數(shù)據(jù)庫主要是針對(duì)高頻、實(shí)時(shí)數(shù)據(jù)的短時(shí)間存取和過程實(shí)時(shí)監(jiān)測(cè)的需要而設(shè)計(jì)的。王宏偉等[5]針對(duì)工業(yè)現(xiàn)場(chǎng)實(shí)時(shí)監(jiān)測(cè)的需要，給出了一種基于內(nèi)存數(shù)據(jù)庫構(gòu)建實(shí)時(shí)監(jiān)測(cè)系統(tǒng)的方法。

關(guān)系數(shù)據(jù)庫適用于對(duì)數(shù)據(jù)項(xiàng)固定、數(shù)據(jù)類型比較單一的非實(shí)時(shí)數(shù)據(jù)，或者采樣頻率不高的實(shí)時(shí)數(shù)據(jù)的存儲(chǔ)與管理。劉福民[6]和肖士利[7]等給出了利用Oracle 關(guān)系數(shù)據(jù)庫進(jìn)行機(jī)床狀態(tài)數(shù)據(jù)的采集與管理的方法，并用于實(shí)現(xiàn)對(duì)數(shù)據(jù)的非實(shí)時(shí)處理和統(tǒng)計(jì)分析等。

技術(shù)數(shù)據(jù)管理流（Technical Data Management Streaming，TDMS）是一種美國(guó)國(guó)家儀器（National Instruments，NI）公司推出的能實(shí)現(xiàn)多通道實(shí)時(shí)高頻數(shù)據(jù)存儲(chǔ)管理的數(shù)據(jù)存儲(chǔ)文件格式。Klocke 等[8]設(shè)計(jì)了一套基于TDMS 的拋光過程監(jiān)控系統(tǒng)，實(shí)現(xiàn)了對(duì)實(shí)時(shí)數(shù)據(jù)流的存取和訪問控制；李強(qiáng)[9]利用TDMS 作為數(shù)據(jù)存儲(chǔ)方式，構(gòu)建了機(jī)械設(shè)備早期故障預(yù)警系統(tǒng)。張丹等[10]針對(duì)軸承故障數(shù)據(jù)采集與分析系統(tǒng)中，實(shí)時(shí)高頻故障信號(hào)的采集與存儲(chǔ)管理、歷史故障信息的查詢和分析的需要，采用TDMS 文件存儲(chǔ)實(shí)時(shí)采集的原始波形數(shù)據(jù)，采用關(guān)系數(shù)據(jù)庫存儲(chǔ)經(jīng)過處理的故障指標(biāo)數(shù)據(jù)供后期查看，較好地解決了實(shí)時(shí)與非實(shí)時(shí)數(shù)據(jù)的訪問與存儲(chǔ)管理問題。上述研究可以看出，TDMS 在利用NI 技術(shù)體系下的傳感網(wǎng)絡(luò)構(gòu)建實(shí)時(shí)數(shù)據(jù)存儲(chǔ)管理系統(tǒng)時(shí)，具有很好的技術(shù)優(yōu)勢(shì)。

非關(guān)系數(shù)據(jù)庫是為了解決互聯(lián)網(wǎng)環(huán)境下超大規(guī)模和高并發(fā)數(shù)據(jù)存儲(chǔ)和管理的需求而設(shè)計(jì)的。它采用“鍵–值（Key–Value）對(duì)”形式進(jìn)行數(shù)據(jù)存儲(chǔ)，具有擴(kuò)展靈活、高并發(fā)、讀寫能力強(qiáng)等特點(diǎn)。Angrish 等[11]利用MongoDB 非關(guān)系數(shù)據(jù)庫構(gòu)建了一種信息物理系統(tǒng)的存儲(chǔ)架構(gòu)，探索了新型數(shù)據(jù)存儲(chǔ)模式的有效性。馮磊等[12]針對(duì)航空磁力測(cè)量數(shù)據(jù)管理中，測(cè)量數(shù)據(jù)量日益增大、對(duì)數(shù)據(jù)檢索與存取效率要求日益提高、對(duì)未知格式新增數(shù)據(jù)支持能力增強(qiáng)等需求，提出了基于非關(guān)系型數(shù)據(jù)庫MongoDB 的數(shù)據(jù)存儲(chǔ)與管理方案，來取代原有的基于Oracle 關(guān)系數(shù)據(jù)庫的數(shù)據(jù)管理模式，取得了良好的效果。郭匡宇[13]針對(duì)物聯(lián)網(wǎng)環(huán)境下傳感器數(shù)據(jù)高并發(fā)和大容量存儲(chǔ)管理的需求，設(shè)計(jì)了基于MongoDB 非關(guān)系數(shù)據(jù)庫的傳感器數(shù)據(jù)分布式存儲(chǔ)管理系統(tǒng)，滿足了傳感器數(shù)據(jù)高并發(fā)、跨平臺(tái)和快速查詢的需求。

分析發(fā)現(xiàn)，目前對(duì)機(jī)床加工過程數(shù)據(jù)采集與管理方法的研究主要集中在兩個(gè)方面。一是面向車間生產(chǎn)管理的需求，僅采集數(shù)控機(jī)床的工作狀態(tài)信息，用于對(duì)機(jī)床工作狀態(tài)和加工效率進(jìn)行統(tǒng)計(jì)分析。這類研究，沒有考慮加工過程中實(shí)時(shí)工況監(jiān)測(cè)帶來的對(duì)實(shí)時(shí)海量數(shù)據(jù)的快速存取與處理問題。二是面向加工過程中工藝參數(shù)改進(jìn)的需求，對(duì)某些工況信息（主軸振動(dòng)、切削噪聲等）進(jìn)行實(shí)時(shí)采集與監(jiān)測(cè)分析。這類研究，沒有考慮生產(chǎn)過程系統(tǒng)性優(yōu)化帶來的對(duì)歷史工況數(shù)據(jù)的管理和工況信息與制造情境信息的關(guān)聯(lián)問題。本文從生產(chǎn)加工過程智能管控的需求出發(fā)，綜合考慮生產(chǎn)加工過程中加工工況的實(shí)時(shí)監(jiān)測(cè)與異常報(bào)警、質(zhì)量問題的快速分析與追溯、工藝質(zhì)量分析與評(píng)價(jià)、生產(chǎn)過程管理等業(yè)務(wù)對(duì)數(shù)據(jù)采集和數(shù)據(jù)組織與管理的需求，對(duì)數(shù)控加工過程中多源異構(gòu)數(shù)據(jù)的管理方法展開研究。提出面向不同管理需求的海量實(shí)時(shí)、多源異構(gòu)數(shù)控加工數(shù)據(jù)與制造情境數(shù)據(jù)相融合的數(shù)據(jù)組織管理策略；構(gòu)建針對(duì)非實(shí)時(shí)結(jié)構(gòu)化數(shù)據(jù)、實(shí)時(shí)加工過程數(shù)據(jù)和加工過程歷史數(shù)據(jù)的管理模型。在此基礎(chǔ)上，設(shè)計(jì)開發(fā)了基于智能感知的數(shù)控生產(chǎn)線數(shù)據(jù)采集與管理系統(tǒng)，并通過在薄壁回轉(zhuǎn)體零件數(shù)控加工過程智能管控的應(yīng)用，驗(yàn)證了所提方法的可行性與有效性。

需求分析

1 數(shù)據(jù)采集需求分析

數(shù)控加工過程會(huì)產(chǎn)生大量的數(shù)據(jù)，包括零件的幾何尺寸和形位公差等產(chǎn)品檢測(cè)數(shù)據(jù)，進(jìn)給速度、主軸轉(zhuǎn)速等工藝數(shù)據(jù)，主軸振動(dòng)、切削力等工況數(shù)據(jù)等。傳統(tǒng)數(shù)控加工過程的數(shù)據(jù)采集，主要集中在對(duì)被加工零件幾何尺寸和形位公差檢測(cè)數(shù)據(jù)、機(jī)床的啟停和運(yùn)行時(shí)間等數(shù)據(jù)的采集方面。機(jī)床運(yùn)行過程中，主軸和進(jìn)給軸的速度、電流、負(fù)載、振動(dòng)、切削力等工況數(shù)據(jù)一般不予采集，僅靠操作人員的經(jīng)驗(yàn)進(jìn)行判斷和處理。而要實(shí)現(xiàn)對(duì)數(shù)控加工過程的智能管控，除了采集零件加工后的尺寸和形位公差數(shù)據(jù)進(jìn)行質(zhì)量評(píng)價(jià)外，還需要對(duì)加工過程進(jìn)行監(jiān)測(cè)和異常預(yù)警、對(duì)質(zhì)量問題進(jìn)行快速分析與追溯、對(duì)加工工藝進(jìn)行分析與評(píng)價(jià)、對(duì)整個(gè)制造過程進(jìn)行全局優(yōu)化等，這就需要對(duì)數(shù)控加工過程的工況數(shù)據(jù)和制造情境數(shù)據(jù)等進(jìn)行采集與管理。圖1給出了數(shù)控加工過程的組成要素及主要的過程監(jiān)測(cè)信息。

因此，面向數(shù)控加工過程智能管控的數(shù)據(jù)需求可以概括如下：

（1）實(shí)時(shí)加工過程數(shù)據(jù)。

該類數(shù)據(jù)是指由數(shù)控機(jī)床內(nèi)部、數(shù)控機(jī)床內(nèi)置和外置的各類傳感器在數(shù)控加工過程中采集得到的各類實(shí)時(shí)數(shù)據(jù)。這些數(shù)據(jù)包括：各坐標(biāo)軸的實(shí)時(shí)坐標(biāo)值、主軸轉(zhuǎn)速、進(jìn)給速度、主軸和進(jìn)給軸負(fù)載、程序運(yùn)行時(shí)間、主軸和進(jìn)給軸倍率、機(jī)床工作狀態(tài)、切削力、主軸振動(dòng)、切削噪聲、環(huán)境溫度等。其中，來自數(shù)控機(jī)床內(nèi)部和內(nèi)置傳感器數(shù)據(jù)的更新頻率一般不高于10Hz。如西門子840D sl 數(shù)控系統(tǒng)提供基于OPC UA 服務(wù)器的機(jī)床內(nèi)部數(shù)據(jù)訪問功能，最高數(shù)據(jù)更新頻率為10Hz。主軸振動(dòng)、切削噪聲等來自外置傳感器采集的工況數(shù)據(jù)，其采樣頻率需要能覆蓋加工過程典型異常信號(hào)的頻率范圍，采樣頻率一般高于10kHz。需要注意的是，不同類型的零件在不同類型加工工序中需要采集的工況信息不同，因此，對(duì)該類數(shù)據(jù)的管理需要支持?jǐn)?shù)據(jù)項(xiàng)的橫向可擴(kuò)展。實(shí)時(shí)采集的加工過程數(shù)據(jù)包含了豐富的切削加工工況信息，但其本身并不包含非加工過程的制造情境信息，如果不為這些實(shí)時(shí)數(shù)據(jù)附加必要的情境標(biāo)簽信息，它們只是在加工過程實(shí)時(shí)監(jiān)測(cè)時(shí)有價(jià)值，在監(jiān)測(cè)結(jié)束后這些數(shù)據(jù)將無法再利用，這與加工過程智能管控的需求不符。

（2）數(shù)控加工情境數(shù)據(jù)。

該類數(shù)據(jù)是指數(shù)控加工任務(wù)中所包含的人、機(jī)、料、法、環(huán)、測(cè)等基礎(chǔ)數(shù)據(jù)。主要包括：產(chǎn)品信息、工藝信息、工序信息、人員信息、設(shè)備信息、傳感器信息、工件材料信息以及工位信息等，這些信息是數(shù)控加工過程實(shí)時(shí)工況數(shù)據(jù)的宿主信息，是進(jìn)行工藝改進(jìn)、質(zhì)量問題追溯以及相關(guān)關(guān)系挖掘的分類標(biāo)簽信息。

（3）過程結(jié)果數(shù)據(jù)。

該類數(shù)據(jù)是指數(shù)控加工過程的結(jié)果數(shù)據(jù)。主要包括被加工零件的尺寸和幾何公差的實(shí)測(cè)值、物理特性的實(shí)測(cè)值；以及包括各類加工過程異常的狀態(tài)監(jiān)測(cè)結(jié)果等。

2 數(shù)據(jù)特點(diǎn)及管理需求分析

數(shù)據(jù)組織與管理模式的選擇與數(shù)據(jù)本身的組成、數(shù)據(jù)量大小、存取與處理速度、可擴(kuò)展性和使用時(shí)效性等特點(diǎn)密不可分?；诖?，將第1 節(jié)采集的各類數(shù)據(jù)分為實(shí)時(shí)加工過程數(shù)據(jù)、非實(shí)時(shí)結(jié)構(gòu)化數(shù)據(jù)和加工過程歷史數(shù)據(jù)3 大類，其數(shù)據(jù)特點(diǎn)和管理需求分析如下：

（1）實(shí)時(shí)加工過程數(shù)據(jù)。

該類數(shù)據(jù)主要是指在數(shù)控加工過程中需要進(jìn)行實(shí)時(shí)監(jiān)測(cè)與處理的數(shù)據(jù)，它們具有數(shù)據(jù)更新頻率高、需要在短時(shí)間內(nèi)進(jìn)行存取和計(jì)算處理等特點(diǎn)。以磁盤為存儲(chǔ)介質(zhì)的數(shù)據(jù)文件和關(guān)系型數(shù)據(jù)庫難以滿足對(duì)數(shù)據(jù)高速存取和數(shù)據(jù)項(xiàng)橫向可擴(kuò)展的需求；相比較而言，實(shí)時(shí)內(nèi)存數(shù)據(jù)庫是管理該類數(shù)據(jù)的不錯(cuò)選擇。

（2）非實(shí)時(shí)結(jié)構(gòu)化數(shù)據(jù)。

該類數(shù)據(jù)包括數(shù)控加工情境數(shù)據(jù)和過程結(jié)果數(shù)據(jù)，它們具有結(jié)構(gòu)化程度高、數(shù)據(jù)量小、更新頻率低、短時(shí)間內(nèi)處理速度要求不高等特點(diǎn)。情境數(shù)據(jù)是實(shí)時(shí)加工過程數(shù)據(jù)的宿主，需要具有良好的查詢和統(tǒng)計(jì)能力，因此該類數(shù)據(jù)適合使用以磁盤為存儲(chǔ)介質(zhì)的關(guān)系型數(shù)據(jù)庫進(jìn)行存儲(chǔ)管理。

（3）加工過程歷史數(shù)據(jù)。

圖1 數(shù)控加工組成要素及過程監(jiān)測(cè)信息Fig.1 Components and process monitoring information of CNC machining

該類數(shù)據(jù)是指失去時(shí)效性的實(shí)時(shí)加工過程數(shù)據(jù)，它們具有數(shù)據(jù)量大、對(duì)數(shù)據(jù)處理的實(shí)時(shí)性要求不高、數(shù)據(jù)項(xiàng)橫向可擴(kuò)展要求較高以及長(zhǎng)時(shí)間存儲(chǔ)等特點(diǎn)。因此，該類數(shù)據(jù)適合使用以磁盤為存儲(chǔ)介質(zhì)的數(shù)據(jù)管理模式。但關(guān)系數(shù)據(jù)庫一般適合數(shù)據(jù)項(xiàng)固定的數(shù)據(jù)類，而非關(guān)系數(shù)據(jù)庫和TDMS 文件則更適合數(shù)據(jù)量大、數(shù)據(jù)項(xiàng)不確定數(shù)據(jù)類的存儲(chǔ)與管理，便于后續(xù)數(shù)據(jù)處理與回溯分析使用。

基于上述分析，面向數(shù)控加工過程智能管控需求的多源異構(gòu)數(shù)據(jù)的特點(diǎn)分析對(duì)比如表1所示。

多源異構(gòu)數(shù)據(jù)的組織與管理

1 多源異構(gòu)數(shù)據(jù)的組織策略

面向數(shù)控加工過程智能管控需求的多源異構(gòu)數(shù)據(jù)，由于其在實(shí)時(shí)性、數(shù)據(jù)量、存取速度、可擴(kuò)展性和數(shù)據(jù)利用時(shí)效性等方面都存在差異，因此需要將多種數(shù)據(jù)存儲(chǔ)與管理方法進(jìn)行融合來滿足對(duì)數(shù)據(jù)管理的多元化需求，圖2給出了多源異構(gòu)數(shù)據(jù)的存儲(chǔ)管理策略。

由圖2可知，數(shù)據(jù)來源主要有兩類：實(shí)時(shí)的加工過程數(shù)據(jù)流和非實(shí)時(shí)的結(jié)構(gòu)化數(shù)據(jù)。系統(tǒng)將實(shí)時(shí)數(shù)據(jù)流中的數(shù)據(jù)首先存放于實(shí)時(shí)內(nèi)存數(shù)據(jù)庫中，利用實(shí)時(shí)內(nèi)存數(shù)據(jù)庫對(duì)數(shù)據(jù)存取和處理速度快的優(yōu)勢(shì)，來完成加工工況實(shí)時(shí)監(jiān)測(cè)、異常識(shí)別與預(yù)警等數(shù)據(jù)處理業(yè)務(wù)。而喪失時(shí)效性的加工過程數(shù)據(jù)，則在經(jīng)過數(shù)據(jù)壓縮處理后，存入處理和訪問效率高的非關(guān)系數(shù)據(jù)庫或TDMS 文件中。利用非關(guān)系數(shù)據(jù)庫和TDMS 文件的靈活性以及其與時(shí)間戳關(guān)聯(lián)的特性，將歷史數(shù)據(jù)有效地管理起來，并與存儲(chǔ)于關(guān)系數(shù)據(jù)庫中的非實(shí)時(shí)結(jié)構(gòu)化情境數(shù)據(jù)相關(guān)聯(lián)，以實(shí)現(xiàn)數(shù)控加工過程數(shù)據(jù)的有效管理，為基于多源數(shù)據(jù)的加工過程融合分析、潛在質(zhì)量問題識(shí)別與追溯、工藝參數(shù)優(yōu)化等提供數(shù)據(jù)支持。圖3給出了實(shí)時(shí)加工過程數(shù)據(jù)與情境數(shù)據(jù)之間的關(guān)聯(lián)模型。

圖2 多源異構(gòu)數(shù)據(jù)的存儲(chǔ)管理策略Fig.2 Multi-source heterogeneous data storage strategy

由于實(shí)時(shí)加工過程數(shù)據(jù)是連續(xù)采集的，因此實(shí)時(shí)加工過程數(shù)據(jù)與情境數(shù)據(jù)的關(guān)聯(lián)需要充分利用數(shù)據(jù)記錄的時(shí)間戳信息。首先，從當(dāng)前工位的情境數(shù)據(jù)中將當(dāng)前加工任務(wù)信息提取出來，將任務(wù)信息中的實(shí)際開始時(shí)間與實(shí)時(shí)加工過程數(shù)據(jù)的時(shí)間戳相比對(duì)，以此來獲取當(dāng)前的加工任務(wù)信息。同時(shí)，將實(shí)時(shí)加工過程數(shù)據(jù)域中得到的當(dāng)前加工程序名稱與加工任務(wù)中的程序名稱相匹配，實(shí)現(xiàn)實(shí)時(shí)加工過程數(shù)據(jù)與情境數(shù)據(jù)的二次確認(rèn)與關(guān)聯(lián)。任務(wù)信息中的實(shí)際結(jié)束時(shí)間與實(shí)時(shí)加工過程數(shù)據(jù)的時(shí)間戳比對(duì)實(shí)現(xiàn)了加工過程歷史數(shù)據(jù)的截取和分組。

表1 多源異構(gòu)數(shù)據(jù)特點(diǎn)分析對(duì)比Table1 Analysis and comparison of multi-source heterogeneous data characteristics

圖3 實(shí)時(shí)加工過程數(shù)據(jù)與情境數(shù)據(jù)間的關(guān)聯(lián)模型Fig.3 Association model between real-time processing data and situational data

2 非實(shí)時(shí)結(jié)構(gòu)化數(shù)據(jù)管理

非實(shí)時(shí)結(jié)構(gòu)化數(shù)據(jù)包括情境數(shù)據(jù)和過程結(jié)果數(shù)據(jù)，該類數(shù)據(jù)具有非實(shí)時(shí)、結(jié)構(gòu)化等特點(diǎn)，適合采用關(guān)系數(shù)據(jù)庫進(jìn)行存儲(chǔ)管理。情境數(shù)據(jù)是實(shí)現(xiàn)面向數(shù)控加工過程智能管控的關(guān)鍵基礎(chǔ)信息，由與數(shù)控加工任務(wù)相關(guān)聯(lián)的產(chǎn)品、工藝、物料、設(shè)備、車間、工位以及人員等數(shù)據(jù)對(duì)象組合而成的。圖4給出了面向典型數(shù)控加工過程的情境對(duì)象的實(shí)體關(guān)系模型，將此實(shí)體關(guān)系模型映射到關(guān)系數(shù)據(jù)庫中，就可以實(shí)現(xiàn)對(duì)情境數(shù)據(jù)的管理。

3 實(shí)時(shí)加工過程數(shù)據(jù)管理

針對(duì)實(shí)時(shí)加工過程數(shù)據(jù)對(duì)數(shù)據(jù)處理實(shí)時(shí)性要求高的特點(diǎn)，本文提出一種將采集到的數(shù)據(jù)按項(xiàng)分類存儲(chǔ)于內(nèi)存隊(duì)列組的方式來實(shí)現(xiàn)對(duì)實(shí)時(shí)數(shù)據(jù)的管理。圖5給出了內(nèi)存隊(duì)列與各監(jiān)測(cè)變量之間的映射關(guān)系，這種方式既利用了內(nèi)存中數(shù)據(jù)存取速度快、計(jì)算效率高的優(yōu)點(diǎn)，又可以實(shí)現(xiàn)數(shù)據(jù)的可擴(kuò)展。

為了實(shí)現(xiàn)對(duì)數(shù)控加工過程的智能管控，實(shí)時(shí)加工過程數(shù)據(jù)不僅被用來直接計(jì)算輸出，還需要對(duì)一段時(shí)間內(nèi)的多個(gè)被監(jiān)測(cè)數(shù)據(jù)項(xiàng)進(jìn)行實(shí)時(shí)計(jì)算，以實(shí)現(xiàn)加工過程的異常識(shí)別和預(yù)警。本文通過定義數(shù)據(jù)計(jì)算對(duì)象來實(shí)現(xiàn)對(duì)內(nèi)存數(shù)據(jù)的應(yīng)用管理，如圖6所示。

圖4 面向典型數(shù)控加工過程情境對(duì)象實(shí)體關(guān)系模型Fig.4 Entity-relationship model for situational object of typical CNC machining process

圖5 內(nèi)存隊(duì)列與監(jiān)測(cè)變量間的映射關(guān)系Fig.5 Mapping relationship between memory queue and each monitoring variable

圖6 實(shí)時(shí)加工過程數(shù)據(jù)管理模型Fig.6 Real-time process data management model

將每個(gè)參與實(shí)時(shí)計(jì)算的單個(gè)監(jiān)測(cè)變量定義為一個(gè)數(shù)據(jù)計(jì)算對(duì)象，該對(duì)象需要記錄的數(shù)據(jù)包括：數(shù)據(jù)項(xiàng)唯一標(biāo)識(shí)、計(jì)算數(shù)據(jù)隊(duì)列和數(shù)據(jù)長(zhǎng)度?？紤]到實(shí)時(shí)數(shù)據(jù)分析所需的數(shù)據(jù)項(xiàng)個(gè)數(shù)可能隨算法迭代而有所變化，本文采用雙向鏈表來實(shí)現(xiàn)對(duì)數(shù)據(jù)計(jì)算對(duì)象的存儲(chǔ)管理。每當(dāng)需要增加新的計(jì)算對(duì)象時(shí)，系統(tǒng)自動(dòng)將新增的數(shù)據(jù)對(duì)象添加到鏈表末尾，實(shí)現(xiàn)數(shù)據(jù)計(jì)算對(duì)象的擴(kuò)展。

4 加工過程歷史數(shù)據(jù)管理

實(shí)時(shí)加工過程數(shù)據(jù)失去時(shí)效性后就成為了歷史數(shù)據(jù)。由于計(jì)算機(jī)內(nèi)存空間有限，不適合數(shù)據(jù)持久化存儲(chǔ)，因此需要將歷史數(shù)據(jù)存儲(chǔ)在計(jì)算機(jī)磁盤上。為了實(shí)現(xiàn)更高的數(shù)據(jù)存取效率和數(shù)據(jù)的有序組織管理，不同類型的歷史數(shù)據(jù)可以采用不同的存儲(chǔ)管理方案。在此給出基于非關(guān)系數(shù)據(jù)庫MongoDB 和TDMS 文件兩種加工過程歷史數(shù)據(jù)管理方案。

（1）基于MongoDB 的加工過程歷史數(shù)據(jù)管理。

MongoDB 是一種面向集合且模式自由的非關(guān)系數(shù)據(jù)庫，支持的數(shù)據(jù)類型豐富。一個(gè)MongoDB 數(shù)據(jù)庫包含多個(gè)集合，而一個(gè)集合可以存儲(chǔ)多個(gè)文檔，一個(gè)文檔類似于關(guān)系數(shù)據(jù)庫中二維表中的一條記錄。文檔是MongoDB 數(shù)據(jù)庫中的基本單元，由鍵–值對(duì)組成。

為了滿足對(duì)加工過程歷史數(shù)據(jù)重用的需求，圖7給出了基于MongoDB 的數(shù)據(jù)管理模型。

在利用MongoDB 進(jìn)行加工過程歷史數(shù)據(jù)管理時(shí)，首先在MongoDB中按照工位創(chuàng)建對(duì)應(yīng)的集合，集合中的文檔被定義為機(jī)床加工過程數(shù)據(jù)存儲(chǔ)對(duì)象，由加工任務(wù)唯一標(biāo)識(shí)、系統(tǒng)時(shí)間戳和機(jī)床加工過程數(shù)據(jù)列表構(gòu)成。從圖7中可以看出，機(jī)床加工過程數(shù)據(jù)列表中包含了多個(gè)數(shù)據(jù)存儲(chǔ)項(xiàng)，每一個(gè)數(shù)據(jù)存儲(chǔ)項(xiàng)代表一個(gè)被監(jiān)測(cè)變量，如機(jī)床工作狀態(tài)、進(jìn)給速度、主軸轉(zhuǎn)速等機(jī)床加工過程數(shù)據(jù)項(xiàng)。數(shù)據(jù)存儲(chǔ)項(xiàng)中包括：數(shù)據(jù)項(xiàng)唯一標(biāo)識(shí)、數(shù)據(jù)項(xiàng)當(dāng)前值、系統(tǒng)時(shí)間戳以及數(shù)據(jù)刷新周期4個(gè)鍵–值對(duì)。同時(shí)，為了提高數(shù)據(jù)檢索效率，可以以加工任務(wù)唯一標(biāo)識(shí)來建立索引。

（2）基于TDMS 文件的加工過程歷史數(shù)據(jù)管理。

用于進(jìn)行數(shù)控加工工況監(jiān)測(cè)的外置傳感器的數(shù)據(jù)采樣頻率一般高達(dá)10kHz 以上，常規(guī)的文本和關(guān)系數(shù)據(jù)庫無法滿足這種高速數(shù)字信號(hào)的實(shí)時(shí)存儲(chǔ)需求。TDMS 文件格式是一種適用于高速測(cè)試測(cè)量采集數(shù)據(jù)管理的文件格式。它具有方便交換、具有內(nèi)在結(jié)構(gòu)、支持高速流盤和可擴(kuò)展等多種優(yōu)勢(shì)，能夠在NI 的各種數(shù)據(jù)分析或挖掘軟件之間進(jìn)行無縫交互，也能夠提供一系列API 函數(shù)供其他應(yīng)用程序調(diào)用。

TDMS 文件的邏輯結(jié)構(gòu)分為3 層：文件（File）、通道組（Channel Groups）和通道（Channels）。文件層級(jí)可以包含任意數(shù)量的通道組，每個(gè)通道組又可以包含任意數(shù)量的通道。同時(shí)每個(gè)層級(jí)都允許自定義任意數(shù)量的標(biāo)量屬性，通過自定義屬性，可以形成結(jié)構(gòu)清楚、易于搜索的數(shù)據(jù)文件。因此，TDMS 文件模型的最大優(yōu)點(diǎn)在于，通過文件結(jié)構(gòu)的可擴(kuò)展性將描述性信息包含在文件中，而并不需要其他工作。當(dāng)需要增加傳感器數(shù)據(jù)的描述信息時(shí)，無需重新設(shè)計(jì)程序，只需擴(kuò)展該模型即可滿足需求。此外，在使用過程中，TDMS 文件會(huì)自動(dòng)生成一個(gè)補(bǔ)充性的*.tdms_index 文件，該文件可以匯總數(shù)據(jù)文件中所有屬性和指針，能極大地提高讀取大數(shù)據(jù)組中數(shù)據(jù)的速度。

在利用TDMS 文件進(jìn)行加工過程歷史數(shù)據(jù)管理時(shí)，可以通過在通道層次上附加關(guān)系數(shù)據(jù)庫中的數(shù)據(jù)采集項(xiàng)唯一標(biāo)識(shí)–加工任務(wù)編號(hào)，實(shí)現(xiàn)TDMS 格式的加工過程歷史數(shù)據(jù)與存儲(chǔ)于關(guān)系數(shù)據(jù)庫中的情境數(shù)據(jù)之間的關(guān)聯(lián)?？紤]到外置傳感器數(shù)據(jù)與機(jī)床內(nèi)部過程數(shù)據(jù)時(shí)序同步的問題，需要在通道層次存儲(chǔ)采樣點(diǎn)幅值數(shù)據(jù)，同時(shí)創(chuàng)建時(shí)間戳通道組，存儲(chǔ)采樣點(diǎn)對(duì)應(yīng)的時(shí)間戳數(shù)據(jù)。借助TDMS 文件模型，同時(shí)考慮到歷史數(shù)據(jù)的關(guān)聯(lián)需求，給出如圖8所示的基于TDMS 文件的加工過程歷史數(shù)據(jù)管理模型。

應(yīng)用案例

本課題組在國(guó)防基礎(chǔ)科研項(xiàng)目的支持下，對(duì)基于智能感知的數(shù)控生產(chǎn)線數(shù)據(jù)采集與管理技術(shù)展開研究。設(shè)計(jì)開發(fā)了基于智能感知的數(shù)控生產(chǎn)線數(shù)據(jù)采集與管理系統(tǒng)，并在薄壁回轉(zhuǎn)體零件的加工過程中進(jìn)行了智能管控應(yīng)用。

1 應(yīng)用場(chǎng)景及目標(biāo)

薄壁回轉(zhuǎn)體零件加工過程智能管控的應(yīng)用場(chǎng)景組成如下：

（1）一臺(tái)德國(guó)德瑪吉DMG 80P數(shù)控機(jī)床，數(shù)控系統(tǒng)為西門子840D sl，支持OPC DA 標(biāo)準(zhǔn)通信協(xié)議，機(jī)床內(nèi)部狀態(tài)及內(nèi)置傳感器數(shù)據(jù)的更新頻率為10Hz。

（2）一套外置切削噪聲信號(hào)采集系統(tǒng)，聲壓傳感器采用丹麥GRAS公司的46AE 型聲壓傳感器，數(shù)據(jù)采集卡采用美國(guó)國(guó)家儀器公司的NI 9234 數(shù)據(jù)采集卡，采樣頻率為51.2kHz。

（3）一套外置主軸振動(dòng)信號(hào)采集系統(tǒng)，加速度傳感器采用美國(guó)PCB公司的356A32 型三軸加速度傳感器，數(shù)據(jù)采集卡與切削噪聲信號(hào)采集系統(tǒng)共用，采樣頻率為51.2kHz。

圖7 基于MongoDB的加工過程歷史數(shù)據(jù)管理模型Fig.7 MongoDB-based historical data management model for processing

圖8 基于TDMS的加工過程歷史數(shù)據(jù)管理模型Fig.8 Management model of historical data of machining based on TDMS file

（4）一臺(tái)筆記本計(jì)算機(jī)，安裝基于智能感知的數(shù)控生產(chǎn)線數(shù)據(jù)采集與管理系統(tǒng)，計(jì)算機(jī)硬件配置為：酷睿i5處理器、16G內(nèi)存、1T硬盤、千兆網(wǎng)卡和一個(gè)八端口Hub。

應(yīng)用目標(biāo)是實(shí)現(xiàn)對(duì)薄壁回轉(zhuǎn)體零件加工過程工況參數(shù)和機(jī)床工作狀態(tài)等信息的實(shí)時(shí)采集與監(jiān)測(cè)，對(duì)薄壁回轉(zhuǎn)體零件在加工過程中出現(xiàn)的負(fù)載周期性變化、顫振、刀具過度磨損和刀具斷裂等典型加工異常進(jìn)行實(shí)時(shí)識(shí)別與報(bào)警，并能實(shí)現(xiàn)對(duì)加工過程中任意時(shí)間段工況參數(shù)波動(dòng)情況的回溯，以及對(duì)數(shù)控加工過程平穩(wěn)性的評(píng)價(jià)等。

2 加工過程多源異構(gòu)數(shù)據(jù)管理方案應(yīng)用

圖9為加工過程多源異構(gòu)數(shù)據(jù)管理方案。在進(jìn)行加工狀態(tài)實(shí)時(shí)監(jiān)測(cè)前，通過創(chuàng)建加工任務(wù)，將人員、工位、設(shè)備、生產(chǎn)批次、物料和工件等情境對(duì)象信息統(tǒng)一關(guān)聯(lián)起來。在進(jìn)行加工狀態(tài)監(jiān)測(cè)時(shí)，將實(shí)時(shí)采集到的外置傳感器數(shù)據(jù)和機(jī)床內(nèi)部工況數(shù)據(jù)讀入到實(shí)時(shí)內(nèi)存數(shù)據(jù)庫中進(jìn)行時(shí)域、頻域、時(shí)頻域分析和異常識(shí)別等運(yùn)算處理。同時(shí)，將實(shí)時(shí)工況數(shù)據(jù)進(jìn)行壓縮處理，然后分別存儲(chǔ)在MongoDB非關(guān)系數(shù)據(jù)庫和TDMS 文件中用于后續(xù)的非實(shí)時(shí)分析與評(píng)價(jià)。其中，情境數(shù)據(jù)等非實(shí)時(shí)結(jié)構(gòu)化數(shù)據(jù)存儲(chǔ)在MySQL 關(guān)系數(shù)據(jù)庫中，通過OPC DA采集的機(jī)床內(nèi)部狀態(tài)和工況歷史數(shù)據(jù)存儲(chǔ)在MongoDB 非關(guān)系數(shù)據(jù)庫中，通過外置傳感器采集的主軸振動(dòng)、切削噪聲歷史數(shù)據(jù)存儲(chǔ)在TDMS文件中，加工任務(wù)與TDMS 文件存儲(chǔ)目錄相關(guān)信息存放在MySQL 關(guān)系數(shù)據(jù)庫中。

圖9 加工過程多源異構(gòu)數(shù)據(jù)管理方案應(yīng)用Fig.9 Application of multi-source heterogeneous data management scheme

3 應(yīng)用結(jié)果與評(píng)價(jià)

基于上一節(jié)給出的加工過程多源異構(gòu)數(shù)據(jù)管理方案，開發(fā)了“基于智能感知的數(shù)控生產(chǎn)線數(shù)據(jù)采集與管理系統(tǒng)”。系統(tǒng)實(shí)現(xiàn)了對(duì)數(shù)控加工過程中主軸轉(zhuǎn)速、進(jìn)給速度、主軸負(fù)載、主軸倍率、進(jìn)給軸倍率、零件幾何尺寸、環(huán)境溫度、主軸振動(dòng)、切削加工噪聲、切削力、坐標(biāo)值、程序段信息以及機(jī)床操作模式13 種加工過程數(shù)據(jù)的實(shí)時(shí)采集?；诖罅康那邢髟囼?yàn)數(shù)據(jù)，采用信號(hào)處理和機(jī)器學(xué)習(xí)算法得到了典型薄壁回轉(zhuǎn)體零件加工異常的數(shù)據(jù)特征，實(shí)現(xiàn)了對(duì)薄壁回轉(zhuǎn)體零件加工過程中出現(xiàn)的刀具磨損、刀具斷裂、負(fù)載周期性變化和加工顫振4 種典型異常的實(shí)時(shí)識(shí)別與報(bào)警。通過對(duì)實(shí)時(shí)加工過程數(shù)據(jù)與情境數(shù)據(jù)的關(guān)聯(lián)融合與管理，實(shí)現(xiàn)了基于加工工況歷史數(shù)據(jù)的質(zhì)量問題追溯，以及面向數(shù)控加工程序段的加工過程平穩(wěn)性分析。

圖10中給出了系統(tǒng)對(duì)刀具磨損、刀具斷裂、負(fù)載周期性變化和加工顫振4 種薄壁回轉(zhuǎn)體零件加工過程典型異常識(shí)別結(jié)果。圖10（a）～ （d）中，左側(cè)是切削過程中實(shí)時(shí)工況波動(dòng)情況監(jiān)測(cè)區(qū)，加載的監(jiān)測(cè)信號(hào)為主軸在X、Y、Z3 個(gè)坐標(biāo)軸方向的振動(dòng)信號(hào)和聲壓信號(hào)；右側(cè)是加工異常監(jiān)測(cè)結(jié)果顯示區(qū)，監(jiān)測(cè)結(jié)果指示燈從上到下為對(duì)刀具磨損、刀具斷裂、負(fù)載周期性變化和加工顫振4 種異常的監(jiān)測(cè)結(jié)果（其中，紅色為異常，綠色為正常）。通過對(duì)加工過程的實(shí)時(shí)監(jiān)測(cè)，操作人員可以實(shí)時(shí)掌握加工過程的狀態(tài)，并可根據(jù)識(shí)別結(jié)果采取有針對(duì)性的措施。

圖11為基于歷史工況數(shù)據(jù)回溯的質(zhì)量問題分析應(yīng)用界面。由于系統(tǒng)實(shí)現(xiàn)了情境數(shù)據(jù)、實(shí)時(shí)加工過程數(shù)據(jù)與加工過程歷史數(shù)據(jù)的整合與管理，用戶可以在歷史工況數(shù)據(jù)回溯應(yīng)用中，選擇任意工位、任意產(chǎn)品、任意加工時(shí)段的工況數(shù)據(jù)進(jìn)行加工過程的回溯分析。系統(tǒng)提供了多個(gè)工況信號(hào)的同時(shí)加載回溯功能，便于質(zhì)量問題原因的快速查找。

圖12是利用加工過程歷史數(shù)據(jù)進(jìn)行加工過程平穩(wěn)性分析的應(yīng)用界面。系統(tǒng)支持按操作人員、產(chǎn)品名稱、工序名稱和程序名稱為線索的組合查詢，實(shí)現(xiàn)加工數(shù)據(jù)的快速檢索。圖12的上半部分為加工數(shù)據(jù)的查詢結(jié)果，下半部分為以程序段為單位的基于平穩(wěn)熵的加工過程平穩(wěn)性分析結(jié)果，且平穩(wěn)熵值越大表明該程序段的加工過程平穩(wěn)性越差，這是工藝改進(jìn)的重點(diǎn)。

圖10 加工工況實(shí)時(shí)監(jiān)測(cè)與異常識(shí)別應(yīng)用Fig.10 Application of real-time monitoring of machining conditions and abnormality identification

圖11 基于歷史工況數(shù)據(jù)回溯的質(zhì)量問題分析應(yīng)用Fig.11 Analysis of quality problems based on historical data backtracking

應(yīng)用表明，基于內(nèi)存數(shù)據(jù)庫的實(shí)時(shí)加工過程數(shù)據(jù)管理，可以滿足對(duì)實(shí)時(shí)高頻信號(hào)快速存取、處理與實(shí)時(shí)監(jiān)測(cè)的需求。基于MongoDB 非關(guān)系數(shù)據(jù)庫和TDMS 的加工過程歷史數(shù)據(jù)管理，可以解決加工過程中采集數(shù)據(jù)項(xiàng)可擴(kuò)展和海量數(shù)據(jù)的存儲(chǔ)與管理問題。情境數(shù)據(jù)與加工過程數(shù)據(jù)的融合，為實(shí)現(xiàn)人、機(jī)、料、法、環(huán)、測(cè)多維度分析質(zhì)量問題、尋找工藝改進(jìn)點(diǎn)提供了途徑?；诒菊n題的研究成果，改進(jìn)了某型號(hào)薄壁回轉(zhuǎn)體零件的裝夾方式和部分工藝參數(shù)，產(chǎn)品的一次交檢合格率由原來的不足80%提高到接近100%。

圖12 基于加工過程歷史數(shù)據(jù)的加工過程平穩(wěn)性分析應(yīng)用Fig.12 Application of process stability analysis based on historical data

結(jié)論

數(shù)控機(jī)床作為智能執(zhí)行裝備在智能制造系統(tǒng)中起著舉足輕重的作用，如何將數(shù)控加工過程中產(chǎn)生的大量實(shí)時(shí)工況信息變?yōu)閷?duì)加工過程進(jìn)行智能管控、制造過程優(yōu)化和持續(xù)提升產(chǎn)品質(zhì)量的驅(qū)動(dòng)力就成為智能工廠建設(shè)中需要解決的關(guān)鍵問題之一。本文以面向數(shù)控加工過程智能管控的多源異構(gòu)數(shù)據(jù)的組織與管理為研究對(duì)象，在分析梳理了數(shù)控加工過程中多源異構(gòu)數(shù)據(jù)的組成和特點(diǎn)的基礎(chǔ)上，針對(duì)加工過程實(shí)時(shí)監(jiān)測(cè)、加工過程歷史數(shù)據(jù)重用等需求，提出了一種包含內(nèi)存數(shù)據(jù)庫、關(guān)系數(shù)據(jù)庫、非關(guān)系數(shù)據(jù)庫和TDMS 數(shù)據(jù)流文件在內(nèi)的多種數(shù)據(jù)管理模式相融合的數(shù)控加工過程數(shù)據(jù)管理方法，為解決數(shù)控加工過程中多源、多態(tài)、異構(gòu)、海量實(shí)時(shí)加工過程數(shù)據(jù)的組織管理與應(yīng)用提供了一種解決方案。最后，以典型薄壁回轉(zhuǎn)體零件加工過程智能監(jiān)控應(yīng)用為例，驗(yàn)證了所提方案的可行性與有效性。