文章目录
-
- 1. Abstract
- 2. Introduction
-
- 2.1 Connected smart components in machine tools
- 2.2 Approaches for predictive maintenance
- 2.3 Approaches for monitoring machining processes
- 3. Requirements analysis
- 4. Existing solutions for data collection and processing
-
- 4.1 Existing devices for collection and processing of industrial data
- 4.2 Hypervisor-based software architectures for machine control and data processing
- 5. Concept for a smart controller
- 6. Implementation and preliminary assessment}
- 7. Summary and outlook}
模块化智能控制器用于机床
1. Abstract
工业在机床中 4.0 由于系统中的许多功能依赖于来自不同供应商的系统之间的数据通信，因此需要通过预测性维护来提高可用性，而系统的其他功能需要通过过过程监控手段来提高生产率和工件质量。基于对工业4.0场景下系统功能需求的分析，本文设计了一个用于实现工业 4.0 智能控制器使用管理程序集成软实时和尽可能多的应用程序。
2. Introduction
2.1 Connected smart components in machine tools
机床运行中的关键性能指标（KPI）是整体设备效率（OEE），它取决于机床的可用性、生产率和生产工件的质量。基于状态监测的维护计划可以实现高可用性， 特别是在小批量生产中，通过过程监控和优化，可以提高生产率和工件质量。
以铣床等金属切削机床为例。主轴和进给轴是与工件质量和系统可用性有关的子系统。由于这些部件磨损，在机床使用寿命内容易多次更换。因此，监测这些部件的磨损并相应规划维护措施是有意义的。因此，需要结合附加传感器（通常是应变器、结构声和温度）和特定部件的智能，因此机械部件成为信息物理智能部件。智能组件是一个机电集成系统，可以通过传感器记录来自环境的数据，处理数据以获取相关组件状态的信息，并将其传输给其他系统。[3, 4]
另一个合适、更灵活的解决方案是模块化控制器。模块化控制器将接收连接到机器中一个或多个智能组件的传感器数据和其他信息，以及机器控制单元的附加数据。控制器将评估数据，以确定是否需要以下干预措施之一：紧急停止、调整过程设置、计划或立即维护措施。
如果您想收集来自多台机器的数据，或者数据处理的计算成本太高，无法在本地执行，则与机器外的服务器交换数据。例如，这可能是基于云预测服务 [5] 或制造执行系统 (MES)。
2.2 Approaches for predictive maintenance
预测性维护旨在最大限度地延长机器部件的使用寿命，避免计划外的生产停机和获取数据：
滚珠丝杠的使用寿命可以基于应变器 [6] 根据测量的振动数据判断和判断数据 [7,8] 或应变仪 [9, 10] 监测当前磨损状态。振动和声发射数据可用于滚珠轴承的故障诊断和分类 [11, 12] 剩余使用寿命预测 [13, 14, 15]。
早期方法侧重于振动数据的时域、频域和时频分析 [17]。最近，支持向量机 [11] 深度学习方法(如自动编码器、受限玻尔兹曼机、卷积神经网络、循环神经网络)已被证明适用于机器健康监测 [18]。
2.3 Approaches for monitoring machining processes
Teti 等人认为可以根据切削力 [20, 21]电机电流、加速度或这些数据源的组合 [22] 监测切削工具的磨损情况。另一种过程监控包括通过添加传感器来避免或检测碰撞和过载 评估现有数据(如电机电流) (24)或使用几何模型预测碰撞 [25] 为了避免或减少对工具、工件和机器的损坏，需要较短的反应时间。振动分析可用于检测金属切削操作中不希望的切削条件，如振动 [26, 27] 并确定由稳定性叶图 [28] 表示过程边界。
用于监控加工过程的数据处理方法包括简单的阈值和传统的时频分析 [19] 和神经网络 [29]。将在线监控与虚拟处理模拟相结合，可以在检测任务中实现更稳定的性能 [30]。
3. Requirements analysis
上述方法在响应时间上有很大差异。在预测性维护方法的情况下，监控机器元件的状态将在几个月或几年内缓慢变化。如果预测性维护得到有效实施，则无需实时即可提前检测到磨损引起的故障。
监控加工过程的方法可能需要快速响应和软实时系统。如上所述，过程监控的一个重要范围是检测冲突。在这种情况下，当零件发生塑性变形时，就会发生损坏。因此，只有在弹性变形初期检测过载并关闭，才能避免损坏。这需要在典型的加工应用程序中 5 紧急停止应在毫秒内启动 [32]。
从简单的阈值到复杂的机器学习架构，上述示例在所需计算的复杂性上也存在很大差异。在实现数据处理算法时，后者需要提供高度灵活的环境。在某些情况下，模型或数字孪生也需要实施。有必要从多台机器的数据或需要大量计算资源的方法中交换数据。表\ref{fig:industry_1}总结了数据处理单元在这些应用中的相关要求。此外，理想的系统应该广泛使用，而不是依赖于任何特定的控制系统供应商。
4. Existing solutions for data collection and processing
4.1 Existing devices for collection and processing of industrial data
实时数据处理的工业解决方案是 PLC(可编程逻辑控制器)。特别是基于 PC 控制器适用于本地分析机器中的应用程序和云计算服务界面。这里的限制是有限的系统独立性和复杂控制系统中应用程序的需要。鉴于我们的方法专注于提供模块化和独立于制造商的解决方案，有利于在单独的系统上进行数据分析。 [33]
将物理过程连接到更高层次的结构进行分析是工业 4.0 核心主题之一。用于工业 4.0 或 IIoT（工业物联网）的连接系统可以从许多不同的供应商那里获得。然而，现有的设备并没有用于机床中的监控功能一个独立于机器功能的综合系统，结合实时能力和附加功能的灵活编程尚未建立。[34]
4.2 Hypervisor-based software architectures for machine control and data processing
基于管理程序的架构可以隔离分区，以满足延迟和灵活性的差异化要求。
在工业领域，pICASSO 该项目研究了虚拟实时操作系统平台的实现，具有确定的时序行为。其重点是基于云的机器控制。KVM 管理程序和 QEMU 模拟器的组合被认为不适合在虚拟机中托管实时应用程序。相反，静态分区管理程序 Jailhouse 通过添加对 ARM 加强了对处理器的支持。其小代码库和时间确定性行为似乎更有希望托管实时应用程序。[35]
比昂迪构嵌入式计算平台的复杂性，比昂迪等人讨论了如何使用虚拟化，并介绍了一个汽车用例，其中 Jailhouse 面向汽车隔离的虚拟机管理程序 ErikaOS 实时操作系统 (RTOS) 用于时序关键任务和通用 Linux 操作系统用于不太关键的任务。
HERCLES 项目同样专注于汽车领域，旨在为下一代汽车控制单元的高性能 COTS 计算平台上的安全关键型应用程序开发提供设计方法和软件堆栈。对于高度安全的关键任务，设想了一个包含汽车级微控制器的子系统，而对于较低级别的安全性，则计划使用 ARM 内核。在不太关键的部分，实时和尽力而为的应用程序的并行执行应使用 Jailhouse 实现，将实时 ErikaOS RTOS 分区与 Linux OS 分区分开，为了减少对主存储器的并行访问的干扰，建议使用“可预测的执行模型”。[37, 38]
考虑到管理程序性能评估，Toumassian 等人比较了 Xen 和 Jailhouse 管理程序对应用程序执行时间的性能影响，使用“cpuburn-a8”程序对 ARM 处理器，特别是 Banana Pi 单板计算机进行了测量，表明 Jailhouse 虚拟机管理程序导致执行时间的相对开销为 0.04%，而 Xen 为 21.6% 和 7.4%（取决于调度程序）。 [39]
因此，Jailhouse 是在数据处理应用程序中实现基于管理程序的架构的一种很有前途的解决方案，在制造业的工业 4.0 应用环境中如何使用这种架构仍有待展示。
5. Concept for a smart controller
现有的工业 4.0 方法有望改善机床的整体设备效率（OEE），尤其是通过上述用于预测性维护和过程监控的应用程序，然而，通过在机器上添加一个模块化设备可以促进它们的广泛实施，该设备能够运行软实时数据处理和灵活可编程的尽力而为应用程序，所提出的智能控制器旨在完成这一角色。它与一个智能组件和其他智能传感器以及机器控制单元和 MES 或云连接。智能控制器处理从这些数据源接收的数据，以提高机器可用性或生产过程。如上所述，该概念是基于两个代表性应用开发的：碰撞检测和剩余使用寿命预测。
现有的工业 4.0 方法有望改善机床的 OEE，尤其是通过上述用于预测性维护和过程监控的应用程序。然而，通过在机器上添加一个模块化设备可以促进它们的广泛实施，该设备能够运行软实时数据处理和灵活可编程的尽力而为应用程序。所提出的智能控制器旨在完成这一角色。它与一个智能组件和其他智能传感器以及机器控制单元和 MES 或云连接。智能控制器处理从这些数据源接收的数据，以提高机器可用性或生产过程。如上所述，该概念是基于两个代表性应用开发的：碰撞检测和剩余使用寿命预测。
关于第一个应用程序，智能控制器需要具备实时能力。软实时能力被认为是足够的，因为可以假设所有安全关键功能都在机器控制单元本身中实现。关于第二个应用程序，需要高灵活性和简化的软件开发，如通用操作系统 (GPOS) 所提供的那样。为了结合实时能力和GPOS开发使用的灵活性和易用性，建议使用 Jailhouse 并行运行实时分区和尽力而为分区，软件结构如图\ref{fig:industry_2}所示。
在实时分区中，可以使用一个实时操作系统来运行一组固定的实时任务，在尽力而为的分区中，可以运行 Linux，允许动态启动和停止多个应用程序，并提供各种驱动程序，方便开发。管理程序隔离分区并定义分区资源访问。关于隔离，内存和外围设备等资源被静态分配给分区。建立分区之间的通信通道，将传感器数据和状态信息从实时分区传输到尽力而为的分区。
使用静态分区方法，可以并行使用实时操作系统和通用操作系统，它有效地隔离了关于访问特定内存区域（以及内存映射外围设备）的两个操作系统。但是，对共享资源（如缓存、内存总线和内存条）的访问仍然会导致分区之间的干扰，根据另一个分区的行为，这可能会导致一个分区中的软件执行出现意外延迟。因此，该平台的使用仅适用于软实时应用程序，其中单个截止日期未命中是可以接受的。
6. Implementation and preliminary assessment}
对于分区，选择了 Jailhouse，管理程序实现系统的静态分区，即将裸机应用程序或操作系统彼此隔离，它没有实现 VM 调度，也不允许过度使用资源。每个 CPU 内核都静态映射到一个分区（“单元”）。由于其最小的设计，与非虚拟化系统相比，它避免了 VM 退出并导致低开销，同时有效地隔离了有关可访问内存和中断的分区 [39]。其小型代码库简化了安全关键应用程序的认证尝试。
在 A20 SoC 上，虚拟机管理程序 Jailhouse 被设置为实现两个分区：尽力而为的分区托管 Bananian Linux。FreeRTOS 是一种占用空间小的开源实时操作系统，用于实时分区。它提供基本的内核服务，例如调度、任务间通信和同步[41]，由于 CAN 被设想为连接智能组件的接口，因此建立了第一个概念验证，其中 CAN 用于控制 SCHUNK LWA 4D 轻型机械臂，在此设置中，控制应用程序在 Linux 上运行，它正在访问 CAN 控制器。目前的工作重点是从 FreeRTOS 分区实现 CAN 控制。
7. Summary and outlook}
基于对预测性维护和加工过程监控方法的回顾，得出了在机床中实施这些工业 4.0 功能的计算和通信要求。在广泛的要求范围内，选择了两个具有代表性的示例，它们都与机器内的同一子系统（主轴）相关。第一项任务是在发生碰撞时触发机器停止，需要以低延迟进行简单的基于阈值的数据处理。第二项任务是监测主轴中轴承的状况并预测其剩余寿命。对于这个任务延迟不是一个关键问题，重点是复杂模型的灵活实现。
所提出的智能控制器概念代表了一个综合系统，在一个分区中结合了软实时能力和在尽力分区中的通用操作系统中的灵活编程，从而能够满足上述要求。两个分区都可以与嵌入式传感器和智能组件通信，在实时分区中使用 CAN，在尽力而为分区中使用以太网。此外，尽力而为的分区可以通过 OPC UA 与其他智能控制器或云服务进行通信。
这一概念的一个重要优势是它的灵活性：该架构独立于任何特定供应商，不依赖于特定芯片，并且能够在几乎没有限制的情况下实现最先进的工业 4.0 功能。如果希望在中央服务器或云服务上处理数据，智能控制器可以在将数据发送到其他设备之前在本地聚合数据。在此基础上，下一步将是在所示的工业 4.0 测试台上的真实生产环境中进行测试。在此生产环境中，将集成和测试更多智能组件，以评估概念的功能。还将在将智能控制器连接和嵌入更高级别架构的领域进行进一步的研究。