摘要 | 第3-4页 |
Abstract | 第4-5页 |
1 绪论 | 第9-15页 |
1.1 研究背景和意义 | 第9-10页 |
1.2 国内外研究现状 | 第10-13页 |
1.2.1 制造执行系统国内外研究现状 | 第10-11页 |
1.2.2 数据传输技术研究 | 第11-12页 |
1.2.3 SPC控制图研究 | 第12-13页 |
1.3 论文研究内容 | 第13-15页 |
2 机器人装配车间数据采集与管理系统分析 | 第15-24页 |
2.1 装配车间现状分析 | 第15-19页 |
2.1.1 机器人装配的工艺流程 | 第15-17页 |
2.1.2 装配车间的生产特点 | 第17-19页 |
2.2 装配车间数据类型分析 | 第19-22页 |
2.2.1 车间数据类型 | 第19-20页 |
2.2.2 装配设备运行参数 | 第20页 |
2.2.3 机器人装配车间现场数据 | 第20-21页 |
2.2.4 机器人装配车间的数据特点 | 第21-22页 |
2.3 系统需求分析 | 第22-23页 |
2.4 本章小结 | 第23-24页 |
3 基于ZigBee和OPC的数据传输技术研究 | 第24-37页 |
3.1 基于ZigBee的数据传输技术研究 | 第24-32页 |
3.2.1 ZigBee网络节点种类 | 第25页 |
3.2.2 ZigBee网络拓扑 | 第25-27页 |
3.2.3 ZigBee无线通讯模块 | 第27-28页 |
3.2.4 基于机器人装配车间的ZigBee网络设计方案 | 第28-32页 |
3.2 基于OPC的数据传输技术研究 | 第32-36页 |
3.2.1 OPC技术在离散装配车间采集系统中的作用 | 第32-33页 |
3.2.2 OPC技术规范 | 第33页 |
3.2.3 OPC数据访问方式 | 第33-34页 |
3.2.4 基于机器人装配车间的OPC采集框架设计 | 第34-36页 |
3.3 本章小结 | 第36-37页 |
4 基于SPC控制图模式识别的装配过程分析 | 第37-57页 |
4.1 机器人装配过程故障 | 第37页 |
4.2 SPC统计理论 | 第37-43页 |
4.2.1 SPC控制图原理及类型 | 第38-39页 |
4.2.2 SPC控制图流程 | 第39-42页 |
4.2.3 控制图模式的基本分类 | 第42-43页 |
4.2.4 基于机器人装配过程数据的SPC控制图选型 | 第43页 |
4.3 基于PSO-SVM的SPC控制图识别模型 | 第43-51页 |
4.3.1 SVM的模型选择 | 第43-45页 |
4.3.2 识别特征选取 | 第45-47页 |
4.3.3 PSO算法原理和参数选取 | 第47-50页 |
4.3.4 PSO-SVM分类器的步骤 | 第50-51页 |
4.4 基于机器人装配过程的控制图模式识别 | 第51-56页 |
4.4.1 机器人装配过程数据选取 | 第51-52页 |
4.4.2 基于机器人装配过程数据的SPC控制图绘制 | 第52-53页 |
4.4.3 基于机器人装配过程数据的SPC控制图模式识别 | 第53-56页 |
4.5 本章小结 | 第56-57页 |
5 多源异构离散装配车间数据采集与管理系统设计与实现 | 第57-77页 |
5.1 系统总体结构 | 第57-61页 |
5.1.1 硬件系统组成 | 第57-59页 |
5.1.2 软件技术架构 | 第59页 |
5.1.3 系统体系结构 | 第59-61页 |
5.2 系统功能模块设计 | 第61-66页 |
5.2.1 系统管理 | 第61-62页 |
5.2.2 基础信息管理 | 第62-63页 |
5.2.3 生产线管理 | 第63-64页 |
5.2.4 设备管理 | 第64-65页 |
5.2.5 车间环境管理 | 第65-66页 |
5.3 数据库设计 | 第66-71页 |
5.3.1 车间数据E-R图设计 | 第66-68页 |
5.3.2 数据表设计 | 第68-71页 |
5.4 系统实现 | 第71-76页 |
5.4.1 开发环境配置 | 第71页 |
5.4.2 系统特点 | 第71页 |
5.4.3 系统运行实例 | 第71-76页 |
5.5 本章小结 | 第76-77页 |
6 总结与展望 | 第77-79页 |
6.1 总结 | 第77页 |
6.2 展望 | 第77-79页 |
致谢 | 第79-80页 |
参考文献 | 第80-83页 |
附录 | 第83页 |