论文部分内容阅读
目前,智能制造、智能工厂已成为制造业内技术发展趋势,数字化智能制造的大量数据存放在云端,下载到本地以及运用到制造设备的过程中存在数据量大,传输慢的问题。因此,本文基于三维数字化MBD模型数据,结合嵌入式系统设计一种数据处理的轻量化方法:对存储在云端的MBD模型数据,用改进的非递归深度优先遍历算法和改进的自适应哈夫曼压缩算法对所需数据信息进行提取、压缩处理,无需把所有数据信息下载。通过定义LwIP TCP/IP协议传输到本地ARM嵌入式系统,用改进的自适应哈夫曼压缩算法进行数据的解压,将数据通过USB串口传输给数控机床。首先,将Step文件格式的MBD模型数据,转化为Xml可扩展标记语言,完成不同系统间的数据交换和共享,建立MBD数据模型,用改进的非递归深度优先遍历算法提取数据信息。MBD模型数据以Xml字段的形式存在云端数据库,当接收到STM32F407TCP客户端请求指令后,访问数据库Xml文件,用改进的非递归深度优先遍历算法进行数据信息的提取。且对所改进的提取算法进行了实验验证,证明方法的可行性,满足不同操作工人的需求。其次,采用改进的自适应-哈夫曼压缩算法对数据进行压缩。采用哈夫曼压缩算法进行数据压缩,解决模型数据量大,不易存储传输问题。但此算法的压缩率低、压缩时间长;后加入贪心算法进行改进,但其压缩时间并不理想。因此,本文又采用改进的自适应哈夫曼压缩算法来改善压缩率低和压缩时间慢的缺点,并进行实验验证,达到较理想的压缩率和压缩时间。最后,以STM32为嵌入式核心控制器,对云端MBD模型数据处理、传输进行轻量化硬件设计。先定义STM32F407硬件和云端通信的LwIP TCP/IP协议,配置STM32F407管脚,通过以太口网线和路由器连接的驱动程序,完成STM32F407硬件结构和云端的互相通信。通过指令,对存放在云端的MBD模型数据进行提取、压缩处理,传输到本地ARM,对数据进行解压,传输给数控机床。本文所研究的三维数字化MBD模型数据传输的轻量化方法能帮助企业解决工艺系统面临数据量大、工艺系统平台处理数据慢、传输信息文件慢等问题。且本文所研究的数据处理的提取和压缩算法还可运用在基于云端设备的预测性维护与运维及机器学习方面对数据的获取,具有很大的应用价值。