CN116070992A - 一种基于WebGL的自动化立体仓库的远程监测系统 - Google Patents

Abstract

本发明公开了一种基于WebGL的自动化立体仓库的远程监测系统，包括：自动化立体仓库、系统管理模块、数据存储模块、自动化立体仓库三维模型、作业可视化模块、设备健康管理模块、信息报表管理模块和数据分析模块。主要应用于智能物流行业中仓储管理调度领域。系统采用vue.js主流的框架作为前端框架，系统采用Node.js和SpringBoot配合作为后端框架，选用Mysql作为数据库，Redis作为缓存数据库，应用可视化工具Echarts。能够解决自动化立体仓库在实际作业过程中数据层面可视化程度不高的问题。该系统采用支持远程访问的B/S架构，整个系统前端和后端分离开发，解决了跨平台访问的问题。

Description

一种基于WebGL的自动化立体仓库的远程监测系统

技术领域

本发明涉及智能物流行业中仓储管理调度及自动化立体仓库，具体涉及一种基于WebGL的自动化立体仓库远程监测系统。

背景技术

智能制造是我国制造业由大变强的核心技术和主线，通过推进智能制造，在装备制造、电子信息、消费品和原材料等重点行业以及新一代信息技术、工业机器人等重点领域先行先试，这些重点项目经过智能化改造后，在企业提质增效、降本减耗、提高核心竞争力等方面发挥了积极作用，有力地支撑并带动了制造业转型升级。

现今智能制造的蓬勃发展衍生出的工业物联网及其应用平台，在未来工厂及其管理中扮演着越来越重要的角色。所谓工业物联网是物联网技术标准在传统工业环境中的新型应用形式，其模型将工业物联网开发组件分为了5个组成部分：系统间通信协议、设备接入与数据采集、监视与控制、实时数据存储与处理、信息管理与应用，这5个组成部分分别分布在网络层、平台层、应用层、交互层和设备层。

当下随着工业化进程的持续推进，越来越多的制造企业采用自动化立体仓库配合自动化生产线的方式进行仓储管理和调度。但由于信息化管理水平不高，企业缺乏快速有效的手段管理、监测实时仓储环境的运行状态；此外，目前市场上的管理系统五花八门，管理系统之间、控制系统与管理系统之间缺乏有效的信息交互手段，灵活性差，作业过程透明化很难实现；对作业过程的监测只停留在数据面，缺少实际环境的展现，无法模拟运行，不具备预测、评估、诊断能力。现有的一些用WebGL开发的平台主要是面向地理信息建模、智慧园区展示等。

发明内容

本发明要克服现有技术的上述缺点，提供一种基于WebGL的自动化立体仓库远程监测系统。

首先该系统解决了工厂仓储可视化程度不高、设备状态监控和故障诊断匮乏等问题，支持多应用场景的自动化立体仓库模型转换。系统采用B/S架构简化系统开发、维护和使用，成本降低，部署在云端方便远程操作。前后端完全分离开发，方便拓展，解决跨平台访问的问题，使用了AJAX技术，程序也可在客户端电脑上进行部分处理，减轻了服务器的负担。

本发明解决现有的技术问题所提出的方案是：

一种基于WebGL的自动化立体仓库的远程监测系统，包括：系统管理模块、数据存储模块、自动化立体仓库三维模型、作业可视化模块、设备健康管理模块、远程终端和数据分析模块。

系统管理模块主要是对不同用户的权限进行设置，对用户账号进行维护与管理，对系统菜单结构进行调整，该部分可展示用户信息，具有在Web端实时进行增删改查的功能。

数据存储模块主要用于接收用户上传数据和自动化立体库设备运行数据，现场设备数据输出给作业可视化模块，实现自动化立体仓库的3D仿真模型和实物同步运行及数据监控展示。

自动化立体仓库三维模型是指通过three.js搭建起来的三维场景，其可以是一个场景库也可是单个场景，供用户自行选择。

作业可视化模块下分为两个部分：自动化立体仓库数字孪生和数据可视化看板。数据可视化看板的数据来自于数据存储模块中现场实时采集的各项作业数据，对采集到的数据运用一些列统计分析方法进行处理，然后输出到前端页面例如Echarts等可视化组件上。自动化立体库数字孪生部分能够接收用户上传的建模软件所建立的三维模型。

设备健康管理模块主要是用于设备故障预警、故障诊断和故障库的建立，该部分是通过构建一种基于FPCA-GWO-SVM模型的异常识别方式结合控制图进行识别和控制，首先采用蒙特卡洛方法获取仿真数据集，提取仿真数据集的统计特征以及形状特征，采用函数型主成分分析(Functional Principal Component Analysis,FPCA)对特征进行降维处理，然后通过灰狼算法(Grey WolfOptimizer,GWO)优化支持向量机核心参数，最后训练SVM获得异常识别模型。通过PLC等设备采集的实时运行数据，利用灰色马尔科夫模型预测下一阶段的数据，若预测值异常，将出现第一类异常现象并记录在故障库中，通知管理人员进行处理；若预测值正常，则把预测数据与历史数据合并，输入异常模式识别模型，识别过程是否处于异常模式。若控制图处于正常状态，说明当前设备作业过程受控，可继续运行。反之，说明处于失控状态，通知相关人员进行异常处理。使该系统可在多场景下对自动化立体库中的设备进行分析，及时反馈各设备信息。

信息报表管理模块主要是将设备基础信息(如设备出厂日期、保修日期、机型等)、产品出入库信息、设备故障报警信息、通讯数据信息等以报表的形式通过点击Web端菜单栏导航清楚地展现给用户，方便管理。

数据分析模块主要是将一些智能分析方法如自相关分析、神经网络分析等进行配置，达到快速对设备进行信号分析、各项性能评估，为设备健康管理做好准备工作。

本发明的有益效果是：

1)设计实现的基于WebGL的自动化立体仓库的远程监测系统，能够为一般的自动化立体仓库提供作业优化支撑，提高仓库管理能力，降低作业风险，系统柔性高，开发时预留接口，可对接其他生产系统如MES、ERP、ROS系统等。

2)将WebGL技术应用于工厂智能物流行业的仿真领域，与一般的3D展示平台不同，本发明设计的系统可随应用场景变换自动化立体库模型的层数、堆垛机配置数量，连接设备实时接收数据，进行三维仿真，提高企业的实时管控能力。

3)应用多种数据分析方法结合群智能算法对不同种类数据分类如动态数据、静态数据和中间数据处理，处理后的数据按统一格式不仅限一种打包输出到作业可视化模块展示。

4)运用多种故障诊断方法对设备进行健康管理，充分体现系统的柔性高，既适用于数据量小的简单场景也适用于数据量庞大的复杂场景诊断分析。

5)采用B/S架构简化系统开发、维护和使用，成本降低，部署在云端方便远程操作。前后端完全分离开发，方便拓展；使用了AJAX技术，程序也可在客户端电脑上进行部分处理，减轻了服务器的负担。应用成熟数据可视化组件，提升交互能力。

附图说明

图1为本发明系统的业务逻辑图；

图2为本发明系统硬件图；

图3为本发明系统功能逻辑框图。

具体实施方式

以下结合附图对本发明的实施做进一步的详细说明。

如图1所示，一种基于WebGL的自动化立体仓库远程监测系统，系统由系统管理模块、数据存储模块、数据分析模块、作业可视化模块、设备健康管理模块和信息报表管理模块组成。

首先，通过PLC、RTU等远程终端采集到设备的数据，通过通讯协议以数据流的形式发送到系统服务器中存储起来，数据存储模块要根据数据类型和数据的特点存入不同数据库中，例如用户信息、产品出入库流量信息、设备故障报警信息等存入Mysql数据库即可，Redis用于缓存自动化立体库作业的实时数据。

其余5个模块的内容分别是前端页面智能显示和后端功能服务部分的实现，其中后端将Node.js和SpringBoot相结合作为框架进行开发，选用Java语言作为开发语言。该框架可自定义的枚举类型到数据库类型的映射，Node.js作为服务器转发请求和访问静态页面。后端部分在IntelliJ IDEA集成环境下开发。前端部分主要是采用Vue.js(vue3)框架，结合前端基础语言HTML、CSS、Javascript，智能图标脚本Ecahrts，图形化组件库ElementUI等进行开发，利用vue3在响应式系统提升、编译优化和源码体积的优化这三个方面的优化，强化了监听功能，前端的开发环境选用Visual Studio Code。前后端之间是完全分离式开发，前后端之间采用AJAX技术基于HTTP通讯协议进行数据的通信。整个系统完全遵循B/S架构，全部部署在云服务器上，当然，使用了AJAX技术程序也可在客户端电脑上运行，通过浏览器远程访问，方便维护和系统后续拓展。

图2为系统的硬件架构图，主要是远程现场终端PLC、RTU和自动化立体仓库，现场数据服务器，工作站以及若干客户端。现场数据服务器配置在作业现场，向下层可通过通讯协议与各类设备连接起来，向上层可通过Session订阅方式发送实时数据；工作站本质是一个云端服务器，本文开发的仿真系统就部署在云端服务器上面，接收下层传输的实时数据，向上层提供处理后的结果，用户可通过公用网络IP地址或浏览器访问系统；为提升使用体验感，降低延迟，系统所有部分都配备高速网络连接。设计该硬件架构主要是用于整体平台的搭建和系统功能的验证。

图3为系统功能服务图，系统各个功能模块的具体实施方法为：

本发明应用于未来工厂智能物流领域中，会产生多种数据。

Mysql数据库用于存储关于用户操作、人员信息、权限等业务数据。同时针对上传的和已经发布的设备监测的数据进行存储、查询、修改和删除等。针对每一个上传的设备监测数据，对其进行数据提取处理构建。

选用Redis非关系型数据库作为系统缓存数据库进行高性能的缓存处理，同时对于需要一次性加载大量数据场景来说，对数据进行切片处理，分块处理并加载用来优化数据加载时间，提高页面加载与可视化呈现速度，改善用户体验。

系统管理模块该部分使用了安全保护，首先是对登陆时用户密码采用RSA加密算法对用户输入的密码进行加解密，RSA算法是第一个能同时用于加密和数字签名的算法，易于操作和理解，抵抗攻击能力强。算法过程分为4个步骤：产生密匙、英文数字化、明文加密和密文解密。本系统中在用户输入账号名与密码点击“登录”按钮之后，不会第一时间去请求登录接口，会先将账号名传入后端，后端根据这个账号名会生成一对密钥对，并将公钥返回给前端。在前端通过JSEncrypt工具类使用公钥将密码进行加密，再去请求登录接口。然后服务端将加密之后的密码进行解密，并与数据库作对比如果账号与密码输入正确放开登录验证实现登录成功，如果账号密码不匹配返回登录失败信息。在用户管理这块除主要的增删改查功能和支持excel导入外，还可设置用户到期时间并查看到期用户，每个用户到期后，该账号会被停用，通过查看到期用户可选择进行续约。

作业可视化模块下主要是两个部分：作业数据可视化智能看板和作业过程可视化展现。作业数据可视化智能看板能直观展示运作细节，作业过程可视化能很好地将整个场景运作过程呈现给用户。

作业可视化模块中模型是在3DMAX和Solidworks中通过多边形建模、二维转三维和面片建模等方式实现模型构建，通过NURBS(非均匀有理B样条)建模对复杂曲面进行构建，灵活组合不同的建模方法可有效减少建模工作量。使用Blender对模型进行精修、渲染、压缩后通过three.js模型加载器导入Web端画布上。同时，支持在线导入模型，可以实现对相应格式的在线导入，但是导入的模型件必须满足一定的命名格式，设计支持至少两种格式的3D模型导入，场景使用javascript的toJSON()方法保存成一个JSON文件，再通过Java的File类保存成文件对象，存入磁盘永久保存。为使模型在Web端仿真运行时不发生穿透或者重叠的现象，虚拟场景中还需进行碰撞检测，本系统考虑基于优化算子的SIMD并行碰撞检测算法，引入了优化算子，将搜索空间限定在非均匀的局部极小区域，减少了蚁群搜索时间，在多蚁群求解过程中，将子任务使用负载均衡策略分配到多核处理器的各个核心上并行执行，可大大提升仿真效果。

作业可视化模块中根据实际仓储场景制作3D模型，根据实际的仓储环境中自动化立体仓库的布局方式在Web系统中还原出1：1的仿真仓库模型。

设备健康管理模块可以实时显示被选择设备的工作状态，包括三维模型的可视化、设备上监测点的信息以及设备健康状态的评价。该部分是通过构建一种基于FPCA-GWO-SVM模型的异常识别方式结合控制图进行识别和控制，首先采用蒙特卡洛方法获取仿真数据集，提取仿真数据集的统计特征以及形状特征，采用函数型主成分分析(FunctionalPrincipal ComponentAnalysis,FPCA)对特征进行降维处理，然后通过灰狼算法(GreyWolfOptimizer,GWO)优化支持向量机核心参数，最后训练SVM获得异常识别模型。通过PLC等设备采集的实时运行数据，利用灰色马尔科夫模型预测下一阶段的数据，若预测值异常，将出现的异常记录在故障库中，通知管理人员进行处理；若预测值正常，则把预测数据与历史数据合并，输入异常模式识别模型，识别过程是否处于异常模式。若控制图处于正常状态，说明当前设备作业过程受控，可继续运行。反之，说明处于失控状态，通知相关人员进行异常处理。当监测到异常时，一方面会在系统平台上弹出警示信息，另一方面，将在虚拟仓储模型中显示预警提示，通知管理人员处理异常。

信息报表管理模块相当于设备的档案库，但不仅限于设备，将整个仿真过程产生的数据按静态数据、动态数据、中间数据分类，选择RPC(Remote Procedure Callprotocol)远程过程调用框架对数据进行传输，当用户点击时以标准样式的表格显示在系统主界面上，支持导出和excel导入等功能。

数据分析模块的实时数据是通过基于TCP/IP的通讯协议与PLC等设备通讯采集到系统数据库中进行存储的，数据分析模块接受Redis数据库中缓存的实时设备数据，然后统计出产生的货物数量、辅料数量、原材料数量、出入库流量等，计算得出的作业效率、单位比值等数据。选用Echarts开发组件对这些数据进行智能可视化展示，形式包括柱状图、动态表格、折线图、圆饼图和地图等。最后使用Three.js中的Sprite组件将上述图表融合进3D场景中，可增强用户体验。

对设备的信号分析，须选择数据源，设置采样频率与分析方法，结合自相关分析、神经网络分析等进行配置，关注设备初始状态下、健康运行状态的参数通过Echarts转化为控制图形式，达到快速对现场设备状态信息进行分析、各项性能评估。

以上实施例的内容仅仅是对本发明构思的实现形式的列举，而不是用以限制本发明。凡在本发明的原则之内所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (4)

1.一种基于WebGL的自动化立体仓库的远程监测系统，其特征在于，包括：系统管理模块、数据存储模块、自动化立体仓库三维模型、作业可视化模块、设备健康管理模块及数据分析模块；

所述系统管理模块是对不同用户的权限进行设置，对用户账号进行维护与管理，对系统菜单结构进行调整，且该模块可展示用户信息，具有在Web端实时进行增删改查的功能；

所述数据存储模块用于接收用户上传数据以及自动化立体库设备运行数据，然后前端页面调用后端接口将其输出给作业可视化模块，实现自动化立体仓库的3D仿真模型、实物同步运行及数据监控展示；

所述自动化立体仓库三维模型是通过three.js搭建起来的三维场景，其是一个场景库或是单个场景，供用户自行选择；

所述作业可视化模块下分为两个部分：自动化立体仓库数字孪生及数据可视化看板；数据可视化看板的数据来自于数据存储模块中自动化立体库运行的数据，并对采集到的数据运用统计分析方法进行处理，然后输出到前端页面的可视化组件上；自动化立体库数字孪生部分能够接收用户上传的建模软件所建立的三维模型；

所述设备健康管理模块是用于设备故障预警、故障诊断及故障库的建立，该模块是通过构建基于FPCA-GWO-SVM模型的异常识别模型方式结合控制图进行识别和控制：

所述信息报表管理模块是将设备基础信息、产品出入库信息、设备故障报警信息、通讯数据信息以报表的形式通过点击Web端菜单栏导航展现给用户，方便管理；

所述数据分析模块是将智能分析方法进行配置，达到快速对设备进行信号分析、各项性能评估，为设备健康管理做好准备工作。

2.根据权利要求1所述的一种基于WebGL的自动化立体仓库的远程监测系统，其特征在于，所述设备健康管理模块的实现过程如下：

首先通过数据存储模块中采集好的自动化立体库设备历史运行数据构建数据集，对数据集进行处理，提取仿真数据集的统计特征以及形状特征，采用函数型主成分分析FPCA对特征进行降维处理，然后通过灰狼算法GWO优化支持向量机核心参数，最后训练SVM获得异常识别模型；利用数据存储模块中自动化立体库设备运行数据，结合灰色马尔科夫模型预测下一阶段的数据，若预测值异常，将出现的异常现象记录在故障库中，通知管理人员进行处理；若预测值正常，则把预测数据与历史数据合并，输入异常模式识别模型，识别过程是否处于异常模式；若控制图处于正常状态，说明当前设备作业过程受控，可继续运行；反之，说明处于失控状态，通知相关人员进行异常处理。

3.根据权利要求1所述的一种基于WebGL的自动化立体仓库的远程监测系统，其特征在于，对所述数据存储模块中不同种类数据进行野值剔除、插补操作，处理后的数据按统一格式输出到作业可视化模块展示。

4.根据权利要求1所述的一种基于WebGL的自动化立体仓库的远程监测系统，其特征在于，将所述自动化立体库三维模型经Blender压缩、渲染、精简操作之后，使用three.js里的模型加载器导入到画布中构建Web端三维场景。

Images