智能機床最早出現(xiàn)在賴特(P·K·Wright)與伯恩(D·A·Bourne)1998年出版的智能制造研究領域的首本專著《智能制造》(Manufacturing Intelligence)中。由于對先進制造業(yè)具有重要作用，智能技術引起各個國家的重視。美國推出了智能加工平臺計劃(SMPI);歐洲實施 “Next Generation Production System”研究;德國推出了“Industry 4.0”計劃;中國中長期科技發(fā)展對“數(shù)字化智能化制造技術”提出了迫切需求，并制定了相應的“十三五”發(fā)展規(guī)劃;在2006年美國芝加哥國際制造技術展覽會(IMTS2006)上，日本Mazak公司推出的首次命名為“Intelligent Machine”的智能機床和日本Okuma公司推出的命名為“thinc”的智能數(shù)控系統(tǒng)，開啟了數(shù)控機床智能化時代。 本文從傳感器出發(fā)，將數(shù)控機床的智能技術按層次劃分為智能傳感器、智能功能、智能部件、智能系統(tǒng)等部分，對智能技術進行了總結，指出不足，揭示了發(fā)展方向，并對未來進行了展望。
智能傳感器由機床、刀具、工件組成的數(shù)控機床制造系統(tǒng)在加工過程中，隨著材料的切除，伴隨著多種復雜的物理現(xiàn)象，隱含著豐富的信息。在這種動態(tài)、非線性、時變、非確定性環(huán)境中，數(shù)控機床自身的感知技術是實現(xiàn)智能化的基本條件。 數(shù)控機床要實現(xiàn)智能，需要各種傳感器收集外部環(huán)境和內(nèi)部狀態(tài)信息，近似人類五官感知環(huán)境變化的功能，如表1所示。對人來講，眼睛是五官中最重要的感覺器官，能獲得90%以上的環(huán)境信息，但視覺傳感器在數(shù)控機床中的應用還比較少。隨著自動化和智能化水平的提高，視覺功能在數(shù)控機床中將發(fā)揮越來越重要的作用。表1數(shù)控機床可用傳感器
隨著MEMS(微機電系統(tǒng))技術、嵌入技術、智能材料與結構等技術的發(fā)展，傳感器趨向小型化。MEMS微傳感器、薄膜傳感器以及光纖傳感器等微型傳感器的成熟應用，為傳感器嵌入數(shù)控機床奠定了基礎。 由于制造過程中存在不可預測或不能預料的復雜現(xiàn)象和奇怪問題，以及所監(jiān)測到的信息存在時效性、精確性、完整性等問題，因此，要求傳感器具有分析、推理、學**等智能，這要求傳感器要有高性能智能處理器來充當“大腦”。美國高通公司正在研制能夠模擬人腦工作的人工智能系統(tǒng)微處理器。將來可通過半導體集成技術，將高性能人工智能系統(tǒng)微處理器與傳感器、信號處理電路、I/O接口等集成在同一芯片上，形成大規(guī)模集成電路式智能傳感器，不但具有檢測、識別、記憶、分析等功能，而且具有自學**甚至思維能力。相信隨著計算機技術、信號處理技術、MEMS技術、高新材料技術、無線通信技術等不斷進步，智能傳感器將會在數(shù)控機床智能感知方面帶來全新變革。
智能功能數(shù)控機床向高速、高效、高精化發(fā)展，要求數(shù)控機床具有熱補償、振動監(jiān)測、磨損監(jiān)測、狀態(tài)監(jiān)測與故障診斷等智能功能。融合幾個或幾種智能傳感器，采用人工智能方法，通過識別、分析、判斷及推理，實現(xiàn)數(shù)控機床的智能功能，為智能部件的實現(xiàn)打下基礎。 數(shù)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、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，幾何誤差是制造、裝配過程中造成的與機床結構本身有關的誤差，隨時間變化不大，屬于靜態(tài)誤差，誤差預測模型相對簡單，可以通過系統(tǒng)的補償功能得到有效控制，而熱誤差隨時間變化很大，屬于動態(tài)誤差，誤差預測模型復雜，是國際研究的難點和熱點。
數(shù)控機床在加工過程中的熱源包括軸承、滾珠絲杠、電機、齒輪箱、導軌、刀具等。這些部件的升溫會引起主軸延伸、坐標變化、刀具伸長等變化，造成機床誤差增大。由于溫度敏感點多、分布廣，溫度測試點位置優(yōu)化設計很重要，主要方法有遺傳算法、神經(jīng)網(wǎng)絡、模糊聚類、粗糙集、信息論、灰色系統(tǒng)等[6]。在確定了溫度測點的基礎上，常用神經(jīng)網(wǎng)絡、遺傳算法、模糊邏輯、灰色系統(tǒng)、支持向量機等來進行誤差預測與補償。
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，切削量的不斷增大，刀具、工件間很容易發(fā)生振動，嚴重影響工件的加工精度和表面質量。由于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，因此可以借助切削力監(jiān)測與預報進行振動監(jiān)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、模糊理論、遺傳算法、灰色理論等對切削力進行建模和預測?？紤]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(fā)射等信號，利用神經(jīng)網(wǎng)絡、模糊邏輯、支持向量機等智能方法直接進行振動監(jiān)測。
刀具安裝在主軸前端，與加工工件接觸，直接切削工件表面，對加工質量的影響是最直接和關鍵的。刀具磨損、破損等異?，F(xiàn)象影響加工精度和工作安全。鑒于直接測量法需要離線檢測的缺陷，常采集電流、切削力、振動、功率、溫度等一種或多種間接信號，采用RBF神經(jīng)網(wǎng)絡、模糊神經(jīng)網(wǎng)絡、小波神經(jīng)網(wǎng)絡、支持向量機等智能算法對刀具磨損狀態(tài)進行智能監(jiān)測。 隨著自動化程度的提高，數(shù)控機床集成越來越多的功能，復雜程度不斷提高。為了高效運行，對數(shù)控機床的內(nèi)部狀態(tài)進行監(jiān)測與性能評價、對故障進行預警與診斷十分必要。由于故障模式再現(xiàn)性不強，樣本采集困難，因此BP神經(jīng)網(wǎng)絡等要求樣本多的智能方法不適合這種場合。狀態(tài)監(jiān)測與故障診斷常采用SOM神經(jīng)網(wǎng)絡、模糊邏輯、支持向量機、專家系統(tǒng)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，但大部分集中在實驗室環(huán)境下，缺少實時性高、在線功能強的方法，尚需深入發(fā)展簡潔、快速、適應性強的智能方法。
智能部件數(shù)控機床機械部分主要包括支撐結構件、主傳動件、進給傳動件、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。這些部件可以集成智能傳感器的一種或幾種智能功能構成數(shù)控機床智能部件。
主軸是主傳動部件，作為核心部件，直接關系到工件加工精度。由于主軸轉速較高，特別是電主軸，發(fā)熱、磨損、振動對加工質量影響很大，因此，越來越多的智能傳感器被集成到主軸中，實現(xiàn)對工作狀態(tài)的監(jiān)控、預警以及補償?shù)裙δ堋Ｈ毡旧狡轳R扎克研制的“智能主軸”，裝有溫度、振動、位移及距離等多種傳感器，不但具有溫度、振動、夾具壽命監(jiān)控和防護功能，而且能夠根據(jù)溫度、振動狀態(tài)，智能協(xié)調加工參數(shù)。瑞士Step-Tec、IBAG等制造的電主軸，裝有溫度、加速度、軸向位移等多種傳感器，如圖3所示，能夠進行熱補償、振動監(jiān)測等。
智能傳感器由機床、刀具、工件組成的數(shù)控機床制造系統(tǒng)在加工過程中，隨著材料的切除，伴隨著多種復雜的物理現(xiàn)象，隱含著豐富的信息。在這種動態(tài)、非線性、時變、非確定性環(huán)境中，數(shù)控機床自身的感知技術是實現(xiàn)智能化的基本條件。 數(shù)控機床要實現(xiàn)智能，需要各種傳感器收集外部環(huán)境和內(nèi)部狀態(tài)信息，近似人類五官感知環(huán)境變化的功能，如表1所示。對人來講，眼睛是五官中最重要的感覺器官，能獲得90%以上的環(huán)境信息，但視覺傳感器在數(shù)控機床中的應用還比較少。隨著自動化和智能化水平的提高，視覺功能在數(shù)控機床中將發(fā)揮越來越重要的作用。表1數(shù)控機床可用傳感器
隨著MEMS(微機電系統(tǒng))技術、嵌入技術、智能材料與結構等技術的發(fā)展，傳感器趨向小型化。MEMS微傳感器、薄膜傳感器以及光纖傳感器等微型傳感器的成熟應用，為傳感器嵌入數(shù)控機床奠定了基礎。 由于制造過程中存在不可預測或不能預料的復雜現(xiàn)象和奇怪問題，以及所監(jiān)測到的信息存在時效性、精確性、完整性等問題，因此，要求傳感器具有分析、推理、學**等智能，這要求傳感器要有高性能智能處理器來充當“大腦”。美國高通公司正在研制能夠模擬人腦工作的人工智能系統(tǒng)微處理器。將來可通過半導體集成技術，將高性能人工智能系統(tǒng)微處理器與傳感器、信號處理電路、I/O接口等集成在同一芯片上，形成大規(guī)模集成電路式智能傳感器，不但具有檢測、識別、記憶、分析等功能，而且具有自學**甚至思維能力。相信隨著計算機技術、信號處理技術、MEMS技術、高新材料技術、無線通信技術等不斷進步，智能傳感器將會在數(shù)控機床智能感知方面帶來全新變革。
智能功能數(shù)控機床向高速、高效、高精化發(fā)展，要求數(shù)控機床具有熱補償、振動監(jiān)測、磨損監(jiān)測、狀態(tài)監(jiān)測與故障診斷等智能功能。融合幾個或幾種智能傳感器，采用人工智能方法，通過識別、分析、判斷及推理，實現(xiàn)數(shù)控機床的智能功能，為智能部件的實現(xiàn)打下基礎。 數(shù)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、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，幾何誤差是制造、裝配過程中造成的與機床結構本身有關的誤差，隨時間變化不大，屬于靜態(tài)誤差，誤差預測模型相對簡單，可以通過系統(tǒng)的補償功能得到有效控制，而熱誤差隨時間變化很大，屬于動態(tài)誤差，誤差預測模型復雜，是國際研究的難點和熱點。
數(shù)控機床在加工過程中的熱源包括軸承、滾珠絲杠、電機、齒輪箱、導軌、刀具等。這些部件的升溫會引起主軸延伸、坐標變化、刀具伸長等變化，造成機床誤差增大。由于溫度敏感點多、分布廣，溫度測試點位置優(yōu)化設計很重要，主要方法有遺傳算法、神經(jīng)網(wǎng)絡、模糊聚類、粗糙集、信息論、灰色系統(tǒng)等[6]。在確定了溫度測點的基礎上，常用神經(jīng)網(wǎng)絡、遺傳算法、模糊邏輯、灰色系統(tǒng)、支持向量機等來進行誤差預測與補償。
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，切削量的不斷增大，刀具、工件間很容易發(fā)生振動，嚴重影響工件的加工精度和表面質量。由于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，因此可以借助切削力監(jiān)測與預報進行振動監(jiān)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、模糊理論、遺傳算法、灰色理論等對切削力進行建模和預測?？紤]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(fā)射等信號，利用神經(jīng)網(wǎng)絡、模糊邏輯、支持向量機等智能方法直接進行振動監(jiān)測。
刀具安裝在主軸前端，與加工工件接觸，直接切削工件表面，對加工質量的影響是最直接和關鍵的。刀具磨損、破損等異?，F(xiàn)象影響加工精度和工作安全。鑒于直接測量法需要離線檢測的缺陷，常采集電流、切削力、振動、功率、溫度等一種或多種間接信號，采用RBF神經(jīng)網(wǎng)絡、模糊神經(jīng)網(wǎng)絡、小波神經(jīng)網(wǎng)絡、支持向量機等智能算法對刀具磨損狀態(tài)進行智能監(jiān)測。 隨著自動化程度的提高，數(shù)控機床集成越來越多的功能，復雜程度不斷提高。為了高效運行，對數(shù)控機床的內(nèi)部狀態(tài)進行監(jiān)測與性能評價、對故障進行預警與診斷十分必要。由于故障模式再現(xiàn)性不強，樣本采集困難，因此BP神經(jīng)網(wǎng)絡等要求樣本多的智能方法不適合這種場合。狀態(tài)監(jiān)測與故障診斷常采用SOM神經(jīng)網(wǎng)絡、模糊邏輯、支持向量機、專家系統(tǒng)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，但大部分集中在實驗室環(huán)境下，缺少實時性高、在線功能強的方法，尚需深入發(fā)展簡潔、快速、適應性強的智能方法。
智能部件數(shù)控機床機械部分主要包括支撐結構件、主傳動件、進給傳動件、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。這些部件可以集成智能傳感器的一種或幾種智能功能構成數(shù)控機床智能部件。
主軸是主傳動部件，作為核心部件，直接關系到工件加工精度。由于主軸轉速較高，特別是電主軸，發(fā)熱、磨損、振動對加工質量影響很大，因此，越來越多的智能傳感器被集成到主軸中，實現(xiàn)對工作狀態(tài)的監(jiān)控、預警以及補償?shù)裙δ堋Ｈ毡旧狡轳R扎克研制的“智能主軸”，裝有溫度、振動、位移及距離等多種傳感器，不但具有溫度、振動、夾具壽命監(jiān)控和防護功能，而且能夠根據(jù)溫度、振動狀態(tài)，智能協(xié)調加工參數(shù)。瑞士Step-Tec、IBAG等制造的電主軸，裝有溫度、加速度、軸向位移等多種傳感器，如圖3所示，能夠進行熱補償、振動監(jiān)測等。