（1.北京航空航天大學機械工程及自動化學院，北京 100191；2.北京航天新風機械設備有限公司，北京 100049）

隨著中國制造2025 國家戰(zhàn)略的不斷推進，智能制造及其相關理論與技術方法已深入人心。智能制造的內(nèi)涵可以用“動態(tài)感知、實時分析、自主決策、精準執(zhí)行和改進提高”的20 字方針來高度概括，這其中動態(tài)感知是基礎，而感知得到的多源異構數(shù)據(jù)則是進行制造過程分析、決策、執(zhí)行和改進提高的驅動力。數(shù)控機床作為一種先進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)控機床是制造過程的末端執(zhí)行裝置，人、機、料、法、環(huán)、測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)就成為評價加工過程、生產(chǎn)計劃、工藝規(guī)程、產(chǎn)品質量、設備可靠性以及數(shù)控程序質量高低的重要依據(jù)。數(shù)控加工過程產(chǎn)生的數(shù)據(jù)呈現(xiàn)出實時、多源、異構等特點。比如，與加工任務相關的產(chǎn)品、工藝、設備、原材料、工位、操作人員等制造情境數(shù)據(jù)是典型的非實時數(shù)據(jù)；來自數(shù)控系統(tǒng)內(nèi)部的程序段執(zhí)行信息、機床加工狀態(tài)信息、坐標值、進給速度、主軸轉速、主軸負載等,雖然是實時數(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、切削噪聲等信號的采樣頻率則一般高于10kHz，這樣就給數(shù)據(jù)的組織、訪問控制與存儲管理帶來挑戰(zhàn)。

針對數(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)界和學術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)的存儲與管理方式也不盡相同，主要包括實時內(nèi)存數(shù)據(jù)庫、關系數(shù)據(jù)庫、技術數(shù)據(jù)管理流以及非關系數(shù)據(jù)庫等。

實時內(nèi)存數(shù)據(jù)庫主要是針對高頻、實時數(shù)據(jù)的短時間存取和過程實時監(jiān)測的需要而設計的。王宏偉等[5]針對工業(yè)現(xiàn)場實時監(jiān)測的需要，給出了一種基于內(nèi)存數(shù)據(jù)庫構建實時監(jiān)測系統(tǒng)的方法。

關系數(shù)據(jù)庫適用于對數(shù)據(jù)項固定、數(shù)據(jù)類型比較單一的非實時數(shù)據(jù)，或者采樣頻率不高的實時數(shù)據(jù)的存儲與管理。劉福民[6]和肖士利[7]等給出了利用Oracle 關系數(shù)據(jù)庫進行機床狀態(tài)數(shù)據(jù)的采集與管理的方法，并用于實現(xiàn)對數(shù)據(jù)的非實時處理和統(tǒng)計分析等。

技術數(shù)據(jù)管理流（Technical Data Management Streaming，TDMS）是一種美國國家儀器（National Instruments，NI）公司推出的能實現(xiàn)多通道實時高頻數(shù)據(jù)存儲管理的數(shù)據(jù)存儲文件格式。Klocke 等[8]設計了一套基于TDMS 的拋光過程監(jiān)控系統(tǒng)，實現(xiàn)了對實時數(shù)據(jù)流的存取和訪問控制；李強[9]利用TDMS 作為數(shù)據(jù)存儲方式，構建了機械設備早期故障預警系統(tǒng)。張丹等[10]針對軸承故障數(shù)據(jù)采集與分析系統(tǒng)中，實時高頻故障信號的采集與存儲管理、歷史故障信息的查詢和分析的需要，采用TDMS 文件存儲實時采集的原始波形數(shù)據(jù)，采用關系數(shù)據(jù)庫存儲經(jīng)過處理的故障指標數(shù)據(jù)供后期查看，較好地解決了實時與非實時數(shù)據(jù)的訪問與存儲管理問題。上述研究可以看出，TDMS 在利用NI 技術體系下的傳感網(wǎng)絡構建實時數(shù)據(jù)存儲管理系統(tǒng)時，具有很好的技術優(yōu)勢。

非關系數(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)存儲和管理的需求而設計的。它采用“鍵–值（Key–Value）對”形式進行數(shù)據(jù)存儲，具有擴展靈活、高并發(fā)、讀寫能力強等特點。Angrish 等[11]利用MongoDB 非關系數(shù)據(jù)庫構建了一種信息物理系統(tǒng)的存儲架構，探索了新型數(shù)據(jù)存儲模式的有效性。馮磊等[12]針對航空磁力測量數(shù)據(jù)管理中，測量數(shù)據(jù)量日益增大、對數(shù)據(jù)檢索與存取效率要求日益提高、對未知格式新增數(shù)據(jù)支持能力增強等需求，提出了基于非關系型數(shù)據(jù)庫MongoDB 的數(shù)據(jù)存儲與管理方案，來取代原有的基于Oracle 關系數(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)和大容量存儲管理的需求，設計了基于MongoDB 非關系數(shù)據(jù)庫的傳感器數(shù)據(jù)分布式存儲管理系統(tǒng)，滿足了傳感器數(shù)據(jù)高并發(fā)、跨平臺和快速查詢的需求。

分析發(fā)現(xiàn)，目前對機床加工過程數(shù)據(jù)采集與管理方法的研究主要集中在兩個方面。一是面向車間生產(chǎn)管理的需求，僅采集數(shù)控機床的工作狀態(tài)信息，用于對機床工作狀態(tài)和加工效率進行統(tǒng)計分析。這類研究，沒有考慮加工過程中實時工況監(jiān)測帶來的對實時海量數(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)改進的需求，對某些工況信息（主軸振動、切削噪聲等）進行實時采集與監(jiān)測分析。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時監(jiān)測與異常報警、質量問題的快速分析與追溯、工藝質量分析與評價、生產(chǎn)過程管理等業(yè)務對數(shù)據(jù)采集和數(shù)據(jù)組織與管理的需求，對數(shù)控加工過程中多源異構數(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時、多源異構數(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；構建針對非實時結構化數(shù)據(jù)、實時加工過程數(shù)據(jù)和加工過程歷史數(shù)據(jù)的管理模型。在此基礎上，設計開發(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)，并通過在薄壁回轉體零件數(shù)控加工過程智能管控的應用，驗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)品檢測數(shù)據(jù)，進給速度、主軸轉速等工藝數(shù)據(jù)，主軸振動、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，主要集中在對被加工零件幾何尺寸和形位公差檢測數(shù)據(jù)、機床的啟停和運行時間等數(shù)據(jù)的采集方面。機床運行過程中，主軸和進給軸的速度、電流、負載、振動、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)驗進行判斷和處理。而要實現(xiàn)對數(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)進行質量評價外，還需要對加工過程進行監(jiān)測和異常預警、對質量問題進行快速分析與追溯、對加工工藝進行分析與評價、對整個制造過程進行全局優(yōu)化等，這就需要對數(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）實時加工過程數(shù)據(jù)。

該類數(shù)據(jù)是指由數(shù)控機床內(nèi)部、數(shù)控機床內(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時數(shù)據(jù)。這些數(shù)據(jù)包括：各坐標軸的實時坐標值、主軸轉速、進給速度、主軸和進給軸負載、程序運行時間、主軸和進給軸倍率、機床工作狀態(tài)、切削力、主軸振動、切削噪聲、環(huán)境溫度等。其中，來自數(shù)控機床內(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 服務器的機床內(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、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，對該類數(shù)據(jù)的管理需要支持數(shù)據(jù)項的橫向可擴展。實時采集的加工過程數(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，如果不為這些實時數(shù)據(jù)附加必要的情境標簽信息，它們只是在加工過程實時監(jiān)測時有價值，在監(jiān)測結束后這些數(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)控加工任務中所包含的人、機、料、法、環(huán)、測等基礎數(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)控加工過程實時工況數(shù)據(jù)的宿主信息，是進行工藝改進、質量問題追溯以及相關關系挖掘的分類標簽信息。

（3）過程結果數(shù)據(jù)。

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

2 數(shù)據(jù)特點及管理需求分析

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、可擴展性和使用時效性等特點密不可分?；诖耍瑢⒌? 節(jié)采集的各類數(shù)據(jù)分為實時加工過程數(shù)據(jù)、非實時結構化數(shù)據(jù)和加工過程歷史數(shù)據(jù)3 大類，其數(shù)據(jù)特點和管理需求分析如下：

（1）實時加工過程數(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行實時監(jiān)測與處理的數(shù)據(jù)，它們具有數(shù)據(jù)更新頻率高、需要在短時間內(nèi)進行存取和計算處理等特點。以磁盤為存儲介質的數(shù)據(jù)文件和關系型數(shù)據(jù)庫難以滿足對數(shù)據(jù)高速存取和數(shù)據(jù)項橫向可擴展的需求；相比較而言，實時內(nèi)存數(shù)據(jù)庫是管理該類數(shù)據(jù)的不錯選擇。

（2）非實時結構化數(shù)據(jù)。

該類數(shù)據(jù)包括數(shù)控加工情境數(shù)據(jù)和過程結果數(shù)據(jù)，它們具有結構化程度高、數(shù)據(jù)量小、更新頻率低、短時間內(nèi)處理速度要求不高等特點。情境數(shù)據(jù)是實時加工過程數(shù)據(jù)的宿主，需要具有良好的查詢和統(tǒng)計能力，因此該類數(shù)據(jù)適合使用以磁盤為存儲介質的關系型數(shù)據(jù)庫進行存儲管理。

（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)測信息Fig.1 Components and process monitoring information of CNC machining

該類數(shù)據(jù)是指失去時效性的實時加工過程數(shù)據(jù)，它們具有數(shù)據(jù)量大、對數(shù)據(jù)處理的實時性要求不高、數(shù)據(jù)項橫向可擴展要求較高以及長時間存儲等特點。因此，該類數(shù)據(jù)適合使用以磁盤為存儲介質的數(shù)據(jù)管理模式。但關系數(shù)據(jù)庫一般適合數(shù)據(jù)項固定的數(shù)據(jù)類，而非關系數(shù)據(jù)庫和TDMS 文件則更適合數(shù)據(jù)量大、數(shù)據(jù)項不確定數(shù)據(jù)類的存儲與管理，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數(shù)據(jù)的特點分析對比如表1所示。

多源異構數(shù)據(jù)的組織與管理

1 多源異構數(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數(shù)據(jù)，由于其在實時性、數(shù)據(jù)量、存取速度、可擴展性和數(shù)據(jù)利用時效性等方面都存在差異，因此需要將多種數(shù)據(jù)存儲與管理方法進行融合來滿足對數(shù)據(jù)管理的多元化需求，圖2給出了多源異構數(shù)據(jù)的存儲管理策略。

由圖2可知，數(shù)據(jù)來源主要有兩類：實時的加工過程數(shù)據(jù)流和非實時的結構化數(shù)據(jù)。系統(tǒng)將實時數(shù)據(jù)流中的數(shù)據(jù)首先存放于實時內(nèi)存數(shù)據(jù)庫中，利用實時內(nèi)存數(shù)據(jù)庫對數(shù)據(jù)存取和處理速度快的優(yōu)勢，來完成加工工況實時監(jiān)測、異常識別與預警等數(shù)據(jù)處理業(yè)務。而喪失時效性的加工過程數(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系數(shù)據(jù)庫或TDMS 文件中。利用非關系數(shù)據(jù)庫和TDMS 文件的靈活性以及其與時間戳關聯(lián)的特性，將歷史數(shù)據(jù)有效地管理起來，并與存儲于關系數(shù)據(jù)庫中的非實時結構化情境數(shù)據(jù)相關聯(lián)，以實現(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、潛在質量問題識別與追溯、工藝參數(shù)優(yōu)化等提供數(shù)據(jù)支持。圖3給出了實時加工過程數(shù)據(jù)與情境數(shù)據(jù)之間的關聯(lián)模型。

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

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

表1 多源異構數(shù)據(jù)特點分析對比Table1 Analysis and comparison of multi-source heterogeneous data characteristics

圖3 實時加工過程數(shù)據(jù)與情境數(shù)據(jù)間的關聯(lián)模型Fig.3 Association model between real-time processing data and situational data

2 非實時結構化數(shù)據(jù)管理

非實時結構化數(shù)據(jù)包括情境數(shù)據(jù)和過程結果數(shù)據(jù)，該類數(shù)據(jù)具有非實時、結構化等特點，適合采用關系數(shù)據(jù)庫進行存儲管理。情境數(shù)據(jù)是實現(xiàn)面向數(shù)控加工過程智能管控的關鍵基礎信息，由與數(shù)控加工任務相關聯(lián)的產(chǎn)品、工藝、物料、設備、車間、工位以及人員等數(shù)據(jù)對象組合而成的。圖4給出了面向典型數(shù)控加工過程的情境對象的實體關系模型，將此實體關系模型映射到關系數(shù)據(jù)庫中，就可以實現(xiàn)對情境數(shù)據(jù)的管理。

3 實時加工過程數(shù)據(jù)管理

針對實時加工過程數(shù)據(jù)對數(shù)據(jù)處理實時性要求高的特點，本文提出一種將采集到的數(shù)據(jù)按項分類存儲于內(nèi)存隊列組的方式來實現(xiàn)對實時數(shù)據(jù)的管理。圖5給出了內(nèi)存隊列與各監(jiān)測變量之間的映射關系，這種方式既利用了內(nèi)存中數(shù)據(jù)存取速度快、計算效率高的優(yōu)點，又可以實現(xiàn)數(shù)據(jù)的可擴展。

為了實現(xiàn)對數(shù)控加工過程的智能管控，實時加工過程數(shù)據(jù)不僅被用來直接計算輸出，還需要對一段時間內(nèi)的多個被監(jiān)測數(shù)據(jù)項進行實時計算，以實現(xiàn)加工過程的異常識別和預警。本文通過定義數(shù)據(jù)計算對象來實現(xiàn)對內(nèi)存數(shù)據(jù)的應用管理，如圖6所示。

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

圖5 內(nèi)存隊列與監(jiān)測變量間的映射關系Fig.5 Mapping relationship between memory queue and each monitoring variable

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

將每個參與實時計算的單個監(jiān)測變量定義為一個數(shù)據(jù)計算對象，該對象需要記錄的數(shù)據(jù)包括：數(shù)據(jù)項唯一標識、計算數(shù)據(jù)隊列和數(shù)據(jù)長度?？紤]到實時數(shù)據(jù)分析所需的數(shù)據(jù)項個數(shù)可能隨算法迭代而有所變化，本文采用雙向鏈表來實現(xiàn)對數(shù)據(jù)計算對象的存儲管理。每當需要增加新的計算對象時，系統(tǒng)自動將新增的數(shù)據(jù)對象添加到鏈表末尾，實現(xiàn)數(shù)據(jù)計算對象的擴展。

4 加工過程歷史數(shù)據(jù)管理

實時加工過程數(shù)據(jù)失去時效性后就成為了歷史數(shù)據(jù)。由于計算機內(nèi)存空間有限，不適合數(shù)據(jù)持久化存儲，因此需要將歷史數(shù)據(jù)存儲在計算機磁盤上。為了實現(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管理方案。在此給出基于非關系數(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系數(shù)據(jù)庫，支持的數(shù)據(jù)類型豐富。一個MongoDB 數(shù)據(jù)庫包含多個集合，而一個集合可以存儲多個文檔，一個文檔類似于關系數(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–值對組成。

為了滿足對加工過程歷史數(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 進行加工過程歷史數(shù)據(jù)管理時，首先在MongoDB中按照工位創(chuàng)建對應的集合，集合中的文檔被定義為機床加工過程數(shù)據(jù)存儲對象，由加工任務唯一標識、系統(tǒng)時間戳和機床加工過程數(shù)據(jù)列表構成。從圖7中可以看出，機床加工過程數(shù)據(jù)列表中包含了多個數(shù)據(jù)存儲項，每一個數(shù)據(jù)存儲項代表一個被監(jiān)測變量，如機床工作狀態(tài)、進給速度、主軸轉速等機床加工過程數(shù)據(jù)項。數(shù)據(jù)存儲項中包括：數(shù)據(jù)項唯一標識、數(shù)據(jù)項當前值、系統(tǒng)時間戳以及數(shù)據(jù)刷新周期4個鍵–值對。同時，為了提高數(shù)據(jù)檢索效率，可以以加工任務唯一標識來建立索引。

（2）基于TDMS 文件的加工過程歷史數(shù)據(jù)管理。

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

TDMS 文件的邏輯結構分為3 層：文件（File）、通道組（Channel Groups）和通道（Channels）。文件層級可以包含任意數(shù)量的通道組，每個通道組又可以包含任意數(shù)量的通道。同時每個層級都允許自定義任意數(shù)量的標量屬性，通過自定義屬性，可以形成結構清楚、易于搜索的數(shù)據(jù)文件。因此，TDMS 文件模型的最大優(yōu)點在于，通過文件結構的可擴展性將描述性信息包含在文件中，而并不需要其他工作。當需要增加傳感器數(shù)據(jù)的描述信息時，無需重新設計程序，只需擴展該模型即可滿足需求。此外，在使用過程中，TDMS 文件會自動生成一個補充性的*.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 文件進行加工過程歷史數(shù)據(jù)管理時，可以通過在通道層次上附加關系數(shù)據(jù)庫中的數(shù)據(jù)采集項唯一標識–加工任務編號，實現(xiàn)TDMS 格式的加工過程歷史數(shù)據(jù)與存儲于關系數(shù)據(jù)庫中的情境數(shù)據(jù)之間的關聯(lián)?？紤]到外置傳感器數(shù)據(jù)與機床內(nèi)部過程數(shù)據(jù)時序同步的問題，需要在通道層次存儲采樣點幅值數(shù)據(jù)，同時創(chuàng)建時間戳通道組，存儲采樣點對應的時間戳數(shù)據(jù)。借助TDMS 文件模型，同時考慮到歷史數(shù)據(jù)的關聯(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。

應用案例

本課題組在國防基礎科研項目的支持下，對基于智能感知的數(shù)控生產(chǎn)線數(shù)據(jù)采集與管理技術展開研究。設計開發(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)，并在薄壁回轉體零件的加工過程中進行了智能管控應用。

1 應用場景及目標

薄壁回轉體零件加工過程智能管控的應用場景組成如下：

（1）一臺德國德瑪吉DMG 80P數(shù)控機床，數(shù)控系統(tǒng)為西門子840D sl，支持OPC DA 標準通信協(xié)議，機床內(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)采集卡采用美國國家儀器公司的NI 9234 數(shù)據(jù)采集卡，采樣頻率為51.2kHz。

（3）一套外置主軸振動信號采集系統(tǒng)，加速度傳感器采用美國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）一臺筆記本計算機，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)，計算機硬件配置為：酷睿i5處理器、16G內(nèi)存、1T硬盤、千兆網(wǎng)卡和一個八端口Hub。

應用目標是實現(xiàn)對薄壁回轉體零件加工過程工況參數(shù)和機床工作狀態(tài)等信息的實時采集與監(jiān)測，對薄壁回轉體零件在加工過程中出現(xiàn)的負載周期性變化、顫振、刀具過度磨損和刀具斷裂等典型加工異常進行實時識別與報警，并能實現(xiàn)對加工過程中任意時間段工況參數(shù)波動情況的回溯，以及對數(shù)控加工過程平穩(wěn)性的評價等。

2 加工過程多源異構數(shù)據(jù)管理方案應用

圖9為加工過程多源異構數(shù)據(jù)管理方案。在進行加工狀態(tài)實時監(jiān)測前，通過創(chuàng)建加工任務，將人員、工位、設備、生產(chǎn)批次、物料和工件等情境對象信息統(tǒng)一關聯(lián)起來。在進行加工狀態(tài)監(jiān)測時，將實時采集到的外置傳感器數(shù)據(jù)和機床內(nèi)部工況數(shù)據(jù)讀入到實時內(nèi)存數(shù)據(jù)庫中進行時域、頻域、時頻域分析和異常識別等運算處理。同時，將實時工況數(shù)據(jù)進行壓縮處理，然后分別存儲在MongoDB非關系數(shù)據(jù)庫和TDMS 文件中用于后續(xù)的非實時分析與評價。其中，情境數(shù)據(jù)等非實時結構化數(shù)據(jù)存儲在MySQL 關系數(shù)據(jù)庫中，通過OPC DA采集的機床內(nèi)部狀態(tài)和工況歷史數(shù)據(jù)存儲在MongoDB 非關系數(shù)據(jù)庫中，通過外置傳感器采集的主軸振動、切削噪聲歷史數(shù)據(jù)存儲在TDMS文件中，加工任務與TDMS 文件存儲目錄相關信息存放在MySQL 關系數(shù)據(jù)庫中。

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

3 應用結果與評價

基于上一節(jié)給出的加工過程多源異構數(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)實現(xiàn)了對數(shù)控加工過程中主軸轉速、進給速度、主軸負載、主軸倍率、進給軸倍率、零件幾何尺寸、環(huán)境溫度、主軸振動、切削加工噪聲、切削力、坐標值、程序段信息以及機床操作模式13 種加工過程數(shù)據(jù)的實時采集?；诖罅康那邢髟囼灁?shù)據(jù)，采用信號處理和機器學習算法得到了典型薄壁回轉體零件加工異常的數(shù)據(jù)特征，實現(xiàn)了對薄壁回轉體零件加工過程中出現(xiàn)的刀具磨損、刀具斷裂、負載周期性變化和加工顫振4 種典型異常的實時識別與報警。通過對實時加工過程數(shù)據(jù)與情境數(shù)據(jù)的關聯(lián)融合與管理，實現(xiàn)了基于加工工況歷史數(shù)據(jù)的質量問題追溯，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)對刀具磨損、刀具斷裂、負載周期性變化和加工顫振4 種薄壁回轉體零件加工過程典型異常識別結果。圖10（a）～ （d）中，左側是切削過程中實時工況波動情況監(jiān)測區(qū)，加載的監(jiān)測信號為主軸在X、Y、Z3 個坐標軸方向的振動信號和聲壓信號；右側是加工異常監(jiān)測結果顯示區(qū)，監(jiān)測結果指示燈從上到下為對刀具磨損、刀具斷裂、負載周期性變化和加工顫振4 種異常的監(jiān)測結果（其中，紅色為異常，綠色為正常）。通過對加工過程的實時監(jiān)測，操作人員可以實時掌握加工過程的狀態(tài)，并可根據(jù)識別結果采取有針對性的措施。

圖11為基于歷史工況數(shù)據(jù)回溯的質量問題分析應用界面。由于系統(tǒng)實現(xiàn)了情境數(shù)據(jù)、實時加工過程數(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)回溯應用中，選擇任意工位、任意產(chǎn)品、任意加工時段的工況數(shù)據(jù)進行加工過程的回溯分析。系統(tǒng)提供了多個工況信號的同時加載回溯功能，便于質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)進行加工過程平穩(wěn)性分析的應用界面。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，這是工藝改進的重點。

圖10 加工工況實時監(jiān)測與異常識別應用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)回溯的質量問題分析應用Fig.11 Analysis of quality problems based on historical data backtracking

應用表明，基于內(nèi)存數(shù)據(jù)庫的實時加工過程數(shù)據(jù)管理，可以滿足對實時高頻信號快速存取、處理與實時監(jiān)測的需求。基于MongoDB 非關系數(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)項可擴展和海量數(shù)據(jù)的存儲與管理問題。情境數(shù)據(jù)與加工過程數(shù)據(jù)的融合，為實現(xiàn)人、機、料、法、環(huán)、測多維度分析質量問題、尋找工藝改進點提供了途徑?；诒菊n題的研究成果，改進了某型號薄壁回轉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)性分析應用Fig.12 Application of process stability analysis based on historical data

結論

數(shù)控機床作為智能執(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)生的大量實時工況信息變?yōu)閷庸み^程進行智能管控、制造過程優(yōu)化和持續(xù)提升產(chǎn)品質量的驅動力就成為智能工廠建設中需要解決的關鍵問題之一。本文以面向數(shù)控加工過程智能管控的多源異構數(shù)據(jù)的組織與管理為研究對象，在分析梳理了數(shù)控加工過程中多源異構數(shù)據(jù)的組成和特點的基礎上，針對加工過程實時監(jiān)測、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、關系數(shù)據(jù)庫、非關系數(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、海量實時加工過程數(shù)據(jù)的組織管理與應用提供了一種解決方案。最后，以典型薄壁回轉體零件加工過程智能監(jiān)控應用為例，驗證了所提方案的可行性與有效性。