YOTMT
欢迎光临本站
专  注  专  用  机  床  20  年
186 7837 0500
咨询电话
新闻详情

数控机床智能化技术

发表时间:2021-08-09 11:50

微信图片_20210611090148.jpg

本文从传感器出发,将数控机床的智能技术按层次划分为智能传感器、智能功能、智能部件、智能系统等部分,对智能技术进行了总结,指出不足,揭示了发展方向。
智能传感器
由机床、刀具、工件组成的数控机床制造系统在加工过程中,随着材料的切除,伴随着多种复杂的物理现象,隐含着丰富的信息[3]。在这种动态、非线性、时变、非确定性环境中,数控机床自身的感知技术是实现智能化的基本条件。

数控机床要实现智能,需要各种传感器收集外部环境和内部状态信息,近似人类五官感知环境变化的功能,如表1所示。对人来讲,眼睛是五官中最重要的感觉器官,能获得90%以上的环境信息,但视觉传感器在数控机床中的应用还比较少。随着自动化和智能化水平的提高,视觉功能在数控机床中将发挥越来越重要的作用。

表1 数控机床可用传感器
newmaker.com

随着MEMS(微机电系统)技术、嵌入技术、智能材料与结构等技术的发展,传感器趋向小型化。MEMS微传感器、薄膜传感器以及光纤传感器等微型传感器的成熟应用,为传感器嵌入数控机床奠定了基础。

由于制造过程中存在不可预测或不能预料的复杂现象和奇怪问题,以及所监测到的信息存在时效性、精确性、完整性等问题,因此,要求传感器具有分析、推理、学习等智能,这要求传感器要有高性能智能处理器来充当“大脑”。美国高通公司正在研制能够模拟人脑工作的人工智能系统微处理器。将来可通过半导体集成技术,将高性能人工智能系统微处理器与传感器、信号处理电路、I/O接口等集成在同一芯片上,形成大规模集成电路式智能传感器,不但具有检测、识别、记忆、分析等功能,而且具有自学习甚至思维能力[4]。相信随着计算机技术、信号处理技术、MEMS技术、高新材料技术、无线通信技术等不断进步,智能传感器将会在数控机床智能感知方面带来全新变革。

智能功能

数控机床向高速、高效、高精化发展,要求数控机床具有热补偿、振动监测、磨损监测、状态监测与故障诊断等智能功能。融合几个或几种智能传感器,采用人工智能方法,通过识别、分析、判断及推理,实现数控机床的智能功能,为智能部件的实现打下基础。

数控机床的误差包括几何误差、热(变形)误差、力(变形)误差、装配误差等。研究表明,几何误差、热误差占到机床总误差的50%以上,是影响机床加工精度的关键因素,如图1所示[5]。其中,几何误差是制造、装配过程中造成的与机床结构本身有关的误差,随时间变化不大,属于静态误差,误差预测模型相对简单,可以通过系统的补偿功能得到有效控制,而热误差随时间变化很大,属于动态误差,误差预测模型复杂,是国际研究的难点和热点。

newmaker.com
图1 数控机床加工误差来源(百分比)

数控机床在加工过程中的热源包括轴承、滚珠丝杠、电机、齿轮箱、导轨、刀具等。这些部件的升温会引起主轴延伸、坐标变化、刀具伸长等变化,造成机床误差增大。由于温度敏感点多、分布广,温度测试点位置优化设计很重要,主要方法有遗传算法、神经网络、模糊聚类、粗糙集、信息论、灰色系统等[6]。在确定了温度测点的基础上,常用神经网络、遗传算法、模糊逻辑、灰色系统、支持向量机等来进行误差预测与补偿[7]。

在航空航天领域,随着钛合金、镍合金、高强度钢等难加工材料的广泛应用,以及高速切削条件下,切削量的不断增大,刀具、工件间很容易发生振动,严重影响工件的加工精度和表面质量。由于切削力是切削过程的原始特征信号,最能反映加工过程的动态特性,因此可以借助切削力监测与预报进行振动监测。借助测力仪、力传感器、进给电机的电流等,利用粒子群算法、模糊理论、遗传算法、灰色理论等对切削力进行建模和预测[8]。考虑到引起机床振动的原因主要有主轴、丝杠、轴承等部件,也可以采集这些部件的振动、切削力、声发射等信号,利用神经网络、模糊逻辑、支持向量机等智能方法直接进行振动监测[9]。

刀具安装在主轴前端,与加工工件接触,直接切削工件表面,对加工质量的影响是最直接和关键的。刀具磨损、破损等异常现象影响加工精度和工作安全。鉴于直接测量法需要离线检测的缺陷,常采集电流、切削力、振动、功率、温度等一种或多种间接信号,采用RBF神经网络、模糊神经网络、小波神经网络、支持向量机等智能算法对刀具磨损状态进行智能监测[10]。

随着自动化程度的提高,数控机床集成越来越多的功能,复杂程度不断提高。为了高效运行,对数控机床的内部状态进行监测与性能评价、对故障进行预警与诊断十分必要。由于故障模式再现性不强,样本采集困难,因此BP神经网络等要求样本多的智能方法不适合这种场合。状态监测与故障诊断常采用SOM神经网络、模糊逻辑、支持向量机、专家系统和多Agent等智能方法[11-12]。

研究人员不断探索和研究智能功能的新方法或多种方法的混合,但大部分集中在实验室环境下,缺少实时性高、在线功能强的方法,尚需深入发展简洁、快速、适应性强的智能方法。


分享到: