基于云計算的汽車起重機三圍吊裝仿真研究-畢業(yè)設計調(diào)研報告

基于云計算的汽車起重機三圍吊裝仿真研究-畢業(yè)設計調(diào)研報告基于云計算的汽車起重機三維仿真研究第三章起重機仿真相關技術分析起重機三維仿真軟件的作用主要是輔助吊裝人員制定現(xiàn)場吊裝方案，這就要求軟件里除了能實現(xiàn)三維仿真可視化外，還要模擬現(xiàn)場的工況條件，進行起重機運作的實時計算和判斷，保證仿真中起重機的每個運動在實際操作中的可行性。另一方面，為節(jié)約吊裝成本、節(jié)省吊裝時間，希望仿真輸出中吊裝方案里的吊裝路徑為最佳可行路徑。仿真中需要進行起重機碰撞檢測和路徑規(guī)劃，根據(jù)現(xiàn)場中起重機的立體結(jié)構(gòu)和起重量，計算其可達最大和最小范圍[18],從而判斷在范圍內(nèi)的路徑為可行路徑，再選擇一條最短的作為最佳路徑?？紤]到起重機的移動對仿真過程計算值的影響，一般三維起重機仿真軟件會固定起重機位置，或者在同一個吊裝物移動過程中起重機不會移動，從而起重機位置點的確定就顯得比較重要。根據(jù)起重機型號的不同，相應的起重機模型和性能也會不同，要選擇合適的起重機進行吊裝，首先得建立起重機模型。起重機仿真建模技術對于三維汽車起重機仿真軟件來說，建立合理的、逼真的起重機模型是很重要的。目前有三種方法建立起重機三維模型：基于現(xiàn)有軟件的二次開發(fā)建模技術、基于VRML(VirtualRealityModelLanguage)建模技術、基于VisualC++和OpenGL的建模技術。第一種方法可以用現(xiàn)有的軟件如ProE、AutoCAD等進行二次開發(fā)，成本低、周期短，但系統(tǒng)的通用性和交互性不好。第二種方法可以開發(fā)出基于網(wǎng)絡的仿真系統(tǒng)，但對于某些軟件的網(wǎng)絡化實現(xiàn)有一定的難度。第三種方法用了Microsoft開發(fā)的面向?qū)ο蟮木幊陶Z言和性能卓越的三維圖形軟件接口OpenGL,這樣開發(fā)的軟件通行強，但編程工作量大。綜合來說，應用第三種方法開發(fā)最適宜。文獻十九用第三種方法自主開發(fā)了三維引擎SR系統(tǒng)，為三維場景建模提供很好的數(shù)據(jù)接口，能夠產(chǎn)生高質(zhì)量的三維圖形。對于起重機吊裝過程的顯示而言，模型越精致越好，而模型越精致仿真速度越慢，這兩個方面存在著矛盾。為盡可能同時滿足系統(tǒng)高可視化和高速度仿真要求，對起重機模型的建立有三個規(guī)則[19]:(1)為滿足運行速度要求，忽略起重機的內(nèi)部結(jié)構(gòu)，在整體結(jié)構(gòu)上做必要處理；(2)為滿足碰撞檢測需要，起重機的外形尺寸不可少，尤其是涉及到與起重性能相關的尺寸；(3)為體現(xiàn)不同風格的機種，實現(xiàn)起重機主要部分的顏色修改與設置。起重機三維模型建立過程需要很多數(shù)據(jù)，一般用數(shù)據(jù)庫來存儲，可分為幾何尺寸和邏輯尺寸。三維引擎接受起重機各部分的幾何尺寸來建立模型，通過邏輯尺寸將各部件組織起來，形成一臺完整的起重機模型。而對于船舶貨物吊裝而言，物體的建模要求卻不相同，僅僅取得好的視覺效果還不行，因為船舶貨物裝卸仿真的主要目的是驗證貨物吊裝的可行性和安全性，同樣在起重機吊裝場景中也應該考慮到吊裝的安全性和可行性。場景中除了起重機外，還有吊裝物和其他設備的建模，模型越細致，仿真時的真實性越高，但是碰撞檢測時計算就越復雜，這時可以采用“細節(jié)水平”(LOD-LevelsofDetail)技術[20]。細節(jié)水平是以復雜度不同的物體來代替在視覺上同樣的模型，物體的復雜程度取決于物體和觀察點之間的距離。距離越遠，就用越少的多邊形來代替此物體，而當觀察點靠近時，顯示出物體的更多細節(jié)，這種方法在碰撞檢測中有一定的應用。確定起重機定位區(qū)在已知吊裝物的情況下，選擇一個好的起重機定位點，能提高吊裝效率和吊裝過程的安全性。汽車起重機的立體構(gòu)型和吊臂決定了可吊裝空間的最大和最小半徑，而不同的起重機操作如升降、回轉(zhuǎn)、變幅等所需要的工作區(qū)和消耗的能量都不相同，當起重機選擇一個好的定位點時，就能夠最快、最省、最安全的完成吊裝。不同的定位點下，起重機的工作區(qū)不同，由此會產(chǎn)生多條吊裝路徑。文獻二十一提出了一種自動生成起重機二維定位區(qū)的方法，因為起重機的工作區(qū)與場景中障礙物和邊界的限制有關[21],和起重機本身性能也有關，用傳統(tǒng)的方法憑著操作者的經(jīng)驗、技能及適當?shù)囊?guī)劃來確定起重機的定位點會花費很多時間，且易于出錯。所以，此文獻中提出的這種自動生成起重機定位區(qū)的方法可以找到進行吊裝的定位區(qū)，使起重機停在某處完成吊裝，同時配合自動尋徑方法，可以找出一條最佳的吊裝路徑。算法是一種有力的工具來優(yōu)化吊裝過程，但其實現(xiàn)卻不容易，文獻二十一嘗試用算法來選擇起重機定位區(qū)。以往的算法都是先考慮起重機的可吊裝區(qū)，然后選擇可行的起重機位置，而這個算法先考慮場景中障礙物的位置和邊界值來確定起重機定位區(qū)間，根據(jù)起重機選型計算起重機吊臂的可運行范圍，最后確定起重機定位點，這樣使施工現(xiàn)場的安全性得到提高?，F(xiàn)場中汽車起重機吊臂在移動過程中會有振動，在大噸位起重機中振動會影響系統(tǒng)的控制精度，甚至會引起事故的發(fā)生[22]0為提高安全度，可以在起重機定位時將障礙物的空間擴大，減小起重機工作區(qū)，從而確定定位點。當場景中障礙物和邊界限制較多時，提前進行場景分析確定起重機定位區(qū)，能夠加快吊裝的完成，節(jié)省吊裝成本。吊裝路徑規(guī)劃吊裝路徑規(guī)劃［23］指在有障礙物的吊裝環(huán)境中尋找一條從起吊狀態(tài)（起點）到就位狀態(tài)（終點）的動作序列，使起重機在運動過程中能無超載、無碰撞的完成吊裝。一般的吊裝系統(tǒng)中，允許用戶單獨對起重機進行操作，并且實時顯示吊裝物移動的位置和相關參數(shù)，整個吊裝過程只依據(jù)用戶的經(jīng)驗、視覺及手工計算，當移動到終點時顯示吊裝完成。整個過程是一種人工路徑搜索，雖然仿真成本低，但是效率也低。路徑規(guī)劃中一個重要的技術是碰撞檢測。為保證施工現(xiàn)場人員和設備的安全，在仿真中不允許起重機發(fā)生碰撞，一旦碰撞發(fā)生，說明此路徑不可行，原則上應該保持起重機和設備之間有一定的間隙。在三維仿真中，可能發(fā)生空間沖突，碰撞檢測就從二維空間上升為三維空間，難度增加，場景中障礙物和起重機的立體構(gòu)型對碰撞檢測有很大影響。場景渲染中一般選擇特殊立體構(gòu)型虛擬化施工現(xiàn)場的障礙物［24］,比如說：正方體、長方體、圓錐、圓柱、球體等，這些特殊多面體的中心和大小比較容易計算，這就簡化了碰撞檢測和吊裝過程參數(shù)的計算。當需要可視化障礙物時，可以利用二維基本圖形構(gòu)造形象化物體，再用一個大的虛擬包圍盒封裝此物體?？梢詫⑴鲎矙z測分為兩個檢測階段［25］：粗略檢測階段和精確檢測階段。粗略檢測階段進行各包圍盒之間和包圍盒與起重機組件之間的空間碰撞檢測，排除不可能產(chǎn)生碰撞的物體。如果發(fā)生包圍盒碰撞檢測，就進入精確檢測階段，對物體內(nèi)層結(jié)構(gòu)進行碰撞檢測。這樣先排除一些不可能發(fā)生情況，留下碰撞發(fā)生率較高的物體，再進行重點檢測，范圍就會縮小很多，從而能夠提高碰撞檢測的效率，但是對障礙物的二次虛擬化增加了系統(tǒng)數(shù)據(jù)存儲量。起重機安全高效的完成吊裝不僅需要好的吊裝操作，還需要足夠的吊裝時間完成吊裝，默認同一次吊裝過程中場景沒有發(fā)生變化，是在靜態(tài)環(huán)境中完成吊裝。而現(xiàn)實生活中，施工現(xiàn)場是一個動態(tài)的環(huán)境，在一次吊裝路徑的執(zhí)行中，有可能出現(xiàn)其他物體。如果與場景中定時出現(xiàn)的物體發(fā)生沖突，那么此次路徑就不能再繼續(xù)進行，吊裝過程就會失敗，這時提出了一個實時路徑規(guī)劃［26］的概念。一個動態(tài)的實時路徑算法被提出，通過快速路徑規(guī)劃和避障提高現(xiàn)場操作的安全性和效率。起重機吊裝過程與起重機容量、吊裝路徑、起重機視角等都有關，其中一個好的吊裝路徑是起重機成功吊裝的關鍵。起重機路徑規(guī)劃和機器人路徑規(guī)劃是不同的，起重機的的機車回轉(zhuǎn)、吊臂伸縮變幅、吊鉤起升等運動更為復雜，而文獻二十六在考慮起重機運作限制條件下，采用機器人路徑規(guī)劃算法研究出一種基于二元樹的實時吊裝路徑規(guī)劃算法，能夠在動態(tài)場景中快速的修正吊裝路徑，使操作高效、可靠、安全、可行。云計算架構(gòu)的關鍵技術云計算作為一種性能高的服務計算，其所涉及到的技術非常廣泛，但是就云計算本身而言特有的技術主要［16］有數(shù)據(jù)存儲技術、大規(guī)模服務器串聯(lián)技術、數(shù)據(jù)管理技術、分布式并行編程模型等。(1)云數(shù)據(jù)存儲技術。為了能夠同時滿足大量用戶的需求，云計算平臺需要具有存儲大容量數(shù)據(jù)、高吞吐率和高傳輸率的訪問機制。Google采用的GFS文件系統(tǒng)是由幾千個甚至幾萬個普通的硬盤串聯(lián)組成，處理的數(shù)據(jù)是按GB級來度量的，另外，為了保證數(shù)據(jù)安全，數(shù)據(jù)信息備用一般至少采用三個副本。(2)數(shù)據(jù)中心服務器串聯(lián)技術。串聯(lián)起來數(shù)量龐大的服務器群組成了云計算數(shù)據(jù)中心，其中，服務器群的部署、串聯(lián)方式、動態(tài)遷移、數(shù)據(jù)快照等技術，以及云基地能耗問題的方案解決都是云計算中存在的技術問題。(3)數(shù)據(jù)庫管理技術。云數(shù)據(jù)庫系統(tǒng)是用來存放分布式數(shù)據(jù)的數(shù)據(jù)庫，用來處理PB級的結(jié)構(gòu)化數(shù)據(jù)，也有相應的查詢語言。Google采用了Bigtable數(shù)據(jù)庫，它具有高性能的數(shù)據(jù)管理能力，也有專門的GQL(GoogleQueryLanguage)查詢語言。(4)云編程模型。這是用來計算云平臺的大量數(shù)據(jù)，能為用戶提供并行計算的程序編寫平臺。