《智能制造技術(shù)基礎(chǔ)》課件-第3章 智能制造加工技術(shù)

智能制造技術(shù)基礎(chǔ)第3章智能制造加工技術(shù)本章要點1.智能制造加工技術(shù)概述2.智能制造加工工藝3.制造加工過程中的智能預(yù)測4.智能制造專家系統(tǒng)設(shè)計及實例智能制造加工技術(shù)概述101概述

智能制造加工技術(shù)（主要是智能切削技術(shù)）是智能制造技術(shù)的核心。原材料或毛坯的加工有三種形式：增材制造（通過焊接、鍍層、快速原型等方法來實現(xiàn)）、等材制造（通過鑄造、鍛造、粉末冶金等材料變形方法來實現(xiàn)）和減材制造（主要通過各種切削加工來實現(xiàn)），而減材制造目前仍然是制造零件和產(chǎn)品的主要方法。

切削過程是非常復(fù)雜的加工過程，在切削過程中涉及物理學(xué)、化學(xué)、力學(xué)、材料學(xué)、振動學(xué)、摩擦學(xué)、傳熱學(xué)等多學(xué)科、多領(lǐng)域的相關(guān)知識與理論，對于切削過程的控制一直以來是切削研究的重點。隨著加工技術(shù)不斷發(fā)展與工業(yè)4.0時代的到來，切削過程的智能加工技術(shù)已經(jīng)成為切削研究的熱點，在切削過程中應(yīng)用智能加工技術(shù)是必然的發(fā)展趨勢。高性能、難加工材料（如鈦合金、高溫合金、復(fù)合材料及它們的結(jié)構(gòu)件）零件的加工過程中必須采用智能加工工藝，對加工系統(tǒng)、時變工況進(jìn)行在線監(jiān)測，以獲取加工過程的狀態(tài)信息。在此基礎(chǔ)上，針對實時工況變化采用智能化方法對工藝過程進(jìn)行自主學(xué)習(xí)及決策控制，實現(xiàn)高品質(zhì)零件制造過程的智能決策和自主控制。采用智能制造加工技術(shù)，可最大限度地提高難加工材料及其結(jié)構(gòu)件的加工質(zhì)量、加工效率、減少或者避免不必要的損失、降低生產(chǎn)成本。在常規(guī)數(shù)控加工過程中，數(shù)控機床只是根據(jù)零件的幾何形狀與給定切削參數(shù)生成數(shù)控加工程序，并按照已定的數(shù)控程序進(jìn)行加工，沒有把加工過程中機床、刀具、工件的狀態(tài)變化一并納入加工過程進(jìn)行考慮。工件材料去除加工過程中存在著非常復(fù)雜的狀態(tài)變化，其中包括機床位姿變化、機床功率變化、機床剛度變化、刀具的空間位置變化、刀具受力情況變化、刀具變形情況變化、刀具磨損狀態(tài)變化、刀具溫度變化、工件的受力情況變化、工件的變形情況變化、工件材料的去除程度、機床、刀具及工件的振動情況等。常規(guī)的數(shù)控加工技術(shù)只是按照給定的工件幾何輪廓、加工參數(shù)、刀具路徑進(jìn)行加工，對于加工過程中出現(xiàn)的“突發(fā)”狀況不能進(jìn)行實時處理，不能根據(jù)加工過程中狀態(tài)的變化采取相應(yīng)的應(yīng)對措施，也不能實現(xiàn)對加工狀態(tài)的實時優(yōu)化，設(shè)備加工能力得不到充分發(fā)揮，同時也難以保證零件的最終加工質(zhì)量。01概述現(xiàn)階段常規(guī)數(shù)控加工技術(shù)的不足智能加工技術(shù)是對現(xiàn)有加工技術(shù)的一次技術(shù)變革，通過加工前的仿真分析與優(yōu)化、加工過程中的狀態(tài)監(jiān)測、智能優(yōu)化與控制、貫穿于整個加工過程的數(shù)據(jù)處理與共享，使得切削過程中各種狀態(tài)變化量可以被“預(yù)測”、“感知”、“控制”與“優(yōu)化”，實現(xiàn)智能加工。智能加工技術(shù)在加工過程中的應(yīng)用包括：（1）加工前：機床、刀具、零件、夾具幾何模型的建立、加工過程仿真、加工路徑優(yōu)化、切削參數(shù)優(yōu)化、刀具角度優(yōu)化、切削過程中的狀態(tài)與最終加工質(zhì)量預(yù)測等。（2）加工中：加工過程中加工狀態(tài)的在線監(jiān)測、數(shù)據(jù)處理、特征提取、狀態(tài)判斷、智能推理與決策、實時優(yōu)化與控制。（3）加工后：零件幾何尺寸與精度、表面粗糙度、表面貌、殘余應(yīng)力等加工質(zhì)量的檢測與判斷。（4）數(shù)據(jù)處理貫穿于整個智能加工過程：包括加工前、中、后不同階段中相關(guān)數(shù)據(jù)的建立、存儲、處理、通信與共享。01概述航空航天產(chǎn)品制造技術(shù)新特點及其對策01概述智能制造加工工藝21智能切削技術(shù)的內(nèi)涵與流程2智能切削加工過程中的基礎(chǔ)關(guān)鍵技術(shù)3智能加工技術(shù)在切削過程中的應(yīng)用4高端制造裝備及智能制造加工技術(shù)01智能切削技術(shù)的內(nèi)涵與流程1、智能切削加工技術(shù)內(nèi)涵智能切削加工涉及因素

智能切削加工是基于切削理論建模及數(shù)字化制造技術(shù)，對切削過程進(jìn)行預(yù)測及優(yōu)化，在加工過程中采用先進(jìn)的數(shù)據(jù)監(jiān)測及處理技術(shù)，對加工過程中機床、工件、刀具的狀態(tài)進(jìn)行實時監(jiān)測與特征提取，并結(jié)合理論知識與加工經(jīng)驗，通過人工智能技術(shù)，對加工狀態(tài)進(jìn)行判斷，通過數(shù)據(jù)對比、分析、推理、決策、實時優(yōu)化切削參數(shù)、刀具路徑，調(diào)整自身狀態(tài)，實現(xiàn)加工過程的智能控制，完成最優(yōu)加工，獲得理想的工件質(zhì)量及加工效率。01智能切削技術(shù)的內(nèi)涵與流程2、智能切削加工流程（1）整體工藝規(guī)劃

在零件進(jìn)行實際加工之前首先需要對零件的幾何特征進(jìn)行分析，綜合考慮機床參數(shù)、工件參數(shù)、刀具參數(shù)與技術(shù)要求等對零件的加工工藝進(jìn)行規(guī)劃，通過運用大數(shù)據(jù)技術(shù)，結(jié)合以往理論知識與加工數(shù)據(jù)確定相應(yīng)的加工參數(shù)與流程。（2）基于仿真的切削過程預(yù)測與優(yōu)化

在機床、刀具、切削參數(shù)選取之后，通過數(shù)控加工仿真、切削過程物理仿真、數(shù)值仿真等手段對切削過程進(jìn)行仿真，在實際加工之前預(yù)測加工過程機床、刀具、工件的狀態(tài)變化情況。并通過優(yōu)化算法對刀具路徑，加工參數(shù)等進(jìn)行優(yōu)化，通過仿真分析使加工參數(shù)達(dá)到最優(yōu)狀態(tài)。（3）加工過程在線監(jiān)測與優(yōu)化控制

加工過程的在線監(jiān)測與優(yōu)化是智能加工技術(shù)的核心技術(shù)，主要包括：在線監(jiān)測模塊、優(yōu)化決策模塊、實時控制模塊，涉及到在線監(jiān)測、數(shù)據(jù)處理、特征提取、智能決策與優(yōu)化、在線實時控制等多項技術(shù)。智能切削加工流程圖（4）質(zhì)量檢測與判斷

質(zhì)量檢測環(huán)節(jié)為加工的最后環(huán)節(jié)，通過對零件加工質(zhì)量的在線監(jiān)測，完成對零件幾何外形輪廓、加工尺寸精度、表面質(zhì)量等的檢測，最終完成零件加工質(zhì)量檢測。（5）智能加工中的數(shù)據(jù)處理

數(shù)據(jù)處理貫穿于智能加工的整個過程，加工中涉及的數(shù)據(jù)包括：機床、夾具、刀具、工件的基本參數(shù)數(shù)據(jù)、切削參數(shù)數(shù)據(jù)、加工過程中所測得的狀態(tài)參數(shù)數(shù)據(jù)、優(yōu)化參數(shù)數(shù)據(jù)、控制參數(shù)數(shù)據(jù)、檢測數(shù)據(jù)等一系列數(shù)據(jù)。02智能切削加工過程中的基礎(chǔ)關(guān)鍵技術(shù)智能加工具體技術(shù)路線

智能切削加工過程所涉及的關(guān)鍵技術(shù)主要包括：智能加工工藝規(guī)劃、通過仿真手段對切削過程進(jìn)行預(yù)測與優(yōu)化、在加工過程中對于狀態(tài)變化的監(jiān)測、加工過程中的智能決策與控制、貫穿于整個加工過程的數(shù)據(jù)處理技術(shù)。02智能切削加工過程中的基礎(chǔ)關(guān)鍵技術(shù)1、基于試驗的切削過程預(yù)測與優(yōu)化技術(shù)（1）正交試驗設(shè)計及多元非線性回歸分析

加工過程中，影響加工過程參量（如加工表面質(zhì)量、刀具磨損、切削力和切削溫度、切削振動等）的因素較多，常常需要同時考察3個或3個以上的試驗因素，若進(jìn)行全面試驗，則試驗的規(guī)模將很大，往往因試驗條件的限制而難于實施。正交設(shè)計是安排多因素試驗、尋求最優(yōu)水平組合的一種高效率試驗設(shè)計方法。（2）均勻試驗設(shè)計均勻試驗設(shè)計是一種只考慮試驗點在試驗范圍內(nèi)均勻散布的試驗設(shè)計方法，由于均勻試驗只考慮試驗點的“均勻散布”而不考慮“整齊可比”，因此可以大大減少試驗次數(shù)，這是它與正交試驗設(shè)計的最大不同之處。02智能切削加工過程中的基礎(chǔ)關(guān)鍵技術(shù)（3）回歸設(shè)計（或響應(yīng)面設(shè)計）

回歸設(shè)計就是在因子空間選擇適當(dāng)?shù)脑囼烖c，以較少的試驗處理建立一個有效的多項式回歸方程，從而解決生產(chǎn)中的最優(yōu)化問題，這種試驗設(shè)計方法就被稱為回歸設(shè)計。（4）穩(wěn)健設(shè)計穩(wěn)健設(shè)計是一個低成本高效益的質(zhì)量工程方法，其基本思想是把穩(wěn)健性應(yīng)用到產(chǎn)品中，以抵御大量下游生產(chǎn)或使用中的噪聲；其基本原理是利用影響產(chǎn)品質(zhì)量的非線性因素，通過改變某些可控因素的水平，使噪聲因素對產(chǎn)品質(zhì)量的影響減到最小。由于穩(wěn)健設(shè)計在產(chǎn)品設(shè)計之初就考慮到了噪聲因素的影響，所以產(chǎn)品設(shè)計幾乎不需要考慮額外的余量或采用高質(zhì)量的零部件對噪聲因素的影響進(jìn)行補償，從而可在保證產(chǎn)品的性能的同時降低產(chǎn)品生產(chǎn)和使用的費用。

02智能切削加工過程中的基礎(chǔ)關(guān)鍵技術(shù)（5）多目標(biāo)優(yōu)化（multi-objectiveoptimization）

工程實際中的許多問題都是多目標(biāo)優(yōu)化設(shè)計問題。多目標(biāo)優(yōu)化可以描述為：一個由滿足一定約束條件的決策變量組成的向量，使得一個由多個目標(biāo)函數(shù)組成的向量函數(shù)最優(yōu)化。

目標(biāo)函數(shù)組成了性能標(biāo)準(zhǔn)的數(shù)學(xué)描述，而性能標(biāo)準(zhǔn)之間通常是互相沖突的，優(yōu)化意味著要找到一個使得所有目標(biāo)函數(shù)值都可接受的解。

各個目標(biāo)間的競爭性和復(fù)雜性，使得對其優(yōu)化變得困難，在多目標(biāo)優(yōu)化問題中尋求單一最優(yōu)解是不太現(xiàn)實的，而是產(chǎn)生一組可選的折中解集。

目前，求解多目標(biāo)優(yōu)化的方法分為多目標(biāo)決策（MultipleCriteriaDecisionMaking，MCDM）法和Pareto優(yōu)化法。02智能切削加工過程中的基礎(chǔ)關(guān)鍵技術(shù)多目標(biāo)優(yōu)化問題的基本概念：1）目標(biāo)函數(shù)、決策變量和約束條件目標(biāo)函數(shù)是指在優(yōu)化問題中所關(guān)心的一個或多個指標(biāo)，它與優(yōu)化問題中的某些因素呈函數(shù)關(guān)系，在優(yōu)化過程中需要求其極值（最大值或最小值）。決策變量是指優(yōu)化問題中所涉及的與約束條件和目標(biāo)函數(shù)有關(guān)的待確定量。在求目標(biāo)函數(shù)的極值時變量和目標(biāo)函數(shù)必須滿足的限制稱為約束條件。2）個體之間的關(guān)系：支配關(guān)系或不相關(guān)關(guān)系。3）非支配解多目標(biāo)優(yōu)化問題與單目標(biāo)優(yōu)化問題的差異非常大。在有多個目標(biāo)時，由于存在目標(biāo)之間的無法比較和沖突現(xiàn)象，不一定有在所有目標(biāo)上都是最優(yōu)的解。一個解可能在某個目標(biāo)上是最好的，但在其他目標(biāo)上是最差的。因此在有多個目標(biāo)時，通常存在一系列無法簡單進(jìn)行相互比較的解。這種解稱作非支配解（on-dominatedsolutions）或Pareto最優(yōu)解（Paretooptimumsolution。02智能切削加工過程中的基礎(chǔ)關(guān)鍵技術(shù)4）最優(yōu)邊界（ParetoFront）

最優(yōu)解是目標(biāo)函數(shù)的切點，它總是落在搜索區(qū)域的邊界（面）上。如圖3.4所示，粗線段表示二個優(yōu)化目標(biāo)的最優(yōu)邊界。三個優(yōu)化目標(biāo)的最優(yōu)邊界構(gòu)成一個曲面，三個以上的最優(yōu)邊界則構(gòu)成超曲面。圖中，實心點A、B、C、D、E、F均處在最優(yōu)邊界上，它們都是最優(yōu)解（Paretopoints），是非支配的（non-dominated）；空心點G、H、I、J、K、L落在搜索區(qū)域內(nèi)，但不在最優(yōu)邊界上，不是最優(yōu)解，是被支配的（dominated），它們直接或間接受最優(yōu)邊界上的最優(yōu)解支配。兩個目標(biāo)的最優(yōu)邊界02智能切削加工過程中的基礎(chǔ)關(guān)鍵技術(shù)

多目標(biāo)優(yōu)化問題的解不是唯一的，而是一個解的集合，稱為非劣解集。且由于決策者對多個目標(biāo)的要求也不一樣，什么樣的解是滿足設(shè)計者需求的解，需要按照決策者的意圖從非劣解集中找出最終理想有效解。根據(jù)優(yōu)化過程和決策過程的先后順序，可將多目標(biāo)優(yōu)化方法分為三大類：先驗優(yōu)先權(quán)方法、交互式方法以及后驗優(yōu)先權(quán)方法。（1）先驗優(yōu)先權(quán)方法，即先決策后搜索法。決策器事先設(shè)置各目標(biāo)的優(yōu)先權(quán)值，將全體目標(biāo)按權(quán)值合成一個標(biāo)量效用函數(shù)，把多目標(biāo)優(yōu)化問題轉(zhuǎn)化成單目標(biāo)優(yōu)化問題。（2）交互式方法，這種方法決策與搜索是相互交替進(jìn)行的。優(yōu)先權(quán)決策器與非劣解集的搜索過程優(yōu)化器交替進(jìn)行，變化的優(yōu)先權(quán)可產(chǎn)生變化的非劣解。（3）后驗優(yōu)先權(quán)方法，即先搜索后決策。優(yōu)化器進(jìn)行非劣解集的搜索，決策器從搜索到的非劣解集中進(jìn)行選擇，這種技術(shù)不利用決策者的信息找出問題的全部非劣解集，供不同的決策者根據(jù)自己的需要進(jìn)行選擇。02智能切削加工過程中的基礎(chǔ)關(guān)鍵技術(shù)（6）模擬退火算法、遺傳算法和人工神經(jīng)網(wǎng)絡(luò)1）模擬退火算法模擬退火算法（SimulatedAnnealing，SA）是基于蒙特卡洛迭代求解策略，模仿固體退火降溫原理，實現(xiàn)目標(biāo)優(yōu)化的方法。模擬退火算法的基本思想是：從某一較高初始溫度開始，隨著溫度參數(shù)的下降，尋找局部最優(yōu)解的同時能以一定概率實現(xiàn)全局最優(yōu)解的求解。模擬退火算法的的基本原理為：當(dāng)對固體加溫過程中，固體內(nèi)部粒子會隨溫度的升高而趨于無序狀態(tài)，內(nèi)能增大，當(dāng)對固體降溫讓其徐徐冷卻過程中，固體中的粒子釋放能量，趨于穩(wěn)定有序，最終在常溫狀態(tài)下達(dá)到穩(wěn)定狀態(tài)，內(nèi)能減為最小。物理退火與模擬退火算法對應(yīng)關(guān)系圖02智能切削加工過程中的基礎(chǔ)關(guān)鍵技術(shù)2）遺傳算法

遺傳算法（GeneticAlgorithm，GA）于1975年由Holland提出，它借鑒了生物界中“優(yōu)勝劣汰，適者生存”的進(jìn)化規(guī)律，本質(zhì)上是一種進(jìn)化算法。由于其具有較好的全局搜索能力在多個領(lǐng)域得到廣泛應(yīng)用，目前在機器學(xué)習(xí)、圖像處理、函數(shù)優(yōu)化領(lǐng)域應(yīng)用較多。

遺傳算法的基本思想是：將給定問題的解集初始化為一個種群，結(jié)合生物界中的優(yōu)勝劣汰規(guī)則對初始種群進(jìn)行淘汰選擇，隨后對選擇后的種群個體進(jìn)行交叉、變異，隨著進(jìn)化代數(shù)的增加，優(yōu)良種群（即原問題的解）得以保留，進(jìn)化結(jié)束后則獲得對應(yīng)優(yōu)化設(shè)計問題的最優(yōu)解。因此，遺傳算法包括三個基本操作：選擇、交叉、變異。遺傳算法概述圖02智能切削加工過程中的基礎(chǔ)關(guān)鍵技術(shù)人工神經(jīng)網(wǎng)絡(luò)模型是一種模仿人類大腦神經(jīng)元之間信息處理特性的網(wǎng)絡(luò)，由輸入層、隱含層、輸出層組成，層與層之間通過神經(jīng)元進(jìn)行連接，通過不斷地調(diào)整神經(jīng)元間連接權(quán)值和閥值來進(jìn)行學(xué)習(xí)。近年來，人工神經(jīng)網(wǎng)絡(luò)因其強大的非線性映射能力、高容錯性、魯棒性，被廣泛應(yīng)用于板料成形優(yōu)化領(lǐng)域。BP神經(jīng)網(wǎng)絡(luò)（BackPropagationNeuralNetworks，BPNN）于1986年由Rumelhart等研究人員提出，是一種根據(jù)誤差反向傳播不斷自我訓(xùn)練的神經(jīng)網(wǎng)絡(luò)，它適用于各種復(fù)雜非線性問題。3）人工神經(jīng)網(wǎng)絡(luò)（ArtificialNeuralNetwork，ANN）人工神經(jīng)網(wǎng)絡(luò)概述圖02智能切削加工過程中的基礎(chǔ)關(guān)鍵技術(shù)BP神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)包括3層，從第1層到第3層分別為輸入層、隱含層和輸出層，每一層包含若干個神經(jīng)元，層與層之間通過權(quán)值進(jìn)行連接，隱含層和輸出層的每個神經(jīng)元上分別對應(yīng)一個閾值。有學(xué)者通過理論已經(jīng)證明，含有3層結(jié)構(gòu)的神經(jīng)網(wǎng)絡(luò)能夠以任意精度逼近任意函數(shù)。圖為輸入層包含3個神經(jīng)元和輸出層包含1個神經(jīng)元的三層結(jié)構(gòu)的BP神經(jīng)網(wǎng)絡(luò)。圖中wij為網(wǎng)絡(luò)輸入層與隱含層的連接權(quán)值，wki為網(wǎng)絡(luò)隱含層與輸出層的連接權(quán)值。三層BP神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)圖02智能切削加工過程中的基礎(chǔ)關(guān)鍵技術(shù)2、基于仿真的切削過程預(yù)測與優(yōu)化技術(shù)

基于仿真的切削過程預(yù)測與優(yōu)化技術(shù)主要是在實際切削前通過幾何仿真、切削過程物理仿真、數(shù)值仿真等手段對加工過程進(jìn)行仿真，通過仿真分析獲得加工過程中物理量的狀態(tài)變化情況，從而對實際加工過程進(jìn)行預(yù)測，通過仿真手段對切削參數(shù)進(jìn)行優(yōu)化，指導(dǎo)實際加工參數(shù)的選擇，并發(fā)現(xiàn)加工過程中可能存在的問題。

通過對切削過程的物理仿真，可以對切削過程的切削力、切削溫度、刀具磨損、切屑形狀等狀態(tài)進(jìn)行預(yù)測，并通過對獲得的仿真結(jié)果數(shù)據(jù)進(jìn)行分析及時發(fā)現(xiàn)在切削過程中可能出現(xiàn)的載荷過大、溫度過高、磨損嚴(yán)重等問題，從而提出解決方案，改變加工參數(shù)。通過對切削過程的物理仿真優(yōu)化，可以對切削參數(shù)與刀具角度進(jìn)行優(yōu)化，從而獲得使加工狀態(tài)最好的切削參數(shù)及刀具角度。切削仿真經(jīng)典案例02智能切削加工過程中的基礎(chǔ)關(guān)鍵技術(shù)數(shù)值仿真作為切削過程的一種仿真手段同樣占有重要地位，通過建立切削過程的數(shù)學(xué)模型，例如切削力模型、刀具磨損模型、刀具振動模型、表面質(zhì)量模型等可以對切削過程中變化的量進(jìn)行定量分析，使切削參數(shù)，刀具角度參數(shù)與結(jié)果參數(shù)之間的關(guān)系更加具體明了，并且對于優(yōu)化而言，數(shù)值仿真方法更具有優(yōu)化算法多、實際操作簡單、效率高、精度高等優(yōu)勢，通過數(shù)值仿真方法可以很容易對切削參數(shù)，刀具角度等進(jìn)行優(yōu)化。通過仿真都可以實現(xiàn)對零件幾何尺寸、表面微觀幾何形貌、表面粗糙度、表面殘余應(yīng)力、表面冷作硬化等加工質(zhì)量進(jìn)行預(yù)測，進(jìn)一步指導(dǎo)加工參數(shù)與刀具的選擇與優(yōu)化。02智能切削加工過程中的基礎(chǔ)關(guān)鍵技術(shù)3、智能加工工藝規(guī)劃

對于傳統(tǒng)的零件加工工藝規(guī)劃，主要是根據(jù)工藝工程師的個人經(jīng)驗對所要加工的零件進(jìn)行工藝分析，對加工機床、工裝夾具與刀具進(jìn)行選取，最后根據(jù)加工要求完成切削參數(shù)的選擇，進(jìn)行機械加工。此種工藝規(guī)劃方式的主要問題在于人為因素對零件最終的加工質(zhì)量影響很大，由于工藝工程師個人知識與加工經(jīng)驗的不同，導(dǎo)致對于同一零件，不同工藝工程師所選取的工藝參數(shù)不盡相同，加工后的零件質(zhì)量也各不相同。

智能加工的工藝規(guī)劃主要特點在于對機床、工裝夾具、刀具及加工參數(shù)的選擇過程中引入數(shù)據(jù)庫、知識庫、大數(shù)據(jù)、云平臺等數(shù)據(jù)處理技術(shù)。

引入仿真手段對工藝規(guī)劃進(jìn)行仿真與優(yōu)化。通過參考以往加工相同類型零件所積累的加工參數(shù)，對新零件工藝參數(shù)的選擇具有指導(dǎo)意義。通過對大量參考加工參數(shù)的提取與分析，選擇出適合當(dāng)前零件的加工參數(shù)。02智能切削加工過程中的基礎(chǔ)關(guān)鍵技術(shù)（1）智能CAPP系統(tǒng)的構(gòu)成

基于知識的智能化CAPP系統(tǒng)引入了知識工程、智能理論和智能計算等最新的人工智能技術(shù)，但其基本結(jié)構(gòu)和傳統(tǒng)的CAPP專家系統(tǒng)一樣，都是以知識庫和推理機為中心的。智能CAPP系統(tǒng)的總體框架結(jié)構(gòu)如圖所示，智能CAPP由以下幾部分組成：智能CAPP系統(tǒng)的框架結(jié)構(gòu)02智能切削加工過程中的基礎(chǔ)關(guān)鍵技術(shù)（2）智能CAPP系統(tǒng)的工作原理智能CAPP系統(tǒng)信息的傳遞1）知識庫的建立：智能CAPP的知識庫包括零件信息庫、工藝規(guī)則庫、資源庫和知識庫管理系統(tǒng)。其中零件信息庫存儲的是零件的幾何特征、精度特征和加工特征的信息；工藝規(guī)則庫存儲的是大量的以產(chǎn)生式規(guī)則形式表示的工藝專家的經(jīng)驗和知識；知識管理系統(tǒng)的作用是負(fù)責(zé)知識庫與外界的溝通、信息交換以及知識的修改與擴充、測試與精煉，還有就是維護知識庫的一致性與完整性。知識庫的建立過程實際上是知識經(jīng)過一系列的變換進(jìn)入計算機系統(tǒng)的過程，因此對知識庫的建立來說，最關(guān)鍵的環(huán)節(jié)就是知識的表示和組織。02智能切削加工過程中的基礎(chǔ)關(guān)鍵技術(shù)·傳統(tǒng)CAPP專家系統(tǒng)的推理機制一般和知識的表達(dá)方式有關(guān)，主要包括推理方法和搜索技術(shù)。推理方法：常用的推理方法有正向演繹推理、逆向演繹推理、正逆向混合演繹推理。搜索技術(shù)：根據(jù)在問題求解過程中是否運用啟發(fā)性知識，搜索技術(shù)分為非啟發(fā)式搜索和啟發(fā)式搜索兩種?！と斯ど窠?jīng)網(wǎng)絡(luò)·模擬退火算法·遺傳算法·模糊決策·粗糙集理論·混沌理論、蟻群算法、粒子群算法2）推理機制02智能切削加工過程中的基礎(chǔ)關(guān)鍵技術(shù)

知識獲?。↘nowledgeAcquisition）就是抽取領(lǐng)域知識并將其形式化的過程。工藝決策知識是人們在工藝設(shè)計實踐中積累的認(rèn)識的經(jīng)驗的總和。工藝設(shè)計經(jīng)驗性強、技巧性高，工藝設(shè)計理論和工藝決策模型化研究仍不成熟，這使工藝決策知識的獲取更為困難。

目前，除了一些工藝決策知識可以從書本或有關(guān)資料中直接獲取外，大多數(shù)工藝決策知識還必須從具有豐富實踐經(jīng)驗的工藝人員那里獲取。知識獲取的方式有間接的知識獲取、直接的知識獲取和自動的知識獲取三種類型。

目前，CAPP統(tǒng)中知識獲取的研究工作集中在數(shù)據(jù)中知識的發(fā)現(xiàn)（KnowledgeDiscoveryinDatabases，KDD）或數(shù)據(jù)挖掘等方面。經(jīng)常用到的方法有Apriori算法系，粗糙集，人工神經(jīng)網(wǎng)絡(luò)等。3）知識的獲取02智能切削加工過程中的基礎(chǔ)關(guān)鍵技術(shù)（3）智能CAPP系統(tǒng)中的特點及存在的問題特點：1）在智能CAPP系統(tǒng)中，知識表示是和知識本身相分離的，所以當(dāng)加工零件變化或知識更新時，相應(yīng)的決策方法不會改變。這樣就提高了系統(tǒng)的通用性和適應(yīng)性，能適應(yīng)不同企業(yè)以及不同產(chǎn)品的工藝特點。2）智能CAPP系統(tǒng)以零件的知識為基礎(chǔ)，以工藝規(guī)則為依據(jù)，采用各種工藝決策算法，可以直接推理出最優(yōu)的工藝設(shè)計結(jié)果或給出幾種設(shè)計方案以供工藝設(shè)計人員選擇。因此，即使是沒有經(jīng)驗的工藝人員利用智能化的CAPP系統(tǒng)也能設(shè)計出高質(zhì)量的工藝規(guī)程。3）智能CAPP系統(tǒng)中，知識庫和推理機的分離有利于系統(tǒng)的模塊化和增加系統(tǒng)的可擴充性，有利于知識工程師和工藝設(shè)計師的合作，從而可以使系統(tǒng)的功能不斷趨于完善。4）工藝設(shè)計的主要問題不是數(shù)值計算，而是對工藝信息和工藝知識的處理，而這正是基于知識和計算智能的智能CAPP系統(tǒng)所擅長的。5）如果系統(tǒng)具備自學(xué)習(xí)的功能，可以不斷進(jìn)行工藝經(jīng)驗知識的積累，那么系統(tǒng)的智能性就會越來越高，系統(tǒng)生成的工藝方案就會越來越合理。02智能切削加工過程中的基礎(chǔ)關(guān)鍵技術(shù)問題：1）目前，人工智能領(lǐng)域中關(guān)于智能和思維方面的研究，仍處于僅能模擬人的邏輯思維和邏輯推理的階段，而工藝設(shè)計是具有高度綜合性和創(chuàng)造性的思維活動，在特征識別、結(jié)構(gòu)工藝分析和基準(zhǔn)選擇等很多環(huán)節(jié)上需要發(fā)揮人的形象思維、抽象思維和創(chuàng)造性思維的能力，這就要求CAPP系統(tǒng)不僅要有推理的功能，還要有“聯(lián)想”的功能。但是在現(xiàn)階段，對于人類的這些高級思維能力，計算機還難以進(jìn)行有效的模擬，這些工作仍需要靠人工來完成，這就大大制約了CAPP系統(tǒng)智能化水平的提高。2）工藝決策問題是非常復(fù)雜的規(guī)劃問題，決策所需要的信息量很大，而受CAD/CAM技術(shù)發(fā)展的限制，目前CAPP系統(tǒng)還無法自動獲取工藝決策所需要的零件信息，大量的信息仍需要通過人工來輸入。因此，零件特征的自動識別和零件信息的自動獲取是制約智能CAPP發(fā)展的一個“瓶頸”。3）推理和決策方法是智能CAPP的核心。然而，現(xiàn)階段用于CAPP系統(tǒng)的推理和決策算法普遍推理能力不強且效率低下，致使CAPP的智能水平不高。02智能切削加工過程中的基礎(chǔ)關(guān)鍵技術(shù)4、數(shù)據(jù)挖掘（DataMining，DM）

智能設(shè)計的目的是利用計算機延伸以創(chuàng)造性思維為核心的人的設(shè)計能力，從而盡可能地實現(xiàn)設(shè)計自動化，設(shè)計的自動化實際上就是對知識的自動化處理，其中知識是實現(xiàn)這一過程的載體。數(shù)據(jù)挖掘就是實現(xiàn)數(shù)據(jù)到知識轉(zhuǎn)化的有力工具。

在智能設(shè)計系統(tǒng)中，如何對大量、復(fù)雜和抽象的產(chǎn)品、工藝、制造等數(shù)據(jù)、信息進(jìn)行處理，提取高層次的信息和有價值的知識，成為一項新的挑戰(zhàn)和課題。數(shù)據(jù)挖掘作為一種實現(xiàn)數(shù)據(jù)深化到知識的新的技術(shù)，正成為當(dāng)前研究的熱點。02智能切削加工過程中的基礎(chǔ)關(guān)鍵技術(shù)數(shù)據(jù)挖掘的主要步驟（1）數(shù)據(jù)挖掘的定義與內(nèi)涵知識發(fā)現(xiàn)（KnowledgeDiscoveryinDatabase，KDD）是從大量數(shù)據(jù)中提取可信的、新穎的、有效的并能被人理解的高級處理過程“模式”可以看作是知識的雛形，經(jīng)過驗證、完善后形成知識。KDD是一個高級的處理過程，它從數(shù)據(jù)集中識別出以模式來表示的知識。高級的處理過程是指一個多步驟的處理過程，多步驟之間相互影響，反復(fù)調(diào)整，形成一種螺旋式的上升過程。02智能切削加工過程中的基礎(chǔ)關(guān)鍵技術(shù)

問題的定義：在這個階段，我們跟設(shè)計專家進(jìn)行交流、定義問題，并決定設(shè)計目標(biāo)、確定關(guān)鍵性問題、了解該問題目前的解決途徑。

理解數(shù)據(jù)：這包括最初的數(shù)據(jù)收集，對得到的原始數(shù)據(jù)進(jìn)行抽樣分析，列出數(shù)據(jù)類型。準(zhǔn)備數(shù)據(jù)：這是決定整個數(shù)據(jù)挖掘成功與否的關(guān)鍵性步驟，通常要占有整個項目的半數(shù)時間，因為數(shù)據(jù)庫包含了龐大數(shù)據(jù)，這就要求我們利用其中的某一部分的數(shù)據(jù)，并寄希望于我們從中得到的結(jié)果對于整個數(shù)據(jù)庫具有代表意義。這種對容量的縮減可以通過以下兩種途徑獲得，一種是對數(shù)據(jù)空間進(jìn)行采樣，此時進(jìn)行的數(shù)據(jù)收集是隨機的，另一種是對特征空間的采樣，只有具有某些特征的數(shù)據(jù)才能被選中。02智能切削加工過程中的基礎(chǔ)關(guān)鍵技術(shù)

數(shù)據(jù)挖掘：這是數(shù)據(jù)挖掘過程中最關(guān)鍵的步驟。數(shù)據(jù)挖掘包括選擇數(shù)據(jù)模型、決定訓(xùn)練和實驗過程、建立模型、評價模型的品質(zhì)。數(shù)據(jù)挖掘階段首先根據(jù)對問題的定義明確挖掘的任務(wù)或目的，如分類、聚類、關(guān)聯(lián)規(guī)則發(fā)現(xiàn)或序列模式發(fā)現(xiàn)等。確定了挖掘任務(wù)后，就要決定使用什么樣的算法。數(shù)據(jù)挖掘的算法繁多，常用的包括人工神經(jīng)網(wǎng)絡(luò)、決策樹、遺傳算法、規(guī)則歸納、最臨近技術(shù)等。

知識評價：數(shù)據(jù)挖掘階段發(fā)現(xiàn)出來的模式，經(jīng)過評估,可能存在冗余或無關(guān)的模式，這時需要將其剔除；也有可能模式不滿足用戶要求，這時則需要整個發(fā)現(xiàn)過程回退到前續(xù)階段，如重新選取數(shù)據(jù)、采用新的數(shù)據(jù)變換方法、設(shè)定新的參數(shù)值，甚至換一種算法等等；另外，數(shù)據(jù)挖掘由于最終是面向人類用戶的，因此可能要對發(fā)現(xiàn)的模式進(jìn)行可視化，或者把結(jié)果轉(zhuǎn)換為用戶易懂的另一種表示02智能切削加工過程中的基礎(chǔ)關(guān)鍵技術(shù)（2）數(shù)據(jù)挖掘的體系結(jié)構(gòu)

數(shù)據(jù)挖掘系統(tǒng)可以大致分為三層結(jié)構(gòu)，如圖所示。

第一層是數(shù)據(jù)源，包括數(shù)據(jù)庫、數(shù)據(jù)倉庫。數(shù)據(jù)挖掘不一定要建立在數(shù)據(jù)倉庫的基礎(chǔ)上，但如果數(shù)據(jù)挖掘與數(shù)據(jù)倉庫協(xié)同工作，則將大大提高數(shù)據(jù)挖掘的效率。

第二層是數(shù)據(jù)挖掘器，利用數(shù)據(jù)挖掘方法分析數(shù)據(jù)庫中的數(shù)據(jù)，包括關(guān)聯(lián)分析、序列模式分析、分類分析、聚類分析等。

第三層是用戶界面，將獲取的信息以便于用戶理解和觀察的方式反映給用戶，可以使用可視化工具。KDD的體系結(jié)構(gòu)02智能切削加工過程中的基礎(chǔ)關(guān)鍵技術(shù)（3）數(shù)據(jù)挖掘關(guān)鍵技術(shù)數(shù)據(jù)挖掘語言：為了數(shù)據(jù)挖掘過程的高效地進(jìn)行，需要通過使用一組數(shù)據(jù)挖掘原語與數(shù)據(jù)挖掘系統(tǒng)通信，以支持有效的和有成果的數(shù)據(jù)挖掘。這些原語允許用戶在數(shù)據(jù)挖掘時與數(shù)據(jù)挖掘系統(tǒng)相互地通信，從不同的角度和深度審查發(fā)現(xiàn)結(jié)果，并指導(dǎo)挖掘過程。數(shù)據(jù)挖掘原語：原語用來定義數(shù)據(jù)挖掘任務(wù)，是數(shù)據(jù)挖掘的基本單位。一個數(shù)據(jù)挖掘任務(wù)由以下五種基本的數(shù)據(jù)挖掘原語定義?！と蝿?wù)相關(guān)數(shù)據(jù)原語·挖掘的知識類型原語·指導(dǎo)挖掘過程的背景知識原語·模式評估的興趣度度量原語·知識的表示和可視化原語02智能切削加工過程中的基礎(chǔ)關(guān)鍵技術(shù)（4）數(shù)據(jù)挖掘語言

定義了數(shù)據(jù)挖掘原語，還需要基于這些原語為用戶提供一組與數(shù)據(jù)挖掘系統(tǒng)通信的語言，即數(shù)據(jù)挖掘語言。根據(jù)數(shù)據(jù)挖掘語言的功能和發(fā)展階段的不同，將其分為三種類型：數(shù)挖掘查詢語言、數(shù)據(jù)挖掘模型語言、標(biāo)準(zhǔn)數(shù)據(jù)挖掘語言。第一發(fā)展階段的數(shù)據(jù)挖掘語言一般屬于數(shù)據(jù)挖掘查詢語言，如JiaweiHan等設(shè)計的DMQL(DataMiningQueryLanguage)，Imielinski和Virmani提出的MSQL和Meo、Psaila等提出的MINERULE等。數(shù)據(jù)挖掘模型語言主要包括數(shù)據(jù)挖掘工作組(TheDataMiningGroup，DMG)提出的預(yù)言模型標(biāo)記語言PMML（PredictiveModelMarkupLanguage）。標(biāo)準(zhǔn)數(shù)據(jù)挖掘語言的代表是微軟公司提出的OLEDBforDM。02智能切削加工過程中的基礎(chǔ)關(guān)鍵技術(shù)（5）數(shù)據(jù)預(yù)處理數(shù)據(jù)清理：主要處理空缺值,平滑噪聲數(shù)據(jù)（臟數(shù)據(jù)），識別、刪除孤立點。其主要涉及：空缺值處理、噪聲數(shù)據(jù)處理、不一致數(shù)據(jù)處理。數(shù)據(jù)集成和變換：數(shù)據(jù)集成指由多個數(shù)據(jù)存儲合并數(shù)據(jù)。數(shù)據(jù)變換是將數(shù)據(jù)轉(zhuǎn)換成適合于挖掘的形式。數(shù)據(jù)集成涉及3個問題：模式集成、冗余、數(shù)據(jù)值沖突的檢測與處理。數(shù)據(jù)變換主要涉及：平滑（分箱、聚類、回歸）、聚集、數(shù)據(jù)概化（主要使用概念分層方法）、規(guī)范化、屬性構(gòu)造。數(shù)據(jù)歸約：即對原始數(shù)據(jù)進(jìn)行歸約,得到原始數(shù)據(jù)的歸約表示，它接近于保持原數(shù)據(jù)的完整性，但數(shù)據(jù)量比原始數(shù)據(jù)小。數(shù)據(jù)歸約的策略有：數(shù)據(jù)立方體聚集、維歸約（刪除不相關(guān)的屬性或維，常采用屬性子集選擇方法）、數(shù)據(jù)壓縮（目前流行的數(shù)據(jù)壓縮方法是小波變換和主成分分析）、數(shù)值歸約。離散化和概念分層：通過將屬性域劃分為區(qū)間，根據(jù)區(qū)間的設(shè)定判斷記錄的每個屬性值落在哪一個區(qū)間之內(nèi)，然后將這個屬性值用一個唯一表示該區(qū)間的符號標(biāo)識來代替。02智能切削加工過程中的基礎(chǔ)關(guān)鍵技術(shù)（6）數(shù)據(jù)挖掘方法粗糙集方法（RoughSet）：它是模擬人類的抽象邏輯思維，以各種更接近人們對事物的描述方式的定性、定量或者混合信息為輸入，輸入空間與輸出空間的映射關(guān)系是通過簡單的決策表簡化得到的，它通過考察知識表達(dá)中不同屬性的重要性，來確定那些是冗余的，那些是有用的。它是一種處理數(shù)據(jù)不確定性的屬性工具。決策樹方法（DecisionTree）：決策樹是通過一系列規(guī)則對數(shù)據(jù)進(jìn)行分類的過程。它以信息論中的互信息(信息增益)原理為基礎(chǔ)尋找數(shù)據(jù)中具有最大信息量的字段，建立決策樹的一個結(jié)點，再根據(jù)字段的不同取值建立樹的分枝，在每個分枝中集中重復(fù)建樹的下層結(jié)點和分枝的過程，即可建立決策樹"采用決策樹，可以將數(shù)據(jù)規(guī)則可視化，其輸出結(jié)果也容易理解。人工神經(jīng)網(wǎng)絡(luò)方法、遺傳算法、統(tǒng)計分析方法02智能切削加工過程中的基礎(chǔ)關(guān)鍵技術(shù)（7）智能設(shè)計（基于知識的設(shè)計）的內(nèi)涵

在工業(yè)化社會向知識化和信息化社會轉(zhuǎn)化的過程中，人類對智能化的追求將導(dǎo)致一場“智能革命”，在這場智能革命的歷史浪潮中，人工智能研究的一個重要動力便是建立知識系統(tǒng)以求解困難問題。

在工程實踐中人們注意到，專家知識一般來源于領(lǐng)域?qū)＜业慕?jīng)驗積累，帶有很強的經(jīng)驗性、模糊性和不確定性。智能設(shè)計就是希望通過知識處理的一系列技術(shù)來獲取領(lǐng)域?qū)＜一蚱渌畔⒌闹R，并選擇合適的知識建模語言將知識計算機化，以便于把寶貴的專家知識應(yīng)用于設(shè)計中，提高實際解決問題的能力和設(shè)計開發(fā)的質(zhì)量，起主要特點可以概述為：·是一種與CAX系統(tǒng)集成、用于解決工程問題的計算機系統(tǒng)；·集中解決了清晰表示知識的問題，并且將知識應(yīng)用于特定工程問題的求解中；·既能深入地刻畫各領(lǐng)域中的核心問題，又能處理具體問題中的各個細(xì)節(jié)情況；·采用模式識別、基于規(guī)則和基于事例等方法進(jìn)行知識的推理。02智能切削加工過程中的基礎(chǔ)關(guān)鍵技術(shù)

智能設(shè)計是面向工程開發(fā)全過程，能夠自動地誘導(dǎo)產(chǎn)品設(shè)計人員進(jìn)行產(chǎn)品的設(shè)計活動，并能尋求記錄不同類型知識的方法。它是將人工智能（包括知識表示、推理、知識庫等）與CAX系統(tǒng)有機結(jié)合為一體的。圖顯示了智能設(shè)計系統(tǒng)的典型結(jié)構(gòu)框架。典型智能設(shè)計系統(tǒng)的體現(xiàn)結(jié)構(gòu)

基于知識的工藝設(shè)計信息系統(tǒng)運行過程中的智能行為主要體現(xiàn)在以下幾個方面：（1）零件信息建模中的智能輔助功能（2）工藝決策中的智能輔助功能（3）工藝檢索中的智能輔助（4）知識獲取中的智能輔助智能功能示意圖02智能切削加工過程中的基礎(chǔ)關(guān)鍵技術(shù)

通過對加工過程中機床、刀具、工件進(jìn)行狀態(tài)監(jiān)測是“感知”加工狀態(tài)最直接的手段。切削過程是一個非常復(fù)雜的過程，在切削過程中涉及機床、刀具、工件的狀態(tài)變化。例如機床的變形與振動，刀具的磨損與破損，材料的形變與相變等，所涉及的學(xué)科包括：材料學(xué)、力學(xué)、摩擦學(xué)、傳熱學(xué)、動力學(xué)等多門學(xué)科，所能監(jiān)測的狀態(tài)量多而復(fù)雜，主要包括：機床、刀具位置；切削力、刀具溫度、刀具磨損、機床與工件及刀具的振動、聲發(fā)射信號、機床功率、工件表面質(zhì)量、切屑形狀等信息。

對于機床的狀態(tài)進(jìn)行監(jiān)測，可以確保運行安全，防止運動干涉與碰撞、載荷及功率過大等問題。對機床位置監(jiān)測是確保機床位置的正確性與實現(xiàn)機床誤差補償?shù)幕A(chǔ)。同時對機床的能耗進(jìn)行監(jiān)測是降低成本、提高效率、實現(xiàn)綠色生產(chǎn)的前提。02智能切削加工過程中的基礎(chǔ)關(guān)鍵技術(shù)5、加工過程檢測技術(shù)

對于刀具、工件的狀態(tài)變化進(jìn)行監(jiān)測可以實時掌握加工過程中刀具與工件相互作用及自身狀態(tài)變化情況，是否存在切削力過大、刀具溫度過高、磨損嚴(yán)重、振動劇烈等情況，從而判斷加工狀態(tài)是否正確，是否進(jìn)行穩(wěn)定切削，實現(xiàn)對切削過程進(jìn)行“感知”。將所采集到的信號進(jìn)行降噪、濾波后，通過多種信號處理手段對信號進(jìn)行特征提取與分析，例如應(yīng)用比較廣泛的模糊神經(jīng)網(wǎng)絡(luò)處理技術(shù)、多傳感器信息融合技術(shù)、支持向量機技術(shù)等實現(xiàn)對加工狀態(tài)的在線監(jiān)測，實時了解到加工過程的狀態(tài)變化，為智能控制提供反饋。

優(yōu)化決策模塊通過在線監(jiān)測模塊所監(jiān)測與提取的信息反饋，對加工過程進(jìn)行單目標(biāo)或多目標(biāo)優(yōu)化。可優(yōu)化的目標(biāo)包括：基于切削力的優(yōu)化、基于刀具壽命的優(yōu)化、基于加工振動的優(yōu)化、基于工件表面質(zhì)量的優(yōu)化、基于切削溫度的優(yōu)化、基于切屑形態(tài)的優(yōu)化、基于加工效率的優(yōu)化、基于經(jīng)濟效益的優(yōu)化等。優(yōu)化完成后，將優(yōu)化結(jié)果發(fā)送到實時控制模塊，通過實時控制模塊完成對機床相關(guān)參數(shù)的調(diào)整，包括改變切削參數(shù)、實時位置誤差補償、路徑優(yōu)化、刀具狀態(tài)調(diào)整（更換刀具、改變刀具物理狀態(tài)）等，完成切削狀態(tài)的實時調(diào)整，實現(xiàn)最優(yōu)加工。02智能切削加工過程中的基礎(chǔ)關(guān)鍵技術(shù)6、優(yōu)化決策與控制技術(shù)7、智能刀具（系統(tǒng)）技術(shù)

刀具作為機床的“牙齒”在零件加工中占有非常重要的地位，零件的加工是通過刀具對工件進(jìn)行切削作用完成的。智能切削加工技術(shù)不僅需要刀具具有切削功能，同時需要刀具具有自我感知、自我調(diào)節(jié)等智能功能，對于智能刀具的研制與研究已經(jīng)成為刀具研究的熱點。智能刀具的感知功能主要集中在對切削力、切削溫度、振動等的感知，通過在刀具上集成感知系統(tǒng)，實現(xiàn)刀具狀態(tài)的自我識別，避免了在刀具上安裝多種傳感器的繁瑣操作，同時節(jié)省了空間，利于生產(chǎn)與維護。對于刀具尺寸較小或由于某種原因無法將智能感知與控制系統(tǒng)安裝在刀具上的情況，通過采用智能刀柄技術(shù)可以很好地解決上述問題。智能刀柄同樣可以對切削力、扭矩、振動、AE聲發(fā)射等信號進(jìn)行監(jiān)測。對于刀具的自我感知系統(tǒng)，進(jìn)一步實現(xiàn)多傳感器的集成與融合是智能刀具感知系統(tǒng)的發(fā)展方向。

智能刀具的自我調(diào)節(jié)功能體現(xiàn)在對刀具自身屬性的調(diào)節(jié)，通過調(diào)節(jié)自身屬性來適應(yīng)生產(chǎn)需要，實現(xiàn)優(yōu)化加工。例如：在鏜削加工過程中，使用智能鏜桿進(jìn)行鏜削，通過對刀具振動的識別與反饋控制，實時改變鏜桿自身剛度、阻尼等，實現(xiàn)鏜削過程的振動抑制。02智能切削加工過程中的基礎(chǔ)關(guān)鍵技術(shù)8、智能機床02智能切削加工過程中的基礎(chǔ)關(guān)鍵技術(shù)

智能化是數(shù)控機床的發(fā)展趨勢，在現(xiàn)有數(shù)控技術(shù)的基礎(chǔ)上，數(shù)控機床已經(jīng)逐漸由機械運動的自動化向信息控制的智能化方向發(fā)展。智能機床不僅使機床操作變得簡單、安全，而且借助現(xiàn)代傳感技術(shù)、信息技術(shù)、自動化技術(shù)、網(wǎng)絡(luò)技術(shù)、人工智能技術(shù)等已經(jīng)部分實現(xiàn)了機床的智能化加工，確保加工的高精度與高效率。智能機床的特點在于可以實現(xiàn)智能感知、智能決策、智能執(zhí)行。智能機床所具備的具體功能包括：人機交互、加工仿真、自我監(jiān)測、智能防碰撞、振動控制、自適應(yīng)技術(shù)（負(fù)載自適應(yīng)、位置自適應(yīng)、主軸功率自適應(yīng)、運動自適應(yīng)）、誤差測量與補償（幾何誤差、溫度誤差）、智能主軸、刀具智能管理、文檔管理、設(shè)備維護等。03智能加工技術(shù)在切削過程中的應(yīng)用1、基于切削仿真的預(yù)測與優(yōu)化

通過數(shù)字仿真手段對切削過程進(jìn)行預(yù)測與優(yōu)化是智能切削加工技術(shù)的重要組成部分，通過仿真可以對切削過程進(jìn)行預(yù)測并發(fā)現(xiàn)切削過程中可能存在的問題并進(jìn)行優(yōu)化。例如通過仿真手段可以對工件裝夾位置、刀具走刀路徑、切削過程的切削力、表面質(zhì)量、刀具磨損等進(jìn)行預(yù)測，及時發(fā)現(xiàn)過切或欠切。通過走刀路徑優(yōu)化，切削參數(shù)優(yōu)化可以提高加工效率，改善加工質(zhì)量。(a)表面幾何形狀(b)A軸角度變化(c)C-軸角度變化(d)仿真周期時間刀具姿態(tài)對數(shù)控運動的影響03智能加工技術(shù)在切削過程中的應(yīng)用

圖為Ti6Al4V鈦合金在高速銑削過程中切屑的生成過程鋸齒狀切屑的仿真結(jié)果與掃描電鏡測試結(jié)果對比圖，從仿真結(jié)果與試驗結(jié)果對比可以發(fā)現(xiàn)通過仿真手段可以較好地預(yù)測切屑的形態(tài)。切屑形態(tài)對比圖（切削速度v為180m/min，進(jìn)給量f為0.1mm/r）03智能加工技術(shù)在切削過程中的應(yīng)用

圖為有限元仿真方法對鉆削碳纖維復(fù)合材料過程中的材料分層現(xiàn)象進(jìn)行了模擬與預(yù)測，通過對比發(fā)現(xiàn)簡化模型大大降低計算成本。通過仿真方法還可研究鉆削力、纖維板的夾持面積、纖維的鋪層方式對分層缺陷的影響規(guī)律。研究結(jié)果表明通過有限元仿真方法可以對碳纖維復(fù)合材料鉆削過程中的分層現(xiàn)象進(jìn)行模擬與預(yù)測，對加工參數(shù)的選擇具有一定指導(dǎo)意義。(a)鉆入材料(b)鉆出材料采用完整仿真模型模擬的鉆削過程03智能加工技術(shù)在切削過程中的應(yīng)用

圖為采用Python語言、基于Abaqus對預(yù)處理中的切削仿真模型進(jìn)行二次開發(fā)切削仿真的實施方案。通過切削仿真模型二次開發(fā)可實現(xiàn)刀具角度與工件尺寸的參數(shù)化設(shè)計，縮短建模時間，奠定建立高效、高精度仿真模型的基礎(chǔ)。

通過采用綜合優(yōu)化軟件Isight與Abaqus聯(lián)合仿真實現(xiàn)了通過對切削參數(shù)的調(diào)整實現(xiàn)對切削力的自動優(yōu)化控制，并對切削參數(shù)的選取進(jìn)行了優(yōu)化，為選擇適合的切削條件提供了理論工具。切削仿真二次開發(fā)與聯(lián)合仿真03智能加工技術(shù)在切削過程中的應(yīng)用2、加工過程中狀態(tài)監(jiān)測與識別刀具磨損的監(jiān)測與識別

刀具磨損直接影響工件的表面粗糙度、尺寸精度并最終影響零件的制造成本，同時刀具磨損對切削力，切削溫度，切削振動等也有影響，隨著刀具磨損的加劇，加工工件的質(zhì)量也越來越差。通過對切削過程的切削力、振動、聲音、AE信號、切削溫度、主軸功率/電流、表面粗糙度等都可以實現(xiàn)刀具磨損的在線監(jiān)測。

通過測量切削力的變化實時監(jiān)測刀具磨損狀態(tài)，可建立切削力分量與后刀面磨損寬度的相互關(guān)系。該模型可以應(yīng)用于在線刀具磨損監(jiān)測系統(tǒng)，該監(jiān)測方法可以應(yīng)用于自適應(yīng)加工系統(tǒng)的外部反饋控制回路中。還可通過采用測試主軸噪音的方法對車削過程中刀具的磨損進(jìn)行監(jiān)測，采用麥克風(fēng)記錄恒線速度數(shù)控車削加工中的聲音。將主軸噪聲音頻信號與幾種不同的速度和進(jìn)給組合的切削刀具的后刀面磨損情況進(jìn)行比較，從而對刀具磨損狀態(tài)進(jìn)行預(yù)測。03智能加工技術(shù)在切削過程中的應(yīng)用

采用多傳感器融合技術(shù)和人工智能信號處理算法技術(shù)對刀具磨損狀態(tài)進(jìn)行分類，可開發(fā)一種獨特的模糊神經(jīng)混合模式識別算法，圖為算法中模糊驅(qū)動神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)圖。所開發(fā)的算法具有很強的建模能力和噪聲抑制能力，能夠成功地在一定加工參數(shù)范圍內(nèi)對刀具磨損進(jìn)行分類。模糊驅(qū)動神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)圖03智能加工技術(shù)在切削過程中的應(yīng)用

還有一種新的基于自聯(lián)想神經(jīng)網(wǎng)絡(luò)(AANN)的刀具磨損監(jiān)測方法，該方法的主要優(yōu)點在于它可以使用在正常切削條件下的數(shù)據(jù)建立模型，不再需要刀具磨損狀態(tài)的訓(xùn)練樣本，使它較其他神經(jīng)網(wǎng)絡(luò)模型更容易被應(yīng)用在實際的工業(yè)環(huán)境中。由于該方法是在不停止切削過程的情況下連續(xù)獲得訓(xùn)練樣本，訓(xùn)練過程中不需要測量刀具磨損值而實現(xiàn)在線建模過程。因此，它為神經(jīng)網(wǎng)絡(luò)在在線刀具狀態(tài)監(jiān)測領(lǐng)域的實際應(yīng)用提供了新的思路。

刀具磨損狀態(tài)識別及預(yù)測技術(shù)是集切削加工、信號處理、現(xiàn)代傳感器、微電子和計算機等技術(shù)為一體的綜合技術(shù)。該技術(shù)發(fā)展至今，仍然還沒形成完整和成熟的理論體系，還沒能很好的解決柔性加工過程中多種工況下精確識別刀具磨損狀態(tài)的問題。如何加強刀具磨損智能監(jiān)測系統(tǒng)的知識自動獲取能力，如何有機地融合多個傳感器信號對刀具磨損狀態(tài)進(jìn)行準(zhǔn)確地識別和預(yù)測，都是亟待解決的問題。03智能加工技術(shù)在切削過程中的應(yīng)用切削溫度的監(jiān)測技術(shù)在切削加工中，伴隨著切削的進(jìn)行，刀具與工件及切屑的溫度會有明顯升高，切削溫度的主要來源包括：切削層發(fā)生彈性變形和塑性變形，切屑與前刀面的摩擦，工件與后刀面的摩擦。切削溫度對切削過程有著很大的影響，直接影響刀具的磨損和使用壽命，切削溫度過高會引起工件表面發(fā)生化學(xué)變化，加速刀具磨損，影響切屑的變形等。通過對切削溫度的監(jiān)測與控制可以很好地對加工狀態(tài)進(jìn)行判斷與優(yōu)化控制。03智能加工技術(shù)在切削過程中的應(yīng)用

在PCBN刀具嵌入微尺度薄膜熱電偶陣列的方法可對硬態(tài)切削過程中切削溫度的變化進(jìn)行測量。如圖所示，10組熱電偶測試點被安裝于刀尖位置處，測試點沿著前后刀面的邊界排布，試驗證明采用所提出的熱電偶測溫方法很好地實現(xiàn)了刀具溫度的測量。PCBN刀片和薄膜熱電偶陣列布局03智能加工技術(shù)在切削過程中的應(yīng)用

使用自適應(yīng)神經(jīng)模糊推理系統(tǒng)與粒子群優(yōu)化學(xué)習(xí)方法也可對切削區(qū)溫度進(jìn)行預(yù)測。通過采用試驗中獲得的切削速度、進(jìn)給量和切削力對ANFIS進(jìn)行訓(xùn)練，進(jìn)而對切削區(qū)溫度進(jìn)行預(yù)測。測試結(jié)果表明，預(yù)測的切削區(qū)的溫度與測量值具有較好的吻合性。

右圖為一種使用多輸入多輸出的模糊推理系統(tǒng)的切削參數(shù)識別方法，可對切削溫度與刀具壽命進(jìn)行預(yù)測。其中切削速度、進(jìn)給量和切削深度作為輸入量，使用切削溫度和刀具后刀面磨損壽命為輸出量，通過試驗數(shù)據(jù)對切削溫度和刀具壽命的預(yù)測模型進(jìn)行訓(xùn)練。試驗結(jié)果表明，刀具壽命試預(yù)測的平均偏差為11.6%，切削溫度的平均偏差為3.28%。刀具溫度與刀具壽命模糊推理系統(tǒng)03智能加工技術(shù)在切削過程中的應(yīng)用工件表面質(zhì)量監(jiān)測

工件表面質(zhì)量是指零件加工后表面的形態(tài)，主要包括的指標(biāo)有表面粗糙度、表面層殘余應(yīng)力、表面層加工硬化成度等。加工表面的質(zhì)量會對工件的性能產(chǎn)生很大的影響。如表面粗糙度對零件的耐磨性、耐腐蝕性、配合精度以及接觸剛度等影響較大。表面殘余拉應(yīng)力會使零件表面產(chǎn)生微小的裂紋，降低疲勞強度，還可能會使零件的形狀發(fā)生改變。表面加工硬化程度雖然可以增加零件的耐磨程度，但硬化往往不均勻，且會增加材料的脆性，使工件更容易產(chǎn)生裂紋。

利用智能插補方法的軟計算系統(tǒng)可對鋼鐵部件高速深鉆過程中的表面粗糙度進(jìn)行預(yù)測，以切削參數(shù)和軸向力為輸入量，以鉆孔的表面粗糙度預(yù)測值為輸出量。

在對表面粗糙度預(yù)測的過程中，研究者通過人工神經(jīng)網(wǎng)絡(luò)或其它方式建立起預(yù)測模型，以一系列加工參數(shù)如切削力、振動、進(jìn)給量、切削速度等作為輸入量，以表面粗糙度作為輸出量，對表面粗糙度進(jìn)行預(yù)測。03智能加工技術(shù)在切削過程中的應(yīng)用3、加工過程中智能控制

智能控制是智能切削加工的關(guān)鍵技術(shù)，在加工過程中通過智能控制可以實現(xiàn)加工狀態(tài)的在線調(diào)整。通過調(diào)節(jié)切削參數(shù)（轉(zhuǎn)速、切深、進(jìn)給）、刀具位置姿態(tài)，刀具剛度、角度、機床夾具補償位置等實現(xiàn)切削過程的智能調(diào)整，從而使加工過程始終處于較為理想的優(yōu)化狀態(tài)。例如對切削過程的振動控制可以實現(xiàn)穩(wěn)定切削。對切削力進(jìn)行控制可以保護刀具、延長刀具壽命、提高加工效率等。03智能加工技術(shù)在切削過程中的應(yīng)用加工過程中振動的控制

切削過程中由于振動的存在對加工過程的影響很大，往往會導(dǎo)致以下不良的后果：導(dǎo)致工件表面出現(xiàn)明顯的波紋，影響工件表面質(zhì)量，甚至導(dǎo)致工件報廢，帶來經(jīng)濟損失；加速刀具磨損，縮短刀具壽命，甚至導(dǎo)致刀具破損，引發(fā)安全事故；引起機床各部件連接部分松動，影響運動副（齒輪、軸承等）的工作性能，造成機床故障，縮短機床的壽命；為了防止顫振的發(fā)生，通常不得不減小切削用量，增加走刀次數(shù)，以犧牲加工效率為代價保證加工正常進(jìn)行，導(dǎo)致機床的加工能力無法充分發(fā)揮；加工過程中的噪聲使工作環(huán)境惡化，增加工人的疲勞程度，影響其身心健康。

切削過程中的振動與加工系統(tǒng)以及切削過程密切相關(guān)，具體包括加工系統(tǒng)的動、靜剛度，刀具以及工件的固有頻率，刀具幾何參數(shù)，刀具與工件的材料特性，切削參數(shù)，潤滑條件等因素。03智能加工技術(shù)在切削過程中的應(yīng)用

采用基于動力吸振器原理設(shè)計了可變控制力的智能式減振鏜桿，并采用基于事件驅(qū)動的網(wǎng)絡(luò)控制系統(tǒng)與基于H∞控制的網(wǎng)絡(luò)控制系統(tǒng)可實現(xiàn)智能減振鏜桿的控制。

在此基礎(chǔ)上人們提出了變剛度-約束阻尼型減振鏜桿，建立了變剛度-約束阻尼減振鏜桿動力學(xué)模型，并根據(jù)模型進(jìn)行了結(jié)構(gòu)設(shè)計、仿真及剛度調(diào)節(jié)與控制，所設(shè)計的變剛度-約束阻尼型減振鏜桿結(jié)構(gòu)如圖所示。。變剛度-約束阻尼型減振鏜桿結(jié)構(gòu)示意圖03智能加工技術(shù)在切削過程中的應(yīng)用

圖為一種采用在銑床上安裝主動夾具的方式對加工中的顫振進(jìn)行抑制。所設(shè)計的主動夾具由兩個壓電致動器控制的高動態(tài)軸驅(qū)動。每個動態(tài)軸上都具有位移傳感器與力傳感器。采用加速度信號作為反饋信號，使用閉環(huán)位置控制方法對工件的位置進(jìn)行動態(tài)補償，從而對顫振進(jìn)行抑制。主動夾具結(jié)構(gòu)示意圖與試驗現(xiàn)場03智能加工技術(shù)在切削過程中的應(yīng)用新型傳感器壓電智能材料振動控制系統(tǒng)原理圖隨著新型傳感器的研發(fā)、新的信號處理技術(shù)的應(yīng)用、智能材料的出現(xiàn)等必將為振動在線監(jiān)測與控制提供新的方法與途徑。振動控制未來的發(fā)展方向包括以下幾點。（1）應(yīng)用新型傳感器，采用多傳感器智能融合技術(shù)將更好地監(jiān)控機床的狀態(tài)，避免以單一信號作為狀態(tài)判斷標(biāo)準(zhǔn)的弊端，使得振動狀態(tài)的監(jiān)測與判斷更加準(zhǔn)確。（2）將模糊控制、神經(jīng)網(wǎng)絡(luò)控制等現(xiàn)代控制理論融入對機床的在線控制中，使控制系統(tǒng)具有自適應(yīng)、自學(xué)習(xí)的特性，實現(xiàn)控制智能化，更好地適應(yīng)實際加工狀況，并增加控制系統(tǒng)的通用性。（3）智能材料減振器的應(yīng)用，特別是電流變、磁流變減振器在機理研究、力學(xué)建模、材料性能和工程應(yīng)用等各個方面都取得了長足的發(fā)展。03智能加工技術(shù)在切削過程中的應(yīng)用加工過程中切削力的控制

切削力在工件加工過程中占有重要地位，它直接影響刀具-工件系統(tǒng)的振動、加工穩(wěn)定性、尺寸誤差、加工表面質(zhì)量等。在數(shù)控加工過程中，無論是精加工還是粗加工，都存在加工余量不均勻的情況，如果按統(tǒng)一的進(jìn)給速、主軸轉(zhuǎn)速、軸/徑向切深，勢必造成切削力的大幅度變動，在加工余量突變處產(chǎn)生顫動，這對于加工精度與刀具保護來說都很不利。為此，在加工過程中實現(xiàn)切削力在線自我調(diào)整成為機械加工中的重要課題。

切削力自適應(yīng)控制研究至今，出現(xiàn)了多種控制算法，如廣義預(yù)測自適應(yīng)控制、神經(jīng)網(wǎng)絡(luò)自適應(yīng)控制、自適應(yīng)PID控制等，這些控制算法都存在一個普遍的矛盾，即要有高的控制精度，又要有快的運算速度。在這樣一種情況下，選擇復(fù)雜的算法（如建立精確的加工過程模型），程序運行時間長，達(dá)不到自適應(yīng)控制的實時性要求。而選擇簡單的算法（如變增益自適應(yīng)控制），控制精度低，適應(yīng)范圍有限，同樣難達(dá)到控制要求。04高端制造裝備及智能制造加工技術(shù)制造加工過程中的智能預(yù)測31智能預(yù)測系統(tǒng)2基于加工誤差傳遞網(wǎng)絡(luò)的工序質(zhì)量智能預(yù)測3基于磨削加工的智能預(yù)測系統(tǒng)4基于人工神經(jīng)網(wǎng)絡(luò)的切屑形態(tài)的預(yù)測5制造加工過程中的仿真和預(yù)測實例01智能預(yù)測系統(tǒng)從預(yù)測的觀點來看，以前的預(yù)測方法中各有自己的優(yōu)勢和不足，如何保持優(yōu)點，克服不足，自然成為需要考慮的問題。特別是經(jīng)驗預(yù)測方法，大量的手工操作與信息的高速傳輸很不相適應(yīng)，經(jīng)驗性知識的客觀表示和系統(tǒng)化則是另一個問題，這兩個問題在各類預(yù)報專家系統(tǒng)的實踐中已日益暴露出其矛盾的尖銳性。在人工智能方面，過去知識工程的三大課題是分別加以研究的，盡管也都取得了相當(dāng)?shù)倪M(jìn)展，獲得了一些有實用價值的成果，但“難于在實際中應(yīng)用”仍然是人工智能工作所面臨的難點。學(xué)習(xí)是人工智能中的難點，進(jìn)展不快，但如果這個問題不解決，智能就難以達(dá)到高水平?；谌斯ぶ悄艿墓善鳖A(yù)測系統(tǒng)1、智能預(yù)測系統(tǒng)的發(fā)展趨勢智能預(yù)測與智能模擬的關(guān)系

模擬是人類認(rèn)識世界的一個重要手段，在電子計算機出現(xiàn)之前，一般采用實驗室模擬，它對當(dāng)時的科學(xué)技術(shù)起了顯著的推動作用，但對于大系統(tǒng)和比較復(fù)雜的系統(tǒng)，實驗室模擬就會遇到困難。近年來利用計算機作動力數(shù)值模擬已成為模擬的主流，它對一些學(xué)科的發(fā)展產(chǎn)生了重要的影響。然而實踐也表明它所具有的局限性。智能非數(shù)值模擬正是為了克服這些局限而設(shè)計的。

智能預(yù)測的核心是基于知識的推理，做出預(yù)測決斷，智能模擬的核心是基于數(shù)據(jù)、信息的分析、綜合，提供模擬結(jié)論。智能模擬可作為獲取知識的一種輔助手段而與預(yù)測系統(tǒng)聯(lián)系的，它可以給出應(yīng)用性知識或某些基礎(chǔ)的知識。01智能預(yù)測系統(tǒng)智能模擬——預(yù)測系統(tǒng)

目前設(shè)計的系統(tǒng)對預(yù)測問題只是考慮基于知識的推理，對動力、統(tǒng)計預(yù)測方法只是綜合應(yīng)用了它的預(yù)測結(jié)果。很明顯，無論哪一種預(yù)測方法，在知識這一點上是共同的，僅是表述形式不同，進(jìn)一步實現(xiàn)在知識這公共基點上的結(jié)合，擴展知識表示和知識利用的內(nèi)容，無疑將會提高預(yù)測能力，并將提高整個系統(tǒng)的效率。

預(yù)測系統(tǒng)設(shè)計的另一個限定是有關(guān)基礎(chǔ)知識的，無論是基礎(chǔ)知識的提供，還是修改，大都由人來完成，機器學(xué)習(xí)也只是在基礎(chǔ)知識上對應(yīng)用性知識的獲取。其所以如此，是由于沒有充分發(fā)揮分析與綜合的能力，模擬則是突出了分析，將來隨著動力與智能模擬的進(jìn)展，特別是智能模擬與智能預(yù)測的進(jìn)一步結(jié)合，相當(dāng)一部分基礎(chǔ)性知識將可以通過模擬，由機器來獲得，到那時，模擬將與預(yù)測一起組成一個綜合的智能模擬——預(yù)測系統(tǒng)。01智能預(yù)測系統(tǒng)智能預(yù)測的基本原理所謂預(yù)測就是鑒往知來,借對過去的探討以求對未來的了解,其目的是獲取未來的信息?，F(xiàn)代預(yù)測理論是建立在定量分析為基本內(nèi)容的現(xiàn)代科學(xué)管條件下的,它由五個基本要素組成：人（預(yù)測者）、知識（預(yù)測依據(jù)）、手段（預(yù)測方法）、事物未來或未知狀況（預(yù)測對象）、預(yù)先推知和判斷（預(yù)測結(jié)果）。預(yù)測理論的五大基本要素的關(guān)系如圖所示。預(yù)測基本要素關(guān)系01智能預(yù)測系統(tǒng)2、基于加工誤差傳遞網(wǎng)絡(luò)的工序質(zhì)量智能預(yù)測隨著多品種、小批量為代表的柔性生產(chǎn)模式和數(shù)字化、信息化制造成為離散制造業(yè)發(fā)展的趨勢，在提高生產(chǎn)效率的同時，也給過程有效質(zhì)量管理提出了新的挑戰(zhàn)和機遇。從過程質(zhì)量保證來看，一個關(guān)鍵環(huán)節(jié)是及時、準(zhǔn)確的揭示過程質(zhì)量的異常狀態(tài)，即能夠?qū)庸み^程的工序質(zhì)量波動實施控制以及對加工質(zhì)量進(jìn)行預(yù)測，為質(zhì)量優(yōu)化決策奠定基礎(chǔ)。因此，如何充分利用制造過程中產(chǎn)生的加工工件、加工工藝以及生產(chǎn)執(zhí)行過程等多方面的靜態(tài)和動態(tài)有關(guān)過程量信息，運用現(xiàn)代質(zhì)量控制和質(zhì)量預(yù)測技術(shù)實現(xiàn)對制造過程的“精確質(zhì)量控制與預(yù)測”，因此實現(xiàn)企業(yè)產(chǎn)品質(zhì)量的持續(xù)改善和提升具有重要的理論和現(xiàn)實意義。01智能預(yù)測系統(tǒng)02基于加工誤差傳遞網(wǎng)絡(luò)的工序質(zhì)量智能預(yù)測

任何制造加工過程都存在波動，剔除或減小波動使過程趨向穩(wěn)態(tài)才能保證高質(zhì)量的產(chǎn)品。因此，對加工質(zhì)量進(jìn)行精確、有效的控制是目前研究的熱點。實現(xiàn)加工過程中的質(zhì)量穩(wěn)態(tài)保證是一項周而復(fù)始、持續(xù)改善的工程，重點涵蓋以下四個環(huán)節(jié)：質(zhì)量控制（QualityControl，QC）、質(zhì)量預(yù)測（QualityPrediction，QP）、質(zhì)量診斷（QualityDiagnosis，QD）、質(zhì)量調(diào)整（QualityAdjustment，QA），如圖所示。加工過程質(zhì)量控制示意圖

實現(xiàn)過程質(zhì)量預(yù)測控制的核心也是構(gòu)建高效、精確的預(yù)測模型。早期的預(yù)測算法以時間序列預(yù)測法、統(tǒng)計回歸預(yù)測法為主，此類方法運算量小、操作方便、效率髙，但是模型簡單且對復(fù)雜多變的環(huán)境下其魯棒性差、泛化能力不強。

近幾年來，新的理論和技術(shù)的出現(xiàn)促進(jìn)了新的預(yù)測算法的出現(xiàn)，成為了目前質(zhì)量預(yù)測的主流工具，主要有：灰色（GM）預(yù)測模型、人工神經(jīng)網(wǎng)絡(luò)（ANN）預(yù)測模型、支持向量回歸（SVR）預(yù)測模型、模糊預(yù)測控制模型等以及多種算法的混合模型，主要預(yù)測模型見表。預(yù)測模型比較分析02基于加工誤差傳遞網(wǎng)絡(luò)的工序質(zhì)量智能預(yù)測

SVR算法比較適合小批量生產(chǎn)過程工序質(zhì)量預(yù)測模型的建立?；贛ES環(huán)境的車間信息化系統(tǒng)能夠?qū)崟r獲得每道工序結(jié)點的輸入與輸出質(zhì)量特征參數(shù)序列，進(jìn)而得到加工誤差序列，通常這些數(shù)據(jù)序列會間接反映出工藝系統(tǒng)對加工工件質(zhì)量特征影響的某種規(guī)律，因此，通過運用適當(dāng)?shù)臄?shù)據(jù)挖掘技術(shù)對數(shù)據(jù)序列進(jìn)行分析就能夠?qū)崿F(xiàn)在一定精度下的質(zhì)量預(yù)測?；诩庸ふ`差傳遞網(wǎng)絡(luò)的工序質(zhì)量預(yù)測模型02基于加工誤差傳遞網(wǎng)絡(luò)的工序質(zhì)量智能預(yù)測磨削智能預(yù)測系統(tǒng)的結(jié)構(gòu)

首先將外圓縱向磨削過程中的初始磨削參數(shù)和通過傳感器所檢測的在線參數(shù)載入到預(yù)測系統(tǒng)中，根據(jù)所建立的外圓縱向磨削預(yù)測模型對所要預(yù)測的參數(shù)進(jìn)行預(yù)測。將預(yù)測的數(shù)值與加工要求的期望值進(jìn)行比較，如有偏差，則調(diào)整切削用量，使磨削加工達(dá)到要求，實現(xiàn)預(yù)測。外圓縱向磨削智能預(yù)測系統(tǒng)的結(jié)構(gòu)框圖03基于磨削加工的智能預(yù)測系統(tǒng)表面粗糙度預(yù)測工件的表面粗糙度是衡量工件質(zhì)量的一個非常重要的指標(biāo)。目前對工件表面粗糙度的檢測主要是停機檢測，利用接觸法或?qū)Ρ确ǖ玫酱植诙鹊木唧w值，在線檢測表面粗糙度雖然在理論上有所突破，但在實際加工中未達(dá)到應(yīng)用。如果能夠得到輸入變量和粗糙度之間的關(guān)系，利用類似專家系統(tǒng)的方法對粗糙度能夠預(yù)測，就能夠取代傳統(tǒng)的離線測量方法。由于模糊基函數(shù)網(wǎng)絡(luò)（FBFN）和徑向基神經(jīng)網(wǎng)絡(luò)（RBFN）在結(jié)構(gòu)上非常相似，同時彌補了RBFN不能表達(dá)復(fù)雜磨削過程中模糊知識的能力以及具有以任意精度逼近任意連續(xù)非線性函數(shù)的能力。03基于磨削加工的智能預(yù)測系統(tǒng)

表面粗糙度的FBFN模型如所示，在FBFN模型中，采用產(chǎn)生式模糊推理方法，以singleton作為輸出成員函數(shù)，以質(zhì)心法進(jìn)行反模糊化，以Gaussian函數(shù)作為輸入成員函數(shù)。在外圓縱向磨削粗糙度的分析模型中，實驗表明：在精磨時，砂輪的磨削深度對粗糙度Ra的影響不大，這種結(jié)果和前人的研究成果吻合。FBFN的網(wǎng)絡(luò)結(jié)構(gòu)模型03基于磨削加工的智能預(yù)測系統(tǒng)尺寸預(yù)測

采用具有動態(tài)記憶能力的Elman神經(jīng)網(wǎng)絡(luò)建立縱向磨削尺寸預(yù)測模型，可實現(xiàn)軸類零件尺寸的智能預(yù)測。尺寸預(yù)測模型如圖所示。外圓縱向磨削尺寸預(yù)測模型03基于磨削加工的智能預(yù)測系統(tǒng)智能預(yù)測系統(tǒng)工作流程圖

如圖所示，通過外圓縱向磨削智能預(yù)測系統(tǒng)的人機界面，用戶進(jìn)入磨削參數(shù)預(yù)測系統(tǒng)，首先用戶輸入磨削加工的條件、參數(shù)，同時通過檢測儀表檢測的參數(shù)也顯示在用戶界面上。接下來可以通過后臺功能模塊對知識庫中的相關(guān)知識進(jìn)行檢索，尋找到合適的規(guī)則和模型，結(jié)合用戶輸入和儀表檢測的參數(shù)分別對表面粗糙度預(yù)測模型和加工工件尺寸預(yù)測模型進(jìn)行建立、仿真和訓(xùn)練，后臺模塊是通過接口程序所驅(qū)動的仿真軟件。

當(dāng)仿真和訓(xùn)練達(dá)到良好的效果時，就可以進(jìn)行真實的加工，在真實的加工過程中，運用訓(xùn)練好的預(yù)測模型對參數(shù)進(jìn)行預(yù)測，實現(xiàn)智能預(yù)測的過程。外圓縱向磨削智能預(yù)測系統(tǒng)的總體工作流程03基于磨削加工的智能預(yù)測系統(tǒng)04基于人工神經(jīng)網(wǎng)絡(luò)的切屑形態(tài)的預(yù)測

人工神經(jīng)網(wǎng)絡(luò)（ArtificialNeuralNetworks，ANN）是人工智能領(lǐng)域中的一個重要分支，它借鑒人腦的結(jié)構(gòu)和特點，對人腦若干基本特性通過數(shù)學(xué)方法進(jìn)行的抽象和模擬，組成大規(guī)模并行分布式信息和非線性信息處理系統(tǒng)，具有高度并行性、結(jié)構(gòu)可變性、容錯性、高度非線性、自學(xué)習(xí)性和自組織性等特點。神經(jīng)網(wǎng)絡(luò)反映了人腦對信息的處理、知識與信息的存儲、學(xué)習(xí)和識別及聯(lián)想記憶等功能的相似特性，其應(yīng)用已經(jīng)滲透到各個領(lǐng)域，如智能控制、模式識別、信號處理、計算機視覺和工程設(shè)計。生產(chǎn)的自動化、柔性化和集成化已成為加工制造領(lǐng)域發(fā)展的方向，為保證制造系統(tǒng)的正常運行，切屑控制問題已成為能否有效的發(fā)揮機床能力、使生產(chǎn)正常進(jìn)行的關(guān)鍵問題，并且機械加工過程中的切屑形態(tài)是影響被加工零件精度和表面質(zhì)量的重要因素。高速車削鋼件等韌性材料時，連綿不斷的帶狀切屑會燙傷或劃傷操作工人。帶狀切屑若纏繞在工件上，會破壞工件的已加工表面，若堵塞在工件與刀具間，可迫使加工停止或損傷刀具的切削刃。

如何實現(xiàn)切屑形態(tài)的預(yù)測并對其進(jìn)行有效的控制已成為制約生產(chǎn)率、加工質(zhì)量和提高生產(chǎn)自動化水平的重要因素，被認(rèn)為是CIMS中的一項尚未解決的重要難題。

借助于人工神經(jīng)網(wǎng)絡(luò)的非線性映射能力、較強的魯棒形和容錯性、自適應(yīng)自組織自學(xué)習(xí)的能力和虛擬現(xiàn)實技術(shù)的人與環(huán)境的一體化和人與環(huán)境的交互性的特點，將它們應(yīng)用于切削過程的預(yù)測、仿真與控制中構(gòu)建加工過程的智能預(yù)測仿真模型進(jìn)而完成在虛擬切削環(huán)境中對切削進(jìn)程中的切屑等的模擬預(yù)報。神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)04基于人工神經(jīng)網(wǎng)絡(luò)的切屑形態(tài)的預(yù)測人工神經(jīng)網(wǎng)絡(luò)模型的數(shù)學(xué)描述

神經(jīng)元是人工神經(jīng)網(wǎng)絡(luò)的基本處理單元，是生物神經(jīng)元在功能上和結(jié)構(gòu)上的一種數(shù)學(xué)模型。經(jīng)典的神經(jīng)元模型是一種多輸入、單一輸出的基本單元。如圖所示這些神經(jīng)元以并行方式排成像人腦神經(jīng)系統(tǒng)那樣的網(wǎng)絡(luò)結(jié)構(gòu)形式，包括三個基本元素：突觸或連接鏈、加法器、激活函數(shù)。人工神經(jīng)元結(jié)構(gòu)04基于人工神經(jīng)網(wǎng)絡(luò)的切屑形態(tài)的預(yù)測基于人工神經(jīng)網(wǎng)絡(luò)思想的切屑形態(tài)預(yù)測仿真

采用的神經(jīng)網(wǎng)絡(luò)是基于誤差反傳遞算法的BP網(wǎng)絡(luò)模型。系統(tǒng)網(wǎng)絡(luò)模型中采用單隱層結(jié)構(gòu)，隱層神經(jīng)元數(shù)為7個，隱層選用雙曲正切Sigmoid函數(shù)。隱層的誤差導(dǎo)數(shù)δ（Delta）矢量的反向傳播是BP算法的基礎(chǔ)，它利用網(wǎng)絡(luò)誤差平方和網(wǎng)絡(luò)各層輸入的導(dǎo)數(shù)來調(diào)整權(quán)值和閾值，從而降低誤差平方和，使網(wǎng)絡(luò)得到理想的輸出。輸出層選用線性神經(jīng)元函數(shù)，使得輸出值可以是任何數(shù)值，模型結(jié)構(gòu)如圖所示。切屑形態(tài)預(yù)測網(wǎng)絡(luò)模型結(jié)構(gòu)04基于人工神經(jīng)網(wǎng)絡(luò)的切屑形態(tài)的預(yù)測切屑形態(tài)預(yù)測模塊功能介紹

切屑形態(tài)預(yù)測模塊分為兩個主要部分，網(wǎng)絡(luò)訓(xùn)練模塊和仿真預(yù)測模塊。網(wǎng)絡(luò)訓(xùn)練模塊主要是對BP網(wǎng)絡(luò)進(jìn)行初始化（包括對網(wǎng)絡(luò)的輸入層、隱含層、輸出層各層的神經(jīng)元點數(shù)等），以及對主要參數(shù)進(jìn)進(jìn)行輸入（包括學(xué)習(xí)速率、目標(biāo)誤差、最大循環(huán)次數(shù)等），最后對BP網(wǎng)絡(luò)進(jìn)行訓(xùn)練、驗證，存入數(shù)據(jù)庫備用。仿真預(yù)測模塊是運用訓(xùn)練好的BP網(wǎng)絡(luò)，對新的數(shù)據(jù)進(jìn)行預(yù)測，使其達(dá)到允許誤差范圍，結(jié)束預(yù)測。具體流程如圖所示。切屑形態(tài)預(yù)測模塊04基于人工神經(jīng)網(wǎng)絡(luò)的切屑形態(tài)的預(yù)測05制造加工過程中的仿真和預(yù)測實例智能制造專家系統(tǒng)設(shè)計4*智能制造專家系統(tǒng)設(shè)計智能制造專家系統(tǒng)設(shè)計123456專家系統(tǒng)推理機制的實現(xiàn)專家系統(tǒng)知識庫的建立與實現(xiàn)編程語言及數(shù)據(jù)管理系統(tǒng)的確定專家系統(tǒng)的功能結(jié)構(gòu)專家系統(tǒng)的數(shù)據(jù)分析專家系統(tǒng)的功能設(shè)計5智能制造專家系統(tǒng)實例701專家系統(tǒng)的功能設(shè)計以智能制造領(lǐng)域中的高速切削系統(tǒng)為例，描述專家系統(tǒng)的設(shè)計及實例實現(xiàn)的過程。由于高速切削涉及的實體信息結(jié)構(gòu)復(fù)雜，種類繁多，對其進(jìn)行收集整理，建立高速切削數(shù)據(jù)庫，形成有效科學(xué)的管理很有必要，有助于實現(xiàn)高速切削管理工作的系統(tǒng)化、規(guī)范化、智能化，從而提高切削管理效率，提高切削的質(zhì)量。高速切削專家系統(tǒng)的主要功能包括針對高速切削實際生產(chǎn)需求，建立工件材料與刀具材料的匹配選取規(guī)則庫，根據(jù)刀具材料選擇刀具型號；建立切削用量的選用規(guī)則；進(jìn)行規(guī)則推理；建立切削案例庫；對機床、刀具、材料、加工工藝等實體進(jìn)行管理，建立切削數(shù)據(jù)庫等。01專家系統(tǒng)的功能設(shè)計（1）工件及材料管理子系統(tǒng)：實現(xiàn)對工件及其材料的增加、更改、刪除及查詢管理。（2）高速切削刀具管理子系統(tǒng)：實現(xiàn)對高速切削刀具（分為轉(zhuǎn)體式刀具及整體式刀具兩種，轉(zhuǎn)體式包括刀體、刀片等）及刀具材料的增加、更改、刪除及查詢管理。（3）高速切削機床管理子系統(tǒng)：實現(xiàn)對高速切削機床的增加、更改、刪除及查詢管理。（4）高速切削參數(shù)管理子系統(tǒng)：實現(xiàn)對高速切削參數(shù)的增加、更改、刪除及查詢管理，切削參數(shù)由切削刀具及切削的工件材料及機床等決定。（5）加工案例管理子系統(tǒng)：實現(xiàn)對加工案例的增加、更改、刪除及查詢管理。（6）規(guī)則庫管理及推理：包括事實管理、規(guī)則庫的管理及規(guī)則推理等功能。（7）案例庫管理及推理：包括加工方案的管理、相似度管理及實例推理等功能。02專家系統(tǒng)的數(shù)據(jù)分析經(jīng)過對高速切削專家系統(tǒng)的功能分析，查閱資料文獻(xiàn)，涉及到如下的實體集：刀具材料、刀具及組成、工件、工件材料、刀具材料與刀具的匹配、切削參數(shù)、加工案例、規(guī)則表、事實表、機床與主軸等，如圖所示描述了高速切削數(shù)據(jù)庫的E-R模型。高速切削專