《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(diǎn)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(cè)4.智能制造專家系統(tǒng)設(shè)計(jì)及實(shí)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(lái)實(shí)現(xiàn)）、等材制造（通過鑄造、鍛造、粉末冶金等材料變形方法來(lái)實(shí)現(xiàn)）和減材制造（主要通過各種切削加工來(lái)實(shí)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(dòng)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(shí)與理論，對(duì)于切削過程的控制一直以來(lái)是切削研究的重點(diǎn)。隨著加工技術(shù)不斷發(fā)展與工業(yè)4.0時(shí)代的到來(lái)，切削過程的智能加工技術(shù)已經(jīng)成為切削研究的熱點(diǎn)，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(shì)。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(duì)加工系統(tǒng)、時(shí)變工況進(jìn)行在線監(jiān)測(cè)，以獲取加工過程的狀態(tài)信息。在此基礎(chǔ)上，針對(duì)實(shí)時(shí)工況變化采用智能化方法對(duì)工藝過程進(jìn)行自主學(xué)習(xí)及決策控制，實(shí)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(jī)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(jī)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(jī)床位姿變化、機(jī)床功率變化、機(jī)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(jī)床、刀具及工件的振動(dòng)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(duì)于加工過程中出現(xiàn)的“突發(fā)”狀況不能進(jìn)行實(shí)時(shí)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(duì)措施，也不能實(shí)現(xiàn)對(duì)加工狀態(tài)的實(shí)時(shí)優(yōu)化，設(shè)備加工能力得不到充分發(fā)揮，同時(shí)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(duì)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(cè)、智能優(yōu)化與控制、貫穿于整個(gè)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(cè)”、“感知”、“控制”與“優(yōu)化”，實(shí)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(jī)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(cè)等。（2）加工中：加工過程中加工狀態(tài)的在線監(jiān)測(cè)、數(shù)據(jù)處理、特征提取、狀態(tài)判斷、智能推理與決策、實(shí)時(shí)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(cè)與判斷。（4）數(shù)據(jù)處理貫穿于整個(gè)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(chǔ)、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(diǎn)及其對(duì)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(duì)切削過程進(jìn)行預(yù)測(cè)及優(yōu)化，在加工過程中采用先進(jìn)的數(shù)據(jù)監(jiān)測(cè)及處理技術(shù)，對(duì)加工過程中機(jī)床、工件、刀具的狀態(tài)進(jìn)行實(shí)時(shí)監(jiān)測(cè)與特征提取，并結(jié)合理論知識(shí)與加工經(jīng)驗(yàn)，通過人工智能技術(shù)，對(duì)加工狀態(tài)進(jìn)行判斷，通過數(shù)據(jù)對(duì)比、分析、推理、決策、實(shí)時(shí)優(yōu)化切削參數(shù)、刀具路徑，調(diào)整自身狀態(tài)，實(shí)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(shí)際加工之前首先需要對(duì)零件的幾何特征進(jìn)行分析，綜合考慮機(jī)床參數(shù)、工件參數(shù)、刀具參數(shù)與技術(shù)要求等對(duì)零件的加工工藝進(jìn)行規(guī)劃，通過運(yùn)用大數(shù)據(jù)技術(shù)，結(jié)合以往理論知識(shí)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(cè)與優(yōu)化

在機(jī)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(duì)切削過程進(jìn)行仿真，在實(shí)際加工之前預(yù)測(cè)加工過程機(jī)床、刀具、工件的狀態(tài)變化情況。并通過優(yōu)化算法對(duì)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(cè)與優(yōu)化控制

加工過程的在線監(jiān)測(cè)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(cè)模塊、優(yōu)化決策模塊、實(shí)時(shí)控制模塊，涉及到在線監(jiān)測(cè)、數(shù)據(jù)處理、特征提取、智能決策與優(yōu)化、在線實(shí)時(shí)控制等多項(xiàng)技術(shù)。智能切削加工流程圖（4）質(zhì)量檢測(cè)與判斷

質(zhì)量檢測(cè)環(huán)節(jié)為加工的最后環(huán)節(jié)，通過對(duì)零件加工質(zhì)量的在線監(jiān)測(cè)，完成對(duì)零件幾何外形輪廓、加工尺寸精度、表面質(zhì)量等的檢測(cè)，最終完成零件加工質(zhì)量檢測(cè)。（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(gè)過程，加工中涉及的數(shù)據(jù)包括：機(jī)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(cè)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(cè)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(duì)切削過程進(jìn)行預(yù)測(cè)與優(yōu)化、在加工過程中對(duì)于狀態(tài)變化的監(jiān)測(cè)、加工過程中的智能決策與控制、貫穿于整個(gè)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(yàn)的切削過程預(yù)測(cè)與優(yōu)化技術(shù)（1）正交試驗(yàn)設(shè)計(jì)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(dòng)等）的因素較多，常常需要同時(shí)考察3個(gè)或3個(gè)以上的試驗(yàn)因素，若進(jìn)行全面試驗(yàn)，則試驗(yàn)的規(guī)模將很大，往往因試驗(yàn)條件的限制而難于實(shí)施。正交設(shè)計(jì)是安排多因素試驗(yàn)、尋求最優(yōu)水平組合的一種高效率試驗(yàn)設(shè)計(jì)方法。（2）均勻試驗(yàn)設(shè)計(jì)均勻試驗(yàn)設(shè)計(jì)是一種只考慮試驗(yàn)點(diǎn)在試驗(yàn)范圍內(nèi)均勻散布的試驗(yàn)設(shè)計(jì)方法，由于均勻試驗(yàn)只考慮試驗(yàn)點(diǎn)的“均勻散布”而不考慮“整齊可比”，因此可以大大減少試驗(yàn)次數(shù)，這是它與正交試驗(yàn)設(shè)計(jì)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(jì)（或響應(yīng)面設(shè)計(jì)）

回歸設(shè)計(jì)就是在因子空間選擇適當(dāng)?shù)脑囼?yàn)點(diǎn)，以較少的試驗(yàn)處理建立一個(gè)有效的多項(xiàng)式回歸方程，從而解決生產(chǎn)中的最優(yōu)化問題，這種試驗(yàn)設(shè)計(jì)方法就被稱為回歸設(shè)計(jì)。（4）穩(wěn)健設(shè)計(jì)穩(wěn)健設(shè)計(jì)是一個(gè)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(duì)產(chǎn)品質(zhì)量的影響減到最小。由于穩(wěn)健設(shè)計(jì)在產(chǎn)品設(shè)計(jì)之初就考慮到了噪聲因素的影響，所以產(chǎn)品設(shè)計(jì)幾乎不需要考慮額外的余量或采用高質(zhì)量的零部件對(duì)噪聲因素的影響進(jìn)行補(bǔ)償，從而可在保證產(chǎn)品的性能的同時(shí)降低產(chǎn)品生產(chǎn)和使用的費(fèi)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(shí)際中的許多問題都是多目標(biāo)優(yōu)化設(shè)計(jì)問題。多目標(biāo)優(yōu)化可以描述為：一個(gè)由滿足一定約束條件的決策變量組成的向量，使得一個(gè)由多個(gè)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(gè)使得所有目標(biāo)函數(shù)值都可接受的解。

各個(gè)目標(biāo)間的競(jìng)爭(zhēng)性和復(fù)雜性，使得對(duì)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(shí)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(gè)或多個(gè)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(shí)變量和目標(biāo)函數(shù)必須滿足的限制稱為約束條件。2）個(gè)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(gè)目標(biāo)時(shí)，由于存在目標(biāo)之間的無(wú)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(gè)解可能在某個(gè)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(gè)目標(biāo)時(shí)，通常存在一系列無(wú)法簡(jiǎn)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(diǎn)，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(gè)優(yōu)化目標(biāo)的最優(yōu)邊界。三個(gè)優(yōu)化目標(biāo)的最優(yōu)邊界構(gòu)成一個(gè)曲面，三個(gè)以上的最優(yōu)邊界則構(gòu)成超曲面。圖中，實(shí)心點(diǎn)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(diǎn)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(gè)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(gè)解的集合，稱為非劣解集。且由于決策者對(duì)多個(gè)目標(biāo)的要求也不一樣，什么樣的解是滿足設(shè)計(jì)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(yàn)優(yōu)先權(quán)方法、交互式方法以及后驗(yàn)優(yōu)先權(quán)方法。（1）先驗(yàn)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(gè)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(yàn)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(shí)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(shí)能以一定概率實(shí)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(duì)固體加溫過程中，固體內(nèi)部粒子會(huì)隨溫度的升高而趨于無(wú)序狀態(tài)，內(nèi)能增大，當(dāng)對(duì)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(duì)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(gè)領(lǐng)域得到廣泛應(yīng)用，目前在機(jī)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(gè)種群，結(jié)合生物界中的優(yōu)勝劣汰規(guī)則對(duì)初始種群進(jìn)行淘汰選擇，隨后對(duì)選擇后的種群個(gè)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(duì)應(yīng)優(yōu)化設(shè)計(jì)問題的最優(yōu)解。因此，遺傳算法包括三個(gè)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(lái)進(jìn)行學(xué)習(xí)。近年來(lái)，人工神經(jīng)網(wǎng)絡(luò)因其強(qiáng)大的非線性映射能力、高容錯(cuò)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(gè)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(gè)神經(jīng)元上分別對(duì)應(yīng)一個(gè)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(gè)神經(jīng)元和輸出層包含1個(gè)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(cè)與優(yōu)化技術(shù)

基于仿真的切削過程預(yù)測(cè)與優(yōu)化技術(shù)主要是在實(shí)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(duì)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(duì)實(shí)際加工過程進(jìn)行預(yù)測(cè)，通過仿真手段對(duì)切削參數(shù)進(jìn)行優(yōu)化，指導(dǎo)實(shí)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(duì)切削過程的物理仿真，可以對(duì)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(cè)，并通過對(duì)獲得的仿真結(jié)果數(shù)據(jù)進(jìn)行分析及時(shí)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(duì)切削過程的物理仿真優(yōu)化，可以對(duì)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(dòng)模型、表面質(zhì)量模型等可以對(duì)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(duì)于優(yōu)化而言，數(shù)值仿真方法更具有優(yōu)化算法多、實(shí)際操作簡(jiǎn)單、效率高、精度高等優(yōu)勢(shì)，通過數(shù)值仿真方法可以很容易對(duì)切削參數(shù)，刀具角度等進(jìn)行優(yōu)化。通過仿真都可以實(shí)現(xiàn)對(duì)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(cè)，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(duì)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(gè)人經(jīng)驗(yàn)對(duì)所要加工的零件進(jìn)行工藝分析，對(duì)加工機(jī)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(jī)械加工。此種工藝規(guī)劃方式的主要問題在于人為因素對(duì)零件最終的加工質(zhì)量影響很大，由于工藝工程師個(gè)人知識(shí)與加工經(jīng)驗(yàn)的不同，導(dǎo)致對(duì)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(diǎn)在于對(duì)機(jī)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(kù)、知識(shí)庫(kù)、大數(shù)據(jù)、云平臺(tái)等數(shù)據(jù)處理技術(shù)。

引入仿真手段對(duì)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(duì)新零件工藝參數(shù)的選擇具有指導(dǎo)意義。通過對(duì)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(shí)的智能化CAPP系統(tǒng)引入了知識(shí)工程、智能理論和智能計(jì)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(shí)庫(kù)和推理機(jī)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(shí)庫(kù)的建立：智能CAPP的知識(shí)庫(kù)包括零件信息庫(kù)、工藝規(guī)則庫(kù)、資源庫(kù)和知識(shí)庫(kù)管理系統(tǒng)。其中零件信息庫(kù)存儲(chǔ)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(kù)存儲(chǔ)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(yàn)和知識(shí)；知識(shí)管理系統(tǒng)的作用是負(fù)責(zé)知識(shí)庫(kù)與外界的溝通、信息交換以及知識(shí)的修改與擴(kuò)充、測(cè)試與精煉，還有就是維護(hù)知識(shí)庫(kù)的一致性與完整性。知識(shí)庫(kù)的建立過程實(shí)際上是知識(shí)經(jīng)過一系列的變換進(jìn)入計(jì)算機(jī)系統(tǒng)的過程，因此對(duì)知識(shí)庫(kù)的建立來(lái)說，最關(guān)鍵的環(huán)節(jié)就是知識(shí)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(jī)制一般和知識(shí)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(yùn)用啟發(fā)性知識(shí)，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(jī)制02智能切削加工過程中的基礎(chǔ)關(guān)鍵技術(shù)

知識(shí)獲取（KnowledgeAcquisition）就是抽取領(lǐng)域知識(shí)并將其形式化的過程。工藝決策知識(shí)是人們?cè)诠に囋O(shè)計(jì)實(shí)踐中積累的認(rèn)識(shí)的經(jīng)驗(yàn)的總和。工藝設(shè)計(jì)經(jīng)驗(yàn)性強(qiáng)、技巧性高，工藝設(shè)計(jì)理論和工藝決策模型化研究仍不成熟，這使工藝決策知識(shí)的獲取更為困難。

目前，除了一些工藝決策知識(shí)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(shí)還必須從具有豐富實(shí)踐經(jīng)驗(yàn)的工藝人員那里獲取。知識(shí)獲取的方式有間接的知識(shí)獲取、直接的知識(shí)獲取和自動(dòng)的知識(shí)獲取三種類型。

目前，CAPP統(tǒng)中知識(shí)獲取的研究工作集中在數(shù)據(jù)中知識(shí)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(shí)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(diǎn)及存在的問題特點(diǎn)：1）在智能CAPP系統(tǒng)中，知識(shí)表示是和知識(shí)本身相分離的，所以當(dāng)加工零件變化或知識(shí)更新時(shí)，相應(yīng)的決策方法不會(huì)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(diǎn)。2）智能CAPP系統(tǒng)以零件的知識(shí)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(jì)結(jié)果或給出幾種設(shè)計(jì)方案以供工藝設(shè)計(jì)人員選擇。因此，即使是沒有經(jīng)驗(yàn)的工藝人員利用智能化的CAPP系統(tǒng)也能設(shè)計(jì)出高質(zhì)量的工藝規(guī)程。3）智能CAPP系統(tǒng)中，知識(shí)庫(kù)和推理機(jī)的分離有利于系統(tǒng)的模塊化和增加系統(tǒng)的可擴(kuò)充性，有利于知識(shí)工程師和工藝設(shè)計(jì)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(jì)的主要問題不是數(shù)值計(jì)算，而是對(duì)工藝信息和工藝知識(shí)的處理，而這正是基于知識(shí)和計(jì)算智能的智能CAPP系統(tǒng)所擅長(zhǎng)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(yàn)知識(shí)的積累，那么系統(tǒng)的智能性就會(huì)越來(lái)越高，系統(tǒng)生成的工藝方案就會(huì)越來(lái)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(jì)是具有高度綜合性和創(chuàng)造性的思維活動(dòng)，在特征識(shí)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(duì)于人類的這些高級(jí)思維能力，計(jì)算機(jī)還難以進(jìn)行有效的模擬，這些工作仍需要靠人工來(lái)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(wú)法自動(dòng)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(lái)輸入。因此，零件特征的自動(dòng)識(shí)別和零件信息的自動(dòng)獲取是制約智能CAPP發(fā)展的一個(gè)“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(qiáng)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(jì)的目的是利用計(jì)算機(jī)延伸以創(chuàng)造性思維為核心的人的設(shè)計(jì)能力，從而盡可能地實(shí)現(xiàn)設(shè)計(jì)自動(dòng)化，設(shè)計(jì)的自動(dòng)化實(shí)際上就是對(duì)知識(shí)的自動(dòng)化處理，其中知識(shí)是實(shí)現(xiàn)這一過程的載體。數(shù)據(jù)挖掘就是實(shí)現(xiàn)數(shù)據(jù)到知識(shí)轉(zhuǎn)化的有力工具。

在智能設(shè)計(jì)系統(tǒng)中，如何對(duì)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(jià)值的知識(shí)，成為一項(xiàng)新的挑戰(zhàn)和課題。數(shù)據(jù)挖掘作為一種實(shí)現(xiàn)數(shù)據(jù)深化到知識(shí)的新的技術(shù)，正成為當(dāng)前研究的熱點(diǎn)。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(shí)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(jí)處理過程“模式”可以看作是知識(shí)的雛形，經(jīng)過驗(yàn)證、完善后形成知識(shí)。KDD是一個(gè)高級(jí)的處理過程，它從數(shù)據(jù)集中識(shí)別出以模式來(lái)表示的知識(shí)。高級(jí)的處理過程是指一個(gè)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(gè)階段，我們跟設(shè)計(jì)專家進(jìn)行交流、定義問題，并決定設(shè)計(jì)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(duì)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(gè)數(shù)據(jù)挖掘成功與否的關(guān)鍵性步驟，通常要占有整個(gè)項(xiàng)目的半數(shù)時(shí)間，因?yàn)閿?shù)據(jù)庫(kù)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(duì)于整個(gè)數(shù)據(jù)庫(kù)具有代表意義。這種對(duì)容量的縮減可以通過以下兩種途徑獲得，一種是對(duì)數(shù)據(jù)空間進(jìn)行采樣，此時(shí)進(jìn)行的數(shù)據(jù)收集是隨機(jī)的，另一種是對(duì)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(shí)驗(yàn)過程、建立模型、評(píng)價(jià)模型的品質(zhì)。數(shù)據(jù)挖掘階段首先根據(jù)對(duì)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(shí)評(píng)價(jià)：數(shù)據(jù)挖掘階段發(fā)現(xiàn)出來(lái)的模式，經(jīng)過評(píng)估,可能存在冗余或無(wú)關(guān)的模式，這時(shí)需要將其剔除；也有可能模式不滿足用戶要求，這時(shí)則需要整個(gè)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(duì)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(kù)、數(shù)據(jù)倉(cāng)庫(kù)。數(shù)據(jù)挖掘不一定要建立在數(shù)據(jù)倉(cāng)庫(kù)的基礎(chǔ)上，但如果數(shù)據(jù)挖掘與數(shù)據(jù)倉(cāng)庫(kù)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(kù)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(yǔ)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(yǔ)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(yǔ)允許用戶在數(shù)據(jù)挖掘時(shí)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(yǔ)：原語(yǔ)用來(lái)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(gè)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(yǔ)定義。·任務(wù)相關(guān)數(shù)據(jù)原語(yǔ)·挖掘的知識(shí)類型原語(yǔ)·指導(dǎo)挖掘過程的背景知識(shí)原語(yǔ)·模式評(píng)估的興趣度度量原語(yǔ)·知識(shí)的表示和可視化原語(yǔ)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(yǔ)言

定義了數(shù)據(jù)挖掘原語(yǔ)，還需要基于這些原語(yǔ)為用戶提供一組與數(shù)據(jù)挖掘系統(tǒng)通信的語(yǔ)言，即數(shù)據(jù)挖掘語(yǔ)言。根據(jù)數(shù)據(jù)挖掘語(yǔ)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(yǔ)言、數(shù)據(jù)挖掘模型語(yǔ)言、標(biāo)準(zhǔn)數(shù)據(jù)挖掘語(yǔ)言。第一發(fā)展階段的數(shù)據(jù)挖掘語(yǔ)言一般屬于數(shù)據(jù)挖掘查詢語(yǔ)言，如JiaweiHan等設(shè)計(jì)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(yǔ)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(yǔ)言PMML（PredictiveModelMarkupLanguage）。標(biāo)準(zhǔn)數(shù)據(jù)挖掘語(yǔ)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(shí)別、刪除孤立點(diǎn)。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(gè)數(shù)據(jù)存儲(chǔ)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(gè)問題：模式集成、冗余、數(shù)據(jù)值沖突的檢測(cè)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(duì)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(gè)屬性值落在哪一個(gè)區(qū)間之內(nèi)，然后將這個(gè)屬性值用一個(gè)唯一表示該區(qū)間的符號(hào)標(biāo)識(shí)來(lái)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(duì)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(jiǎn)單的決策表簡(jiǎn)化得到的，它通過考察知識(shí)表達(dá)中不同屬性的重要性，來(lái)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(duì)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(gè)結(jié)點(diǎn)，再根據(jù)字段的不同取值建立樹的分枝，在每個(gè)分枝中集中重復(fù)建樹的下層結(jié)點(diǎn)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(jì)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(jì)（基于知識(shí)的設(shè)計(jì)）的內(nèi)涵

在工業(yè)化社會(huì)向知識(shí)化和信息化社會(huì)轉(zhuǎn)化的過程中，人類對(duì)智能化的追求將導(dǎo)致一場(chǎng)“智能革命”，在這場(chǎng)智能革命的歷史浪潮中，人工智能研究的一個(gè)重要?jiǎng)恿Ρ闶墙⒅R(shí)系統(tǒng)以求解困難問題。

在工程實(shí)踐中人們注意到，專家知識(shí)一般來(lái)源于領(lǐng)域?qū)＜业慕?jīng)驗(yàn)積累，帶有很強(qiáng)的經(jīng)驗(yàn)性、模糊性和不確定性。智能設(shè)計(jì)就是希望通過知識(shí)處理的一系列技術(shù)來(lái)獲取領(lǐng)域?qū)＜一蚱渌畔⒌闹R(shí)，并選擇合適的知識(shí)建模語(yǔ)言將知識(shí)計(jì)算機(jī)化，以便于把寶貴的專家知識(shí)應(yīng)用于設(shè)計(jì)中，提高實(shí)際解決問題的能力和設(shè)計(jì)開發(fā)的質(zhì)量，起主要特點(diǎn)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(jì)算機(jī)系統(tǒng)；·集中解決了清晰表示知識(shí)的問題，并且將知識(shí)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(gè)細(xì)節(jié)情況；·采用模式識(shí)別、基于規(guī)則和基于事例等方法進(jìn)行知識(shí)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(jì)是面向工程開發(fā)全過程，能夠自動(dòng)地誘導(dǎo)產(chǎn)品設(shè)計(jì)人員進(jìn)行產(chǎn)品的設(shè)計(jì)活動(dòng)，并能尋求記錄不同類型知識(shí)的方法。它是將人工智能（包括知識(shí)表示、推理、知識(shí)庫(kù)等）與CAX系統(tǒng)有機(jī)結(jié)合為一體的。圖顯示了智能設(shè)計(jì)系統(tǒng)的典型結(jié)構(gòu)框架。典型智能設(shè)計(jì)系統(tǒng)的體現(xiàn)結(jié)構(gòu)

基于知識(shí)的工藝設(shè)計(jì)信息系統(tǒng)運(yùn)行過程中的智能行為主要體現(xiàn)在以下幾個(gè)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(shí)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(duì)加工過程中機(jī)床、刀具、工件進(jìn)行狀態(tài)監(jiān)測(cè)是“感知”加工狀態(tài)最直接的手段。切削過程是一個(gè)非常復(fù)雜的過程，在切削過程中涉及機(jī)床、刀具、工件的狀態(tài)變化。例如機(jī)床的變形與振動(dòng)，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(dòng)力學(xué)等多門學(xué)科，所能監(jiān)測(cè)的狀態(tài)量多而復(fù)雜，主要包括：機(jī)床、刀具位置；切削力、刀具溫度、刀具磨損、機(jī)床與工件及刀具的振動(dòng)、聲發(fā)射信號(hào)、機(jī)床功率、工件表面質(zhì)量、切屑形狀等信息。

對(duì)于機(jī)床的狀態(tài)進(jìn)行監(jiān)測(cè)，可以確保運(yùn)行安全，防止運(yùn)動(dòng)干涉與碰撞、載荷及功率過大等問題。對(duì)機(jī)床位置監(jiān)測(cè)是確保機(jī)床位置的正確性與實(shí)現(xiàn)機(jī)床誤差補(bǔ)償?shù)幕A(chǔ)。同時(shí)對(duì)機(jī)床的能耗進(jìn)行監(jiān)測(cè)是降低成本、提高效率、實(shí)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(cè)技術(shù)

對(duì)于刀具、工件的狀態(tài)變化進(jìn)行監(jiān)測(cè)可以實(shí)時(shí)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(dòng)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(shí)現(xiàn)對(duì)切削過程進(jìn)行“感知”。將所采集到的信號(hào)進(jìn)行降噪、濾波后，通過多種信號(hào)處理手段對(duì)信號(hào)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(jī)技術(shù)等實(shí)現(xiàn)對(duì)加工狀態(tài)的在線監(jiān)測(cè)，實(shí)時(shí)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(cè)模塊所監(jiān)測(cè)與提取的信息反饋，對(duì)加工過程進(jìn)行單目標(biāo)或多目標(biāo)優(yōu)化?？蓛?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(dòng)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(jì)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(shí)時(shí)控制模塊，通過實(shí)時(shí)控制模塊完成對(duì)機(jī)床相關(guān)參數(shù)的調(diào)整，包括改變切削參數(shù)、實(shí)時(shí)位置誤差補(bǔ)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(shí)時(shí)調(diào)整，實(shí)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(jī)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(duì)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(shí)需要刀具具有自我感知、自我調(diào)節(jié)等智能功能，對(duì)于智能刀具的研制與研究已經(jīng)成為刀具研究的熱點(diǎn)。智能刀具的感知功能主要集中在對(duì)切削力、切削溫度、振動(dòng)等的感知，通過在刀具上集成感知系統(tǒng)，實(shí)現(xiàn)刀具狀態(tài)的自我識(shí)別，避免了在刀具上安裝多種傳感器的繁瑣操作，同時(shí)節(jié)省了空間，利于生產(chǎn)與維護(hù)。對(duì)于刀具尺寸較小或由于某種原因無(wú)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(duì)切削力、扭矩、振動(dòng)、AE聲發(fā)射等信號(hào)進(jìn)行監(jiān)測(cè)。對(duì)于刀具的自我感知系統(tǒng)，進(jìn)一步實(shí)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(duì)刀具自身屬性的調(diào)節(jié)，通過調(diào)節(jié)自身屬性來(lái)適應(yīng)生產(chǎn)需要，實(shí)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(duì)刀具振動(dòng)的識(shí)別與反饋控制，實(shí)時(shí)改變鏜桿自身剛度、阻尼等，實(shí)現(xiàn)鏜削過程的振動(dòng)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(jī)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(jī)床的發(fā)展趨勢(shì)，在現(xiàn)有數(shù)控技術(shù)的基礎(chǔ)上，數(shù)控機(jī)床已經(jīng)逐漸由機(jī)械運(yùn)動(dòng)的自動(dòng)化向信息控制的智能化方向發(fā)展。智能機(jī)床不僅使機(jī)床操作變得簡(jiǎn)單、安全，而且借助現(xiàn)代傳感技術(shù)、信息技術(shù)、自動(dòng)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(shí)現(xiàn)了機(jī)床的智能化加工，確保加工的高精度與高效率。智能機(jī)床的特點(diǎn)在于可以實(shí)現(xiàn)智能感知、智能決策、智能執(zhí)行。智能機(jī)床所具備的具體功能包括：人機(jī)交互、加工仿真、自我監(jiān)測(cè)、智能防碰撞、振動(dòng)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(yùn)動(dòng)自適應(yīng)）、誤差測(cè)量與補(bǔ)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(hù)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(cè)與優(yōu)化

通過數(shù)字仿真手段對(duì)切削過程進(jìn)行預(yù)測(cè)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(duì)切削過程進(jìn)行預(yù)測(cè)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(duì)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(cè)，及時(shí)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(shí)間刀具姿態(tài)對(duì)數(shù)控運(yùn)動(dòng)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(cè)試結(jié)果對(duì)比圖，從仿真結(jié)果與試驗(yàn)結(jié)果對(duì)比可以發(fā)現(xiàn)通過仿真手段可以較好地預(yù)測(cè)切屑的形態(tài)。切屑形態(tài)對(duì)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(duì)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(cè)，通過對(duì)比發(fā)現(xiàn)簡(jiǎn)化模型大大降低計(jì)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(duì)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(duì)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(cè)，對(duì)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(yǔ)言、基于Abaqus對(duì)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(shí)施方案。通過切削仿真模型二次開發(fā)可實(shí)現(xiàn)刀具角度與工件尺寸的參數(shù)化設(shè)計(jì)，縮短建模時(shí)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(shí)現(xiàn)了通過對(duì)切削參數(shù)的調(diào)整實(shí)現(xiàn)對(duì)切削力的自動(dòng)優(yōu)化控制，并對(duì)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(cè)與識(shí)別刀具磨損的監(jiān)測(cè)與識(shí)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(shí)刀具磨損對(duì)切削力，切削溫度，切削振動(dòng)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(lái)越差。通過對(duì)切削過程的切削力、振動(dòng)、聲音、AE信號(hào)、切削溫度、主軸功率/電流、表面粗糙度等都可以實(shí)現(xiàn)刀具磨損的在線監(jiān)測(cè)。

通過測(cè)量切削力的變化實(shí)時(shí)監(jiān)測(cè)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(cè)系統(tǒng)，該監(jiān)測(cè)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(cè)試主軸噪音的方法對(duì)車削過程中刀具的磨損進(jìn)行監(jiān)測(cè)，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(hào)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(duì)刀具磨損狀態(tài)進(jìn)行預(yù)測(cè)。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(hào)處理算法技術(shù)對(duì)刀具磨損狀態(tài)進(jìn)行分類，可開發(fā)一種獨(dú)特的模糊神經(jīng)混合模式識(shí)別算法，圖為算法中模糊驅(qū)動(dòng)神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)圖。所開發(fā)的算法具有很強(qiáng)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(duì)刀具磨損進(jìn)行分類。模糊驅(qū)動(dòng)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(cè)方法，該方法的主要優(yōu)點(diǎn)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(shí)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(cè)量刀具磨損值而實(shí)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(cè)領(lǐng)域的實(shí)際應(yīng)用提供了新的思路。

刀具磨損狀態(tài)識(shí)別及預(yù)測(cè)技術(shù)是集切削加工、信號(hào)處理、現(xiàn)代傳感器、微電子和計(jì)算機(jī)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(shí)別刀具磨損狀態(tài)的問題。如何加強(qiáng)刀具磨損智能監(jiān)測(cè)系統(tǒng)的知識(shí)自動(dòng)獲取能力，如何有機(jī)地融合多個(gè)傳感器信號(hào)對(duì)刀具磨損狀態(tài)進(jìn)行準(zhǔn)確地識(shí)別和預(yù)測(cè)，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(cè)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(huì)有明顯升高，切削溫度的主要來(lái)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(duì)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(huì)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(duì)切削溫度的監(jiān)測(cè)與控制可以很好地對(duì)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(duì)硬態(tài)切削過程中切削溫度的變化進(jìn)行測(cè)量。如圖所示，10組熱電偶測(cè)試點(diǎn)被安裝于刀尖位置處，測(cè)試點(diǎn)沿著前后刀面的邊界排布，試驗(yàn)證明采用所提出的熱電偶測(cè)溫方法很好地實(shí)現(xiàn)了刀具溫度的測(cè)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(duì)切削區(qū)溫度進(jìn)行預(yù)測(cè)。通過采用試驗(yàn)中獲得的切削速度、進(jìn)給量和切削力對(duì)ANFIS進(jìn)行訓(xùn)練，進(jìn)而對(duì)切削區(qū)溫度進(jìn)行預(yù)測(cè)。測(cè)試結(jié)果表明，預(yù)測(cè)的切削區(qū)的溫度與測(cè)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(shí)別方法，可對(duì)切削溫度與刀具壽命進(jìn)行預(yù)測(cè)。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(yàn)數(shù)據(jù)對(duì)切削溫度和刀具壽命的預(yù)測(cè)模型進(jìn)行訓(xùn)練。試驗(yàn)結(jié)果表明，刀具壽命試預(yù)測(cè)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(cè)

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(huì)對(duì)工件的性能產(chǎn)生很大的影響。如表面粗糙度對(duì)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(huì)使零件表面產(chǎn)生微小的裂紋，降低疲勞強(qiáng)度，還可能會(huì)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(huì)增加材料的脆性，使工件更容易產(chǎn)生裂紋。

利用智能插補(bǔ)方法的軟計(jì)算系統(tǒng)可對(duì)鋼鐵部件高速深鉆過程中的表面粗糙度進(jìn)行預(yù)測(cè)，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(cè)值為輸出量。

在對(duì)表面粗糙度預(yù)測(cè)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(cè)模型，以一系列加工參數(shù)如切削力、振動(dòng)、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(duì)表面粗糙度進(jìn)行預(yù)測(cè)。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(shí)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(jī)床夾具補(bǔ)償位置等實(shí)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(duì)切削過程的振動(dòng)控制可以實(shí)現(xiàn)穩(wěn)定切削。對(duì)切削力進(jìn)行控制可以保護(hù)刀具、延長(zhǎng)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(dòng)的控制

切削過程中由于振動(dòng)的存在對(duì)加工過程的影響很大，往往會(huì)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(bào)廢，帶來(lái)經(jīng)濟(jì)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(jī)床各部件連接部分松動(dòng)，影響運(yùn)動(dòng)副（齒輪、軸承等）的工作性能，造成機(jī)床故障，縮短機(jī)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(jià)保證加工正常進(jìn)行，導(dǎo)致機(jī)床的加工能力無(wú)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(dòng)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(dòng)、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(rùn)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(dòng)力吸振器原理設(shè)計(jì)了可變控制力的智能式減振鏜桿，并采用基于事件驅(qū)動(dòng)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(shí)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(dòng)力學(xué)模型，并根據(jù)模型進(jìn)行了結(jié)構(gòu)設(shè)計(jì)、仿真及剛度調(diào)節(jié)與控制，所設(shè)計(jì)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(dòng)夾具的方式對(duì)加工中的顫振進(jìn)行抑制。所設(shè)計(jì)的主動(dòng)夾具由兩個(gè)壓電致動(dòng)器控制的高動(dòng)態(tài)軸驅(qū)動(dòng)。每個(gè)動(dòng)態(tài)軸上都具有位移傳感器與力傳感器。采用加速度信號(hào)作為反饋信號(hào)，使用閉環(huán)位置控制方法對(duì)工件的位置進(jìn)行動(dòng)態(tài)補(bǔ)償，從而對(duì)顫振進(jìn)行抑制。主動(dòng)夾具結(jié)構(gòu)示意圖與試驗(yàn)現(xiàn)場(chǎng)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(dòng)控制系統(tǒng)原理圖隨著新型傳感器的研發(fā)、新的信號(hào)處理技術(shù)的應(yīng)用、智能材料的出現(xiàn)等必將為振動(dòng)在線監(jiān)測(cè)與控制提供新的方法與途徑。振動(dòng)控制未來(lái)的發(fā)展方向包括以下幾點(diǎn)。（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(jī)床的狀態(tài)，避免以單一信號(hào)作為狀態(tài)判斷標(biāo)準(zhǔn)的弊端，使得振動(dòng)狀態(tài)的監(jiān)測(cè)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(duì)機(jī)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(shí)現(xiàn)控制智能化，更好地適應(yīng)實(shí)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(jī)理研究、力學(xué)建模、材料性能和工程應(yīng)用等各個(gè)方面都取得了長(zhǎng)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(dòng)、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(wú)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(shì)必造成切削力的大幅度變動(dòng)，在加工余量突變處產(chǎn)生顫動(dòng)，這對(duì)于加工精度與刀具保護(hù)來(lái)說都很不利。為此，在加工過程中實(shí)現(xiàn)切削力在線自我調(diào)整成為機(jī)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(cè)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(gè)普遍的矛盾，即要有高的控制精度，又要有快的運(yùn)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(yùn)行時(shí)間長(zhǎng)，達(dá)不到自適應(yīng)控制的實(shí)時(shí)性要求。而選擇簡(jiǎn)單的算法（如變?cè)鲆孀赃m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(cè)31智能預(yù)測(cè)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(cè)3基于磨削加工的智能預(yù)測(cè)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(cè)5制造加工過程中的仿真和預(yù)測(cè)實(shí)例01智能預(yù)測(cè)系統(tǒng)從預(yù)測(cè)的觀點(diǎn)來(lái)看，以前的預(yù)測(cè)方法中各有自己的優(yōu)勢(shì)和不足，如何保持優(yōu)點(diǎn)，克服不足，自然成為需要考慮的問題。特別是經(jīng)驗(yàn)預(yù)測(cè)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(yàn)性知識(shí)的客觀表示和系統(tǒng)化則是另一個(gè)問題，這兩個(gè)問題在各類預(yù)報(bào)專家系統(tǒng)的實(shí)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(shí)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(shí)用價(jià)值的成果，但“難于在實(shí)際中應(yīng)用”仍然是人工智能工作所面臨的難點(diǎn)。學(xué)習(xí)是人工智能中的難點(diǎn)，進(jìn)展不快，但如果這個(gè)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(cè)系統(tǒng)1、智能預(yù)測(cè)系統(tǒng)的發(fā)展趨勢(shì)智能預(yù)測(cè)與智能模擬的關(guān)系

模擬是人類認(rèn)識(shí)世界的一個(gè)重要手段，在電子計(jì)算機(jī)出現(xiàn)之前，一般采用實(shí)驗(yàn)室模擬，它對(duì)當(dāng)時(shí)的科學(xué)技術(shù)起了顯著的推動(dòng)作用，但對(duì)于大系統(tǒng)和比較復(fù)雜的系統(tǒng)，實(shí)驗(yàn)室模擬就會(huì)遇到困難。近年來(lái)利用計(jì)算機(jī)作動(dòng)力數(shù)值模擬已成為模擬的主流，它對(duì)一些學(xué)科的發(fā)展產(chǎn)生了重要的影響。然而實(shí)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(jì)的。

智能預(yù)測(cè)的核心是基于知識(shí)的推理，做出預(yù)測(cè)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(shí)的一種輔助手段而與預(yù)測(cè)系統(tǒng)聯(lián)系的，它可以給出應(yīng)用性知識(shí)或某些基礎(chǔ)的知識(shí)。01智能預(yù)測(cè)系統(tǒng)智能模擬——預(yù)測(cè)系統(tǒng)

目前設(shè)計(jì)的系統(tǒng)對(duì)預(yù)測(cè)問題只是考慮基于知識(shí)的推理，對(duì)動(dòng)力、統(tǒng)計(jì)預(yù)測(cè)方法只是綜合應(yīng)用了它的預(yù)測(cè)結(jié)果。很明顯，無(wú)論哪一種預(yù)測(cè)方法，在知識(shí)這一點(diǎn)上是共同的，僅是表述形式不同，進(jìn)一步實(shí)現(xiàn)在知識(shí)這公共基點(diǎn)上的結(jié)合，擴(kuò)展知識(shí)表示和知識(shí)利用的內(nèi)容，無(wú)疑將會(huì)提高預(yù)測(cè)能力，并將提高整個(gè)系統(tǒng)的效率。

預(yù)測(cè)系統(tǒng)設(shè)計(jì)的另一個(gè)限定是有關(guān)基礎(chǔ)知識(shí)的，無(wú)論是基礎(chǔ)知識(shí)的提供，還是修改，大都由人來(lái)完成，機(jī)器學(xué)習(xí)也只是在基礎(chǔ)知識(shí)上對(duì)應(yīng)用性知識(shí)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(lái)隨著動(dòng)力與智能模擬的進(jìn)展，特別是智能模擬與智能預(yù)測(cè)的進(jìn)一步結(jié)合，相當(dāng)一部分基礎(chǔ)性知識(shí)將可以通過模擬，由機(jī)器來(lái)獲得，到那時(shí)，模擬將與預(yù)測(cè)一起組成一個(gè)綜合的智能模擬——預(yù)測(cè)系統(tǒng)。01智能預(yù)測(cè)系統(tǒng)智能預(yù)測(cè)的基本原理所謂預(yù)測(cè)就是鑒往知來(lái),借對(duì)過去的探討以求對(duì)未來(lái)的了解,其目的是獲取未來(lái)的信息?，F(xiàn)代預(yù)測(cè)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(gè)基本要素組成：人（預(yù)測(cè)者）、知識(shí)（預(yù)測(cè)依據(jù)）、手段（預(yù)測(cè)方法）、事物未來(lái)或未知狀況（預(yù)測(cè)對(duì)象）、預(yù)先推知和判斷（預(yù)測(cè)結(jié)果）。預(yù)測(cè)理論的五大基本要素的關(guān)系如圖所示。預(yù)測(cè)基本要素關(guān)系01智能預(yù)測(cè)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(cè)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(shì)，在提高生產(chǎn)效率的同時(shí)，也給過程有效質(zhì)量管理提出了新的挑戰(zhàn)和機(jī)遇。從過程質(zhì)量保證來(lái)看，一個(gè)關(guān)鍵環(huán)節(jié)是及時(shí)、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(dòng)實(shí)施控制以及對(duì)加工質(zhì)量進(jìn)行預(yù)測(cè)，為質(zhì)量?jī)?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(dòng)態(tài)有關(guān)過程量信息，運(yùn)用現(xiàn)代質(zhì)量控制和質(zhì)量預(yù)測(cè)技術(shù)實(shí)現(xiàn)對(duì)制造過程的“精確質(zhì)量控制與預(yù)測(cè)”，因此實(shí)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(shí)意義。01智能預(yù)測(cè)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(cè)

任何制造加工過程都存在波動(dòng)，剔除或減小波動(dòng)使過程趨向穩(wěn)態(tài)才能保證高質(zhì)量的產(chǎn)品。因此，對(duì)加工質(zhì)量進(jìn)行精確、有效的控制是目前研究的熱點(diǎn)。實(shí)現(xiàn)加工過程中的質(zhì)量穩(wěn)態(tài)保證是一項(xiàng)周而復(fù)始、持續(xù)改善的工程，重點(diǎn)涵蓋以下四個(gè)環(huán)節(jié)：質(zhì)量控制（QualityControl，QC）、質(zhì)量預(yù)測(cè)（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(shí)現(xiàn)過程質(zhì)量預(yù)測(cè)控制的核心也是構(gòu)建高效、精確的預(yù)測(cè)模型。早期的預(yù)測(cè)算法以時(shí)間序列預(yù)測(cè)法、統(tǒng)計(jì)回歸預(yù)測(cè)法為主，此類方法運(yùn)算量小、操作方便、效率髙，但是模型簡(jiǎn)單且對(duì)復(fù)雜多變的環(huán)境下其魯棒性差、泛化能力不強(qiáng)。

近幾年來(lái)，新的理論和技術(shù)的出現(xiàn)促進(jìn)了新的預(yù)測(cè)算法的出現(xiàn)，成為了目前質(zhì)量預(yù)測(cè)的主流工具，主要有：灰色（GM）預(yù)測(cè)模型、人工神經(jīng)網(wǎng)絡(luò)（ANN）預(yù)測(cè)模型、支持向量回歸（SVR）預(yù)測(cè)模型、模糊預(yù)測(cè)控制模型等以及多種算法的混合模型，主要預(yù)測(cè)模型見表。預(yù)測(cè)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(cè)

SVR算法比較適合小批量生產(chǎn)過程工序質(zhì)量預(yù)測(cè)模型的建立?；贛ES環(huán)境的車間信息化系統(tǒng)能夠?qū)崟r(shí)獲得每道工序結(jié)點(diǎn)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(huì)間接反映出工藝系統(tǒng)對(duì)加工工件質(zhì)量特征影響的某種規(guī)律，因此，通過運(yùn)用適當(dāng)?shù)臄?shù)據(jù)挖掘技術(shù)對(duì)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(cè)?；诩庸ふ`差傳遞網(wǎng)絡(luò)的工序質(zhì)量預(yù)測(cè)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(cè)磨削智能預(yù)測(cè)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(cè)的在線參數(shù)載入到預(yù)測(cè)系統(tǒng)中，根據(jù)所建立的外圓縱向磨削預(yù)測(cè)模型對(duì)所要預(yù)測(cè)的參數(shù)進(jìn)行預(yù)測(cè)。將預(yù)測(cè)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(shí)現(xiàn)預(yù)測(cè)。外圓縱向磨削智能預(yù)測(cè)系統(tǒng)的結(jié)構(gòu)框圖03基于磨削加工的智能預(yù)測(cè)系統(tǒng)表面粗糙度預(yù)測(cè)工件的表面粗糙度是衡量工件質(zhì)量的一個(gè)非常重要的指標(biāo)。目前對(duì)工件表面粗糙度的檢測(cè)主要是停機(jī)檢測(cè)，利用接觸法或?qū)Ρ确ǖ玫酱植诙鹊木唧w值，在線檢測(cè)表面粗糙度雖然在理論上有所突破，但在實(shí)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(duì)粗糙度能夠預(yù)測(cè)，就能夠取代傳統(tǒng)的離線測(cè)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(shí)彌補(bǔ)了RBFN不能表達(dá)復(fù)雜磨削過程中模糊知識(shí)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(cè)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(shí)驗(yàn)表明：在精磨時(shí)，砂輪的磨削深度對(duì)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(cè)系統(tǒng)尺寸預(yù)測(cè)

采用具有動(dòng)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(cè)模型，可實(shí)現(xiàn)軸類零件尺寸的智能預(yù)測(cè)。尺寸預(yù)測(cè)模型如圖所示。外圓縱向磨削尺寸預(yù)測(cè)模型03基于磨削加工的智能預(yù)測(cè)系統(tǒng)智能預(yù)測(cè)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(cè)系統(tǒng)的人機(jī)界面，用戶進(jìn)入磨削參數(shù)預(yù)測(cè)系統(tǒng)，首先用戶輸入磨削加工的條件、參數(shù)，同時(shí)通過檢測(cè)儀表檢測(cè)的參數(shù)也顯示在用戶界面上。接下來(lái)可以通過后臺(tái)功能模塊對(duì)知識(shí)庫(kù)中的相關(guān)知識(shí)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(cè)的參數(shù)分別對(duì)表面粗糙度預(yù)測(cè)模型和加工工件尺寸預(yù)測(cè)模型進(jìn)行建立、仿真和訓(xùn)練，后臺(tái)模塊是通過接口程序所驅(qū)動(dòng)的仿真軟件。

當(dāng)仿真和訓(xùn)練達(dá)到良好的效果時(shí)，就可以進(jìn)行真實(shí)的加工，在真實(shí)的加工過程中，運(yùn)用訓(xùn)練好的預(yù)測(cè)模型對(duì)參數(shù)進(jìn)行預(yù)測(cè)，實(shí)現(xiàn)智能預(yù)測(cè)的過程。外圓縱向磨削智能預(yù)測(cè)系統(tǒng)的總體工作流程03基于磨削加工的智能預(yù)測(cè)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(cè)

人工神經(jīng)網(wǎng)絡(luò)（ArtificialNeuralNetworks，ANN）是人工智能領(lǐng)域中的一個(gè)重要分支，它借鑒人腦的結(jié)構(gòu)和特點(diǎn)，對(duì)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(cuò)性、高度非線性、自學(xué)習(xí)性和自組織性等特點(diǎn)。神經(jīng)網(wǎng)絡(luò)反映了人腦對(duì)信息的處理、知識(shí)與信息的存儲(chǔ)、學(xué)習(xí)和識(shí)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(gè)領(lǐng)域，如智能控制、模式識(shí)別、信號(hào)處理、計(jì)算機(jī)視覺和工程設(shè)計(jì)。生產(chǎn)的自動(dòng)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(yùn)行，切屑控制問題已成為能否有效的發(fā)揮機(jī)床能力、使生產(chǎn)正常進(jìn)行的關(guān)鍵問題，并且機(jī)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(shí)，連綿不斷的帶狀切屑會(huì)燙傷或劃傷操作工人。帶狀切屑若纏繞在工件上，會(huì)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(shí)現(xiàn)切屑形態(tài)的預(yù)測(cè)并對(duì)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(dòng)化水平的重要因素，被認(rèn)為是CIMS中的一項(xiàng)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(qiáng)的魯棒形和容錯(cuò)性、自適應(yīng)自組織自學(xué)習(xí)的能力和虛擬現(xiàn)實(shí)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(diǎn)，將它們應(yīng)用于切削過程的預(yù)測(cè)、仿真與控制中構(gòu)建加工過程的智能預(yù)測(cè)仿真模型進(jìn)而完成在虛擬切削環(huán)境中對(duì)切削進(jìn)程中的切屑等的模擬預(yù)報(bào)。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(cè)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(gè)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(cè)基于人工神經(jīng)網(wǎng)絡(luò)思想的切屑形態(tài)預(yù)測(cè)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(gè)，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(lái)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(cè)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(cè)切屑形態(tài)預(yù)測(cè)模塊功能介紹

切屑形態(tài)預(yù)測(cè)模塊分為兩個(gè)主要部分，網(wǎng)絡(luò)訓(xùn)練模塊和仿真預(yù)測(cè)模塊。網(wǎng)絡(luò)訓(xùn)練模塊主要是對(duì)BP網(wǎng)絡(luò)進(jìn)行初始化（包括對(duì)網(wǎng)絡(luò)的輸入層、隱含層、輸出層各層的神經(jīng)元點(diǎn)數(shù)等），以及對(duì)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(duì)BP網(wǎng)絡(luò)進(jìn)行訓(xùn)練、驗(yàn)證，存入數(shù)據(jù)庫(kù)備用。仿真預(yù)測(cè)模塊是運(yùn)用訓(xùn)練好的BP網(wǎng)絡(luò)，對(duì)新的數(shù)據(jù)進(jìn)行預(yù)測(cè)，使其達(dá)到允許誤差范圍，結(jié)束預(yù)測(cè)。具體流程如圖所示。切屑形態(tài)預(yù)測(cè)模塊04基于人工神經(jīng)網(wǎng)絡(luò)的切屑形態(tài)的預(yù)測(cè)05制造加工過程中的仿真和預(yù)測(cè)實(shí)例智能制造專家系統(tǒng)設(shè)計(jì)4*智能制造專家系統(tǒng)設(shè)計(jì)智能制造專家系統(tǒng)設(shè)計(jì)123456專家系統(tǒng)推理機(jī)制的實(shí)現(xiàn)專家系統(tǒng)知識(shí)庫(kù)的建立與實(shí)現(xiàn)編程語(yǔ)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(jì)5智能制造專家系統(tǒng)實(shí)例701專家系統(tǒng)的功能設(shè)計(jì)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(jì)及實(shí)例實(shí)現(xiàn)的過程。由于高速切削涉及的實(shí)體信息結(jié)構(gòu)復(fù)雜，種類繁多，對(duì)其進(jìn)行收集整理，建立高速切削數(shù)據(jù)庫(kù)，形成有效科學(xué)的管理很有必要，有助于實(shí)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(duì)高速切削實(shí)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(kù)，根據(jù)刀具材料選擇刀具型號(hào)；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(kù)；對(duì)機(jī)床、刀具、材料、加工工藝等實(shí)體進(jìn)行管理，建立切削數(shù)據(jù)庫(kù)等。01專家系統(tǒng)的功能設(shè)計(jì)（1）工件及材料管理子系統(tǒng)：實(shí)現(xiàn)對(duì)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(shí)現(xiàn)對(duì)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(jī)床管理子系統(tǒng)：實(shí)現(xiàn)對(duì)高速切削機(jī)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(shí)現(xiàn)對(duì)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(jī)床等決定。（5）加工案例管理子系統(tǒng)：實(shí)現(xiàn)對(duì)加工案例的增加、更改、刪除及查詢管理。（6）規(guī)則庫(kù)管理及推理：包括事實(shí)管理、規(guī)則庫(kù)的管理及規(guī)則推理等功能。（7）案例庫(kù)管理及推理：包括加工方案的管理、相似度管理及實(shí)例推理等功能。02專家系統(tǒng)的數(shù)據(jù)分析經(jīng)過對(duì)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(shí)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(shí)表、機(jī)床與主軸等，如圖所示描述了高速切削數(shù)據(jù)庫(kù)的E-R模型。高速切削專