《第三章-智能制造加工技术课件》由会员分享，可在线阅读，更多相关《第三章-智能制造加工技术课件（123页珍藏版）》请在金锄头文库上搜索。
1、,第3章 智能制造加工技术,1.智能制造加工技术概述,2.智能制造加工工艺,本 章 要 点,3.制造加工过程中的智能预测,4.智能制造数据库及其建模,5.智能制造专家系统设计及实例,智能制造加工技术概述,01 概述,智能制造加工技术（主要是智能切削技术）是智能制造技术的核心。原材料或毛坯的加工有三种形式：增材制造（通过焊接、镀层、快速原型等方法来实现）、等材制造（通过铸造、锻造、粉末冶金等材料变形方法来实现）和减材制造（主要通过各种切削加工来实现），而减材制造目前仍然是制造零件和产品的主要方法。 切削过程是非常复杂的加工过程，在切削过程中涉及物理学、化学、力学、材料学、振动学、摩擦学、传热学等
2、多学科、多领域的相关知识与理论，对于切削过程的控制一直以来是切削研究的重点。随着加工技术不断发展与工业4.0时代的到来，切削过程的智能加工技术已经成为切削研究的热点，在切削过程中应用智能加工技术是必然的发展趋势。 高性能、难加工材料（如钛合金、高温合金、复合材料及它们的结构件）零件的加工过程中必须采用智能加工工艺，对加工系统、时变工况进行在线监测，以获取加工过程的状态信息。在此基础上，针对实时工况变化采用智能化方法对工艺过程进行自主学习及决策控制，实现高品质零件制造过程的智能决策和自主控制。采用智能制造加工技术，可最大限度地提高难加工材料及其结构件的加工质量、加工效率、减少或者避免不必要的损失
3、、降低生产成本。,常规数控加工技术在机械零件加工中占有非常重要的地位，一直以来是机械加工的主要方式与手段，但常规数控加工技术没有把加工过程中机床、刀具、工件的状态变化一并纳入加工过程进行考虑。 在常规数控加工过程中，数控机床只是根据零件的几何形状与给定切削参数生成数控加工程序，并按照已定的数控程序进行加工，但工件材料去除加工过程中存在着非常复杂的状态变化，其中包括机床位姿变化、机床功率变化、机床刚度变化、刀具的空间位置变化、刀具受力情况变化、刀具变形情况变化、刀具磨损状态变化、刀具温度变化、工件的受力情况变化、工件的变形情况变化、工件材料的去除程度、机床、刀具及工件的振动情况等。 常规的数控加
4、工技术没有把状态变化量纳入考虑的范围内，只是按照给定的工件几何轮廓、加工参数、刀具路径进行加工，对于加工过程中出现的“突发”状况不能进行实时处理，不能根据加工过程中状态的变化采取相应的应对措施，也不能实现对加工状态的实时优化，设备加工能力得不到充分发挥，同时也难以保证零件的最终加工质量。,01 概述,通过采用智能加工技术，可以对所提出的上述问题进行很好地解决，智能加工技术是对现有加工技术的一次技术变革，通过加工前的仿真分析与优化、加工过程中的状态监测、智能优化与控制、贯穿于整个加工过程的数据处理与共享，使得切削过程中各种状态变化量可以被“预测”、“感知”、“控制”与“优化”，实现智能加工。在切
5、削加工过程中引入智能技术是必然趋势，将智能加工技术贯穿加工的整个过程是未来产品或零件制造加工的发展方向。智能加工技术在加工过程中的应用包括：,01 概述,（1）加工前：机床、刀具、零件、夹具几何模型的建立、加工过程仿真、加工路径优化、切削参数优化、刀具角度优化、切削过程中的状态与最终加工质量预测等。 （2）加工中：加工过程中加工状态的在线监测、数据处理、特征提取、状态判断、智能推理与决策、实时优化与控制。 （3）加工后：零件几何尺寸与精度、表面粗糙度、表面貌、残余应力等加工质量的检测与判断。 （4）数据处理贯穿于整个智能加工过程：包括加工前、中、后不同阶段中相关数据的建立、存储、处理、通信与共
6、享。,智能制造加工工艺,智能制造加工工艺,01智能切削技术的内涵与流程,1、智能切削加工技术内涵,智能切削加工是基于切削理论建模及数字化制造技术，对切削过程进行预测及优化，在加工过程中采用先进的数据监测及处理技术，对加工过程中机床、工件、刀具的状态进行实时监测与特征提取，并结合理论知识与加工经验，通过人工智能技术，对加工状态进行判断，通过数据对比、分析、推理、决策、实时优化切削参数、刀具路径，调整自身状态，实现加工过程的智能控制，完成最优加工，获得理想的工件质量及加工效率。,智能切削加工涉及因素,01智能切削技术的内涵与流程,2、智能切削加工流程,（1）整体工艺规划 在零件进行实际加工之前首先
7、需要对零件的几何特征进行分析，综合考虑机床参数、工件参数、刀具参数与技术要求等对零件的加工工艺进行规划，通过运用大数据技术，结合以往理论知识与加工数据确定相应的加工参数与流程。,（2）基于仿真的切削过程预测与优化 在机床、刀具、切削参数选取之后，通过数控加工仿真、切削过程物理仿真、数值仿真等手段对切削过程进行仿真，在实际加工之前预测加工过程机床、刀具、工件的状态变化情况。并通过优化算法对刀具路径，加工参数等进行优化，通过仿真分析使加工参数达到最优状态。,（3）加工过程在线监测与优化控制 加工过程的在线监测与优化是智能加工技术的核心技术，主要包括：在线监测模块、优化决策模块、实时控制模块，涉及到
8、在线监测、数据处理、特征提取、智能决策与优化、在线实时控制等多项技术。,（4）质量检测与判断 质量检测环节为加工的最后环节，通过对零件加工质量的在线监测，完成对零件几何外形轮廓、加工尺寸精度、表面质量等的检测，最终完成零件加工质量检测。 （5）智能加工中的数据处理 数据处理贯穿于智能加工的整个过程，加工中涉及的数据包括：机床、夹具、刀具、工件的基本参数数据、切削参数数据、加工过程中所测得的状态参数数据、优化参数数据、控制参数数据、检测数据等一系列数据。,02智能切削加工过程中的基础关键技术,智能加工具体技术路线,智能切削加工过程所涉及的关键技术主要包括：智能加工工艺规划、通过仿真手段对切削过程
9、进行预测与优化、在加工过程中对于状态变化的监测、加工过程中的智能决策与控制、贯穿于整个加工过程的数据处理技术。,02智能切削加工过程中的基础关键技术,1、基于试验的切削过程预测与优化技术,（1）正交试验设计及多元非线性回归分析 加工过程中，影响加工过程参量（如加工表面质量、刀具磨损、切削力和切削温度、切削振动等）的因素较多，常常需要同时考察3个或3个以上的试验因素，若进行全面试验，则试验的规模将很大，往往因试验条件的限制而难于实施。正交设计是安排多因素试验、寻求最优水平组合的一种高效率试验设计方法。,正交试验设计（orthogonal experimental design）是一种考虑兼顾全面
10、试验法和简单比较法的优点，它利用规格化的正交表恰当地设计出试验方案和有效地分析试验结果，提出最优配方和工艺条件，并进而设计出可能更优秀的试验方案的一种科学方法。正交试验设计非常适用于多因素多水平的试验设计，它最大的优点就是试验次数少。例如进行一个七因素两水平的试验，全面因子试验需要做27=128次试验，而选用L8（72）正交试验（L为正交试验，8为试验次数，7为因素个数，2为每个因素的水平）则只需要进行8次试验。,02智能切削加工过程中的基础关键技术,（2）均匀试验设计 均匀试验设计是一种只考虑试验点在试验范围内均匀散布的试验设计方法，由于均匀试验只考虑试验点的“均匀散布”而不考虑“整齐可比”
11、，因此可以大大减少试验次数，这是它与正交试验设计的最大不同之处。,（3）回归设计（或响应面设计） 回归设计就是在因子空间选择适当的试验点，以较少的试验处理建立一个有效的多项式回归方程，从而解决生产中的最优化问题，这种试验设计方法就被称为回归设计。 回归设计也称为响应曲面（Response Surface）设计，目的是寻找试验指标与各因子间的定量规律，考察的因子都是定量的。它是在多元回归的基础上用主动收集数据的方法获得具有较好性质的回归方程的一种试验设计方法。因此，将回归和正交结合在一起进行试验设计，这就是回归正交设计。回归正交设计是回归分析与正交试验设计法有机结合而形成的一种新的试验设计方法。
12、根据建立的回归方程的次数回归设计有一次回归设计和二次回归设计，根据设计的性质可分为正交设计、旋转设计等。一般地，常用的回归设计有一次回归正交设计、二次回归正交设计、二次回归正交旋转设计。,02智能切削加工过程中的基础关键技术,（4）稳健设计 稳健设计是一个低成本高效益的质量工程方法，其基本思想是把稳健性应用到产品中，以抵御大量下游生产或使用中的噪声；其基本原理是利用影响产品质量的非线性因素，通过改变某些可控因素的水平，使噪声因素对产品质量的影响减到最小。由于稳健设计在产品设计之初就考虑到了噪声因素的影响，所以产品设计几乎不需要考虑额外的余量或采用高质量的零部件对噪声因素的影响进行补偿，从而可在
13、保证产品的性能的同时降低产品生产和使用的费用。,02智能切削加工过程中的基础关键技术,（5）多目标优化（multi-objective optimization）,工程实际中的许多问题都是多目标优化设计问题。多目标优化可以描述为：一个由满足一定约束条件的决策变量组成的向量，使得一个由多个目标函数组成的向量函数最优化。 目标函数组成了性能标准的数学描述，而性能标准之间通常是互相冲突的，优化意味着要找到一个使得所有目标函数值都可接受的解。 各个目标间的竞争性和复杂性，使得对其优化变得困难，在多目标优化问题中寻求单一最优解是不太现实的，而是产生一组可选的折中解集，由决策过程在可选解集中作出最终的选择
14、。由于多目标问题的广泛存在性与求解的困难性，该问题一直是富有吸引力和挑战性的。多目标优化的意义在于找到一个或多个解，使设计者能接受所有的目标值。,02智能切削加工过程中的基础关键技术,目前，求解多目标优化的方法分为多目标决策（Multiple Criteria Decision Making，MCDM）法和Pareto优化法。多目标决策法包括先验法和交互法，分别指在优化之前确定决策者对不同目标的偏好和在优化过程利用这些偏好信息指导搜索的方法，一般优化得到一个解。常用的先验法有加权和法、目标规划法、字典排序法、模糊逻辑法、多属性效应理论和层次分析法。常用的交互法有STEM法和STEUER法。 多
15、目标进化算法可以分为基于聚合函数法、非Pareto支配法、以及基于Pareto支配法的多目标优化算法。基于聚合函数法的多目标优化方法，采用加权法评价解的适应值，在优化过程中通过变化权系数值，使搜索遍历Pareto最优前端或曲面，以得到一组有效解；常用的聚合函数法有局部搜索算法、Memetic算法、蚁群算法等。非Pareto支配法是指采用交替法评价解的适应值的多目标优化方法，非Pareto支配法的缺点是容易向目标空间的某些极端边界点收敛，并对Paret最优前端的非凸部分较敏感；常用的非Pareto支配法有向量评估遗传算法和加权最小-最大法。基于Pareto支配法用Paret法评价解的适应值，并在
16、优化过程中根据Pareto支配关系选择新个体的多目标优化技术；常用的Pareto支配法有局部搜索算法、多目标遗传算法、粒子群算法等。,02智能切削加工过程中的基础关键技术,多目标优化问题的基本概念： 1）目标函数、决策变量和约束条件 目标函数是指在优化问题中所关心的一个或多个指标，它与优化问题中的某些因素呈函数关系，在优化过程中需要求其极值（最大值或最小值）。决策变量是指优化问题中所涉及的与约束条件和目标函数有关的待确定量。在求目标函数的极值时变量和目标函数必须满足的限制称为约束条件。 2）个体之间的关系：支配关系或不相关关系。 3）非支配解 多目标优化问题与单目标优化问题的差异非常大。在有单个目标时，人们寻找最好的解，这个解比其它所有的解都要好。在有多个目标时，由于存在目标之间的无法比较和冲突现象，不一定有在所有目标上都是最优的解。一个解可能在某个目标上是最好的，但在其他目标上是最差的。因此在有多个目标时，通常存在一系列无法简单进行相互比较的解
