數控機床的控制系統能將帶有控制代碼或其它符號指令的程序進行邏輯處理，解碼，用編碼數字表示，通過信息載體輸入數控裝置。今天，我給大家介紹壹下數控機床的智能化技術。歡迎閱讀。
智能機床最早出現在萊特(P？k？Wright)和Bowen (D？答？Bourne)1998，智能制造研究領域的第壹本專著，制造智能[1]。智能技術因其在先進制造業中的重要作用，受到了各國的重視。美國啟動了智能加工平臺計劃(SMPI)；歐洲實施？下壹代生產系統？研究；德國已經發動了？工業4.0？計劃；中國中長期科技發展對吧？數字智能制造技術？提出迫切的需求並制定相應的？十二五規劃？發展規劃；在美國芝加哥舉行的IMTS2006上，日本Mazak公司推出了第壹款名為？智能機？這種智能機床和日本的Okuma公司同名？thinc？智能數控系統，開啟了智能數控機床時代[2]。
以傳感器為基礎，將數控機床的智能技術分為智能傳感器、智能功能、智能部件、智能系統等部分，對智能技術進行了總結，指出了不足，揭示了發展方向，展望了未來。
智能傳感器
由機床、刀具和工件組成的數控機床制造系統，在加工過程中伴隨著各種復雜的物理現象，其中隱含著豐富的信息[3]。在這種動態、非線性、時變和不確定的環境中，數控機床的感知技術是實現智能化的基礎條件。
數控機床要實現智能化，需要各種傳感器采集外界環境和內部狀態的信息，類似於人的五官感知環境變化的功能，如表1所示。對於人來說，眼睛是五官中最重要的感覺器官，可以獲取90%以上的環境信息，但視覺傳感器在數控機床中的應用還比較少。隨著自動化和智能化程度的提高，視覺功能將在數控機床中發揮越來越重要的作用。
隨著MEMS技術、嵌入式技術、智能材料和結構的發展，傳感器趨於小型化。MEMS微傳感器、薄膜傳感器、光纖傳感器的成熟應用，為傳感器嵌入數控機床奠定了基礎。
由於制造過程中不可預測或難以預料的復雜現象和奇怪問題，以及監測信息的及時性、準確性和完整性，要求傳感器具有分析、推理和學習的智能，這就要求傳感器具有高性能的智能處理器來充當？腦子？。高通正在開發壹種人工智能系統微處理器，可以模擬人腦的工作。未來，高性能人工智能系統的微處理器、傳感器、信號處理電路和I/O接口可通過半導體集成技術集成在同壹芯片上，形成大規模集成電路智能傳感器，不僅具有檢測、識別、存儲和分析功能，還具有自我學習甚至思考的能力[4]。相信隨著計算機技術、信號處理技術、MEMS技術、高科技材料技術、無線通信技術等的不斷進步。，智能傳感器將給數控機床的智能感知帶來新的變化。
智能功能
數控機床向高速、高效、高精度發展，要求數控機床具有熱補償、振動監測、磨損監測、狀態監測和故障診斷等智能功能。通過幾個或幾個智能傳感器的組合，采用人工智能的方法，經過識別、分析、判斷、推理，實現數控機床的智能功能，為智能部件的實現奠定基礎。
數控機床的誤差包括幾何誤差、熱(變形)誤差、力(變形)誤差、裝配誤差等。研究表明，幾何誤差和熱誤差占機床總誤差的50%以上，是影響機床加工精度的關鍵因素，如圖1 [5]。其中幾何誤差與機床結構本身有關，隨時間變化不大，屬於靜態誤差。誤差預測模型相對簡單，可以通過系統的補償功能進行有效控制，而熱誤差隨時間變化較大，屬於動態誤差，誤差預測模型復雜，是國際研究的難點和熱點。
數控機床在加工過程中的熱源有軸承、滾珠絲杠、電機、齒輪箱、導軌、刀具等。這些零件的溫升會引起主軸伸長、坐標變化、刀具伸長等變化，導致機床誤差增加。由於溫度敏感點數量多、分布廣，溫度測點的優化設計非常重要。主要方法有遺傳算法、神經網絡、模糊聚類、粗糙集、信息論、灰色系統等[6]。在確定測溫點的基礎上，常用神經網絡、遺傳算法、模糊邏輯、灰色系統、支持向量機進行誤差預測和補償[7]。
在航空航天領域，隨著鈦合金、鎳合金、高強度鋼等難加工材料的廣泛應用，以及高速切削條件下切削量的不斷增加，刀具與工件之間容易產生振動，嚴重影響工件的加工精度和表面質量。由於切削力是切削過程的原始特征信號，最能反映加工過程的動態特性，因此可以借助切削力監測和預測來進行振動監測。借助測功機、力傳感器和進給電機電流，利用粒子群優化、模糊理論、遺傳算法和灰色理論對切削力進行建模和預測[8]。考慮到引起機床振動的主要是主軸、絲杠、軸承等部件，我們還可以采集這些部件的振動、切削力、聲發射等信號，利用神經網絡、模糊邏輯、支持向量機等智能方法直接監測振動。
刀具安裝在主軸前端，與工件接觸，直接切削工件表面，對加工質量有最直接、最關鍵的影響。刀具磨損、破損等異常現象影響加工精度和工作安全。針對直接測量法需要離線檢測的缺陷，往往采集電流、切削力、振動、功率、溫度等壹種或多種間接信號，采用RBF神經網絡、模糊神經網絡、小波神經網絡、支持向量機等智能算法對刀具磨損狀態進行智能監測。
隨著自動化程度的提高，數控機床集成的功能越來越多，復雜程度也越來越高。為了高效運行，需要對數控機床內部狀態進行監測和評估，並對故障進行預警和診斷。由於故障模式不可復制，樣本采集困難，BP神經網絡等需要更多樣本的智能方法不適合這種場合。SOM神經網絡、模糊邏輯、支持向量機、專家系統和多智能體等智能方法常用於狀態監測和故障診斷。
研究人員不斷探索和研究智能功能的新方法或各種方法的混合，但大多集中在實驗室環境，缺乏具有高實時性和在線功能的方法，需要進壹步開發簡潔、快速和適應性強的智能方法。
智能組件
數控機床的機械部分主要包括支撐結構、主傳動、進給傳動、刀具等部分，涉及床身、立柱、主軸、刀具、絲杠、導軌和轉軸等部分。這些部件可以集成智能傳感器的壹種或多種智能功能，形成數控機床的智能部件，如圖2所示。
主軸是主要的傳動部件，作為核心部件，直接關系到工件的加工精度。由於主軸特別是電主軸的轉速很高，發熱、磨損和振動對加工質量影響很大。因此，越來越多的智能傳感器集成到主軸中，實現工作狀態的監測、預警和補償功能。由Madzak Yamazaki開發？智能主軸？，配有溫度、振動、位移、距離等多種傳感器，不僅具有溫度、振動、夾具壽命監測保護功能，還能根據溫度和振動狀態智能協調加工參數[13]。瑞士Step-Tec和IBAG制造的電主軸，配有溫度、加速度、軸向位移等各種傳感器[14]，如圖3所示，可用於熱補償和振動監測。
絲杠和導軌是數控機床坐標運動和定位的關鍵部件，其性能直接影響坐標運動精度和動態特性，對工件的加工質量影響很大。因此，監測絲杠導軌副在加工過程中的性能變化和壽命預測對數控機床的智能化具有重要意義。通過電機驅動電流信號、功率、切削力、聲音等傳感器信號，結合進給速度、切削深度、絲杠轉速等工藝參數，監測絲杠和導軌的磨損情況，預測剩余壽命，及時報警，防止重大生產事故的發生。
軸承是數控機床旋轉軸的關鍵部件，起著支撐載荷和降低摩擦系數的作用，其運行狀態直接影響機床的運行精度和可靠性。軸承是最容易損壞的零件，因為它在高速下摩擦劇烈，發熱量大。因此，監測軸承的運行狀態可以避免因軸承問題造成的設備異常或損壞。瑞典SKF公司生產的外置智能軸承如圖4 [15]所示。在應用環境下通過自供電測量轉速、溫度、速度、振動、載荷等關鍵參數，並通過無線網絡發送外部智能軸承的狀態信息，實現對軸承的狀態監測。
刀具與工件直接接觸，工件表面容易產生熱量和振動，對表面質量影響很大。因此，越來越多的傳感器集成到刀具中，實現刀具磨損監測、振動監測、斷裂報警等功能。如圖5，克裏斯托弗、羅伯特等發明的智能刀架。集成了力/力矩、溫度、處理器、無線收發器等芯片。，並能估計和預測顫振頻率，建議穩定主軸轉速，監測磨損和建議進給速度等。[16].瑞士ACTICUT公司生產的智能刀具，由機構、傳感器和驅動器組成，用於精密數控車削，可監測磨損、速度和溫度[17]。
智能系統
數控機床壹般由數控系統、驅動系統、輔助系統和機體組成，如圖6所示。隨著人工智能技術的不斷成熟，神經網絡、模糊理論和專家系統逐漸應用於數控系統、驅動系統和輔助系統，實現專家系統的工藝參數優化、自適應控制、加工過程監控和智能診斷功能。
航空制造領域需要加工的零件包含孔、槽、溝、腔等多種特征，加工工藝復雜，在數控機床中嵌入壹個工藝參數優化的專家系統是必然的。專家系統利用人工智能技術，將某壹領域的壹個或多個專家的知識和經驗固化成程序，模擬人類專家的決策過程，進行推理和判斷，以解決加工中的復雜問題。瑞士密雀勞公司匯集了數十年銑削經驗的結晶，開發了操作者支持模塊OSS(Operator Support System)，可以根據加工要求調整相關工藝參數，優化加工程序，獲得更理想的加工結果[18]。
隨著數控系統的發展，主流數控系統廠商都在產品中嵌入了自適應控制、加工過程監控、智能診斷等實用功能。西門子數控系統具有電機參數自適應操作、自動負載識別、刀具壽命監控、安全集成等功能。結合以色列OMATIVE優化銑削控制器OMAT-PRO，可以約束主軸功率，通過學習和再學習掌握主軸功率的最優狀態，進而在加工過程中實時監控主軸功率的變化，及時調整進給速度[19]。奧地利WFL的Crash Guard防撞護欄系統，利用數控系統的高速處理能力，實時監控機床的運動，保證機床在手動、自動等各種運動模式下正常工作，減少機床在運行過程中意外事故的發生，提高機床的安全性和可靠性[3]。GE Fanuc公司的Proficy軟件對機床復雜的基礎數據進行監測和分析，對機床的工作狀態和健康狀態進行遠程診斷[20]。德國ARTIS監控系統是監控工作狀態的系統。通過學習可以得到監測信號的特征，實時監測刀具破損、刀具磨損、碰撞等異常行為[21]。
前景
智能化是數控機床發展的高級階段，可以實現高度自動化，進壹步解放人的精神智能。隨著技術的發展和需求的提高，數控機床中出現了越來越多的智能功能、智能元件和智能系統。雖然其智能水平還處於發展階段，但隨著人工智能技術、計算機技術、傳感器和微處理器技術的小型化和智能化的發展，已經實現了真正的意義？自我學習自我進化？具有人類智能水平的數控機床將不再是？夢想？。
；