智能機床最早出現在賴特(P·K·Wright)與伯恩(D·A·Bourne)1998年出版的智(zhì)能製造研究(jiū)領域的首本專著《智能製造(zào)》(Manufacturing Intelligence)中 。由於對(duì)先進製造業具(jù)有重要作用(yòng),智能技術引起各個國(guó)家的重(chóng)視(shì)。美國推出了智能(néng)加工平台計劃(SMPI);歐洲實(shí)施 “Next Generation Production System”研究;德國推出了“Industry 4.0”計劃;中國中長期科技(jì)發展對“數字化智能化製造技術”提出了迫切需求,並製定了相應的“十二五”發展規劃;在2006年美國芝加哥國際製(zhì)造技術展覽會(IMTS2006)上,日(rì)本Mazak公司推出的首次命名為“Intelligent Machine”的智能(néng)機床和日本Okuma公司推出的命名為“thinc”的智能數控係統,開啟了數控機床智(zhì)能化時代(dài) 。
本文從傳感(gǎn)器出發,將數控機床的智能技術(shù)按層次劃分為智能傳感器、智能功能、智(zhì)能部件、智能係統等部分,對智能技術進行了總(zǒng)結,指出不足,揭示了發展方向(xiàng),並(bìng)對未來進行了展望。
智能傳感器
由機床、刀具、工(gōng)件組成的數控機床製造係統在加工(gōng)過程中,隨著材料的切除,伴隨著多種複雜的物理(lǐ)現象,隱含著豐富的信(xìn)息 。在這種動態、非線性(xìng)、時變、非確定性環境中,數控機床自身的感知技(jì)術是(shì)實現智能化的基本條件。
數控(kòng)機床要實現智能,需要各種傳感器收集外(wài)部(bù)環(huán)境和內部狀態信息,近似人(rén)類五官感知(zhī)環境變化的功能,如表1所示。對人(rén)來講,眼睛是五官中最重要的感覺器官,能獲得90%以上的環境信息,但視覺傳(chuán)感(gǎn)器在數控機床中的(de)應(yīng)用還比較少。隨著自動化(huà)和智能化水平的提高,視覺功能(néng)在數控機床中將發揮越來越重要的作用。
表1 數控機床可用傳感(gǎn)器
隨著MEMS(微機電係統)技術、嵌入技術(shù)、智能材料與結構等技術的發展,傳(chuán)感器趨(qū)向(xiàng)小(xiǎo)型化。MEMS微(wēi)傳(chuán)感器、薄膜傳感(gǎn)器以及光纖(xiān)傳感器等微型(xíng)傳感器的成熟應用,為傳感器嵌(qiàn)入數控機床奠定(dìng)了基(jī)礎。
由於製造過程中存(cún)在不可預測(cè)或不能預(yù)料的複雜現象和奇怪(guài)問題,以及(jí)所監測到的信息存在時效性、精確(què)性、完整性等問題,因此,要求傳感(gǎn)器具有分析、推理、學習等智能,這要求傳感器(qì)要有高性能智能處理器來充當“大腦”。美國高通公(gōng)司正在研製能夠模擬人腦工作的(de)人工智能係統微處理器。將來可通過半導體集成技術,將高性能人工智(zhì)能係統微處理器與傳感器、信號處理電路、I/O接(jiē)口(kǒu)等(děng)集成在同一芯片(piàn)上,形(xíng)成大規模(mó)集成電路式智能傳感器,不但具有檢測(cè)、識別、記憶、分析(xī)等功能,而且具(jù)有自學習甚至思維能力(lì) 。相信隨(suí)著(zhe)計算機技術、信號處理技術、MEMS技術、高新材料技(jì)術、無線通信技術等(děng)不斷進步,智能傳(chuán)感器將會在數控機(jī)床智能感知方麵帶來全新變革。
智能功能
數控機床向高速、高效、高(gāo)精化發展,要求數控機(jī)床具有熱(rè)補償、振動(dòng)監測(cè)、磨(mó)損監測(cè)、狀態監測與故障診(zhěn)斷等(děng)智能功能。融合幾個或幾種(zhǒng)智能傳感器,采用人工智能方法(fǎ),通過識別、分析、判斷及(jí)推理,實現數控機床的智能(néng)功能,為智能部件(jiàn)的實現打下基礎。
數(shù)控機(jī)床的誤差包括幾何誤差、熱(變形)誤(wù)差、力(變形)誤差、裝配誤差等。研究表明,幾何誤差、熱誤差占到機床總誤差的50%以上,是影響機床加工精度的關鍵因素,如圖1所示 。其中,幾何誤(wù)差是製造、裝配過程中造成的與機床結構本身有關的誤差(chà),隨時間變化不大(dà),屬於(yú)靜態誤差,誤差預測模型相對簡單(dān),可以通過(guò)係統的補(bǔ)償功能得到有效控製,而熱誤差隨時間變化很大,屬於動(dòng)態誤差,誤差預測模型複雜,是國際研究的難(nán)點和熱點。
圖1 數控機床加(jiā)工(gōng)誤差來源(百分比(bǐ))
數控機床在加工過程中的(de)熱源(yuán)包括(kuò)軸承、滾珠絲杠、電機、齒輪箱、導軌、刀具等。這些部件的升溫會引起(qǐ)主軸(zhóu)延伸、坐標變化、刀具伸長(zhǎng)等變(biàn)化,造成機(jī)床誤差增(zēng)大。由於溫度敏感點多、分布(bù)廣,溫度測試點位置優化設計很重要,主要方法有遺傳算法、神(shén)經網絡、模糊聚類、粗糙集、信息論、灰色係統等 。在確定了溫度測點的基礎上,常用神經網絡、遺傳算(suàn)法、模(mó)糊邏輯、灰色係統(tǒng)、支持向量機等來進行(háng)誤差預測與補償 。
在航空航天領域,隨著鈦合(hé)金、鎳合金、高強度鋼等難加工材料的(de)廣(guǎng)泛應用,以及高速切削條(tiáo)件下,切削量的不斷增大,刀具、工件間很容易發生振動,嚴重影響工件的加工(gōng)精度和表麵(miàn)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(tài)特性(xìng),因此可以借助切削力監測與預報進行振動監測。借助測力儀、力傳感器、進給電機的電流等,利用粒子群算法、模糊理(lǐ)論、遺傳算法、灰色理論等對切削力進行建模和(hé)預測 。考慮到引起機床振動的原因主要有主軸、絲杠、軸承等部件,也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進行振動監測 。
刀(dāo)具安裝在主軸前端,與加工(gōng)工(gōng)件接觸,直接切削工件表麵,對加工質量的影響是(shì)最直接和關鍵的。刀具磨損、破損等異常現象影響加工精度和工作安(ān)全。鑒於直接測量法需要離(lí)線檢測的缺陷,常采集(jí)電流、切(qiē)削力、振動、功率、溫度等一種或多種間接信號(hào),采用(yòng)RBF神經網絡、模糊神經網絡、小波神經(jīng)網(wǎng)絡、支持向量機等智能算(suàn)法對刀具磨損狀態進行智能監測 。
隨著自動化程度的提高(gāo),數控機床集成越(yuè)來越(yuè)多的功能,複雜程度不斷提高。為了高效運行,對數控機(jī)床的內部狀態(tài)進行監測(cè)與性能評價(jià)、對故障進行預(yù)警與診斷(duàn)十分必要。由於故障模式再現性不強(qiáng),樣本采集困難,因此BP神經網(wǎng)絡等要求樣本多的智能方法不適合這種場合。狀態監測與故(gù)障診斷常采用SOM神經網絡、模糊邏輯、支持向量機、專家係統和多Agent等智能方法 。
研究人員不斷探索和研究智能功能的新方法或多種方法的混合,但大部(bù)分集(jí)中在實驗(yàn)室環境下,缺少實時性高(gāo)、在線功能強的方法,尚需深入發展簡潔、快(kuài)速、適(shì)應性強的智能方法。
智能部(bù)件
數(shù)控機床機械部分主要包括支撐結(jié)構件、主傳動(dòng)件、進給傳動件(jiàn)、刀具等部分,涉及到床身、立柱、主軸、刀具、絲杠與導軌以及旋轉軸等部件。這些(xiē)部件(jiàn)可以(yǐ)集成智能傳感器的一種或幾種智能功能構成數控機床智能部件,如圖2所示。
圖2 數控機床智能(néng)部件(jiàn)
主軸是主(zhǔ)傳動部件,作為(wéi)核心部件,直接關係到工件加工精度。由(yóu)於主軸(zhóu)轉速較高,特別是(shì)電主軸,發熱、磨損、振(zhèn)動對加工質量影(yǐng)響很大,因此,越來越多的智能傳感器被集成到主軸中,實現對工作狀態的(de)監控、預警以及補償等功能。日本山崎馬紮克研製(zhì)的(de)“智能主軸”,裝有溫度、振動、位移及距離等多種傳感器(qì),不但具(jù)有溫度、振動、夾具壽命監(jiān)控和防護功能(néng),而且能夠根據溫度、振動(dòng)狀態,智能(néng)協調加工參數 。瑞士Step-Tec、IBAG等製造的電主軸,裝有溫(wēn)度、加速度(dù)、軸向位移等多種傳感(gǎn)器[14],如圖3所示,能(néng)夠進行熱補償、振動監測等。
圖3 瑞士(shì)斯特普電主軸傳感器分布
絲杠、導軌是數控機床坐標運動和定(dìng)位的關鍵部件,其性能直接影響坐標運動精度和動態特性(xìng),對工件加工質量(liàng)影響很大,因(yīn)此監測絲杠副、導(dǎo)軌副在加工中的性能變化及壽(shòu)命預測對數控機床的(de)智能化(huà)具(jù)有重要作用。通過電機驅動電流信號、功率、切削力、聲音等傳感器信號,結(jié)合進給速度、切削深度、絲杠轉速等工藝參數,可對絲杠、導軌的磨損情況進行監控,對剩餘壽命進(jìn)行(háng)預測,及(jí)時報(bào)警,預防重大生產事故。
軸承(chéng)是數控機床旋(xuán)轉軸的關鍵部件,起著支撐載荷、減小摩擦係數的作用,其運行狀(zhuàng)態直接影響機床的運轉精度(dù)和可靠性。軸承在高轉速下摩擦劇烈,發熱量大(dà),是最易損壞的部件,因(yīn)此監測軸承運(yùn)行狀態(tài),可避免因軸承問題(tí)而導致(zhì)設備異常(cháng)或損壞。瑞典SKF公司生產外(wài)掛式(shì)智能軸(zhóu)承如圖4所示 ,利用應用環境(jìng)自供電,對轉速、溫(wēn)度、速度、振(zhèn)動以及載荷等關鍵參數進行測量,並利用無線(xiàn)網絡發送(sòng)自(zì)身狀態信息,實現對軸承狀態(tài)監測。
圖4 瑞典SKF公司外掛式智能軸承
刀具直接與工(gōng)件接觸,切削工件表麵發熱量大,容易產生振動(dòng),對(duì)表麵質(zhì)量的影響很大,因此刀具(jù)中(zhōng)融(róng)合越來越多的傳感器,實現對刀具的(de)磨損監控、振動監測、斷裂報警等功能。克裏斯托弗、羅伯特等(děng)發明的智能刀具夾具如圖5所(suǒ)示,集成有力/扭矩(jǔ)、溫度、處理器、無(wú)線收發器(qì)等芯片,能夠估計和預測顫動頻率、建議穩定的主軸速度、磨損監視以及建議進給速率等[16]。瑞士ACTICUT公(gōng)司的生產的智能刀具內部由機構、傳感器和驅動(dòng)器構成,用(yòng)於(yú)精密數控車削,可對磨損、速度、溫度等進(jìn)行監控 。
圖5 智能刀具夾具
智(zhì)能係統
數控機(jī)床一般由(yóu)數控係統、驅動係統、輔助(zhù)係統以及機床本體組(zǔ)成,如圖6所示。隨著人工智能技術的(de)不斷成熟,神經網絡、模糊理論以及專家係統等方法逐漸應用到數控(kòng)係統、驅動係統以及(jí)輔助係統中,實現(xiàn)工藝參數優化專家係統(tǒng)、自適應控製、加工過程監控、智能診斷等(děng)功(gōng)能(néng)。
圖6 數控機床(chuáng)組成
航空製造領域需要(yào)加工(gōng)的部件含有很多孔、溝、槽、腔(qiāng)等特征,加工(gōng)工藝(yì)複雜,因(yīn)此在數控機床中(zhōng)嵌入工藝參數(shù)優化專家係統成為必然。專家係統利用人(rén)工智能技(jì)術將某領域內一個或多個專家的(de)知識和經驗固(gù)化(huà)到程序中(zhōng),模擬人類專家的決策過程,進行(háng)推理和判斷(duàn),以便解決加工中(zhōng)的複雜問題。瑞士米克朗公司匯集了幾十年(nián)銑(xǐ)削經驗的結晶,開發了(le)操作者支持(chí)模塊OSS(Operator Support System),能夠根據(jù)加工要求調整相關的工藝參數,優化加工程序,獲(huò)得更理(lǐ)想的加工結果 。
隨著數控係統的發展,主流數控(kòng)係統(tǒng)廠家在產品中嵌入了自適應控製、加工(gōng)過程監控、智能診斷等實用功能。西門子數控係統具(jù)有(yǒu)電機參數自適應運算、自動識別負載、刀具壽命監控、安(ān)全集成等功能,與(yǔ)以色列的OMATIVE優銑控製器(qì)OMAT-PRO相結合,可對主軸功率進行約束,通過學習和再學習掌握主軸功率(lǜ)的最佳狀態,然後在加工(gōng)過程中,實時監測主軸功率的變化,及時調整進給率[19]。奧地利WFL的Crash Guard防撞衛士(shì)係統,利用CNC係統(tǒng)的高速(sù)處理能力,實時監控機床的(de)運動,確保機床在手動、自動等各種運動模式下均正常工作,降低運行過程機(jī)床突發事故的產生,提高機床工作的安全性和可靠性 。GE Fanuc公司的(de)Proficy軟件監控和(hé)分析機床設備複雜的基本數據,對機床的工作狀態、健康狀況(kuàng)進行遠程診斷(duàn)[20]。德(dé)國ARTIS監控係(xì)統是對工(gōng)作狀態進行監控的係統,通過學習(xí),獲取監控(kòng)信號的特(tè)征,實現對加(jiā)工過(guò)程中的斷刀、刀具磨損、碰撞等異(yì)常行為的實時監控 。
展望
智能化是數控機床發展的高級階段,能夠實現高度自動化,進(jìn)一步解放(fàng)人類的腦(nǎo)力智能。隨(suí)著技術水平的發展和需求的提高,數控機(jī)床出現越來越多智能功能(néng)、智能部件以及智能係統。盡管其智能水平還處於發展階(jiē)段,但隨著人(rén)工智能技術、計算機技術、傳感器微型化與智能化以及(jí)微處(chù)理器技術等發展,實現(xiàn)真正意義上的 “自學習、自進化”的具有人類智能水平的數控機床將不再是“夢”。
如果您有機(jī)床行業、企業(yè)相(xiàng)關新聞稿件發表,或(huò)進行資訊(xùn)合作,歡迎聯係本網(wǎng)編輯部, 郵箱:skjcsc@vip.sina.com
- 2024年11月 金屬切(qiē)削機床產量數據
- 2024年11月 分地(dì)區金屬切削機床產量數據
- 2024年11月 軸承出口情況
- 2024年(nián)11月 基本型乘(chéng)用車(轎車)產量數(shù)據
- 2024年11月 新能源汽車產量數據(jù)
- 2024年11月 新能(néng)源汽車銷量情況(kuàng)
- 2024年10月 新能源汽車(chē)產量數據
- 2024年10月 軸承出口情況
- 2024年10月 分地區金屬(shǔ)切削(xuē)機床產量數據
- 2024年10月 金屬切(qiē)削機床(chuáng)產量數據
- 2024年9月(yuè) 新(xīn)能源汽車(chē)銷量情況
- 2024年8月 新能源汽車產量數據
- 2028年8月 基本型乘用車(轎車)產量數據