论文部分内容阅读
制造物联网是物联网技术在制造业领域深化应用的产物,是一种主要用于产品设计、制造与服务过程中各类信息资源动态感知以及智能处理与优化控制的新型模式。但是这种新型模式在发展过程中遇到了诸多挑战：在制造业各生产工艺过程数据感知方面,由于强电磁干扰、金属介质、多障碍等多元干扰环境,以及动态存在的“人、物料、设备、生产过程、产品”等众多对象,导致实现数据可靠感知具有较大困难；在制造环境下的网络数据传输方面,资源受限、动态拓扑与苛刻环境条件、混杂网络融合等限制,其数据传输的实时性、可靠性与准确性均受到严重影响；在制造物联网数据处理方面,由于海量级数据的产生,有限的计算资源已不足以支撑数据的完全处理。为了实现制造过程的精准控制,要解决的关键问题就是实现制造物联网的可靠感知、实时传输和海量数据智能处理。RFID和传感器技术作为制造物联网中最为关键的两大技术,由于受到恶劣的工业制造环境影响,传感器正常工作的时间会大大降低,而标签正确读取率也只能达到60%-70%,这些将对制造物联网中的产品溯源和数据管理工作带来大量的不可靠数据。为此,本课题针对RFID与传感器数据问题展开深入研究,着力提升产品溯源和数据管理的数据可靠性,其主要工作有如下两个方面：1、针对产品与阅读器之间运动复杂的制造业环境,当阅读器发生漏读现象时,基于统计平滑处理(SMURF)的RFID数据清洗算法将会导致清洗窗口大小自适应调整不合理,产生大量的消极读错误；对此,本文提出一种动态环境下的SMURF数据清洗改进算法,该算法将更合理的调节清洗窗口,降低漏读概率,改善漏读现象。2、针对制造物联网中数据采集终端工作异常而引起的采集数据全部或部分属性值缺失问题,提出一种基于ROUSTIDA的制造物联网不完备数据填补算法,以实现消除填补时决策规则中的潜在矛盾项,避免在填充后出现信息不一致现象。本文结合管桩生产制造过程的工艺参数,对所提出的两种数据问题解决方法进行了实验仿真,结果表明,改进的SMURF算法能够有效的降低数据漏读概率,而基于ROUSTIDA的制造物联网不完备数据填补算法能有效减少填充值与真实值之间的误差,降低不完备数据带来的应用风险。