论文部分内容阅读
智能制造(Intelligent Manufacturing,IM)是面向21世纪的先进制造模式,提高底层加工设备的智能水平是智能制造系统的重要研究内容之一。约束型自适应控制(Adaptive Constraint Control,ACC)作为加工过程智能化控制一直以来都是研究中的主要方向,它通过调节某个或多个参数使某一切削参数(切削力、扭矩、功率或温度)控制在一定约束范围内。但在加工过程自适应约束控制实施过程中,围绕自适应约束控制目标值的确定一直都没有很好的解决方案,常用的情况是在机床额定值约束下,考虑所选择的刀具几何参数、刀具材料、加工材料和进给参数等特征条件,根据经验确定一个约束估计值,这在很大程度上限制了机床功率的充分发挥和ACC的推广使用。因此,有必要依据不同的加工过程条件,利用人工智能技术处理非线性问题的特点,获取不同加工过程条件下的加工过程知识,智能化的决策出约束型自适应控制的控制目标,最大限度的发挥机床的工作效率,提高加工机器的智能化水平。
基于上述考虑,本论文从加工过程约束型自适应控制目标值的智能化选择出发,以数控加工过程特征描述、特征的知识获取和推理及其在ACC控制目标值决策中的应用作为研究方向,建立了基于加工过程特征的铣削加工智能控制神经网络知识获取模型,该模型以加工深度、每齿进给量、工件材料硬度、刀具磨损特征、刀具齿径比及切削液特征为输入,切削速度和铣削功率为输出,智能化的推理出铣削功率,为实现ACC控制目标的智能决策探求了一条途径,论文在以下几方面展开研究：
(1) 详细阐述加工过程特征及其相关概念,描述加工过程特征的具体含义,运用面向对象的方法对加工过程特征进行表示,并对加工过程特征的识别方法展开讨论。
(2) 利用集中参数模型详细描述铣削过程的非线性、时变性和不确定性特点,通过分析功率约束型ACC控制目标依据经验选择的不足,在专家系统和神经网络基础上,构建功率约束型ACC的数控铣削加工过程智能控制知识库系统模型,分析了系统结构并给出了MRR(Material removal rate,MRR)优化引擎的设计方法,设计了知识库系统与分层递阶控制ACC的通讯接口。
(3) 研究建立了以加工深度、每齿进给量、工件材料硬度、刀具磨损特征、刀具齿径比及切削液特征为输入,切削速度和铣削功率为输出的BP网络知识获取和表示模型。运用改进的BP算法对网络进行训练,表现出较好的收敛性和较高的拟合度,能够根据不同的加工过程特征,推理出铣削功率和切削速度。该模型的建立为加工过程特征匹配知识库的建立奠定了基础。
(4) 开发了基于加工过程特征的铣削加工智能控制知识库原型系统,该系统以手册和试验数据为知识源,采用神经网络权值表示知识。系统提供了方便快捷的人机界面,并能有效的利用加工过程知识进行推理,从而实现充分利用加工过程知识智能化的决策出ACC控制目标,提高加工设备的智能化水平,充分发挥机床的最大效率。