亲朋棋牌

锯床技术

[浙江gy4028锯床电路图]如何实现智能数控机床?

日期:2019-06-20 10:06:44
2017年6月7日09: 08: 44来源:91信息站点击:11147 [中国机床商业网络技术新闻]智能机床出现在PK Wright和DA Bourne于1998年出版的智能制造研究领域的第一部专着《智能制造》(制造智能)中。由于其在先进制造中的重要作用,智能技术引起了各国的关注。美国启动了智能处理平台计划(SMPI);欧洲实施了下一代生产系统研究;德国推出了工业4.0计划;中国的中长期技术发展迫切需要数字智能制造技术,并制定了相应的“十三五”发展规划;在2006年芝加哥国际制造技术展览会(IMTS2006)上,由日本Mazak公司推出的名为“Intelligent Machine”的智能机床和日本大公公司推出的名为thinc的智能机器开启了智能时代。 本文从传感器出发,将数控机床的智能技术分为智能传感器,智能功能,智能元件,智能系统等部分。它总结了智能技术,指出了缺点,揭示了发展方向,开展了未来。外表。  智能传感器数控机床制造系统由机床,工具和工件组成。随着材料的切割,以及各种复杂的物理现象,有大量的信息。在这种动态的,非线性的,时变的,非确定性的环境中,数控机床本身的传感技术是实现智能化的基本条件。 为了实现智能化,数控机床需要各种传感器来收集外部环境和内部状态信息,这类似于人类五感觉环境变化的功能,如表1所示。对于人们来说,眼睛是一个面部特征中重要的感觉器官,可以获得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。随着自动化和智能水平的提高,视觉功能将在数控机床中发挥越来越重要的作用。表1可用于数控机床的传感器  

 

随着MEMS(微机电系统)技术,嵌入式技术,智能材料和结构等技术的发展,传感器趋于小型化。 MEMS微传感器,薄膜传感器和光纤传感器等微传感器的成熟应用为数控机床中的嵌入式传感器奠定了基础。 由于制造过程中存在不可预测或不可预测的复杂现象和奇怪问题,以及监测信息的及时性,性别和完整性,传感器需要具有分析,推理和学习等智能。这要求传感器具有高性能智能处理器作为大脑。高通公司正在开发一种模仿人类大脑工作的人工智能系统微处理器。未来,通过半导体集成技术,将高性能人工智能系统微处理器和传感器,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型智能传感器,它不仅具有检测,识别和记忆功能。分析等功能,还具有自学甚至思考能力。相信随着计算机技术,信号处理技术,MEMS技术,高科技材料技术和无线通信技术的不断进步,智能传感器将为数控机床的智能传感带来新的变化。  智能功能数控机床正在高速,高精度地发展。数控机床需要具备智能功能,如热补偿,振动监测,磨损监测,状态监测和故障诊断。结合几个或几个智能传感器,采用人工智能方法,通过识别,分析,判断和推理,实现数控机床的智能化功能,为智能元件的实现奠定基础。 数控机床误差包括几何误差,热(变形)误差,力(变形)误差,装配误差等。研究表明,几何误差和热误差占机床总误差的50%以上,这是影响精度的关键因素,如图1所示。其中,几何误差是与机床结构有关的误差。本身是由制造和装配过程造成的。它不随时间变化太大。这是一个静态错误。误差预测模型相对简单,可以通过系统的补偿功能有效地控制。时间变化很大,是动态误差,误差预测模型复杂,是国际研究的难点和热点。  数控机床的热源包括轴承,滚珠丝杠,电机,齿轮箱,导轨,工具等。这些部件的温度升高引起主轴延伸,坐标变化,工具伸长等的变化,导致机床误差增加。由于温度敏感点大,分布广,温度测试点的最佳定位设计非常重要。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]。在确定温度测量点的基础上,常用神经网络,遗传算法,模糊逻辑,灰色系统,支持向量机等用于误差预测和补偿。  

 

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切削条件,切削量增加,刀具与工件之间的振动也随之增加很容易发生,严重影响工件。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并且能够反映加工过程的动态特性,因此可以通过切削力监测和预测来执行振动监测。利用力计,力传感器,进给电机电流等,通过粒子群算法,模糊理论,遗传算法,灰色理论等对切削力进行建模和预测。考虑到机床振动的原因,主要有主轴。螺钉,轴承和其他组件。它还可以收集这些部件的振动,切削力,声发射等信号,并直接利用神经网络,模糊逻辑,支持向量机等智能方法直接振动。监控。  刀具安装在主轴前端,与加工工件直接接触。直接切割工件表面是非常重要的。刀具磨损和损坏等异常现象会影响加工精度和工作安全性。鉴于直接测量方法需要离线检测的缺点,经常收集一个或多个间接信号,如电流,切割力,振动,功率和温度,以及RBF神经网络等模糊智能算法采用神经网络,小波神经网络和支持向量机。智能监控刀具磨损情况。 随着自动化程度的提高,数控机床集成了越来越多的功能,复杂性不断提高。为了操作,有必要监视和评估CNC机床的内部状态并提供故障的早期警告和诊断。由于故障模式的再现性不强且样品采集困难,因此需要大量样品的智能方法(例如BP神经网络)不适合这种情况。状态监测和故障诊断通常采用智能方法,如SOM神经网络,模糊逻辑,支持向量机,专家系统和多智能体。 研究人员继续探索和研究智能功能的新方法或多种方法的混合方法,但大多数都侧重于实验室环境,缺乏高时间,在线方法,需要以简洁,快速,适应性强的方式开发强智能做法。  

 

智能零件数控机床零件主要包括支撑结构零件,主传动零件,进给传动零件,刀具等零件,涉及床身,立柱,主轴,工具,螺杆及导轨和转轴等部件。这些组件可以与智能传感器的一个或多个智能功能组合,以形成CNC机器的智能组件。  主轴是主驱动组件。作为核心部件,它与工件的加工精度直接相关。由于主轴转速高,特别是电主轴,热,磨损和振动对加工质量有很大影响。因此,越来越多的智能传感器集成在主轴中,实现了工作状态的监控,报警和补偿功能。由日本Yamazaki Mazak开发的智能主轴配备有各种传感器,如温度,振动,位移和距离。它不仅具有温度,振动,夹具寿命监控和保护功能,还可根据温度和振动状态智能地协调加工参数。瑞士Step-Tec和IBAG生产的电主轴配备了各种传感器,如温度,加速度和轴向位移。如图3所示,它可以执行热补偿和振动监测。   (原标题:数控机床智能技术) (来源:91信息站)
本文地址:/juchuangzhishi/juchuangjishu/538.html 转载请注明出处